基于复杂网络的重大基础设施工程风险管理网络演化模型研究
陈志超，孙绍荣
（上海理工大学 管理学院，上海 200093，E-mail：czcbdqh@163.com）
摘 要： 重大基础设施工程系统的复杂性、不确定性，使得研究重大工程风险管理主体的策略选择行为具有重要的现实意义。基于风险管理主体交互行为形成的复杂网络，引入经验权重魅力值学习算法，构建重大工程风险管理主体决策行为的“Agent—元胞自动机”模型，对风险管理策略竞争演化进行研究。结果表明，各参与主体的风险管理策略选择除了受自身预期收益的影响之外，还受项目内其他异质性主体风险管理策略选择的影响，不同策略间的兼容性对参与主体行为影响较大，风险管理策略具有先发优势。研究结果为重大工程风险管理策略的实际推广和应用提供理论依据。
关键词： 重大基础设施工程；风险管理；复杂网络；元胞自动机
重大工程风险管理是指基于重大工程建设过程中可能发生的、预期会给项目建设带来潜在损失的事件或条件，工程参与主体做出一系列决策和行为以提前预防或减少潜在损失的过程。重大工程具有复杂性、不确定性的特征[1]，这使得参与主体在面对项目系统内外部复杂环境时很难做到绝对理性。重大工程中的参与主体主要包括政府、承包商、供应商、科研机构、金融机构、行业协会、监理单位、质量检测方等[2]。参与主体具有异质性[3]，由于主体类型不同，以及同一类型主体具有不同秉性和行为特征，导致异质性主体面对风险时的风险感知和风险决策行为有所差异[4]。如何准确把握重大工程参与者在风险管理过程中的决策学习行为，提高项目系统整体的风险管理水平，保障工程项目的顺利实施，对重大工程风险管理有着重要的意义。
所有国家的电力体制改革均涉及赎买旧体制的问题，即处理现有机组的搁浅成本。在考虑所有机组搁浅成本的情况下，需要补偿所有现有机组的全成本。
国内外学者对重大工程风险的具体分类、风险评估、风险影响因素等角度进行了分析。何清华等[5]运用贝叶斯网络模型，对大型复杂工程项目群进度风险的关键敏感因素和最大致因链进行分析。向鹏成等[6]分析了影响重大工程项目脆弱性的可能因素，为重大工程风险决策和管理提供参考。Park等[7]采用层次分析法（AHP）和失效模式及效果分析法（FMEA），对工程项目执行的风险因素进行研究。考虑重大工程组织参与者之间的相互作用，有关学者构建演化博弈模型寻找最佳管理策略。刘宏等[8]在PPP模式下构建投资方与政府部门的风险管理策略演化博弈模型，认为一定条件下投资方积极投资和政府部门监管可实现项目风险最小以及效益最佳。赵泽斌等[9]引入前景理论和风险感知因素，分析风险管理过程中公共部门和私人部门行为决策动态演化过程。此外，越来越多的学者开始利用复杂理论来研究重大工程风险分析及管理[10]。Williams[11]采用系统分析方法，发现传统项目管理方法不适用于结构复杂、不确定和有严格时间限制的项目。盛昭瀚[12]提出对于工程和环境复杂程度都比较高的工程项目，要用复杂系统理论来解决复杂工程管理问题。
然而，现有研究忽视了项目异质性主体在博弈过程中所表现出来的策略选择行为，对各主体之间的交互行为、适应性学习行为的研究还很缺乏。本文利用参与主体交互行为形成的复杂网络，综合考虑项目参与主体的异质性、自适应学习行为、博弈行为，基于EWA主体学习模型[13]来构建项目风险管理策略演化模型。通过Matlab仿真平台对项目多主体系统数值模拟，进行风险管理策略涌现和策略竞争演化的情景仿真实验，研究项目风险管理策略演化中异质性主体的行为选择、网络外部效应等对风险管理策略演化的影响。
1 重大工程风险管理行为模型
本文基于参与主体交互行为形成的复杂网络，将参与主体适应性选择作为一个复杂自适应系统（Complex Adaptive System，CAS）进行分析，参与主体行为是一个不断学习、不断适应的过程。重大工程的复杂性要求参与主体，在确定风险管理方案时不断调整自身学习行为。在风险管理策略演化过程中，根据其邻域的其他个体的风险管理策略，分析其可能带来的收益，从而决定自己是否需要进行模仿，以实现收益最大化。基于此类行为过程，异质性主体通过局部交互行为和自身的适应性学习，推动风险管理策略的演化，在重大项目完成的过程中，逐步形成一个整体低风险管理策略状态。
