基于鐵路施工圖評審評價模型的原理與技術改進研究

王 超,盧文龍

(中國鐵道科學研究院電子計算技術研究所,北京 100081)

鐵路是我國重點發展的基礎設施建設項目，鐵路建設過程前期設計工作是鐵路建設過程中的重點關注領域。在項目前期設計階段，施工單位沒有開工的情況下，施工圖的設計質量對后續的進場施工以及工期安排有著很大的影響。面對現在工期日趨管理嚴格的情況，設計單位往往同時負責多個復雜項目的設計工作，建設單位對內部項目的質量把控與資金投向，都圍繞在設計工作的涵蓋范圍之內。目前在基于施工圖設計工作的評價體系的基礎上，建立一套行之有效的考核機制來規范設計單位工作，對鐵路建設前期工作的管理與推進具有非常重要的現實意義，也是鐵路信息化工作領域推進的重要工作。工管中心施工圖審核部每半年就要對所有在建高速鐵路項目的施工圖質量進行評審，結果作為考量設計單位工作的依據，評審結果優秀的單位在未來項目招標中占有優勢。

近年來已經有很多學者與研究機構都以評價質量作為課題進行研究，目前廣為采用加權平均算法(Weighted Average Method)對施工圖完成情況進行評分考量，其評價算法特點為項目分類打分的基礎上進行分值的評價與求均，進而分析出評價因素的長期趨勢變化規律。優點在于只在結果計算一次加權平均，適用于快速評價內容涵蓋簡單的項目，過濾了主觀因素對結果的波動影響，對各設計單位評價工作的考核結果較為折中。但由于高速鐵路建設過程的多樣性與施工技術水平的提高，尤其現在施工過程采用EPC方法分解橋梁專業、隧道專業、電力及牽引供電、站場改建等專業分類比較細的項目，設計單位出圖的內容與復雜度幾乎呈指數性提高，簡單通過加權平均算法已經不能滿足設計工作量的差異。

面對施工技術持續提高而產生的技術復雜性，在施工圖評審過程研究出一種符合技術特點的評價模型，并以此為基礎進行評價算法的改進。算法以項目負責單位對設計單位進行分類打分生成基準分值，創新性地加入了EPC專業因素作為影響參數，引入大數據模型作為輔助參數，以差分方程為基礎來建立一套評價模型[1-2]。并首次應用在設計單位評價考核實際過程中，解決施工圖審核過程中的復雜項目評審遇到的問題，并利用方差誤差分析法過濾復雜項目下因素干擾，使得算法在評審復雜項目過程中更加準確，客觀地反映設計單位施工圖的評價質量，這在鐵路設計與交付領域具有專業的獨特性。

算法的關鍵技術在于其基礎數據收集過程可結合歷史數據歸溯，搭建評價模型的驗證數據進行回歸驗證分析，采用ANOVA方差分析方法對多個項目的評價結果與單個項目的評價結果作驗證統計[3]。通過對比找到實際應用過程中對評價造成影響的關鍵性因素并作調整。在此基礎上優化了算法，并進行過程中的分布校驗驗證，以保證最終結果準確。

1 評價算法介紹

依據中國鐵路總公司關于印發《鐵路建設項目勘察設計單位施工圖評價辦法》的通知規定，前期工作需要收集建設單位對設計單位的基礎評分數據，通知內容對評分范圍以及規則都作了嚴格的規定，建設單位按照扣分細則對負責項目進行評分操作，評分細則如表1所示，評分結果作為算法基礎數據進行錄入。

表1 建設單位評價打分細則

在一個完整建設周期內進行的施工圖評價過程，是指建設單位對勘察與設計單位施工圖階段工作定期進行的評價，每半年為一個評價期。評價內容包括施工圖提供、施工圖質量、配合施工等，總分為300分。評分內容引入了分專業分階段的概念，對橋梁、地質、隧道按專業標準進行評價，對預算、資金、現場配合按實際工作內容進行評價。細則表中1～3項為扣分項，主要體現發現的評審問題，為建設單位按實際情況填報。4～5項為加分規則，主要涉及技術方案優化、工程措施優化、結構安全優化中存在顯著的工作業績進行加分，加分最高為20分，扣分項由建設單位確定，加分項由工管中心施工圖審核部確定。

針對以上分類分值原則，設計單位在同一時期負責多個項目的設計工作時，則采用綜合評價分析來進行加權平均作為基準評價分值，加權公式為

F=∑(ai×bi)/n

(1)

式中，ai為各自項目的評價分數；bi為項目權重；n為權數，n為各項bi加和。其中項目權重bi值的制定規則按照項目的特點進行定義，國家重點建設項目，客專項目，國家政策支持的重點項目，則權重計為1.5；初步設計批復的靜態投資額在50億元以上的項目權重為1.2；初步設計批復的靜態投資額在50億元以下項目權重為1.0。

