基于Bayesian网络结构学习的绿色建筑项目风险网络分析

黄定轩,黄雪梅,卢 锐

(1.重庆理工大学 管理学院,重庆 400054；2.重庆市规划设计研究院,重庆 401147；3.杭州师范大学 经济与管理学院,浙江 杭州 311121)

中国建筑能耗占全国能耗的40%～50%[1]。推广和使用绿色建筑是改善居住环境、降低建筑能耗、解决能源问题的根本途径之一,这些原因促进了绿色建筑在过去20年里的迅速发展。但是,绿色建筑项目为了达到可持续发展的目标具有相当大的不确定性和不可预测的风险,如资金风险、技术风险、质量风险、生产风险等不同风险,因此绿色建筑项目风险管理研究一直是国内外研究者的重要课题。不同研究者开展了一系列的研究,揭示了不同环境中的绿色建筑项目风险因素。如,Hwang B等[2]对25家新加坡建筑公司的调查结果显示：“通货膨胀”、“进口绿色材料价格波动”、“利率波动”、“绿色材料的耐久性”、“人为失误造成的损害”是新加坡绿色商业建筑项目的五大关键风险因素；同时,有研究者对该地区绿色住宅项目风险研究的结果显示,“审批手续复杂”、“忽略高初始成本”、“业主要求不明确”、“就业限制”、“绿色材料和设备缺乏可用性”是绿色住宅建设项目的五大关键风险[3]。Qin等[4]对中国绿色建筑生命周期的质量/技术风险和管理风险的研究结果显示,业主与承包商、业主与驻地工程师、设计师与承包商之间对相同风险重要性排序存在明显差异。然而,这些研究主要集中于分析风险是什么,并将绿色建筑项目的风险视为相互隔离的,而忽略了现实中风险的相互关联性[5]。摒弃孤立地对待风险的态度,承认实际上大多数风险都是与内部或外部项目干系人相关联,这有利于提升项目管理者感知、理解、评估风险并有效提升化解风险的能力[5,6]。

利用社会网络分析方法研究绿色建筑项目不同风险之间的逻辑关系已成为分析绿色建筑项目风险特征的一种重要方法。秦旋等[6]利用社会网络分析方法中的块模型对绿色建筑风险网络的研究结果显示,绿色建筑设计方案质量风险等5个核心风险因素均处于绿色建筑项目的实施阶段。Yang等[7]基于中国和澳大利亚的调研数据建立了绿色建筑项目中不同利益相关者的风险互动网络模型,结果表明声誉风险在两国都很重要,但“评估经验和公平性”这个风险被认为是中国环境中至关重要的风险。王淋等[8]利用社会网络分析方法研究的结果表明绿色建筑风险关系网络中存在一个43-核，这表明每个风险因素至少与43个其他风险因素相连。进一步对上述研究文献中风险网络的初始邻接矩阵产生方法进行分析发现:秦旋等[6]没有明确说明初始邻接矩阵的产生方法,对应风险网络的整体网络密度值为0.20；Yang等[7]是采用Delphi法产生初始邻接矩阵,对应风险网络的整体网络密度值分别为0.34(中国)、0.37(澳大利亚)；王淋等[8]是基于相关系数法(未提供详细的系数结果)产生初始邻接矩阵,利用网络密度的定义可以反推出对应风险网络的整体网络密度值为0.91。但是,Delphi法以不考虑不同因素之间可能存在相互关系为前提,且很难检验方法的准确性和可靠性,同时耗时巨大[9],这种方法建立的绿色建筑项目风险关系矩阵不能准确、可靠度量不同风险之间的逻辑关系。简单运用相关系数产生初始邻接矩阵没有排除不同风险因素之间的虚相关,自然也无法准确表达风险网络之间的真实逻辑关系。因此,探索一种客观的、可验证的方法构建绿色建筑项目风险网络初始邻接矩阵就成为研究绿色建筑项目风险网络分析的现实需求。