韩国自明朝起因是中国的附属国，在文化上受到中华文化的影响，国人也多崇儒尚道，尊礼守礼，在饮食、服饰、习俗等方面与中华文化多有相似之处，韩国人对传统文化十分尊重并且传承至今，自1000多年前传入韩国后，在餐桌上韩国人也多使用筷子，但其对筷子进行了本土改良，筷子不同于中国的圆体，而是将其做成得长而扁，并且多是银制品，因为韩国崇尚节俭，银制筷子消毒后可以重复使用，不会造成浪费，且韩国经历了战乱，金属制的筷子不易折断，有“不易折”的象征义。而在中国，使用的较为普遍的是木制的，国人更加倾向于使用一次性的木筷，减少病菌的传播，但同时也造成了浪费。
1.1 不同策略选择的预期收益
在传统电视制作中，通常是利用场频、扫描方式、宽高比以及行频等技术决定电视信号携带的显示质量和信息量。与此不同的是，4k技术电视采用的是多种制式并存的技术形式。这样一来就可以结合不同情况的实际需求选择相应的制式。相较于标清电视，4k技术电视的优势在于码率高，数据量的储存和高码流信号是实现4k技术电视的前提条件。
式中，
表示时刻t参与主体i在其邻域内采用同一风险管理策略 j的主体数量。rij表示参与主体 i对风险管理策略j的初始预期收益，与网络外部性无关，且不随时间变化而变化。
表示由于网络外部性，管理策略j给参与主体i带来的收益，且
表示兼容性带来的收益，其中cjk表示策略j和策略k之间的兼容系数，
表示时刻t参与主体i在其邻域内采用同一风险管理策略k的主体数量。兼容水平一般由参与主体内部决定，当cjk增大时，兼容性带来的收益增大；特别地，当cjk=1，表示策略j和策略k完全兼容，两者带来的收益相同。
表示时刻t参与主体i采用管理策略j的成本；
表示时刻t从原有策略j转到策略k的转换成本；
表示参与主体i采用管理策略j后的风险损失。
从图2可以看出，在调整策略初始状态下的参与主体数量的情况下，两种策略的演化形式发生改变。在图2（a）中，当初始状态下，采用策略1、策略2的参与主体数量分别为1000和0时，从最初演化开始，策略1就在系统中形成了明显优势，当选择策略1的参与主体数量达到2000时，主体数量演化趋于平稳。选择策略2的参与主体数量虽然在时刻1至10阶段也有所增长，但始终无法达到，甚至接近策略1的演化表现。由此可见，在该演化系统中，风险管理策略存在先发优势，在初始状态下选择某一策略的参与主体数量将影响到未来该策略在系统中的表现。
设网络外部性的收益函数
为[14]：
式中，
为参与主体t采用管理策略j的网络效用系数，α为外部效应指数。
（4）在时刻（t-1）参与主体 i采用一项管理策略，在时刻t继续沿用该项策略：
式中，ω为风险损失敏感系数（ω>0），反映参与主体的风险厌恶程度，ω越大，说明参与主体越厌恶风险，lij为风险发生的概率，Fij为风险带来的损失量，n为参与主体的总个数。针对风险损失，现有研究主要从风险评估与度量[16]、风险分担原则[17]等角度进行了分析。出于篇幅限制，本文对风险种类、度量方式、分担方式不做具体深究，为方便计算和分析，对风险带来的损失采用均摊方式。
将式（2）~式（4）代入式（1），按照参与主体决策行为不同，可分为以下5中预期效用函数[15]：
（1）在时刻（t-1）参与主体 i未采用任何风险管理策略，在时刻t仍不进行风险管理：
（2）在时刻（t-1）参与主体 i未采用任何风险管理策略，在时刻t决定选择一项管理策略：
国家统计局数据显示，1至11月，一线城市新建商品住宅销售价格平均同比微涨0.3%，涨幅比去年同期回落10.6个百分点。11月份，北上广深四城二手房连续2个月下跌，且价格跌幅持续扩大。
（3）在时刻（t-1）参与主体 i采用一项管理策略，在时刻t决定不再进行风险管理：
设参与主体i采用管理策略 j后的风险损失Rij为：
利用Logit决策模型[13，15]，用策略魅力值
( t )表示每个策略下个时刻被选择的概率
