政府视角下海绵城市PPP项目运作模式选择研究

赵 辉，石 芳，崔嘉晋

(1.青岛理工大学 管理工程学院，山东 青岛 266520; 2.广联达科技股份有限公司，北京 100089)

伴随着社会经济发展和城镇化进程的加速，我国从以往的粗放式发展向绿色化、低碳化、智慧化、集约化方向发展。粗放式的发展破坏了人与自然之间的动态平衡，一方面雨季城市内涝现象频发，另一方面城市缺水严重，造成旱涝并存的现象，所以雨水资源高质量管理的新概念——“海绵城市”应运而生[1]。海绵城市在国际上被称为“低影响开发雨水系统构建”，将系统工程和可持续发展理念融入雨水利用领域，实现雨水利用效率的最大化。

关于海绵城市的研究，国外以美国、澳大利亚、英国、德国、瑞士等为代表，目前已形成了成熟的雨水系统理论体系，积累了丰富的实践经验[2]。Zhu等[3]提出了多目标管理下低影响开发有效性评估，创造性地提出了雨水管理模型并将其与宏观环境的分析耦合以自动校准模型的参数。Leimgruber等[4]提出选择具有成本效益的低影响开发策略，该策略作为一种多目标评估措施被引入，为项目决策提供了合理的依据。

我国海绵城市的概念最早可以追溯到2012年4月，在“2012低碳城市与区域发展科技论坛”中被提及，经过近十年的发展，从国家到地方出台了一系列政策。究其发展历程，可以划分为政策制定期、试点建设期、试点验收期、持续发展期。海绵城市项目建设既有市政项目的公共影响属性，也有生态建设项目的可持续性，具有很强的公益性，但营利性和经营性较弱。住房和城乡建设部提供的数据表明，从投资成本来看，海绵城市建设成本高达1.6亿～1.8亿元/平方公里[2]。为缓解政府财政压力，提升海绵城市建设和运营效率，2015年我国发布《关于开展海绵城市建设专项规划与PPP模式投融资战略合作的若干意见》，提出海绵城市PPP项目运作流程，见图1。自此政府和社会资本结合的模式开始助力海绵城市建设运营[5]。

图1 海绵城市PPP项目运作流程

通过对海绵城市PPP项目的相关文献研究可以发现，研究热点主要集中在融资风险、物有所值评价、绩效评价等方面，对于影响项目全生命周期的建设和运营效率的PPP项目运作模式选择研究，多以公共基础设施项目为主，缺乏针对海绵城市PPP项目的选择指标和方法的研究。

通过分析可以发现，我国关于PPP项目运作模式选择的研究时间短，主要集中在大型公共基础设施项目、城市轨道交通项目，研究领域覆盖面不全。

基于这种研究现状，有必要构建适合我国经济发展特色且与海绵城市特性契合的PPP项目运作模式选择指标和方法。

本研究立足政府视角，结合PPP项目的分类及运作模式实施特点，参考《海绵城市建设绩效评价与考核评价办法(试行)》，分析构建具有海绵城市建设特色的PPP项目运作模式选择指标体系。根据综合评价的实施步骤“建立评价指标→获取评价指标原始数据(预处理、一致化、无量纲化)→确定权重系数→选择评价模型→计算评价值→方案排序→实例研究”展开研究，探讨海绵城市PPP项目运作模式选择，通过指标构建和选择模型优化，推进我国海绵城市PPP项目快速健康发展。

一、海绵城市PPP项目发展现状

截至2021年6月，根据财政部全国PPP综合信息平台提供的数据可知，海绵城市PPP项目入库数量71个，储备清单项目12个，多数为关系民生的重要项目，投资金额大，以政府付费为主，合作期限长，建设运营风险较大。项目实施过程中，不同的PPP项目运作模式对于项目建设实施影响深远，所以初期合理确定PPP项目运作模式对社会资本的全面激活及项目后期建设和运营效率的提升有重要价值。

二、PPP项目运作模式分类探讨

由于世界各国国情和政策的差异，对PPP模式的分类也各不相同。世界银行将PPP项目划分为服务外包、特许经营、租赁、管理外包、资产剥离和BOT等6种模式[6]。加拿大PPP国家委员会按照私人部门在项目中风险分担的不同将其分为12种模式[7]。

本研究结合2014年财政部发布的《政府和社会资本合作模式操作指南(试行)》及现阶段PPP项目的发展特点和相关文献研究，归纳了目前我国大众对于PPP项目运作模式分类中比较认可的分类模式，将PPP项目按照私有化程度分为外包类、特许经营类、私有化类共三大类，每一大类下设二级和三级分类，具体见表1。

