автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование процессов наркотизации населения на основе комплексных сетей

На права* пукописи

005046246

Митягин Сергей Александрович

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ НАРКОТИЗАЦИИ НАСЕЛЕНИЯ НА ОСНОВЕ КОМПЛЕКСНЫХ СЕТЕЙ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 2012

005046246

Работа выполнена на кафедре Информационных систем в Саш Петербургском национальном исследовательском университе информационных технологий, механики и оптики

Научный руководитель: доктор технических наук

Бухановский А.В.

Официальные оппоненты:

доктор технических наук, профессор Гергель В.П.

кандидат технических наук, доцент Лебедев И.С.

Ведущая организация: Институт системного анализа РАН

Защита состоится 6 июня 2012 г. в 15:30 на заседании диссертационно совета Д 212.227.06 в НИУ ИТМО по адресу: 197101, г. Санкт-Петербу{: Кронверкский пр., д. 49.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургско: национального исследовательского университета информационнь технологий, механики и оптики.

Автореферат разослан 06 мая 2012 г.

Ученый секретарь диссертационного совета доктор технических наук, профессор

Лисицына Л.(

з

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Мониторинг и анализ ситуации, связанной с незаконным оборотом наркотиков (далее — наркоситуации), - одна из актуальных задач государственной антинаркотической политики1. Специфика наркомании обусловлена скрытым (криминальным) характером процессов ее распространения, что ограничивает возможности их детального наблюдения. Как следствие, при исследовании процессов вовлечения общества в незаконный оборот наркотиков, наркотизации населения (НН), требуются косвенные методы, позволяющие осуществлять прогнозирование процессов НН в зависимости от динамики социально-экономической обстановки в регионе. Научные работы Б.В. Боева, В. Вайдлих, И.Н. Гурвича, A.A. Куклина, В.Я. Райцина, А.И. Татаркина, В.И. Стародубова, В.А. Цыбатова и ряда других исследователей внесли существенный вклад в развитие теоретических основ и практических решений в области моделирования процессов НН.

Криминальный и скрытый характер распространения наркотиков делает невозможным получение оценок наркоситуации путем прямого наблюдения. Вместе с тем не изучены причины, по которым индивидуумы начинают принимать наркотики в силу образования потребителями достаточно закрытых сообществ. Использование современных средств сбора и обработки данных о распространении наркомании в совокупности с методами математического моделирования сложных систем дает возможность детализировать описание процессов НН на уровне индивидуума исходя из особенностей и феноменологии исследуемого явления. Это позволяет рассматривать процессов НН как вероятностный процесс на контактной сети сложной структуры с динамически изменяющимися свойствами, определяем!,iми как внешними (социальными, экономическими, политическими), так и внутренними (психологическими) факторами. Такая постановка задачи требует разработки методов математического моделирования и прогнозирования распространения наркомании, что и определяет актуальность темы диссертации.

Предметом исследования настоящей диссертации является математическая модель вовлечения общества в незаконный оборот наркотиков и наркоманию на контактных сетях, позволяющая решать задачи анализа и прогнозирования процессов НН.

Целью работы является создание метода математического моделирования процессов НН на уровне индивидуума в рамках формализма комплексных сетей.

1 Федеральный закон Российской Федерации «О наркотических средствах и психотропных веществах» от 25.12.2008 № 278-ФЗ. Указ Президента РФ от 09.06.2010 № 690 «Об утверждении Стратегии Государственной антинаркотической политики Российской Федерации до 2020 года». Постановление Правительства РФ от 20.06.2011 № 485 «Об утверждении Положения о государственной системе мониторинга наркоситуации в Российской Федерацій!».

Задачи исследования:

• анализ и обоснование требований к методу математическо] моделирования процессов НН исходя из обзора существуют! математических моделей для прогнозирования наркоситуации поддержки принятия управленческих решений;

• разработка базовой математической модели, описывающей динамш вовлечения индивидуумов в незаконный оборот наркотиков и заболеваш наркоманией;

• разработка метода моделирования и прогноза процессов Ш позволяющего выявить зависимость динамики распространен!: наркомании в заданном регионе от социально-экономических факторов;

• валидация модели наркотизации населения на основе данных мониториш социальных сетей по выявлению пользователей, использующих лексив потребителей и распространителей наркотиков;

• применение разработанного метода для анализа и прогноза тенденци развития ситуации, связанной с незаконным оборотом наркотиков распространением наркомании (далее - наркоситуации) в Санк: Петербурге.

Методы исследования включают системный анализ и теории систед

имитационное моделирование эпидемий, моделирование на основ

комплексных сетей, а также методы планирования эксперимента, теори

вероятностей и математической статистики.

Научную новизну результатов работы определяют:

• применение аппарата комплексных сетей в задачах моделировани процессов НН на уровне индивидуума, что позволяет отразить реальну! структуру населения и феноменологию распространения наркомании;

• использование зависимостей между вероятностными характеристикам распространения информации в контактной сети и макромасштабным социально-экономическими, политическими и психологическим факторами при прогнозировании развития наркоситуации в заданно! регионе.

Практическую ценность работы составляют:

• подход к прогнозированию наркотизации общества на основ статистических данных о структуре населения, социально-экономическет и психологическом уровне развития территории, что является важно] составляющей работ по противодействию незаконному оборот наркотиков и распространению наркомании;

• подход к оценке величины скрытого контингента потребителе] наркотиков на основе данных моделирования процессов НН, чт< позволяет адекватно оценивать уровень угрозы обществу от наркомании.

На защиту выносятся

• Метод математического моделирования процессов НН на уровн индивидуума, основанный на приведении описания вероятностноп

процесса распространения наркомании на контактной сети к системе матричных разностных уравнений. • Метод прогнозирования процессов НН с учетом половозрастной структуры населения, а также внешних социальных, экономических, политических и психологических факторов, оцениваемых на основе данных государственной статистики, социологических исследований и данных мониторинга социальных сетей.