针对这一问题本文以绿色建筑项目风险因素网络为研究对象,运用贝叶斯(Bayesian)网络结构学习方法建立客观的绿色建筑项目风险网络初始可达矩阵,运用社会网络分析方法和解释结构模型(Interpretative Structural Modeling Method,ISM),厘清不同风险因素之间的互动关系和层次结构,进而设计对应的风险管理机制。论文的创新点在于：(1)利用贝叶斯网络结构学习方法产生绿色建筑项目风险网络具有客观性和可验证性,避免了人为因素干扰；(2)论文提出的风险网络构建方法为其他多因素网络构建提供了借鉴。论文结构如下,第一部分为方法介绍,第二部分为问卷设计、调查与风险网络构建,第三部分为风险网络分析,第四部分为分析与讨论,最后为结束语。

1 方 法

1.1 贝叶斯网络结构学习

Bayesian网络结构学习根据大量的实例数据快速建立结构简单且能够准确描述系统行为特性的系统结构模型,在不确定知识表达与推理领域,已经成为广泛应用的重要理论工具之一[10]。Bayesian网络是一种由节点、边连接而成的有向非循环网络,节点表示变量,边表示变量之间的关系。

(1)假设复杂系统特征状态通过N个随机变量描述：X1,X2,…,XN,N≥2,对于变量Xi,i∈N=(1,2,…,N),相应取值范围是一个有限集合Ai,其中定义为Ai={0,1,…,ai-1},这里ai≥2表示Xi取值个数。

(2)任何一个变量Xi的取值可能与其他变量有关,相关度由系统的先验概率决定。设集合D={D1,D2,…,DN},如果在取定最小变量集合Di的情况下,变量Xi的状态与其他变量无关,则称Xj∈Di为变量Xj直接影响变量。

(3)若变量Xj∈Di,则在该系统的Bayesian网络实现中存在一条由节点j指向i的连接,并称节点j为节点i的父节点。

(4)系统状态X1=x1,X2=x2,…,XN=xN可以表述为

(1)

式中：p(xi|di)为当Di=di时Xi=xi。

贝叶斯网是一个有向无圈图,节点间的边代表变量之间的直接依赖关系。贝叶斯网可以从定性和定量两个方面理解,在定性层面,它用一个有向无圈图描述了变量之间的依赖和独立关系,在定量层面,它则用条件概率分布刻画了变量对其父节点的依赖关系。

1.2 社会网络分析主要参数

社会网络分析通过定量分析网络中个体或群体间关系的特征,与定性研究形成有效互补,有助于获得研究对象的更完整和有价值的研究结果。具体说,分析网络结点特征、网络整体特性可以研究网络个体行为策略对项目治理的影响,主要指标可以分为以下几类[11]。

(1)中心度(Centrality)。在社会网络中,处于中心地位的个体更容易获得资源、信息,拥有更大的权力、更高的地位并对其他个体有较强的影响力,衡量个体中心地位的指标是中心度。中心度指标包括度数中心度(Centrality Degree)CD(ni)、接近中心度(Closeness Centrality)CC(ni)和中间中心度(Betweenness Centrality)CB(ni),相应计算公式如公式(2)所示。

(2)

式中：N为网络规模；m(ni)为与结点ni连接的线条数目；d(ni,nj)为结点ni与nj之间存在的最短距离数目；gjk为结点nk与nj之间存在的最短距离数目；gk(nj)为包含个体nj的两个个体之间的最短距离数目。

度数中心度测度特定个体自身的交易能力但没有考虑其能否控制其他个体；接近中心度表达个体在网络中分享资源、信息、方法等内容的能力,考虑的是个体在多大程度上不受其他个体的控制；中间中心度衡量个体在网络中对资源、信息等的控制能力,即在多大程度上是其他点的“中介”。

