基于GRA-SPA的城市地下综合管廊PPP项目风险评价研究

王建波，有维宝，刘芳梦，张 薇，杨迪瀛

(青岛理工大学管理工程学院，山东 青岛 266520)

0 引言

随着我国城镇化持续推进，现有基础设施已无法满足城市发展需求，“马路拉链”“城市看海”等现象频繁发生。地下综合管廊是指城市地下用于集中敷设电力、通信、给水和热力等市政管线的公共隧道[1]，成为解决上述问题的有效途径。然而由于政府部门无法弥补国内各大城市管廊建设的庞大资金缺口，导致综合管廊在我国发展相对滞后，将PPP(public-private-partnership,PPP)模式引入到管廊项目建设能有效缓解政府的财政压力，但综合管廊PPP项目涉及参与方众多，各利益相关者参与项目的目标存在差异，增加了管理上协调的难度，并且项目建设周期长，不确定因素大量存在，需要对其进行系统科学的风险识别与评价以保证项目成功。

国内外学者对综合管廊及PPP项目风险进行了大量研究。在风险识别方面，Darrin[2]以苏格兰管廊PPP项目为例识别出9大类关键风险因素，证明政策变动风险对项目成败有更强的敏感性；针对不同地区，Hwang等[3]通过研究11个新加坡PPP项目成功案例得出影响项目成败的主要风险因素；文献[4-5]借助HHM法识别管廊PPP项目全生命周期风险，并分析出风险因素间的直接与间接关系；庄文静[6]在识别出全生命周期风险指标基础上运用因子分析法筛选出17项关键风险因素。在风险评价方面，Ernest Effah Ameyaw等[7]采用德尔菲法识别PPP项目风险因素，并基于专家经验定性评价项目风险水平；国内众学者构造不同数学模型对项目风险进行评价，侧重点有所不同，周鲜华等[8]依托ISM-MICMAC理论构建管廊PPP项目风险评价模型，重点得出各风险因素间存在的递进关系；李强等[9]利用层次分析法评价PPP项目各级风险指标，重点对关键风险承担主体进行划分；苏海红等[10]借助属性测度相关理论建立PPP项目风险评价模型，重点运用实例验证模型合理性；王晓改[11]运用AHP-模糊综合评价模型对管廊PPP项目进行风险评价，重点针对关键风险提出应对措施。

上述文献从指标因素[2-7]、权重确定[9,11]及模型构建[8,10-11]等不同角度丰富了PPP项目风险评价的研究内容，目前仍存在以下不足之处：针对PPP模式的研究较为广泛，但国内专门针对综合管廊领域的PPP项目风险研究相对缺乏；风险评价一般会建立庞大的指标体系，导致存在大量冗余指标对评价结果的准确性产生影响；现有评价模型未能有效预测风险未来的发展趋势。本文与文献[12]均对基础设施项目引入PPP模式可能产生的风险进行研究，评判项目风险状况，文献[12]着重研究城市轨道交通领域，而本文重点探讨国家近期大力扶持的城市地下综合管廊项目，由于研究领域不同导致风险方面存在较大差异，无法将文献[12]的研究结果直接用于管廊项目，需针对各领域风险单独探讨，本文在文献[12]基础上借助PCA法对初始风险因素降维处理，通过因素间的线性组合解决指标冗余问题，将集对分析理论应用于风险评价中，统筹考虑同、异、反3种特性，结合灰色关联分析量化差异度系数i值，衡量风险因素间的关联程度，进而预测风险未来的发展趋势；为避免指标权重计算过于繁琐，本文采用简便的C-OWA算子完成评价指标赋权，保证评价结果客观、全面的同时，减小权重计算量。以期通过本文研究给政府部门提供投资决策的依据，同时为综合管廊PPP项目风险评价提供一种新的思路。

1 综合管廊PPP项目风险评价指标体系的构建

1.1 确定初始风险清单

风险识别的准确性高低决定了风险评价结果的可靠性，常用的风险识别方法包括头脑风暴法、德尔菲法、核对表法、流程图法及故障分析法等。针对综合管廊PPP项目，相比于其他方法，德尔菲法具有以下优势：专家选择较有针对性，对风险因素判断准确性较高；在风险识别过程中可评估出每项风险发生的可能性和对项目的影响程度，研究周期相对较短；有较为坚实的理论和实践基础，应用广泛且频率很高，能最大程度保证风险识别的科学性和实用性，综合以上考虑，并结合管廊项目的特点，本文选择德尔菲法识别管廊PPP项目的风险因素。

