面向人工智能的建筑工程造价计算性模式研究

王 琼

(广东海洋大学寸金学院，湛江 524094)

引言

工程造价管理是历经了上千年工程建设实践后形成的一门独立学科，随着工程技术和信息技术的不断发展，工程造价计算性管理已成为建筑工程造价发展必然经历的过程。现阶段工程造价计算性的思维、流程和技术特征也在逐步转型和深化，产生了一系列的科学方法和智能技术[1]。人工智能应用到建筑造价行业就是对劳动力、材料、机械、资金以及其他资源进行统筹规划和分配，加强对生产要素的管理，降低建筑行业的建造成本，提高建筑企业的经济效益和利润。

1 工程造价计算性的历史演化

1.1 工程造价计算模式演化

工程造价是对建筑进行科学管理，统筹和规划人力、物力、财力以及其他资源要素，提高分配和管理，降低成本提高收益的过程。在不同历史时期和技术背景下，造价计算在工程预算中经历了针对不同内容、依托不同运算载体展开实际应用，包括从手动计算、表格计算以及软件计算方式的变化，从定额计算到清单计价形式的变化，再到人工智能，交互模拟计算的演化脉络。

《大唐六典》把劳动定额分为了长中短工，通过制定严格标准作为编制预算和施工组织的依据。北宋颁行的《营造法式》提出“材分制”多层级建筑构件计算体系，形成了第一部由国家制定的建筑工程计算法则和建筑工程定额。清代政府设立了“算房”，这一部门专职负责施工设计和施工预算。新中国成立后，随着工程建设的发展国家建设部门开始制定统一的预算定额，发展成为在明确定额基础价上，动态调整价格幅度的模式[2]。2003年《建设工程工程量清单计价规范》颁布并开始实施，自此我国工程造价开始采用以市场为主导、工程量清单计价的模式。

1.2 工程造价计算方式演化

工程造价计算方式的发展主要可分为手工法算量、表格法算量、软件算量以及智能算量几个阶段。20世纪80年代，当时工程造价采用手工测绘图纸计算结果，不仅造成计算工作量大、费时费力，且容易出现缺项、漏项、少算、重算等错误性情况，后来随着办公软件的普及，工程量计算效率获得大幅提升。21世纪初，以鲁班、斯维尔、广联达算量软件为代表的三维软件快速发展，逐步代替表格算量的方式，三维软件不仅可以通过绘制构件，形成三维建筑模型，模拟真实工程构造，自动识别不同构件，通过三维模型的对比，能够清楚地发现绘制构件的错误所在并查找原因，并且有强大的清单库以及相匹配的定额库[3]。

BIM技术的发展是对静态三维软件算量的提升，其将信息建模内容由图形信息拓展为建筑材料、构造等多层级信息，其不仅通过构建三维模型来计算整栋楼的工程量，还可以与其他项目管理软件进行衔接，达到建筑价格与其他建筑资源的流程整合。BIM5D就是基于BIM技术三维建模+造价软件+施工进度软件，BIM相关软件的融合与衔接，能够实时反馈动态工程量[3]。随着科学技术进步与工程难题的持续攻关，AI智能算量机器人出现，BIM的设计模型与现场实际相整合，人工神经网络、遗传算法、数据信息应用技术等多环境耦合和多性能权衡与工程造价计算相融合，推动了建筑工程造价计算方法和模式发展、演化，促使人工智能建筑造价的新篇章[4-5]。

2 工程造价计算性的思维、流程和特征

2.1 工程造价计算性思维的系统化特征

18世纪乘法机的发明者、二进制的奠基人莱布尼茨提出符号思维和演算推论器是“思维的本质是计算”的最早说明。1992年国内学者黄崇福从人工智能视角最早定义了计算思维的概念[6]。在建筑工程造价领域，工程造价计算性思维主要具有以下特征。

(1)阶段性

工程造价贯穿于建设工程策划、设计、招投标、施工以及最终验收等各个阶段，不同阶段造价计算所研究的对象、依据的定额、采用的方法不同，计算结果的详细程度及精确性也不同。

(2)系统性

工程造价主要体现在编制投资估算、设计概算、招标控制价、投标报价的计算过程中，如果不能全面系统地认识和加强造价工作在建设全流程中的作用，任何一个环节的失误都会导致工程造价的失真。

(3)精确性

工程造价是涉及到数字计算和金额确定的重要工作，其准确率和精确性是工程造价的关键，直接影响到业主单位和施工单位对项目投资额和工程成本的控制，同时对于项目的后评估和审计也十分重要[7]。

(4)全寿命周期性

项目全寿命周期不仅包括建造阶段，还有使用阶段以及拆除阶段。在建造阶段，就应该考虑到房屋未来的经营成本、维护成本、拆除成本，取得经营成本、维护成本、拆除成本之间的平衡，实现建设项目全寿命周期成本最小值。

2.2 工程造价计算性流程的组织模式特征

目前工程造价的主要两种计价方式是定额计价和工程量清单计价。定额计价在转入市场经济的现代社会就表现为平均主义，使企业由于不能按照自身情况进行自主报价； 清单计价模式是市场经济发展的必然结果，招投标机制是将竞争性引入了建筑工程领域中，市场上不同投标人根据招标文件编制工程量清单后，进行自主投标报价[3]。

目前计算机系统已广泛应用于造价计算中，工程造价的计算主体由造价师转为人工智能体，有效发挥了计算机大规模数据的运算能力，因此工程经济技术人员应该从系统工程角度出发，熟知工程造价在工程组织模式中发挥的作用，宏观把握进度，微观掌控准确性，充分利用人工智能系统，建立多项目之间的数据关联关系，实现造价计算项目海量信息的高效处理和对多性能目标的协同考虑。

2.3 工程造价计算性的信息化与智能化特征

目前已有部分行业和企业在逐步建立自己的造价信息数据库，建立驱动数据和信息引导的智能计算平台和方法，能够更加智能化的计算工程量清单、投标报价、设计变更、现场签证、工程结算与索赔估价等数据。

通过人工智能体中大数据的融入，可以更快捷、准确地判断工程实施过程中各种因素的影响程度，然后减少建造过程中的冗余环节，从而降低成本，减少人为因素导致的工程成本的增加，提高工程造价的运行效率以及实施精确性，并可提升了工程造价信息化水平，实现造价数据的互通、交融、共享。人工智能作为造价计算的支持技术，其在大数据分析、图像识别、深度学习方面的技术发展将突破工程造价环境系统信息集成方面的大规模数据建模瓶颈，提高信息化和智能化水平。

3 人工智能工程造价信息管理平台构建分析

我国建筑业在大数据、信息化的应用水平上还处于萌芽阶段，亟需朝着信息化、智能化的方向转型升级。随着云技术、大数据及智能算法的逐步应用，采用人工智能方式管理工程造价信息将得到进一步发展，人工智能工程造价信息管理平台的开发既有客观需求，也具备技术基础。

表1 部分训练样本和测试样本泛化值设置

人工智能工程造价信息管理平台根据工程造价计算和信息管理建设需求，以工程造价信息数据库和BIM为基础，通过大数据整合及人工智能计算技术，构建工程造价信息管理平台的基本模块和主要系统，以充分实现信息采集、智能开项、智能组价、智能决策与监管等功能，服务于工程造价智能化的建设发展。人工智能工程造价信息平台具有以下应用特点：

(1)智能化

人工智能工程造价信息管理平台以人工智能数据库、BIM、大数据库等模型为基础，集成工程造价各要素信息，实现数据智能采集、清单智能列项、智能组价、智能决策及监管，有效提升造价工作效率及成果质量。

(2)开放性、共享性

人工智能工程造价信息管理平台通过统一相关数据标准，进行大数据集成，然后基于云端数据共享，建立工程造价各阶段和所有参与方集成的、共享的和开放式的全生命周期工程造价信息管理系统。

(3)全周期性

人工智能工程造价信息管理平台以BIM模型为基础，可对项目过程中的决策、设计、招投标、施工以及运营管理等不同阶段的综合成本、质量、工期、安全等要素进行智能分析，打通全过程工程造价管理，实现各参与方实时协同工作，如图1所示。

图1 人工智能造价管理开放共享生态系统

4 工程造价中人工智能技术的计算性应用

4.1 人工神经网络的应用

目前人工神经网络作为人工智能技术应用于工程造价中最为成熟和广泛。以某公路工程造价估算为例，采用神经网络方法中的径向基函数模型，构建输入层、隐层和输出层，建立映射进行造价计算，如图1所示。该例中在输入层选择8个具有代表性的工程特征，如表1所示，通过节点数据的数字化处理，对测试样本进行造价计算模拟，如表2所示计算结果与实际值之间误差极小，说明该模型泛化能力较好，且对比使用Matlab程序计算，该人工神经网络计算方法节约大量计算时间。

图2 径向基函数网络示意图

表2 模拟结果与实际结果的比较

4.2 遗传算法的应用

遗传算法是一种更为宏观意义下的仿生智能算法，相对于神经网络方法该方法无需先验知识，而且对初始参数不敏感，下面就针对4.1节案例中的径向基函数神经网络参数优化的遗传算法进行设计计算。通过建立遗传算法优化RBF网络模型，基于Matlab程序计算程序如图3所示，工程特征样本值设置如表3所示，检测结果如表4所示。

表3 部分训练样本和测试样本泛化值设置

表4 遗传算法优化RBF模型检测结果

图3 遗传算法优化RBF网络流程图

从表4计算结果显示，在第八次搜索后测试样本的整体误差最小，测试结果逼近真实值，误差值远小于人工神经网络方法的相对误差值，表明遗传算法优化后的结果更符合真实值，计算结果更加准确。

5 结语

工程造价计算性在发展过程中经历了思维系统化、流程组织模式特征、信息化与智能化等发展特征，其对行业就业也会产生一定的经济性和特殊性影响，目前人工智能在工程造价领域逐步开始应用，其对工程造价计算的影响不仅体现在技术进步产生的效应，对未来造价就业人员的知识结构和技能提升更加重要，通过人工智能技术，促使造价各要素数据产生新的生产力，推动对工程造价信息管理技术与模式不断革新，实现跨越式发展。