KR101047514B1 - Record medium recording program for performing road construction cost estimation method - Google Patents
Record medium recording program for performing road construction cost estimation method Download PDFInfo
- Publication number
- KR101047514B1 KR101047514B1 KR1020080000607A KR20080000607A KR101047514B1 KR 101047514 B1 KR101047514 B1 KR 101047514B1 KR 1020080000607 A KR1020080000607 A KR 1020080000607A KR 20080000607 A KR20080000607 A KR 20080000607A KR 101047514 B1 KR101047514 B1 KR 101047514B1
- Authority
- KR
- South Korea
- Prior art keywords
- case
- construction
- existing
- construction cost
- road
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
본 발명은, 도로공사의 특성을 나타낼 수 있는 복수의 지표를 설정하는 지표 설정단계; 기존 사례의 지표 및 공사비에 관한 정보를 포함하는 기존 사례 데이터베이스 구축 단계; 예측 사례의 지표와 기존 사례의 지표를 상호 비교하여, 기존 사례의 지표에 대하여 각 지표의 유사도 점수를 부여하는 각 지표의 유사도 점수 부여 단계; 복수의 지표에 대하여 각각 선형계획법에 의해 구한 가중치 및 각 지표의 유사도 점수를 적용하여 기존 사례의 유사도 점수를 산정하는 기존 사례의 유사도 점수 산정단계; 기존 사례의 유사도 점수 중 점수가 높은 순서로 기존 사례를 복수 선정하고, 선정된 복수의 기존 사례의 단위길이당 공사비의 평균을 산정하는 단위길이당 공사비 산정단계; 단위길이당 공사비에 상기 예측 사례의 도로연장을 곱하는 총 공사비 산정단계;를 포함하는 도로공사비 예측방법을 제시함으로써, 공사 고유의 특성을 반영하여, 공사비 예측의 오차를 최소화할 수 있도록 한다.The present invention, the indicator setting step of setting a plurality of indicators that can represent the characteristics of the road construction; Establishing an existing case database including information on the existing case indexes and construction costs; Comparing the indicators of the prediction case with the indicators of the existing cases, and assigning similarity scores of the indicators to the indicators of the existing cases; Calculating similarity scores of existing cases by applying similarity scores of each indicator to weights obtained by linear programming for each of a plurality of indicators; Selecting a plurality of existing cases in order of high scores among similarity scores of the existing cases, and calculating a construction cost per unit length for calculating an average of construction costs per unit length of the selected plurality of existing cases; By presenting a road construction cost prediction method including a total construction cost calculation step of multiplying the construction cost per unit length by the road extension of the prediction example, reflecting the inherent characteristics of the construction, it is possible to minimize the error of the construction cost prediction.
공사비, 예측, 사례 Construction cost, forecast, example
Description
본 발명은 건설 경영(Construction Management) 분야에 관한 것으로서, 상세하게는, 도로의 공사비를 사전에 효율적으로 예측하도록 하는 방법에 관한 것이다.BACKGROUND OF THE
공공사업에서 사업초기단계의 개략공사비 예측은 발주자에게 향후 공사비에 대한 정보를 제공함으로써 효율적인 예산수립을 가능하게 한다. In the public project, the rough construction cost forecast in the early stage of the project provides the client with information on future construction costs, enabling efficient budgeting.
공공도로 사업에 있어 현재 국내에서 활용하고 있는 사업초기단계 개략공사비 산정기준은 건설교통부의 "도로업무편람"과 한국개발연구원의 "도로, 철도 부문사업의 예비타당성조사 표준지침 수정, 보완 연구"가 있다.The criteria for estimating the rough construction cost for the initial stage of the public road project currently in Korea are the Ministry of Construction and Transportation's "Road Business Manual" and the Korea Development Institute. have.
건설교통부에서는 도로를 고속도로와 일반국도로 구분하고 2003에서 2005년까지 설계 완료된 공사비 자료를 기초로 하여 단위길이당 공사비의 단가를 제시하여 이를 활용하고 있다.The Ministry of Construction and Transportation divides roads into highways and general national roads, and uses them by presenting the unit cost of unit cost per unit length based on the construction cost data designed from 2003 to 2005.
이때 고속도로공사는 신설과 확장 모두 4차선 공사를 대상으로 하였으며, 일반국도의 경우 확장은 2차선, 신설은 4차선 공사를 대상으로 하여 토공 및 기타구간, 교량구간, 터널구간에 대한 각각의 단위길이당 공사비를 제시하였다. In this case, the highway construction was for four-lane construction for both new construction and expansion.In the case of general national roads, the extension was for two-lane construction and for the four-lane construction for new construction, and each unit length for earthworks, other sections, bridge sections, and tunnel sections. The construction cost is presented.
표 1은 도로업무편람의 공사비 산정기준을 나타낸다.Table 1 shows the construction cost estimation criteria of the road service manual.