Внедрение результатов работы. Результаты работы нашли применение при выполнении проектов: НИР «Разработка \veb-ориентированного производственно-исследовательского центра в области социодинамики и ее приложений» ФЦП «Исследования и разработки по приоритетным направленням развития научно-технического комплекса России на 2007-2013 гг.» и «Распределенные экстренные вычисления для поддержки принятия решений в критических ситуациях» в рамках реализации постановления Правительства РФ № 220 «О мерах по привлечению ведущих ученых в российские образовательные учреждения высшего профессионального образования». Результаты работ внедрены в деятельность Санкт-Петербургского информационно-аналитического центра (СПб ГУП «СПб ИАЦ») по организации мониторинга и анализа наркоситуации в Санкт-Петербурге. Результаты работы используются в учебном процессе подготовки слушателей Северо-Западного института повышения квалификации Федеральной службы по контролю за оборотом наркотиков (ФСКН России).

Апробация работы. Полученные в работе результаты обсуждались на семи международных и всероссийских научных конференциях, семинарах и совещаниях, включая международную конференцию «Региональная информатика» (2010 г., Санкт-Петербург), IV Санкт-Петербургский конгресс «Профессиональное образование, наука, инновации в 21 веке» (2010 г., Санкт-Петербург), международную научную школу «Моделирование и анализ безопасности и риска в сложных системах» (2011 г., Санкт-Петербург), международную научно-практическую конференцию «Антинаркотическая политика: история, современное состояние, перспективы» (2011 г., Москва), V всероссийскую научно-практическую конференцию «Имитационное моделирование. Теория и практика» (2011 г., Санкт-Петербург), XIV всероссийскую объединенную конференцию «Интернет: инновационные технологии и инженерные разработки» (2011 г., Санкт-Петербург), международную научно-практическую конференцию «Деятельность правоохранительных органов и специальных служб в сфере противодействия незаконному обороту наркотиков: вопросы организации, координации, взаимодействия и международного сотрудничества» (2011 г.).

Публикации. По теме диссертации опубликованы 24 печатные работы (из них 8 — в изданиях из перечня ведущих рецензируемых научных журналов и изданий, рекомендованных ВАК РФ).

Личный вклад автора в работах, выполненных в соавторств заключался в выполнении аналитического обзора в проблемной облает диссертационной работы, адаптации комплексной сетевой модели к зада1 распространения наркомании, разработке матричной модел прогнозирования наркотизации населения на основе сетевой моделі разработке методов планирования антинаркотической деятельности, а так» проведении серии экспериментов по оценке эффективности принимаемы антинаркотических программ.

Структура и объем работы. Диссертация состоит из введения, четыре глав, заключения и списка литературы (135 наименований). Содержит 132 < текста, включая 39 рис. и 12 табл.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулирован] цель и задачи исследования, представлены основные положения, выносимы на защиту, отмечены научная новизна и практическая ценность полученны результатов.

В первой главе проведен аналитический обзор моделей наркотизації населения на основе печатных источников и данных Интернета. При анализ использован подход к наркомании как криминальному явлении клиническому заболеванию, поведенческому отклонению.

В рамках настоящей работы распространение наркотико рассматривается как процесс сетевого маркетинга, осуществляющийся пр личном контакте продавцов и покупателей наркотиков. При этом выделяете группа риска в составе населения региона на основе исходной информации распространенности наркокультуры в обществе. Наркотизация населени рассматривается как эпидемический процесс, что позволяет применят математический аппарат моделирования развития эпидемий. Пр: моделировании эпидемических процессов применяются системі дифференциальных уравнений популяционной динамики, характеризующи изменение численности соответствующих групп населения. Однако такої подход требует учета большого числа параметров, оценка которых може быть получена только экспертным путем, это в свою очередь затрудняете скрытым характером процессов.

Результаты проведенного анализа показали, что наркотизации целесообразно описывать как вероятностный процесс на контактной сеп сложной структуры с динамически меняющимися свойствами определяемыми как внешними (социальными, экономическими политическими), так и внутренними (личностными, психологическими факторами.

Вторая глава посвящена разработке метода моделирования процессої НН на основе сетевой модели, параметрами которой являютс: макромасштабные факторы распространения наркомании. Сетевая модел позволяет описать процесс НН исходя из феноменологии наркомании. Лица

вовлекаемые в процесс распространения наркотиков, могут находиться в одном и! следующих состояний (рис. 1): имеющие иммунитет к наркомании (У); входящие в группу риска (5); состоящие на учете в учреждениях лечения и реабилитации с диагнозом «синдром зависимости от наркотических веществ» (У); принимающие психоактивные вещества и не состоящие под наблюдением (Л'); распространители наркотических веществ (В). На схеме также указаны: общее население территории (Р); лица, к которым применена мера наказания в виде лишения свободы (М).

Наркотизация общества рассматривается как цепная реакция процесса передачи наркотиков от источника к лицам из группы риска. При сетевом моделировании данный процесс представляется взвешенным неориентированным графом Б. Граф б определяется как совокупность СУ,Е) конечного множества вершин V, <11т(К) = Л', и множества ребер Е, состоящего из множества неупорядоченных пар (г/, г), где ;/,ге V и и ^ V. Вершиной графа является индивид, находящийся в одном из феноменологических состояний. Ребрами графа С являются социальные связи между индивидами. Эволюция сети социальных связей, представленной графом й, может быть описана посредством оператора эволюции сети, действующего на множестве Ва:

(у,Е,Лм=ПУ,Е,Л„ (к,£,/),,,=(к,л./;,), (о

где параметр / определяет вероятность смены состояния вершин; Г -оператор, отвечающий за эволюцию во времени отдельных узлов.

