复杂系统理论主要包括复杂网络和复杂适应系统两个方面。复杂网络突出强调系统所具有的网络结构，是研究复杂系统的一种角度和方法，也是认识社会复杂系统性质和功能的基础^[19]。复杂适应系统突出强调仿真系统的价值，包括动力学行为的研究，是社会治理问题研究的重要方法论^[20-21]。

复杂系统理论能够揭示产生社会治理复杂性的内在机理，有助于发现社会治理复杂性生成的内在原因，提供了社会治理研究的新范式^[22]。相关研究包括物理学、生物学等自然科学学科和经济学、社会学等社会学科^[23-24]，呈现出明显的交叉学科特性^[25]。

复杂网络将系统内部的各个元素作为节点，元素间的关系视为连接^[26-28]，系统中因子间相互关联构成网络拓扑结构。社会系统也可以通过不同网络进行描述^[7]，系统内各主体之间互相连接，形成复杂的网络化结构^[29-30]。

近年来，利用复杂网络进行社会治理领域的研究已经成为研究热点。相关研究发现，交通路网优化、谣言传播、传染病传播等网络存在显著的复杂网络的特征^{[27, 31]}，主要分为两个方面：1）网络统计特性的实证研究，通过计算机采集相关数据，可以对实际网络的拓扑结构进行分析。如交通网、电力网等。2）将网络结构与网络上的动力学过程相结合，分析结构特性及其演化规律。如谣言、灾害、传染病传播等^[32]。

复杂适应系统理论（Complex Adaptive System,CAS），是目前系统科学代表理论之一。建模与仿真方法已经被证明是复杂适应系统理论研究社会治理问题的可行方法。多主体建模可以通过多智能体的联合或聚集动态模拟复杂系统的实际场景^[33]。很多社会系统都包含着大量相互作用的主体（Agent），该方法能够有效解决复杂适应系统中的社会治理的一些经典问题^[34]。使用系统动力学（System Dynamics, SD）可以进行动态仿真实验，使决策者在不同情境下尝试采取有差异的措施，并对措施执行后的效果进行观测和仿真，从而改变了过去社会科学实验需要花费高昂费用的局限性^[31]。

复杂网络的动力学行为在社会治理领域成为近年来关注的热点之一。网络演化模型、网络上的传播等部分都在讨论演化行为及其机制，而网络传播动力学机制的研究主要集中在病毒传播和信息传播两个方面^[35]。

近年来，国内外学者主要使用复杂网络、系统动力学、多主体（Multi-Agent）仿真以及多种方法融合解决社会治理典型场景中的实际问题。主要体现在：使用复杂网络和系统动力学方法探索传染病传播机制并提出合理化建议；使用传染病传播模型和复杂适应系统理论结合研究谣言的动态传播过程，提出相应的管控措施；使用复杂网络和多主体仿真方法进行城市路网特征分析和优化，解决道路拥堵问题；使用系统动力学研究消防安全管理问题，进行动态安全风险评估；使用多主体仿真研究应急状态下的疏散问题，提高疏散人员的认知能力和救援队伍的决策能力。

疾病的传播机制是网络传播行为研究的重要内容^[36]，复杂网络模型能很好地解释复杂系统在形成和演化过程中的组织规律^[37]。在研究中，疾病传染或被感染的个体通常使用网络中的节点表示，如果两个个体间能够以某种方式直接发生关联，则通过网络中的边连接形成网络的拓扑结构，构建相关模型对此类传播行为进行研究^[38]。经典的疾病传播模型为SIS模型和SIR模型^[39]：S（Susceptible, 易感状态）、I（Infected, 感染状态）、R（Removed, 被移除状态）。这两种模型区别是设置了不同的传播规则。在SIS模型中，每个节点存在易感者和具有传染性的已感染者两种状态；而在SIR模型中，节点既不会被感染也不会感染其他节点，这就等于把其排除到传播网络之外^[40]。

