文摘
成本估算是最重要的在任何建设项目初步的过程。因此,建设成本估算的大部份的研究工作在施工管理。在本文中,我们分析和研究建议建设成本估算在过去的10年。实现这个调查,我们提出并应用由两部分组成的一种方法。第一部分关注数据收集,我们选择特殊的期刊来源的调查建议。第二部分问题的分析建议。分析每一个提议,以下四个问题已经设置,智能技术是使用?数据是如何收集的?验证结果如何?和建设成本估算因素一直使用? From the results of this survey, two main contributions have been produced. The first contribution is the defining of the research gap in this area, which has not been fully covered by previous proposals of construction cost estimation. The second contribution of this survey is the proposal and highlighting of future directions for forthcoming proposals, aimed ultimately at finding the optimal construction cost estimation. Moreover, we consider the second part of our methodology as one of our contributions in this paper. This methodology has been proposed as a standard benchmark for construction cost estimation proposals.
1。介绍
信息技术(IT)在应对挑战中扮演着关键角色在建设项目。托马斯et al。1)说明了使用它的重要性,提高建设项目的性能。建筑业面临众多复杂的挑战,超越它。这些复杂的挑战激励使用智能技术来处理这些挑战。例如,智能技术可用于处理的挑战,如(1)选择最优秀的主承包商,(2)预测项目在不同阶段的表现,或(3)估计成本超支的风险(运行超过一个适当的计划可能会导致更大的风险,许多承包商)。最近,土木工程社区已经开始考虑人工智能(AI)技术作为最优的艺术处理上述3模糊和模棱两可的挑战[2]。人工智能在土木工程领域的使用已经被Parmee介绍(3),提出了人工智能解决问题的特点是不确定性和贫穷的定义。
成本估算是最重要的在任何建设项目初步的过程。在建筑业,成本估算是一个过程,预测执行所需的成本项目的工作范围内(4]。准确的成本估算是至关重要的,确保建设项目的成功完成。估算工程造价是一个知识密集型的工程任务的例子5];也就是说,这取决于人类的专业的专业知识。事实上,工程师需要几年来发展必要的技能进行成本估算的过程。这里的主要问题是工程师的专业知识往往是不记录或验证。因此,这个专业是容易主体性(即。定义在某种程度上由一个个人观点)。据巴蒂尔et al。6),在成本估算的准确性和全面性的问题,很容易受到许多不同的参数;此外,每个参数都必须妥善解决为了维护过程中精度的一个可接受的水平。因此,估计工程造价相当程度的准确性主要是手工不可能实现。
另一方面,成本估算不准确会导致许多问题,如改变顺序,施工延迟(7),甚至企业破产在最坏的情况。这两个因素(我)不可能手动进行成本估算和(2)不正确的成本估算的影响从而鼓励研究人员和建筑公司调查智能解决方案来处理成本估算的问题。
探讨和总结了当前在建筑行业使用的智能解决方案。为了利用智能解决方案在项目成本估算的重要性,一个列表的最先进的方法进行了分析,包括机器学习(ML),基于规则的系统(苏格兰皇家银行),进化系统(ES),基于主体系统(ABS)和混合动力系统(HS)。
本文组织如下:我们讨论研究方法部分2。节3,我们探索和定义中使用的建设成本估算因素这个调查。节4、智能技术,用于建设成本估算分为五组,和每一组定义的主要优点和缺点。然后分析了每一个提案。结论和未来的发展方向提出了部分5。