(2)密度(Density)和中心势(Centralization)。网络密度表示网络中不同个体之间联系的紧密程度,各个网络个体受到来自网络结构的约束越明显,则网络密度就越大。网络中心势测量的是网络多大程度上围绕某个或某些特殊点建构起来,中心势的值越大,说明网络越具有集中趋势,网络中权力的分布越不均衡。一个网络中的网络中心势C可表示为最核心点的中心度(相应的最大中心度)和其他点中心度的差值总和与最大可能的差值总和之比,其表示为公式(3)。

(3)

式中：Cmax是最大中心度；Ci为ni的中心度。

(3)桥(Bridge)或局部桥(Local Bridge)的位置。如果两个网络个体之间仅仅通过唯一关系连在一起,则称此关系为“桥”。这种关系在网络中扮演着重要的中介作用,如果将它们断开,那么整体网络可能被分裂为互不连结的两个或者多个子网。

(4)影响力指数。在一个整体网络中,每个个体的关系选择是不同的,有的个体明显得到多个其他个体的关照,体现在他得到的关系选项多,即他的影响力大。其中泰勒影响力指数可用公式(4)表示如下。

(4)

2 问卷设计、调查与风险网络构建

2.1 问卷设计

绿色建筑项目决策与社会固有的不确定性和风险密切相关,这类决策是一个知识高度密集、部分信息和不确定性的多准则决策问题,有效收集该领域专家头脑中的知识或感知有利于这类项目决策[12]。为有效识别出绿色建筑项目风险因素,文章采用文献分析与专家法相结合的方法确定绿色建筑项目风险因素。详细过程如下：

(1)以Web of science核心合集、中国知网数据库中的核心期刊为数据来源,以“绿色建筑+风险”(green building+risk)为题目或关键词为检索关键词筛选研究论文。

(2)初步筛选检索所得文献,重点选择近10年发表的与主题相符合的研究论文。对初筛所得研究文献阅读其摘要,确定涉及绿色建筑项目风险因素的研究文献,将其作为精读文献。

(3)对精读的研究文献整理其研究绿色建筑项目的视角和对应的绿色建筑项目风险因素,对收集的绿色建筑项目风险因素进行归纳和总结。

(4)以绿色建筑项目全生命周期为特征,对归纳整理的绿色建筑项目风险因素提交业内专家阅读,以简洁明晰为标准,要求业内专家判断不同风险因素的陈述是否存在歧义或不准确。同时,要求业内专家对调查表根据实际情况进行补充和完成。本研究中,业内专家建议增加在所有研究文献中均没有涉及的绿色建筑项目营商环境风险。

(5)最后整理确认的绿色建筑项目风险因素调查表如表1所示。

表1 绿色建筑项目风险因素调查

2.2 问卷调查

根据前面确定的绿色建筑项目风险清单调查问卷,由项目组在问卷星上完成相应设计后发送给相应施工单位负责人,要求所有被调查对象必须是有实际项目经验的项目经理,问卷由被调查对象单位负责人用微信连接的方式发放,由被调查者根据自己的时间独立作答。剔除无效问卷后共得到有效问卷45份,从被调查者回答的范围看,被调查对象工作范围既有国内也有国外。其中被调查者男性比例为98%,女性为2%；被调查者的年龄段26～30岁占6.7%,31～40岁占80%,41～50岁占11.1%,50～60岁占2.2%；有实际绿色建筑项目从业经验的人占67%,无绿色建筑项目实际从业经验的人占33%。

2.3 绿色建筑项目风险认识一致性分析

在构建绿色建筑项目风险网络前，文章进行了数据的有效性检验,采用SPSS软件对多维风险因素量表的数据可靠性的分析结果表明,全部变量的Cronbach’s α系数均大于0.8,表明问卷数据满足信度要求。