经典模型已经无法适应当今社会的复杂场景研究。近年来，研究人员不断对经典动力学模型进行改进，根据不同场景，引入对应变量，使其更加适应疫情复杂的变化趋势，提高预测精度，揭示传染病传播机理，定量评估传染病扩散风险，为政府指定有效的防控措施提供技术支撑。文献[41]引入易感再生数、当日感染率和潜伏感染率求解演化动力学方程，利用时变参数对疫情发展进行了预测，评估政府防控措施的效果。文献[42]针对新型冠状病毒流行的特征及相关的防控措施，提出了一种仓室传播动力学模型，包含“易感、未隔离潜伏期、已隔离潜伏期、确诊感染、无症状感染、确诊后治愈、无症状感染后治愈和因病死亡”8个变量。建议优先追踪感染者，提高潜伏期患者的隔离率。文献[43]建立了寨卡病毒传播的复杂网络模型，该模型考虑了人与人之间的性传播和传播过程中感染媒介的传播，发现蚊虫对于寨卡病毒的传播影响更大，在一些重点城市需要对环境消杀，进行重点防范。文献[44]构建了一个随机SEIR（Susceptible- Exposed-Infected-Removed）流行病动态模型，在该模型中引入人类意识的指数函数，建议易感人群应该有意识地减少与确诊或疑似病例患者的接触，并判断病毒的规模会随着人类意识的提高而逐渐减少。文献[45]将隐性传播者引入传统SEIR模型，提出可以采用分段拟合等措施改进模型，发现隐形传播者的传染性显著大于普通潜伏者。文献[46]使用SEIR模型，考虑了不同的防控措施，提出当校园中发现病例时，实施封闭患者班级和年级的精准防控策略，就可控制住疫情的发展，取得与封闭学校近似，甚至更好的效果。

学者们通过寻找疫情传播的阈值，从而对疫情防控提供决策支撑。文献[47]通过SIS（Susceptible- Infected-Susceptible）模型，引入独立传播人员变量，发现该类型人群在感染复杂网络边缘结构中发挥了重要作用，给出了病毒防控中需要关注的流行传播阈值。文献[48]建立了一个基于小世界网络上的SIQR（Susceptible-Infectious-Quarantine-Recovery）流行病模型，发现了病毒区域性稳定传播和最终消亡的阈值。文献[49]使用SIRS（Susceptible-Infected- Recovered-Susceptible）模型，发现了流行病爆发的周期性阈值，解决了网络拓扑结构与复杂发病机制的耦合问题。文献[50]提出了一种复杂网络上的非线性SIQS（Susceptible-Infected-Quarantined-Susceptible）传染病模型，他们均发现存在一个传染病传播的阈值，该阈值可以将系统分为无病均衡和区域性流行均衡两个状态。

基于复杂网络的社会网络建模可以更好地描述个体之间的相互影响^[51]，网络传播模型研究的关键是制定传播规则和选择网络拓扑结构。相关学者将传染病传播模型与复杂适应系统相结合，研究个体演化规律和防控策略。文献[52]讨论了系统科学中复杂网络、多主体在传染病传播中的应用，提出了相应的数学模型。文献[53]提出了基于异质主体的疾病传播建模方法，该方法主要关注疾病病程发展、传染力演化、个体接触等微观过程的异质性和随机性描述。研究发现，输入病例的及时确诊和隔离是大规模传染病传播防控的关键。文献[54]中发现，在流行病期间，主体的适应性行为可能导致复杂的动力学疾病传播。文献[55-56]使用多主体仿真模拟流行病传播过程，研究发现居家隔离等措施在本质上是切断社会接触网络的连边，可以有效抑制病毒的传染。

综上，相关研究以复杂网络和动力学模型为基础，考虑了不同的变量，但对防控措施对疫情防控的动态影响作用方面的研究较少。在大数据与人工智能兴起的背景下，利用兴趣点数据（Point of Interest, POI），基于位置服务数据（Location Based Services, LBS），充分考虑空间关系与人口属性等因素，可为精细化建模奠定了技术基础，将会使疫情防控的研究更加深入。