德尔菲法调研流程：首先，编制初始调查问卷，并附上相关工程项目背景资料等；其次，选择20位在工程项目管理及综合管廊PPP项目方面有着丰富经验或研究经历的专家，组成专家小组，专家组成员背景信息如表1所示；最后，与所有专家建立直接函询关系，发放第1轮调研问卷，对结果统计、汇总，并将汇总结果附于第2轮调查问卷上再次向专家发放。通过4轮德尔菲调研结果的统计分析，得到项目初始风险要素清单，如表2所示。

表2 城市地下综合管廊PPP项目初始风险要素清单Table 2 List of initial risk factors for urban underground utility tunnel PPP project

1.2 数据收集与处理

本文采用PCA对25个风险要素指标降维处理，以保证指标的有效性。PCA的核心思想是将高维数据转化为一组维数降低、互不相关的数据，实现数据的降维并消除相关性[12]。

首先，鉴于综合管廊PPP项目风险错综复杂等特点，参考文献[13]将各风险因素对项目的影响程度划分为很低、较低、中等、较高和很高5个级别，并以10分制进行评分，具体评分标准如表3所示。

表3 指标因素影响程度评分标准Table 3 Grading standards for influencing degree of index factors

其次，采用问卷调查的方式向40位综合管廊及PPP项目管理研究的相关专家进行咨询，40位专家中包含采用德尔菲法时所邀请过的20位专家小组成员，具体专家背景信息如表4所示。回收并筛选出35份有效问卷，整理出风险评价矩阵，并借助SPSS 20.0软件进行处理，得到矩阵的特征值、方差贡献率及累计贡献率，如表5所示。

表5 解释的总方差Table 5 Total variance of interpretation

1.3 提取主成分及数据分析

按照特征值大于1的原则提取主成分个数g=9，通过表5可得此时方差累计贡献率达到82.450%，表明提取的主成分能够基本反映指标的全部信息，主成分可表示为Yg=ug1t1+ug2t2+…+ug30t30(其中，t为构成主成分的指标要素，u为相关特征向量值)。通过SPSS 20.0软件得到各主成分的特征向量，如表6所示。

指标因素系数的数值反映对主成分的影响程度，数值越大即影响程度越大，因此本文选择系数数值较大的指标要素作为构成主成分的主要指标，如主成分Y1对应的线性系数u1栏中“公众反对风险Z6、施工安全Z14、项目工期延误Z18”指标要素的系数绝对值较大，分别为0.393、0.385、0.401，因此选择以上指标要素表示Y1的主要成分，而上述指标综合反映项目建设环境及完工风险。同理可得出其他主成分的主要构成要素，及反映的相关内容：Y2主要由Z8、Z15、Z17、Z21表示，反映建设期间风险及项目所受环境的影响；Y3主要由Z1、Z2、Z3、Z4表示，反映金融环境及法规制度风险；Y4主要由Z4、Z22表示，反映项目运营期间风险及法规政策影响；Y5主要由Z11、Z12、Z13、Z20、Z23表示，反映项目前期准备及运营期间风险；Y6主要由Z9、Z10、Z17表示，反映项目前期准备及建设期间风险；Y7主要由Z1、Z6、Z16、Z21表示，反映环境影响及工程建设质量风险；Y8主要由Z5、Z12、Z23表示，反映项目前期准备及运营期间风险；Y9主要由Z4、Z13、Z15、Z18、Z25表示，反映项目前期准备、法规制度及建设期间风险。

表6 各主成分对应的特征向量Table 6 Eigenvectors corresponding to principal components

1.4 建立风险评价指标体系

对上述主要成分进行整理重组，其中Y5、Y6、Y8、Y9均反映建设前期风险，可将其作为指标A1；Y1、Y2、Y6、Y7、Y8、Y9均反映建设阶段风险，将其作为指标A2；Y4、Y5、Y8均反映运营阶段风险，将其作为指标A3；Y1、Y2、Y3、Y4、Y7、Y9均包含环境及其他方面风险，将其作为指标A4。在上述划分基础上参考以往相关研究文献[4、6-7、14-15]，并结合综合管廊PPP项目特点，建立了涵盖4个一级指标、15个二级指标的风险评价指标体系，如图1所示。

