江小燕， 孫浩宇， 王明輝， 戴瀟雅， 劉 勇

(1. 合肥工業(yè)大學(xué) a. 土木與水利工程學(xué)院； b. 管理學(xué)院， 安徽 合肥 230009；2. 浙江理工大學(xué) 建筑工程學(xué)院， 浙江 杭州 310018)

PPP(Public-Private Partnership)模式在解決公共服務(wù)和基礎(chǔ)設(shè)施建設(shè)資金短缺，提高公共服務(wù)質(zhì)量等方面有著顯著的優(yōu)勢，目前已逐漸成為世界上一些國家基礎(chǔ)設(shè)施項目建設(shè)的主要方式之一。隨著我國經(jīng)濟的快速發(fā)展，基礎(chǔ)設(shè)施項目建設(shè)需求在急劇增長，截止到2018年12月末，在財政部設(shè)立的PPP綜合信息平臺項目庫中，已有PPP項目14424 個，總投資金額高達18.2 萬億元。

但是近年來，PPP項目的發(fā)展也暴露了不少問題，特別是在PPP項目風(fēng)險的評估以及應(yīng)對方面，如何準(zhǔn)確且及時地識別與防控PPP項目風(fēng)險是PPP項目管理中的重要問題。

PPP項目的結(jié)構(gòu)復(fù)雜，參與方眾多，持續(xù)時間長，信息量龐大，導(dǎo)致各參與方信息獲取和共享的效率較為低下，為風(fēng)險管理帶來了較大的困難。且目前PPP領(lǐng)域的相關(guān)部門仍采用Excel、Word等非結(jié)構(gòu)化手段來存儲和組織PPP項目相關(guān)的歷史案例與知識經(jīng)驗，這令業(yè)界難以形成一個統(tǒng)一的標(biāo)準(zhǔn)對其風(fēng)險進行規(guī)范化的描述和總結(jié)；當(dāng)風(fēng)險發(fā)生時，也無法快速準(zhǔn)確地找到相似的歷史經(jīng)驗或案例作為決策的依據(jù)。

為解決上述問題，本文利用文獻[1]中的本體技術(shù)構(gòu)建PPP項目風(fēng)險領(lǐng)域的本體信息模型，實現(xiàn)了風(fēng)險信息的統(tǒng)一和檢索，并研究了PPP風(fēng)險的知識推理方法。然而PPP項目結(jié)構(gòu)復(fù)雜、耗時長、投資大的特點，使項目實施過程中易發(fā)生各種各樣的風(fēng)險，這增加了PPP項目決策的工作量和難度[2]，利用歷史經(jīng)驗和案例輔助決策無疑非常必要。因此在PPP風(fēng)險本體評價以及驗證過程中，部分專家建議將PPP 項目風(fēng)險案例用本體的方法進行表示形成PPP 項目風(fēng)險案例庫，以使知識推理與案例推理互為補充，為PPP項目風(fēng)險的識別與防控提供合理的決策建議。

基于以上工作的基礎(chǔ)，本文將本體技術(shù)與案例推理技術(shù)相結(jié)合，提出將基于本體的案例推理技術(shù)運用于PPP項目風(fēng)險的研究，能夠為PPP項目風(fēng)險管理提供有價值的信息。

本文分為如下幾部分，首先對本體和案例推理技術(shù)在建設(shè)工程中的應(yīng)用進行文獻綜述；然后基于文獻[1]的基礎(chǔ)，運用基于本體的概念語義相似度算法進行案例推理，獲取相似案例的風(fēng)險承擔(dān)情況和風(fēng)險控制措施；最后提出了該方法的程序算法，為PPP項目風(fēng)險管理的智能化與信息化發(fā)展提供支持。

