Når mennesker mødes i en menneskemængde, definerer fysiske og følelsesmæssige forbindelser deres bevægelse, sindstilstand og vilje til at handle. At forstå folkemængder kan hjælpe os med at håndtere panikken forårsaget af et terrorangreb; en videnskab om menneskemængder er afgørende for at håndtere mange nødsituationer, især når tætheden bliver farligt høj. Panik eller kaos i en menneskemængde kan dræbe eller såre hundredvis, som det skete ved Love Parade i Tyskland i 2010, da tusindvis af deltagere til en elektronisk dansemusikfestival hobede sig op, da de forsøgte at komme ind i en smal tunnel; 21 mennesker døde af kvælning.
Grundlæggende videnskab og offentlig sikkerhed kræver, at vi udvikler en komplet videnskab om menneskemængder ved hjælp af en række discipliner. I dag viser arbejde af socialpsykologer, at folkemængder er påvirket af individuelle medlemmers personligheder; således kan folkemængder legemliggøre altruistisk og hjælpsom adfærd såvel som det modsatte. Og nu kan vi udvide crowd science yderligere ved at inkorporere kvantitativ analyse ved hjælp af klassisk og statistisk fysik, beregningsvidenskab og teorien om komplekse systemer - studiet af grupper af interagerende enheder.
Et relevant begreb fra kompleksitetsteorien er 'emergence', som opstår, når interaktionerne mellem entiteterne producerer gruppeadfærd, som ikke kunne have været forudsagt ud fra egenskaberne af noget individuelt element. For eksempel tilfældigt at flytte H2O-molekyler i flydende vand forbindes pludselig ved nul grader Celsius for at lave fast is; flyvende stære former sig hurtigt til en ordnet flok.
Emergent adfærd kan forudsiges, hvis interaktionen mellem entiteterne er kendt, som vist i 2014 af forskere ved University of Minnesota, der fastslog, hvordan to mennesker i bevægelse interagerer, og ud fra det, hvordan en menneskemængde bevæger sig. Forskerne overvejede først en idé fra fysikken, idet de teoretiserede, at fodgængere ligesom elektroner undgår kollision ved at afvise hinanden, når de kommer tættere på. Men videodatabaser viste i stedet, at når folk ser, at de er ved at støde sammen, ændrer de deres vej. Ud fra dette udledte forskerne en ligning for, hvad der svarer til en universel frastødningskraft mellem to mennesker, baseret på tid indtil kollision, ikke afstand.
Formlen reproducerede succesfuldt de nye træk fra den virkelige verden af en menneskemængde, såsom at danne en halvcirkelformet konfiguration, mens de ventede på at risle gennem en smal passage, eller ekstemporært udvikle uafhængige baner, mens dens medlemmer går mod forskellige udgange. Dette gør det muligt at simulere publikumsadfærd til for eksempel at designe evakueringsruter.
To være nyttig i nødsituationer, skal crowdanalyse også tage højde for følelsesmæssig smitte. Spredning af frygt kan ændre emergent adfærd, som vist af forskere ved KN Toosi University of Technology i Iran. I 2015 har de oprettet en computerversion af et offentligt rum befolket med hundredvis af simulerede voksne og børn og sikkerhedsvagter, der dirigerede folk til udgangene. Forudsat at deltagerne reagerede på en farlig begivenhed, eskalerede simuleringen dem til større niveauer af frygt og paniske, tilfældige bevægelser, da de ikke kunne finde en udgang.
Ved at køre simuleringen fandt forskerne ud af, at mellem 18 og 99 procent kunne flygte, afhængigt af kombinationen af deltagere. Det største antal flugt skete ikke med det mindste eller største antal personer eller sikkerhedsagenter, men ved mellemværdier. Dette viser, at en menneskemængdes følelsesmæssige tilstand kan føre dens dynamik ind i et kompliceret ikke-lineært stadium.
Vi kan bestemme følelsen hos individer i en rigtig mængde ved at observere deres fysiske adfærd. I 2018, et team under Hui Yu fra University of Portsmouth i Storbritannien anvendte kinetisk energi, bevægelsesenergien i fysik, for at tjene som en måler, der kunne fastslå, hvornår en menneskemængde går ind i en 'unormal' følelsesmæssig tilstand. Publikumsmedlemmer, der løber fra en farlig begivenhed, såsom en eksplosion, har øget kinetisk energi, som kan detekteres i real-time crowd videobilleder. Ved hjælp af computervisionsteknikker beregnede forskerne hastighederne af de pixels, der udgør billederne, hvorfra de identificerede den mest energiske del af mængden.
