基于聚类算法的工程招投标自律风险预警应用研究

2021-01-14尹家明费清

现代信息科技 2021年14期

尹家明费清

摘要：建设工程招投标是维护市场经济公平竞争和经济建设健康发展的一个重要举措。因投标过程中涉及大量交易活动而受各界关注。为提高建设工程招投标环节风险预警能力，避免违法违纪问题出现，文章采用聚类算法构建风险预警模型，探究工程招投标交易活动中风险预警方法，并进行实证分析。结果表明该方法对工程招投标过程中涉嫌的围标、串标行为风险预警效果显著，对行业监管部门和协会净化市场生态具有较高的借鉴性和推广性。

关键词：招投标;行为自律;风险预警;聚类算法

中图分类号：TP311 文献标识码：A文章编号：2096-4706（2021）14-0133-04

Abstract： Construction project bidding is an important measure to maintain fair competition of market economy and healthy development of economic construction. Due to a large number of transaction activities involved in the bidding process， it has attracted attention from all walks of life. In order to improve the risk early warning ability in construction project bidding link and avoid the problems of violation of law and discipline， this paper uses clustering algorithm to build a risk early warning model， explores the risk early warning methods in project bidding and trading activities， and makes an empirical analysis. The results show that this method has a significant effect on the risk early warning of suspected bid encirclement and collusion in the process of project bidding， and has high reference and popularization for the industry supervision departments and associations to purify the market ecology.

Keywords： bidding; behavior self-discipline; risk early warning; clustering algorithm

0 引言

西方国家历经200余年建立了相关招投标制度，我国从西方国家引进只有短短30余载，虽已成效显著，但目前实际招投标交易活动中仍存在一些涉嫌招投标当事人相互串通围标、挂靠投标，有的甚至与设计院、招标公司勾结，操纵招标结果，用合法的招标程序套取国家资金。近年来随着大数据技术在政府治理中的深入应用，如何更好运用大数据融合分析风险预警工具遏制建设工程项目招投标中可能存在的围标、串标行为，避免在工程项目后续实施阶段发生挂靠、转包、非法分包等违法违规行为，创建以行业自律风险预警机制，维护净化市场健康生态的创新管理模式。

本文通过贵阳市2016—2018年实施建设工程招投标自律风险预警平台案例采集近三年的数据，基于大数据机器学习技术的聚类算法（clustering algorithm）提出了具有高实用性、可操作性的自律风险预警方法，并采用“数据风险预警+行业自律约谈+承诺公示”的多措并举创新模式，对行业监管部门和协会净化市场生态具有较高的借鉴性和推广性。

1 问题提出

建设工程招投标因其涉及公共資源分配和市场主体环境“三公”（即公平、公正、公开）原则，对遏制建筑工程招投标中存在的围标、串标等违法违规问题进行研究，就招标人与代理机构、招标人与投标人、招标人与评标专家、代理机构与投标人、代理机构与评标专家、投标人与评标专家等共同参与招投标活动的7种关系人之间的利益链进行剖析研究，通过采集公共资源交易中心对近3年来房建和市政工程中的招投标样本数据，与住建监管部门近3年来房建和市政工程项目质量安全验收数据进行汇聚融合，按结果问题导向分类提取出工程招投标四方主体风险指标，就疑似招投标人围标、疑似招投标人串标、四方主体亲密度和项目后跟踪评价等风险作为本文研究重点。

2 研究现状

当前该领域研究现状有以下几点：

（1）缺少“阳光政务”服务的强力抓手。按照十九大强调“抓早抓小、防微杜渐是反腐防腐的战术和策略”。从建设工程项目的招投标环节入手，运用大数据的手段，对招投标全过程进行记录、追溯，确保建筑工程招投标权力运行全程数据化监测预警，即可快速部署，又对行业自律有震慑作用。

（2）旧规默俗亟待有效工具破除。一些市场主体通过“借公司帮个忙”等方式常年在招投标行业边缘寻求灰色利益，即破坏了建设工程招投标制度的初衷，也造成了该行业市场生态的进一步恶劣，虽近年来通过各种行政手段有所好转，但依然存在，亟待破除这些潜规则以改变现状。具体痛点表现在：

1）串标、围标为工程建设质量安全埋下隐患。一些投标企业相互串通，彼此达成协议，轮流坐庄中标或借用资质进行围标。往往这类投标企业中标后，违法分包、转包现象也较为突出。还有的投标企业恶意低价中标后，找各种理由拖延工期，手段、性质都非常恶劣，以达到变更工程追加投资增大利润空间的目的。

