智能建造技術在工程造價管理中的應用研究

梁春鮮

（廣西金算子建設工程咨詢有限公司，廣西 南寧 530000）

建筑業是國民經濟的支柱產業，對國民經濟和社會的發展起著舉足輕重的作用。但目前，我國建筑行業還處于零散、粗放的狀態，管理安全、資源浪費等問題嚴重[1]。隨著國家在基建方面的大力投資，工程項目的規模越來越大，功能越來越復雜，造型和建造技術也越來越多樣化，使得工程項目的管理越來越困難。成本管理是工程項目管理的重要組成部分，它的合理確定與有效控制是保證工程項目順利進行的重要一環。

1 智能建造技術概述

盡管我國的項目成本管理觀念和模式在不斷發展，但是項目成本管理的質量和效益依然受到了很大的挑戰。比如，項目成本管理各個階段缺乏有機的銜接，決策階段依靠經驗決策，設計階段重業績而輕成本，招投標階段缺乏科學的評標辦法，施工過程中的變化很難控制。而新一代的信息技術，如“三化”（數字化、網絡化、智能化）等信息技術，為我國工程造價管理提供了新的機遇[2]。比如，利用BIM 模型來構建工程各個環節之間的動態聯系，利用神經網絡對前期決策進行輔助決策，利用BIM 技術進行協同設計，從而達到成本與設計的均衡，運用大數據技術對歷史項目數據進行分析，提供招投標建議，將費用、進度等信息整合到BIM 中，以降低施工過程中的變動[3]。因此，運用智能化施工關鍵技術，從各個角度提高工程成本管理的質量與效益，是今后我國建設項目成本管理的必然趨勢。

2 BIM 技術在工程造價管理中的應用

2.1 BIM 全過程造價管理

BIM 是一個整合工程中各類資料的技術，它將會在一定程度上改善工程資料的存儲模式，同時也能迅速地進行資訊的整理和分享。以更有效的方式儲存、處理、共享信息，為決策、設計、招投標提供依據，從施工到竣工全流程的成本控制為項目成本的控制提供了新的思路和新的途徑。例如，在決策過程中，通過BIM 與工程評估指數的關聯，實現了智能化的決策，設計過程中，采用BIM 技術實施多專業協同設計、方案優化、管線綜合碰撞等，通過對工程項目進行的工程量核算，可以有效地降低工程的設計更改、重復勞動，取得明顯的經濟效果，招標時引入BIM 模式，降低招標中的設計資訊損失，在工程建設中，運用BIM 技術對整個工程項目進行全面的管理，實現人、材、機、資金等方面的資源統籌，在完工和結算的過程中，充分運用BIM 技術完成階段的信息，可以有效地改善工程完工后的結賬工作[4]。并整合完成的項目資料，構建一個企業的內部資料庫，為今后同類的工程建設工作提供了有效的參考資料。BIM 技術在工程項目建設中的運用，在某種意義上提高了工程項目建設的全流程，但是在目前的情況下還存在著一些缺陷。決策、招投標、施工、竣工等各方面的研究尚處于理論層面，并未形成顯著的實用意義，在實用方面，其應用范圍也僅限于協作、沖突檢測等一般的功能，BIM 技術還沒有真正地開發出來。

2.2 BIM4D/5D 造價管理

為了更好地發揮BIM 技術的應用價值，擴大BIM 技術的應用領域，在此基礎上，將進度、成本等數據整合起來，形成了BIM4D、BIM5D 等多個領域。利用BIM4D對工程進行了仿真和跟蹤，提高了工程的進度管理水平，實現了工程造價的精益化管理[5]。但是BIM4D 僅包含了一個項目的進度信息，其成本管理的價值還不能充分體現，而BIM5D 集成了項目的進度、費用信息，使得成本管理更加有效。因此，在BIM5D 集成成本與進度信息的基礎上，對工程造價進行了預測、動態的控制與流程化，從而使工程造價管理的質量與效率得到明顯的提升，建立了一個能對比較項目進行更高效的財務分析體系，本文提出了一種新的壽命周期費用核算方法，以提高工程周期費用的計算效率和質量。在高維BIM4D/5D 模型中，由于使用BIM4D/5D 模型所耗費的時間和費用較高，因此，在使用BIM4D/5D 技術時，必須考慮到其邊際收益。