2。研究方法
成本估算的重要性在建筑业已经在前一节中讨论。然而,毫无疑问,聪明的解决方案可能解决的困境成本超支,考虑所有的影响因素。实际上,有大量的智能技术可用来处理施工管理中存在的问题(8]。这促使研究人员执行和分析智能技术对于解决建设成本估算问题。本文调查在过去的十年里使用的智能解决方案和确定未来发展的方向。这将有助于提供更精确和深入分析最近的提议。分析过程将突出这一领域的研究空白。此外,它将打开一个门定义为未来的研究提供机会。
本研究分为三个部分,如图1。首先,我们创建一个文献综述数据库中使用的智能技术,成本估计在过去的十年里。在这一步中,特定的期刊被选择根据他们的专业化施工管理和信息技术。这些期刊《计算机在土木工程(http://ascelibrary.org/journal/jccee5)、《建筑工程与管理(http://ascelibrary.org/journal/jcemd4),Itcon (http://www.itcon.org/),土木工程与管理学报(http://www.tandfonline.com/toc/tcem20/current .VFlO8Wdh71U)和自动化建设(http://www.journals.elsevier.com/automation-in-construction/)。因此,收集到的论文分类根据其应用技术。其次,我们提供了一个分析和讨论每种智能技术澄清其优势和弱点。特定的智能技术的优势和劣势将继承的成本估算方法基于技术。此外,成本影响因素建立了为了执行一个特定的基准测试的过程。
之后,一个密集的比较调查了建设项目的成本估算方法,提出基于基准,进行了试验。分析每一个建议,研究集中在四个点:(我)智能技术在使用;(2)建议的数据是如何收集的;(3)验证所提出的想法;(iv)成本估算因素的报道。
现在我们将解释在图的步骤1在细节。第一步是创建一个从前面提到的四个期刊文献数据库。我们使用单词“工程造价”作为主要关键字;我们有选择的只涉及使用智能技术的建议。第二个和第三个步骤是平行的。在第二步中,已发现的智能技术选择方案进行分类的基础上,科学的概念。本分类的目的是定义每个类的主要特点。第四步描述提出的基准,在表中详细解释2。这个基准测试已经开发建设成本因素的基础上,选择在步骤5。第六步显示了最后一步,这个调查的主要目的,这是未来的发展方向的定义施工成本估算的研究领域。
3所示。建筑成本因素
据巴蒂尔et al。6],Oberlender和Trost [9],Ahiaga-Dagbui和史密斯10),任何施工成本估算应该开发基于特定的参数,如类型的项目,材料成本,可能设计和范围的变化,地面条件下,持续时间,项目规模,类型的客户机,投标方法。因此,在本文中,我们介绍了这些因素作为基准成本估算方案之间的比较。
有各种不同的因素,影响建设项目的成本估算。这些因素可以集群分成两个不同的组11]:(i) estimator-specific因素和(2)设计和具体项目的因素。
3.1。估计量的具体因素
成本估计可以三方之一:承包商、顾问或所有者。根据估计的背景和经验,认知偏差或错误可能发生在成本估算相应的(11]。在许多情况下,成本估计基于可能的收益,使决策或损失,风险和基于真实的结果不一定决定(12]。此外,个人估计可能定制定价基于最佳当地实践(13],它不同于国家。为此,本文将专注于设计和具体项目的因素。
3.2。设计和具体项目的因素
这些因素包括项目规模、项目类型、地面条件、类型的客户,材料成本,可能设计和变化范围,持续时间、投标方法(6,9,10),和合同类型。在接下来的段落,详细讨论了这些因素探讨关于成本估算它们的含义和功能。
3.2.1之上。项目的规模
项目规模之间存在很强的相关性在平方英尺或米和劳动的数量。然而,随着劳动数量的增加,一些项目的成本估算可能有一些偏见和更加合理的(例如,产量估算或任务调度)。有许多实证研究项目规模如何影响成本估算(例如,14,15])。
3.2.2。类型的项目
进行特定类型的项目需要一个合适的选择使用的技术和设备,以及合适的工作方法。然而,这可以限制材料的选择和尺寸的船员工作;因此,这将影响到项目预算。
