建模社会学习与可持续行为在意大利锡耶纳城市中的协同关系

《Chaos, Solitons & Fractals》:Modeling the synergistic relation between social learning and sustainable behaviors in the Italian city of Siena

【字体: 大 中 小 】 时间:2026年07月31日 来源:Chaos, Solitons & Fractals 5.7

编辑推荐:

  促进可持续行为是减缓气候变化的核心组成部分,可被框架化为大规模社会困境,其中个体激励可能与集体利益相冲突。城市互动结构和社会学习机制如何塑造居住或经常光顾城市的人群中环境可持续行为的持久性?在本研究中,研究人员使用基于智能体建模(agent-based mod

  
促进可持续行为是减缓气候变化的核心组成部分,可被框架化为大规模社会困境,其中个体激励可能与集体利益相冲突。城市互动结构和社会学习机制如何塑造居住或经常光顾城市的人群中环境可持续行为的持久性?在本研究中,研究人员使用基于智能体建模(agent-based modeling, ABM)结合真实数据与博弈论(game theory, GT),研究不同网络拓扑(network topologies)和环境耦合机制(environmental coupling mechanism)如何协同影响由不同类型参与者组成的异质群体中的可持续行为。研究人员分析了四种模型配置,结合理想化规则设置和锡耶纳(Siena)的地理参考表示,并采用地理网络(geographical network)和小世界网络(small-world network)两种互动网络。研究发现,在所有情况下,与局部社会环境的更强耦合与可持续行为相关。然而,锡耶纳的地理配置始终是最不合作的,表明其城市结构和高度互联的社会结构可能限制了合作与可持续行为的扩散。最后,固定策略代理人(fixed-strategy agents)似乎是降低系统自组织为合作配置能力的因素。
**论文解读:社会学习与可持续行为在意大利锡耶纳城市中的协同关系建模**

**研究背景与问题**
气候变化是21世纪最紧迫的挑战之一,其影响由人类活动驱动,尤其是温室气体排放。减缓气候变化需要从国际协议到个人行为改变的多层次协调行动。个体和集体行为在向可持续性转型中起关键作用,但日常生活行为(如能源消耗、废物管理等)常面临社会困境:个体理性选择与集体最优冲突。促进可持续行为可视为大规模社会困境,其中合作(采用环保行为)带来集体利益,但个体有背叛(不环保行为)的诱惑。理解合作如何涌现并持续,需要明确个体决策与集体动态的相互作用。

**研究目的**
现有研究已通过博弈论(game theory, GT)和基于智能体建模(agent-based modeling, ABM)探索合作演化,但较少结合真实城市数据与社会学习机制。本研究旨在扩展研究人员先前的工作([28]),通过引入环境耦合机制(environmental coupling mechanism)模拟社会学习,并基于2024年大规模调查数据(N=972)校准模型,分析锡耶纳城市中不同网络拓扑(地理网络和小世界网络)下合作行为的演化。研究重点在于:社会学习如何增强合作的韧性,以及城市结构和网络密度对合作扩散的影响。

**重要意义**
本研究为理解城市环境中可持续行为的扩散提供了定量框架,揭示了社会学习机制、网络拓扑和个体异质性之间的协同作用。结果有助于设计更有效的政策干预,促进公民环保行为,同时为其他城市的社会困境建模提供方法论参考。论文发表在《Chaos, Solitons & Fractals》。

**主要技术方法**
1. **调查数据收集**:2024年通过在线问卷收集972份响应(含居民和非居民),覆盖气候变化意识(Q1.1-Q1.6)和自报环保行为(Q2-Q9)。
2. **行为类型分类**:基于回答将代理人分为五类:激进者(固定合作者,A)、否认者(固定背叛者,D)、最佳邻居模仿者(囚徒困境PD玩家)、多数模仿者(猎鹿SH玩家)和多数反对者(鹰鸽HD玩家)。
3. **模型构建**:构建两种模型——基本模型(BM,理想化规则网格)和锡耶纳模型(SM,基于真实城市地理)。每种模型采用地理网络(距离<100米连接)和小世界网络(重连概率0.05)。
4. **博弈与学习机制**:代理人交互获得收益(si = 合作邻居数或α×合作邻居数),采用环境耦合适应度函数Fi = (1-μ)si + μ max(s?C, s?D),其中μ∈[0,1]控制社会学习权重。
5. **模拟参数**:固定代理人数量N=972,初始合作比例0.5,运行100时间步,每个参数对(α, μ)进行50次独立重复。