突发事件谣言的传播一般都会经历一个形成、发展、高涨、波动和消散的渐进性演变过程^[57]，谣言传播的生命周期也相应被分为潜伏期、爆发期、蔓延期和恢复期^[58]。突发事件和突发事件谣言的耦合过程，伴随着突发事件的发展演化，网络谣言随之动态变化，网络谣言在突发事件的不同阶段也发挥着不同的作用。

在早期的研究中，学者们主要为描述谣言传播的行为建立复杂网络模型，分析谣言传播机制，抑制谣言传播。文献[59]提出的D-K模型是描述谣言传播行为的经典数学模型。该模型在一定的近似条件下较为合理，能够描述谣言的传播行为^[60]。文献[61]对D-K模型进行了改进，引入传播者与人群中其他人进行双向接触传播的变量。文献[62]分析了随机无标度网络的传播过程，提出了无标度网络谣言传播模型。文献[63]认为，人类行为中的幂律特性能够抑制谣言传播行为。相关研究主要适用于小规模社交网络。而在现代大型社交网络中，往往需要充分考虑结构更加复杂的网络和动力学传播过程。将复杂网络结构研究与系统动力学的研究相结合，是目前研究的主要方向之一。

谣言的传播与传染病的传播存在极大的相似性^[64]。相关学者使用复杂网络和系统动力学方法，从传播现象入手进行分析并建立模型，对谣言的动态传播过程进行研究。文献[65]提出了一种网络谣言传播的替代模型，该模型是著名的传染病易感模型的推广，研究发现网络节点数会影响谣言的传播。文献[66]重点研究了具有不同随机结构的SIR模型，考虑到在度—度函数上的底层网络的结构，提高了对网络拓扑在随机传播动力学过程汇总的阈值行为。文献[67]在SI模型基础上，研究了谣言传播和人群扩散对复杂网络结构的影响，有助于更好地探索网络环境中不同人群的空间分布，为网络信息环境的管理提供帮助。文献[68]提出了SHPRS（Susceptible Hesitating Propagating Resisted Susceptible）的无尺度网络谣言传播模型，详细分析了谣言的传播动力学。文献[69]针对点对点传播和群体传播，改进了SIR模型，他们都提出了谣言持续传播和最终消散之间的临界阈值，有助于更好理解谣言传播的行为，制定谣言管控措施。

国内外学者针对移动社交网络谣言传播，考虑了不同因素对模型进行改进。文献[70]提出SEIRD（Susceptible Exposed Infected Recovered Defended）模型，发现用户意识在信息传播中起着重要的作用。通过提高用户意识、抑制成本、权威用户传播正面信息等方式能够有效抑制谣言传播。文献[71]考虑了遗忘因素，加入真实信息的传播者变量T，建立了SITR（Susceptible Infective True Removed）模型，得到谣言传播的阈值，给出了谣言和信息传播者间的边界平衡点，为有效降低谣言负面效应提供了理论依据。文献[72]考虑了个人抵抗、个人偏好、从众性、谣言强度、政府谣言驳斥等影响因素，提出8-state ICSAR（Ignorant, Information Carrier, Information Spreader, Advocate, Removal）模型，对比了不同的谣言传播途径，发现个体对谣言的抵抗存在地域差异，博客和新闻门户网站的辟谣措施可以有效降低谣言传播的阈值。

综上，相关研究主要通过参考传染病传播基本模型，并在其基础上考虑不同因素加以改进。但是，不同事件造成的谣言（如自然灾害谣言，传染病谣言，食品安全谣言，社会事件谣言等），以及不同阶段（形成、发展、高涨、波动和消散）的谣言传播机制存在差异，需要根据不同场景，寻找针对性的管控谣言传播的方法。

复杂系统理论为智慧交通建设提供了新的分析视角。但是，早期研究主要集中在对不同交通方式的网络结构进行研究^[73-75]，这些研究很难用于解决现代社会实际的交通难题。