Forskerne anvendte deres metode til datasæt af videoklip samlet af datalogen Nikolaos Papanikolopoulos og kolleger ved University of Minnesota. Disse klip viser skarer af rigtige mennesker, der reagerer på simulerede nødsituationer. Til at begynde med går forsøgspersonerne normalt, for derefter at spredes pludselig og løber i alle retninger. Energialgoritmen fornemmede hurtigt disse overgange, og forskerne konkluderer, at metoden automatisk kan opdage usædvanlig, potentielt farlig adfærd i offentlige forsamlinger.
Andre forbindelser mellem følelser og handlinger er blevet tegnet af datalogen Dinesh Manocha ved University of Maryland og hans kolleger i deres 'TerningP' model, som forener analyse af faktorer fra fysik, fysiologi og psykologi. Disse tre faktorer er stærkt indbyrdes forbundne under den fysiske aktivitet og følelsesmæssige reaktioner, der markerer en skare i krise. CubeP bruger den grundlæggende fysik af kræfter og hastigheder til at beregne den kropslige indsats for en person i bevægelse. CubeP inkorporerer også modellen for følelsesmæssig smitte udviklet i 2015 af computeringeniøren Funda Durupinar på Bilkent Universitet i Tyrkiet og hendes kolleger, som omfatter typiske personlighedsprofiler, der bestemmer en persons reaktion på stress. CubeP tilføjer et fysiologisk mål for panikniveauet for hver person, baseret på kropslig anstrengelse. Dette påvirker hjertefrekvensen, som er kendt for at angive graden af frygt. Alt dette kombineres for at forudsige hastigheden og bevægelsesretningen for hvert gruppemedlem.
Forskerne testede CubeP i computersimuleringer af en menneskemængde, der reagerede på en farlig begivenhed, med realistiske resultater. En virtuel person i nærheden af truslen går hurtigt i panik og løber. Et mere fjernt individ reagerer på følelsesmæssig smitte med frygt og flugtadfærd, dog senere. Forskerne anvendte også CubeP til University of Minnesota-datasættet og på videoer af virkelige nødsituationer, såsom på Shanghais metrosystem i 2014, og uden for det britiske parlamentsbygning i 2017. I alle disse var CubeP-simuleringer af crowdadfærd rimelig tæt på virkeligheden, og tættere på end Durupinar-tilgangen og andre modeller, der ikke fusionerer fysiske, psykologiske og fysiologiske faktorer.
Denne forbedring illustrerer kraften i en multidisciplinær videnskab om menneskemængder. Efterhånden som indsigterne akkumuleres, vil de helt sikkert være nyttige i arkitektonisk design og katastrofeplanlægning. Fund kan dog føre til mere overvågning af menneskemængder i offentlige rum, et fænomen, der i øjeblikket øger bekymringer fra American Civil Liberties Union om privatliv og potentiale for misbrug.
Noget er tabt og noget opnået ved at reducere crowdadfærd til tal. Sammenligning af modeller med reelle data vil give velkommen indsigt i mængdens dynamik, men vi har også brug for en gennemgribende forståelse fra psykologien. Elias Canetti, den nobelprisvindende forfatter, der skrev klassikeren Folkemængder og magt (1960), forudså dagen, hvor dette partnerskab ville være med til at bryde folkemængden. Da han overvejede vigtigheden af en vis kritisk tæthed i menneskemængdens adfærd, skrev han: 'En dag kan det være muligt at bestemme denne tæthed mere nøjagtigt og endda måle den.' Nu kan vi måle og analysere sådanne størrelser, men vi har også brug for humaniora og samfundsvidenskabens ekspansive syn for at fortælle os, hvad de egentlig betyder.
Om forfatteren
Sidney Perkowitz er professor i fysik emeritus ved Emory University i Atlanta. Hans seneste bøger er Universal Foam 2.0 (2015) Frankenstein: Hvordan et monster blev et ikon (2018) og Fysik: En meget kort introduktion (forestående, juli 2019).
Denne artikel blev oprindeligt offentliggjort kl Aeon og er blevet genudgivet under Creative Commons.
Relaterede bøger
at InnerSelf Market og Amazon
