人工智能技術在工程造價中的有效運用

文／陳國旗 首都經濟貿易大學 北京 100070

引言：

面對不斷變化的外界環境，工程造價管理需要貫穿項目開展的全過程。項目工程涉及的造價項目較多，數據復雜。傳統的工程造價管理方式難以應對龐大的數據量，單機預算軟件、手工算量的也難以滿足各個行業的發展步伐。工程造價迫切需要新的手段來進行更有效的管理。在信息技術時代，人工智能技術的發展在項目建設全周期中起到了重要作用，它能夠在一定程度上優化造價管理的工作流程，提高造價管理的計算效率，提升造價預估的準確性，使建設成本、維護成本、運營成本都在良好的控制范圍內。

1.人工智能技術的基本理論

人工智能研究如何制造智能機器或智能系統來延伸人類的智慧，模擬人類的智能。人工智能系統擁有極強的環境適應能力，能夠應對并解決各類實際問題。廣義上的人工智能，包括專家系統、人工神經網絡、模式識別智能機器人等。

人工智能擁有極強的感知能力，能夠模擬人類的感官感知外部世界，從外界獲取信息。其強大的記憶和思維功能，能夠模擬人腦，對信息進行推理、聯想、判斷、分析、計算、決策，人工智能思維的過程便是將其記憶中的信息進行工作人工智能的學習能力和自適應能力讓他能夠不斷學習、增長知識，適應環境，不自覺地接收新的信息，主動反映外部世界。當面對外部刺激時，人工智能能夠及時做出反應并解決問題。

對人工智能的研究主要包括專家系統、機器學習、模式識別、自然語言理解、自動程序設計機器人學、人工神經網絡、智能決策支持系統等。專家系統擁有特定領域的龐大知識量和專家經驗，能夠模擬專家對事物進行分析和判斷，專家的師傅，求解某個領域內的各種問題。由于融合了領域內的多名專家經驗，專家系統的水平甚至可以超過人類專家的水平。機器學習是指計算機學習能力，讓計算機能夠主動向教師和書本進行學習，在實踐中不斷總結經驗，完善自我。模式識別主要研究機器感知，通過機器進行自動的模式識別，在人類不干預的情況下，將模式自動歸類于計算機中對應的模式中。

2.影響工程造價的因素

2.1 工程造價的影響因素

2.1.1 設計及業主方

工程造價的控制受到設計及業主方、宏觀經濟政策、施工方、第三方因素等多方面因素的影響。

施工階段會遇到各種臨時事故，施工設計需要變更設計，對部分設計計劃進行修改，而修改工作必定會造成額外成本的增加。設計階段出現失誤會在施工階段體現，需要再次變更結構符合工程需要，也因此會造成額外成本的增加。項目實施過程中，業主方的投資規劃不到位、建設手續不全，或是未能及時向施工方付款等情況，有可能延誤施工進程，使工程造價的增加。在施工過程中，業主的目標變化導致工期提前，在招標過程中未能設定明確的質量標準，過程中卻額外要求需要工程達到省級或國家級優質工程標準等情況，也會導致項目取費標準提高，增加工程造價。

2.1.2 宏觀經濟政策

宏觀經濟因素對施工材料造成影響，直接影響工程造價材料價格的大幅度變化，導致實際造價和預算相差較遠。有的項目工期較長相關稅率和匯率的波動也會影響進口材料和設備購入時的成本。政策的影響，導致工程行業及上下游相關行業的市場波動，引起造價的偏差。除此之外，突發因素例如自然災害等，會使工程陷入癱瘓，不僅延誤工期，還有可能造成不可挽回的損失。

2.1.3 施工方

對于施工方來說，同一個施工項目可能有多個單位承包，而施工單位之間的配合問題、銜接問題等都有可能導致額外工程量的增加，工程量增加本身會增加造價，而該環節的額外工程量也會積累到下一工程環節，同樣對造價產生影響。

施工過程中許多施工單位在組織設計時安排不當，對各項資源的應用不合理，資源沒能得到合理規劃而造成大量的浪費，人員管理協調不到，勞務分包人數過多或不足，都有可能對工程進度和造價產生影響；工程材料的不當管理容易導致材料損耗和丟失，增加工程的額外損失，需要增加材料收尾支出來添置和更換新的材料設備；材料的缺失還會導致工期延誤，這些都會造成造價的增加；質量控制和安全控制不足，出現質量或安全事故都需支付額外成本翻修或賠償。

2.2 傳統工程造價的劣勢

工程造價管理需要伴隨工程的全過程。傳統控制模式是對工程預期支付或實際支付的全部固定資產投資費用進行計算和管理，在工程造價管理過程中跟隨項目進展，進行成本估算、信息收集與反饋、偏差分析和矯正等管理與控制，保障工程項目經濟高效開展。工程造價管理需要，在項目實施前確定造價的控制目標和造價控制計劃，在項目實施過程中對計劃進行實時監控，判斷實際數據和計劃值之間的偏差，分析偏差存在的原因，及時修正工程造價目標，提出針對性的解決措施，對下一階段進行更好的控制和管理[1]。