目前交通拥堵已经成为困扰城市发展的严重问题，缓解拥堵具有显着的经济、环境和社会效益^[76]。近年来，国内外学者从城市道路网络优化和交通信号灯智能控制等角度进行研究。

在城市道路网络优化问题中，文献[77]深入分析了城市的主要方面，包括流动模式、多式联运的影响、不同交通方式之间的耦合、基础设施网络的演化、空间、社会组织以及城市之间的相互作用。提出复杂网络理论在城市交通规划问题研究中具有诸多优势，网络中重要节点的识别对交通网络规划、网络鲁棒性的保护具有重要作用^[78]。文献[79]针对城市道路上存在严重道路拥堵现象，通过对交通流这种复杂系统的动态演化特性的研究，提出了一种精准预测的方法。文献[80]使用复杂网络节点度方差评价城市道路网络的脆弱性，发现城市道路网络末端接入小区后，能够有效提高道路网络的鲁棒性。文献[81]发现中国大型城市的道路网络的度分布具有无标度特性，提出了城市道路复杂网络模型。该模型对城市道路网络进行了优化，使得城市道路网络包含小区路网，适用于封闭小区开放问题。文献[82]分别建立行人优先和车辆优先的城市街道交通系统动力学仿真模型，模拟机动车和行人在交通上的矛盾。研究发现行人优先模式造成交通效率急剧下降，机动车优先模式可以明显改善交通拥堵程度，减少尾气排放。文献[83]使用城市机动车出行量数据，引入物流量、人口发展模式、城市经济特征和环境等变量，建立了城市交通拥堵控制的系统动力学仿真模型，分析了影响城市交通拥堵的变量之间的因果关系。

城市道路的交叉路口的信号灯控制也是智慧交通中的重要组成部分。目前，信号交叉口是城市环境中最普遍的瓶颈类型之一，交通信号控制在城市交通管理中发挥关键作用^[76]。道路网络是一个有向图，其节点和边分别代表交叉口和道路。现实世界的道路网络在道路属性、交叉路口结构和信号相位设置方面比合成网络更复杂^[84]。相关研究使用复杂适应系统理论探索解决交通拥堵问题。文献[85]提出了一种用于大规模城市交通场景的高效、多智能体强化学习环境。研究人员可以将其用作交通信号控制问题的试验台模拟各种场景：从合成网格场景到现实世界，从拥有数十辆汽车的小型道路网络到拥有数万辆汽车的大型网络。文献[86]对大规模交通网络中多交叉口的信号控制问题进行了研究。通过为所有交叉口分配共享主体，使该模型在大规模路网中实现了较好的控制效果。文献[84]将多主体仿真与机器学习技术相结合，设计多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）的合作策略，并将联合行动学习者和独立学习者这种分类扩展到交通信号控制问题。

传统交通模拟器一般采用跟驰模型对现实交通环境下车辆行为进行仿真。然而，这些简化的物理模型通常无法准确预测车辆在复杂的现实交通环境下的运动方式。强化学习方法可以直接从观察到的数据中学习，而不会做出不切实际的假设。文献[87]将每个驾驶员建模为一个智能体，模拟真实世界中每个驾驶员根据自己观察独立做出决策的情况。在模型中，每个智能体能够接收来自环境的观察并按照策略顺序采取行动。该研究将交通模拟转化为一个机器学习问题，并直接从现实世界的演示中学习单个车辆的行为模式。这种方法对于还原真实世界中的车辆轨迹具有良好的展现。

传统信号无法感知实时交通模式并对其做出反应，工程师需要手动更改交通区域信号控制中的交通信号计时。优化交叉口压力的方法可以在某些条件下使系统吞吐量最大化^[88]。网络中交通信号的数量很大程度上影响了实验结果，因为主体所采取的探索规模随着路网规模的增加而增加^[84]。提高多智能体的交通仿真模型在不同交通环境下的泛化能力，可以帮助探索新型高效的交通解决方案。同时，探索更加复杂情境下（如突发事件造成大量车辆短时涌入造成系统局部瘫痪并形成连锁反应）的交通拥堵治理也是值得深入研究的一个课题。