项目类型可以分成几个不同的类别。一般来说,有六大类型的建设项目:(1)建筑施工、(2)特殊用途的建筑,(3)重建设、公路建设(4),(5)基础设施建设,(6)工业建筑。
3.2.3。地面条件
在招标之前,地面条件应该在任何建设项目的第一个问题。不知道地面条件下,承包商仍应假定估计成本;然而,如果假设是不正确的,这将导致额外的复杂地层条件下的成本。
3.2.4。类型的客户
为每个建设项目都有自己的客户的想法,角色,和目标,合同的特点和招标行为主要是受客户类型。有七种不同类型的客户分类的画等。16]。(1)政府。(2)房地产权威。(3)其他公共部门的客户。(4)大型开发商。(5)大型工业、商业和零售组织。(6)中小工业、商业和零售组织。(7)其他的私营部门的客户。
3.2.5。材料成本
材料的材料选择时间,类型,他们的可用性在当地市场展示出显著影响建设项目的成本估算。材料可以代表70%的工程建设成本(17];因此,任何方法用来估计准确材料成本会减少浪费,提高重大项目的成本和时间的好处。此外,所需材料的数量必须准确地测量从绘画和不依赖于机组性能或工作方法采用(13]。然而,这个因素可能显著不同,高度依赖于所使用的工作性能和工作方法。
3.2.6。可能设计和变化范围
根据他们的经验,客户保留更多的影响设计和现场施工。某些类型的项目需要客户指定一个设计公司(图2)设计和检查项目阶段,为了达到客户所期望的标准。
另一方面,正确的范围定义阶段是项目前期工作计划过程中非常重要。可怜的范围定义是被行业从业人员作为项目失败的主要原因之一,作为一个高水平的项目前期工作计划工作可能导致总成本节省20% (18]。
3.2.7。持续时间
研究表明,有一种强烈的工程造价和施工之间的关系持续时间不同的建筑市场(例如,(19,20.])。之间的关系完成建设成本和时间完成建设项目第一次数学建立了米洛et al。20.]: 在哪里T施工期间的持续时间,C是最后的项目成本,K是一个常量值表示一般水平的时间性能,然后呢B是一个常量值描述时间的性能是影响建设项目的大小来衡量它的成本。
图3礼物duration-cost平面框架为中小型基础设施项目和确定项目调度三个主要区域的边界是由普通索引项目持续时间(21]。
3.2.8。投标方法
有五个招标方法,包括以下。(我)公开招标。承包商被邀请投标合同通过当地广告。(2)选择性招标。承包商被邀请投标的证明记录在合同的类型和大小和自己的可靠性。(3)谈判招标。成本补偿合同是变异,可当完成时间比成本更重要。(iv)两阶段招标。它是用来使承包商在设计阶段,这是有用的建议任何问题的建筑师设计的建筑。单位费率将谈判的基础上原来的温柔。(v)串行投标。邀请招标的基础上从列表选择一个典型的(名义)工程量清单。通常选择承包商提交的最低价格和承担进入一系列合同开展工作使用的利率名义工程量清单。
的选择上面的方法基本上是为了最小化任何额外的客户风险。为了实现这一目标,客户端必须平衡四个方面:(我)客户需求;(2)项目成本;(3)完成时间;(iv)投标资格来执行工作。
4所示。智能建筑项目成本估算方法
在本节中,分析智能建筑成本估算方法进行了调查。这些方法分为五类,基于智能技术,每组中使用:机器学习(ML),基于规则的系统(苏格兰皇家银行),进化系统(ES),基于主体系统(ABS)和混合动力系统(HS)。
在第一步,每个小组探讨突出自己的长处和弱点。随后,方法分析了深度报道的建设成本估算技术。在每一个提议,四个关键问题已经强调了进行分析。这些问题是(1)智能技术是使用;(2)如何收集输入数据集;(3)如何验证方法;(4)建设成本估算因素覆盖。
下面首先,使用的智能技术,讨论的结果是被认为是第一个问题的答案。其次,每个建议单独分析,回答问题2。表的内容1说明了问题3的答案,而表的内容2说明了问题4的答案。
4.1。机器学习(ML)系统
毫升系统已经定义为一个系统的建设,可以从数据中学习。一般来说,毫升的主要优势是(我)处理不确定性的能力,(2)处理不完整数据的能力,和(3)的能力来判断新病例根据获得的经验类似的病例。另一方面,毫升的主要弱点是缺乏技术的理由;也就是说,原因之外的决定并不可用。这种类型的决策被称为黑盒的决定。然而,在施工管理、人工神经网络(ANN)和支持向量机(SVM)是最常见的ML技术。在接下来的段落中,我们分析了建设成本估算的建议是基于ML。