한편 한국개발연구원에서는 고속도로를 대상으로 하여 최근 몇 년간의 실시설계에 적용된 평균공사비를 이용하여 표 2와 같은 개략공사비 산정기준을 제시하였다. On the other hand, the Korea Development Institute proposed the rough construction cost estimation criteria as shown in Table 2 using the average construction cost applied to the detailed design of recent years.
이때 도로를 도시지역과 지방지역으로 구분하고 신설 4차로, 신설 6차로, 확장 4→6차로에 대한 각각의 단위공사비를 제시하고 구조물 구간 비율에 의해 공사비를 보정하였다.At this time, the road was divided into urban area and local area, and each unit construction cost for new 4th, new 6th, and
이와 같이 현행 공공도로 사업 개략공사비 산정모델은 총공사비를 단순히 도로의 연장에 비례한다고 가정하여 km당 단가를 기준으로 공사비를 산정하기 때문에 지역특성, 공사기간 등 공사 고유의 특성을 반영하지 못하고 있다. As such, the current public road project schematic construction cost calculation model calculates the construction cost based on the unit price per km, assuming that the total construction cost is simply proportional to the extension of the road.
또한 `03년 이후 설계단가 평균치를 사용함으로써 화폐의 시간가치를 고려하지 못하고 있으며, 도로의 폭을 단순하게 차선수로 구분하였기 때문에 정확도에서 한계를 보인다.In addition, since the average value of the design unit price since '03 is not considered, the time value of money is not taken into account, and the accuracy of the road is limited because the road width is simply divided into the next car.
공공사업의 사업초기단계에서 개략공사비 예측은 사업의사결정권자에게 주요 관심사항이기 때문에 보다 정확한 공사비예측을 위하여 많은 선행연구가 수행되었다.Since the rough construction cost forecasting is a major concern for decision makers in the early stages of public projects, many previous studies have been conducted for more accurate cost forecasting.
Hackney(1985)는 공공발주사업 개략공사비 및 예비비를 예측하기 위하여 체크리스트 기반의 공사비 예측 모델을 제시하고 기존에 수행된 30건의 건설프로젝트를 바탕으로 제시된 모델을 검증하였다. Hackney (1985) presented a checklist-based cost forecasting model to verify the construction cost and reserve cost for public ordering projects, and validated the model based on 30 existing construction projects.
Hegazy(1998)는 고속도로 공사비가 건설 지역, 도로 연장 등과 같은 특정 영향인자에 지배된다고 가정하고 인공신경망을 활용한 개략공사비 예측모델을 제시하였다. Hegazy (1998) proposed a rough cost forecasting model using artificial neural networks, assuming that the cost of highway construction is governed by specific influence factors such as construction area and road extension.
Oberlender(2001)는 개략공사비 예측모델의 정확도를 향상시키기 위하여 67건의 건설공사자료를 수집하고 통계적 분석을 통하여 45개의 영향인자를 제시하고 이를 이용하여 다중회귀분석을 활용한 공사비 예측모델을 제시하였다.Oberlender (2001) collected 67 construction data and suggested 45 impact factors through statistical analysis to improve the accuracy of the rough cost forecasting model, and presented the cost forecasting model using multiple regression analysis.
한편 국내에서는 사업초기단계 도로공사 개략공사비 예측을 위한 연구가 활발히 이루어지지는 못하였다. On the other hand, in Korea, researches to predict the rough construction cost of early stage road construction have not been actively conducted.
김광희(2004)는 주거용 건물의 개략공사비 예측을 위하여 인공신경망과 유전자 알고리즘을 활용한 모델을 제시하였다. Kim Kwang-hee (2004) proposed a model using artificial neural networks and genetic algorithms to predict the rough construction cost of residential buildings.
박종현(2003)은 설계단계의 공사비 예측을 위하여 단계별 습득 가능한 정보량에 따라 예측모델을 4단계로 구분하고 각 단계에서 회귀분석을 활용한 공사비 예측모델을 제시하였다.Park Jong-hyun (2003) classified the forecasting model into four stages according to the amount of information that can be obtained in each stage and predicted the construction cost forecasting model using regression analysis.
하지만 사업초기단계는 획득 가능한 정보량이 부족하기 때문에 상대적으로 정확한 공사비 예측이 어렵다는 한계가 있다. However, in the early stage of the project, there is a limitation that it is difficult to accurately estimate the cost of construction because of the lack of information available.