2）招标人、招标代理机构为特定企业量身定做招标文件。即为何总是有一些市场主体投标总是中标这个招标人项目，为何有些市场主体投标总是不中标。

（3）梳理判定陪标、围标、串标问题源。在长期频繁参与投标但中标率极低的企业与中标率极高的企业，长期共同出现在同一招标项目中，基本可判定为陪标、围标行为。二是判定招标人与投标人之间关系过于亲密，有串标行为。某时段内，同一投标人参与固定招标人的招标项目且中标率极高的基本可确定双方具有合作关系，有串标行为。三是判定评标专家与投标人之间的存在利益输送。具体有以下几点：

1）招标人与代理机构之间，存在个别招标人与代理机构间的关系过于亲密问题。通过采集投标人与代理机构间的数据进行分析，发现个别招标人在某一时段内，选择同一代理机构代理招标的项目次数较多。

2）招标人与投标人之间，存在同一投标人多次投标某招标人的项目且中标率较高问题。通过采集招标人与投标人之间的数据分析，发现某一投标人在一定时期内，参与同一招标人项目的投标次数和中标率偏高。

3）评标专家与招标人、投标人、代理机构之间，存在专家对特定对象的评分偏高的问题。通过对专家评分数据进行采集分析，某些评标专家针对特定企业投标的评定分值明显高于或低于其评定的平均分值。

4）代理机构与投标人之间，存在同一投标人参与某一代理机构的项目多次投标且中标率较高问题。通过对代理机构与投标人之间的数据采集分析，发现某一代理机构在一定时期内，其代理的招标项目中，同一投标人参与投标的次数和中标率偏高。

5）共同投标人之间，存在某些投标人投标频率较高，但中标率极低的问题。通过对投标人之间的数据采集分析，发现某些投标人长期共同参与同一项目的投标，其中一些投标人长期中标率极低。

3 实证分析

本文通过痛点问题和现状的信息的采集和识别，综合研判后构建了建设工程招投标自律风险分析设计了风险分析流程图，如图1所示。

根据风险分析流程图进行了具体风险动因分析，找出分析因子和风险系数值，建立工程招投标自律风险预警分析模型，分为三个步骤，如图2所示。

3.1 数据识别分类（模型设计）

通过公共资源交易中心招投标数据库中动态提取招投标交易活动中数据进行数据统计，按照时间因子筛选，通过因果分析法首先完成包括项目总数、招标单位数量、代理机构数量及投标单位数量与项目四方主体关系的分类为（详见表1所示）：

（1）对项目招标人数据分别进行招标人与代理机构、投标人及评标专家的数据分析，利用如下公式计算出各方主体的关注指数为：

招标人数据=A×10%+B×70%+C×20%

A=招标人与代理机构数据=（招标人项目发包数/全市招标项目发包数）+（招标人选择代理机构总数/全市代理机构总数）

B=招标人与中标人数据=（B1+B2+B3+Bn）/n

B1=（招标人发包项目数/全市招标项目发包总数）+（1-投标人1中标此招标人总数/投标人1中标总数）

B2=（招标人发包项目数/全市招标项目发包总数）+（1-投标人2中标此招标人总数/投标人2中标总数）

Bn=（招标人发包项目数/全市招标项目发包总数）+（1-投标人n中标此招标人总数/投标人n中标总数）

C=（专家待定）

可分别进行代理机构与招标人、投标人及评标专家的数据分析，利用如下公式计算出各方主体的关注指数，并进行排列展示。

（2）投标人数据分析。分别进行投标人与招标人、代理机构及评标专家的数据分析，利用如下公式计算出各方主体的关注指数，并进行排列展示。

投标人数据=F×10%+G×40%+H×40%+I×10%

F=投标人与代理数据=中标数/全市招标数+中标项目的代理机构总/全市代理机构总数

G=投标人与招标人数据=（G1+G2+G3+Gn）/n

G1=中标数/全市招标数+（1-中标招标人1总数/招标人1总招标数）

G2=中標数/全市招标数+（1-中标招标人2总数/投标人2总招标数）

Gn=中标数/全市招标数+（1-中标招标人n总数/投标人n总招标数）

H=投标人数据=[（投标人中标项目数/报名数）+（投标人中标项目数/资格预审合格数）+（投标人中标项目数/递交投标文件数）]

