基于大数据技术识别建设工程围标串标行为分析

汪毅俊

（芜湖市公共资源交易执法支队，安徽芜湖 241000）

0 引言

围标又被称为串通投标，是指几个投标人之间在相互约定的基础上，通过抬高或者压低投标价格的方法进行投标，在这种限制性竞争的基础上排挤其他投标人，使某个利益相关者中标，最终实现非法牟利。现阶段关于建设工程围标串标行为控制已经得到学术界的广泛关注，并提出了多样化的解决思路。在这一背景下，大数据技术作为当前数据处理的有效方法，在数据识别与数据分析中发挥着重要作用，而该技术在建设工程围标串标中应用尚处于初级阶段，值得关注。

1 大数据模型的建立

针对围标串标问题，在本次研究中打造了一个参与招标投标主体之间的关系网结构，该关系网可以根据企业行为与诚信关系之间的相关性来调整权重，并配合社团检测算法来对企业的行为进行评估[1]。

1.1 企业间关系网络的构建

在建立企业间关系网络中将其中的关系视为一个简单的图形，该图形主要包括边与定点两个要素组成，则有表达方式：G=（V，E，w），其中的V代表网络的节点集合；w为权重，权重表现出关系值的强弱分布；E为连接结合。在该结构中，路径代表企业社会关系的“关系链”，通过识别网络簇可以对不同企业组成的“社团”属性做出评估。通过该方法可以通过图聚类模式来判断有无围标串标等现象。

在该结构中，将每一个参与投标的企业视为一个顶点，所有参与投标的企业则可以认为两个企业之间存在一条线，此时该线的权重为1，假设当企业需要经过n次投标之后，则可以认为权重的计算方法为“n-1”；而对于一起参与两次投标单位之间的连接线，最终形成了复杂网络结构，该结构可检测企业行为。

同时利用模块度函数，对复杂网络中社团结构强度进行预测之后，在该计算方案中假设网络中存在k个社团，e为k阶对称矩阵，此时定义e中的元素代表连接社团i与社团j节点之间的边，此时模块度函数Q的定义可以按照公式（1）进行表达。

其中：Tre——矩阵e的中连接统一社团中节点的边占整个网络全部边的比重。

作为一个复杂的网络结构，为了更好的判断建设工程围标串标等情况后，在利用大数据技术展开检测后，若检测结果显示Q函数值越大，则证明企业间的社团关系现象越严重，因此根据该结果可以判断出建设工程项目中有无围标串标现象的发生[2]。

1.2 构建强关联规则的数据挖掘模型

在本次数据挖掘模型构建，假设集合I=（i1,i2,i3…im），其中m代表不同项目组成的集合，在本次研究中通过一个给定的事务数据库D，该数据库中的每个事务T作为集合I中一组项目的集合，此时T有一个唯一标识符，此时则有T∈I。在这种情况下通过开展关联分析的方法可以在给定的项目类别下与对应的记录集合条件，在记录集合以及计算最小置信度之后，计算出项目之间的相关性。

通过设置适应度函数可以判断每条关联规则是否正确，一般在数据处理中可按照适应度的高低对关联规则做出判断，此时按照适应度计算中，随着适应度函数的生成，则可以同时设置权重的方法对挖掘的关联规则做出判断，统计具有较高置信度的数据，此时为确保挖掘数据的关联度，本文在数据处理中添加了置信度与支持度的计算乘积，这种模式下的数据挖掘主要分为两个步骤，其中的第一步则是对数据库的二进制化与离散化等，在数据处理中可以将数据库转变为二进制布尔矩阵模式，这种模式可以计算出适应度值函数f()

x，进而减少数据库的记录数据并读取数据库中的操作步骤。第二步则是对数据离散数据做编码，计算出数据群的初始适应度值，并借助数据挖掘算法的搜索并输出最佳数据结果。

2 计算模型的验证

2.1 数据来源分析

为了分析该模型在识别建设工程围标串标行为中的可行性，本次研究中选择了本地区公共资源交易平台2021年招标投标交易数据为研究对象，所选数据中包含房建、市政、公路等超过945个项目，每条交易数据中包含投标人、评标办法、投标人、中标结果等相关资料。

