公路工程招投標(biāo)管理工作中的問(wèn)題及風(fēng)險(xiǎn)分析研究

收稿日期：2024-01-09

作者簡(jiǎn)介：劉帆洋（1990—），男，本科，工程師，從事市場(chǎng)開(kāi)發(fā)招投標(biāo)工作。

摘要 為有效、快速地對(duì)招投標(biāo)過(guò)程中存在的問(wèn)題及風(fēng)險(xiǎn)進(jìn)行測(cè)算，文章利用灰色關(guān)聯(lián)分析建立招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)測(cè)算模型。得出以下結(jié)論：（1）通過(guò)粒子群優(yōu)化技術(shù)構(gòu)建支持向量機(jī)，解決工程項(xiàng)目的招投標(biāo)問(wèn)題及其相關(guān)風(fēng)險(xiǎn)評(píng)估問(wèn)題，此模型對(duì)招標(biāo)投標(biāo)風(fēng)險(xiǎn)問(wèn)題的正確識(shí)別率超過(guò)80%，同時(shí)對(duì)風(fēng)險(xiǎn)程度評(píng)級(jí)的精確度也達(dá)到了90%及以上。（2）該測(cè)算模型的使用有助于揭示公路投資工程招標(biāo)投標(biāo)的風(fēng)險(xiǎn)狀況，并為其預(yù)防和管理提供了一條全新的途徑和策略。

關(guān)鍵詞 政府投資；風(fēng)險(xiǎn)概率；工程招投標(biāo)；支持向量機(jī)

中圖分類(lèi)號(hào) U415.13文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 2096-8949（2024）09-0167-03

0 引言

隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，公路工程建設(shè)規(guī)模不斷擴(kuò)大，招投標(biāo)管理工作作為公路工程建設(shè)的重要環(huán)節(jié)，在當(dāng)前公路工程招投標(biāo)的管理工作中存在虛假招標(biāo)、圍標(biāo)串標(biāo)等問(wèn)題，給工程帶來(lái)極大的質(zhì)量安全隱患。如何對(duì)這些風(fēng)險(xiǎn)進(jìn)行識(shí)別、評(píng)估和控制，是當(dāng)前亟待解決的重要問(wèn)題[1]。對(duì)于公路工程招投標(biāo)管理過(guò)程中的問(wèn)題和風(fēng)險(xiǎn)進(jìn)行深入分析與研究，找出招投標(biāo)的潛在風(fēng)險(xiǎn)，以提升項(xiàng)目管理部門(mén)應(yīng)對(duì)招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)的管理能力[2]。

針對(duì)上述招投標(biāo)中存在管理問(wèn)題，結(jié)合當(dāng)前公路工程項(xiàng)目招標(biāo)與投標(biāo)管理的缺陷及其潛在危險(xiǎn)[3]，該文構(gòu)建了基于關(guān)鍵因素的評(píng)估系統(tǒng)，運(yùn)用了灰度相關(guān)性和K-means聚類(lèi)技術(shù)識(shí)別問(wèn)題的嚴(yán)重程度、級(jí)別以及相應(yīng)的警戒線，利用機(jī)器學(xué)習(xí)方法創(chuàng)建招標(biāo)與投標(biāo)過(guò)程中問(wèn)題和風(fēng)險(xiǎn)的預(yù)測(cè)模型[4]。

1 招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)測(cè)算指標(biāo)體系構(gòu)建

1.1 招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)測(cè)算指標(biāo)體系

提取招投標(biāo)的重點(diǎn)問(wèn)題和風(fēng)險(xiǎn)，初步構(gòu)建招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)的評(píng)估指標(biāo)體系，該指標(biāo)體系的計(jì)算過(guò)程如圖1所示。對(duì)招投標(biāo)風(fēng)險(xiǎn)案例的詞匯分析結(jié)果進(jìn)行了統(tǒng)計(jì)和分析[5]，相關(guān)問(wèn)題和風(fēng)險(xiǎn)關(guān)鍵詞如表1所示。

