人工智能技术在工程造价中的有效运用

文／陈国旗 首都经济贸易大学 北京 100070

引言：

面对不断变化的外界环境，工程造价管理需要贯穿项目开展的全过程。项目工程涉及的造价项目较多，数据复杂。传统的工程造价管理方式难以应对庞大的数据量，单机预算软件、手工算量的也难以满足各个行业的发展步伐。工程造价迫切需要新的手段来进行更有效的管理。在信息技术时代，人工智能技术的发展在项目建设全周期中起到了重要作用，它能够在一定程度上优化造价管理的工作流程，提高造价管理的计算效率，提升造价预估的准确性，使建设成本、维护成本、运营成本都在良好的控制范围内。

1.人工智能技术的基本理论

人工智能研究如何制造智能机器或智能系统来延伸人类的智慧，模拟人类的智能。人工智能系统拥有极强的环境适应能力，能够应对并解决各类实际问题。广义上的人工智能，包括专家系统、人工神经网络、模式识别智能机器人等。

人工智能拥有极强的感知能力，能够模拟人类的感官感知外部世界，从外界获取信息。其强大的记忆和思维功能，能够模拟人脑，对信息进行推理、联想、判断、分析、计算、决策，人工智能思维的过程便是将其记忆中的信息进行工作人工智能的学习能力和自适应能力让他能够不断学习、增长知识，适应环境，不自觉地接收新的信息，主动反映外部世界。当面对外部刺激时，人工智能能够及时做出反应并解决问题。

对人工智能的研究主要包括专家系统、机器学习、模式识别、自然语言理解、自动程序设计机器人学、人工神经网络、智能决策支持系统等。专家系统拥有特定领域的庞大知识量和专家经验，能够模拟专家对事物进行分析和判断，专家的师傅，求解某个领域内的各种问题。由于融合了领域内的多名专家经验，专家系统的水平甚至可以超过人类专家的水平。机器学习是指计算机学习能力，让计算机能够主动向教师和书本进行学习，在实践中不断总结经验，完善自我。模式识别主要研究机器感知，通过机器进行自动的模式识别，在人类不干预的情况下，将模式自动归类于计算机中对应的模式中。

2.影响工程造价的因素

2.1 工程造价的影响因素

2.1.1 设计及业主方

工程造价的控制受到设计及业主方、宏观经济政策、施工方、第三方因素等多方面因素的影响。

施工阶段会遇到各种临时事故，施工设计需要变更设计，对部分设计计划进行修改，而修改工作必定会造成额外成本的增加。设计阶段出现失误会在施工阶段体现，需要再次变更结构符合工程需要，也因此会造成额外成本的增加。项目实施过程中，业主方的投资规划不到位、建设手续不全，或是未能及时向施工方付款等情况，有可能延误施工进程，使工程造价的增加。在施工过程中，业主的目标变化导致工期提前，在招标过程中未能设定明确的质量标准，过程中却额外要求需要工程达到省级或国家级优质工程标准等情况，也会导致项目取费标准提高，增加工程造价。

2.1.2 宏观经济政策

宏观经济因素对施工材料造成影响，直接影响工程造价材料价格的大幅度变化，导致实际造价和预算相差较远。有的项目工期较长相关税率和汇率的波动也会影响进口材料和设备购入时的成本。政策的影响，导致工程行业及上下游相关行业的市场波动，引起造价的偏差。除此之外，突发因素例如自然灾害等，会使工程陷入瘫痪，不仅延误工期，还有可能造成不可挽回的损失。

2.1.3 施工方

对于施工方来说，同一个施工项目可能有多个单位承包，而施工单位之间的配合问题、衔接问题等都有可能导致额外工程量的增加，工程量增加本身会增加造价，而该环节的额外工程量也会积累到下一工程环节，同样对造价产生影响。

施工过程中许多施工单位在组织设计时安排不当，对各项资源的应用不合理，资源没能得到合理规划而造成大量的浪费，人员管理协调不到，劳务分包人数过多或不足，都有可能对工程进度和造价产生影响；工程材料的不当管理容易导致材料损耗和丢失，增加工程的额外损失，需要增加材料收尾支出来添置和更换新的材料设备；材料的缺失还会导致工期延误，这些都会造成造价的增加；质量控制和安全控制不足，出现质量或安全事故都需支付额外成本翻修或赔偿。

2.2 传统工程造价的劣势

工程造价管理需要伴随工程的全过程。传统控制模式是对工程预期支付或实际支付的全部固定资产投资费用进行计算和管理，在工程造价管理过程中跟随项目进展，进行成本估算、信息收集与反馈、偏差分析和矫正等管理与控制，保障工程项目经济高效开展。工程造价管理需要，在项目实施前确定造价的控制目标和造价控制计划，在项目实施过程中对计划进行实时监控，判断实际数据和计划值之间的偏差，分析偏差存在的原因，及时修正工程造价目标，提出针对性的解决措施，对下一阶段进行更好的控制和管理[1]。

传统的工程造价管理模式，采用定额计价的模式作为依据，而定额的编制速度无法满足市场价格的实时变化，定额计价有较大的滞后性，难以反映真实状况。对造价的分析同样滞后，属于事后控制，难以及时针对工程开展过程中造价的变法采取有效的预防措施。

面对较大的工程量和庞大的数据量，传统的计价模式导致项目各参与方之间的信息对称程度不一致，工程造价难以全面收集信息，缺少精确的模型，也难以对各项目的支出费用进行及时控制。人工难以掌握工程计价的统计学特征，造价管理依靠，大量计算和个人经验进行控制反馈，工程造价管理的适应性和调节能力较差。

3.人工智能技术在工程造价中的运用

3.1 人工智能在工程造价中主要运用的技术

3.1.1 神经网络技术及其应用优势

人工神经网络是一种高度复杂的非线性动力系统，神经网络的每个神经元结构和功能较为简单，但大量神经元共同构成的神经网络十分复杂，神经元之间的相互连接，连接能够形成具有多种功能的系统。神经网络学习通过所在环境的刺激来调整神经网络的参数[2]。神经网络在工程领域有较为广泛的应用，它能够通过可实现的器具或模拟生物体神经网络的方式，开始形成神经网络的结构和功能，模仿人脑的生物神经系统，对事物做出判断。

神经网络采用分布式处理方法，能够大规模处理庞大体量的信息,如图1 所示。信息在计算单元上有层次地展开，系统对所有计算单元共同运行，用来解决某一问题。每个单元承担着相似的任务，任何一个单元的破坏，都不会对整个系统的功能造成影响。因此，神经网络系统除了拥有大规模并行处理能力外，还拥有较强的容错能力。神经网络对环境拥有较强的自适应能力学习过程中不断修改和调整神经元之间的连接，使神经网络更加适应现实情况，经过训练的神经网络记录了训练样本的信息模式，就如同人类的长时记忆。而在新模式样本的计算过程中，神经网络将新模式储存并进行处理，提取新模式中的，关键信息用于相近模式的联想，形成外部数据的完整表述。

图1 神经网络示意图

3.1.2 遗传算法及其应用优势

遗传算法是一种优化搜索算法，能够对当前群体施加选择、交叉、变异等一系列遗传操作，从而产生出新一代群体，逐渐进化到最优解。传算法能够对结构对象进行直接操作，它能与神经网络相结合，使神经网络的结构和参数进行优化，规则集合和知识库，对知识进行更加高质量的精炼。

3.1.3 数据库的应用

数据的准确性能够有效提高工程造价的估算工作质量，而工程各个领域也构建了多个行业数据库，且均应用了人工智能技术，极大地提高了数据库的信息数据采集速度和质量。从现状来看，工程建设领域已有的行业数据库有慧讯网、广联达公司、上海定额管理总站等，此类数据库主要提供材料价格以及信息价等。通过成本数据库的建立，工程造价相关工作人员能够以信息化的方式进行数据的获取和加工。在人工智能技术实际应用过程中，主要是创建成本ERP 系统，通过该系统对数据进行关联和处理，为测算和限额设计提供成本大数据。该数据库既能够存储工程成本数据，还能够对数据进行分析、对标、验证以及提炼，为工程造价相关工作人员的各项决策提供数据基础，实现工程造价成本的有效管控[3]。

3.2 人工智能在工程造价全生命周期的运用

3.2.1 投资规划阶段的应用

人工智能能够应用在造价管理的全过程，参与项目全生命周期进行规划、设计、招投标、施工、竣工和运维。

投资规划阶段，工程造价管理需要对资金的来源进行分析和处理，重点关注项目造价的比选，编制项目建议书和可行性报告。而对于工程造价来说，最重要的便是完成投资预估，包括工程的建设费用、设备及器具投资，预备费、贷款利息的预估，并确定工程投资费用。传统模式下，投资预估需要对项目进行可行性研究，而对建设地点、建设工艺等技术指标的确定，需要耗费较长的时间。人工智能技术能够根据项目类型和工程特征，对项目全生命周期及庞大的信息数据进行分类构成结构化数据。数据库储存着大量的工程项目，人工智能技术能够在估算过程中提取与该项目匹配度最高的工程项目模型，显示其关键性指标，人工智能能够根据具体情况自动修正造价指标，帮助工程造价快速完成投资估算。

在方案的选择上，传统模式需要人工对多个投资方案进行造价对比，由于需要考虑和计算多个方面的内容，人工计算需要耗费较大的工作量，并且无法保证方案的选择完全客观。利用模型对建设方案的建设标准和影响工程造价的主要因素进行综合考虑，展示不同方案的技术参数、工程量信息材料信息、进度信息，计算各方案的工程量、造价、成本等指标。将BIM 技术和人工智能相结合，能够更直观、科学地展示方案的具体设计，通过模拟显示项目5D 模型，更直观地了解项目的开展情况，实时反映项目的进度和成本，更加清晰地展示不同时间节点的资金使用情况，减少部分业主筹集资金的压力，最大化提高资金的利用效率和业主的投资效益[4]。