1 文獻綜述

本體是共享概念模型明確而又形式化的規(guī)范說明[3]，利用本體技術(shù)，可以有效彌補傳統(tǒng)案例推理技術(shù)的不足[4]，本體技術(shù)在工程中也得到較為廣泛的應(yīng)用。閆文周等[5]提出將本體技術(shù)運用于EPC總承包項目風(fēng)險控制領(lǐng)域，可以為風(fēng)險預(yù)防措施的制定提供參考。姜韶華等[6]提出將本體結(jié)合BIM運用于綠色建筑領(lǐng)域，建立了綠色建筑智能評價系統(tǒng)。孟俊娜等[7]建立了建筑工程領(lǐng)域的成本預(yù)算本體網(wǎng)絡(luò)，提高了成本預(yù)算的效率和準(zhǔn)確度。Rezgui[8]提出在建筑工程信息管理領(lǐng)域引入本體技術(shù)，以解決特定的知識信息管理問題。文獻[9]從PPP項目殘值風(fēng)險的知識管理的角度出發(fā)，構(gòu)建殘值風(fēng)險的本體知識庫并結(jié)合具體案例進行應(yīng)用分析。江小燕等[1]將本體技術(shù)應(yīng)用于PPP項目的風(fēng)險信息檢索，并取得初步成果。

案例推理CBR(Case-Based Reasoning)技術(shù)是指在案例庫中使用某種方法查找出與當(dāng)前問題最為相似的歷史案例，再把該案例使用的方法運用到當(dāng)前問題中的一種技術(shù)[10]。將案例推理技術(shù)運用到項目的決策中，可以為相關(guān)人員提供有價值的決策支持。陳瑤[11]將案例推理技術(shù)運用于房地產(chǎn)投資風(fēng)險評估，建立了房地產(chǎn)投資風(fēng)險評價體系。馮為民等[12]將案例推理與模糊數(shù)學(xué)相結(jié)合，提出了一種有效的工程造價預(yù)測方法。李欣等[13]將案例推理技術(shù)運用到港口工程建設(shè)風(fēng)險評價中，對港口建設(shè)項目中易導(dǎo)致風(fēng)險發(fā)生的因素做了分析。但是，傳統(tǒng)的案例推理技術(shù)知識共享能力匱乏，語義支持能力較差，其案例的檢索多采用關(guān)鍵字匹配的檢索技術(shù)，致使許多有用的知識被忽略，準(zhǔn)確率較低[14]。

綜上所述，現(xiàn)有國內(nèi)外文獻中，尚未有將案例推理技術(shù)應(yīng)用于PPP項目的風(fēng)險領(lǐng)域，本文將對其進行有益的探索。

2 PPP項目風(fēng)險信息建模

PPP是指包括BOO(Build-Own-Operate)、BOT(Build-Operate-Transfer)、PFI(Private Finance Initiative)等各種合作模式在內(nèi)的私人部門與政府為提供基礎(chǔ)設(shè)施和公共服務(wù)而建立的合作關(guān)系[15,16]。其眾多的參與方以及較長的生命周期也使得PPP項目的風(fēng)險更加多樣，階段性與動態(tài)性較于一般項目更強[17]。為了適應(yīng)PPP項目的這些特點，提高PPP項目風(fēng)險案例推理的準(zhǔn)確度，搭建PPP項目風(fēng)險本體模型較之于一般項目不僅要考慮得更加全面，更要考慮到PPP項目全生命周期性的因素。為達到上述目標(biāo)，本文在搭建PPP項目風(fēng)險本體時構(gòu)建了項目模式、風(fēng)險類型、風(fēng)險源等指標(biāo)，同時也引入了風(fēng)險發(fā)生階段的動態(tài)性因素。

本體表示方法在工程領(lǐng)域的應(yīng)用中，憑借其結(jié)構(gòu)化、層次化的特點，能較好地完成對大量且無序工程信息的一致性描述，其良好的可擴展性與推理性也可解決工程信息的存儲與重用問題，在PPP項目風(fēng)險領(lǐng)域有較為廣闊的應(yīng)用前景。本文作者在文獻[1]中初步建立了PPP項目風(fēng)險信息知識本體庫，實現(xiàn)了PPP 項目風(fēng)險信息的結(jié)構(gòu)化表述，解決了PPP 項目風(fēng)險信息的存儲、組織和重用的問題。 同時, 在Eclipse中借助JenaAPI制定用戶所需的自定義規(guī)則，對已搭建好的本體模型進行推理，實現(xiàn)了特定用戶的信息檢索需求，提高了相關(guān)人員信息獲取的效率和準(zhǔn)確性；克服了傳統(tǒng)關(guān)鍵字檢索信息不準(zhǔn)確，效率低下的特點，提高了信息獲取的準(zhǔn)確度，有助于相關(guān)人員更好地進行項目決策；同時為以下案例推理工作提打下了基礎(chǔ)。