最早的论文介绍的好处和实现安在土木工程社区是由洪水和Kartam22]。本研究对许多建议打开门,建议毫升作为首选方法在建筑行业应对各种挑战。Petroutsatou et al。23]介绍了安作为一个早期公路隧道建设成本估算技术。本研究的数据收集策略是基于结构化问卷从不同隧道施工地点。本研究的主要缺点是忽略的一些工程造价因素(更多细节,请参阅表2)。威尔默特和梅24]介绍了公路建设成本的ANN模型。本研究使用了下列因素作为成本估算的基础:劳动力的价格,价格的材料、设备价格,支付项目数量、合同期限、合同的位置,季度合同是让,年度投标体积,体积变化,计划的数量变化,变化的标准或规范。这个工作的主要贡献是,它覆盖了所有必需的因素。然而,该方法的验证和数据收集过程用于训练和测试结果并不完全。Jafarzadeh et al。25)提出了地震预测方法的安改造建设成本。本研究选定的数据从158年地震多发的学校。该方法的验证还不清楚。一个et al。26)提出了支持向量机用于评估概念的成本估算。虽然这个建议介绍作为一个评估工具,仍然可能被认为是一个成本估算方法。方法的基础上开发了数据从62年在韩国完成建筑项目。此外,你好和Schabowicz [27安)开发了一个模型来确定土方工程的执行时间和成本。基本上,这个模型的基础上开发了一个数据库创建的几项研究中进行了大规模的土方工程施工现场的操作在中欧最大的化工厂。然而,没有提到提出的验证结果。
儿子et al。28)开发出一种混合预测模型,结合主成分分析(PCA)与支持向量回归(SVR)为商业建筑项目的成本绩效预测模型。他们用64相关变量定义项目前期工作规划阶段。他们开发了数据集基于信息从84年建设项目在韩国,在三年内完成的日期进行了研究。问卷调查和访谈被用作数据收集策略。程和黄平君29日)在完成技术开发成本估算使用最小二乘支持向量机。程中使用的数据集和黄平君29日)收集来自13个钢筋混凝土建筑工程执行2000年和2007年之间由一个建筑公司,总部位于台湾。
4.2。以知识为基础的系统(KBS)
这一类包括任何技术,使用逻辑推导规则所需的结论。KBS的主要优势是(我)能够证明任何结果,(ii)(即简单的方法。它相对容易发展KBS)。另一方面,KBS的局限性(i)自学习的困难,(ii)规定收购过程中时间消耗。专家系统和基于案例推理在KBS的常用技术。案例推理的准确性很大程度上取决于所选病例数。最近,KBS结合其他技术来处理自学习过程的限制。然而,这种混合将更详细地讨论在本文的部分处理混合动力系统。
霁et al。30.)提出了案例推理准备战略和概念估计施工预算。这个项目的数据收集从129年军事营房项目。崔et al。31日)提出了成本预测模型对公共道路规划。研究数据收集了从207真正的公共道路项目。崔et al。31日)摘要利用理论控制数据收集和使用遗传算法优化摘要模型。以来的工作列为KBS作者实现了案例推理组件的成本估算。k·j·金和k金(32使用CBR)开发成本估算模型。本研究克服了不确定性在选择正确的情况下使用遗传算法。对于这个研究,数据收集从65年项目建造585座桥梁在5年时间内。k·j·金和k金(32)重点建设国家的桥梁。然而,它没有提到如何结果验证。
Yildiz et al。33)开发了一个以知识为基础的国际建筑项目风险映射工具来估算成本。收集所需的数据和成本估算参数的相关文献。验证过程进行专家访谈获得反馈的形式开发工具。李等人。34)提出了一个本体推理过程构建成本估算,通过自动化的过程,寻找最合适的工作项。Ghoddousi et al。35)确定总成本,提出了一个解决方案,为建设项目和资源;这是开发的基础上nondominated排序遗传算法。
金(36)开发了一种基于案例推理的成本估算模型和层次分析法(AHP)。在这个项目中,数据从文学和选择只有13个研究进行了分析。金(36)开发他的模型基于数据从高速公路建设项目。验证了基于案例研究包含来自48个建设项目的数据。