智慧消防情景下运用复杂系统理论的研究主要体现在两个方面：使用复杂适应系统理论进行消防安全管理和应急条件下的疏散。

在消防安全管理领域的研究中，确定影响因子，建立指标体系，进行消防安全风险评估是学界的通行做法^[89]。指标的评价通常采用主观（如专家打分法、层次分析法）和客观评价方法（如熵权法、贝叶斯法）。主观评价方法人为因素较大；客观评价法完全从数据出发，得出结果较为客观，但往往对数据的依赖度较大。然而，影响建筑物、工矿、地下空间等场所的消防安全的因素较多，这些因素对消防安全管理的影响并不一致。此外，消防安全水平和这些影响因素在时间上是动态的和非线性的。传统风险评估方法主要基于影响因子的静态评价，没有考虑动力学的演化过程，难以反映动态和非线性特征^[90]。使用复杂系统理论，将系统动力学应用在消防风险评估领域，可以有效弥补传统风险评估的不足。

在地铁火灾事故的研究中，文献[91]运用系统动力学理论，构建了地铁电气火灾影响因子仿真模型并进行动态预测。对比不同投入策略获得最优投入方案，为地铁运营方进行安全管理提供科学的决策支持。文献[92]结合系统动力学原理，考虑人员、设备、环境和管理4个因素对地铁火灾发生、蔓延和控制的影响，构建了地铁火灾事故仿真模型，得到的数据和结论可以为地铁火灾的预防和应对措施提供指导。文献[93]确定了火灾场景下城市轨道交通调度安全的影响因子，结合系统动力学构建了仿真模型进行动态预测，综合考虑安全投入和人员调度配置比例，提出最优的火灾调度安全控制方案。

在危险化学品火灾事故的研究中，文献[94]基于系统动力学理论，建立了多因素耦合下的危险化学品储运火灾爆炸事故动力学模型。该模型能够直观描述各变量耦合作用下的累积过程，为危化品火灾爆炸事故作用机理的研究提供了借鉴。文献[95]考虑了井喷火灾事故的发生概率、事故损失以及投资、培训、管理等变量，基于系统动力学，给出了动态概率预测模型，该模型能较好地估算动态事故损失与安全效益之间的关系，为管理者优化安全投资配置提供了科学的指导。文献[96]从人员、设施、管理、技术等方面分析了影响储油罐区消防安全的因素，确定了流态模型和变量，构建了储油罐区消防安全系统仿真模型。该模型可对某一时期系统安全等级变化趋势进行动态预测，为强化油罐区消防安全管理的体系提供了理论依据。

在消防队伍自身建设中，文献[97]构建了消防安全监管能力建设指标体系。依据系统动力学模型，绘制了消防安全监管能力因果关系图与存量流量图。建议在法规制定、宣传教育、信息化建设等方面均衡投入，实现消防安全监管能力的全面提升。文献[98]从不同消防监督检查投入比例对消防监督检查稳定性影响的角度，运用系统动力学理论，建立了评价消防监督检查稳定性的系统动力学模型。发现在保持均衡投入的基础上，对法规和监督机制制定上有所侧重的投入策略是最佳选择。文献[99]采用系统动力学的方法，从人员素质、消防装备、基础设施以及人与装备结合4个方面对影响灭火救援作战能力的关键因素进行了定量分析，建立了相应的战斗力模型并进行了仿真分析。研究发现，增加救援装备投入以及人员与设备相结合可以有效地推动灭火救援工作。

相关研究从管理学的角度，将系统动力学应用于不同事故场景和消防队伍建设上，体现了研究对象的动态演化过程。未来的研究中，构建随机过程模型，评价动态火灾风险，建立能够体现火灾随时间传播过程的风险评估理论，也是值得深入研究的课题。