**研究结果**

**3.1 调查结果与气候变化意识的社会人口模式**
- 调查显示,气候变化意识整体较高(Q1.1-Q1.6得分偏向高值),自报环保行为在能源节约、垃圾分拣等领域积极(积极响应约80-93%),但在材料再利用、购买环保产品、参与公共清洁等方面较低(25-43%)。
- 意识与行为指标呈弱正相关(Spearman ρ=0.29,p<0.001),符合知识-行动差距。
- 社会人口差异:女性比男性意识更高(尤其Q1.1,1.3,1.4,1.5,1.6);教育水平梯度明显,中学学历者最低;游客意识显著低于其他群体;非历史中心居民意识略高于中心居民。

**3.2 模型结果**
- **基线(μ=0)**:合作-背叛临界阈值α1(合作与背叛曲线交点)在四种配置中:BM-Geog α1=1.31,BM-SW α1=1.36,SM-Geog α1=1.05,SM-SW α1=1.08。小世界网络略高于地理网络,但锡耶纳模型(SM)始终低于基本模型(BM),表明锡耶纳结构使合作更脆弱。
- **环境耦合效应**:随着μ增加,α1单调递增,即更强社会学习增强了合作韧性。但增加速度在BM中快于SM:BM在μ≈0.55时α1升至约2,μ≥0.7时达到完全合作(α1=5);SM在μ≥0.9(Geog)或μ=1(SW)时才能达到完全合作。小世界网络在低μ时略提高α1,但在高μ时反而降低α1(尤其在SM中),表明远距离连接在高社会学习下可能限制合作。
- **网络密度与城市形态**:SM网络平均度〈k〉≈35,BM约8。完全连接网络(〈k〉=971)的α1更低,表明高密度削弱合作。与随机几何图(RGG,相同节点数和度)比较,SM-Geog的α1略低,说明锡耶纳真实空间结构额外降低合作韧性,但主要因素是高局部连接性。
- **固定策略代理人作用**:移除激进者和否认者后,在低-中μ时α1增加(如μ=0时从1.31升至1.41),表明固定代理人限制系统自组织为合作配置。
- **意识与行为相关性**:意识和合作率之间呈弱到中等正相关(ρ≈0.14-0.29),在α<1时最强,但随μ增加而增强,尤其在α>1时,高μ使高意识者更能在不利激励下维持合作。

**结论与讨论**
研究人员总结:2024年调查证实了高意识与中等行为一致性,且社会人口差异显著。模型表明,社会学习(μ)显著增强合作韧性,但锡耶纳城市结构(高局部密度)使合作更脆弱,远距离连接在高社会学习下可能反向作用。固定策略代理人阻碍系统自组织合作。意识虽与行为正相关,但不足以单独解释行为,需考虑社会互动。

**研究结论**(翻译原文Conclusion部分):
本论文的研究扩展了此前的工作,通过2024年调查(N=972)纳入非居民群体,并引入环境耦合机制。结果表明,在所有配置中,增强对局部社会环境的耦合(μ)使合作对背叛激励更具韧性,但锡耶纳模型始终最脆弱,主要归因于其高局部网络密度,而城市形态也有额外贡献。固定策略代理人限制了系统自组织合作。意识与行为正相关但弱,需结合社会动态理解。研究局限性包括:未将社会人口特征直接纳入决策、意识视为固定属性、游戏类型映射基于假设、仅考虑两种网络拓扑及案例特定性。未来方向包括融入动态意识、多类型网络及跨城市比较。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号