基于Markov过程的核电公众风险沟通策略研究

汪旻臻，黄世钰，刘 远，谢 锋，＊，曲静原

（1.清华大学 工程物理系，北京 100084；2.清华大学 核能与新能源技术研究院，先进核能技术协同创新中心，先进反应堆工程与安全教育部重点实验室，北京 100084）

核电作为最有前景的新能源之一，因其经济、高效、清洁、安全等特点，自20世纪50年代面世以来就受到各国重视，七、八十年代更是核电发展的“高潮期”。截至2011年，全球运行的442个核电机组中过半数是在这十几年间建造的［1］。

然而，经1979年的三哩岛事故、1986年的切尔诺贝利事故和2011年福岛事故后，民众对核电支持率的骤降给核电的发展带来了前所未有的阻挠。即使是1998—2008年间，石油电力成本上升为原来的4倍，其他化石燃料发电成本均上升而核电成本下降的情况下［2］，核电机组建设依旧大不如从前。1986年切尔诺贝利核事故发生后，不少发达国家核电发展计划急剧压缩，有的国家中止了新核电机组的建造计划。日本芦滨核电站计划一直被搁置的理由是“这个计划没有得到当地居民的同意和支持，因此难以执行”。美国政府虽数次希望重新振兴核能，但由于难以与公众达成一致意见，直接导致了一些计划项目的失败。我国江西、湖北、湖南等许多省份曾有过核电发展计划，但由于无法获得公众的认可和支持，始终停留在调研论证阶段。可见公众接受度对核电行业发展的影响巨大。

在形势已恶化的情况下，进行必要的公众风险沟通以重新赢回支持率是核电行业发展的必需。本文主要研究如何基于Markov过程对公众风险沟通进行优化，建立合理的数学模型并给出最优的沟通策略。

1 风险沟通的Markov过程

设｛Xn，n∈T｝（T 为参数集）为某一群体认知的随机过程，I 为该公众群体对某项事物的认知或态度的所有可能情况的集合。

对于n∈T，Xn为在I 上取值的随机变量，其概率分布为：

将转移概率pij构成的矩阵称为认知的转移概率矩阵，pij满足：

即转移概率矩阵的元素非负，任一行元素之和为1［3］。

2 从风险感知到Markov过程

应急管理领域对风险沟通的研究颇丰：研究了应急信息发布的影响因素，得出信息发送者的编码规则起主导作用［4］，即风险沟通的方式主导公众态度的变化。另有研究表示过度频繁进行同一类型的风险沟通不但有可能造成信道堵塞，且有可能使公众产生过度的心理和行为反应［5］，即并非投入到风险沟通的力度越大、资金越多，公众对核能的接受度一定越能显著提高。

图1 危机生命周期的公众风险感知过程Fig.1 Process of public risk perception striking period of life

图1为基于危机生命周期公众风险感知的变化过程［6］。由于危机和风险沟通信息对公众记忆而言性质相似，可将危机替换成风险沟通对公众心理的冲击，从而将危机生命周期的一处感知节点延拓到每次核电企业用于风险沟通所发布信息的生命周期中的感知节点中。因此，对已有的风险沟通方式进行组合、优化，通过风险沟通的时间、频率及类型的选择得出最优的策略成为可能。

由于在危机潜伏期或危机发生初期，公众对事件的很多看法和认识还不统一，公众的观念与记忆最具可塑性。在这个时期，新有信息通常较先验信息具有更高的心理权重。因此，此时核电企业若能及时给出风险沟通的相关信息，将能迅速修正先验信息带来的不良反应与过度反应，有效传递核电站建设所带来的益处及危害的多寡，从而达到风险沟通的目的。由于在感知节点处公众对之前的冲击感知的影响几乎已减小到最低，在新的冲击下几乎可忽略，所以可认为公众在之后的态度变化只与这点的态度和外界的信息冲击相关，即符合Markov过程的无后效性。

欲使核电风险沟通达到最优效果，将一定的资金合理分配到各风险感知节点的沟通措施中是必要的。经过核电行业几十年的发展，已从大量实践中确定出一系列有效、实用的沟通措施。若能通过调研数据分析出这些措施在当地所对应的转移概率矩阵，那么就可计算出最优的风险沟通策略方案。

已知有效实用的沟通措施主要类别如下：建立以信息透明度为基础的核监管系统；建立庞大的公众宣传、沟通体系，科普宣传和组织当地民众进核电站参观一直是核电站的必行之举；帮助解决当地民众就业并成立社区基金、实行电力优惠等福利措施。上述3个方面是核电风险沟通的主要方向，每个方向均可细化出许多措施投入资金实施推进。在实际应用中可抽取若干条最符合需求的措施，按本文的方法进行优化、组合，给出最佳的政策沟通策略。

3 利用转移概率矩阵对风险沟通策略评估与测算

3.1 模型构建

此时采取的任何政策与措施，其对公众态度的效用与影响均可归纳为转移概率矩阵Ci。

采用线性关系对C-x 分析，可得到C 关于x 的函数，从而定义具有普遍意义的C：

对Ci的每个元素，有，2，3）。

根据Lagrange 乘子法，构造Lagrange函数［8］：

3.2 实例分析

政府及核电企业先后实施3项政策以改善公众对核电认识的态度，推进核电事业发展：完善监管系统，做到政府信息公开化、透明化，及时举办座谈会咨询公众意见；对核安全基础知识印制宣传手册，举办知识讲座，向公众普及辐射常识；协助解决当地民众就业问题，实行各项优惠措施。