4.3。进化系统(ES)
ES是一群关心连续优化启发式智能系统。的结果ES的生成是基于特定的启发式,他们很难概括,这被认为是西班牙文的主要限制。的能力来解决复杂的和不确定的问题是研究的主要动机使用ES。进化系统主要用来作为优化工具,有许多解决方案;然而,ES算法有助于获得正确的解决方案。
Rogalska et al。37)提出了一种基于遗传算法的方法处理建设项目调度的问题。德阿尔伯克基et al。38)开发了一个工具,评估混凝土结构的成本。这个工具是基于遗传算法的开发。据估计在所有施工阶段成本,如制造、运输和安装。Afshar et al。39)开发了一种multicolony蚂蚁算法来解决多目标优化的时间/成本问题。这种方法估计都直接和间接成本。张和Ng (40)开发了一个决策支持系统(DSS)基于蚁群的成本估算系统。张和Ng (40)用合成数据开发DSS和他们做验证系统通过比较它与一个标准的学术项目。然而,验证完成。仍与实际项目验证提供更准确的结果。
4.4。基于代理的系统(ABS)
ABS被认为是人工智能的主要曲目之一,模拟自治代理的行为和交互的观点评估他们对整个系统的影响。在ABS,提取结果的概括是面临的主要挑战。
Karakas et al。41)开发了一个可替换主体系统(MAS),模拟了承包商和客户之间的谈判进程关于风险分配和共享在建设项目成本超支。MAS进行了实验,面试八个建筑行业的专业人士。此外,罗哈斯,穆克吉42)开发了一种通用可替换主体模拟框架,可以作为一种有效的训练环境。这个框架可以用来估算建设项目直接和间接成本。
4.5。混合动力系统(HS)
HS是定义为一个集技术一起使用来解决特定的问题。通常,研究人员使用HS克服技术的个人局限性。实现商品可能是一个挑战,由于计算工具,支持其实现的不可用。此外,金正日et al。43)提出了一种混合动力概念大型多功能建筑项目成本估算模型。在这个提案,统计分析、CBR和数据库方法一起使用混合的方法。最近,程et al。44)提出了一种混合智能系统工程造价估算。该混合动力系统开发基于支持向量机(SVM)和差分进化(DE)。在这个提案,数据收集在台湾的公共项目。金等。45]提出的混合模型安和GA住宅的成本估算,为了预测初步成本估算。在金等人的建议,数据收集从住宅建于1997年和2000年之间的年在首尔,韩国。Yu和Skibniewski46]提出整合neurofuzzy系统概念从住宅建设项目成本估算发现和知识。这个提议中使用的数据是基于历史数据从之前的建设项目由中华人民共和国建设部在1996和2002年之间。最近,威廉姆斯和龚47)提出了文本挖掘、数值数据和系综分类器估计建设成本。数据本提案收集从121年竞争性投标中使用高速公路项目。这些数据收集从加州运输部网站。程等。48]提出了基于网络的概念建筑工程项目的成本估计,使用一个进化模糊神经推理模型。数据收集来自28个建设项目横跨在台湾从1997年到2001年。在这方面,张和兴49)提出了一个混合模型估计建设成本,基于模糊群优化。从国家桥梁施工项目的数据收集。
表1显示的比较调查建议,基于两个问题。第一个问题是智能技术中使用的建议。第二个问题是验证的类型,用于证明方案的适用性。表2显示的比较调查建议,基于设计和具体项目的因素用来估计工程造价在每个提案。字母“Y”意味着这个因素被认为是在这个提议,而字母“N”意味着这个因素没有被考虑。很明显,毫无计划,满足所有的设计和具体项目的因素。另一方面,在桌子上1,有一些没有明确提供建议和科学验证。
5。结论和未来的发展方向
本文进行了调查和分析在不同的建议,以解决发展中问题的基于智能技术的施工成本估算。科学的方法被设计来实现这个调查。论文提出的方法是基于两个部分。第一部分是有关文献调查研究当前状态的智能解决方案在建筑业。关于这事,我们选择专门的期刊专门从事信息技术和施工管理,在十年的时间框架。在研究背景下,10年就足以环绕在一个特定领域的研究的方向。
第二部分是关心收集在第一部分的分析建议。四个关键问题是选择的分析每一个提议。这些问题如下。(我)所使用的智能技术是什么?(2)建议的数据是如何收集的?(3)提出的想法是如何验证?(iv)使用的建设成本估算的因素是什么?
