水电工程智能组价的研究与实践

张 然, 马 岗

(1.中国电建集团成都勘测设计研究院有限公司,四川 成都 610072;2.四川野马科技有限公司,四川 成都 610072)

0 引 言

近几年,人工智能、云计算和大数据快速发展,工程造价领域拥有大量数据,但造价过程需要耗费大量人力和时间。因此,如何将人工智能、云计算、大数据与工程造价进行结合,提升工程造价效率,对整个工程造价领域都具有重要的价值[1]。

1 手动组价现状分析

在工程造价领域中,组价是一个非常重要的环节。组价,即清单项目组价,指在给出工程清单和工程量后,根据清单项目特征等信息,套用清单计价定额进行计算形成清单项目综合单价的过程。组价过程要根据计价规范选择定额,要考虑一个复杂清单对应多个定额子目,还要综合考虑人员、材料的价格及工程其他因素。因此,组价对造价工程师的知识面和工作经验要求很高。在实际操作中也需要花费大量的人力和时间,且受限于造价师的工作经验可能会存在缺漏项,或因人工失误造成偏差[2]。

为了提升组价的效率,造价工程师和造价软件公司在多方面进行尝试和探索,大体分为以下三种方式:

(1)复制相似度高且已完成组价的工程,并手动修改,这是造价师想的“土办法”。其相当于复制一个范本工程,在原范本清单和组价成果的基础上进行二次调整。但是,现实世界中,很难找到相似度非常高的两个工程,所以找到范本再进行修改,这样做的工作量也相当大,组价效率提升幅度并不明显。

(2)复制当前项目组价成果进行组价。这种方法是软件公司在单项目文件中想到的“复制/粘贴”功能。即复制当前项目已经完成组价的清单,粘贴应用到需要组价的目标清单中。这种方法存在一定的局限性,要求同一个项目中相同的清单较多,对相同的清单只需要组价一次就可以复制应用。此外,这种方式还有一个缺陷,虽然两个清单相同,但清单所在的部分项不同时,组价的方法可能会存在差异。比如,地下工程的石方开挖与地面工程的石方开挖,使用的定额就有所不同。

(3)复制历史组价成果进行组价。该方法需先将若干个历史组价成果加工并形成组价方案库,放在云数据库中,在需要组价时选中清单,调用云数据库的组价方案按编码或关键词组匹配,完成匹配后实现自动组价[3]。复制历史组价成果进行组价,有两个局限性:一方面,需要有大量历史造价成果数据,如果数据无法匹配到合适的清单则无法进行自动组价;另一方面,用历史数据组价,会带入历史项目的组价因素(如商务条款、施工方案、地方规定),而这个因素可能与当前项目冲突,比如历史数据使用的老工法,当前需要用新工法或者新设备,或者历史项目施工组织方案与当前项目不同,那么就会造成组价精度无法满足实际造价需要[4]。

2 智能组价的定义与特征

要提升组价效率,单纯套用历史组价数据无法满足造价师对组价精度的要求。要满足组价精度要求,不是单纯的匹配清单编码,也不是匹配关键词组,而是完整地提取出清单中影响组价结果的全部信息,然后准确地套用定额组价,利用人工智能技术的出场,将人工智能与工程造价结合,则是智能组价[5]。从手动组价到智能组价的演进过程见图1。

图1 从手动组价到智能组价的演进过程

智能组价是利用人工智能技术,由算法学习历史组价数据形成算法模型,进而实现计算机自动组价的过程。市面上有不少造价软件号称拥有“智能组价”功能,但经过试用后发现,市面上的“智能组价”功能都采用前面提到的复制历史组价成果进行组价的技术,早期造价软件公司把这个功能叫“云组价”,后来将“云组价”名称修改为“智能组价”,但本身组价结果精度和智能化程度都不高,无法在日常造价过程中应用。

在智能组价中,人工智能技术有三个重要作用:其一,学习预处理历史组价数据,形成组价算法模型;其二,用语义分析技术解译组价信息,可解译清单、项目特征、备注、工程特征、分部分项等表达的组价信息;其三,学习手工组价结果,实现组价算法模型的进化。

让智能组价成为造价师的生产力工具,智能组价要具备以下五个特征:

(1)适用。智能组适用于日常的概算、预算、投标报价等阶段的应用,造价结果与施工组织方案、招标商务条件等要求贴合,实现大多数清单的自动组价,无需造价师手动调整。

(2)准确。智能组价的结果,符合所在专业的造价规范,不会漏组定额,不会错组定额。

(3)快速。与手工组价相比,智能组价速度要更快速,能提升造价师的工作效率。

(4)智能。对于无法自动组价的清单,算法可对人工组价结果进行学习,实现模型的进化,后续遇到类似清单可完成自动组价。

(5)冷启动。完成训练的算法模型,在用户没有历史工程数据时,也可以“冷启动”进行智能组价。冷启动则进一步丰富智能组价的应用场景,让没有历史工程数据的企业、个人都能享受到智能组价技术的红利。

3 智能组价的实施及训练过程

智能组价,本质是计算机模拟造价师思考进行组价。实现智能组价,需要以下几个步骤:

(1)数据预处理。对工程特征数据、工程标准清单、基础资料、概算预算定额等数据进行预处理,数据处理需引入大数据和人工智能技术,将半结构化的数据进行结构化处理,并提取数据特征进行归类。

(2)建立算法模型。模拟造价师组价逻辑,初步建立组价算法,输入预处理的历史组价数据训练算法,形成组价算法模型。

(3)校核算法模型。输入各类需组价清单数据,进行自动组价,由造价专家和研发工程师校调算法模型,提升算法模型的精度和适用性。

(4)数据反哺模型。部分清单无法自动组价时,由算法学习造价师手工组价方法,进行反复训练,将训练结果反哺给算法模型,实现模型的进化。

(5)智能组价应用。选中需组价清单,点击智能组价,调用算法模型进行组价,并将组价结果回写到需组价的清单,完成组价。

智能组价的实施及训练过程见图2。

图2 智能组价的实施及训练过程

4 利用大数据优化智能组价模型

在实际生产中,每个造价师的工作习惯千差万别,智能组价在实际工程中的应用存在着诸多难点,需采用一些创新的方法对智能组价模型进行优化和改进:

(1)造价师表达习惯不同,引入噪声数据,需对数据进行去噪和特征提取。比如,有的造价师喜欢叫“挖土”,有的造价师则喜欢叫“挖土方”,还有的叫“土方开挖”,也有的叫“开挖土方”,需要多词一义归集。再比如,有的工程师在书写过程中添加特殊符号,如空格、逗号、斜杠、制表符等内容,这需借助语义分析技术,对语义特征进行提取,实现数据去噪。自然语处理则是人工智能重要的一个分支,同时自然语处理也是智能组价应用最重要的新技术之一。

(2)造价师编写清单及项目特征描述时,会简写或省略部分内容,需要引入补偿机制。比如,造价师看了工程勘察报告、设计图以及施工组织方案后,对整体组价思路了解于心,在清单项描述时不用写明岩石类别、挖运机械、运输距离等内容,直接用大脑存储的知识结合清单项进行手工组价。换成计算机智能组价时,缺少必要的要素则影响组价的精度,为了解决这个问题,引入了工程参数,让用户将存储在大脑的信息转化为工程参数,然后让计算机进行智能组价。

(3)大型项目清单量大,计算耗时长,影响用户使用体验,需要引入云计算技术。实验后发现,在多款单机版造价软件中,对1 000行工程清单的造价成果进行全部计算时,耗时在10～30 min,计算速度受限于安装的单机版造价软件的PC机本身的性能。普通PC机在算力、多任务处理上,存在诸多局限性。为了提升用户体验,将智能组价需要大量运算的部分交给云计算,完成计算后回传到造价软件客户端,以提升组价的速度。这个过程实际上使用了“端云协同”的理念,即客户端输入大量需计算的数据,云计算则利用进行数据处理和计算,实现分工协同,提升效率。

(4)跨专业创新,需要消除彼此认知盲区,团队之间要高度互信,高频次沟通。智能组价,是工程造价与新一代信息技术的融合创新。这要求造价师熟悉大数据和人工智能的特点、优势和技术规律,也要求研发工程师了解造价业务和智能组价目标预期,引入合适的技术攻克难题,达成目标。要实现跨专业融合创新,一方面团队内部彼此要有高信任度且进行高密度、高频次沟通,共同面对压力且找到方法以寻求突破;另一方面团队要积极关注外部创新,将外部创新与内部创新有机结合,类似ChatGPT模型,可启发智能组价的算法模型形成。

5 智能组价的应用案例

2022年,中国电建集团成都勘测设计研究院有限公司(以下简称“中国电建成都院”)在自有的水电工程计价软件的基础上进行扩展,研发了水电工程智能组价,主要实践历程如下:

(1)工程数据预处理。将中国电建成都院大量历史水电造价成果进行数据预处理,形成智能组价的算法模型。这个过程花费时间比较长,需要校核历史数据,去伪存真,确保基础数据样本的适用性,并且要做到严谨真实。中国电建成都院的相关设计专业与造价专业紧密配合,多次组织专题会议,对基础数据进行讨论,并确定了私有化部署方案,确保数据安全。

(2)算法模型锤炼。在形成初版智能组价功能后,由熟悉水电造价专业的工程师使用智能组价功能,提出修改意见并由研发人员优化算法。为确保研发贴合业务,研发人员现场校调算法模型,并与多个造价专家进行讨论,确保算法的普适性。当前版本的智能组价算法模型,内嵌了400余个参数,适用于概算和预算阶段的造价成果编制。

(3)完善工程参数。根据中国电建成都院造价师的工作习惯,以及工程造价概算和预算编制精细度的要求,针对性地萃取工程参数,嵌入到智能组价功能中,建立了清单项目组价要素表达不完整的补偿机制。需要对概算和预算等应用场景模拟推演,逐步萃取工程参数。工程参数不求多,而是要结合组价需求,灵活组合运用。智能组价的工程参数设置见图3。

图3 智能组价的工程参数设置

(4)应用到实际工作中评估效率。应用评估小组对多组需组价的实际工程,分配给两组造价人员进行组价。第一组使用手工组价,第二组使用智能组价,记录组价耗时,并由专业人员对组价精度进行评估。经过评估发现:智能组价的准确度高于或接近人工组价结果,速度较人工组价提升百倍以上。此外,研发团队还通过走查法,观察造价师组价过程和使用智能组价功能过程,优化界面布局和工程参数,以提升组价效率。

6 结 语

笔者从手动组价到智能组价的演进过程着手分析,提出了智能组价的特征、实施步骤及训练过程,并结合语义分析、云计算等AI技术不断优化和改进智能组价模型,以达到提高组价效率的目的。中国电建成都院在智能组价上的探索已经取得阶段成果,这是将造价工作经验转换为知识成果的开始,也是工程造价、工程大数据与人工智能技术融合的开始,更是响应行业数字化转型的工作成果。工程公司的数字化转型具有长期性、复杂性和艰巨性的特点,行胜于言,质胜于华。在后续工作中,将进一步探索工程造价与三维协同设计融合,与智慧水电业务融合,提升造价工作的数智化水平,更好地服务可再生能源生产业务,助力国家能源转型大战略。