在认知分析中,一致性分析可以进行以下三种分析：(1)不同调查者关于某种知识或信念方面的一致性分析；(2)调查者于某种“文化正确上信息”的分析；(3)被调查者对某领域知识掌握程度的分析[17]。本研究着重于不同调查者关于绿色建筑项目风险认知的一致性分析。借助UCINET软件6.6版本,通过“Tool”菜单的“Consensus Analysis”,调入收集完成的数据,分析结果如图1所示,其中第一特征值与第二特征值之比大于3,表明总体上存在较为明显的单一回答模式,数据可以用于社会网络构建。

图1 被调查者回答一致性分析

2.4 绿色建筑项目风险网络模型构建

解释结构模型(ISM)分析最重要的前提是构造初始可达矩阵,如果初始可达矩阵中的项为1,则表示这两项有直接影响；如果为0,则表示它们之间没有直接影响。到目前为止,初始可达矩阵的建立大多基于Delphi方法[18～20],但是该方法具有耗时多且难以验证的缺陷[9]。鉴于贝叶斯网络结构学习的成功经验[21,22],本文利用贝叶斯网络结构学习构造邻接矩阵。此外,考虑不同的贝叶斯网络结构学习方法对相同数据会产生不同的结果,本文采用如下方法来整合不同的学习结果：首先记录贝叶斯网络结构学习的不同结果,图2～4所示的网络结构分别表示用贝叶斯搜索法、K2参数设置法和Bdeu参数设置法进行网络结构学习得到的结果；然后利用析取运算得到初始可达矩阵,即采用析取运算得到图2～4的整体信息如图5所示的网络结构,它是初始可达矩阵的网络表示。

图2 基于Bayesian Search算法的网络

图3 基于Greedy Thick Thinning算法K2参数的网络

图4 基于Greedy Thick Thinning算法Bedu参数的网络

图5 初始可达矩阵网络

3 风险网络分析

3.1 绿色建筑项目风险网络的相关指标分析

3.1.1 密度与中心势。

根据图5所示的绿色建筑项目风险网络可以得到如下数据(表2),整个网络的密度为0.05,标准差为0.47,平均度数为2.51,即5%的可能关系存在。外向度数中心势(9%)略小于内向度数中心势(11%),结合中间中心势数值表明,绿色建筑项目风险网络中不存在能够明显有效控制其他因素的风险因素(9%)。

表2 绿色建筑项目风险网络密度指标

3.1.2 中心度分析

表3列出了绿色建筑项目风险网络中度数中心度、中间中心度和接近中心度度量指数排列前十位的因素。风险因素网络的度数中心度指标说明,风险因素P16(绿色设计创新的可施工性差)、P44(绿色认证成本增加)有最大的外向度数中心度(7),次之为P30(绿色建筑对应的合同条款缺乏)、P47(绿色建筑评审结果偏差过大)的外向度数中心度(6)。风险因素P11(绿色建筑公众接受度不足)具有最大的内向度数中心度(8),次之为风险因素P14(设计团队的沟通能力不足)的内向度数中心度(6)。从度数中心的含义可知,风险因素P16，P44具有最大的影响其他风险因素的能力,而风险因素P11则受到最多其他风险因素的影响。接近中心度的数据表明：P28(签证变更成本超出业主预期)、P2(绿色目标对项目的后期影响考虑不足)、P6(与绿色建筑相关的金融保险产品缺乏)、P9(绿色建筑相关的营商环境不完善)、P8(绿色建筑相关激励政策的变化过快)具有相同的接近中心度-外向度(650)；对应的接近中心度-内向度的数据显示因素P31(承包商/分包商对绿色建筑认识不足)、P17(绿色项目全寿命周期的参与不足)值位居前两位(400,399)。由于接近中心度表示对应因素在多大程度上不受其他因素控制,即上述因素较少受到其他因素的影响。中间中心度的数据揭示,风险因素P41(绿色建筑运行阶段性能不稳定)、P19(绿色建筑的认证经验缺乏)处于网络连接的核心地位,由于中间中心度是一种“控制能力”指数,即这些因素更有可能控制其他风险因素。综合分析表3的数据可以发现,风险因素P8，P11，P13，P16，P17，P19，P20，P22，P34，P35，P37，P41，P42，P47，P51共计15个因素均出现两次。