2.2 模型的检验

在本次模型检验中的每个企业均为顶点，当不同企业一同参与一个项目的招标同投标之后计算顶点权重，由此获得企业招标与投标的加权网络，该网络证明企业间同一参加投标的数据频率，并将其转变为网络关联矩阵。

在本次数据处理中先从企业参与投标的频繁程度入手展开分析，从企业角度来看，受到业务模式等因素影响，在时间范围内参与投标的次数是有限的，此时针对复杂网络顶点的数据量（体现出企业参与投标的频繁程度的量化表现），在对其中的度进行计算后，计算的度平均值为1315。根据该数据可以认为，在正常情况下本文所选的企业在参与招标与投标过程中的频繁程度量化值约为1315，此时因为大部分定点度高于10000，设置比企业可以发现定点度大于20000的现象，这一数据与量化值相比存在较为明显的数据差异。在这种情况下，偏离的顶点意味着企业投标次数过于频繁，而根据这一数据结果可以认为，这些投标次数过于频繁的企业可能是陪标企业。

同时针对围标中投标人数量大于等于两个的情况，一般认为出现这种结果的原因是长期磨合与合作的结果，在这种情况下企业发生围标串标的概率较高，在这种情况下在本次大数据处理中需要找到企业关系网中的这种“同盟”，即建设工程中各个合作方[3]。

在经过计算后可以了解企业间参与同一招标与投标项目的频繁程度，通过直观了解其中的关系矩阵数据变化后可以发现，其中存在数据分布稠密或者稀疏的情况。而从企业角度来看，企业间的投标行为都具有相对独立性，在没有发生围标串标行为的情况下，本次验算中所能获得的企业关系矩阵一直采用了随机分布的形式，因此关系矩阵中各个点的稠密程度不会发生明显变化，但是在出现围标串标现象后，则可以发现数据稠密度的分布不均匀，这些定点意味着企业存在社团行为，即出现围标串标的概率较高。

此时根据数据计算开展社团检测后，可以蝴蝶企业间复杂网络Q函数的函数值为0.4759。所以根据这一结果可以认为，企业间的关系网中存在明显的社团结构，需要工作人员做出鉴别。

2.3 基于大数据技术的数据处理

2.3.1 不同工程类别的社团挖掘

在本次数据挖掘过程中大数据技术主要是利用企业间的关系来挖掘投标单位之间存在的关系特性，此时可以按照项目类别以及数据计算结果来识别具有密切关系的社团，根据数据的演变来判断社团关系对最终招标与投标结果的影响，了解是否会影响中途率。所以在本次研究中通过对两万余个项目做社团分析之后，借助工程量类别的社团挖掘方法展开计算，最终的计算方法如式（2）所示。

其中：Pc——不同类别项目含社团关系的占比；n——社团数量；Pci——社团中所有公司的投标项目总量；PS——项目的总量。

之后按照式（2）对相关数据展开运算后可以发现，随着项目专业化程度越高，则对投标人的业绩以资质等提出了更高的要求，相应地，企业所能产生潜在投标人数量是有限的，在这种情况下为了能够提升中标率，企业可能会出现抱团行为。同时在房建类项目中，大部分房建项目对技术的要求较高且分包下项目规模的大小不一，市场上大部分投标单位都能参与到本次竞标中，此时抱团投标的难度较高，所以社会关系的占比较低[4]。

2.3.2 验证投标单位的社团关系

为了更客观的分析上述因素对合作关系的影响，本文采用了以下两种验证方法，其中的第一种方法为：根据投标人社团发起者的目的，假设其目标是为了联合其他企业合谋参加投标，通过提升中标率的标准来检验社团挖掘情况，再对企业进行抽查后，最终检测结果发现，发现部分企业在采用抱团投标的方法之后，企业的中标率有明显提升，提升幅度被控制在20%～50%之间，因此认为该社团模型在数据处理上具有可行性。

