智能建造技术在工程造价管理中的应用研究

梁春鲜

（广西金算子建设工程咨询有限公司，广西 南宁 530000）

建筑业是国民经济的支柱产业，对国民经济和社会的发展起着举足轻重的作用。但目前，我国建筑行业还处于零散、粗放的状态，管理安全、资源浪费等问题严重[1]。随着国家在基建方面的大力投资，工程项目的规模越来越大，功能越来越复杂，造型和建造技术也越来越多样化，使得工程项目的管理越来越困难。成本管理是工程项目管理的重要组成部分，它的合理确定与有效控制是保证工程项目顺利进行的重要一环。

1 智能建造技术概述

尽管我国的项目成本管理观念和模式在不断发展，但是项目成本管理的质量和效益依然受到了很大的挑战。比如，项目成本管理各个阶段缺乏有机的衔接，决策阶段依靠经验决策，设计阶段重业绩而轻成本，招投标阶段缺乏科学的评标办法，施工过程中的变化很难控制。而新一代的信息技术，如“三化”（数字化、网络化、智能化）等信息技术，为我国工程造价管理提供了新的机遇[2]。比如，利用BIM 模型来构建工程各个环节之间的动态联系，利用神经网络对前期决策进行辅助决策，利用BIM 技术进行协同设计，从而达到成本与设计的均衡，运用大数据技术对历史项目数据进行分析，提供招投标建议，将费用、进度等信息整合到BIM 中，以降低施工过程中的变动[3]。因此，运用智能化施工关键技术，从各个角度提高工程成本管理的质量与效益，是今后我国建设项目成本管理的必然趋势。

2 BIM 技术在工程造价管理中的应用

2.1 BIM 全过程造价管理

BIM 是一个整合工程中各类资料的技术，它将会在一定程度上改善工程资料的存储模式，同时也能迅速地进行资讯的整理和分享。以更有效的方式储存、处理、共享信息，为决策、设计、招投标提供依据，从施工到竣工全流程的成本控制为项目成本的控制提供了新的思路和新的途径。例如，在决策过程中，通过BIM 与工程评估指数的关联，实现了智能化的决策，设计过程中，采用BIM 技术实施多专业协同设计、方案优化、管线综合碰撞等，通过对工程项目进行的工程量核算，可以有效地降低工程的设计更改、重复劳动，取得明显的经济效果，招标时引入BIM 模式，降低招标中的设计资讯损失，在工程建设中，运用BIM 技术对整个工程项目进行全面的管理，实现人、材、机、资金等方面的资源统筹，在完工和结算的过程中，充分运用BIM 技术完成阶段的信息，可以有效地改善工程完工后的结账工作[4]。并整合完成的项目资料，构建一个企业的内部资料库，为今后同类的工程建设工作提供了有效的参考资料。BIM 技术在工程项目建设中的运用，在某种意义上提高了工程项目建设的全流程，但是在目前的情况下还存在着一些缺陷。决策、招投标、施工、竣工等各方面的研究尚处于理论层面，并未形成显著的实用意义，在实用方面，其应用范围也仅限于协作、冲突检测等一般的功能，BIM 技术还没有真正地开发出来。

2.2 BIM4D/5D 造价管理

为了更好地发挥BIM 技术的应用价值，扩大BIM 技术的应用领域，在此基础上，将进度、成本等数据整合起来，形成了BIM4D、BIM5D 等多个领域。利用BIM4D对工程进行了仿真和跟踪，提高了工程的进度管理水平，实现了工程造价的精益化管理[5]。但是BIM4D 仅包含了一个项目的进度信息，其成本管理的价值还不能充分体现，而BIM5D 集成了项目的进度、费用信息，使得成本管理更加有效。因此，在BIM5D 集成成本与进度信息的基础上，对工程造价进行了预测、动态的控制与流程化，从而使工程造价管理的质量与效率得到明显的提升，建立了一个能对比较项目进行更高效的财务分析体系，本文提出了一种新的寿命周期费用核算方法，以提高工程周期费用的计算效率和质量。在高维BIM4D/5D 模型中，由于使用BIM4D/5D 模型所耗费的时间和费用较高，因此，在使用BIM4D/5D 技术时，必须考虑到其边际收益。