表3 绿色建筑项目风险因素中心度

3.1.3 影响力分析

一个整体网络中,每个因素间的关系是不同的,有的风险因素明显得到较多其他风险因素的作用,体现在它得到的关系多,即他受到的影响大；有的风险因素虽然不被其他因素作用,即得到的关系少,但是它可能作用于较多的风险因素,即发出的关系多。表4的“行汇总”表示对应风险因素对其他风险因素的影响力之和,“列汇总”表示对应风险因素所受到的全部影响力之总和。从表4可以看出,风险因素P19(绿色建筑的认证经验缺乏)、P30(绿色建筑对应的合同条款缺乏)、P43(项目的评价结果未达到预期绿色星级)、P44(绿色认证成本增加)、P47(绿色建筑评审结果偏差过大)的影响力在所有因素中位于前五位。从列总和可以看出,风险因素P11(绿色建筑公众接受度不足)、P13(设计没有融入周围环境)、P14(设计团队的沟通能力不足)、P41(绿色建筑运行阶段性能不稳定)、P42(项目(试)运行阶段各参与方合作不足)受其他因素的影响较大。

表4 不同风险因素影响力分析

3.1.4 结构洞指标分析

在结构洞指标分析中,主要考虑四个指标：有效规模、效率、限制度和等级度,本研究对应的数据如表5所示。其中一个绿色建筑项目风险因素的有效规模等于该绿色建筑项目风险因素的个体网规模减去网络的冗余度；效率等于该绿色建筑项目风险因素的有效规模与实际规模之比；限制度指此绿色建筑项目风险因素在治理网络中行所在的风险因素在多大程度上受到该风险因素所在网络的其他因素的限制,即任意两个因素之间的约束性大小(也可以理解为在网络上拥有运用结构洞的能力)；等级度指的是限制性在多大程度上集中在一个绿色建筑项目风险因素上。由于效率和有效规模可用于衡量行动者非冗余因素,限制度和等级度可用于衡量行动者在网络中受到的约束,因此用限制度和效率两个指标进行结构洞特征分析[23]。对表5的数据进行分析可以知道,有效规模前5位的风险因素为P16，P11，P44，P47，P37；在限制度上,等级度处于前五位的因素为P8，P17，P12，P46，P50。结构洞的综合数据表明风险因素P8(绿色建筑相关激励政策的变化过快)、P17(绿色项目全寿命周期的参与不足)在绿色建筑项目风险网络中的结构洞特征表现为效率最高、限制度大且等级度最高,即表示这两个风险因素受单一风险影响较大。

表5 绿色建筑项目风险网络结构洞分析

3.1.5 分块与切割点分析

切割点是绿色建筑风险网络中特别重点的行动者,其在原本互不相连的群组间担任中介角色。图形经切割点切割所形成的局部即为区块。UCINET中Network>Regions>Bi-Component算法即为寻求与界定区块和切割点,分析结果如图6所示。由结构可知,整个绿色建筑项目风险网络可以分为3个块,其中块1有风险素P8，P50,块2有风险因素P16，P17,其他风险因素归属于块3,共有47个风险因素。同时,切割点的分析结果表明风险因素P16(绿色设计创新的可施工性差)和P50(项目后期升级改造责任界定不清楚)为对应的切割点。

图6 风险网络分块分析

整合绿色建筑项目风险网络指标分析的结果可以发现：(1)P8，P11，P13，P16，P17，P19，P37，P41，P42，P44，P47共计11个风险因素在风险网络核心指标分析中至少两次作为关键因素出现,说明这11个因素是网络中值得重点关注的风险因素。(2)风险因素P16(绿色设计创新的可施工性差)和P50(项目后期升级改造责任界定不清楚)在网络结构洞分析中处于比较重要的位置。