表1 我国PPP项目运作模式分类

三、政府视角下海绵城市PPP项目运作模式选择指标体系构建

海绵城市PPP项目运作模式选择属于多目标属性决策，政府视角下的决策指标体系的确定应当立足于项目全寿命周期，公正客观地突出社会公众的利益需求，符合可持续发展的需要，同时考虑海绵城市的项目特点及区域适应性。本研究根据现阶段我国社会经济发展特点，结合文献研究[8-11]和海绵城市入库项目特征，初步选定28个选择指标，按照李克特五分量表进行问卷统计分析，共计发放问卷150份，回收144份，其中有效问卷123份。利用SPSS 26.0统计分析软件计算问卷的可靠性，通过计算得到问卷信度指标克隆巴赫Alpha=0.901>0.7，问卷效度指标KMO为0.831>0.8，证明问卷，通过因子可靠性良好。经过KMO和Bartlett检验(见表2)，说明问卷数据适用因子分析法，然后分析提炼主成分因子，最终从项目特性、政府能力、技术框架、综合效益、项目风险、社会影响6个准则层确定17个指标组成海绵城市PPP项目运作模式选择指标，具体见表3。

表2 KMO和Bartlett检验

表3 政府视角下海绵城市PPP项目运作模式选择指标

四、海绵城市 PPP 项目运作模式选择模型的构建

由表3可知，基于政府视角进行海绵城市PPP项目运作模式决策需立足多个目标，基于系统工程的思路考虑多参与方、多指标、多要素的协调统一。政府项目发起方在准备阶段进行运作模式决策时，基于主观想法或已有经验片面评价模式优劣显然不够科学严谨。通过对上文确定的6个维度17个选择指标的分析可以发现，最优运作模式的确定不是简单的线性规划或定性分析，而是一种多目标非线性决策。通过对文献研究可知，传统数学模型无法实现较强的自学习和自适应能力，泛化能力和容错能力有限，对解决运作模式的选择问题可用性一般。为克服以上缺点，本研究拟采用BP神经网络模型进行数据处理，构建完整有效的海绵城市PPP项目运作模式选择模型，见图2。

图2 政府视角下海绵城市PPP项目运作模式选择模型

(一) BP神经网络结构的确定及激活函数选取

多层前馈神经网络，即BP神经网络，与生物神经元构成的神经系统类似,可以模拟生物神经系统对外界信息的传递和处理模式对信息进行分类、预测、评价。该模型在1986年被提出[12]，通过设定相关训练参数和自主学习训练可以实现满足误差要求的非线性拟合，其中误差反馈型BP神经网络应用最多。

单个隐含层的BP神经网络，通过适当神经元节点个数的增加对非线性映射函数在闭区间上进行逼近[13]。本研究采用常用的三层神经网络，即输入层、隐含层、输出层数量均为一层。由于通过因子分析确定的17个指标数值是BP神经网络输入层数据来源，因而可以确定输入层节点数m=17，其中矩阵每一列代表一个训练样本。根据海绵城市入库项目特征统计及前文PPP项目模式分类，选取外包类(DBO)、特许经营类(ROT、BOT、TOT)、私有化类(BOO)5种运作模式作为选择对象，用(x，y，z)三维向量作为5种运作模式的表征，每种运作模式采用3个归一化坐标值表示，所以输出层的节点数n=3。给3个输出神经元分别赋值0或1代表不同的运作模式，其中：(1，0，0)代表ROT模式，(0，1，0)代表DBO模式，(0，0，1)代表BOT模式，(1，0，1)代表TOT模式，(0，1，1)代表BOO模式。

隐含层节点数计算公式为

(1)

式中：h为隐含层节点数，目前没有统一的确定规则和标准，已有经验公式较多，其中式(1)应用最为广泛[14]，经多次尝试训练，可找到合适的取值；m和n分别为根据指标和输出值特征确定的输入节点数和输出节点数；a为常数，取值范围通常为1～10。激活函数选取原则为方便求导、不易陷于极端值及利于量纲规划，故选择双极S形函数tansig：

(2)

隐含层节点数过多会造成网络计算复杂化，增加训练时间，其确定的基本原则是在满足误差范围和计算精度的前提下,取尽可能少的隐含层节点数，以方便迭代训练，加快训练速度。通过经验公式和多次尝试训练，本研究最终选取隐含层节点数为10，神经网络参数设置见表4。

表4 神经网络参数设置

(二)训练及测试样本数据获取及归一化处理

邀请政府部门专家5人、高校海绵城市研究领域专家5人和PPP项目领域专家5人，对文中5种运作模式根据打分标准进行打分，将原始打分归一化后，作为BP神经网络模型的输入层值，专家打分参考标准见表5。

表5 专家打分参考标准

因隐含层激活函数tansig的值域为(-1，1)，为消除数据量纲影响和方便数据统计分析，本研究用matlab中mapminmax函数将原始打分数据进行归一化至[-1，1]，将归一化后的数值作为输入层数据。

