重大工程项目治理机制研究

导语：重大工程项目治理机制研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：结合中国重大工程项目复杂情境，深度剖析重大工程项目治理机制包括合同、关系和行政治理等因素之间的关系，构建并验证复杂情境下重大工程治理机制的动态仿真模型。进行预测和诊断分析，得到重大工程项目治理的影响机制，并提出提升项目治理能力的策略建议。结果表明：在重大工程项目治理过程中应尤其注重权责利明确性、信息的充足性、项目各方寻求解决方法和协调征地拆迁和移民安置等方面的管控。通过实证分析，进一步证明所建立模型的可行性，可以为重大工程项目各参与方改善治理能力提供参考依据。

关键词：重大工程项目；项目治理机制；动态贝叶斯网络

当今世界已经进入重大工程项目的“万亿级时代”[1]。重大工程项目属于复杂性工程项目，与一般的工程项目相比较，具有建设规模大、投资力度强、技术复杂、影响深远等特征，因此给工程决策与项目管理带来了巨大的挑战，以至于“超投资、超工期、低收益”逐渐演变成重大工程项目的国际普遍“铁律”[2]。为保证中国复杂情境下重大工程项目目标的实现，应加强对重大工程项目治理的研究。识别重大工程项目治理能力的主要影响因素，是提升项目治理能力的关键内容[3]。中国项目治理的研究起步虽晚，但已经取得了不错的研究进展。如刘常乐[4]提出项目的外部关系治理机制包括3个维度：信任，共享意愿和共同解决问题。严玲等[5]进一步指出，包含正式的合同和非正式的关系的二维框架才是完整的项目治理机制，并通过平衡不同治理机制的作用以到达提高项目治理水平的目的。Danwitz等[6]认为建设项目治理包括一个利益相关者子集的组织层面的治理结构和制度层面的治理机制。对于项目治理机制的研究，Biesenthal等[7]认为项目治理是一种组织控制机制，使用正式和非正式的结构来管理不同级别的责任和问责。可以看出，这些学者的研究主要集中在合同治理（RelationshipGovernance，RG）、关系治理（ContractGovernance，CG）和行政治理（AdministrativeGovernance，AG）3个维度。然而，中国目前关于项目治理的研究主要是以静态研究为主，研究的内容主要集中在市场治理手段，涉及到合同治理和关系治理这两个维度。因此，本文提出了一种基于动态贝叶斯网络（DynamicBayesianNetwork，DBN）开展重大工程项目治理的研究方法。与以往基于规则的推理方法相比，动态贝叶斯网络将图模型、图论与概率论相结合，从而能够更好地解决不确定、模糊甚至更复杂的场景问题。

1项目治理能力影响因素分析

通过整理国内外重大工程项目治理的相关文献，结合政府在重大工程项目中的主导作用，初步筛选出项目治理能力影响因素。研究发现重大工程项目治理机制包括合同治理机制、关系治理机制和行政治理机制。鉴于探索性研究的不确定性，选择对有丰富重大工程项目管理经验的实践专家进行半结构化访谈，对影响因素进行再次甄选和优化，以此提高研究的实践基础。访谈内容主要包括两个方面，一是邀请专家根据理论内涵对重大工程中的项目治理机制进行举例，分别包括合同治理、关系治理和行政治理方面；二是邀请专家回答各种项目治理机制对管理绩效是否存在影响，项目治理机制实施过程中会受到哪些因素的影响等问题。最终提取出项目治理机制的8个维度下30个影响因素，如表1所示。（1）合同治理机制。合同治理机制包括风险分担（RiskSharing，RS）和收益分配（RevenueDistribution，RD）两个维度。风险分担旨在提升项目治理绩效进而影响项目成功，在缩减工程成本，优化工程进度方面能起到积极效应；收益分配是指在履行合同中制定的相应奖惩制度的同时，可参照在实际项目建设过程中发生的风险事件对合同价格进行调整[8，9]。（2）关系治理机制。关系治理机制包括信息共享（InformationSharing，IS）、共同解决问题（ProblemSharing，SP）和文化建设（CultureDevelopment，CD）3个维度。信息共享被公认为一种重要的关系规范，是指信息和信息产品在不同部门、层次信息系统间的共用与交流，其具备的充足性、完整性、及时性、准确性等特点已成为广受认可的衡量沟通质量的标准；共同解决问题机制是指通过协调项目各参与方利益从而调动共同行动积极性及意愿的制度；文化建设是中国情境下重大工程项目的独特关系治理维度[9，20]。（3）行政治理机制。行政治理机制包括政府决策（GovernmentDecision，GD）、政府监督（GovernmentSupervision，GS）和政府协调（GovernmentCoordination，GC）3个维度。政府决策是指政府运用行政指令对重大工程的方针政策、资源配置等制定决策；政府监督是指政府对建设过程各方主体的权责利进行监督及违规行为进行处理，并对工程进度和工程资金管理具有监督权限；政府协调是指政府运用其特殊身份来行使协调职能[15]。

2重大工程项目治理DBN模型构建

2.1问卷收集与数据处理结合已构建的项目治理指标来设计调查问卷，问卷采用5点量表法，每个观察变量均采用5点计分（1=高度不同意，2=不同意，3=中立，4=同意，5=高度同意）。受访者依照所选项目的真实情况对其特征性描述与实际的相符程度进行评分，分数高低与被采访人员赞同题项内容、程度成正相关性[21]。通过对参与重大工程项目工作的受访者调查，如实地反映重大工程项目治理能力的情况。此次调查共收回有效问卷为235份，表2反映了调查对象的描述性统计分析。

