System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及情绪传染,尤其涉及一种安全-危险双重知识驱动的情绪传染建模方法及系统。
技术介绍
1、恐慌情绪可以极大地影响人群的行为和决策。当紧急情况发生时,恐慌情绪的持续传播会导致人群陷入混乱,从而导致拥堵和踩踏等非理性行为。在人群疏散中研究恐慌情绪传染对于防止发生拥挤和踩踏事件非常重要。
2、在紧急情况下,人群恐慌情绪传染过程通常包含安全和危险双重知识的传播。例如,在一家超市发生火灾时,关于发生火灾的危险知识从附近的人传播到超市内的其他人,引起了恐慌。同时,安全员传播有关疏散路线和出口的安全知识,使人群平静下来并抑制恐慌的传播。因此,研究安全和危险双重知识使恐慌情绪传染对于在紧急情况下对人群行为的更真实的理解和预测至关重要。然而,双重知识对恐慌情绪传染的复杂影响对全面研究人群疏散过程中的恐慌情绪传染过程提出了重大挑战。
技术实现思路
1、本公开为了解决上述问题,本专利技术提出了一种安全-危险双重知识驱动的情绪传染建模方法及系统,同时考虑安全知识传播和危险知识传播在人群恐慌情绪传染上的综合影响,从而对人群疏散中的人群情绪传染过程进行更全面和准确的描述。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、第一方面,本专利技术提供一种安全-危险双重知识驱动的情绪传染建模方法,包括:
4、根据安全知识和危险知识构建情绪传染网络,所述情绪传染网络包括情绪传染层,以及与情绪传染层连接的危险知识传播层和安全知识传播层;
5、基
6、基于所述易感状态和感染状态的状态类型和概率,利用微观马尔可夫链方法计算个体在安全-危险双重知识影响下的情绪传染阈值。
7、优选地,所述安全知识包括疏散路线、安全出口信息;所述危险知识包括危险的位置、强度和范围信息。
8、优选地,所述安全知识传播层内个体状态包括无安全知识状态us、有安全知识状态ks和免疫安全知识状态rs;所述危险知识传播层内个体状态包括无危险知识状态uh、有危险知识状态kh和免疫危险知识状态rh。
9、优选地,所述基于危险知识传播层和安全知识传播层内个体状态,确定情绪传染层中考虑安全-危险双重知识的个体为易感状态和感染状态的状态类型和概率,具体包括:
10、没有安全知识和危险知识的易感状态个体,未被恐慌情绪感染的概率为:
11、
12、只具有安全知识的易感状态个体,未被恐慌情绪感染的概率为:
13、
14、只具有危险知识的易感状态个体,未被恐慌情绪感染的概率为:
15、
16、具有安全知识的易感状态个体,未被恐慌情绪感染的概率为:
17、
18、其中,其中,表示情绪传染层中节点连接关系;η+表示危害知识对恐慌情绪传染的促进率,η-表示安全知识对恐慌情绪传染的抑制率;表示成为感染者的概率;β表示情绪传播速率;ws、wh分别表示安全知识和危险知识对恐慌情绪传染的影响权重。
19、优选地,所述基于所述易感状态和感染状态的状态类型和概率,利用微观马尔可夫链方法计算个体在安全-危险双重知识影响下的情绪传染阈值,具体包括:
20、根据所述易感状态和感染状态的状态类型和概率,得到离散微观马尔可夫方程的静态解;
21、根据静态解构建矩阵h求解特征值,得到安全知识传播和危险知识传播下的情绪传染阈值。
22、优选地,所述根据所述易感状态和感染状态的状态类型和概率,得到离散微观马尔可夫方程的静态解,具体包括:
23、基于所述易感状态和感染状态的状态类型和概率,构建在每个时间步的转换概率树;
24、基于转换概率树,利用微观马尔可夫链建立个体每个状态在下一时刻的转换方程,求解计算状态转换概率。
25、优选地,所述情绪传染阈值为:
26、
27、其中,lmax(r)和lmax(ae)分别为矩阵h和情绪传染层邻接矩阵ae的最大的特征值;deg≤lmax(ae)≤dmax,deg和dmax分别是ge的平均度和最大度;当ge是一个均匀网络时,ge的最大度dxax和平均度deg接近,得到lmax(ae)≈deg。
28、第二方面,本专利技术提供一种安全-危险双重知识驱动的情绪传染建模系统,包括:
29、网络构建模块,用于根据安全知识和危险知识构建情绪传染网络,所述情绪传染网络包括情绪传染层,以及与情绪传染层连接的危险知识传播层和安全知识传播层;
30、转变状态获取模块,用于基于危险知识传播层和安全知识传播层内个体状态,确定情绪传染层中考虑安全-危险双重知识的个体为易感状态和感染状态的状态类型和概率;