3.2 绿色建筑项目风险网络最终可达层次分析

最终可达矩阵是描述元素间直接或间接影响的矩阵,该矩阵可通过MATLAB程序计算而得。通过基于布尔运算对邻接矩阵A与单位矩阵I的和(A+I)进行幂运算,寻找满足M=(A+I)i+1=(A+I)i≠(A+I)i-1条件的矩阵,即为最终可达矩阵。最终可达矩阵M中元素为1时,说明因素之间存在可达路径,元素为0时则说明元素间没有关联。由于所涉及最终可达矩阵较大,故以网络图进行展示,具体结果见图7所示。为了明确绿色建筑项目风险网络的内部关系,需要对不同风险因素进行层次分析。根据最终可达矩阵划分不同风险因素的可达集和先行集,二者交集与可达集完全一致的即为一层次,同时在进行下一层次风险因素的确定过程中需剔除上一层次中的元素。其中,可达集P(Si)为Si所能影响的全部因素,先行集Q(Si)为影响Si的全部因素,二者交集P(Si)∩Q(Si)为与Si有直接关联的全部因素。依照上述规则对绿色建筑项目风险网络内部元素区分层次,具体结果见表6。

图7 绿色建筑项目风险最终可达矩阵网络

根据表6所呈现的绿色建筑项目风险网络结构的最终可达矩阵的层次划分结果,完成该风险网络的解释结构模型建立。为获得更加清晰的系统结构,根据表6及图5可以整理得到如图8所示的绿色建筑项目风险网络层次结构。从中整理出如下特征：

图8 绿色建筑项目风险网络层次结构

表6 绿色建筑项目风险网络层次分析

(1)绿色建筑项目风险网络的ISM模型分为四个层级,其中第一层级有7个风险因素,第二层级有3个风险因素,第三层级只有1个风险因素,第四层级有40个风险因素。

(2)绿色建筑项目风险网络中的顶层风险因素包括P2，P6，P8，P9，P11，P17，P28。

(3)绿色建筑项目风险网络中的底层风险因素包括具有复杂网络结构的40个风险因素。

3.3 绿色建筑项目风险网络MICMAC对比分析

交叉影响矩阵相乘分类法(Matrices Impacts Croises-multiplication Appliance Classement,MICMAC)是基于最终可达矩阵中各元素间的相互关系之和计算所有元素的驱动力(最终可达矩阵中元素的行之和)与依赖性(最终可达矩阵中元素的列之和),进而分析研究系统中各因素的地位。根据驱动力和依赖性的大小可将绿色建筑项目风险因素分为独立型、联系型、依赖型和自治型四种类型。论文依据绿色建筑项目风险因素对应于坐标系所处象限,将风险因素分为四类,第一类为自治型的风险因素(这类风险因素的依赖性值与驱动力值均较小,与其他风险因素的联系较弱)；第二类为依赖型的风险因素(这类风险因素的依赖性值较大但驱动力值较小)；第三类为联系型的风险因素(这类风险因素的依赖性值与驱动力值均较大,其一方面具有较强的驱动力，说明影响力较强,另一方面其依赖性值较大，说明这类因素同时也容易受到其他因素的影响,因此这类风险因素表现较不稳定)；第四类为独立型的风险因素(这类风险因素的依赖性值较小但驱动力值较大,也常被称为关键因素)。根据风险因素网络的MICMAC分析可得到图9,从图可知,绿色建筑项目风险因素主要分为两类,第一类为独立型风险因素,即风险因素P2，P4，P6，P8，P9，P10，P11，P17，P28，P29，P33共11个,其他40个风险因素为联系型风险因素。

