Измерение стоимости риска при оценке эффективности затрат (Value-for-Money) на основе прецедентного вывода и онтологии: исследование на примере проектов ГЧП в городском железнодорожном транспорте Китая
Risk Cost Measurement of Value for Money Evaluation Based on Case-Based Reasoning and Ontology: A Case Study of the Urban Rail Transit Public-Private Partnership Projects in China
2022-05-05
SCID: 54.1/tcnp8afg
Discuss with AI
онтология информации ГЧПвывод на основе прецедентов (CBR)алгоритм концептуального семантического сходстваоценка стоимости рискаоценка ценности за деньги (VFM)
Figures from the paper
Abstract (AI)
Риск показан одним из наиболее существенных факторов эффективности затрат (value for money, VFM) в государственных частно-государственных партнёрствах (ГЧП), однако в предыдущих исследованиях оценка стоимости риска для количественной VFM-оценки оставалась проблемной, сильно зависящей от экспертных суждений или обладающей низкой методологической воспроизводимостью. В статье предлагается модель прогнозирования для оценки стоимости риска на этапе VFM-оценки, основанная на комбинации прецедентного вывода (case-based reasoning, CBR) и технологий онтологии. Разработана онтология информационного пространства ГЧП, обеспечивающая техническую основу для представления знаний в цикле CBR. Затем, в зависимости от того, были ли данные количественными или качественными, применялись различные методы расчёта похожести для поиска сходных прецедентов. Для сравнения абстрактной информации реализован алгоритм концептуальной семантической похожести, основанный на древовидной структуре онтологии. После извлечения наиболее схожих прецедентов при наличии отклонений применялся механизм корректировки. Наконец, стоимость рисков целевого проекта определялась взвешиванием извлечённых схожих прецедентов в соответствии с их похожестью. Эмпирический анализ проведён на 18 исторических проектах из Центра государственных частно-государственных партнёрств Китая. Результаты показали, что относительные ошибки между оценёнными и фактическими затратами для общего риска и сохраняемого риска составили 11,05% и 2,41% соответственно. Это свидетельствует о том, что модель даёт точные прогнозы стоимости риска с малыми ошибками, что подтверждает её применимость. На базе предложенной модели разработана расширяемая модель онтологии информационного пространства ГЧП, способствующая интеграции и взаимодействию информации и знаний в области ГЧП и поддающаяся дальнейшему расширению по требованиям. Последовательная точность обеспечивается всем процессом измерения на базе CBR, который предлагает систематический и объективный метод оценки стоимостей риска в проектах ГЧП.
Key Findings
1
Создана онтология информации о PPP для представления знаний и поддержки извлечения и вычисления схожести в CBR.
2
Разработана модель прогнозирования, сочетающая методы case-based reasoning (CBR) и онтологию, для оценки стоимости риска при оценке VFM в проектах PPP.
3
Введён механизм корректировки извлечённых похожих случаев при наличии отклонений, а итоговые стоимости риска взвешиваются по схожести извлечённых случаев.
4
Для количественных и качественных данных применялись разные методы вычисления схожести, включая алгоритм концептуальной семантической схожести на основе онтологического дерева для абстрактной информации.
5
Эмпирическая проверка на 18 исторических проектах городского рельсового транспорта в Китае показала относительные ошибки 11,05% для общего риска и 2,41% для удерживаемого риска, что указывает на небольшие ошибки прогноза и пригодность модели.
6
Предложенная модель обеспечивает систематический, объективный и расширяемый подход, способствующий интеграции и совместимости знаний в области PPP.
Research Object
Оценка затрат на риск для оценки «цена/качество» (Value for Money, VFM) в проектах государственно-частного партнёрства (PPP) в сфере городского железнодорожного транспорта в Китае
Research Subject
Прогнозирование затрат на риск с использованием подхода на основе прецедентного вывода (CBR) и онтологии, включая извлечение схожих случаев через расчёт похожести, концептуальный алгоритм семантической похожести, механизм корректировки и взвешенную агрегацию для оценки суммарных и удерживаемых затрат на риск
Publication Details
Publication Date
2022-05-05
Journal
Publisher
ISSN
Cited by
9
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest