Khi mọi người đến với nhau trong một đám đông, các kết nối thể chất và cảm xúc xác định chuyển động, trạng thái tâm trí và ý chí hành động của họ. Hiểu về đám đông có thể giúp chúng ta quản lý sự hoảng loạn do một cuộc tấn công khủng bố; một khoa học về đám đông là rất quan trọng để quản lý nhiều trường hợp khẩn cấp, đặc biệt là khi mật độ trở nên nguy hiểm cao. Sự hoảng loạn hoặc hỗn loạn trong đám đông có thể giết chết hoặc làm bị thương hàng trăm người, như đã xảy ra tại Cuộc diễu hành tình yêu ở Đức ở 2010 khi hàng ngàn người tham dự một lễ hội âm nhạc khiêu vũ điện tử chất đống khi họ cố gắng đi vào một đường hầm hẹp; Người 21 chết vì nghẹt thở.

Khoa học cơ bản và nhu cầu an toàn công cộng mà chúng tôi phát triển một khoa học hoàn chỉnh về đám đông bằng cách sử dụng một loạt các quy tắc. Ngày nay, công việc của các nhà tâm lý học xã hội cho thấy đám đông bị ảnh hưởng bởi tính cách của từng thành viên; do đó, đám đông có thể thể hiện hành vi vị tha và hữu ích cũng như ngược lại. Và bây giờ chúng ta có thể mở rộng khoa học đám đông hơn nữa bằng cách kết hợp phân tích định lượng bằng vật lý cổ điển và thống kê, khoa học tính toán và lý thuyết về các hệ thống phức tạp - nghiên cứu các nhóm các thực thể tương tác.

Một khái niệm có liên quan từ lý thuyết phức tạp là 'xuất hiện', xảy ra khi các tương tác giữa các thực thể tạo ra hành vi nhóm không thể dự đoán được từ các thuộc tính của bất kỳ yếu tố riêng lẻ nào. Chẳng hạn, di chuyển ngẫu nhiên H₂Các phân tử O trong nước lỏng đột nhiên liên kết với nhau ở 0 độ C để tạo ra đá rắn; Những con sao biển trong chuyến bay nhanh chóng tạo thành một đàn.

Hành vi mới nổi có thể được dự đoán nếu sự tương tác giữa các thực thể được biết đến, như thể hiện trong 2014 bởi các nhà nghiên cứu tại Đại học Minnesota, người đã xác định cách hai người trong chuyển động tương tác và, từ đó, cách đám đông di chuyển. Các nhà nghiên cứu trước tiên đã xem xét một ý tưởng từ vật lý, đưa ra giả thuyết rằng, giống như các điện tử, người đi bộ tránh va chạm bằng cách đẩy lùi nhau khi họ tiến gần hơn. Nhưng cơ sở dữ liệu video cho thấy thay vào đó khi mọi người thấy rằng họ sắp va chạm, họ thay đổi đường dẫn. Từ đó, các nhà nghiên cứu đã rút ra một phương trình cho một lực đẩy phổ quát giữa hai người, dựa trên thời gian cho đến khi va chạm, không phải khoảng cách.

Công thức tái tạo thành công các đặc điểm trong thế giới thực mới nổi của một đám đông, chẳng hạn như hình thành một cấu hình hình bán nguyệt trong khi chờ đợi đi qua một lối đi hẹp hoặc phát triển các làn độc lập ngay lập tức khi các thành viên của nó đi về phía các lối thoát khác nhau. Điều này cho phép mô phỏng hành vi đám đông để thiết kế các tuyến đường sơ tán.

To có ích trong trường hợp khẩn cấp, phân tích đám đông cũng phải tính đến sự lây nhiễm cảm xúc. Nỗi sợ hãi lan rộng có thể thay đổi hành vi mới nổi, như được thể hiện bởi các nhà nghiên cứu tại Đại học Công nghệ KN Toosi ở Iran. Trong 2015, họ tạo ra một phiên bản máy tính của một không gian công cộng có hàng trăm người lớn và trẻ em mô phỏng, và các nhân viên bảo vệ đã hướng mọi người đến lối thoát hiểm. Giả sử rằng những người tham gia đang phản ứng với một sự kiện nguy hiểm, mô phỏng đã đưa họ đến mức độ sợ hãi và hoảng loạn, chuyển động ngẫu nhiên khi họ không tìm thấy lối ra.

Chạy mô phỏng, các nhà nghiên cứu nhận thấy rằng giữa 18 và 99 phần trăm có thể thoát ra, tùy thuộc vào sự kết hợp của những người tham gia. Số lần trốn thoát lớn nhất không xảy ra với số người hoặc nhân viên an ninh nhỏ nhất hoặc lớn nhất mà ở các giá trị trung gian. Điều này cho thấy trạng thái cảm xúc của đám đông có thể mang động lực của nó vào một giai đoạn phi tuyến phức tạp.

Chúng ta có thể xác định cảm xúc của các cá nhân trong một đám đông thực sự bằng cách quan sát hành vi thể chất của họ. Trong 2018, một nhóm thuộc Hui Yu của Đại học Portsmouth ở Anh đã sử dụng động năng, năng lượng của chuyển động trong vật lý, để phục vụ như một thước đo có thể thiết lập khi một đám đông bước vào trạng thái cảm xúc 'bất thường'. Các thành viên đám đông chạy từ một sự kiện nguy hiểm như vụ nổ đã tăng động năng, có thể được phát hiện trong hình ảnh video đám đông thời gian thực. Sử dụng các kỹ thuật thị giác máy tính, các nhà nghiên cứu đã tính toán tốc độ của các pixel tạo nên hình ảnh, từ đó họ xác định được phần năng lượng nhất của đám đông.