基礎評價分值體現的是對單個項目的評分進行加權，針對于施工圖評審過程中復雜項目的評審，則需要進行復雜分類下的基準公式計算來體現差異性。基準公式計算方法需要追溯2012年至2017年的所有評審歷史數據。目前根據數據統計，設計院審核權重1.5以上重點建設項目為6個，審核權重為1.0以上的項目最多為58個。這里將樣本分析的個數設置為8個，是體現重點項目的審核規范，同時在基準分析以及誤差分析時，將樣本個數擴展至61個，建立符合實際情況的數學分析模型。評價期基準分公式與計算方法如表2所示。

表2 基準公式計算方法

表2基準公式內參數：F為建設單位內各勘察設計單位評價分數；G為建設單位權重(鐵路公司為1.2，客專公司為1)；K為所有建設單位對設計單位評價分數的平均值，K值在整個評價過程中單獨進行計算。對此種算法的結果進行分析判斷準確性，通過對工管中心歷年評審基礎數據進行收集與整理，在此基礎上應用基準公式算法進行推演，對前三項扣分，中心確認加分與項目總分值分布特點進行驗證，推演結果如圖1所示。

圖1 基準公式算法驗證分布

圖1驗證過程取樣為大數據模型內累計項目典型數據，采樣數據為61個典型項目的評審數據。對比圖中分析結果線性變化趨勢，其中前三項扣分值有很多在275～280分之間徘徊，并沒有大幅波動，表現評分細則對評分進行有效的規范；優化建議加分值變化幅度較大，表明建設單位對項目設計評價有一定的主觀性。同時看到建議加分的波動影響到最終總分值的結果較大。在此基礎對多項目的評價工作進行分析，對于負責復雜項目設計工作的單位，工作量明顯比負責單個項目的單位要多，而評價算法對于復雜項目的影響因素過濾較少。目前采用的算法針對復雜項目采用可調整的權重比，圖中顯示基準分值隨著項目數目的增多有指數性的升高趨勢[4]。針對基準分值的分布特點采用ANOVA方差分析方法建立模型。比對每個因子水平下得到的樣本數據，考慮到權重值1.5以上項目的分析過程，將基準分值建立在8個以上項目的基礎上，不考慮多因子的方差分析，將8個以上的項目推演公式代碼。利用點狀圖分析誤差的結果，找到最優的權重設置。將項目個數以2個作為基數進行權值代入公式計算，從而找到生成基準公式的規律，將權值與分值計算方法進行推演[5]，基準公式描述如表3所示

表3 權值設置與對應基準公式

表3中，F為扣分與加分操作后的總分值，K為各項目總分值的平均值。在多因子的方差分析中，項目的數目在評價過程中對整體結果有影響，會導致設計單位最終基準分值的較大變化，表示組間誤差中只包含隨機誤差，這時組間誤差與組內誤差經過平均后的數值就應該很接近，它們的比值就會接近1。當項目的數目在評價過程中對整體結果有影響的情況下，在組間誤差中除了包含隨機誤差外，還會包含系統誤差，這時組間誤差平均后的比值就會大于組內誤差平均后的數值，它們之間的比值就會大于1[6]。這個比值大到某種程度時，就可以認為不同水平之間存在著顯著的差異，也就是項目的數目對因變量有影響。

由于各種評價因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是測量環境中不可控的隨機因素，另一類是研究中施加的對結果影響的可控因素。造成的誤差會導致審價結果排名會有很大的變化，單一項目的分值過高會使評審結果影響較大。如果這種差異主要是系統誤差，說明算法在多個項目評價中存在系統誤差會對結果產生顯著影響，針對此問題建立模型找出被檢測的次數差異主要是什么原因引起，從而找到一個優化調整的算法來補充。

這里對權值參數R進行調整，以找到個體因素對整體結果影響最小的最優數，并對最終的評價結果引入一個基準分值進行調整。考慮到前期評價扣分值的隨機性，采用點狀圖分布來解釋誤差的變化，如圖2所示。

圖2 多項目評價分值誤差分析

圖2顯示理論方差標準值在總體結果中都是服從指數分布的，而誤差樣例結果呈隨機分布并且始終大于理論曲線。誤差對比曲線表現的是組間誤差平均后的比值，曲線的變化情況是不規則的，表明因素的隨機變化過程是不穩定的，并且隨著項目數目的增多對評價結果造成影響的因素也會增多。這說明在實際的施工圖評審過程中對多項目的評審工作，隨著項目數目的增多以及評審因素的復雜，最終的評審結果會有一定程度的偏差。而最終的影響就是，當評審一家負責多個重點項目的設計單位時，評價結果會有失公正。