，当策略魅力值越大时，策略被采用的可能性越高。其中，参数λ表示参与主体成员对策略魅力值的反应敏感度。
（1）计划。针对临床免疫检验过程进行整体规划，制定工作方案，从管控规划到人员培训，从检验样本获取到检验结果分析，针对免疫检验流程及管理制度，严格按照《临床免疫检验细则》进行科学训练、专业知识学习以及消毒意识，设置新的临床免疫消毒标准、洗手点以及检验功能区域划分[1] 。
重大工程风险管理主体是具有自适应学习行为的异质性主体，能够根据过去经验、对未来的预期以及其他主体的策略选择等因素自由调整自身决策行为。为了研究参与主体学习行为及其策略调整的演化方式，本文引入 Camerer[13]提出的经验权重魅力值学习算法（Experience Weighted Attraction Learning，EWA），综合考虑基于过去经验的强化学习和信念学习，构建工程项目异质性主体的学习模型。在EWA学习模型中，每一种策略的魅力值都会随时间发生变化，根据算法计算出每种管理策略的魅力值，利用魅力值计算出采用每种策略的概率，然后可以通过概率大小决定参与主体下个时间段的行为方式[13]。式中，
() t为策略魅力值，表示时刻t策略j对参与主体i的魅力指数。参与主体参数φ为魅力值衰退系数（
），表示过去风险管理经验由于交互对象变化、外部环境变化以及遗忘等原因，导致过去策略的魅力值衰退。
为魅力值增长控制系数，表示异质性主体对过去经验的学习速度，反映参与主体学习能力。经验权重公式
反映相邻时期经验权重魅力值的变动。
为项目异质性主体对未选择策略的预期收益权重系数（
[0，1]），表示主体受到被放弃策略收益的影响，系数值越高，表明异质性主体对这项策略的期望值越高，选择的可能性也就越大。特别地，当
时，异质性主体的策略选择即为强化学习（Reinforcement Learning），当
=1时，异质性主体的策略选择即为信念学习（
Belief Learning）。
为一指标函数，其中 表示参与主体i采用策略
表示时刻t参与主体i实际采用的策略，它结合预期收益权重系数δ表示策略是否被采用的收益系数，当
= S i( t)时，
。当时刻t策略j被参与主体i采用时，
，当时刻t策略j不被参与主体i采用时，
。
(
,S-i(t ))表示参与主体的预期收益函数。
1.2 策略选择行为的学习模型
（5）在时刻（t-1）参与主体 i采用一项管理策略，在时刻t选择另一项策略：
分子筛具有较大的比表面积和微孔体积，对水等极性分子有强烈的吸附能力，比活性炭具有耐高温、不可燃、较强的疏水性等特征，可通过热空气再生，尤其适用于湿度较高的VOCs吸附，也是应用较多的吸附剂之一。目前使用较多的吸附剂包括NaY，Hβ，ZSM-5，SBA-15，MCM-41 等。
参与主体的效用函数与其邻域中采用相同风险管理策略的主体数量有关。本研究采用Katz等[14]提出的网络外部性效用函数模型，参考鲜于波等[15]对其做出的修改和具体化。在时刻t参与主体i采用风险管理策略j的预期效用函数为[14，15]：
1.3 Agent—元胞自动机
重大工程系统参与主体在演化博弈中，通过不断模仿、学习以及进行试错择优选择，不断调整自身的风险管理策略[18]。传统的元胞自动机（Cellular Automata，CA）系统是由同质的元胞构成的无层次性群体，其组成对象单一且具有同质性，个体状态简单，只受局部元胞、本身状态和演化规则的影响，简单的局部规则可以演化出极为复杂的系统行为[19]。刘春霞等[20]曾提出一种“元胞结构的智能Agent”模拟方法，既考虑了个体的统一个性和局部影响力，又考虑了个体与外部环境的相互作用。结合元胞自动机模型理论，以及Agent智能体理论，使得模型既具备元胞自动机的结构简单、运算快速的特点，又可以保留重大工程参与主体Agent在策略选择中的自主性和差异性[21]。基于此，本文对传统元胞自动机系统进行改进，构建重大工程参与主体风险管理策略演化“Agent—元胞自动机”模型。
2 模型仿真与结果分析