2.3 BIM 與其他技術集成造價管理

在對BIM 在成本管理中的運用進行探討的同時，也有一些研究試圖將其他理念、技術、管理和交易方式與BIM 技術相結合，使BIM 成本管理的效益最大化。例如，將BIM 與IPD 集成的產品開發模型（IPD）相結合，對BIM 的應用環境進行優化，從而提高成本管理的效率，為成本控制提供了良好的條件，通過BIM 技術和數理分析相結合，從BIM 模型中抽取必要的數據，并將其與數學模型相結合，構建出一個工程成本估算模型，結合BIM 技術和數據庫技術，實現了工程量的自動抽取和成本匹配，利用BIM 技術和云計算技術，可以在一定程度上解決信息孤島問題，在此基礎上，結合BIM 技術和大數據技術，建立了以信息為基礎的項目成本管理模式。“BIM+”技術的應用與嘗試，使BIM 技術的應用前景得到了很大的提高，同時也為BIM技術在建筑業的推廣提供了新的可能性。

3 人工智能技術在工程造價管理中的應用

3.1 知識表示與推理

在知識表示和推理技術中，知識圖譜技術可以直觀地表達當前某一領域的研究領域、前言、趨勢以及整個知識系統的結構，經常被用來研究當前的研究狀況和規律。作為知識表達和推理的一個重要環節，專家系統和案例推理是運用現有知識的一個重要手段。以貝葉斯網絡為基礎，構建了成本指數預測專家系統。在此基礎上，采用案例推理技術構建的項目成本估算模型，可以更全面地綜合考慮各方面的影響，從而實現更好的預測。知識表示與推理的技術可以很好地將現有的知識表達出來，并將其應用于實際工作中，但在此基礎上，數據的采集、預處理過程十分復雜，并且要充分考慮到數據的質量和處理方式對結果的影響。

3.2 自然語言處理

自然語言處理技術是人工智能研究的一個重要研究方向，它可以把大量的非結構文件轉換成結構化的信息，使相關人員能夠更好地獲取、分析和利用信息。利用TreforP.Williams 等將文本和數據類型的數據進行了融合，利用不同的分類方法，構建了一個基于文本的分類模型，從而對工程項目的費用進行了預測。TemitopeAKANBI 等采用自然語言處理技術，將建筑工程中的設計資料抽取出來，以提高工程造價的精確度，并以木構工程實例進行了驗證。索賠是工程建設中經常遇到的問題，也是工程造價管理的一個重要環節。JiaNiu 通過對建筑工程合同領域的本體進行了初步的研究，建立了一種基于規則的自然語言處理算法，以實現對建筑工程索賠事件的影響。自然語言處理技術可以有效地提高文件信息的處理速度和效率，但現有的研究缺乏專門的建筑專業詞匯，同時，由于建筑信息的復雜性、語言的地域性等因素，使得該方法的應用不夠廣泛。

3.3 機器學習與神經網絡

作為人工智能的核心，機器學習是實現計算機智能的基礎。構建多個成本預測模型，采用群微粒啟發式方法，對各個預測模型進行加權優化，以達到對電網項目成本的準確預測。利用神經網絡進行深度學習，可以從電力工程中抽取有用的特征，并對電力工程的成本進行估計，從而大大提高了成本估計的準確率和速度，神經網絡是一種具有自適應、自組織、自學習等優點的機器學習算法，可以模擬出更好的非線性預測模型。在此基礎上，利用BP（逆向傳遞）神經網絡結構對成本進行了預測，并用大量的試驗資料對其進行了檢驗，但未考慮到各層次間的權值及門限的優化。將遺傳算法（GA）引入BP 神經網絡的預測模型中，對BP 神經網絡各個層次的權值和閾值進行了優化，從而有效地克服了BP 神經網絡陷入局部最優的缺點。不管是以神經網絡為基礎的，還是以其他機器學習方法為基礎的，其本質就是“數”與“數”的關系，即“輸入”“輸出”，而影響“成本”的因素則多為“語言”。通常的處理方式是將文字型資料轉換成數字格式，再輸入，例如地基的類型，將樁基設定為1，筏基設定為2，等等。但在這樣的情況下，信息會不會丟失，會不會影響到預測的準確性就不得而知了。因此，在運用人工智能技術進行成本預測時，如何正確地進行數據的處理是必須重點考慮的問題。

