基于聚類算法的工程招投標自律風險預警應用研究

尹家明 費清

摘 ?要：建設工程招投標是維護市場經(jīng)濟公平競爭和經(jīng)濟建設健康發(fā)展的一個重要舉措。因投標過程中涉及大量交易活動而受各界關注。為提高建設工程招投標環(huán)節(jié)風險預警能力，避免違法違紀問題出現(xiàn)，文章采用聚類算法構建風險預警模型，探究工程招投標交易活動中風險預警方法，并進行實證分析。結果表明該方法對工程招投標過程中涉嫌的圍標、串標行為風險預警效果顯著，對行業(yè)監(jiān)管部門和協(xié)會凈化市場生態(tài)具有較高的借鑒性和推廣性。

關鍵詞：招投標;行為自律;風險預警;聚類算法

中圖分類號：TP311 ? ?文獻標識碼：A文章編號：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

西方國家歷經(jīng)200余年建立了相關招投標制度，我國從西方國家引進只有短短30余載，雖已成效顯著，但目前實際招投標交易活動中仍存在一些涉嫌招投標當事人相互串通圍標、掛靠投標，有的甚至與設計院、招標公司勾結，操縱招標結果，用合法的招標程序套取國家資金。近年來隨著大數(shù)據(jù)技術在政府治理中的深入應用，如何更好運用大數(shù)據(jù)融合分析風險預警工具遏制建設工程項目招投標中可能存在的圍標、串標行為，避免在工程項目后續(xù)實施階段發(fā)生掛靠、轉包、非法分包等違法違規(guī)行為，創(chuàng)建以行業(yè)自律風險預警機制，維護凈化市場健康生態(tài)的創(chuàng)新管理模式。

本文通過貴陽市2016—2018年實施建設工程招投標自律風險預警平臺案例采集近三年的數(shù)據(jù)，基于大數(shù)據(jù)機器學習技術的聚類算法（clustering algorithm）提出了具有高實用性、可操作性的自律風險預警方法，并采用“數(shù)據(jù)風險預警+行業(yè)自律約談+承諾公示”的多措并舉創(chuàng)新模式，對行業(yè)監(jiān)管部門和協(xié)會凈化市場生態(tài)具有較高的借鑒性和推廣性。

1 ?問題提出

建設工程招投標因其涉及公共資源分配和市場主體環(huán)境“三公”（即公平、公正、公開）原則，對遏制建筑工程招投標中存在的圍標、串標等違法違規(guī)問題進行研究，就招標人與代理機構、招標人與投標人、招標人與評標專家、代理機構與投標人、代理機構與評標專家、投標人與評標專家等共同參與招投標活動的7種關系人之間的利益鏈進行剖析研究，通過采集公共資源交易中心對近3年來房建和市政工程中的招投標樣本數(shù)據(jù)，與住建監(jiān)管部門近3年來房建和市政工程項目質量安全驗收數(shù)據(jù)進行匯聚融合，按結果問題導向分類提取出工程招投標四方主體風險指標，就疑似招投標人圍標、疑似招投標人串標、四方主體親密度和項目后跟蹤評價等風險作為本文研究重點。

2 ?研究現(xiàn)狀

當前該領域研究現(xiàn)狀有以下幾點：

（1）缺少“陽光政務”服務的強力抓手。按照十九大強調“抓早抓小、防微杜漸是反腐防腐的戰(zhàn)術和策略”。從建設工程項目的招投標環(huán)節(jié)入手，運用大數(shù)據(jù)的手段，對招投標全過程進行記錄、追溯，確保建筑工程招投標權力運行全程數(shù)據(jù)化監(jiān)測預警，即可快速部署，又對行業(yè)自律有震懾作用。

（2）舊規(guī)默俗亟待有效工具破除。一些市場主體通過“借公司幫個忙”等方式常年在招投標行業(yè)邊緣尋求灰色利益，即破壞了建設工程招投標制度的初衷，也造成了該行業(yè)市場生態(tài)的進一步惡劣，雖近年來通過各種行政手段有所好轉，但依然存在，亟待破除這些潛規(guī)則以改變現(xiàn)狀。具體痛點表現(xiàn)在：