Эволюционный оператор Г является композицией компонентов

Г = Г,®Г|®Г1вГ4®ГА., (2)

где Г| - появление новой вершины (индивидуума) с вероятностью ру

вследствие рождения или миграционного прироста; Г2 - удаление вершины с

вероятностью qt. вследствие гибели или миграционной убыли; Г, -

появление нового ребра с вероятностью р, вследствие вхождения вершины в

сообщество или смены социального статуса; Г4 - удаление ребра с

вероятностью дЕ вследствие удаления одной из вершин, выхода вершины из

сообщества или смены социального статуса; Гх - оператор смены состоят вершины согласно схеме, представленной на рис. 1. а) _ л г б& г. я> г

о Г,®Г2®Г, ®Г4®Г, ЛМ г, ®г2 ®г, ®г4 ®г4

М £> ;

Рис. 2. Схема наркотизации населения в рамках микромасштабной сетевой модели.

Каждый узел может находиться в одном из состояний К(У). На рис, ; приведены примеры наркотизации общества: а) статические связи I постоянное количество узлов, данная форма имеет место в достаточно узки} социальных кругах, например, криминальных сообществах; б) постоянно! количество узлов и переменные связи, такая форма характерна для закрыты; сообществ, содержащих большое число членов, например крупно]' организации или сети организаций; в) переменное количество узлов и связег соответствует открытым сообществам.

С учетом половозрастной структуры лиц (вершин графа С) смеш состояний графа может быть записана в виде системы матричных уравнений

-рр-к,> (з;

ґрГ«) /С'ЧО рїГІ*) Рп'и)

к. =

рГ(І) аГЧО.

(4]

где К1 = К(У) - матрица половозрастной структуры лиц в одном из феноменологических состояний (см. рис. 1) в момент времени I; //■" '(0 ~ оператор определения числа вершин в заданном состоянии К (У) в возрасте / пола /'. Операторы Ра и эволюции сети определяются следующим образом:

І Ь. 1 Jb.il-1 Jh.il 0 • •• 0 °1

/■ 0 • • 0 0 0 я, • •• 0 0

II [С 0 Л • 0 0 0 0 • •• £„-, 0 (5)

,0 0 • • /_ 0 , „ 0 0 • •• 0 8.)

где Ра - (/7Х»)-матрица, п - число рассматриваемых возрастных групп; /Л( - элементы первой строки, определяющие вероятность рождения ребенка у лиц каждого возраста = р,,,; fi - вероятность прожить еще год для лиц каждого возраста 'кп. Таким образом, уравнение (3) с заданными параметрами (5) описывает динамику развития наркоситуации, соответствующую модели комплексной сети (1)—(2).

Третья глава посвящена развитию метода прогнозирования процессов НН и его применению в антинаркотической деятельности. Рассматривается ряд социально-экономических и психологических показателей /,,...,/,„ (табл. 1), определяющих особенности процессов НН. В табл. 1 приведены оценки коэффициентов С(/,,П парной корреляции показателей /,,...4Х0 с числом наркозависимых (У).

Таблица 1

Перечень индикаторов, рассматриваемых при анализе наркоситуации

Показа тель Наименование си „У)

/, Уровень безработицы -0.3

/, Уровень заработной платы -0.9

/3 Концентрация доходов населения (индекс Джини) 0.7

/4 Число зарегистрированных браков -0.9

Ь Число зарегистрированных разводов -0.4

16 Число родившихся за период -0.9

/7 Число умерших за период -0.9

/8 Число преступлений, совершенных несовершеннолетними -0.6

¡9 Процент населения, удовлетворенного жизнью 0.9

МО Процент населения, ясно видящего перспективы в жизни 0.8

Долгосрочное прогнозирование процессов НН с учетом показателей /,,...,/,„ сводится к построению сценариев изменения вероятностны; характеристик комплексной сети, описываемых матрицами (5), на основ прогнозных сценариев динамики показателей /,,...,/,„.

Так, вероятность g|=] — / для индивида каждого возраста перейти ¡|» соответствующую группу К(У), в,=рК(Г<, представляется в форм регрессионной зависимости:

8„=е1Р1;+е2Ру+в;+£;, (6;

где 0п...,в. - параметры регрессии, е. = (е1,...,е„)т ~ вектор остатков, а /'И-

первые два главных компонента внешних факторов процесса III (объясняющие до 90% дисперсии).

Для идентификации параметров модели (6) используютс: статистические оценки Ш, =)>,/$,, где у. - число впервые! зарегистрированных наркозависимых соответствующего возраста зг заданный период, л\ - численность группы риска определенного возраста Сценарии изменения элементов остальных управляющих матрш определяются на основе показателей государственной статистикг аналогичным образом.

■ Наркозависимые СУ) □ Все население (Р) ■ Наркозависимые (У) □ Все население (Р)

а) б)

■ Наркозависимые (У) О Все население (Р) И Наркозависимые (У)П Все население {Р}

в) г)

Рис. 3. Возрастная структура населения Санкт-Петербурга: а) 2001 г.; б) 2004 г.; в) 2007 г.; г) 2010 г.

На рис. 3 приведен результат восстановления возрастной структуры наркозависимых (У) в Санкт-Петербурге за период 2001-2010 гг., полученный на основе модели (3)-(6). Можно наблюдать значительный спад численности населения в возрасте 8-18 лет и пик в возрасте 25-35 - наиболее «опасном» с точки зрения заболеваемости наркоманией (г).

По рис. За-г видно, что пик числа наркозависимых постепенно сдвигается в сторону больших возрастов. Это является следствием снижения рождаемости в постперестроечный период, а также позитивным эффектом антинаркотических мероприятий: основу группы наркозависимых (У) составляют люди, начавшие принимать наркотики в 1990-х гг.

2500

Г

2000 1500 1000 500

"1-1-1-г~

Год

2001

2005

2009

2013

2017

2021

2025

■(1) Опенка ЕперЕые зарегистрированных нарко зависимых (У) - (2) Исходные статистические данные ■ (3) Прогноз в худшем случае

• (4) Прогноз е лучшем случае_

2029

а!