(3)

(三) BP神经网络初始化和训练验证

根据BP神经网络训练样本和验证样本数量分配经验值，本研究从上述三个领域的各5名专家中再各选3名专家，将9名专家的评价数据作为训练样本，其余6名专家的评价数据作为验证样本。训练样本指标数据经归一化后形成17×45(以9位专家对5种运作模式按17个指标的打分数据作为列向量)的标准化矩阵作为输入层数据A，9名专家运作模式决策值构成 3×45矩阵(与P对应的三维向量)作为输出层数据B；通过训练得到收敛误差满足小于0.001时训练结束，训练完成的神经网络模型作为目标神经网络，为下一步的模型验证提供基础。经过129次训练，BP神经网络累计误差达到0.00098383，满足训练目标误差要求(见图3、图4)。利用Matlab 2018a进行BP神经网络参数设置及验证代码如下：

图3 BP神经网络训练图

图4 BP神经网络训练性能曲线

net=newff(minmax(p),[17,10,3],{′tansig′,′tansig′,′purelin′},′trainlm′)；

net.trainParam.epochs=5000;

net.trainParam.goal=0.001;

[net,tr]=train(net,inputn,outputn);

inputn_test=mapminmax(′apply′,input_test,inputps);

an=sim(net,inputn_test)

输入验证数据，对得到的仿真选择结果进行分析，发现输出的结果数据位于[0，1]，说明BP神经网络存在训练误差，本研究设定输出结果数据位于[0，0.35]，近似为0，输出结果数据位于[0.65，1]，近似为1。经过验证，仿真选择结果与实际结果数据之间匹配精度为95.43%，证明模型精度较高。

五、案例分析

山东省青岛市海绵城市试点区(李沧区)建设PPP项目位于李沧区，北起湘潭路—重庆路—遵义路，南到汾阳路—唐山路，西起衡阳路—四流路一带，东到城阳区交界，面积10.16平方公里。该试点区及海绵城市项目类型包括管网建设、水系生态、建筑小区改造、公园绿地等，总投资规模21.7亿元，合作期限20年(建设期2年，合作经营期18年)，运营期采用可行性缺口补助，采用BOT运作模式[15]。社会资本方包括北京建工集团有限责任公司、北京泰宁科创雨水利用股份有限公司，政府方为青岛市李沧区园林绿化工程有限公司，三方组建项目公司，名称为青岛京建城市建设投资有限公司。

依据前文确定的海绵城市PPP项目运作模式选择评价体系，邀请10名专家按照打分表根据项目实际情况对17项选择指标进行打分。10名专家包括政府部门相关人员4人，高校海绵城市研究专家3人，PPP项目领域专家3人，专家打分详情见表6。

表6 专家打分表

将专家打分矩阵归一化，计算每行指标数据均值，将该列向量作为目标BP神经网络的输入层数据，P=(1.0000，-0.2000，0.4000，0.4667，-0.4667，0.0667，0，-0.2000，-0.2000，-0.0667，-0.2000，-0.2000，-0.2000，-0.4667，-0.2000，-0.2000，0.3333)，经过选择评价，得到输出向量T=(0.0824，0.0059，0.9146)。根据近似规则，对应的预选向量为(0，0，1)。根据前文，对应的运作模式为BOT，与该项目准备阶段确定的运作模式相同。

六、结论及建议

本研究分析了海绵城市及PPP项目运作模式研究现状，对财政部PPP项目中心入库海绵工程项目进行统计分析，结合海绵城市建设评价标准，立足政府视角，参考公共基础设施、城市轨道交通、地下综合管廊等PPP项目运作模式选择指标，初步构建了海绵城市PPP项目运作模式选择指标体系。然后通过因子分析降维，构建了项目特性、政府能力、技术框架、综合效益、项目风险、社会影响6大类17个指标，完善了具有海绵城市特色的PPP项目运作模式选择指标体系。在选择方法上，本研究基于专家打分法和BP神经网络的误差反馈训练功能，对连接输入层、隐含层、输出层的权重和阈值进行修正，训练出满足误差需求同时具有运作模式选择功能的目标BP神经网络模型。最后通过青岛市海绵城市试点区(李沧区)建设PPP项目实例验证模型有效性，为后续海绵城市建设PPP项目运作模式选择提供参考。在研究过程中，由于海绵城市PPP项目相关参考数据不够充足，因而相关研究仍存在一定缺陷。在后续的研究中，可针对不同的海绵城市项目建设类型，考虑不同地区特性，完善指标体系，寻找关键指标，优化指标权重设计，探索其他有效的选择评价模型，以求进一步推动海绵城市PPP项目精细化管理水平提升和可持续发展。