2.3 BIM 与其他技术集成造价管理

在对BIM 在成本管理中的运用进行探讨的同时，也有一些研究试图将其他理念、技术、管理和交易方式与BIM 技术相结合，使BIM 成本管理的效益最大化。例如，将BIM 与IPD 集成的产品开发模型（IPD）相结合，对BIM 的应用环境进行优化，从而提高成本管理的效率，为成本控制提供了良好的条件，通过BIM 技术和数理分析相结合，从BIM 模型中抽取必要的数据，并将其与数学模型相结合，构建出一个工程成本估算模型，结合BIM 技术和数据库技术，实现了工程量的自动抽取和成本匹配，利用BIM 技术和云计算技术，可以在一定程度上解决信息孤岛问题，在此基础上，结合BIM 技术和大数据技术，建立了以信息为基础的项目成本管理模式。“BIM+”技术的应用与尝试，使BIM 技术的应用前景得到了很大的提高，同时也为BIM技术在建筑业的推广提供了新的可能性。

3 人工智能技术在工程造价管理中的应用

3.1 知识表示与推理

在知识表示和推理技术中，知识图谱技术可以直观地表达当前某一领域的研究领域、前言、趋势以及整个知识系统的结构，经常被用来研究当前的研究状况和规律。作为知识表达和推理的一个重要环节，专家系统和案例推理是运用现有知识的一个重要手段。以贝叶斯网络为基础，构建了成本指数预测专家系统。在此基础上，采用案例推理技术构建的项目成本估算模型，可以更全面地综合考虑各方面的影响，从而实现更好的预测。知识表示与推理的技术可以很好地将现有的知识表达出来，并将其应用于实际工作中，但在此基础上，数据的采集、预处理过程十分复杂，并且要充分考虑到数据的质量和处理方式对结果的影响。

3.2 自然语言处理

自然语言处理技术是人工智能研究的一个重要研究方向，它可以把大量的非结构文件转换成结构化的信息，使相关人员能够更好地获取、分析和利用信息。利用TreforP.Williams 等将文本和数据类型的数据进行了融合，利用不同的分类方法，构建了一个基于文本的分类模型，从而对工程项目的费用进行了预测。TemitopeAKANBI 等采用自然语言处理技术，将建筑工程中的设计资料抽取出来，以提高工程造价的精确度，并以木构工程实例进行了验证。索赔是工程建设中经常遇到的问题，也是工程造价管理的一个重要环节。JiaNiu 通过对建筑工程合同领域的本体进行了初步的研究，建立了一种基于规则的自然语言处理算法，以实现对建筑工程索赔事件的影响。自然语言处理技术可以有效地提高文件信息的处理速度和效率，但现有的研究缺乏专门的建筑专业词汇，同时，由于建筑信息的复杂性、语言的地域性等因素，使得该方法的应用不够广泛。

3.3 机器学习与神经网络

作为人工智能的核心，机器学习是实现计算机智能的基础。构建多个成本预测模型，采用群微粒启发式方法，对各个预测模型进行加权优化，以达到对电网项目成本的准确预测。利用神经网络进行深度学习，可以从电力工程中抽取有用的特征，并对电力工程的成本进行估计，从而大大提高了成本估计的准确率和速度，神经网络是一种具有自适应、自组织、自学习等优点的机器学习算法，可以模拟出更好的非线性预测模型。在此基础上，利用BP（逆向传递）神经网络结构对成本进行了预测，并用大量的试验资料对其进行了检验，但未考虑到各层次间的权值及门限的优化。将遗传算法（GA）引入BP 神经网络的预测模型中，对BP 神经网络各个层次的权值和阈值进行了优化，从而有效地克服了BP 神经网络陷入局部最优的缺点。不管是以神经网络为基础的，还是以其他机器学习方法为基础的，其本质就是“数”与“数”的关系，即“输入”“输出”，而影响“成本”的因素则多为“语言”。通常的处理方式是将文字型资料转换成数字格式，再输入，例如地基的类型，将桩基设定为1，筏基设定为2，等等。但在这样的情况下，信息会不会丢失，会不会影响到预测的准确性就不得而知了。因此，在运用人工智能技术进行成本预测时，如何正确地进行数据的处理是必须重点考虑的问题。