상기 종래의 모델은 어느 것이나 공사 고유의 특성을 반영하지 못하고 있다는 점, 단순하게 단위길이당 단가에 도로의 연장을 곱하는 선형적인 모델의 비용 산정체계를 취하므로 공사비 예측의 오차가 크다는 점 등에서 문제로 지적되어 왔다.None of the conventional models reflects the inherent characteristics of the construction, and because the cost calculation system of the linear model that simply multiplies the unit price by the unit price per unit length takes a large error in construction cost prediction. It has been pointed out.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 공사 고유의 특성을 반영하여, 공사비 예측의 오차를 최소화할 수 있도록 하는 도로공사비 예측방법을 제시하는 것을 그 목적으로 한다.The present invention has been made to solve the above problems, it is to provide a road construction cost prediction method to reflect the intrinsic characteristics of the construction, to minimize the error of the construction cost prediction.
본 발명은 상술한 바와 같은 목적을 달성하기 위하여, 도로공사의 특성을 나타낼 수 있는 복수의 지표를 설정하는 지표 설정단계; 기존 사례의 상기 지표 및 공사비에 관한 정보를 포함하는 기존 사례 데이터베이스 구축 단계; 예측 사례의 상기 지표와 상기 기존 사례의 상기 지표를 상호 비교하여, 상기 기존 사례의 상기 지표에 대하여 각 지표의 유사도 점수를 부여하는 각 지표의 유사도 점수 부여 단계; 상기 복수의 지표에 대하여 각각 선형계획법에 의해 구한 가중치 및 상기 각 지표의 유사도 점수를 적용하여 상기 기존 사례의 유사도 점수를 산정하는 기존 사례의 유사도 점수 산정단계; 상기 기존 사례의 유사도 점수 중 점수가 높은 순서로 상기 기존 사례를 복수 선정하고, 상기 선정된 복수의 기존 사례의 단위길이당 공사비의 평균을 산정하는 단위길이당 공사비 산정단계; 상기 단위길이당 공사비에 상기 예측 사례의 도로연장을 곱하는 총 공사비 산정단계;를 포함하는 도로공사비 예측방법을 제시한다.The present invention, the indicator setting step of setting a plurality of indicators that can represent the characteristics of the road construction, in order to achieve the object as described above; Establishing an existing case database including information on the indicators and construction costs of the existing cases; Comparing the indicators of the prediction case with the indicators of the existing case, and assigning similarity scores of the indicators to the indicators of the existing case; Calculating similarity scores of the existing cases by applying weights obtained by linear programming and similarity scores of the respective indicators to the plurality of indicators, respectively; Selecting a plurality of existing cases in order of high scores among similarity scores of the existing cases, and calculating a construction cost per unit length for calculating an average of construction costs per unit length of the selected plurality of existing cases; A total construction cost calculation step of multiplying the construction cost per unit length by the road extension of the prediction example is presented.
상기 복수의 지표는 지역, 공사유형, 계약형태, 공기, 도로연장, 도로폭, 교량연장, 지하도연장, 터널연장을 포함하는 것이 바람직하다.The plurality of indices preferably include area, construction type, contract type, air, road extension, road width, bridge extension, underpass extension, tunnel extension.
상기 복수의 지표 중 지역에 관하여 상기 가중치는 0.006 ~ 0.046인 것이 바람직하다.It is preferable that the weight is 0.006 to 0.046 with respect to an area of the plurality of indices.
상기 복수의 지표 중 공사유형에 관하여 상기 가중치는 0.184 ~ 0.224인 것이 바람직하다.It is preferable that the weight is 0.184 to 0.224 with respect to the construction type among the plurality of indices.
상기 복수의 지표 중 계약형태에 관하여 상기 가중치는 0.078 ~ 0.118인 것이 바람직하다.It is preferable that the said weight is 0.078-0.18 regarding the contract form among the said several indexes.
상기 복수의 지표 중 공기에 관하여 상기 가중치는 0.136 ~ 0.176인 것이 바람직하다.It is preferable that the weight is 0.136 to 0.176 with respect to air among the plurality of indices.
상기 복수의 지표 중 도로연장에 관하여 상기 가중치는 0.005 ~ 0.045인 것이 바람직하다.It is preferable that the weight is 0.005 to 0.045 with respect to road extension among the plurality of indices.
상기 복수의 지표 중 도로폭에 관하여 상기 가중치는 0.119 ~ 0.159인 것이 바람직하다.It is preferable that the weight is 0.119 to 0.159 with respect to the road width among the plurality of indices.
상기 복수의 지표 중 교량연장에 관하여 상기 가중치는 0.094 ~ 0.134인 것이 바람직하다.It is preferable that the weight is 0.094 to 0.134 with respect to the extension of the plurality of indices.
상기 복수의 지표 중 지하도연장에 관하여 상기 가중치는 0.090 ~ 0.130인 것이 바람직하다.It is preferable that the weight is 0.090 to 0.130 with respect to the extension of the underpass among the plurality of indices.
상기 복수의 지표 중 터널연장에 관하여 상기 가중치는 0.108 ~ 0.148인 것이 바람직하다.The weight is preferably 0.108 to 0.148 in terms of tunnel extension among the plurality of indices.