这3项政策开支占总开支比例分别为x1、x2、x3。

综合历史经验、抽样调查和分析推测，设定3项政策的转移概率矩阵如下：

解得x1＝0.31、x2＝0.35、x3＝0.34 时，gmin＝0.158 8。

证明这3项政策将反对与支持核电人数比例的差值由30%降至15.88%。资金分配比例分别为31%、35%、34%，如图2所示。

3.3 转移概率矩阵对结果灵敏度分析

1）小幅干扰分析

以C1为例，将其第2行改为：

即小幅增加由中立转入支持人数的比例，政策形势变好，预期x1增加，gmin减少。将第2行改为：即小幅增加由中立转入反对人数的比例，政策形势变差，预期x1减少，gmin增加。

图2 政策投资比例Fig.2 Proportion of policy investment

在第1种情况下，当x1＝0.75、x2＝0.06、x3＝0.19时，gmin＝0.148 7，如图3a所示。

在第2种情况下，当x1＝0.04、x2＝0.49、x3＝0.47时，gmin＝0.161 2，如图3b所示。

通过分析，可得出以下结论：

图3 轻微干扰的政策投资比例Fig.3 Proportion of policy investment with slight interference

在对转移概率矩阵的几个因素进行小规模调整时，x1、x2、x3的转移方向和gmin的变化趋势与预期一致。但x1、x2、x3变化显著，gmin变化细微。这表明，转移概率矩阵的小幅变化对最终结果的影响有限，即便大幅调整资金比例的分配，结果也基本不变。此时决定参考标准的主要因素是转移概率矩阵，而非资金比例的分配。因此，在此种情况下制定政策时，资金比例的分配不是主导因素。

2）强烈干扰分析

以C1为例，将其第2行改为：

即大幅增加由中立转入支持人数的比例，形势急剧利好。

将第2行改为：

0 -0.5x1＋1 0.5x1

即大幅增加由中立转入反对人数的比例，形式急剧恶化。

在第1 种情况下，当x1＝1、x2＝0、x3＝0时，gmin＝0.100 3，如图4a所示。

在第2种情况下，当x1＝0、x2＝0.52、x3＝0.48时，gmin＝0.165 4，如图4b所示。

通过分析，若出现极为利好的政策，有理由相信其优势已克服其他边际效应对其的制约，将资金全部投入在此措施上能使得参考标准大幅降低，此时不同资金分配对应的参考标准有显著差异，这时应重点考虑资金在不同政策和措施上的比例分配。

在通过马尔可夫链与转移概率矩阵对公众对核电态度的最优政策选择与调整的研究过程中，由于其无后效性［9］，所以一旦出现重大事件（如核事故、大规模群体事件），其对公众态度的影响通常是难以预计的，政策将被彻底抛弃，此时通过转移概率矩阵对其之后发展的预估会失去其应有的效果，即造成马尔可夫链的中断。中断后则要通过一较长的过程对公众态度进行重新转化。因此，在讨论公众对核电态度的评估方法与策略时，首先应保证极力阻止影响公众对核电态度的重大事件的出现［10］。

图4 强烈干扰的政策投资比例Fig.4 Proportion of policy investment with severe interference

4 结论

本文基于Markov过程基本理论与转移概率矩阵的特征，构建了较为完善的数学模型，研究了不同政策的资金分配比例与公众对核电态度的影响关系，并定量给出了最佳效果下的资金分配比例，同时分析了转移概率矩阵参数的变化对最终结果的影响与不同灵敏度下公众对核电态度的主导因素，并讨论了Markov过程的分析限制以及与公众沟通策略中的注意事项。

［1］ 王丽新.世界核电发展史简介［J］.科技创新与应用，2012（15）：122.

［2］ 崔绍章.世界核电市场新版图［J］.中国核工业，2013，11：32-35.

［3］ 王新民，汤兵勇，LIDA X.群体认知的马尔可夫链模型［J］.东华大学学报：自然科学版，2001（3）：100-103.WANG Xinmin，TANG Bingyong，LIDA X.Markov chains models for collective cognition［J］.Journal of Donghua University：Natural Science，2001（3）：100-103（in Chinese）.

［4］ DUGGAN F，BANWELL L.Constructing a model of effective information dissemination in a crisis［J］.Information Research，2004，5（3）：178-184.

［5］ VASTERMAN P，YZERMANS C J，DIRKZWA-GER A J E.The role of the media and media hypes in the aftermath of disasters［J］.Epidemiologic Reviews，2005，27（1）：107-114.

［6］ 刘智，张岩.基于公众记忆操纵理论的应急信息发布策略［J］.科研管理，2011（9）：100-107.LIU Zhi，ZHANG Yan.Emergency information dissemination based on theory of public memory manipulation［J］.Science Research Management，2011（9）：100-107（in Chinese）.

［7］ DAVID R.The principles of political economy and taxation［M］. Harmondsworth： Penguin Books，1971.

［8］ BERTSEKAS D P.Nonlinear programming［M］.2nd ed.Nashua，US：Athena Scientific，1999.

［9］ SENETA E.Non-negative matrices and Markov chain［M］.2nd ed.Berlin，Germany：Springer Science，2006：288.

［10］赵洲.论核事故风险及其全球治理［J］.世界经济与政治，2011（8）：127-160.ZHAO Zhou.Nuclear accident risks in the transboundary threat era and global governance［J］.World Economics and Politics，2011（8）：127-160（in Chinese）.