1）串標、圍標為工程建設質量安全埋下隱患。一些投標企業(yè)相互串通，彼此達成協(xié)議，輪流坐莊中標或借用資質進行圍標。往往這類投標企業(yè)中標后，違法分包、轉包現(xiàn)象也較為突出。還有的投標企業(yè)惡意低價中標后，找各種理由拖延工期，手段、性質都非常惡劣，以達到變更工程追加投資增大利潤空間的目的。

2）招標人、招標代理機構為特定企業(yè)量身定做招標文件。即為何總是有一些市場主體投標總是中標這個招標人項目，為何有些市場主體投標總是不中標。

（3）梳理判定陪標、圍標、串標問題源。在長期頻繁參與投標但中標率極低的企業(yè)與中標率極高的企業(yè)，長期共同出現(xiàn)在同一招標項目中，基本可判定為陪標、圍標行為。二是判定招標人與投標人之間關系過于親密，有串標行為。某時段內，同一投標人參與固定招標人的招標項目且中標率極高的基本可確定雙方具有合作關系，有串標行為。三是判定評標專家與投標人之間的存在利益輸送。具體有以下幾點：

1）招標人與代理機構之間，存在個別招標人與代理機構間的關系過于親密問題。通過采集投標人與代理機構間的數(shù)據(jù)進行分析，發(fā)現(xiàn)個別招標人在某一時段內，選擇同一代理機構代理招標的項目次數(shù)較多。

2）招標人與投標人之間，存在同一投標人多次投標某招標人的項目且中標率較高問題。通過采集招標人與投標人之間的數(shù)據(jù)分析，發(fā)現(xiàn)某一投標人在一定時期內，參與同一招標人項目的投標次數(shù)和中標率偏高。

3）評標專家與招標人、投標人、代理機構之間，存在專家對特定對象的評分偏高的問題。通過對專家評分數(shù)據(jù)進行采集分析，某些評標專家針對特定企業(yè)投標的評定分值明顯高于或低于其評定的平均分值。

4）代理機構與投標人之間，存在同一投標人參與某一代理機構的項目多次投標且中標率較高問題。通過對代理機構與投標人之間的數(shù)據(jù)采集分析，發(fā)現(xiàn)某一代理機構在一定時期內，其代理的招標項目中，同一投標人參與投標的次數(shù)和中標率偏高。

5）共同投標人之間，存在某些投標人投標頻率較高，但中標率極低的問題。通過對投標人之間的數(shù)據(jù)采集分析，發(fā)現(xiàn)某些投標人長期共同參與同一項目的投標，其中一些投標人長期中標率極低。

3 ?實證分析

本文通過痛點問題和現(xiàn)狀的信息的采集和識別，綜合研判后構建了建設工程招投標自律風險分析設計了風險分析流程圖，如圖1所示。

根據(jù)風險分析流程圖進行了具體風險動因分析，找出分析因子和風險系數(shù)值，建立工程招投標自律風險預警分析模型，分為三個步驟，如圖2所示。

3.1 ?數(shù)據(jù)識別分類（模型設計）

通過公共資源交易中心招投標數(shù)據(jù)庫中動態(tài)提取招投標交易活動中數(shù)據(jù)進行數(shù)據(jù)統(tǒng)計，按照時間因子篩選，通過因果分析法首先完成包括項目總數(shù)、招標單位數(shù)量、代理機構數(shù)量及投標單位數(shù)量與項目四方主體關系的分類為（詳見表1所示）：

（1）對項目招標人數(shù)據(jù)分別進行招標人與代理機構、投標人及評標專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關注指數(shù)為：

招標人數(shù)據(jù)=A×10%+B×70%+C×20%

A=招標人與代理機構數(shù)據(jù)=（招標人項目發(fā)包數(shù)/全市招標項目發(fā)包數(shù)）+（招標人選擇代理機構總數(shù)/全市代理機構總數(shù)）