根据元胞自动机的建模方法，结合元胞自动机模型理论，以及Agent智能体理论，建立了重大工程参与主体风险管理决策行为的“Agent—元胞自动机”模型。模型采用典型的Moore型邻域，将参与主体看作一个个元胞。元胞状态集为{0，1，2}，0表示未采用任何风险管理策略；1表示参与主体选择策略1；2表示参与主体选择策略2。将元胞规模设定为 50×50，认为工程项目中共有 2500个参与主体，假设系统具有稳定的组织结构和成员组成，不考虑演化过程中参与主体总体数量的变化情况。假设系统中只有两种风险管理策略1和2，每个参与主体可自由选择其中一种策略，不能同时选择两种风险管理策略，并且可在下个时间段自主选择是否调整现有策略，存在上文所述5种情形。基于NW小世界网络模型，构建规则网络，对系统参数进行初始化设定，根据给定参数和公式计算参与主体选择每种方案的预期收益，代入EWA学习模型，计算出每种管理策略的魅力值。利用魅力值计算出采用每种策略的概率，通过概率大小决定下个时间段该采用哪种策略。最终通过Matlab仿真平台对项目多主体系统数值模拟，进行风险管理策略涌现和策略竞争演化的情景仿真实验及分析。
2.1 模型初始参数设置
仿真初始参数如表1所示。
表1 仿真初始参数
2.2 风险管理策略涌现和竞争演化分析
在设定模型初始参数的条件下，其他参数不变，调整两种风险管理策略的兼容系数c12=c21=0.1，系统演化结果如图1（a）所示。其他参数不变，调整兼容系数c12=c21=0.9，系统演化结果如图1（b）所示。
108例患者平均手术时间2～3 h，出血量50～100 mL，伤口愈合时间平均为2周，术后住院5～7 d。经过近10个月的随访:肱二头肌肌力4级者20例，2～3级者68例，0～1级者20例。所有患者预后良好。
图1 两种风险管理策略兼容系数
从图1可以看出，在上述参数的设置下，两种风险管理策略初始演化较平缓，当系统中选择两种策略的参与主体数量达到一定临界点后，两种策略各自参与主体数量急剧增多，风险管理策略的扩散速度加快。当策略的扩散达到系统容量极限时，演化速度趋于平缓，达到最终的相对稳定状态。图 1（a）中，两种策略兼容系数较低，策略1和策略2的兼容性较差，当系统演化达到最终相对稳定状态时，大多数参与主体更偏好于其中一种策略。与图1（a）的表现不同，图1（b）中，两种策略兼容系数较高，策略1和策略2的兼容性较好，当系统演化达到最终相对稳定状态时，选择两种策略的参与主体数量无较大差异，策略1和策略2形成互补的局面。
从以上演化结果分析可得，小世界网络环境下，即便是在相同初试参数设定的条件下，两种风险管理策略的最终演化结果也会产生较大差异。当两种策略兼容系数较低时，系统最终演化结果会呈现参与主体局部聚集的现象，大多数参与主体最终都会选择其中一种风险管理策略。当两种策略兼容系数较高时，系统最终演化结果会形成两种策略“和谐”共存的现象，不同策略之间会形成互补关系，系统中的策略种类呈现多元化，可以看出，当兼容性较好时，更有利于不同风险管理策略共同发展，避免一家独大。
2.3 风险管理策略的先发优势
在设定模型初始参数的条件下，其他参数不变，c12=c21=0.5。调整初始状态下采用策略1、策略2的参与主体数量
，系统演化结果如图2（a）所示。其他参数不变，策略1、策略2的参与主体数量
，调整初始状态采用策略1、策略2的成本
系统演化结果如图2（b）所示。
图2 不同初始参与主体数量
设时刻t参与主体i原有策略j转到策略k转换成本
为[15]：式中，μ为转换成本的参数（
）。
基于图 2（a），调整初始状态采用策略 1、策略 2的成本，如图 2（b）所示。在图 2（b）中，刚开始采用策略1的参与主体数量也有显著增长，但与图2（a）不同，当其增长到一定程度，并没有立即趋于平稳，反而还有所下降，最终采用策略 1的参与主体数量保持在1400左右。图2（b）中采用策略2的参与主体数量同样也增长显著，增长速度比图2（a）中要快，并且没有立刻就停留在某个稳定状态，而是在增长速度放缓的情况下数量继续增长，最终采用策略2的参与主体数量保持在1100左右。由此可见，策略的初始成本会对参与主体的决策行为产生一定影响，当某一策略在初始状态缺少图2（a）所示的先发优势时，可以通过初始成本的价格竞争优势，缩小与优先进入策略之间的差距，从而在系统中占据一席之地。
