在大壶节，信仰遭遇悲剧：利用机器学习与自然语言处理对踩踏模式的计算分析

本研究运用机器学习、历史分析与自然语言处理（NLP），审视印度大型宗教集会中反复发生的致命踩踏事件，重点关注2025年普拉亚格拉吉大壶节悲剧（48人以上死亡）及其1954年的前身事件（700人以上伤亡）。通过对人群动力学和行政记录的计算建模，研究探讨了系统性脆弱性如何导致这些灾难。时间趋势分析识别出持续存在的瓶颈点，狭窄的河岸通道与过去92%的踩踏地点相关，且致命的人群密度在无月日等具有重要灵性意义的时刻反复出现。对跨越七十年的调查报告进行的NLP分析揭示了周期性的行政失误，即VIP路线优先策略在1954年和2025年均转移了安全资源，加剧了伤亡。统计建模展示了仪式紧迫感如何凌驾于风险感知之上，导致恐慌传播模式与历史事件高度相似。研究结果支持“制度性遗忘理论”，突显了灾难应对如何始终是反应式而非预防式的。通过将档案模式与计算人群行为分析相关联，本研究将踩踏事件界定为基础设施局限、社会灵性紧迫感和治理惰性的碰撞，挑战了灾难话语，促使其关注灵性经济如何将可预防的死亡常态化。