除了使用复杂适应系统理论解决消防安全管理问题以外，使用该理论求解疏散问题也是目前学者研究比较深入的方向。元胞自动机是研究最多、应用最为广泛的网络动力模型^[100]。早期研究一般使用元胞代替疏散个体，考虑疏散过程中影响人员的各方面因素，构建疏散逃生模型^[101]。但是，元胞自动机模型基本上都是对主体的运动建立规则，忽视了主体的差异性，其固定的作用规则限制了模型的进一步应用。所以，现阶段国内外学者以多主体建模为基础，考虑不同个体间属性的差异，对模型进行细化^[102-103]。相关研究主要从疏散人群和疏散场所两个角度展开分析。

对疏散人群的研究中，文献[104]研究了新冠疫情期间医院特殊行动需求人员在火灾情况下的疏散问题。考虑了患者和医护人员，构建多主体仿真模型进行仿真研究，结果表明：针对行动不方便的患者设置特殊的疏散通道以及发挥医护人员对患者疏散作用非常重要。文献[105]为疏散主体设定了一系列特征，使主体在速度、年龄、对环境的熟悉程度、接班撤离、选择疏散路线等方面具有异质性，便于在模型中将智能体引导至最近的出口。文献[106]基于多主体建模，模拟不同类型的动态紧急信息提示对疏散全过程中疏散人员行为的影响。研究结果表明，动态紧急提示能够有效提高疏散效率。文献[107]将人群分为三种主体：Lead Agent、Ordinary Agent 和 Panic Agent。分析了人群互动的机制，开发了基于智能体和元胞自动机的人群交互模型。结果表明，人群互动尤其是Lead Agent的引导和协调有助于提高疏散效率，缩短疏散时间。

对疏散场所的研究中，文献[108]提出了一种基于智能体的模型来模拟人们从起火的公共建筑中疏散。模拟结果表明，疏散人员的数量、火灾传播速度对模型的影响很大。文献[109]提出了一种基于Agent的建筑物疏散模型，发现建筑物内部结构对疏散的影响较大，在疏散过程中使用不同的消防安全设施对疏散效率存在一定的潜在影响。研究为设计建筑结构和安装消防安全设施提供有益的建议。文献[110]基于多主体仿真模型，对地铁站台、站厅和楼梯三种空间，以及消防员走梯逆行、人群密度分布不​​同的情况进行了疏散模拟。模拟试验结果为地铁空间设计和消防方案制定提供了参考依据。文献[111]利用系统动力学理论，构建了城市地下综合体大规模集体疏散的简化模型，该模型结合了连续模型和离散模型的优点，可用于大规模人群的疏散行为。研究发现疏散引导和平时疏散演练可以有效提高疏散效率。文献[112]运用系统动力学的原理分析地下商场在火灾中的人员疏散特征。该研究将应急疏散划分为动员、引导、行动和救护4个子系统，构建了各子系统与整体疏散系统的因果关系图和系统动力学模型。针对不同的动员效果、引导者数量、救护小组数量进行仿真实验，并提出相应的应急疏散策略。实验结果表明：应急疏散动员和疏散过程中的指挥引导者在前期的疏散中效果明显。

为反映真实火灾场景下的人员疏散行为，学者们尝试将疏散模型与真实人员疏散实验或演习相结合，提高了疏散人员和救援队伍的认知水平和决策能力，为不同类型场所的疏散提供理论依据。但是，被试者在这些实验或演习中的行为不一定反映真实火场中的疏散过程。使用真实火灾现场人员疏散视频，将复杂系统环境中个体微行为与整体环境属性相结合，将卷积神经网络等机器学习方法与多主体仿真建模相结合，可以为解决现有研究中存在的瓶颈问题提供新的思路。

社会系统具有复杂系统的普遍特征，通过研究相关机制问题和演化规律来探索社会治理领域运行规律具有重要意义。使用复杂网络与多主体仿真结合进行交通拥堵治理，使用系统动力学进行消防安全风险评估，使用网络动力学模型研究疫情防控、谣言管控、人员疏散等研究具有广阔应用前景。