0.003 0.0025 0.002 0.0015 0.001 0.0005 0

РЛ

(3)

■ (2)

(4)

Год

2021

2025

2001 2005 2009 2013 2017 —•— (1) Исходные статистические данные

—*— (2) Оценка доли наркозависнмых (У) в структуре населения (Р)

---(3) Прогнозв худшем случае

---(4) Прогноз е лучшем случае

о (5) Прогноз для при неизменных енєшних фактороЕ

2029

б)

Рис. 4. Прогноз развития наркоситуации в Санкт-Петербурге: а) появление новых наркоманов; б) доля наркозависимых в структуре населения региона

На рис. 4 представлены данные прогноза заболеваемости наркоманией в Санкт-Петербурге при средних значениях показателей /,,...,/,„. Такие результаты объясняются демографической структурой населения города, предположительно в 2011—2012 гг. численность наркозависимых в Санкт-Петербурге достигнет максимального значения, затем начнется некоторый спад первичной заболеваемости наркоманией и снижение доли наркозависимых в общей структуре населения. Полученный эффект можно объяснить резким снижением численности населения в возрасте 8—18 лет, а именно тех лиц, которые в 2012-2014 гг. составят большую часть группы риска. С другой стороны, будущее население в возрасте 45-50 лет переместится из группы риска, поскольку в этом возрасте люди менее подвержены наркотизации.

Таким образом, предложенный метод позволяет прогнозировать наркоситуацию на основе целевых значений показателей социально-экономического развития региона2, оценивать величину скрытого контингента наркопотребителей, что является одной из основных задач моделирования процессов наркотизации общества.

Рассмотрены подходы к планированию общественных мероприятий и социологических исследований по противодействию распространению наркомании на основе результатов математического моделирования.

Четвертая глава посвящена исследованию распространения наркокультуры в интернет-сообществах. Социальные сети являются своего рода слепком общества, доступным для наблюдения, и позволяют оценивать распространение наркокультуры по ряду формальных признаков. Определение числовых характеристик сегмента социальной сети позволяет построить комплексную сетевую модель (1)-(2) наркотизации населения по данным социальной сети. Несмотря на то что оценка населения на основе такой модели может являться смещенной в силу сложности получения репрезентативной выборки, ее применение позволяет исследовать общее эмоционально-психологическое состояние общества.

Сбор данных в социальных сетях проводился с использованием технологии краулинга страниц пользователей с оценкой релевантности представленной текстовой информации. Для решения данной задачи разрабатывается ряд критериев, позволяющих отнести пользователя (узел сети) к тому или иному типу по степени вовлеченности члена общества в наркокультуру.

Задача классификации узлов социальной сети решается путем создания базы знаний слов, характеризующих вовлеченность в наркокультуру. Построение базы знаний необходимо для учета характерных выражений, а также сочетаний слов, которые по отдельности не относятся к сленгу наркокультуры. Характерные (сигнальные) слова разделены на три группы

2 Постановление Правительства от 13 сентября 2011 года N 1325 «Об основных направлениях деятельности Правительства Санкт-Петербурга на 2012 год и на плановый период 2013 и 2014 годов».

{А,В,С), по степени важности в обобщенной оценке. Таким образом, весовой критерий оценки текста по содержанию сигнальных слов имеет вид

с,=с;+с;+с;, (?)

с/ =пА\ул, с; =п,жс, (8)

где пк — число отдельных слов соответствующей группы в тексте;

- вес слова соответствующей группы; пи> - число отдельных слов группы В в тексте; п2в - число слов группы В, образовавших устойчивые сочетания в тексте; /),л - число слов группы В, встретившихся вместе с часто употребляемыми в тексте словами.

Краулинг социальной сети 1луе.1оигпа1 с применением базы знаний сигнальных слов, организованной по правилу (7), позволил выявить 136 022 узлов, соответствующих тематике наркомании. При объеме базы знаний 454 словоформы и устойчивых выражений (порождающих 18 500 правил) данный объем выборки является репрезентативным и достаточным для анализа наркокультуры в социальной сети.

Рассмотрев классификацию узлов на основе критерия вовлеченности в наркокультуру (7), можно выделить следующие характерные группы узлов социальной сети: лица, не подверженные наркотизации (/); группа риска - лица, находящиеся в окружении, лояльном к наркотикам; - лица, вовлеченные в наркокультуру и хорошо осведомленные в области потребления наркотиков и часто употребляющие жаргон наркоманов; — лица, вовлеченные в наркопотребление, имеющие опыт приема наркотиков лично, либо кого-то из близкого окружения; 53 — лица скрыто или открыто пропагандирующие наркотики и соответствующий образ жизни. Численность и состав данных групп оценивается на основе анализа рангового распределения величины критерия (7) и приведена в табл. 2.

Таблица 2

Оценка численности групп лиц, вовлеченных в наркокультуру_

Группа

Доля узлов в выборке, % 15.3±0.2 4.1±0.03 0.2±0.02 0.03±0.01

Полученный массив узлов (страниц) социальной сети в большей степени содержит узлы, в текстах которых есть эпизодические упоминания о наркотиках и наркомании. Анализ сигнальных слов, выявленных в текстах, показал наличие характерных групп слов, определяющих вовлеченность лиц в наркокультуру (рис. 5).

.Словв БО. БІ. Б2

Слов в БЗ

Эффект

150

Наркотик Инъекций Приготовление

51 вяяьг ~ф~$з

а)

Слов. %

50 51

■ Эффект (1)

■ Наркотик (2)

■ Приготовление (3)

53

52

■ Ломка (4)

■ Инъекция (5)

83

50 52

■ Нежаргон{1)

■ Общий жаргон (2)

в Специфический жаргон (3)

б)

Рис. 5. Принадлежность ключевых слов соответствующим тематикам: а) число слов соответствующих тематик в текстах узлов; б) доля слов соответствующей тематики в общем числе ключевых слов

Характерные слова могут быть разделены по феноменологическому признаку: описание наркотических веществ; описание процесса приготовления наркотических веществ; описание инъекций наркотических веществ; описание производимого эффекта; принадлежность к жаргону.

Рассмотренное соотношение слов по критерию принадлежности жаргону свидетельствует о наличии центральной группы узлов, в текстах которых в равной мере представлены слова, описывающие приготовление, способ приема и производимый эффект. По мере уменьшения критерия вовлеченности узла в наркокультуру доля жаргонных слов увеличивается, при этом уменьшается доля слов общего лексикона и возрастает доля слов, специфических для потребителей наркотиков.

Таблица З

Оценка численности групп лиц, в соответствующих феноменологических состояниях

Группа 5 X У О

Доля лиц соответствующей группы в структуре населения Санкт-Петербурга. % 12.0 4.8 1.2 0.03

Сравнение результатов исследования социальной сети со структурой состояний процесса распространения наркомании (см. рис. 1), основанной на статистических данных и результатах моделирования процессов НН, приведенной в табл. 3, по соответствующим группам, позволило заключить, что наибольшая разница в оценке данных мониторинга социальных сетей и результатах анализа состава населения наблюдается между группами и У лиц, имеющих тяжелую форму зависимости от наркотиков. Это объясняется тем, что лица группы У наименее полно представлены в интернет-сообществах, поскольку уже не могут являться их полноценными членами.

Данные мониторинга социальных сетей подтверждают экспертное предположение о структуре распространителей наркотических веществ и пропорциональном соотношении распространителей и покупателей наркотиков, а также о наличии группы риска, в лексиконе которой часто присутствуют термины наркокультуры, используемые в построении прогнозной модели наркотизации населения. Также данные мониторинга социальных сетей подтверждают оценку латентності! величины X потребителей наркотиков, не состоящих на учете, это обосновывает предположение о случайности связей в графе при переходе от модели на личностном уровне (1)-(2) к макромодели (3)-(6) в силу превалирующего характера группы Л'і над 52. Заключение

• Разработан метод математического моделирования процессов НН на личностном уровне, основанный на формализме комплексных сетей, сводящийся к системе матричных разностных уравнений относительно обобщенных характеристик наркоситуации.

• Разработан метод прогнозирования процессов НН на основе модели динамики интегральных параметров комплексной сети с учетом их вероятностной зависимости от внешних факторов развития региона.

• На основе разработанных методов проанализирована демографическая структура наркозависимого населения и выполнен долгосрочный прогноз развития наркоситуации в Санкт-Петербурге.

• На основе данных мониторинга социальных сетей обоснованы оценки величины скрытого контингента наркозависимых, использованные при переходе от модели комплексной сети (1)-(2) к описанию динамики ее вероятностных характеристик (3)-(6).

Публикации по теме диссертационной работы

1. Митягин С.А., Захаров Ю.Н., Бухановский А. В., Слоот П.М.А. Региональная демографическая модель распространения наркомании / Научно-технический вестник СПбГУ ИТМО. - 2011. - №06(76). - С. 68-73 [входит в перечень ВАК].

2. Митягин С.А. Планирование общественных мероприятий на основ мониторинговых данных // Известия СПбГЭТУ «ЛЭТИ». - 2012. - №1. - С. 34-40 [входит в перечень ВАК].

3. Митягин С.А., Нгуен Х.В. Влияние грубых ошибок наблюдений н; качество плана эксперимента при наличии корреляции измерений // Извести: СПбГЭТУ «ЛЭТИ». -2011,-№8. -С. 35-41 [входит в перечень ВАК|.

4. Митягин С.А. Оценка влияния наркомании на энергетическук безопасность региона // Наркология. - 2011. - №9 (117). - С. 83-88 [входит i перечень ВАК].

5. Дрожжин А.И., Иваненков В.В., Митягин С.А. О методике мониторинг; и комплексного анализа наркоситуации в регионе // Вестник Санкт Петербургского университета МВД России. - 2011. - №3 (51). - С. 124—13( [входит в перечень ВАК].

6. Дрожжин А.И., Иваненков В.В., Митягин С.А. Об организации системь мониторинга наркоситуации в регионе // Наркоконтроль. - 2011. - №3. - С. 25-27 [входит в перечень ВАК].

7. Григорьев Ю.Д., Митягин С.А., Нгуен Х.В. О дифференцированш неявной функции при построении оптимального плана эксперимента / Известия СПбГЭТУ «ЛЭТИ». - 2011. - №6. - С. 46-50 [входит в перечеш ВАК].

8. Григорьев Ю.Д., Митягин С.А. Точность и надежность навигации npi определении местоположения судна в условиях коррелированных измерет«" // Журнал университета водных коммуникаций. - 2011. - №11. - С. 136—14С [входит в перечень ВАК].

9. Митягин С.А., Бухановский А. В., Слоот. П.М.А. О демографическог. моделировании распространения наркомании на региональном уровне // Тез. докл. XIV Всеросс. конф. «Интернет: инновационные технологии i инженерные разработки». - СПб, 2011. - С. 102-104.

10. Митягин CA. Построение демографической модели распространен!!? наркомании в регионе // Тр. V Всеросс. науч.-практ. конф. «Имитационное моделирование. Теория и практика». - СПб, 2011. - С. 170-178.

11. Митягин С.А., Якушев A.B., Бухановский A.B. Имитационное моделирование наркотизации населения по данным мониторинга социальны? сетей. // Труды ВКИМСЭС-2012, 2012. - С. 78-82.

12. Митягин С.А. Применение геоинформационных систем i планировании общественной деятельности // Тр. XV Междунар. конф. «Эвентологическая математика и смежные вопросы». - Красноярск, 2011. -С. 125-130.