基于招投標(biāo)文本文件中的問(wèn)題及風(fēng)險(xiǎn)和參與者相關(guān)的問(wèn)題及風(fēng)險(xiǎn)，該文建立了招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)測(cè)算指標(biāo)體系，如表2所示。

1.2 問(wèn)題及風(fēng)險(xiǎn)測(cè)算指標(biāo)體系權(quán)重

采用層次分析法對(duì)復(fù)雜且涉及多種因素、多個(gè)目標(biāo)與多元價(jià)值觀的問(wèn)題進(jìn)行分類(lèi)處理，整合定性和定量的分析方法，建立招標(biāo)投標(biāo)問(wèn)題的評(píng)估標(biāo)準(zhǔn)及其潛在的風(fēng)險(xiǎn)衡量指標(biāo)系統(tǒng)。使用1～9級(jí)評(píng)分法獲得問(wèn)題及風(fēng)險(xiǎn)衡量指標(biāo)的重要程度評(píng)判矩陣，計(jì)算各指標(biāo)的重要性權(quán)重，記為Ui。

信息的無(wú)序性能夠衡量因素變動(dòng)程度對(duì)風(fēng)險(xiǎn)評(píng)估風(fēng)險(xiǎn)體系的影響，鑒于該研究中使用的評(píng)價(jià)標(biāo)準(zhǔn)為不確定性，因此須使用百分?jǐn)?shù)分配方式，給每種情況下的各個(gè)因素打分，以實(shí)現(xiàn)其定量的評(píng)級(jí)過(guò)程，并且要對(duì)其進(jìn)行標(biāo)準(zhǔn)化驗(yàn)證后才能應(yīng)用不確定性理論，最后判斷各要素的重要性和它們的各自權(quán)重值，即Uj，具體方法可以參考式（1）及式（2）：

（1）

（2）

式中，λ——不確定數(shù)值的修正參數(shù)，取值在0～1范圍內(nèi)。該次研究中取0.1。式（2）中的Uj′為風(fēng)險(xiǎn)因素結(jié)果權(quán)重，主要是對(duì)Uj*進(jìn)行簡(jiǎn)化統(tǒng)一量級(jí)處理。

2 招投標(biāo)管理問(wèn)題及風(fēng)險(xiǎn)測(cè)算模型構(gòu)建

2.1 基于支持向量機(jī)的測(cè)算模型

基于支持向量機(jī)建立招投標(biāo)管理問(wèn)題及風(fēng)險(xiǎn)測(cè)算模型，對(duì)其風(fēng)險(xiǎn)參數(shù)和修正參數(shù)進(jìn)行最優(yōu)解處理。根據(jù)結(jié)果的優(yōu)化過(guò)程進(jìn)行多次迭代計(jì)算，模型測(cè)算過(guò)程如圖2所示。基于上述支持向量機(jī)的迭代優(yōu)化測(cè)算模型，結(jié)合大量招投標(biāo)問(wèn)題及風(fēng)險(xiǎn)的案例數(shù)據(jù)，計(jì)算得到目前招投標(biāo)風(fēng)險(xiǎn)的數(shù)據(jù)規(guī)律，具體計(jì)算過(guò)程按照式（3）進(jìn)行：

（3）

式中，f（x）——風(fēng)險(xiǎn)因素的線性擬合方程；xI——風(fēng)險(xiǎn)參數(shù)指標(biāo)；yI——結(jié)果參數(shù)；I——M個(gè)因素序列；u——1級(jí)影響因素的權(quán)重向量；ε——不確定性離散函數(shù)的誤差；γI、γI*——浮動(dòng)變量；c——修正參數(shù)；φ（xI）——非線性映射函數(shù)。

2.2 實(shí)例分析

2.2.1 確定招投標(biāo)管理問(wèn)題和風(fēng)險(xiǎn)測(cè)算指標(biāo)的權(quán)重

依據(jù)問(wèn)題和風(fēng)險(xiǎn)評(píng)估指標(biāo)的權(quán)重計(jì)算，能夠確定最終的修正賦權(quán)方案，具體的計(jì)算結(jié)果參見(jiàn)表3所示。

