基于风险交互网络模型的项目风险仿真评估

黄鹏 狄鹏 邵帅

摘要：项目运行过程中的不确定性越来越高，风险之间出现了多种多样的交互作用，为更加高效准确地评估风险，通过建立风险交互网络模型，评估风险交互强度并将风险分为常数、吸收器、载体和倍增器四类;然后以Anylogic软件为仿真平台，对风险发生概率进行建模仿真，从三个角度：①风险独立;②风险受“上游”风险影响;③风险影响“下游”风险，分别对风险进行评估，通过分析初始风险值、局部风险值和全局风险值之间的关联和区别，确定项目风险重点控制范围。最后通过某建筑工程项目为算例，验证该模型的适用性及有效性。

Abstract： Uncertainties in the operation of the project are getting higher and higher， and there are various interactions between risks. In order to assess risks more efficiently and accurately， risk interaction strength is assessed by establishing a risk interaction network model and the risks are divided into four categories： constants， absorbers， carriers and multipliers. Then use Anylogic software as the simulation platform to model and simulate the risk occurrence probability. Risks are assessed from three perspectives： ①Risk independence， ②Risk is affected by "upstream" risk， ③Risk impact "downstream" risk. The project risk control scope is determined by analyzing the correlation and difference between the initial risk value， the local risk value and the global risk value. Finally， a construction project as example to verify the applicability and validity of the model.

关键词：多智能体;建模仿真;交互作用;风险评估

Key words： multi-agent;modeling simulation;interaction;risk assessment

中图分类号：TU71                                         文献标识码：A                                  文章编号：1006-4311（2018）34-0026-07

0  引言

在项目的风险管理过程中，由于项目日益复杂以及风险识别手段单一，导致项目风险越来越难以保持其独立性，风险之间出现了多种多样的关联关系[1-4]，这种关联关系导致了一个风险之间存在交互作用的风险网络。在该风险交互网络中，某风险的发生可能会受到“上游”风险发生的影响（因），也可能会对“下游”风险的发生造成影响（果）。

风险交互作用对风险管理甚至对项目带来的影响越来越受到国内研究者的重视。譬如王重阳[5]等人针对区间形态的交互效应多项目组合风险优化问题进行了研究，运用复杂网络统计特征分析了多项目组合中各项目的重要性及在组合网络中的地位，构建了交互效应下区间型多项目组合风险优化模型。王敏[6]构建了三类项目组合风险系统模型：①具有阶段结构及稀疏效应的单项目风险模型;②交互效应下具有阶段结构及稀疏效应的两项目组合风险模型;③基于交互效应的三项目组合风险模型。陶莎[7]等人研究了带有不确定项目收益交互和资源交互作用的项目组合选择问题，建立了鲁棒性可调节的鲁棒优化模型，适用于不同风险偏好的决策者。

也有文献使用仿真模拟方法进行风险评价方面的研究，于伟杰[8]等利用RBF神经网络的无线逼近能力和快速收敛的特点，建立了新型建筑工程风险评价模型，运用MATLAB仿真方法评估了建筑工程项目安全风险。王春雪[9]为研究城市燃气管道泄漏风险，构建了城市燃气管道泄漏风险系统动力学模型，运用系统动力学仿真分析了泄漏风险影响因子间的因果关系及变量方程。刘秦南[10]为提高对PPP項目运营阶段的风险控制与管理，提出了基于系统动力学分析PPP项目运营风险演化动态分析方法，通过仿真模拟分析了PPP项目在运营阶段各个风险指标熵值的变化趋势。

上述文献较多地研究了多项目组合之间的风险交互影响，而对于项目内的风险“因—果”关系的复杂交互研究较少，而且MATLAB和系统动力学仿真方法[11-16]不能准确模拟风险交互网络中的链式交互现象。本文通过设计风险交互矩阵，建立风险交互网络模型，通过专家评估得到风险交互强度，并将风险分为常数、吸收器、载体和倍增器四类;然后以Anylogic软件为平台建立仿真模型，对风险交互作用及其传播现象进行仿真，得到风险发生概率，分析风险交互作用对风险发生概率的影响程度和在交互作用下某风险对项目的累积影响程度。通过仿真分析，可为风险管理者进一步确定风险控制重点及制定风险响应措施提供决策依据。

1  风险交互网络模型及仿真

风险交互网络模型可以识别风险之间的交互作用，通过仿真模型演示风险的传播行为（在风险交互网络中一个风险引发另一个风险），得到交互作用下的风险排序，然后进一步分析在这种作用下某风险对项目的累积影响程度。