13. Мшпягин С.А., Иваненков В.В., Захаров Ю.Н. Мониторинг и анализ наркоситуации в рамках реализации государственной антинаркотической политики Российской Федерации // Тр. Междунар. науч.-практ. конф. «Антинаркотическая политика: история, современное состояние, перспективы». - М., 2011. - С. 224-234.

14. Митягин С.А. О вычислении пороговых уровней индикаторов наркомании с точки зрения безопасности региона // Тр. Междунар. науч. школы «Моделирование и анализ безопасности и риска в сложных системах». -СПб, 2011.-С. 417-424.

15. Иваненков В.В., Митягин С.А. Применение методов планирования эксперимента с коррелированными наблюдениями в задаче оценки наркоситуации в регионе // Сб. тр. XII Санкт-Петербургской международной конференции «Региональная информатика». — СПб, 2010. - С. 44-45.

16. Иваненков В.В., Митягин С.А. Планирование социологических исследований с учетом корреляции наблюдений // Сб. тр. IV Санкт-Петербургского конгресса «Профессиональное образование, наука, инновации в 21 веке». - СПб, 2010. - С. 82-87.

17. Дрожжин А.И., Иваненков В.В., Митягин С А. Организация системы мониторинга и комплексного анализа наркоситуации в регионе // Тр. Междунар. науч.-практ. конф. «Деятельность правоохранительных органов и специальных служб в сфере противодействия незаконному обороту наркотиков: вопросы организации, координации, взаимодействия и международного сотрудничества». - 2010. — С. 50-66.

18. Григорьев Ю.Д., Митягин С.А. Влияние взаимного размещения маяков на надежность навигации в случае коррелированных измерений // Тр. Междунар. науч. школы «Моделирование и анализ безопасности и риска в сложных системах». — СПб, 2011. - С. 138-143.

19. Митягин С.А., Нгуен Х.В. Оптимальное планирование наблюдений в случае коррелированных ошибок как средство повышения надежности навигации // Тр. XIX Междунар. конф. «Финансово-актуарная математика и эвентоконвергенции технологий». - Красноярск, 2010. - С. 251-256.

20. Митягин С.А. Оптимальное планирование эксперимента в задачах дальномерной навигации в случае коррелированных измерений // Тр. XIV Междунар. конф. «Эвентологическая математика и смежные вопросы». — Красноярск, 2010. — С. 137-143.

21. Григорьев Ю.Д., Митягин С А. О планировании регрессионного эксперимента в случае коррелированных ошибок наблюдений. // Сб. научных трудов НГТУ, вып. 2(56), 2009. - С. 52-61.

22. Григорьев Ю.Д., Митягин С.А. Оптимальное планирование эксперимента для моделей регрессии с коррелированными наблюдениями. // Труды IX международной конференции ФАМЭТ-2010, 2010. - С. 100-107.

23. Иваненков В.В., Митягин С.А. К вопросу о мониторинге наркоситуации и анализе мониторируемых данных по районам Санкт-Петербурга. //Современное экономическое и социальное развитие: проблемы и

перспективы. Ученые и специалисты Санкт-Петербурга и ЛенинградскоГ области - Петербургскому экономическому форуму 2009 года, 2009. - С. 201 206.

24. Иваненков В.В., Митягин С.А. Оценка влияния наркомании и социально-экономическое развитие региона с использованием кризис прогнозных моделей экономики. // Труды Сб. научных трудов. Современно экономическое и социальное развитие: проблемы и перспективы, 2010. — С 205-214.

Подписано в печать: 22.06.12 Формат: 60x84 1/16 Печать цифровая Тираж: 50экз. Заказ: 287 Отпечатано: Учреждение «Университетские телекоммуникации» 197101, Санкт-Петербург, Саблинская ул, д. 14 +7(812)9151454, zakaz@tibir.ru

61 12-5/2688

САНКТ-ПЕТЕРБУРГСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ МЕХАНИКИ И ОПТИКИ

Научно-исследовательский институт наукоемких компьютерных технологий

Митягин Сергей Александрович

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ НАРКОТИЗАЦИИ НАСЕЛЕНИЯ НА ОСНОВЕ

КОМПЛЕКСНЫХ СЕТЕЙ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель д.т.н., Бухановский А.В.

Санкт-Петербург - 2012

Содержание

ВВЕДЕНИЕ..............................................................................................................4

1. СОСТОЯНИЕ ВОПРОСА. ЦЕЛИ И ЗАДАЧИ ИССЛЕДОВАНИЯ............10

1.1. Общая характеристика наркоситуации в Российской Федерации.................................10

1.2. Общие подходы к моделированию наркотизации населения........................................13

1.3. Моделирование криминогенных процессов распространения наркотиков.................16

1.4. Дифференциальные модели эпидемий..............................................................................20

1.5. Модели эпидемий на комплексных сетях............................................................................25

1.6. Сбор и обработка данных, характеризующих наркоситуацию.......................................27

1.7. Выводы по разделу....................................................................................................................32

2. МОДЕЛЬ НАРКОТИЗАЦИИ НАСЕЛЕНИЯ НА ОСНОВЕ КОМПЛЕКСНЫХ СЕТЕЙ....................................................................................34

2.1 Объект моделирования и феноменология наркотизации.................................................34

2.2. Принципы построения модели наркотизации населения................................................37

2.3. Микромасштабная модель распространения наркомании..............................................40

2.4. Макромасштабная модель распространения наркомании..............................................46

2.5. Параметризация модели наркотизации населения..........................................................54

2.6. Параметризация взаимосвязи вероятности наркотизации с внешними факторами 60

2.7. Оценка латентности в сфере заболеваемости наркоманией.........................................62

2.8. Выводы по разделу....................................................................................................................67

3. АНАЛИЗ И ПРОГНОЗИРОВАНИЕ НАРКОТИЗАЦИИ НАСЕЛЕНИЯ САНКТ-ПЕТЕРБУРГА НА ОСНОВЕ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ.............................................................................................69

3.1. Общая динамика наркоситуации в Санкт-Петербурге......................................................69