3 案例推理

3.1 推理原理

PPP項目風(fēng)險本體的構(gòu)建為PPP項目歷史案例風(fēng)險信息的規(guī)范化輸入提供了途徑，利用本體技術(shù)建立PPP風(fēng)險案例庫可以有效地存儲和復(fù)用PPP風(fēng)險案例。為了輔助決策，對于識別出的PPP項目風(fēng)險確定風(fēng)險治理和防范措施，是PPP項目治理中的關(guān)鍵環(huán)節(jié)和重要問題。然而如何對擬建PPP項目的風(fēng)險進行治理，并進行預(yù)防或制定風(fēng)險治理措施，目前并無有效的途徑和方法。利用案例推理方法確定類似項目的風(fēng)險治理措施，從而為擬建項目提供參考，是目前最為可行的方法之一。

本文采用基于本體的語義概念相似度計算方法[18]進行案例推理，在搭建好的基于本體的PPP風(fēng)險案例庫的基礎(chǔ)上，將本體技術(shù)與案例推理技術(shù)相結(jié)合，并借助計算機實現(xiàn)相應(yīng)的算法使推理過程更加智能。其基本原理是，當(dāng)PPP項目發(fā)生風(fēng)險時，參照已搭建好的風(fēng)險本體對該項目風(fēng)險的各項指標(biāo)進行提取，將各項指標(biāo)與本體案例庫中各案例的指標(biāo)進行相似度計算，再將案例各指標(biāo)的相似度進行加權(quán)相加，進而得到案例之間的相似度數(shù)值。據(jù)此可以推理得出與該項目風(fēng)險信息最相似的一個或幾個案例，并提取出推理得到的案例本體的PPP風(fēng)險承擔(dān)方類和風(fēng)險處理措施類，為相關(guān)人員的決策提供參考。

3.2 基于PPP風(fēng)險本體的概念語義相似度計算

3.2.1 指標(biāo)權(quán)重確定

PPP案例風(fēng)險信息中的各指標(biāo)數(shù)量眾多，各指標(biāo)對PPP風(fēng)險措施制定的影響也各不相同，因此確定PPP案例風(fēng)險信息各指標(biāo)的權(quán)重具有重要意義。本文采用專家評估與層次分析法相結(jié)合的方法確定指標(biāo)權(quán)重。首先按式(1)建立指標(biāo)判斷矩陣。

(1)

式中：xij為第i列指標(biāo)相對于第j列指標(biāo)的重要程度。其次進行層次排序，將每行的指標(biāo)重要程度相對值相加得到式(2)，再求得所有指標(biāo)重要程度相對值之和得到式(3)。

(2)

(3)

用每行的指標(biāo)重要程度相對值之和Yi除以所有的指標(biāo)重要程度相對值之和U即可得到各屬性的權(quán)重ai，如式(4)所示。

(4)

3.2.2 指標(biāo)相似度計算

概念語義相似度計算通常是根據(jù)兩概念在層次網(wǎng)絡(luò)中的距離大小來判斷相似程度，距離越近則相似度越高。但是考慮到可能出現(xiàn)不同類下的兩個概念和同一類下的兩個概念距離相近，但是概念之間的相似度卻相差懸殊的情況。故本文采用基于最近祖先的本體概念相似度計算方法來計算各指標(biāo)間的相似度。

設(shè)a，b為PPP風(fēng)險本體樹中的任意兩個節(jié)點，對這兩個節(jié)點的距離dist(a,b)做如下定義：

(5)

a，b之間的語意概念相似度按式(6)計算：

(6)

式中：simab為a節(jié)點代表的指標(biāo)與b節(jié)點代表的指標(biāo)的相似程度值；dist(a,b)為a，b兩節(jié)點距離；N為距離a，b最近的父節(jié)點與PPP風(fēng)險本體樹根節(jié)點的距離；?為調(diào)節(jié)因子，可以通過神經(jīng)網(wǎng)絡(luò)等智能算法訓(xùn)練獲得，本文取?=2。基于篇幅，訓(xùn)練過程不再贅述。