2.4 风险损失敏感程度的影响
在设定模型初始参数的条件下，其他参数不变，调整初始状态下采用策略1、策略2的参与主体数量
初始成本
，风险损失敏感系数
系统演化结果如图3（a）所示。其他参数不变，调整兼容系数c12=c21=0.2，系统演化结果如图3（b）所示。
图3 低风险损失敏感性环境
图3 （a）所中，在确立了策略1的先发优势的基础上，调整策略初始成本以使策略2具有成本优势，调整风险损失敏感系数、兼容性系数，使得两种策略保持兼容性较高的状态下，基于低风险损失敏感性环境中演化。与图2（b）所演化结果不同，策略1在拥有先发优势的前提下，选择策略1的参与主体数量最终稳定在800左右，与策略2差距较大。由此可见，当两种策略的兼容性较好，并处于低风险损失敏感性环境下时，策略的初始成本价格竞争优势表现得更为显著。调整兼容系数，使得两种策略在兼容性较低的状态下，基于低风险损失敏感性环境中演化，如图3（b）所所示，具有先发优势的策略1一直保持领先状态，选择策略2的参与主体数量虽然同样有所增加，但是却没有出现图 5中选择策略2的主体数量最终超过策略1的情形。
A：我在两年前开始健身，一开始只是为了塑形，后来渐渐体会到健身的益处，不只是身体素质好了，心情也变好了，整个人的状态都不一样了，慢慢就养成习惯了。
通过比较图 3（a）所和图 3（b）所的演化结果可知，系统中参与主体对风险损失的敏感程度会对参与主体的决策行为产生影响，当风险损失敏感系数越高时，参与主体越厌恶风险，系数越低时，参与主体更倾向于风险以减少策略成本。参与主体决策行为受不同策略间兼容性的影响，即使参与主体更偏好风险，当不同策略间的兼容性较差时，策略的初始成本价格竞争优势影响力有限，更多的参与者还是会选择更为保守的决策方式，此时，风险管理策略的先发优势表现更加显著。
3 结语
本文基于参与主体交互行为形成的复杂网络，将参与主体适应性选择作为一个复杂自适应系统，利用EWA主体学习模型，构建了重大工程参与主体风险管理决策行为的“Agent—元胞自动机”模型，并进行风险管理策略涌现、竞争的演化仿真模拟。研究结果表明，由于工程外部环境的复杂性、不确定性，以及参与主体自身技术、经验的有限性，项目风险管理策略演化出现多种风险管理策略相互影响的现象，各主体的风险管理策略选择除了受自身预期收益的影响之外，还受项目内其他异质性主体风险管理策略选择的影响。不同策略间的兼容性对参与主体行为影响较大，当两种策略兼容系数较高时，不同策略之间会形成互补关系，系统中的策略种类呈现多元化趋势，更有利于对新策略的推广。此外，风险管理策略具有先发优势，当不同策略间的兼容性较差，参与主体对风险损失更敏感时，这种优势更为显著。风险损失敏感程度会对参与主体行为产生一定影响，但是当不同策略间的兼容性较差时，影响有限。
本文分析了系统中异质性主体风险管理策略选择行为的演化机制，对重大工程风险管理策略的实际推广和应用具有一定指导意义。但同时也存在一定的不足，本文对风险种类、度量方式、分担方式未作深入探讨，不同类型风险，以及参与主体角色的不同，可能会导致对风险损失的敏感程度有所差异，因此在后续工作中会对这些问题进一步展开研究。
参考文献：
[1] 何旭东．基于复杂性分析的大型工程参与主体行为风险管理研究[J]．技术经济与管理研究，2018（2）：37-41．
[2] 郭汉丁，郝 海，张印贤．工程质量政府监督代理链分析与多层次激励机制探究[J]．中国管理科学，2017，25（6）：82-90．
[3] 杨 婧，陈英武，沈永平．基于相互作用网络的大型工程项目组织结构风险分析[J]．系统工程理论与实践，2011，31（10）：1966-1973．
[4] 丁 斅，徐 峰．基于贝叶斯网络的工程风险管理研究——以港珠澳大桥主体工程设计风险为例[J]．系统管理学报，2018，27（1）：176-185，191．