傳統的工程造價管理模式，采用定額計價的模式作為依據，而定額的編制速度無法滿足市場價格的實時變化，定額計價有較大的滯后性，難以反映真實狀況。對造價的分析同樣滯后，屬于事后控制，難以及時針對工程開展過程中造價的變法采取有效的預防措施。

面對較大的工程量和龐大的數據量，傳統的計價模式導致項目各參與方之間的信息對稱程度不一致，工程造價難以全面收集信息，缺少精確的模型，也難以對各項目的支出費用進行及時控制。人工難以掌握工程計價的統計學特征，造價管理依靠，大量計算和個人經驗進行控制反饋，工程造價管理的適應性和調節能力較差。

3.人工智能技術在工程造價中的運用

3.1 人工智能在工程造價中主要運用的技術

3.1.1 神經網絡技術及其應用優勢

人工神經網絡是一種高度復雜的非線性動力系統，神經網絡的每個神經元結構和功能較為簡單，但大量神經元共同構成的神經網絡十分復雜，神經元之間的相互連接，連接能夠形成具有多種功能的系統。神經網絡學習通過所在環境的刺激來調整神經網絡的參數[2]。神經網絡在工程領域有較為廣泛的應用，它能夠通過可實現的器具或模擬生物體神經網絡的方式，開始形成神經網絡的結構和功能，模仿人腦的生物神經系統，對事物做出判斷。

神經網絡采用分布式處理方法，能夠大規模處理龐大體量的信息,如圖1 所示。信息在計算單元上有層次地展開，系統對所有計算單元共同運行，用來解決某一問題。每個單元承擔著相似的任務，任何一個單元的破壞，都不會對整個系統的功能造成影響。因此，神經網絡系統除了擁有大規模并行處理能力外，還擁有較強的容錯能力。神經網絡對環境擁有較強的自適應能力學習過程中不斷修改和調整神經元之間的連接，使神經網絡更加適應現實情況，經過訓練的神經網絡記錄了訓練樣本的信息模式，就如同人類的長時記憶。而在新模式樣本的計算過程中，神經網絡將新模式儲存并進行處理，提取新模式中的，關鍵信息用于相近模式的聯想，形成外部數據的完整表述。

圖1 神經網絡示意圖

3.1.2 遺傳算法及其應用優勢

遺傳算法是一種優化搜索算法，能夠對當前群體施加選擇、交叉、變異等一系列遺傳操作，從而產生出新一代群體，逐漸進化到最優解。傳算法能夠對結構對象進行直接操作，它能與神經網絡相結合，使神經網絡的結構和參數進行優化，規則集合和知識庫，對知識進行更加高質量的精煉。

3.1.3 數據庫的應用

數據的準確性能夠有效提高工程造價的估算工作質量，而工程各個領域也構建了多個行業數據庫，且均應用了人工智能技術，極大地提高了數據庫的信息數據采集速度和質量。從現狀來看，工程建設領域已有的行業數據庫有慧訊網、廣聯達公司、上海定額管理總站等，此類數據庫主要提供材料價格以及信息價等。通過成本數據庫的建立，工程造價相關工作人員能夠以信息化的方式進行數據的獲取和加工。在人工智能技術實際應用過程中，主要是創建成本ERP 系統，通過該系統對數據進行關聯和處理，為測算和限額設計提供成本大數據。該數據庫既能夠存儲工程成本數據，還能夠對數據進行分析、對標、驗證以及提煉，為工程造價相關工作人員的各項決策提供數據基礎，實現工程造價成本的有效管控[3]。

3.2 人工智能在工程造價全生命周期的運用

3.2.1 投資規劃階段的應用

人工智能能夠應用在造價管理的全過程，參與項目全生命周期進行規劃、設計、招投標、施工、竣工和運維。

投資規劃階段，工程造價管理需要對資金的來源進行分析和處理，重點關注項目造價的比選，編制項目建議書和可行性報告。而對于工程造價來說，最重要的便是完成投資預估，包括工程的建設費用、設備及器具投資，預備費、貸款利息的預估，并確定工程投資費用。傳統模式下，投資預估需要對項目進行可行性研究，而對建設地點、建設工藝等技術指標的確定，需要耗費較長的時間。人工智能技術能夠根據項目類型和工程特征，對項目全生命周期及龐大的信息數據進行分類構成結構化數據。數據庫儲存著大量的工程項目，人工智能技術能夠在估算過程中提取與該項目匹配度最高的工程項目模型，顯示其關鍵性指標，人工智能能夠根據具體情況自動修正造價指標，幫助工程造價快速完成投資估算。