1.1 建立风险交互网络模型

建立风险交互网络模型关键在于对风险交互关系的识别。通过设计风险交互矩阵[17-19]，由专家根据经验或专业知识识别风险交互关系并评估交互强度，得到风险交互网络和风险交互矩阵，分别如图1和图2所示。

当风险Rj的发生会影响Ri的发生概率时，即在它们之间存在交互作用关系，在模型中表示为Rj到Ri的指向关系，如图1风险交互网络中节点及箭线所示：R1的发生会影响R3的发生;而R3的发生又会影响到R2和R4的发生。在上述风险链路中，R1为R3的“上游”风险，R2和R4为R3的“下游”风险。图2风险交互矩阵中元素大小表示风险交互强度，即风险Rj发生后触发Ri发生的概率，记为TPij。风险交互强度不同于自发概率，譬如在图2中，风险R5只以其自发概率发生;风险R4的实际发生概率则为自发概率和来自R5的风险交互强度的综合。风险在交互作用影响下的发生概率在下文第1.3.1节将作具体说明。

1.2 风险分类

通过风险交互强度分析，风险之间虽然存在交互作用，但其特性并不相同，本文在Eckert[20]等人对风险分类的基础上进行了进一步改进，在考虑交互作用的情况下对项目风险进行分类。

考虑比较复杂的交互作用情况，风险Ri既受到多个“上游”风险的影响，同时又会影响“下游”风险的发生，他们之间的交互强度评估结果均为0～1之间的数值。将风险Ri所有“上游”、“下游”风险交互强度分别加和，即可得到风险Ri的“上游”、“下游”交互程度，分别记为？姿iu和？姿id。

将风险源分为以下四类：

①常数：它们不受其他风险源或外部环境的影响，同时也不会导致其他风险源的变化。

②吸收器：它们在风险网络中受到较多“上游”风险源的影响，而不会或较少地引起“下游”风险源的变化。若对于风险Ri，有？姿iu？叟？姿id+0.5，则风险源Ri为吸收器型风险源。

③载体：它们在风险网络中不会增加交互强度，只是将自身受到的影响进行传递。若对于风险Ri，有？姿id-0.5<？姿iu<？姿id+0.5，则风险源Ri为载体型风险源。

④倍增器：它们在风险网络中对“下游”风险源的影响远大于自身受到其“上游”风险源的影响，若对于风险Ri，有，则风险源Ri为倍增器型风险源。

1.3 风险交互仿真

风险网络中交互行为的作用很难量化计算，且在投资高、周期长等项目背景下，对具体项目试验性的研究不太现实。通过仿真技术可以模拟项目运行，本文利用Anylogic软件仿真风险的交互作用，然后从三个角度对风险进行评估。

1.3.1 风险发生概率

①在仿真时，若风险Ri只受到1个“上游”风险Rj的影响时，即Rj→Ri，风险Ri的发生概率可用公式（1）表示。

SPi表示风险Ri的发生概率;Pi表示风险Ri的自发概率;TPij表示风险Ri受到其“上游”风险Rj的交互强度。

SPi表示风险Ri的发生概率;SPj表示风险Ri的“上游”风险Rj的发生概率;表示风险Ri所有“上游”风险Rj的发生概率之和。此时SPi的值不再介于0到1，而有可能SPi？叟1，当SPi？叟1时则表示风险Ri必然发生，本文对SPi取值最大为1。

1.3.2 初始风险值

风险Ri的风险值为Ri的发生概率和Ri对项目影响程度的综合，用于评估风险[21]，本文定义为两者的乘积。

在风险Ri相对独立，不考虑风险之间交互作用时，Ri的風险值定义为初始风险值，可用公式（3）表示。

Oi为风险Ri的初始风险值，Pi为风险Ri的自发概率，Ci为风险Ri对项目的影响程度，Pi和Ci均可由专家调查、查询历史资料等方法得出。

1.3.3 局部风险值

在考虑风险之间交互作用时，风险Ri在风险网络中受到“上游”风险影响，在节点Ri处的作用结果，定义为风险Ri的局部风险值，可用公式（4）表示。

SOi为风险Ri的局部风险值。

1.3.4 全局风险值

为分析风险Ri交互作用的传播影响后果，可设置风险Ri的自发概率为1而所有其他风险的自发概率都是0，此时风险网络对项目的全部影响均由风险Ri以及Ri的交互作用在网络中传播所造成，故可将这种情况下风险网络的全部风险值之和定义为风险Ri的全局风险值，可由公式（5）表示。

