基于云模型的生态水利PPP项目利益相关者管理风险评价

张亚琼，何 楠，陈毅洋，杨丝雯，王 雷

(1.华北水利水电大学管理与经济学院，郑州 450045；2.华北水利水电大学公共管理学院，郑州 450045；3.中国科学院大学华大教育中心，广东 深圳 518083；4.航空工业哈尔滨飞机工业集团有限责任公司，哈尔滨 150060)

0 引 言

生态水利PPP项目是新型市场化的商业融资模式，使社会资本得以有机会参与到生态水利项目中来，有效活跃了我国水利项目建设市场。PPP项目通过引入多元化的利益相关者，并结合多方优势，通过技术分享、风险共担的形式，使生态水利项目得到了有效的管理，并尽量使各利益相关者的回报合理化。该模式在缓解地方政府财政压力的同时，突破技术壁垒，为项目带来丰富的资金和前沿技术，在我国得到广泛应用。

我国早期入库的水利PPP项目发起于2010年，相比轨道交通、污水处理厂以及自来水厂等行业PPP项目而言，目前处于起步阶段，相关的法律法规等制度还有待完善。另外，生态水利PPP项目本身具有生命周期长、投资回报率低、利益相关者众多、自然条件限制等特点，说明了水利项目采用PPP模式中风险管理的难度，其中，利益相关者之间的冲突已成为影响项目成败的关键因素[1]。所以，了解各方利益相关者的需求可以帮助管理者实现他们各自的目标[2-4]。利益相关者自1963年的斯坦福研究所提出开始，在各种领域不断发展开来。一些学者关注组织内部利益相关者之间合作发挥的作用，也有学者强调了其司法关系及价值创造过程中的角色[5]。近年来，各行各业利益相关者积极的加入组织管理活动中[6]，特别是城市生态水利项目，关系到毗邻的企业、居民、公众和媒体等利益相关者，复杂的利益相关者产生许多不确定因素[7]。对利益相关者产生的风险的研究非常丰富，Rosso[8]从缓解周围社区成员纠纷的角度评价了水利项目利益相关者，Friedrich和Yusof等人认为在工程项目中，人员的专业性对市场成功至关重要[9, 10]。对利益相关者管理风险的研究，大多学者运用博弈论对双方甚至多方利益相关者利益进行建模[11-13]，分析多方合作的决策选择；又或者，有些研究通过社会网络分析[14-17]，识别和评价项目风险。上述研究多数分析了项目风险中有关利益相关者管理中的合作模式与风险因素传递，前者未能表现风险因素的复杂性，后者在在对因素进行识别时，并未在访谈或问卷中讨论描述性风险指标的模糊性和随机性。因此，本文针对前人研究的不足，选择层次分析法(AHP)确定其各级风险指标的权重，建立云模型对生态水利PPP项目管理的风险指标进行评价，继而利用Python软件的逆向云发生器进行运算，并将模型可视化，最后，运用实际案例，对河南省某生态水利PPP项目的利益相关者管理风险进行评估。

1 云模型理论基础

1.1 云模型相关理论

云模型是一个处理评价指标的定性概念和定量描述的不确定性的转换模型，它将指标的随机性、模糊性相结合，并通过一系列参数的计算结果将定性概念转换为定量描述[18]。

云定义：设U为定量区间，C为定义在U上的定性概念，设∀x∈U，使x为C上的一次随机实现，x对C的确定度为u(x)∈[0,1],即μ:U→[0,1],∀x∈U,x→μ(x),则称x在定量区间U上的分布为云，每一个[x,μ(x)]为一个云滴[19]。

1.2 正态云模型

正态云模型由特征值(Ex,En,He)组成，其中，Ex为期望值，En为熵，He为超熵。模型如图1所示。

图1 正态云图

(1)根据期望值En，标准差He，通过Python生成正态随机数Eni:

(2)根据期望值He，标准差Eni，生成的正态随机数xi,即云滴。

(4)重复(1)～(3)步骤，直至产生n个云滴。

通过对N个给定云滴xj的计算，得出云模型特征值(Ex,En,He)，并运用逆向云发生器描述从定量到定性的转化，其基本算法如下：

(1)

(2)通过xj和期望值Ex，计算熵En：

(2)

(3)H=k,其中k为常数，可根据实际情况进行调整。

2 风险评价云模型构建

2.1 风险评价指标体系构建

生态水利PPP项目目前在我国处于起步阶段，又因自然原因，不同项目之间差异较大，因此本文通过资料收集和调查[20]，根据主要利益相关者带来的风险，构建生态水利PPP项目风险指标体系。本文设定5个一级指标：政治风险(U1)、经济风险(U2)、完工风险(U3)、运营风险(U4)和生态风险(U5)；25个二级指标(见图2)。

图2 生态水利PPP项目利益相关者管理风险评价指标体系

2.2 评价指标体系及评价标准云模型建立

本文应用对生态水利PPP项目利益相关者管理风险进行专家评分，构建评价的基准：维度层，为后续评价的目标层奠定了基础。风险评价评语集如下：

L={L1,L2,L3,L4,L5}=

{低风险，较低风险，中级风险，较高风险，高风险}=

{(0,30);[30,50);[50,70);[70,90);[90,100)}

通过正态云模型对此五类风险等级描述，又因为评价标准均为[Cmin,Cmax]，因此本文通过以下运算方式将其转化为正态云模型。

(3)

式中：K为常数，根据以往研究文献，本文将K赋值K=0.5；对于单边界评语值，例如低风险(0,30)，与高风险[90,100)，可确定缺省边界数值后利用(3)式运算。因此，云模型表现形式为：(0,10,0.5)为低风险，图中表现为深蓝色云；(40,10/3,0.5)为较低风险，图中表现为绿色云；(60,10/3,0.5)为中级风险，图中表现为浅蓝色云；(80,10/3,0.5)为较高风险，表现为黑色云；(100,10/3,0.5)为高风险，表现为紫色云。此处详情见图3。

从左到右依次为：低风险(深蓝)，较低风险(绿)，中级风险(浅蓝)，较高风险(黑)，高风险(紫)。

2.3 层次分析法确定指标权重

层次分析法为多准则决策方法，可以将被访谈者对风险指标的定性表达转变为定量数值，并基于语言集的表达确定指标的重要程度。主要通过以下步骤进行：

(1)基于表1构造判矩阵A：

表1 判断矩阵标度及含义

(4)

式中：n为指标个数，i、j≤n∈N。

(2)根据式(5)～(7)式来计算权重：

(5)

(6)

(7)

(3)判断矩阵的一致性检验：

(8)

(9)

(10)

式中：λmax为式(4)中最大特征值；A为矩阵(4)；(Aω)i为矩阵中第i个元素；CI为一致性检验指标，若CI=0，表示完全一致；n为判断矩阵阶数；RI为矩阵平均随机一致性指标；当CR≤0.1时，表示此判断矩阵通过检验；而当CR>0.1时，需重构矩阵。

2.4 云模型构建

在专家对每项二级指标给出评价分值后，首先，采用浮动运算法对其进行组合：运用Python中逆向云发生器对其进行计算，得出各二级指标特征值(Ex,En,He)。

(11)

其次，采用虚拟云综合算法，集结生态水利PPP项目利益相关者管理风险评价一级指标：

(12)

3 案例分析

此处借鉴河南省许昌市饮马河生态水利PPP项目，采用专家评分法比较指标间相互重要性后，运用式(4)～(7)来计算权重，随后运用式(8)～(10)来检验矩阵的一致性。

ω(U1)=(0.445 5,0.185 0,0.291 5,0.078 0)

ω(U2)=(0.325 0,0.360 0,0.149 5,0.165 6)

ω(U3)=(0.270 1,0.464 3,0.091 4,0.174 1)