在方案的選擇上，傳統模式需要人工對多個投資方案進行造價對比，由于需要考慮和計算多個方面的內容，人工計算需要耗費較大的工作量，并且無法保證方案的選擇完全客觀。利用模型對建設方案的建設標準和影響工程造價的主要因素進行綜合考慮，展示不同方案的技術參數、工程量信息材料信息、進度信息，計算各方案的工程量、造價、成本等指標。將BIM 技術和人工智能相結合，能夠更直觀、科學地展示方案的具體設計，通過模擬顯示項目5D 模型，更直觀地了解項目的開展情況，實時反映項目的進度和成本，更加清晰地展示不同時間節點的資金使用情況，減少部分業主籌集資金的壓力，最大化提高資金的利用效率和業主的投資效益[4]。

3.2.2 設計階段

設計階段工程造價主要包括工程的設計概算、施工圖預算和概算。人工智能系統能夠根據其學習成果，對工程進行正向設計提高設計環節的準確性減少因設計變更而增加的造價。在規劃方案的模擬過程中，人工智能系統能夠快速整合項目的龐大數據，并且形成規劃方案的對比。對工程的多元化需求，人工智能系統能夠根據不同的模型來分析不同狀況下的工程設計，例如在考慮能耗情況時，使用能耗模擬來盡可能降低工程設計的能耗。人工智能與互聯網技術的融合，能夠實現設計的云端審查功能，專業模型導入人工智能系統中，對模型進行軟碰撞和硬碰撞檢查，全方位查找并解決設計存在的漏洞和沖突，改善設計質量，避免因設計變更而導致工期延誤，造價成本增加。在數據庫的支持下，項目圖紙設計時設計師可根據數據庫中以往積累的造價信息，將項目構成要素和造價信息相關聯檢查設計標準是否處在工程造價的可控范圍內，并最終確定方案設計的限額。

3.2.3 招投標階段

通過人工智能技術將設計模型轉換成算量模型，渲染模型包含項目全部信息而工程造價人員能夠直接提取工程量并套價，做出工程預算。提高預算的效率，減少了二次建模所花費的時間，更充足的時間進行風險分析等成本控制項目。人工智能技術與BIM 相結合，能夠在投標方案中展示三維場景，更加豐富地對比信息，讓評標人客觀評選各個方案的優劣性，提高評審效率。

3.2.4 施工階段

工程施工階段周期較長，過程中所需要的材料、人力資源價格容易受到市場和政策的影響，造價管理難以提前，提前對變動因素進行全面控制。人工智能技術能夠為監理單位提供更具協同性的交叉管理體系，根據現場施工情況、人力、材料、機具、設備等相關數據，做好施工現場的動態管理，更加直觀地在不同時間節點了解施工進度和造價情況，獲取施工階段的工程進度款支付情況，通過智能化手段對復雜的人員、龐大的工程數據、繁瑣的數據對接信息進行整合，讓各方人員能夠及時了解工程量進度，加快申請進度撥款和業主撥款的進程。

在成本管理過程中，人工智能能夠對工程造價進行跟蹤控制，分析因工程變更而實時產生的材料消耗、索賠費用、人力消耗等，形成工程造價的變更成本統計。人工智能能夠對工程中任何造價的變動做出及時反饋，對相應的工程量也是自動分析，快速反饋和調整減少，工程量變更帶來的損失，使施工單位能夠快速完成索賠[5]。

人工智能的動態成本分析收集和統計成本相關數據，并將實時數據和預算成本、合同成本等進行對比，獲取項目的實施情況和盈虧情況，根據綜合分析對成本發生偏差的原因做出判斷，提出解決方案。人工智能系統的實時分析功能能夠滿足精細化成本分析的需求，真正實現動態分析。項目施工實施過程中，人工智能系統還可用于質量安全的監控，人工智能與物聯網技術相結合，夠監測施工現場的環境，綜合施工的各項數據形成安全監控體系，分析潛在不安全區域，對技術、組織、管理等層面存在的不足提出整改意見，再根據整改情況不斷反饋和修正，直到有效規避施工過程中存在的質量和安全問題[6]。

3.2.5 竣工階段

在竣工階段，造價人員需要進行竣工驗收，對各項設計變更、合同文件、現場簽證等進行整理。竣工驗收需要耗費造價人員大量的時間和精力。人工智能系統的應用能夠幫助造價管理人員，在施工過程中不斷調整和補充工程數據，速整理好相關文件和模型，形成完整的竣工報告。在施工的過程中，人工智能就已完成實時的數據核算，快速處理好進度款和索賠費用的支付，一切支付費用都體現在造價工程的動態管理中，在編制竣工結算時，能夠快速準確地核算工程量和相關費用，避免了基礎性的工作，才能夠保證決算各個流程的規范性和決算結果的準確性。

結語：

本文研究了人工智能技術在工程造價中的應用情況。人工智能在工程造價中的應用能夠體現出更強的適用性，其自身特性更加適用于工程造價非線性的特點，人工智能控制系統能夠對儲存的信息進行控制，且跟隨控制過程不斷學習更新，滿足工程建設過程中相關工程數據不斷更新、市場價格不斷變化的特點。人工智能系統的自動化程度較高，能夠自動進行成本預測、成本計劃、成本核算、成本分析、成本考核，更加精確地完成造價管理工作，生成智能分析結果，為管理者的決策提供指引，從而助力工程項目高質高效的完成。