虽然复杂系统相关理论在社会治理领域被广泛应用，但仍存在着一些不足，进一步推进复杂系统相关理论的深入研究，同时拓展相关研究领域，主要方向可以体现以下4个方面。

1）数据基座方面。目前各类复杂系统在数据获取方面存在一定难度，数据基座的拓展问题亟待解决。主要表现在各业务职能部门数据壁垒仍然相对严重，各单位数据标准和规范不统一，无法通过有效的方法获得较为准确全面的系统结构数据，不能构建出完整的复杂系统结构体系。多源异构的社会动态数据具有多层复杂、动态随机特性，整合海量数据并建立可共享利用的数据仓库亟待解决。随着数据规模和种类的不断增加，所建立的数据库可选数据范围呈若干数量级式增长，使数据的获取、分析、运用以及构建合适的复杂系统都带来了极大挑战。

2）基础模型方面。复杂系统在社会治理的基础模型研究仍存在不足。目前，相关研究主要集中在社会学、管理学、法学等人文社科领域，定性研究相对较多，定量研究不足。定性研究可以从理论思辨的宏观层面揭示某些社会治理相关的特定要素，但不利于从微观层面进行细致深入的分析。近年来西方学术界在社会领域开展了一些定量研究，这些研究关注于不同的国家和地区，研究结论也不尽相同。然而我国与西方国家在体制上存在差异，西方学术界的研究结论并不一定适用于中国。当前，面向社会治理复杂系统的多元共治问题研究逐渐兴起，表征和发掘多元共治主体之间的关系存在难题。因此，有必要整合相关数据资源，针对研究对象和应用场景，实现协同关系模型数学化、协同过程和协同质量定量化描述，为提升社会治理效能提供理论指导。

3）在仿真系统方面。使用复杂系统理论开展风险态势感知的仿真系统研究有待加强。复杂系统理论与传统网络舆情检测方法相比，具有非侵入、低成本、实时高效等特点。基于跨媒体、跨平台的社交网络数据进行自动、实时和有效的群体极端社会行为预测，是移动互联时代开展社会风险智能感知预警的创新。研究建立包括物理环境、心理因素、处置措施等多个方面的复杂系统体系，基于事件推动的社会演化趋势模糊推理仿真与演化模型，构建多智能体模型，实现对重点人、重点社群、重点社会热点事件的动态发现和预测，实现对社会治理态势的分析、预测、评估和优化。

4）在应用场景方面。运用复杂系统理论解决社会治理特定场景下的应用问题仍有较大研究空间。针对群体性事件如何从和平演变为暴力事件，刑事案件重点及高发区域、特大城市及超大型社区的管理等复杂场景进行高危风险预测。目前对于这些情境要素的研究不够系统全面，多要素耦合作用对人的行为影响研究相对匮乏。因此，需要梳理相关情境要素的关联性，揭示其表现形式、诱发因素、演变特征，提出更加灵活、高效的社会治理体系自适应工作模式及策略。

综上所述，将复杂系统理论应用于社会治理领域仍然有较大的改进空间。在下一步的研究中，应加强对社会治理复杂性特征和形成机制的认识，构建社会风险监测、评估和预警模型，完善社会治理智能决策支持体系，解决三大科学问题：面向社会治理复杂系统的多元共治主体协同机理与模型构建问题；重大突发事件风险下社会复杂系统的自适应治理模式及策略问题；社会治理、决策过程中存在不平衡、不充分、非线性及模糊决策问题。

未来，围绕“平安中国”的战略总目标，通过科技和管理的有机结合，深入探究社会治理复杂系统运行的特征和规律。将复杂系统理论运用在更多的社会治理场景中，构建智慧社会理论体系，研究共性关键技术，使复杂系统理论成为社会治理的科学方法论。为推进社会治理体系和治理能力现代化、建设智慧社会提供科技支撑。切实防范社会风险，应对和化解社会治理中的各类挑战，不断增强社会治理的精准性和有效性。