2 综合管廊PPP项目风险评价指标权重的确定

指标权重在风险评价中占据重要地位，以往研究常采用单一的AHP或熵权法进行指标赋权，忽略专家主观偏好的影响，导致评价结果具有片面性。本文采用基于组合数的有序加权平均C-OWA算子确定指标权重值。OWA算子由Yager教授提出，经过不断改进所形成的C-OWA算子在指标赋权中广泛应用，该算子将专家所赋权重与组合数相结合，实现对评价指标的科学加权[16]。具体指标权重计算步骤如下：

1)邀请5位相关领域专家采用十分制打分法对上述指标按重要程度进行评判，专家的单位性质、学历、职称及工作经验等具体情况如表7所示。选取以上专家的主要原因是综合管廊PPP项目涉及众多领域，各位专家对管廊项目了解的侧重点存在差异，本文尽可能选取各领域代表专家保证评判的有效性，如施工单位管理负责人对分部、分项施工技术要求、施工方法等最为熟悉，而大学教授研究了大量成功工程项目，具有丰富理论经验等。通过专家打分构成指标的原始集合用E={e1,e2,…,e6}表示，将原始数据按照从大到小顺序进行排列，并从0开始编号，得到新数据集合，即D={d0,d1,…,d5}。

表7 专家背景介绍Table 7 Introduction of experts background

(1)

3)用上述权重ψn+1对数据集合D加权，得到评价指标的绝对权重

(2)

式中k表示评价指标个数。

4)计算评价指标的相对权重

(3)

3 构建灰色关联度的集对分析评价模型

3.1 集对分析的相关理论

中国学者赵克勤于1989年提出集对分析理论，该理论是把研究对象的所有联系因素看作一个不确定系统，从同一、差异、对立3个方面进行问题的定性与量化，利用联系度得出研究对象的特性，从而能够以定量的形式表示所研究对象的特征，并能反映其变化趋势[17]。采用集对分析理论对综合管廊PPP项目进行风险评价，有效解决各指标因素的不确定性问题，并可以较好地预测风险发展趋势。

集对分析主要借助联系度表示，在某个具体问题W背景下，设集对H由集合T和集合M组成，记为H(T,M)，对集对H中所有特性进行同一性、差异性及对立性分析，分析后得N种特性，其中集合T、M共有特性S个；集合T、M对立的特性有P个；两者既不对立也不同一的特性有F=N-S-P(个)。并称比值：S/N为这2个集合在问题W下的同一度，简记为a；F/N为这2个集合在问题W下的差异度，简记为b；P/N为这2个集合在问题W下的对立度，简记为c。在不考虑各特性权重的情况下，集对H(T,M)的联系度

式中：j为对立系数，规定一般取值为-1；i为差异度系数，取值区间为[-1,1]，当差异度中的特性越接近所属评价的等级时，i越接近于1，当差异度中的特性越偏离所属评价的等级时，i越接近于-1。

当考虑要素权重时，集对H(T,M)的联系度

(4)

由确定指标权重时邀请的5位管廊PPP项目领域专家再次对指标要素风险等级状况评分，借助式(4)可计算各评价集对的同一度、差异度及联系度，并通过下式确定整个PPP项目的风险评价结果。

(5)

式中Wm表示所选取专家权重值。

3.2 灰色关联度的确定

灰色关联分析是一种在“贫信息”情况研究不确定性问题的方法。该方法的基本思想是根据各比较数列集构成的曲线族与参考数列构成的曲线之间的几何相似程度来确定比较数列集与参考数列之间的关联度[18]，关联度越大即两者相似程度越高，具体灰色关联度的确定过程如下：

设评价对象有s个，评价指标有k个，则确定参考序列X0(y)与比较序列Xs(y)，两者在第y个评价指标因素上的相对差值

(6)

式中：ξ一般值为0.5；y=1,2,…,k。

由于各风险指标因素对项目影响程度不同，对绝对关联度进行加权平均计算

(7)

式中rs表示第s个评价对象对理想对象的灰色加权关联度。

3.3 基于灰色关联度的集对分析模型

集对分析理论主要是利用联系度来处理不确定性问题，联系度函数刻画集对内部集合之间的关系，当2个集合趋于相同，i的取值为大；当2个集合趋于相反，i的取值为小。根据这一标准，由a、b和c约束值综合决定差异度系数i。针对差异度系数i的取值问题目前并没有一个统一的标准，而灰色关联分析可在“贫信息”条件下，确定比较序列与参考序列间的关联程度，与集对分析中确定联系度的思路基本一致。因此，本文采用绝对关联度的概念将同一度a、差异度b和对立度c分为b、a和b、c2组，求出这2组之间绝对关联度的量化值，并将最大的绝对关联度值作为i的取值。此方法能较好地解决因样本容量小且线性关系不明显而难以分析的问题，也为差异度系数i的确定提供一种新的方法。模型的具体步骤如下：