3.2.3 案例相似度計算

計算案例相似度需用到上文求得的指標(biāo)權(quán)重a以及各指標(biāo)間的相似度simi j。假設(shè)當(dāng)前PPP風(fēng)險本體案例庫中存在n個案例，每個案例具有m個指標(biāo)。通過構(gòu)建一個指標(biāo)相似度矩陣，使矩陣中每一行代表一個案例，每一列代表一個屬性。將指標(biāo)相似度與指標(biāo)權(quán)重值相乘，即可得到當(dāng)前項目與案例庫中各案例的相似度ω，按式(7)計算。

4 實例分析

4.1 指標(biāo)提取

根據(jù)文獻[1]的內(nèi)容，建立PPP風(fēng)險本體，由于PPP風(fēng)險領(lǐng)域涉及概念眾多，為了簡化計算，本文只對部分概念進行描述。選擇PPP項目模式、PPP風(fēng)險類型、風(fēng)險發(fā)生階段、PPP風(fēng)險源、PPP風(fēng)險后果5個屬性作為案例相似度計算的指標(biāo)，而PPP風(fēng)險承擔(dān)方和風(fēng)險處理措施則是需要案例推理得出的輸出結(jié)果。因下文案例中的PPP風(fēng)險源只涉及政治、建設(shè)和市場運營三類風(fēng)險源。所以本文使用圖1所繪制的本體樹，具體繪制過程詳見文獻[1]。

圖1 PPP項目風(fēng)險本體樹

例：假設(shè)一正處于運營階段的PPP項目，采取“建設(shè)-擁有-經(jīng)營-轉(zhuǎn)讓”的項目模式，因在運營階段政府不履行相關(guān)合同而終止了該項目的特許經(jīng)營權(quán)，導(dǎo)致該項目私人投資者的利益造成極大損失?，F(xiàn)需明確該風(fēng)險的風(fēng)險承擔(dān)者以及制定相關(guān)的風(fēng)險控制措施。

首先提取該項目的風(fēng)險指標(biāo)，該風(fēng)險的5個重要指標(biāo)依次為“建設(shè)-擁有-經(jīng)營-轉(zhuǎn)讓”“政治風(fēng)險”“運營階段”“政府信用的不利變化”“私人投資者利益受損”。假設(shè)案例庫中存在以下五個案例，依次提取它們的指標(biāo)列于表1。

4.2 指標(biāo)權(quán)重確定

邀請PPP風(fēng)險領(lǐng)域?qū)＜腋鶕?jù)各指標(biāo)的重要程度，對上文提及的PPP項目模式、PPP風(fēng)險類型、風(fēng)險發(fā)生階段、PPP風(fēng)險源、PPP風(fēng)險后果進行兩兩比較，由式(1)得到指標(biāo)判斷矩陣。

表1 當(dāng)前項目及案例指標(biāo)

由式(2)(3)分別計算每行的指標(biāo)重要程度相對值之和與所有指標(biāo)重要程度相對值之和：

Y1=4.20，Y2=8.40，Y3=3.89，Y4=8.61，Y5=3.77，U=Y1+Y2+Y3+Y4+Y5+=28.87。

由式(4)計算各指標(biāo)的權(quán)重值為：

a=[0.145,0.291,0.135,0.298,0.131]T。

4.3 指標(biāo)相似度計算

參照圖1，計算當(dāng)前項目中“建設(shè)-擁有-經(jīng)營-轉(zhuǎn)讓(特許經(jīng)營)”與案例一“設(shè)計-建造(整體外包)”的指標(biāo)相似度，在圖1中它們之間的距離dist為4，它們最近的父節(jié)點PPP項目模式與本體根節(jié)點的距離N為1，取?=2，則依據(jù)式(6)計算所得指標(biāo)相似度為sim11=(?·N+1)/(n+?·N+1)=(2×1+1)/(4+2×1+1)=3/7。同理可求得當(dāng)前項目的指標(biāo)與案例庫中各案例指標(biāo)的相似度，計算結(jié)果列于表2。