3.2. Прогнозирование наркоситуации на основе целевых значений показателей социально-экономического развития...........................................................................................71

3.3. Оценка скрытого контингента наркопотребителей............................................................74

3.4. Планирование общественных мероприятий и исследований на основе результатов математического моделирования..................................................................................................77

3.5. Снижение влияния грубых ошибок наблюдений развития наркоситуации при планировании общественных мероприятий...............................................................................79

3.6. Построение плана социологических исследований..........................................................83

3.7. Построение плана общественных мероприятий................................................................85

3.8. Применение ГИС для планирования деятельности предотвращению наркотизации населения............................................................................................................................................88

3.9. Выводы по разделу.....................................................................................................................94

4. МОНИТОРИНГ СОЦИАЛЬНЫХ СЕТЕЙ В ЗАДАЧЕ ОЦЕНКИ ВОВЛЕЧЕННОСТИ НАСЕЛЕНИЯ В НАРКОКУЛЬТУРУ..................................96

4.1. Сбор данных о развитии наркоситуации в социальных сетях в Интернете................96

4.2. База знаний сочетаний слов поиска лиц, вовлеченных в наркокультуру в социальных сетях............................................................................................................................101

4.3. Анализ исходных данных социальных сетей....................................................................106

4.4. Анализ психологического состояния членов интернет сообществ как фактора, влияющего на развитие наркотизации населения..................................................................115

4.5. Выводы по разделу..................................................................................................................116

ЗАКЛЮЧЕНИЕ....................................................................................................119

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ..........................................123

ВВЕДЕНИЕ

Мониторинг и анализ наркоситуации - одна из актуальных задач государственной антинаркотической политики и деятельности по противодействию незаконному обороту наркотиков и распространению наркомании в Российской Федерации [1, 2, 3, 4, 6]. Специфика исследований в данной области обусловлена скрытым и криминальным характером процесса распространения наркомании, недоступного для непосредственного наблюдения. Данные особенности требуют применения комплексных методов, основанных на наблюдении процессов, характеризующих уровень развития наркомании на рассматриваемой территории. Таким образом, необходимо разрабатывать аппарат математического моделирования рассматриваемых процессов с учетом причинно-следственных связей между наркоманией и факторами развития территории. Решение данной задачи позволяет прогнозировать развитие наркоситуации в зависимости от общей социальной, экономической, психологической и политической обстановки на территории, что, в свою очередь, является важнейшей составляющей планирования работ по противодействию незаконному обороту наркотиков и развитию наркомании.

В отечественной науке существенный вклад в развитие теоретических основ и практических решений в области моделирования наркотизации населения внесен научными школами Боева Б.В., Вайдлих В., Гурвича И.Н, Куклина A.A., Райцина В.Я., Татаркина А.И., Стародубова В.И., Цыбатова В.А. и ряда других исследователей.

Процесс наркотизации населения, так же как и эпидемия, развивается в сети социальных контактов, что делает возможным применение методов прямого моделирования, основанных на моделях комплексных сетей, позволяющих исследовать наркотизацию населения на личностном уровне, исходя из особенностей феноменологии наркомании. В качестве научно-методических основ моделирования эпидемий на комплексных сетях используются исследования M.E.J. Newman и Р.М.А. Sloot. Восприимчивость или иммунность участников процесса наркотизации зависит от внешних факторов, определяемых социально-экономическим состоянием территории, и внутренних факторов, определяемых структурой населения. Как следствие, прогнозирование процессов наркотизации населения в зависимости от структуры населения и внешних факторов развития территории является основой принятия эффективных решений в области противодействия наркомании, что и определяет актуальность темы диссертации.

Анализ наркоситуации включает в себя решение ряда вопросов, таких как выявление структуры наркотизации общества; факторов, определяющих развитие наркотизации; тенденции развития явления наркомании; построение достоверного

прогноза развития наркоситуации; выявление и моделирование скрытых процессов распространения наркомании. Решение описанных задач позволяет моделировать различные варианты развития наркоситуации при различных сценариях развития факторов наркотизации с целью поиска наилучшего решения в рамках планирования деятельности по противодействия незаконному обороту наркотиков.

В тоже время существует определенный методологический разрыв между анализом данных мониторинга наркоситуации и планированием мер противодействия незаконному обороту наркотиков и распространению наркомании на территории как на уровне целевых разработки целевых программ, так и на уровне планирования и проведения отдельных мероприятий профилактической направленности.

Идея исследования заключается в применении моделирования наркотизации населения на комплексных сетях в качестве основы матричного моделирования структуры наркозависимых и вовлеченных в наркокультуру лиц для осуществления прогнозирования развития наркоситуации на основе прогнозирования численности и структуры населения. Оценка параметров модели осуществляется на основе данных о внешних факторах распространения наркомании. Выявляются группы факторов способствующих развитию наркопотребления как на личностном, так и общесоциальном уровнях для чего используются данные официальной государственной статистики, целевых опросов населения и мониторинга информационной сферы социальных сетей. Моделирование наркотизации населения на личностном уровне осуществляется на основе микромасштабной модели распространения наркомании, которая является основой для формирования групп лиц и факторов наркотизации населения в макромасштабной модели на общесоциальном уровне.

Актуальность темы диссертационной работы, степень ее научной разработанности и сформулированная проблема обуславливают выбор объекта и предмета исследования, его цели и задачи.

Объект исследования - процессы наркотизации населения, наркоситуация в регионе, предмет исследования - математическое моделирование, имитационное моделирование и планирование эксперимента.

Целью работы является развитие методов математического моделирования процессов наркотизации населения, выявление закономерностей в развитии наркоситуации на территории на фоне внешних социальных, экономических, политических и психологических факторов благосостояния населения как основы планирования деятельности по противодействию незаконному обороту наркотиков и наркомании.