1)确定集对H。按照集对的多种特性进行同一度、差异度和对立度分析，根据联系度函数表达式确定同一度a、差异度b和对立度c的量化值。

2)确定绝对关联度。将差异度数组b看作参考序列，同一度数组a与对立度数组c均为比较序列，借助灰色关联分析理论将a、b、c分为2组b、a和b、c，通过计算公式求出2组各自的灰色绝对关联度。

3)将2组灰色绝对关联度进行比较，确定数值较大者作为i的取值，即：

(8)

4)将确定的i值代入各联系度表达式中，计算出各联系度值μ，μ值越大表示2集对之间同一度越高，关系程度越密切。

4 实例分析

青岛高新区位于红岛与胶州湾南北毗邻处，是青岛市政府推进地区集群化发展的主干区域。高新区主管部门计划在本区域内建成约75 km的综合管廊，其中，东部及中部区域55 km管廊项目已建成运营，西部区域约20 km管廊还未施工建设，本文重点针对西部区域管廊项目进行了风险评估。建设前期阶段对西部区域现场情况进行了勘测和调研，发现市政管线已实施种类和规模均较少，且已损毁严重，亟需改善和梳理，但由于管廊建设投资巨大，高新区政府决定采用PPP模式进行建设。当地政府与中标的社会资本方签署有关特许权合约并组建项目公司，项目公司获得项目30年的特许经营权(不含建设期)，在特许经营期内，负责项目范围内全部工程的设计、投资、建设及运营，特许权合约到期后，无偿将地下综合管廊的所有权转让给青岛高新区政府。该项目由政府与社会资本方共同出资建设，总投资约74 000万元，其中，高新区政府出资22 200万元，中选的社会资本方共同出资51 800万元。在建设阶段由于西部区域原地貌为滨海浅滩，使得综合管廊基底多位于淤泥质土层，具有强度低、变形大的特点，且多以软塑为主，部分区域上层滞水丰富，给基坑开挖和施工造成较大困难。项目建成后主要敷设有电力电缆、通讯电缆、给水管道、热力管道及预留管道等，并配套照明、检测消防、通风等设施。运营阶段计划由项目公司或项目公司委托专业运营机构负责日常运营维护，由高新区公用事业服务中心代表高新区政府实施运营监管，主要采用特许经营类融资模式下的收费方式，即当入廊单位每年上缴的使用费低于项目公司的预期时，高区新政府对该部分损失给予社会资本方一定的财政补贴；当入廊单位每年上缴的使用费高于项目公司的预期时，超出部分形成利润，按合同约定比例在公共部门和社会资本方之间进行分摊。本文深入分析了该综合管廊PPP项目全生命周期，确定其面临的关键风险因素，并运用灰色关联度的集对分析模型评判了项目的风险等级。

4.1 引入C-OWA算子确定指标权重

采用PCA法对上述25个风险指标降维处理，借助C-OWA算子完成评价指标赋权，邀请5位相关专家对风险指标按重要程度以十分制度进行评分，以一级指标为例，具体打分情况如表8所示。

表8 一级评价指标评分表Table 8 Grade one evaluation indices

以“建设前期风险A1”指标为例进行计算，首先，将5位专家打分的原始数据从大到小进行排列，得到新的数据集合D={7,6.5,6,6,5.5}；其次，由式(1)得到各数据权重ψ=(0.062 5,0.25,0.375,0.25,0.062 5)，利用式(2)得到评价指标的绝对权重

q1=(7,6.5,6,6,5.5)(0.062 5,0.25,0.375,0.25,0.062 5)T=6.156 3；

同理可得q2=8.843 8,q3=7.968 8,q4=7.125 0。最后利用式(3)计算可得指标的相对权重w=(0.204 6,0.293 9,0.264 8,0.236 7)，类似地可求出其他指标权重值。

4.2 综合管廊PPP项目的风险评价

1)结合青岛高新区综合管廊项目特点，参考文献[19]确定该项目的风险等级评价标准，如表9所示。邀请5位相关领域专家以表9为评价标准对指标要素风险状况进行评判，本文考虑了每个专家权重值，并根据所选取的专家情况给出相应权重分配标准，如表10所示，各位专家权重值如表11所示，各评价指标具体评分结果如表12所示。