31、阈值求解模块,用于基于所述易感状态和感染状态的状态类型和概率,利用微观马尔可夫链方法计算个体在安全-危险双重知识影响下的情绪传染阈值。
32、第三方面,本专利技术提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的情绪传染建模方法中的步骤。
33、第四方面,本专利技术提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的情绪传染建模方法中的步骤。
34、与现有技术相比,本公开的有益效果为:
35、本专利技术的核心在于综合考虑了安全知识和危险知识对恐慌情绪传染的影响,并据此建立了一个具有安全和危险双重知识的情感传染网络。这一网络模型不仅考虑了知识对情绪传染的直接影响,还深入探讨了安全知识和危险知识在情绪传染过程中的相互作用。为了更精确地描述由安全危害知识驱动的人群恐慌情绪传染过程,本专利技术构建了一个安全和危险知识驱动的情绪传染模型。这个模型能够模拟在特定情境下,安全知识和危险知识是如何通过社交网络传播并影响个体情绪的。通过这种模型,可以进一步了解和分析不同知识对恐慌情绪传染的影响程度和方式。
36、在此基础上,本专利技术利用微观马尔可夫链方法推导出双重知识影响下的情绪传染阈值。马尔可夫链方法是一种研究随机过程动态演化的数学工具,能够很好地模拟和分析情绪在网络中的传播过程。通过这种方法,可以计算出在给定条件下,情绪传染达到临界状态所需的最低或最高水平,即情绪传染阈值。这个阈值对于理解和控制恐慌情绪的传播具有重要意义。当情绪传染的强度超过这个阈值时,恐慌情绪就可能在人群中迅速扩散;而如果能够采取有效措施将情绪传染强度控制在阈值以下,就有可能遏制恐慌情绪的蔓延。
37、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种安全-危险双重知识驱动的情绪传染建模方法,其特征在于,包括:
2.如权利要求1所述的情绪传染建模方法,其特征在于,所述安全知识包括疏散路线、安全出口信息;所述危险知识包括危险的位置、强度和范围信息。
3.如权利要求1所述的情绪传染建模方法,其特征在于,所述安全知识传播层内个体状态包括无安全知识状态Us、有安全知识状态Ks和免疫安全知识状态Rs;所述危险知识传播层内个体状态包括无危险知识状态Uh、有危险知识状态Kh和免疫危险知识状态Rh。
4.如权利要求3所述的情绪传染建模方法,其特征在于,所述基于危险知识传播层和安全知识传播层内个体状态,确定情绪传染层中考虑安全-危险双重知识的个体为易感状态和感染状态的状态类型和概率,具体包括:
5.如权利要求1所述的情绪传染建模方法,其特征在于,所述基于所述易感状态和感染状态的状态类型和概率,利用微观马尔可夫链方法计算个体在安全-危险双重知识影响下的情绪传染阈值,具体包括:
6.如权利要求5所述的情绪传染建模方法,其特征在于,所述根据所述易感状态和感染状态的状态类型和概率,得到
7.如权利要求5所述的情绪传染建模方法,其特征在于,所述情绪传染阈值为:
8.一种安全-危险双重知识驱动的情绪传染建模系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一项所述的情绪传染建模方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的情绪传染建模方法中的步骤。
...【技术特征摘要】
1.一种安全-危险双重知识驱动的情绪传染建模方法,其特征在于,包括:
2.如权利要求1所述的情绪传染建模方法,其特征在于,所述安全知识包括疏散路线、安全出口信息;所述危险知识包括危险的位置、强度和范围信息。
3.如权利要求1所述的情绪传染建模方法,其特征在于,所述安全知识传播层内个体状态包括无安全知识状态us、有安全知识状态ks和免疫安全知识状态rs;所述危险知识传播层内个体状态包括无危险知识状态uh、有危险知识状态kh和免疫危险知识状态rh。
4.如权利要求3所述的情绪传染建模方法,其特征在于,所述基于危险知识传播层和安全知识传播层内个体状态,确定情绪传染层中考虑安全-危险双重知识的个体为易感状态和感染状态的状态类型和概率,具体包括:
5.如权利要求1所述的情绪传染建模方法,其特征在于,所述基于所述易感状态和感染状态的状...
【专利技术属性】
技术研发人员:张桂娟,田泽娜,洪潇,陆佃杰,
申请(专利权)人:山东师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。