ω(U4)=(0.267 3,0.307 9,0.087 7,0.031 3,0.196 0,0.109 8)

ω(U5)=(0.019 7,0.051 3,0.419 8,0.279,0.142,0.089)

将风险指标通过逆向云发生器转化为符合云模型的特征值，继而结合权重ω与式(11)，计算得出其一级指标参数，形成目标层，同样以(Ex,En,He)的形式表达。重申，此处He记为0.5。两组云参数详情见表2。

表2 生态水利PPP项目利益相关者管理风险指标云参数

结合维度层，即标准特征值云图(图3)，将表2中一级指标的特征值，即目标层结果进行风险的评价与可视化，运用Python软件绘制出各一级指标的风险云图。图4-图8分别表现了5个一级指标的评价结果，目标云以红色云图表示。

图4 生态水利项目中政治风险评价云图

图5 生态水利项目中经济风险评价云图

图6 生态水利项目中完工风险评价云图

图7 生态水利项目中运营风险评价云图

图8 生态水利项目中生态风险评价云图

饮马河生态水利PPP项目的总风险由式(12)计算得出，图9为总风险评价的总项目风险云图。

图9 生态水利PPP利益相关者管理总风险评价云图

4 讨论与建议

图4-图8以及表2中的数据结果可较为清晰的描述这些风险级别，并得出以下结果：第一，政治风险更偏向于高风险。从图4中可以，政治风险分布基本处在中高级风险云图之中，其云图与较高风险云图交叉于确定度60%-80%之间，并与中级风险云图有确定度为20%以下的交叉。第二，经济风险为中级风险。其风险云图(图5)与较低风险云图在确定度20%以下有少量交集，基本处于中级风险区间之内，且分布较小。第三，完工风险被评价为较高风险。图6中，完工风险的云图与较高风险云图交叉于确定度为60%～80%之间，并与中级风险相交于确定度20%以下。因此，应更多重视合作的供应商和承包商，控制建设期中的完工风险。第四，运营风险属于中级风险。图7中，运营风险云图基本分布于中级风险，并在较高风险云图中有较少分布，可以说明由社会资本带来的运营风险需要项目公司予以重视。第五，生态风险为较低风险。由图8可知，生态风险云图位于较低风险与中级风险云图之间，说明此项目在运作过程中把改善生态环境作为首要目标，且环保部门的监督与测量也为项目降低生态风险起到了积极作用。最后，饮马河生态水利PPP项目的总风险为中高级风险，贯穿较低风险和高级风险，并偏向于高风险。

综上，通过云图可以清楚看出,政治风险为最重要风险，此风险来源于地方政府部门。由此可知，利用提高政府信息透明度，降低对社会资本准入门槛，转变政府职能，优化政府监管模式等手段降低政治风险为生态水利PPP项目带来资金、技术的同时使项目成功运营。次重要的风险为完工风险与运营风险，此风险来源于承包商和社会资本投资方，应严格把控成本，拓宽技术支持平台，加强社会投资方对承包商的管理监督。

5 结 语

本文基于云模型，构建了生态水利PPP项目各利益相关者管理风险评价模型，按风险指标的定义，将指标分为5个一级指标，24个二级指标：包含政治(U1)、经济(U2)、完工(U3)、运营(U4)和生态风险(U5)。通过云图比较，一级指标的风险评价为：U1>U3>U4>U2>U5，继而对偏高的政治风险及其对应的二级风险因素指标提出相对应的建议、对策。通过层次分析法与云模型相结合，分析项目的总风险分布从较低风险到较高风险，但主要为中等、偏高风险级别，且与高级风险亦有相交，更加说明各主要利益相关者之间的合作需要更多沟通和协调。

本文采用1～9比率标度法和层次分析法，把各级风险指标从定性到定量的进行转换，并确定了各指标权重。继而基于云模型，结合生态水利PPP项目利益相关者管理风险管理理论构造模型，在全面考虑指标的模糊性和不确定性的基础上，使评价结果更加科学、可信。

□