3.4 大數據技術在工程造價管理中的研究

IDC（InternetDataCenter）把大數據作為一種新的體系結構和技術，以更有效的方式從高頻率、大容量、結構和種類的資料中獲得更多的價值。大數據的“4V”特性是：大容量、快速、高附加值。大數據對數據的利用與分析提出了新的問題與機會，它的處理過程大致分為三個步驟：數據抽取與集成、數據分析與數據解讀。在全過程中包含了云計算，MapReduce，分布式文件系統，主要技術包括分布式并行數據庫、開源Hadoop 平臺、大數據可視化等。

3.4.1 數據抽取與集成階段

在數據提取和整合方面，把數據收集作為工程造價數據庫的首要工作，是對成本數據進行分析的依據。在采用大數據技術進行數據收集時，必須遵循國家、行業的統一規范，對數據的提取、整合是一項十分復雜、難度較大的工作，需要政府、相關部門、各參與方的共同努力。在國家一級，作為成本信息的最大持有者和發行者，我們應該對成本數據進行挖掘，并對其進行適時的分類，從而對工程造價的管理起到一定的指導作用。而項目各方則可以集中精力于BIM 數據的標準化、可互換性，在大數據的思想指導下，以模型為載體，以BIM 模型為中介，進行信息的存儲和抽取，為滿足工程實際需要，完成了BIM 模型的信息傳輸與采集。王藝蕾通過對BIM 模型數據的收集與處理，建立了項目信息管理、BIM5D、協同管理等功能，信息系統，包括成本數據的匯總等。然而，我國至今尚無統一的成本資料規范，而成本資料的搜集常常牽涉各方的利益和商業秘密，因而很難搜集到真實的工程造價資料，并取得資料的品質。

3.4.2 數據分析階段

在數據分析的過程中，數據挖掘與存儲是一個亟待解決的問題。在MapReduce 平臺上，提出了一種K-means 方法，用于分析和處理項目成本數據，建立了項目成本數據挖掘的基本過程和框架，為項目成本數據挖掘提供了參考。陳遠等對數據的存儲方法進行了深入的探討，利用大數據技術對BIM 模型進行結構和非結構數據的管理，以Hbase 數據庫為基礎，構建了Hbase 數據庫的Hadoop 大數據平臺。云計算是大數據分析和應用的基礎平臺，它的應用主要包括IaaS（基礎設施即服務）、SaaS（平臺即服務）、基于互聯互通的軟件應用平臺、PaaS（platformasaservice），以及先進的網絡開發技術。利用多種技術方法對大量的數據進行處理和分析，建立了數據統計計算模型，對工程成本進行了預測，數據分析階段，盡管在挖掘、存儲和應用等方面進行了大量的研究，但都是以點對點的方式進行的，并沒有形成一個完整的體系。

3.4.3 數據解釋階段

數據的最終解讀是對大數據的分析成果進行闡釋和顯示，因此要找到合適的方法，構建合適的平臺系統，將分析的結果傳送到用戶，從而使大數據的價值得以實現。在解釋方式上，可視化技術是一種最有效的解釋方式，它可以使造價信息管理者了解數據的整體過程，了解其結果，這樣才能更好地指導生產和使用。以知識圖譜為基礎，對國內工程造價的發展趨勢進行了可視化分析，在建設工程造價信息系統的基礎上，基于大數據技術，對工程造價數據的特征進行了分析，并提出了建設工程造價信息數據庫、信息共享平臺、信息服務系統的構想和框架。本文的研究雖未對工程造價管理的具體建設提出具體的解決辦法，但對今后建設工程造價管理系統具有參考價值。

4 結語

智能化建造技術的運用，使成本管理中的信息共享和使用方式發生了某種變化，提高了成本管理的效率和質量。本文通過對BIM、人工智能、大數據等多方面的技術進行了系統總結。通過對基于智能建筑技術的項目成本管理的研究，目前已有一定的成果，但總體上仍有不足。一方面，要拓展研究的領域，加深研究的深度，從多個視角整合各種技術，積極推進理論的應用。同時，傳統的成本管理觀念和方法也必須進行創新，使其在關鍵技術上得到充分的運用和發展。所以，對智能建筑的關鍵技術進行深入的研究，促進其在實踐中的應用，在觀念和方法上都要主動地采用新的技術，從而提升我國的工程成本管理水平。