2.2.2 灰色關(guān)聯(lián)分析確定問(wèn)題及風(fēng)險(xiǎn)

設(shè)定母序列中所有招投標(biāo)風(fēng)險(xiǎn)偏向評(píng)價(jià)指數(shù)均為100，對(duì)35項(xiàng)政府投資建設(shè)項(xiàng)目招投標(biāo)事件進(jìn)行分析。利用Matlab程序計(jì)算各比較序列的灰色相關(guān)系數(shù)，并按其等級(jí)進(jìn)行排序，從而獲得35種情景下的問(wèn)題與風(fēng)險(xiǎn)的排行狀況，分析數(shù)據(jù)見(jiàn)表4所示。

由表4可以看出，排列越靠前，則與參考數(shù)列的相似度越高，代表風(fēng)險(xiǎn)概率越大。實(shí)際案例中存在的風(fēng)險(xiǎn)因素與數(shù)據(jù)的灰色關(guān)聯(lián)度，存在線性關(guān)系，風(fēng)險(xiǎn)因素的測(cè)算結(jié)果隨其相似度的增加而逐漸升高，將灰色關(guān)聯(lián)度應(yīng)用于招投標(biāo)風(fēng)險(xiǎn)問(wèn)題測(cè)算可得到較好的評(píng)價(jià)效果。

2.2.3 K-means聚類(lèi)確定風(fēng)險(xiǎn)等級(jí)及閾值

把上述算出的灰色相關(guān)性的數(shù)據(jù)，當(dāng)作K-means聚類(lèi)的參考標(biāo)準(zhǔn)，然后利用SPSS的數(shù)據(jù)分組工具執(zhí)行。不斷重復(fù)此步驟后，可以成功地將問(wèn)題和潛在的風(fēng)險(xiǎn)劃定為三個(gè)層次。依據(jù)樣品與對(duì)應(yīng)聚類(lèi)中心之間的距離，將其轉(zhuǎn)換為相應(yīng)的級(jí)別數(shù)值區(qū)間，風(fēng)險(xiǎn)等級(jí)及閾值如表5所示：

表4 灰色關(guān)聯(lián)度排序

排名 灰色關(guān)聯(lián)度 案例

1 0.877 9 32

2 0.866 1 7

... ... ...

34 0.741 1 23

35 0.738 0 16

表5 問(wèn)題及風(fēng)險(xiǎn)結(jié)果

序號(hào) 風(fēng)險(xiǎn)級(jí)別 結(jié)果評(píng)級(jí)數(shù)值

1 低級(jí)風(fēng)險(xiǎn) （0，0.699 82）

2 中級(jí)風(fēng)險(xiǎn) （0.699 82，0.807 99）

3 高級(jí)風(fēng)險(xiǎn) （0.807 99，1）

2.2.4 測(cè)算模型預(yù)測(cè)結(jié)果

該研究致力于確定最優(yōu)的處罰參數(shù)和核心參數(shù)，利用訓(xùn)練數(shù)據(jù)構(gòu)建并優(yōu)化以支持向量機(jī)為基礎(chǔ)的問(wèn)題解決和風(fēng)險(xiǎn)評(píng)估模型，然后把訓(xùn)練好的模型直接運(yùn)用到測(cè)試數(shù)據(jù)中。依據(jù)對(duì)測(cè)試數(shù)據(jù)的預(yù)測(cè)成果，可以得出此模型的預(yù)估精準(zhǔn)度達(dá)到72.207%，具體見(jiàn)圖3所示。將這些預(yù)測(cè)數(shù)值與其相應(yīng)的偏好級(jí)別進(jìn)行對(duì)照，發(fā)現(xiàn)在案例1、3、4、5、7、9、12和13上存在錯(cuò)誤判斷的情況，其準(zhǔn)確率僅有61.538%，這表明使用支持向量機(jī)的招投標(biāo)問(wèn)題及其風(fēng)險(xiǎn)評(píng)估模型并不完美，因此仍需對(duì)其進(jìn)一步完善。

