基于数据驱动的重大基础设施工程复杂性度量与降解技术研究

The wrong decision in mega infrastructure projects often leads to huge economic and social losses. The cause for wrong decision, to a great extent, lies in the complexity of mega infrastructure projects that is quite different from which of general engineering project. However, there are lack of quantitative studies on engineering decision-making from the perspective of complexity measurement and degradation. In this topic, complexity measurement and degradation technology of mega infrastructure projects is studied based on data-driven method. Complexity factors of mega infrastructure projects are identified quantitatively and systematically based on Text Mining. Interpretive Structural Model is used to clarify the spatial hierarchical relationship between complexity factors. Genetic cellular automata is used to train data and construct a multi-layer complexity measurement model. Complexity degradation technology is developed based on the complexity measurement model, data mining technology and system simulation technology. Then interactive decision support system for mega infrastructure projects is constructed and applied to the practice of decision-making. This topic is the enrichment and development of the research on the complexity and decision-making of mega infrastructure projects. The research results can help different participants of mega infrastructure projects to reduce the complexity of the decision-making process and make use of decision information in high efficiency to improve project decision.

重大基础设施工程实践中的错误决策易导致巨大的经济与社会损失，该类工程决策失误的根源很大程度在于其非同于一般工程项目的倍增的复杂性，但以复杂性度量与降解的视角来应对工程决策问题的定量化研究却极为匮乏。课题依据数据驱动的相关方法对重大基础设施工程复杂性度量与降解技术展开研究。基于文本挖掘技术定量化、系统化地识别重大基础设施工程复杂性因子；植入ISM方法，厘清复杂性因子间空间层级关系；应用遗传元胞自动机展开数据训练，构建多层级的复杂性度量模型；运用构建的复杂性度量模型，结合数据挖掘、系统仿真技术，研发复杂性降解技术，并设计相应的人机交互决策支持系统，应用于重大基础设施工程决策实践。本课题是对重大基础设施工程复杂性与决策问题研究的丰富与发展，研究成果可辅助重大基础设施工程的不同参与主体应对决策过程中面临的复杂性问题，高效率地筛选有效信息，提高工程项目决策水平。

重大基础设施工程实践中的错误决策易导致巨大的经济与社会损失，该类工程决策失误的根源很大程度在于其非同于一般工程项目的倍增的复杂性，但以复杂性度量与降解的视角来应对工程决策问题的定量化研究却较为匮乏。课题依据数据驱动的方法对重大基础设施工程复杂性度量与降解技术展开定量化研究。首先，基于文本挖掘技术定量化、系统化地识别重大基础设施工程复杂性因子。其次，引入TOPSIS法和秩和比法的模糊联合，对重大基础设施工程综合复杂性进行度量；然后，应用熵值法和复杂网络模型，分别对重大基础设施工程的目标复杂性与组织复杂性进行度量。最后，研发了相应的复杂性降解技术并展开实践应用，包括基于概率鲁棒优化遗传算法的决策复杂性降解技术、基于社会网络分析的组织复杂性降解技术，基于空间网络技术的进度管理复杂性降解技术。本课题能够为重大工程的复杂性识别、度量与降解提供一定的理论基础，课题研究结果和意义主要体现在：1.识别出技术、环境、组织、任务、目标、信息、文化七大类复杂性因子，并构建了重大基础设施工程复杂性度量指标体系，克服了传统因子识别研究中定性分析与主观判断过多，耗时长且全面性欠缺的问题。2.构建的复杂性度量模型，摆脱对指标权重的依赖，减弱了评价过程中极端指标值和指标信息损失的影响，减少评价的主观性，并能实现动态化评价。3.研发的决策复杂性降解技术，有效降低了重大工程的多重目标关联导致的复杂性，解决了传统线性和非线性规划耗时长、低效率的问题。4.研发的组织复杂性降解技术，能够有效识别重大工程中的关键组织成员，简化组织网络，降低各参与主体关系繁杂导致的复杂性，实例表明该方法的复杂性降低程度能达到50%。5.研发的进度管理复杂性降解技术，通过空间网络计划和空间链等方法，在相对较短的时间内将子项目之间纷繁复杂的关系变为有序的状态，解决了传统进度计划庞大，不同子项目间进度管理割裂、难协调的问题。

内容获取失败，请点击重试