3.4 大数据技术在工程造价管理中的研究

IDC（InternetDataCenter）把大数据作为一种新的体系结构和技术，以更有效的方式从高频率、大容量、结构和种类的资料中获得更多的价值。大数据的“4V”特性是：大容量、快速、高附加值。大数据对数据的利用与分析提出了新的问题与机会，它的处理过程大致分为三个步骤：数据抽取与集成、数据分析与数据解读。在全过程中包含了云计算，MapReduce，分布式文件系统，主要技术包括分布式并行数据库、开源Hadoop 平台、大数据可视化等。

3.4.1 数据抽取与集成阶段

在数据提取和整合方面，把数据收集作为工程造价数据库的首要工作，是对成本数据进行分析的依据。在采用大数据技术进行数据收集时，必须遵循国家、行业的统一规范，对数据的提取、整合是一项十分复杂、难度较大的工作，需要政府、相关部门、各参与方的共同努力。在国家一级，作为成本信息的最大持有者和发行者，我们应该对成本数据进行挖掘，并对其进行适时的分类，从而对工程造价的管理起到一定的指导作用。而项目各方则可以集中精力于BIM 数据的标准化、可互换性，在大数据的思想指导下，以模型为载体，以BIM 模型为中介，进行信息的存储和抽取，为满足工程实际需要，完成了BIM 模型的信息传输与采集。王艺蕾通过对BIM 模型数据的收集与处理，建立了项目信息管理、BIM5D、协同管理等功能，信息系统，包括成本数据的汇总等。然而，我国至今尚无统一的成本资料规范，而成本资料的搜集常常牵涉各方的利益和商业秘密，因而很难搜集到真实的工程造价资料，并取得资料的品质。

3.4.2 数据分析阶段

在数据分析的过程中，数据挖掘与存储是一个亟待解决的问题。在MapReduce 平台上，提出了一种K-means 方法，用于分析和处理项目成本数据，建立了项目成本数据挖掘的基本过程和框架，为项目成本数据挖掘提供了参考。陈远等对数据的存储方法进行了深入的探讨，利用大数据技术对BIM 模型进行结构和非结构数据的管理，以Hbase 数据库为基础，构建了Hbase 数据库的Hadoop 大数据平台。云计算是大数据分析和应用的基础平台，它的应用主要包括IaaS（基础设施即服务）、SaaS（平台即服务）、基于互联互通的软件应用平台、PaaS（platformasaservice），以及先进的网络开发技术。利用多种技术方法对大量的数据进行处理和分析，建立了数据统计计算模型，对工程成本进行了预测，数据分析阶段，尽管在挖掘、存储和应用等方面进行了大量的研究，但都是以点对点的方式进行的，并没有形成一个完整的体系。

3.4.3 数据解释阶段

数据的最终解读是对大数据的分析成果进行阐释和显示，因此要找到合适的方法，构建合适的平台系统，将分析的结果传送到用户，从而使大数据的价值得以实现。在解释方式上，可视化技术是一种最有效的解释方式，它可以使造价信息管理者了解数据的整体过程，了解其结果，这样才能更好地指导生产和使用。以知识图谱为基础，对国内工程造价的发展趋势进行了可视化分析，在建设工程造价信息系统的基础上，基于大数据技术，对工程造价数据的特征进行了分析，并提出了建设工程造价信息数据库、信息共享平台、信息服务系统的构想和框架。本文的研究虽未对工程造价管理的具体建设提出具体的解决办法，但对今后建设工程造价管理系统具有参考价值。

4 结语

智能化建造技术的运用，使成本管理中的信息共享和使用方式发生了某种变化，提高了成本管理的效率和质量。本文通过对BIM、人工智能、大数据等多方面的技术进行了系统总结。通过对基于智能建筑技术的项目成本管理的研究，目前已有一定的成果，但总体上仍有不足。一方面，要拓展研究的领域，加深研究的深度，从多个视角整合各种技术，积极推进理论的应用。同时，传统的成本管理观念和方法也必须进行创新，使其在关键技术上得到充分的运用和发展。所以，对智能建筑的关键技术进行深入的研究，促进其在实践中的应用，在观念和方法上都要主动地采用新的技术，从而提升我国的工程成本管理水平。