验证投标单位的社团关系还有另外一种方法：在假设陪标企业现实存在的情况下，此时陪标企业虽然参加投标但是未中标。根据这一特征，本次研究中从社团中挖掘异常数据的资料后，最终结果显示相关项目主要集中在施工、设计等集中类型，其中施工类企业中发现投标次数超过100次的占比最高。

通过对上述两种方法的研究可以发现，在数据处理中社团关系模型在挖掘投标人之间的社团关系中发挥着重要作用，本文提出的观点具有精准性，因此在对数据挖掘结果进行分析后，可以按照不同类型的社团来提升中标率，进而更加进准的计算出企业中标率的数据变化，并根据其中的数据变化判断有无中标率异常的情况。根据其中的相关数据变化可以为查证围标串标行为的重要判断依据。

2.3.3 社团企业的地区属性分析

本次研究中通过对中标率异常的企业数据展开分析后，发现社团企业在地区上存在明显的地区差异现象，出现这一结果的原因可能为：①信息不对称为题一直存在，在当前我国建筑行业快速发展的背景下，资源稀缺性问题一直未得到根本性解决，再加之信息不对称等问题，导致其中的数据对称性问题不容忽视，此时建筑工程项目中的信息不对称问题主要集中在技术管理信息的不对称、招标人对投标人资质信誉不对称等。②当前企业的信息沟通与共享机制并未建立，导致监管部门与招标人无法掌握投标人的详细数据，最终引发了一系列的质量问题。

3 政策建议

3.1 增加围标串标的违法成本

对于建设工程项目而言，在招标投标环节发生的围标串标问题会对整个行业的正常运行产生影响，在这种情况下通过不断提升违法成本，做好各项违法现象的惩处之后，可对其中部分人员形成威胁作用，一旦确定存在围标串标行为则所有投标人与招标人等都要承担相应的惩处，情节严重的还应取消投标人的资格并追究其法律责任等。同时，针对所有参与围标串标的企业也需要制定相应的惩处措施，惩处范围可以从企业逐渐延伸至相关责任人、项目负责人等关键岗位关键人员，进而取消其投标资格。在制定一系列惩处措施后才能更好的形成威慑作用[5]。

3.2 强化审查管理

现阶段建设工程项目中关于围标串标的审查主要集中在评标与后期审查阶段，但是其中存在一个问题，即在后期生产中发现围标串标现象时再进行惩处则会导致处罚失去必要的价值。所以为了能够解决这一问题，我们应该密切关注围标串标审查的实效性。在传统意义上在审查围标串标行为时主要依照相关法律规范，如检查投标单位之间有无从属关系、投标文件的雷同性或者投标报价差异的规律性等。在这种情况下，可以在大数据技术的基础上进一步完善其功能，借助电子数据平台引入以区块链为代表的新兴技术，在坚持对整个项目的经济效益展开综合评价之后，配合政府相关部门真正打造联动机制，对失信的单位或准备个人进行惩处。

3.3 打造互通互联的信用体系

为了能够有效降低围标串标的发生率，在未来工作中应打造出诚信、开放的信用体系，在该体系中应在坚持“互联网＋”技术要求的基础上形成区域性电子交易平台的基础上，为各方交易平台的参与主体打造唯一的身份识别代码，在网络平台环境下各方的每一个交易过程都会被系统记录，最终打造出一个完整的全国性市场。同时在该系统体系下，通过信息网络技术来打破地域因素与行业因素的限制，在消除地方保护条款的基础上打造出新的工作格局。同时相关人员应该进一步完善信用体系功能，在坚持公平、开放的基础上形成跨行业、跨区域的新格局，在坚持全国范围内信用信息共享的基础上，完善建筑业行业的信用管理体系，最终强化信用体系功能，并从根本上杜绝围标串标现象的发生。

4 结语

大数据基础的出现为识别建设工程围标串标行为提供了新的渠道，本文通过实证研究证实该技术可通过多维度入手识别围标串标现象，并且在坚持海量数据处理的基础上能够对围标串标的现象做出评估，在技术上具有可行性，所以相关人员应在充分发挥大数据基础优势的基础上转变发展模式，根据分析结果完善日常管理措施，这样才能从根本上杜绝围标串标现象的发生，成为促进建筑业行业快速发展的重要助力。