[5] 何清华，杨德磊，罗 岚，马 亮，李 丽．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）：120-126，139．
[6] 向鹏成，李 佳．跨区域重大工程项目脆弱性研究[J]．系统工程理论与实践，2016，36（9）：2383-2390．
[7] Park K，Lee HW，Choi K，Lee SH．Project Risk Factors Facing Construction Management Firms．International Journal of Civil Engineering，2017：1-17．
[8] 刘 宏，孙 浩，李宗活．PPP模式下政府与投资方项目风险管理演化博弈分析[J]．系统科学学报，2017，25（2）：102-105，111．
[9] 赵泽斌，满庆鹏．基于前景理论的重大基础设施工程风险管理行为演化博弈分析[J]．系统管理学报，2018，27（1）：109-117．
[10] 薛小龙，王璐琪．重大工程管理理论演化与发展路径[J]．系统管理学报，2018，27（1）：192-199．
[11] Williams TM．Assessing and moving on from the dominant project management discourse in the light of project overruns．IEEE Transactions on Engineering Management，2005，52（4）：497-508．
[12] 盛昭瀚．大型复杂工程综合集成管理模式初探——苏通大桥工程管理的理论思考[J]．建筑经济，2009（5）：20-22．
[13] Camerer C F．Behavioral Game Theory：Experiments in Strategic Interation[M]．Princeton：Princeton University Press，2003．
[14] Katz M L，Shapiro C．Network externalities，competition and compatibility[J]．The American Economic Review，1985，75（3）：424-440．
[15] 鲜于波，梅 琳．适应性预期、复杂网络与标准扩散动力学——基于计算经济学的研究[J]．管理科学，2007（4）：62-72．
[16] 李 良，戎 凯．基于风险网络的大型工程项目风险度量方法研究[J]．数学的实践与认识，2010，40（22）：107-114．
[17] 李宗活，刘枚莲．基于效用理论的PPP项目融资风险分担比例模型研究[J]．系统科学学报，2018，26（1）：111-114．
[18] 张宏娟，范如国．基于复杂网络演化博弈的传统产业集群低碳演化模型研究[J]．中国管理科学，2014，22（12）：41-47．
[19] 刘春霞，孙绍荣．制度下行为模拟的Agent与CA方法比较研究[J]．数学的实践与认识，2010，40（2）：164-170．
[20] 刘春霞，孙绍荣．“CA结构的智能Agent”方法的构建与应用[J]．数学的实践与认识，2012，42（16）：29-36．
[21] 邢志伟，李世皎，唐云霄，罗 谦．基于Agent—元胞自动机的机场场面交通仿真[J]．系统仿真学报，2018，30（3）：857-865．
Research on Network Evolution Model of Risk Management Behavior of Major Infrastructure Projects Based on Complex Network
CHEN Zhi-chao，SUN Shao-rong
（School of Business，University of Shanghai for Science and Technology，Shanghai 200093，China，E-mail：czcbdqh@163.com）