3.2.2 设计阶段

设计阶段工程造价主要包括工程的设计概算、施工图预算和概算。人工智能系统能够根据其学习成果，对工程进行正向设计提高设计环节的准确性减少因设计变更而增加的造价。在规划方案的模拟过程中，人工智能系统能够快速整合项目的庞大数据，并且形成规划方案的对比。对工程的多元化需求，人工智能系统能够根据不同的模型来分析不同状况下的工程设计，例如在考虑能耗情况时，使用能耗模拟来尽可能降低工程设计的能耗。人工智能与互联网技术的融合，能够实现设计的云端审查功能，专业模型导入人工智能系统中，对模型进行软碰撞和硬碰撞检查，全方位查找并解决设计存在的漏洞和冲突，改善设计质量，避免因设计变更而导致工期延误，造价成本增加。在数据库的支持下，项目图纸设计时设计师可根据数据库中以往积累的造价信息，将项目构成要素和造价信息相关联检查设计标准是否处在工程造价的可控范围内，并最终确定方案设计的限额。

3.2.3 招投标阶段

通过人工智能技术将设计模型转换成算量模型，渲染模型包含项目全部信息而工程造价人员能够直接提取工程量并套价，做出工程预算。提高预算的效率，减少了二次建模所花费的时间，更充足的时间进行风险分析等成本控制项目。人工智能技术与BIM 相结合，能够在投标方案中展示三维场景，更加丰富地对比信息，让评标人客观评选各个方案的优劣性，提高评审效率。

3.2.4 施工阶段

工程施工阶段周期较长，过程中所需要的材料、人力资源价格容易受到市场和政策的影响，造价管理难以提前，提前对变动因素进行全面控制。人工智能技术能够为监理单位提供更具协同性的交叉管理体系，根据现场施工情况、人力、材料、机具、设备等相关数据，做好施工现场的动态管理，更加直观地在不同时间节点了解施工进度和造价情况，获取施工阶段的工程进度款支付情况，通过智能化手段对复杂的人员、庞大的工程数据、繁琐的数据对接信息进行整合，让各方人员能够及时了解工程量进度，加快申请进度拨款和业主拨款的进程。

在成本管理过程中，人工智能能够对工程造价进行跟踪控制，分析因工程变更而实时产生的材料消耗、索赔费用、人力消耗等，形成工程造价的变更成本统计。人工智能能够对工程中任何造价的变动做出及时反馈，对相应的工程量也是自动分析，快速反馈和调整减少，工程量变更带来的损失，使施工单位能够快速完成索赔[5]。

人工智能的动态成本分析收集和统计成本相关数据，并将实时数据和预算成本、合同成本等进行对比，获取项目的实施情况和盈亏情况，根据综合分析对成本发生偏差的原因做出判断，提出解决方案。人工智能系统的实时分析功能能够满足精细化成本分析的需求，真正实现动态分析。项目施工实施过程中，人工智能系统还可用于质量安全的监控，人工智能与物联网技术相结合，够监测施工现场的环境，综合施工的各项数据形成安全监控体系，分析潜在不安全区域，对技术、组织、管理等层面存在的不足提出整改意见，再根据整改情况不断反馈和修正，直到有效规避施工过程中存在的质量和安全问题[6]。

3.2.5 竣工阶段

在竣工阶段，造价人员需要进行竣工验收，对各项设计变更、合同文件、现场签证等进行整理。竣工验收需要耗费造价人员大量的时间和精力。人工智能系统的应用能够帮助造价管理人员，在施工过程中不断调整和补充工程数据，速整理好相关文件和模型，形成完整的竣工报告。在施工的过程中，人工智能就已完成实时的数据核算，快速处理好进度款和索赔费用的支付，一切支付费用都体现在造价工程的动态管理中，在编制竣工结算时，能够快速准确地核算工程量和相关费用，避免了基础性的工作，才能够保证决算各个流程的规范性和决算结果的准确性。

结语：

本文研究了人工智能技术在工程造价中的应用情况。人工智能在工程造价中的应用能够体现出更强的适用性，其自身特性更加适用于工程造价非线性的特点，人工智能控制系统能够对储存的信息进行控制，且跟随控制过程不断学习更新，满足工程建设过程中相关工程数据不断更新、市场价格不断变化的特点。人工智能系统的自动化程度较高，能够自动进行成本预测、成本计划、成本核算、成本分析、成本考核，更加精确地完成造价管理工作，生成智能分析结果，为管理者的决策提供指引，从而助力工程项目高质高效的完成。