2 評價數學模型

針對于以上問題進行評價方法的改進，建立數學模型模擬評審過程中的各項因素，以及對結果產生的影響，從而在此基礎上進行算法的模擬改進與驗證。針對鐵路評價行業特點和要求，差分區域的分析方法可以符合實際評審過程的模擬特點。差分區域分析方法是一種利用動態系統的拓撲理論來構造自然現象與社會活動中因素干擾的數學模型，其主要研究歸納分析因素對結果的影響因素和模擬操作過程，從而分析誤差產生的原因和條件，找到符合實際過程中的變化規律[7]。差分數據模型由定性分析與定量研究的相互結合，定性分析主要考慮評價指標的完備性、針對性、穩定性、獨立性等因素，主觀確定影響因素和結構的過程。定量研究則是通過一系列檢驗，使評價體系更加科學和合理[8]。在差分區域方法中引入線性回歸法進行定量的分析，并評價多個項目審核過程中的定性特點。在驗證的計算過程作多元線性回歸，并將結果與標準值的比較生成近似的描述公式，得到的結果如圖3所示。

圖3 線性回歸結果分析

由數學模型生成的線性方程進行近似結果的描述，歸結的R值為0.059 31，從圖3中看到所有小于0的均衡分值都對結果的影響較小，而誤差分布隨著樣例數據的增加穩定在一定的范圍之內。基于差分區域歸納的線性模型通常由多個輸入變量組成，對于給定的數據集，線性方程的屬性在一定程度上反映了評價過程的特性，表明在此基礎上進行的數據化模型可以反映真實過程[9]。在前面介紹的建設單位總體評價結果分析中，標準化管理與總分是呈隨機分布的，所以要加入隨機分布的影響因素以體現評審過程的中誤差，這樣建立起來的差分區域模型才能準確描述評審過程中的各項因素調整影響，將實際當中的權值參數與優化計算公式進行整理，并將上節介紹的組間誤差平均后的比值進行對比，結果如表4所示。

表4 權值參數與誤差對比

對結果進行線性隨機分布的優化，找到M值最優的解，M值越接近1結果則越精確。在權值與誤差平均比值的對比中觀察到，樣例擴展到8個以上的項目時，M值已經逐漸趨近于1，誤差分布已經得到有效控制[10]。在差分區域模型里進行推演的規則條件下，實際上也就是檢驗具有同方差的8個正態總體均值是否相等，如果8個總體的均值相等，則可以推斷8個以上的樣本均值也會很接近，由此推演到多項目的情況評價算法可以參照表中的調整的基準分值公式的內容進行模擬。對項目樣本計算結果進行權重值的分析，歸納出多個項目評審時采用的基準分值算法公式為

M=∑0.5(Fi×Gi)/N

(2)

式中，M為基準分值；F為建設單位內各勘察設計單位評價分數；G為建設單位權重；K為所有建設單位對勘察設計單位評價分數的平均值；N為權數，N為各項G權重之和[11]。

評價體系的建立是需要多方面的擴展，未來的評價工作機制會發生一定的調整與改變，例如項目的評審規范與分值制定都會產生變化。模型采用指標體系進行施工圖評價體系調整，通過調整多指標因素來適應條件的改變[12]。

3 演化算法改進

通過模型的真實模擬，對復雜項目評價的算法優化已經可以將系統誤差控制在合理的范圍內，并分析出最優后的算法公式與權重分配。同時運用網絡計量方法探索評價模型建立的基礎數據構建，其主要研究對象是800個項目樣本的評價數據，并建立大數據樣本，進行均衡分值的計算[13]。分別計算某設計單位得分與所有設計單位得分平均值的差值。F平均值為某建設單位內所有勘察設計單位得分的平均值。M值以±4分為限，這里±4是將平均分值控制在一個合理的范圍內。再分別計算某個設計單位在各建設單位的M值之和

X=∑(M×G)

(3)

所有設計單位在同一時期內得到最高基準分的分值作為均衡分補償。由于系統誤差不能完全獲知，因此這種補償并不完全。而加入基準分值對于結果的修正偏差具有校正作用，從而去除含有誤差的測量結果[14]。基準分值的計算是在設計單位最高評價分值的基礎上進行對比，并將所有設計單位的基準值與最高值作差，這樣保證了基準值不會對最終結果造成太大影響。

基準值作為修正因子，在最終的評價結果中是體現差異的首要因素。通過修正因子或修正值已進行了修正的測量結果，即便其具有較大的不確定度，但仍然十分接近被測量的真值[15]。修正后的方差誤差分布情況如圖4所示。