I=（专家待定）

（3）代理机构数据=D×10%+F×70%+E×20%

D=代理机构与招标人数据=代理机构代理项目总数/全市招标数+代理机构代理招标人总数/全市招标人总数

F=代理机构与投标人数据=（1-代理机构代理项目总数/全市招标数）+（1-代理机构代理项目的递交投标文件的投标人总数/全市所有项目递交投标文件的投标人总数）

E=（专家待定）

（4）评标专家数据分析。进行评标专家与招标人、投标人及代理机构的数据分析，利用聚类算法计算出各方主体的关注指数，并进行排列展示。

3.2 编程运算（模型学习）

聚类算法是一种大数据机器学习的无监督学习模型之一，它将分析对象相似的归到一个簇中，簇内分析对象越接近，聚类效果越好。本文主要采用其中K-均值（K-means）聚类算法，根据采集数据中“招标人风险值数据”样本为s，包含了n个对象s={s1，s1，s1，…，sn}，其中每个对象都具有m个维度的属性（这里主要指已采集的投标人、招标代理、评标专家维度）。目标是将n个对象依据的对象间的相似性聚集在指定的k个簇中，首先初始化k个聚类中心d={d1，d2，d3，…，dk}，1<k≤n，计算每一个对象到每一个聚类中心距离，如下式所示：

式中si表示第1个对象1≤i≤n，dj表示第j个聚类中心的1≤j≤k，sit表示第i个对象的第t个属性，1≤t≤m，djt表示第j个聚类中心的第t个属性。依次类推比较每个对象到每一个聚类中心距离，将对象分配到距离最近的聚类中心的簇中，得到k个簇{x1，x2，x3，…，xk}，以此计算簇内所有对象的各个维度的均值如下：

注：上式中dt表示第1个聚类中心，1≤l≤k，|xl|表示第1个类簇中对象的个数，si表示第1个类簇中的第i个对象，1≤i≤|xl|。

3.3 分析优化（模型验证）

通过自律风险预警模型算法导入的学习，按照红色代表高风险预警值、黄色中风险提醒值和绿色代表关注值的定义，对模型学习后数据导入云平台进行显示。界面如图3所示。

4 结论

本文通过文献查阅、案例导入、模型构建、模型验证，构建基于聚类算法的工程招投标自律风险预警模型，预警效果目标达到。作为行业监管部门可以通过该模型及搭建的基于云计算的招投标自律风险预警平台对建设工程项目招投标行为动态监测。同时，提出的“风险预警数据+行业自律约谈+承诺公示”管理管理模式，可以很好地推动整个建设工程招投标领域的市场净化和行业自律，让好的企业更好，差的企业无处遁形，或改邪归正，或自然推出行业市场。

为了更好推进建设工程招投标领域的市场净化和行业自律，我们建议：

进一步推进大数据技术的招投标自律风险预警平台在招投标领域的深度融合，向更多地区复制推广形成全行业自律。

进一步完善条块数据汇聚，多维度采集协同数据，实现实时数据共享，织牢风险预警监测平台，使其分析更精准。

参考文献：

[1] 王勇，刘建平，蔡长霞.一种改进的K-means聚类算法 [J].工业控制计算机，2010，23（8）：91-93.

[2] 赵勇.大数据在工程建设项目招投标中的应用研究 [J].工程经济，2016，26（11）：70-75.

[3] 李蒙，鲁曼，余宏亮.区塊链技术下的建筑材料信息技术架构研究 [J].建筑经济，2019，40（10）：103-107.

[4] 鲍宇清，陈斌，陈波，等.“放管服”背景下基于“大数据”和“区块链”技术的建筑节能和建筑材料管理模式研究 [J].住宅产业，2020（10）：96-99.

[5] 吴艳.大数据在工程建设项目招投标中的应用 [J].电子世界，2017（11）：77.

[6] 程铁信，郭涛，祁昕.决策树分类模型在工程项目评标风险预警中的应用 [J].数理统计与管理，2010，21（1）：122-128.

[7] 凌阳明月，赵帆，凌阳明星.大数据技术在工程项目招投标中的应用研究 [J].武汉理工大学学报（信息与管理工程版），2016，38（2）：214-217.

[8] 源军，胡维建.聚类分析法在建设工程项目招标过程中的应用 [J].施工技术，2008（8）：24-25+29.