B=招標人與中標人數(shù)據(jù)=（B1+B2+B3+Bn）/n

B1=（招標人發(fā)包項目數(shù)/全市招標項目發(fā)包總數(shù)）+（1-投標人1中標此招標人總數(shù)/投標人1中標總數(shù)）

B2=（招標人發(fā)包項目數(shù)/全市招標項目發(fā)包總數(shù)）+（1-投標人2中標此招標人總數(shù)/投標人2中標總數(shù)）

Bn=（招標人發(fā)包項目數(shù)/全市招標項目發(fā)包總數(shù)）+（1-投標人n中標此招標人總數(shù)/投標人n中標總數(shù)）

C=（專家待定）

可分別進行代理機構與招標人、投標人及評標專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關注指數(shù)，并進行排列展示。

（2）投標人數(shù)據(jù)分析。分別進行投標人與招標人、代理機構及評標專家的數(shù)據(jù)分析，利用如下公式計算出各方主體的關注指數(shù)，并進行排列展示。

投標人數(shù)據(jù)=F×10%+G×40%+H×40%+I×10%

F=投標人與代理數(shù)據(jù)=中標數(shù)/全市招標數(shù)+中標項目的代理機構總/全市代理機構總數(shù)

G=投標人與招標人數(shù)據(jù)=（G1+G2+G3+Gn）/n

G1=中標數(shù)/全市招標數(shù)+（1-中標招標人1總數(shù)/招標人1總招標數(shù)）

G2=中標數(shù)/全市招標數(shù)+（1-中標招標人2總數(shù)/投標人2總招標數(shù)）

Gn=中標數(shù)/全市招標數(shù)+（1-中標招標人n總數(shù)/投標人n總招標數(shù)）

H=投標人數(shù)據(jù)=[（投標人中標項目數(shù)/報名數(shù)）+（投標人中標項目數(shù)/資格預審合格數(shù)）+（投標人中標項目數(shù)/遞交投標文件數(shù)）]

I=（專家待定）

（3）代理機構數(shù)據(jù)=D×10%+F×70%+E×20%

D=代理機構與招標人數(shù)據(jù)=代理機構代理項目總數(shù)/全市招標數(shù)+代理機構代理招標人總數(shù)/全市招標人總數(shù)

F=代理機構與投標人數(shù)據(jù)=（1-代理機構代理項目總數(shù)/全市招標數(shù)）+（1-代理機構代理項目的遞交投標文件的投標人總數(shù)/全市所有項目遞交投標文件的投標人總數(shù)）

E=（專家待定）

（4）評標專家數(shù)據(jù)分析。進行評標專家與招標人、投標人及代理機構的數(shù)據(jù)分析，利用聚類算法計算出各方主體的關注指數(shù)，并進行排列展示。

3.2 ?編程運算（模型學習）

聚類算法是一種大數(shù)據(jù)機器學習的無監(jiān)督學習模型之一，它將分析對象相似的歸到一個簇中，簇內分析對象越接近，聚類效果越好。本文主要采用其中K-均值（K-means）聚類算法，根據(jù)采集數(shù)據(jù)中“招標人風險值數(shù)據(jù)”樣本為s，包含了n個對象s={s1，s1，s1，…，sn}，其中每個對象都具有m個維度的屬性（這里主要指已采集的投標人、招標代理、評標專家維度）。目標是將n個對象依據(jù)的對象間的相似性聚集在指定的k個簇中，首先初始化k個聚類中心d={d1，d2，d3，…，dk}，1<k≤n，計算每一個對象到每一個聚類中心距離，如下式所示：

式中si表示第1個對象1≤i≤n，dj表示第j個聚類中心的1≤j≤k，sit表示第i個對象的第t個屬性，1≤t≤m，djt表示第j個聚類中心的第t個屬性。依次類推比較每個對象到每一個聚類中心距離，將對象分配到距離最近的聚類中心的簇中，得到k個簇{x1，x2，x3，…，xk}，以此計算簇內所有對象的各個維度的均值如下：