图9 风险因素MICMAC分析

4 分析与讨论

与传统建筑项目相比,绿色建筑项目的目标一方面是在项目预算内实现良好的施工质量、安全性和及时交付等正常目标,另一方面还必须实现可持续性的目标,因此绿色建筑项目管理具有更大的风险。在绿色建筑项目风险管控中风险网络的构建是非常重要的环节,但目前传统Delphi方法或相关系数法构建风险网络初始矩阵具有不可检验性或风险网络因素虚假关联等缺陷[7,8]。针对这一问题本文提出了基于贝叶斯网络结构学习方法构建绿色建筑项目风险网络,有效避免了传统Delphi方法的缺点，并通过实际案例表明本方法是切实可行的。通过实际数据分析,论文得到了以下六个结论：

(1)绿色建筑项目风险网络特征分析的结果显示,P8(绿色建筑相关激励政策的变化过快)、P16(绿色设计创新的可施工性差)等共计14个风险因素是风险网络中具有重要影响力的节点；同时网络结构洞分析表明风险因素P16(绿色设计创新的可施工性差)和P50(项目后期升级改造责任界定不清楚)处于网络切割点的位置。

(2)绿色建筑项目风险网络最终可达层次分析的结果显示,绿色建筑项目风险网络具有四个层级,其中第一层包括7个因素,第二层包括3个因素,第三层包括1个因素,第四层包括40个因素。从绿色建筑项目的层次结构分析发现,绿色建筑项目风险具有从项目内的风险因素向项目外的风险因素作用的特征。其中,项目内的风险因素是底层的风险因素,项目外的风险因素是顶层的风险因素。

(3)绿色建筑项目风险网络因素MICMAC对比分析表明,绿色建筑项目风险影响分为两种类型,即独立型风险因素(共有11个风险因素)和联系型风险因素(共有40个风险因素)。

(4)结合风险网络最终可达层次分析和网络因素MICMAC对比分析发现,绿色建筑项目风险因素中独立性风险因素具有较高的层级(在第一层级到第三层级),联系型风险因素全部在最低的层级(第四层级)。

(5)结合网络特征分析的结果与风险网络最终可达层次分析显示,具有较高外向接近中心度的风险因素是那些处于风险网络顶层的风险因素,即第一层级的风险因素。

(6)从风险因素的责任管理范围看,在绿色建筑项目风险因素网络中,顶层的风险因素多数是建筑项目组不能控制或掌握的风险因素,与政府和社会环境有较大的关系；而在底层的风险因素中,绿色设计创新的可施工性差具有最大的外向中心度,说明绿色建筑项目设计创新的可施工性在整个绿色建筑项目中具有极其重要的影响力。

文献检索结果表明本文系首次采用贝叶斯结构学习构建绿色建筑项目风险网络。论文研究结果揭示了绿色建筑项目风险因素之间重要性存在差异,这与Qin等[4]的因素结论相同,但是论文结论是基于动态绿色建筑项目风险网络分析得到的,而Qin等的观点是从静态统计学得到的。与秦旋[6]、Yang[7]、王淋[8]等所得到的风险网络密度相比,论文通过贝叶斯网络结构学习所得到的风险网络的密度较小,尤其与文献[8]所得到的绿色建筑项目风险网络密度(0.91,根据网络密度定义反推得到)相比更小。但是,结合文献[8]存在一个43-核(这表明每个风险因素至少与43个其他风险因素相连)的风险网络特征,论文认为基于简单相关系数得到的风险网络具有两个明显缺陷,一是不同风险因素之间的虚相关没有剔除,二是这样高密度的风险网络很难准确分析得到主要的风险因素(实际上该文也没有分析)。本文通过实例分析证实了文中所提出的方法是可行的,结果表明该方法可以基于实际数据挖掘得到风险网络,该网络可以有效揭示主要风险因素。

根据以上绿色建筑项目风险网络分析的研究结论,文章提出以下绿色建筑项目风险管控措施：

(1)阻断绿色建筑项目风险传播的关键点。在研究内容3.1中已确定风险网络的切割点为风险因素P16(绿色设计创新的可施工性差)和P50(项目后期升级改造责任界定不清楚)。即在绿色建筑项目风险管理过程中,阻断这两个风险因素与其他风险因素之间的联系,一方面可以缩小风险传播的范围,另一方面可以极大降低整个绿色建筑项目失败的可能性。