圖3 支持向量機(jī)測(cè)試集實(shí)際與預(yù)測(cè)對(duì)比

把35個(gè)招標(biāo)投標(biāo)實(shí)例的風(fēng)險(xiǎn)評(píng)估矩陣當(dāng)作輸入數(shù)據(jù)，然后利用Matlab軟件進(jìn)行處理，并分析這30組訓(xùn)練樣本和13份測(cè)試樣品。經(jīng)過(guò)優(yōu)化后，問(wèn)題解決和風(fēng)險(xiǎn)度量模型達(dá)到了86.803%的精確度，如圖4所示，其預(yù)測(cè)結(jié)果與真實(shí)情況的相符程度較高。通過(guò)比較測(cè)試樣本中預(yù)測(cè)數(shù)值與其相應(yīng)的級(jí)別分類(lèi)，可以看到僅有案例2存在錯(cuò)誤識(shí)別的情況，且該系統(tǒng)的準(zhǔn)確率達(dá)到92.308%，表現(xiàn)出良好的預(yù)測(cè)能力。

圖4 粒子群優(yōu)化的支持向量機(jī)測(cè)試集的實(shí)際與預(yù)測(cè)對(duì)比

3 結(jié)論

該文根據(jù)當(dāng)前公路工程項(xiàng)目招投標(biāo)管理的問(wèn)題及風(fēng)險(xiǎn)，構(gòu)建了評(píng)估系統(tǒng)，運(yùn)用了灰度相關(guān)性和K-means聚類(lèi)技術(shù)識(shí)別問(wèn)題的嚴(yán)重程度、級(jí)別以及相應(yīng)的警戒線。最終，利用機(jī)器學(xué)習(xí)方法創(chuàng)建了專(zhuān)門(mén)用來(lái)測(cè)算招標(biāo)與投標(biāo)過(guò)程中的問(wèn)題和風(fēng)險(xiǎn)的預(yù)測(cè)模型，主要得到以下結(jié)論：

（1）利用基于粒子群優(yōu)化的支持向量機(jī)自動(dòng)計(jì)算模型，可以迅速且精確地對(duì)招投標(biāo)事件進(jìn)行問(wèn)題、風(fēng)險(xiǎn)和等級(jí)的測(cè)算，其預(yù)測(cè)準(zhǔn)確度大幅提升，在招投標(biāo)問(wèn)題、風(fēng)險(xiǎn)及等級(jí)測(cè)算的研究領(lǐng)域具有創(chuàng)新性。

（2）模型能夠全面、精確地考慮招投標(biāo)過(guò)程中的各種因素，從而對(duì)問(wèn)題和風(fēng)險(xiǎn)進(jìn)行測(cè)算。它可以有效地識(shí)別招投標(biāo)中的風(fēng)險(xiǎn)行為，提升政府的管理能力和水平，并迅速采取應(yīng)對(duì)措施以減少風(fēng)險(xiǎn)行為。

（3）進(jìn)行實(shí)際公路工程招投標(biāo)操作過(guò)程中，應(yīng)從招標(biāo)文件和招標(biāo)參與人等方面建立風(fēng)險(xiǎn)指標(biāo)，采用支持向量機(jī)建立預(yù)測(cè)模型，可以很好地降低公路工程招投標(biāo)風(fēng)險(xiǎn)因素的影響程度。

參考文獻(xiàn)

[1]張明. 公路工程招投標(biāo)管理中的問(wèn)題與對(duì)策研究[J]. 中國(guó)公路， 2020（7）： 107-109.

[2]王曉燕. 公路工程招投標(biāo)中的風(fēng)險(xiǎn)分析與防范對(duì)策[J]. 交通世界， 2021（1）： 18-19.

[3]李偉. 公路工程招投標(biāo)中的問(wèn)題與對(duì)策探討[J]. 交通建設(shè)與管理， 2021（2）： 42-44.

[4]劉彥. 公路工程招投標(biāo)管理工作的問(wèn)題及對(duì)策[J]. 交通企業(yè)管理， 2022（3）： 76-78.

[5]陳志強(qiáng). 公路工程招投標(biāo)中的風(fēng)險(xiǎn)分析[J]. 交通世界， 2023（1）： 34-36.