表2 當(dāng)前項目與案例項目各指標(biāo)相似度

4.4 案例相似度計算

由上一節(jié)的計算結(jié)果得到指標(biāo)相似度矩陣：

由式(7)將指標(biāo)相似度乘以指標(biāo)權(quán)重，得：

可得案例二與當(dāng)前項目的相似度最高，為0.8734，故以案例二的風(fēng)險承擔(dān)方式和風(fēng)險處理措施作為主要參考，案例一與案例四次之，案例三與案例五的相似度較低，不予考慮。

5 算法實現(xiàn)

本文采用Java語言進行建模，具體用到的軟件包括protégé，Jena，JDK和MySQL等。首先在protégé中完成對PPP風(fēng)險本體模型的構(gòu)建，保存為owl類型文件；使用Jena將PPP風(fēng)險本體模型文件存入MySQL數(shù)據(jù)庫，完成PPP風(fēng)險本體庫的集成；在本體庫建立完成之后，使用Jena完成對相似案例推理算法的程序語言設(shè)計。

基于PPP項目風(fēng)險本體的概念語義相似度算法描述如下：

Step1：獲取當(dāng)前案例的指標(biāo)集合X=(x1,x2,…,xn)與某歷史案例的指標(biāo)集合Y=(y1,y2,…,yn)；

Step2：在PPP風(fēng)險本體樹中查找xi，yi分別對應(yīng)的節(jié)點a，b；

Step3：若a，b相同，則sim=1，跳到step7，否則跳到step4；

Step4：查找距離a，b最近的父節(jié)點，跳到step5，若不存在此父節(jié)點，sim=0，跳到Step7；

Step5：分別計算該父節(jié)點與PPP風(fēng)險本體樹的根節(jié)點以及與p，q的距離N1，N2，N3；

Step6：取dist=N2+N3，取sim(?×N1+1)/(dist+?×N1+1)；

Step7：對當(dāng)前項目和歷史案例中的所有指標(biāo)執(zhí)行step1～step6，并將得到的指標(biāo)相似度sim與其相應(yīng)的權(quán)重相乘，將乘積之和作為案例相似度SimOfCase；

Step8：將案例庫中的所有案例依次與當(dāng)前案例執(zhí)行step1～step7，得到案例相似度的集合SimOfCases[n]；

Step9：對SimOfCases[n]中的數(shù)據(jù)進行排序操作得到SimOfCaseIndex[n]；

Step10：設(shè)置閾值r，輸出集合中大于r的數(shù)值所對應(yīng)的案例作為相似案例；

Step11：輸出相似案例的“PPP風(fēng)險承擔(dān)者類”和“風(fēng)險控制措施類”；

Step12：結(jié)束。

6 結(jié) 語

本文主要做了以下兩方面工作：一是將基于PPP風(fēng)險本體的概念語義相似度計算方法運用于風(fēng)險的案例推理當(dāng)中，提高了案例推理的準(zhǔn)確度，根據(jù)推理出的相似度較高的案例能夠為相關(guān)人員的決策提供參考信息；二是使用Jena完成對相似案例推理算法的程序語言設(shè)計。該方法克服了傳統(tǒng)推理算法的語義支持能力差，準(zhǔn)確率較低的缺點，并且通過計算機編程語言的實現(xiàn)使得PPP項目案例推理的流程進一步自動化，降低了相關(guān)決策人員的主觀影響，減少了重復(fù)性工作，提高了決策效率。

本文研究尚存在一些不足之處。首先，構(gòu)建的PPP項目風(fēng)險信息本體模型中的類和屬性尚不能覆蓋PPP項目風(fēng)險中的全部信息，仍需要進一步完善；其次，在本文采用的案例相似度計算方法中，為了簡化計算，默認(rèn)本體樹中類與類之間每段距離的權(quán)重是相等的，但是這種做法顯然與項目的實際情況存在誤差，在今后的工作中，可以根據(jù)項目的特點，對本體樹中距離的權(quán)重進行賦值研究，進一步提高案例相似度算法的精確度；最后，本文只是提供了解決問題的框架和基本方法，而真實的本體模型和推理系統(tǒng)的構(gòu)建是一個漫長而復(fù)雜的過程，需要進行反復(fù)的修改和測試評價才能夠應(yīng)用。