(2)采取有力措施降低绿色建筑项目风险因素发生概率。基于数据发现的绿色建筑项目风险网络特征的研究结论表明该风险因素可以分为两类,一类是绿色建筑项目组内部可以有效解决的风险因素,如P16(绿色设计创新的可施工性差)和P50(项目后期升级改造责任界定不清楚),针对风险因素P16,建议项目施工团队应尽早建立并在设计阶段与项目设计进行有效沟通,同时在项目团队的组建上必须有熟悉绿色材料/设施性能的成员加入,确保所选用的节能设备科学合理,从全过程保证设计方案具有可施工性。建议项目业主应雇佣具有丰富施工和管理知识的承包商和分包商,以尽量减少施工风险，开展安全、高效、优质的施工活动[25]。针对P50(项目后期升级改造责任界定不清楚),建议在绿色建筑项目全生命周期管理过程中,项目和不同利益相关者应增强沟通意愿,切实加强各项目组之间的正式沟通,按照责任、权力和利益相匹配的原则界定不同利益方的责任范围。要建立正式的沟通机制,既要发挥任务冲突的积极作用,又要减轻过程冲突和关系冲突的负面影响[26]。

(3)重点监控绿色建筑项目风险的关键因素。在绿色建筑项目风险因素影响力分析中已经得到：风险因素P19(绿色建筑的认证经验缺乏)、P30(绿色建筑对应的合同条款缺乏)、P43(项目的评价结果未达到预期绿色星级)等因素具有较强的影响力；风险因素P8，P16，P17，P19，P20，P22，P30，P34，P35，P37，P42，P47，P51等共计14个风险因素必须重点监控。

5 结 论

建立客观、准确的绿色建筑项目风险网络是研究绿色建筑项目风险网络特征的重要内容。文章应用贝叶斯网络结构学习方法建立了绿色建筑项目风险网络邻接矩阵,采用社会网络分析方法量化分析了绿色建筑项目不同风险因素之间的相互关系,并利用解释结构模型分析了不同风险因素之间的层次特征,进而探讨了如何进行绿色建筑项目风险管理。论文研究结果表明P16(绿色设计创新的可施工性差)等14个风险因素为绿色建筑项目风险因素网络中的关键因素；绿色建筑项目风险因素网络具有四个层级,不同层级风险因素具有不同影响力和驱动力特征,其中高层级风险因素均为独立型风险因素,而底层风险因素均为联系型的风险因素；绿色建筑项目风险因素网络中不同因素的影响力存在差异。本文在以下几个方面具有创新与贡献:

(1)基于数据驱动的方法构建绿色建筑项目风险网络。论文针对以往在绿色建筑项目风险网络建立过程中采用Delphi方法的缺陷,提出了基于Bayesian网络结构学习来建立风险网络,该方法建立的风险关系网络具有重复性和验证性,且能有效规避Delphi方法的缺陷；

(2)利用社会网络分析方法对绿色建筑项目风险网络中不同因素的作用进行了量化分析。量化分析结果表明,P16(绿色设计创新的可施工性差)等14个风险因素为绿色建筑项目风险因素网络中的关键因素；

(3)利用解释结构模型(ISM)分析了绿色建筑项目风险关系网络的层次结构。论文利用所建立的绿色建筑项目风险关系网络建立了ISM模型,该模型表明绿色建筑项目因素可以分为四个不同的层级,且高层级的风险因素为独立型风险因素,底层的风险因素为联系型风险因素。

本文分析了绿色建筑项目风险网络关键特征及其相应的风险管理措施,有助于绿色建筑项目风险管理知识体系的形成。在未来的研究中,对比分析不同文化背景下的绿色建筑项目风险网络纵向演化的特征值得关注,这是本文对绿色建筑项目风险网络研究中存在的不足之处,也是后续将要展开的重要研究内容。