Các nhà nghiên cứu đã áp dụng phương pháp của họ vào tập dữ liệu các video clip được đối chiếu bởi nhà khoa học máy tính Nikolaos Papanikolopoulos và các đồng nghiệp tại Đại học Minnesota. Những clip đó cho thấy rất đông người thực phản ứng với các trường hợp khẩn cấp giả lập. Ban đầu, các đối tượng đi lại bình thường, sau đó bất ngờ phân tán và chạy theo mọi hướng. Thuật toán năng lượng nhanh chóng cảm nhận được các chuyển đổi này và các nhà nghiên cứu kết luận rằng phương pháp này có thể tự động phát hiện hành vi bất thường, có khả năng nguy hiểm trong các cuộc tụ họp công cộng.

Các liên kết khác giữa cảm xúc và hành động đã được rút ra bởi nhà khoa học máy tính Dinesh Manocha tại Đại học Maryland và các đồng nghiệp của ông trong 'Khối lập phương'mô hình, kết hợp phân tích các yếu tố từ vật lý, sinh lý học và tâm lý học. Ba yếu tố này có liên quan chặt chẽ với nhau trong các hoạt động thể chất và phản ứng cảm xúc đánh dấu một đám đông đang gặp khủng hoảng. CubeP sử dụng vật lý cơ bản của lực và vận tốc để tính toán nỗ lực cơ thể của một người trong chuyển động. CubeP cũng kết hợp mô hình truyền cảm xúc phát triển trong 2015 bởi kỹ sư máy tính Funda Durupinar tại Đại học Bilkent ở Thổ Nhĩ Kỳ và các đồng nghiệp của cô, bao gồm các hồ sơ tính cách điển hình xác định phản ứng của một người đối với căng thẳng. CubeP bổ sung một thước đo sinh lý về mức độ hoảng loạn cho mỗi người, dựa trên nỗ lực của cơ thể. Điều này ảnh hưởng đến nhịp tim, được biết là chỉ mức độ sợ hãi. Tất cả điều này được kết hợp để dự đoán tốc độ và hướng chuyển động cho từng thành viên đám đông.

Các nhà nghiên cứu đã thử nghiệm CubeP trong các mô phỏng trên máy tính của một đám đông phản ứng với một sự kiện nguy hiểm, với kết quả thực tế. Một người ảo gần mối đe dọa nhanh chóng hoảng loạn và bỏ chạy. Một cá nhân xa hơn đáp ứng với sự lây nhiễm cảm xúc với nỗi sợ hãi và hành vi trốn thoát, mặc dù sau đó. Các nhà nghiên cứu cũng áp dụng CubeP cho bộ dữ liệu của Đại học Minnesota và cho các video về các trường hợp khẩn cấp thực sự, chẳng hạn như trên hệ thống tàu điện ngầm Thượng Hải ở 2014, và bên ngoài tòa nhà Quốc hội Anh ở 2017. Trong tất cả những điều này, mô phỏng CubeP về hành vi đám đông khá gần với thực tế và gần hơn so với phương pháp Durupinar và các mô hình khác không hợp nhất các yếu tố vật lý, tâm lý và sinh lý.

Sự cải tiến này minh họa sức mạnh của một ngành khoa học đa ngành về đám đông. Khi những hiểu biết tích lũy, chúng chắc chắn sẽ hữu ích trong thiết kế kiến ​​trúc và lập kế hoạch thảm họa. Tuy nhiên, những phát hiện có thể dẫn đến sự giám sát nhiều hơn của đám đông trong không gian công cộng, một hiện tượng đang gia tăng mối quan tâm từ Liên minh Tự do Dân sự Hoa Kỳ về quyền riêng tư và khả năng lạm dụng.

Một cái gì đó bị mất và một cái gì đó có được bằng cách giảm hành vi đám đông xuống số. So sánh các mô hình với dữ liệu thực sẽ cung cấp những hiểu biết sâu sắc về động lực học của đám đông, nhưng chúng ta cũng cần một sự hiểu biết sâu rộng từ tâm lý học. Elias Canetti, tác giả đoạt giải Nobel, người đã viết tác phẩm kinh điển Đám đông và quyền lực (1960), dự đoán ngày mà sự hợp tác này sẽ giúp phá vỡ mã đám đông. Khi xem xét tầm quan trọng của một mật độ quan trọng nhất định trong hành vi đám đông, ông đã viết: 'Một ngày nào đó có thể xác định mật độ này chính xác hơn và thậm chí để đo nó'. Bây giờ chúng ta có thể đo lường và phân tích số lượng như vậy, nhưng chúng ta cũng cần những quan điểm mở rộng về nhân văn và khoa học xã hội để cho chúng ta biết ý nghĩa thực sự của chúng.

Giới thiệu về Tác giả

Sidney Perkowitz là giáo sư danh dự vật lý tại Đại học Emory ở Atlanta. Những cuốn sách mới nhất của anh ấy là Xốp đa năng (2015) Frankenstein: Làm thế nào một quái vật trở thành một biểu tượng (2018) Vật lý: Giới thiệu rất ngắn (sắp tới, tháng 7 2019).

Bài viết này ban đầu được xuất bản tại thời gian dài vô tận và đã được tái bản dưới Creative Commons.

Sách liên quan

at Thị trường InnerSelf và Amazon