注：上式中dt表示第1個聚類中心，1≤l≤k，|xl|表示第1個類簇中對象的個數(shù)，si表示第1個類簇中的第i個對象，1≤i≤|xl|。

3.3 ?分析優(yōu)化（模型驗證）

通過自律風險預警模型算法導入的學習，按照紅色代表高風險預警值、黃色中風險提醒值和綠色代表關注值的定義，對模型學習后數(shù)據(jù)導入云平臺進行顯示。界面如圖3所示。

4 ? 結 ?論

本文通過文獻查閱、案例導入、模型構建、模型驗證，構建基于聚類算法的工程招投標自律風險預警模型，預警效果目標達到。作為行業(yè)監(jiān)管部門可以通過該模型及搭建的基于云計算的招投標自律風險預警平臺對建設工程項目招投標行為動態(tài)監(jiān)測。同時，提出的“風險預警數(shù)據(jù)+行業(yè)自律約談+承諾公示”管理管理模式，可以很好地推動整個建設工程招投標領域的市場凈化和行業(yè)自律，讓好的企業(yè)更好，差的企業(yè)無處遁形，或改邪歸正，或自然推出行業(yè)市場。

為了更好推進建設工程招投標領域的市場凈化和行業(yè)自律，我們建議：

進一步推進大數(shù)據(jù)技術的招投標自律風險預警平臺在招投標領域的深度融合，向更多地區(qū)復制推廣形成全行業(yè)自律。

進一步完善條塊數(shù)據(jù)匯聚，多維度采集協(xié)同數(shù)據(jù)，實現(xiàn)實時數(shù)據(jù)共享，織牢風險預警監(jiān)測平臺，使其分析更精準。

參考文獻：

[1] 王勇，劉建平，蔡長霞.一種改進的K-means聚類算法 [J].工業(yè)控制計算機，2010，23（8）：91-93.

[2] 趙勇.大數(shù)據(jù)在工程建設項目招投標中的應用研究 [J].工程經(jīng)濟，2016，26（11）：70-75.

[3] 李蒙，魯曼，余宏亮.區(qū)塊鏈技術下的建筑材料信息技術架構研究 [J].建筑經(jīng)濟，2019，40（10）：103-107.

[4] 鮑宇清，陳斌，陳波，等.“放管服”背景下基于“大數(shù)據(jù)”和“區(qū)塊鏈”技術的建筑節(jié)能和建筑材料管理模式研究 [J].住宅產(chǎn)業(yè)，2020（10）：96-99.

[5] 吳艷.大數(shù)據(jù)在工程建設項目招投標中的應用 [J].電子世界，2017（11）：77.

[6] 程鐵信，郭濤，祁昕.決策樹分類模型在工程項目評標風險預警中的應用 [J].數(shù)理統(tǒng)計與管理，2010，21（1）：122-128.

[7] 凌陽明月，趙帆，凌陽明星.大數(shù)據(jù)技術在工程項目招投標中的應用研究 [J].武漢理工大學學報（信息與管理工程版），2016，38（2）：214-217.

[8] 源軍，胡維建.聚類分析法在建設工程項目招標過程中的應用 [J].施工技術，2008（8）：24-25+29.

[9] 劉云楓，易麗君.全過程網(wǎng)絡招投標及其風險識別 [J].科技管理研究，2011，31（1）：197-200.

[10] 喬柱，劉伊生.大數(shù)據(jù)背景下我國電子招投標監(jiān)管研究 [J].工程管理學報，2019，33（1）：1-5.

[11] 李鑫，程靜，李慧波，等.基于大數(shù)據(jù)的典型社會安全事件預測預警技術研究 [J].中國電子科學研究院學報，2019，14（5）：457-461.

作者簡介：尹家明（1976.12—），男，漢族，貴州大方人，高級工程師，項目管理碩士，研究方向：大數(shù)據(jù)戰(zhàn)略及項目管理、數(shù)據(jù)商業(yè)智能挖掘研究;費清（1994.10—），女，漢族，貴州貴陽人，大數(shù)據(jù)工程師，本科，研究方向：大數(shù)據(jù)項目管理、數(shù)據(jù)算法設計及數(shù)據(jù)挖掘。