圖4 修正后的誤差分布

由圖4可以看到，虛線表示的差異更加趨近于實線理論值，誤差對比曲線在隨著樣本數量增多的情況下沒有產生大幅度的隨機性變化，一直在穩定的區域范圍內變化，圖中誤差對比曲線在項目復雜度增大的情況下也呈現平滑，明顯消除了系統誤差對最終評價結果造成的影響。最終證明了引入模型分析出的評價結果技術改進是有效的。

將評價模型與優化的計算方法進行實際情況的驗證應用，將2015至2017年度的歷史評價數據代入改進的算法中，結果表明復雜項目評價工作準確度上升了3.5%，涉及到的排名變化為一家設計單位。由于算法的復雜度與精確度提升，以前遇到的排名同分并列的問題也一并解決。經過核算，優化的算法在多樣本與誤差隨機分布的條件下，將誤差結果控制在合理的范圍內，并解決了復雜項目評價下審核結果的有效。經過中國鐵路總公司工管中心在2016年的實際推廣，應用新型算法改進進行評價結果的輔助計算，結果證明使用改進后算法進行的評價能非常客觀體現差異，同時各設計院的投訴建議也減少很多，由評價結果產生的排名公正有效，取得了很好的效果。

4 結論與建議

本文在大數據的基礎上完成了施工圖評價模型的算法改進，找到在復雜項目評價過程中對結果影響較大的因素，并采用線性回歸方法驗證誤差存在的分布。通過基準分值作為優化因素進行調優，減少了在計算過程中的系統干擾誤差，對整體評價體系驗證起到了重要作用，并在最新的考核信息化工作中得到推廣與應用。

鑒于針對評價工作的實際情況，建設單位在評價基礎分值時也會存在主觀意識的偏差，尤其在建議加分值和電子交付文件中體現的差異非常大。評價體系是關于復雜對象的多指標，多因素，多主體，多層次為特征的[16]，需要進行不斷的探討與優化。由于評價結果在施工圖審核過程中的權威性，未來需要找到更加符合現實意義的數學模型，建立一個科學公正有效的多維度評價體系。

[1] 江杰，高超，虞麗娜.權值動態分配的加權平均法在姿態解算中的應用[J].航空制造技術，2016(11):106-109.

[2] 宋乾雙，丁奇杰，冉維毅.BIM技術在結構施工中的應用[J].智能建筑與智慧城市，2016(2):78-80.

[3] 盧冶飛，孫忠寶.應用統計學[M].北京：清華大學出版社，2015.

[4] Chen Xiaohui， He Yifeng. Inference of high-dimensional linear models with time-varying coefficients[J]. Statistics， 2017：12-13.

[5] 閆志剛，杜立峰，王雪麗.基于突變級數法的綠色施工評價研究[J].鐵道工程學報，2017，34(2):76-80.

[6] 陳正江，蒲西安.多元線性回歸分析與逐步回歸分析的比較研究[J].牡丹江教育學院學報，2016(5):131-133.

[7] 張家年，占南，李陽.基于網絡計量學的網絡課程評價方法研究[J].遠程教育雜志，2015(1):101-102.

[8] 張生瑞，邵春福，嚴海.公路交通可持續發展評價指標及評價方法研究[R].中國公路學報，2005，18(2):74-78.

[9] 強保華，唐波，王玉峰.基于線性回歸和屬性集成的分類算法[J].計算機科學，2017，44(6):212-215.

[10] JB Corbets， CJ Willy， JE Bischoff. Evaluating System Architecture Quality and Architecting Team Performance Using Information Quality Theory[J]. EEE Systems Journal， 2017(99):1-9.

[11] 中國鐵路總公司.鐵總建設[2014]125號 鐵路建設項目勘察設計單位施工圖評價辦法[S].北京：中國鐵路總公司，2014.

[12] 仇志明.橋梁工程鋼筋混凝土施工質量評價模型[J].鐵道標準設計，2014(2):61-63.

[13] 中國鐵路總公司工程管理中心.關于2016年上半年鐵路建設項目施工圖評價初評情況的報告[R].北京：中國鐵路總公司工程管理中心，2016.

[14] 徐澤水.多屬性決策的兩種方差最大化方法[J].管理工程學報，2001，15(2):11-13.

[15] 朱小輝，陶卿，邵言劍.一種減小方差求解非光滑問題的隨機優化算法[J].軟件學報，2015:2752-2761.

[16] 何志工.鐵路樞紐總圖規劃及其評價體系的思考[J].鐵道標準設計，2012(12):5-8.

[17] 張明.鐵路信息化評價考核指標體系研究[J].鐵路計算機應用，2017，26(4):32-35.