通过对初始风险值、局部风险值和全局风险值的排序进行分析，可帮助管理者确定项目风险重点控制范围。

2  实例分析

某建筑工程项目，框架剪力墙结构，共15层，设计层高3.6m，总建筑面积25000m2，预算5000万元，计划工期300日历天。首先分析相似建设项目可能存在的风险，然后通过研读文献、查阅相关法律标准、与有实践经验的专家交流等多种方法，构建本工程项目的初始风险清单，共包含30项风险因素，包括社会风险、经济风险、自然风险、技术风险、公共关系风险、组织管理风险5类。如表1所示。

2.1 风险网络建模

运用本文第1.1节所述方法建立风险交互网络模型，得到风险交互矩阵，如图3所示。

根据第1.2节中的风险分类原则，将风险分为常数、吸收器、载体和倍增器4类，如图4所示。

2.2 风险交互仿真

在仿真中不仅要模拟单个风险的发生，且要考虑风险交互情况，因此仿真模型需要考虑风险单元、风险状态以及风险网络等要素。

2.2.1 风险交互仿真模型要素

①风险单元。

在仿真模型中，最基础的部件就是风险单元，Anylogic软件中使用智能体定义，如图5所示。

在图5所示的风险单元中，Ri为风险序号;P为风险发生概率;n为该风险受到“上游”风险影响的数量，一次仿真结束后可以通过n来观察某一风险所受“上游”风险影响的具体数量，以验证风险交互关系的存在;左侧点为“上游”风险接入点;右侧点为“下游”风险接入点。

②风险状态。

风险状态图反映了风险从“待发生”到“发生”或“未发生”的运行机制，如图6所示。

在图6中，在设计风险状态时，风险Ri从“待发生”开始，存在两种情况：一是当该风险不受“上游”风险影响时，若时间超过预设值（可以为一天，一月等，为了缩短仿真时间，这里设置为1秒），该风险将以自发概率发生，定义为风险发生超时变迁。二是当该风险受“上游”风险影响时，此时又存在两种情况：A“上游”风险已经发生，交互影响关系存续，该风险将以发生概率发生，定义为风险发生条件变迁;B“上游”风险未发生，交互影响关系中断，则该风险将以自发概率发生，风险亦发生超时变迁。而不论风险Ri以哪种概率发生，最终状态均为“发生”或“未发生”两种，并将最终状态信息发送至“下游”风险。

③风险交互网络图。

根据已有的风险交互关系，将风险连接为风险网络，每个风险在该网络中均担任着“上游”或“下游”风险的角色，如图7所示。

2.2.2 风险交互仿真

风险对项目的影响后果集中于经济损失和工期损失两方面：经济损失为风险的发生使得项目实际费用超出计划费用的金额;进度损失为风险的发生使得项目工期拖延而超出計划工期的天数。由于风险值定义为风险概率和风险对项目影响的乘积，为方便风险值计算，需要对项目所受影响的严重程度进行赋值，赋值标准如表2所示。

仿真次数从10次开始逐渐增加，记录运行过程中发生的每一个风险，发现在8000次仿真后，风险发生概率值以及影响后果值均趋于稳定，表3和图8所示。

这里采用了10000次仿真以方便计算。经过仿真后，依据第1.2节所述方法，得到各风险的模拟概率、模拟风险值以及传递风险值，如表3所示。

2.3 确定风险排序

初始风险值、局部风险值和全局风险值结果如表4所示。

仿真之后，在考虑不同风险排序时，大部分风险排序在初始风险值、局部风险值或全局风险值方面均有升降变化，如图9、图10所示。

例如，R30结合图3和表3可以看到，R30受到“上游”风险R18、R23和R25的影响，但无“下游”风险受其影响，这种交互作用在R30处进行了累积，并不向“下游”传播，其自发概率为0.1317，但发生概率高达0.448，在表4风险排序中表现为：由在初始风险排序的第12位上升至在局部风险值排序的第3位，其全局风险值排序并不靠前，为第17位。

在风险值上也存在变化。譬如R19和R30的初始风险值相差0.087，但它们的局部风险值却相差1.94，排名差距拉大;而R11和R15则正好相反，它们初始风险值相差较大，局部风险值反而更接近。全局风险值也有相似的例子，如R12和R18。

风险R23在初始风险值和局部风险值排序中均较后，但在全局风险值指标下，排序跃升至第3位，结合图3和表2分析，其“下游”风险中含有R30这类对项目影响程度比较严重的风险，增大了其本身的潜在影响，导致在反映风险交互作用传播的全局风险值排序中，其排序跃升幅度很大。而R9则是相反的例子，虽然受其影响的“下游”风险很多，但它们对项目的影响程度不大，导致在全局风险指标的排序中，R9排名上升但并不靠前。

在考虑了风险交互影响之后的风险排序可以帮助管理者识别重要风险或者缩小重点风险管控范围，譬如受“上游”风险交互作用影响较大的R30。还有特别值得管理者注意的风险，如R21、R23这类初始风险值及局部风险值不大，但全局风险值增加很大的风险，易被忽视，若在实际项目中未对其进行控制，可能对项目造成极大影响，或者在项目已遭受损失时，管理者在复杂的交互关系中难以查找出项目的损失原因。

3  结论

本文通过风险交互网络模型识别了风险交互关系、评估了风险交互强度，然后通过Anylogic软件搭建仿真模型，仿真风险交互作用风险网络中的传播，从初始风险值、局部风险值和全局风险值三个角度对风险进行评估，对现有文献中的风险评估方法是种更为全面的补充，为项目风险管理尤其是风险评估方面提供了新思路。同时，基于本文仿真分析结果发现，在项目中识别重点关注和控制的风险范围时，不能只停留在发生概率比较大的风险上，那些初始风险值及局部风险值不大，但全局风险值增加很大、处于风险网络“上游”的风险需要管理者予以重视。

参考文献：

[1]曹吉鸣，申良法，彭为，马腾.风险链视角下建设项目进度风险评估[J].同济大学学报（自然科学版），2015，43（03）：468-474.

[2]. Cooperation of agents in complex systems based on supervision [J]. Cybernetics and Information Technologies， 2014， 14（1）： 40-51.

[3]Hiroaki H， Yoshiyasu T. Dynamical process of complex systems and fractional differential equations [J]. Central European Journal of Physics，2013， 11（10）： 1238-1245.

[4]Domingues Maria S. Q， Baptista Adelina L. F， Diogo Miguel T. Engineering complex systems applied to risk management in the mining industry [J]. International Journal of Mining Science and Technology， 2017， 27（4）： 611-616.

[5]王重阳，鄭唯唯，刘晨.基于复杂网络的交互效应下多项目组合风险优化研究[J].陕西科技大学学报（自然科学版），2016，34（04）：187-192.

[6]王敏.基于交互效应的项目组合风险模型研究[D].西安工程大学，2016.

[7]陶莎，盛昭瀚，朱建波.交互作用不确定下的项目组合选择鲁棒决策[J].中国管理科学，2017，25（04）：190-196.

[8]于伟杰，陈大伟.以AHP-RBFNN评估建筑工程项目的风险[J].安全，2018，39（01）：8-11.

[9]王春雪.城市燃气管道泄漏风险系统动力学仿真分析[J].消防科学与技术，2017，36（09）：1287-1291.

[10]刘秦南，王艳伟，姚明来，李靖.基于系统动力学的PPP项目运营风险演化与仿真研究[J].工程管理学报，2017，31（05）：57-61.

[11]Ximei Liu，Ming Zeng. Renewable energy investment risk evaluation model based on system dynamics[J]. Renewable and Sustainable Energy Reviews，2017，73.

[12]李存斌，陆龚曙.工程项目风险元传递的系统动力学模型[J].系统工程理论与实践，2012，32（12）：2731-2739.

[13]江新，吴园莉，徐平，张巍.工程项目群施工风险演化的SD模型研究[J].中国安全科学学报，2015，25（06）：155-161.

[14]Emmanuel Garbolino， Jean‐Pierre Chery，Franck Guarnieri. A Simplified Approach to Risk Assessment Based on System Dynamics： An Industrial Case Study[J]. Risk Analysis，2016，36（1）.

[15]冯民权，张园园.基于MATLAB的贝叶斯网络供水工程水质风险分析[J].黑龙江大学工程学报，2015，6（01）：5-11.

[16]Xuemei Zhang，Li Yang. Improving SVM through a Risk Decision Rule Running on MATLAB[J]. Journal of Software，2012，7（10）.

[17]Issam M. S， Mohamed-Asem U. A， Ali A. Y. A methodology for scheduling overlapped design activities based on dependency information [J]. Automation in Construction， 2013， 29： 1-11.

[18]Thanh C. N， Yao J. Modeling the Collaborative Design of the Automotive Powertrain System Based on the Design Structure Matrix [J]. Applied Mechanics and Materials， 2015， 4113（789）.

[19]Diagne S， Coulibaly A. Complex product modeling based on a Multi-solution eXtended Conceptual Design Semantic Matrix for behavioral performance assessment[J]. Computers in Industry，2016，75： 101-115.

[20]Eckert C， Clarkson P. J， Zanker W. Change and customisation in complex engineering domains [J]. 2004， 15（1）： 1-21.

[21]Mariusz Zieja， Henryk Smolinski，Pawel Golda. Qualitative and Quantitave Risk Evaluation on the Basis of Military Aviation Event Analysis[J]. Research Works of Air Force Institute of Technology，2016，38（1）.