2.2动态贝叶斯网络模型构建贝叶斯网络（BayesianBeliefNetwork，BBN），是用来描述一组变量之间的概率分布关系的图模型。在贝叶斯信念网络中，每个结点代表一个随机变量，其状态可以是可观测的也可以是不可观测的；变量间的“因果关系”通过有向弧来连接，表示由“因”（父节点）导出“果”（子节点）；相连接点之间的相关程度则通过结点的条件概率分布表来描述。动态贝叶斯网络（DynamicBayesianNetworks，DBN）是将静态的网络结构扩展到时间维度上的模型，主要由有向无环图和转移条件概率表两部分组成。该模型可处理模型中变量随时间序列的无序变换，并且具有积累、记忆和学习的功能[22]。如图1所示，该图表示DBN中变量Y(t)条件概率P(Y(t)|Y(t-1)，X(t))，呈现了模型中变量Y(t)的从状态1到状态n的演化历程。

3动态贝叶斯网络模型的仿真模拟分析

3.1预测分析预测分析又称正向推理，即由因推果，是基于充分的原因信息，沿着有向弧的迭代方向对结果进行推理。利用给定的不同情景下的证据以达到预测未来结果的最终目的[24]。用P(T)表示的顶部事件的概率可以通过下式确定。

3.2诊断分析与预测分析相对，诊断分析也被称为逆向推理，是通过DBN的反向推理功能找出对重大工程项目治理影响力最大的因子。因为在域变量上设置证据可通过反向传播影响域因子的概率分布。因此，DBN可以通过识别目标节点后验概率的变化来诊断可能的原因和影响[25]。

4实证分析

本文选用2016年竣工的上海中心大厦重大工程建设项目作为实证分析和程序应用的对象。上海中心大厦作为上海的地标性建筑，总建筑面积57.8万m2，总造价约148亿元。同样，按照模型要求参照模型中的30个影响因素对问卷进行设计，并邀请参与该项目建设的专家进行打分。问卷中根据因素对项目的影响程度将分值设计为1~5分。最终取所有该题项数据的均值，然后将均值进行四舍五入到最接近的整数。以上海中心大厦的10组数据作为证据对影响项目治理能力因素指标进行概率分布预测，构建的DBN模型如图4所示。另外，将DBN的结果与BBN进行比较，如图5所示。当Time=1时，模型中治理能力在高中低3种状态下的预测概率分别为0.7835、0.1525、0.0639，预测状态为高状态。而当Time=2时，预测概率则分别为0.7063、0.1989、0.0948，中低状态曲线保持上升趋势，而高状态曲线则为下降趋势。在Time=3之后，各状态下的概率曲线都趋于相对稳定，预测状态也稳定在高状态，概率从0.6693到0.6138。最终的预测结果与专家所给出的结果一致。因此，本文所构建的DBN模型可以正确预测重大工程项目治理能力。对于预测精度而言，图5（a）所显示的曲线是平滑的，并且能明显预测其趋势，而图5（b）的值却是独立的，仅取决于证据。这说明DBN模型具有信息积累能力，而BBN模型则依赖于特定时刻的观察信息来进行推理。与DBN相比，BBN与先前时刻的证据无关，因此，DBN模型的推理结果比BBN模型的推理结果更准确。DBN模型中记忆学习的特性对于预测复杂性很重要，因为BBN模型很难实时收集准确的评估信息。DBN的推理包含了大量的信息，即使模糊信息作为证据，也可以保证预测结果。因此，可以随时间计算特定建设项目的治理水平，并使用已开发的DBN模型以动态方式进行分析。从而精准确定影响项目治理的关键因素，对重大项目治理起到重要作用。

5结语

本文提出了一种基于贝叶斯推理的新型软计算方法，在考虑时间更新信息的情况下探索了重大工程项目治理的动态发展规律。基于问卷调查的数据来识别重大工程项目治理机制，并基于识别出的治理因素，采用专家访谈的方法对项目治理因素进行进一步筛选和确定。基于DBN模型对重大工程项目治理的动态仿真分析，可以看出，权责利明确性、信息的充足性、项目各方寻求解决方法和协调征地拆迁和移民安置是影响重大工程项目治理最关键的几个因素。这几个关键因素属于合同治理、关系治理和行政治理3个治理机制的维度，说明在重大工程项目建设过程中，应基于合同治理、关系治理和行政治理三维治理框架进行项目治理。然而，开发的DBN模型有一些局限性。本文中的DBN模型是在收集所有建设项目的调查数据的基础上构建的，不区分生命周期管理中的各个阶段，如规划、设计、施工、运营和维护。并且，随着时间的推移，项目管理不同阶段的网络结构和项目治理的CPT可能会有很大差异。因此，在未来的研究中应考虑不同阶段的特点。

参考文献：

[2]何清华，杨德磊，罗岚，等．基于贝叶斯网络的大型复杂工程项目群进度风险分析[J]．软科学，2016，30（4）：120-126．

[3]盛昭瀚，薛小龙，安实．构建中国特色重大工程管理理论体系与话语体系[J]．管理世界，2019，35（4）：2-16．

[4]刘常乐．项目情境下治理机制对知识转移的影响研究[D]．北京：北京交通大学，2016．

[5]邓娇娇，严玲，吴绍艳．中国情境下公共项目关系治理的研究：内涵，结构与量表[J]．管理评论，2015，27（8）：213-222．

作者:罗岚 周威 薄秋实 杨晨曦 单位:南昌大学