Abstract： The complexity and uncertainty of major infrastructure projects systems make it important to study the strategy choice of risk management in major infrastructure projects. Based on the complex network formed by the interaction behaviors of risk management subjects，this paper introduced the EWA algorithm，constructed the agent-cellular automaton model of decision-making behaviors of major project risk management subjects，and studied the competitive evolution of risk management strategies. The results show that the choice of risk management strategy of each participant is affected not only by the expected return of the participant，but also by the choice of other heterogeneous risk management strategies in the project. The compatibility between different strategies has a great impact on the behavior of the participants. Risk management strategy has a first-mover advantage. The research results provided a theoretical basis for the practical promotion and application of risk management strategies for major projects.
Keywords： major infrastructure projects；risk management；complex network；cellular automaton
中图分类号： F283
文献标识码： A
文章编号： 1674-8859（2019）03-098-06
DOI ：10.13991/j.cnki.jem.2019.03.018
收稿日期： 2019-04-29．
基金项目： 国家自然科学基金面上项目（71771151）．
作者简介：
陈志超（1995-），通讯作者，男，硕士研究生，研究方向：企业管理，复杂网络，系统工程等；
孙绍荣（1954-），男，教授，博士生导师，研究方向：企业管理，制度设计及博弈管理等。
油气管网管理体制改革的根本目的是降低实体经济用能成本，管住具有自然垄断属性的管网，减少中间环节，降低中间成本，让人民得实惠。“管道＋调控中心”模式通过油气调控中心运用大数据、云计算、人工智能等技术，集成各方需求，打造信息共享平台，促进市场参与者交易，最终实现“资源总体受控、管道投资积极、信息公开透明、交易成本趋近于零”的目标，让所有参与者公平享有基础设施使用权。该模式对现行模式有继承有发展，最大限度确保了体制的连续性和稳定性，释放多主体竞争活力，更符合中国油气管网发展阶段需要，是逐步建立起有中国特色的油气管网管理体制的现实选择，也将不断丰富世界油气管理体制内容。
标签：重大基础设施工程论文; 风险管理论文; 复杂网络论文; 元胞自动机论文; 上海理工大学管理学院论文;