Задачи исследования. Достижение поставленной цели подразумевает решение следующих задач:

1) Анализ существующих математических моделей процессов наркотизации населения и сопутствующих процессов, исходя из их применимости для прогнозирования наркоситуации и поддержки принятия управленческих решений;

2) Разработка математической модели наркотизации населения на микро-уровне на основе комплексных сетей;

3) Разработка прогнозной модели наркотизации населения на макро-уровне, в зависимости от структуры населения и феноменологии наркомании, позволяющей оценить масштабы распространения наркомании в зависимости от внешних факторов состояния территории;

4) Исследование влияния внешних факторов развития территории на процесс наркотизации населения;

5) Апробация модели наркотизации населения на основе данных мониторинга социальных сетей по выявлению уровня распространенности наркокультуры в обществе.

Основная гипотеза диссертационного исследования заключается в предположении о том, что существенное влияние на динамику процесса наркотизации оказывают внешние социальные, экономические, политические и психологические факторы благосостояния населения, как факторы увеличивающие численность группы риска по наркомании, что является основой построения математических моделей долгосрочного прогноза распространения наркомании. Данные макро-факторов способствующих развитию являются отражением личностных факторов начала приема наркотиков каждого отдельного лица и могут быть оценены на основе данных о фактах передачи наркотиков и настроения лиц в информационных сообществах Интернет.

Теоретико-методические основы исследования. Диссертационное исследование основано на фундаментальных положениях классических и современных подходов к моделированию социодинамики [11,12, 13, 15, 19, 20, 21, 22, 26, 28,30].

Важное теоретико-методологическое значение для диссертационного исследования имеют: системный подход к анализу социодинамики [19, 69]; социологические концепции социальных девиаций [64, 65, 70, 71]; подходы к математическому моделированию и прогнозированию социальных процессов, в том числе девиантного поведения и наркомании [26, 28, 31, 49, 75, 90].

Методы исследования включают в себя методы системного анализа и теории систем, методы имитационного моделирования эпидемий, методы моделирования на основе комплексных сетей, матричного математического моделирования и

прогнозирования, методы планирования эксперимента, теории вероятностей и математической статистики.

Эмпирическая база диссертационного исследования. Эмпирическими источниками исследования выступают:

1) нормативно-правовые документы, регламентирующие процессы целенаправленного противодействия наркотизму и его распространению;

2) статистические данные о состоянии и динамике наркотизма в РФ и отдельных российских регионах;

3) данные социологических исследований по состоянию и динамике наркотизма в Санкт-Петербурге;

4) данные социологических исследований по исследованию социальной напряженности в Санкт-Петербурге;

5) данные мониторинга социальных сетей по целевым запросам.

Научная новизна результатов диссертационного исследования заключается в следующем:

1) Использование метода прямого моделирования наркотизации населения, на основе комплексных сетей, позволяющего учесть реальную структуру населения и феноменологию наркомании;

2) Обоснование эквивалентного перехода от микромасштабной модели наркотизации населения, являющейся моделью на комплексных сетях, к макромасштабной матричной модели прогнозирования наркоситуации в обществе;

3) Прогнозирование наркоситуации на основе сценариев социально-экономического, политического и психологического развития территории, являющихся основой планирования мер противодействия наркотизации населения;

4) Изучение распространения наркокультуры в обществе на основе мониторинга социальных сетей.

Практическую ценность работы составляют:

1) Процедура прогнозирования наркотизации общества на основе статистических данных о структуре населения, социально-экономическом и психологическом уровне развития территории;

2) Процедура оценки величины скрытого контингента потребителей наркотиков;

3) Процедура планирования мероприятий противодействия наркотизации населения на основе данных прогноза и априорной информации о территории, реализующая информационную поддержку принятия управленческих решений на микроуровне;

4) Комплект программной и эксплуатационной документации по разработке \veb-ориентированного производственно-исследовательского центра в области социодинамики и ее приложений. В соответствии с данными пунктами на защиту выносятся следующие положения:

1) Метод математического моделирования наркотизации населения на основе комплексной сетевой модели и прогнозирования распространения эпидемии наркомании посредством эквивалентной матричной математической модели.

2) Прогнозирование наркотизации населения на основе математической модели на макро-уровне с учетом известной структуры населения, а также внешних социальных, экономических, политических и психологических факторов начала приема наркотический средств, формируемых на основе данных государственной статистики, социологических исследований и данных мониторинга социальных сетей.

Достоверность научных результатов и выводов обеспечивается строгостью наложенных ограничений предметной области, широкой эмпирической базой, включающей репрезентативные данные социологических исследований и данные официальной государственной статистики, валидацией результатов моделирования путем сопоставления с результатами мониторинга социальной сети 1луе.Гоигпа1 на предмет распространенности наркокультуры в обществе, а также данные литературных источников.

Разработанный и апробированный в диссертации инструментарий моделирования процессов наркотизации может быть востребован при проектировании и проведении исследований по аналогичным и смежным тематикам исследований девиантного поведения.

Апробация результатов диссертационного исследования проводилась посредством выступлений на научных конференциях и семинарах, их опубликования в научных журналах и сборниках, использования в процессе мониторинга и анализа наркоситуации в Санкт-Петербурге.

Сделаны доклады на Санкт-Петербургской международной конференции Региональная информатика «РИ-2010», IV Санкт-Петербургском конгрессе «Профессиональное образование, наука, инновации в 21 веке», Международной научной школе «Моделирование и анализ безопасности и риска в сложных системах» МА БР-2011, Международной научно-практической конференции «Антинаркотическая политика: история, современное состояние, перспективы», V всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и

промышленности ИММОД-2011, Международной научно-практической конференции «Деятельность правоохранительных органов и специальных служб в сфере противодействия незаконному обороту наркотиков: вопросы организации, координации, взаимодействия и международного сотрудничества».

Внедрение и реализация результатов. Результаты работы нашли свое применение при выполнении проектов «Разработка шеЬ-ориентированного производственно-исследова