提供了四个问题的理由如下。(1)定义所使用的智能技术。这个问题是用来突出每个方案的总体实力和局限性,体现的技术工作。(2)定义数据收集方法。这个问题是用来确保精确度。的精确度主要取决于收集的数据。(3)定义的验证提出的想法。这个问题是用来确保的适用性提出的想法。(4)定义常用的成本估算因素。这个问题是用来确保方案的完整性。
就像前面提到的3有两种类型的建筑评估因素:estimator-specific因素和设计和具体项目的因素。第一种,estimator-specific因素,取决于估计量的专业知识和技能,缺乏标准化。第二种类型,设计和具体项目的特性,是土木工程定义良好和建立社区。由于设计的标准化和稳定性和具体项目的因素,本研究论文只考虑这些因素在设计中提到的方法应用基准时。
总之,本文提供了两种贡献这一领域的知识:(1)建设成本估算的分析建议和(2)一个标准的调查方法,可以用在任何未来的调查处理施工成本估算。
根据这项研究报告的结果,从这个调查研究缺口,已经推导出如下。(1)这里存在一个关键的必要性的成本估算方法,涵盖了所有的评估因素两种类型;也就是需要一个方法涉及到所有“估计特定”和“设计和具体项目”因素。在表1,很明显,没有提议“y”的完整行(2)是一个真正的需要一个标准的验证方法可以用来确定成本估算的精度水平的建议。(3)有很多提议,缺少科学理由的结果,也就是说,缺乏描述如何在技术上取得了结果。
最后,未来的研究方向提出了成本估算为了克服的差距进行了讨论。这些说明如下。(1)提供成本估算的收购提议,鼓励人类知识:然而,这版本建设成本估算从人类的可靠性。计算机专家系统是更好的机制,可以用来取代人类知识。另一方面,知识管理模型和系统将协助建立计算机管理系统是免费的从人道主义的约束。知识管理系统的主要目标应该是捕获和处理estimator-specific因素。第一个未来方向是鼓励研究人员和业内专家采用知识管理系统建设项目的方向。(2)提供成本估算的建议开发基于所有“设计和具体项目”因素:在部分3,8个因素被提到“设计和具体项目”。第二个未来方向是鼓励研究人员和业内专家开发一个综合施工成本估算系统,实现所有八个“设计和具体项目”因素被提到。(3)提供一个科学的理由成本估算的建议基于真实数据:这将提供一个解释如何估计工作,给出了一个理由对估计量的偏差。添加科学理由任何提议增加信心的水平。此外,提供科学依据协助跟踪的细节成本估算过程的透明度增加。最后,提供科学依据的帮助增加了可维护性。(4)提供一个标准的基准确定施工成本估算的精度水平建议:标准基准测试导致建立一个经验法则在其他成本估算的情况下使用。这可能是通过建立一个数据库包含信息从以前的项目。此外,任何未来的成本估算模型应该考虑这个数据库“已知值”提供一个有用的基准精确这些模型如何估算成本。使用标准的指标可以帮助分类、聚类,和排名的成本估算的建议。
这个研究论文的局限性可以总结两点:(a)数据收集来自特定期刊;(b)调查仅限于10年。
虽然本文承认这些限制,但它仍然是能够提供有效的答案在这一领域的研究现状,提出未来的发展方向。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
目前已开展的研究工作在“宾拉丁研究椅子质量和生产率提高建筑业”大学的冰雹和由沙特的本·拉登建筑营建集团。