表9 风险等级评判标准表Table 9 Standards for risk grade evaluation

表10 专家人员权重分配标准Table 10 Weight distribution standards for experts

表11 专家人员权重值Table 11 Experts weight values

2)将专家评价值与风险等级标准分别建立集对。鉴于上述5个风险等级，设定若评价值位于风险等级范围内则属于同一度a，评价值位于相邻风险等级范围内则属于差异度b，评价值位于相隔的风险等级范围内则属于对立度c，以专家U1与风险等级标准V1为例，计算此集对H(U1，V1)的绝对关联度。

首先，确定属于同一度a的风险评价指标，即指标评分值位于(0,60]范围内，对照表9得出仅A42指标符合要求，利用式(4)可计算xa=0.086 6，同理xb=0.089 2，xc=0.824 2；其次，以xb为参考序列，xa与xc均为比较序列，求出Δba=0.002 6、Δbc=0.735 0；最后，借助式(6)确定ξba=1及ξbc=0.376 9。类似地可计算出其他集对的绝对关联度，如表13所示。

表12 风险指标评分表Table 12 Risk index scoring

表13 绝对关联度计算结果Table 13 Calculation results of absolute correlation degree

3)根据表13计算结果，结合式(7)，得出绝对关联度rba=0.635 6，rbc=0.623 7，由于rba>rbc利用式(8)得差异度系数i=0.635 6，并将其值带入到表13的各联系式中，计算出专家评价值与风险等级的联系度，考虑各位专家权重，利用式(5)得出综合评价结果，具体情况见表14。

根据表14结果0.445 4>0.425 9>0.026 0>-0.299 1>-0.668 5可以看出，与其他风险等级相比，V3的综合联系度最大，在风险等级评判标准表中V3代表风险等级“中等”，说明该青岛高新区综合管廊PPP项目整体风险等级为“中等”，与2017年青岛市政府对该项目的检查结果一致。由绝对关联度rba=0.635 6>rbc=0.623 7看出同一度a与差异度b的关联程度要高于对立度c与差异度b的关联程度，结合风险等级V4的综合联系度值0.425 9大于V2的综合联系度值0.026 0，表明该综合管廊PPP项目风险等级有向较低程度发展的趋势，但仍应采取措施加以促进，如：在建设阶段严格选择施工单位，按照施工安全生产规章制度进行建设，保证施工进度及质量；在运营阶段政府应保证管廊PPP项目的合法性，明确规定已建设综合管廊的道路，各单位不应单独建设自用管沟，强制相关企业入廊，解决同质项目竞争、运营收益不足的问题。

表14 评分值与风险等级的联系度Table 14 Relationship between scores and risk grades

5 结论与讨论

1)从C-OWA算子所确定的指标权重数值来看，建设前期风险、建设阶段风险、运营阶段风险、环境及其他风险所占比重分别为0.204 6、0.293 9、0.264 8、0.236 7，建设阶段风险、运营阶段风险与其他方面风险相比所占比重较大，对这2阶段应给予更多关注并采取相应的风险应对措施。该方法很大程度上削弱了数据极端值造成的不利影响，无需一致性验证，在提升指标赋权科学性的同时简化了计算过程。

2)由评价模型得出的综合联系度值表明青岛高新区地下综合管廊PPP项目风险等级为“中等”，通过绝对关联度rba>rbc及风险等级V4的综合联系度值大于V2的综合联系度值，表明该项目风险等级有向较低程度发展的趋势，项目处于良好可控状态。

3)通过德尔菲法识别综合管廊PPP项目初始风险要素，并借助PCA分析风险因素间的相关性，降低了冗余指标对风险评价结果的不利影响；所构建的风险评价模型综合考虑了比较集的同一度、差异度与对立度3个方面，借助灰色关联度确定差异度系数i的量化值，评判出管廊项目的风险状况并预测出风险发展趋势，说明本文提出的基于灰色关联度的集对分析评价模型具有较高的可靠性与合理性。

4)本文重点针对青岛地区综合管廊PPP项目风险进行研究，该类项目致险因素复杂，管廊基底多处于淤泥质土层，具有强度低、变形大的特点。后续研究可拓展到沿海地区同特征的管廊PPP项目中，验证并增强本文结论的可信度，对于国内其他地区同类项目风险指标的确定及量化评价仍需进一步研究和探讨；本文对具体风险应对措施的研究还不够全面，在后续研究中有待补充针对性的风险应对措施，以便提供更准确的决策，进而更好地控制管廊PPP项目风险。