상기 유사도 점수 부여 단계는 상기 예측 사례의 상기 지표와 상기 기존 사례의 상기 지표가 동일한 경우 100점을 부여하고, 상기 예측 사례의 상기 지표와 상기 기존 사례의 상기 지표가 상이한 경우 0점을 부여하는 것이 바람직하다.The similarity score assigning step may be given when the indicator of the prediction case and the indicator of the existing case are the same, and if the indicator of the prediction case is different from the indicator of the existing case, it is given a zero point. desirable.
상기 유사도 점수 부여 단계는 상기 예측 사례의 상기 지표와 상기 기존 사례의 상기 지표가 오차 10% 이하인 경우 100점을 부여하고, 상기 예측 사례의 상기 지표와 상기 기존 사례의 상기 지표가 오차 10% 초과인 경우 0점을 부여하는 것이 바람직하다.The similarity score assigning step gives 100 points if the indicator of the prediction case and the indicator of the existing case are less than or equal to 10% error, and the indicator of the prediction case and the indicator of the existing case are more than 10% error. In this case, it is preferable to give a zero point.
상기 유사도 점수 부여 단계는 수학식 1에 의해 계산되는 것이 바람직하다.The similarity scoring step is preferably calculated by the equation (1).
상기 유사도 점수 산정단계는 수학식 5에 의해 계산되는 것이 바람직하다.The similarity score calculation step is preferably calculated by the equation (5).
상기 단위길이당 공사비 산정단계는 수학식 6에 의해 계산되는 것이 바람직하다.The cost calculation step per unit length is preferably calculated by
상기 총 공사비 산정단계는 수학식 7에 의해 계산되는 것이 바람직하다.The total construction cost calculation step is preferably calculated by the equation (7).
본 발명은 공사 고유의 특성을 반영하여, 공사비 예측의 오차를 최소화할 수 있도록 하는 도로공사비 예측방법을 제시한다.The present invention reflects the unique characteristics of the construction, proposes a road construction cost prediction method to minimize the error of the construction cost prediction.
이하, 본 발명의 실시예에 관하여 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail.
본 발명에 의한 도로공사비 예측방법은 기본적으로, 도로공사의 특성을 나타낼 수 있는 복수의 지표를 설정하는 지표 설정단계; 기존 사례의 지표 및 공사비에 관한 정보를 포함하는 기존 사례 데이터베이스 구축 단계; 예측 사례의 지표와 기존 사례의 지표를 상호 비교하여, 기존 사례의 지표에 대하여 각 지표의 유사도 점수를 부여하는 각 지표의 유사도 점수 부여 단계; 복수의 지표에 대하여 각각 선형 계획법에 의해 구한 가중치 및 각 지표의 유사도 점수를 적용하여 기존 사례의 유사도 점수를 산정하는 기존 사례의 유사도 점수 산정단계; 기존 사례의 유사도 점수 중 점수가 높은 순서로 기존 사례를 복수 선정하고, 선정된 복수의 기존 사례의 단위길이당 공사비의 평균을 산정하는 단위길이당 공사비 산정단계; 단위길이당 공사비에 상기 예측 사례의 도로연장을 곱하는 총 공사비 산정단계;를 포함하여 구성된다.The road construction cost prediction method according to the present invention basically comprises: an index setting step of setting a plurality of indices that may indicate characteristics of the road construction; Establishing an existing case database including information on the existing case indexes and construction costs; Comparing the indicators of the prediction case with the indicators of the existing cases, and assigning similarity scores of the indicators to the indicators of the existing cases; Calculating similarity scores of the existing cases by applying the similarity scores of each indicator to the weights obtained by the linear programming method for each of the plurality of indicators; Selecting a plurality of existing cases in order of high scores among similarity scores of the existing cases, and calculating a construction cost per unit length for calculating an average of construction costs per unit length of the selected plurality of existing cases; And a total construction cost calculation step of multiplying the construction cost per unit length by the road extension of the prediction example.
사례기반추론은 Schank에 의해 제시된 의사결정 방법으로 인간이 현재의 문제를 해결하기 위하여 비슷한 과거의 사례를 검색하는 문제해결방법을 응용한 방법이다. Case-based reasoning is a decision-making method proposed by Schank that applies a problem-solving method in which humans search for similar past cases to solve the present problem.
즉, 사례기반추론은 과거에 문제를 해결하였던 방법을 검색하고 새로운 문제에 적용하여 문제를 해결하는 방법이다(Riesbeck and schank 1989). In other words, case-based reasoning is a method of solving problems by searching for methods that have solved problems in the past and applying them to new problems (Riesbeck and schank 1989).
사례기반추론의 처리절차는 도 1에 나타난 바와 같이, 이전사례를 색(REtrieve), 재사용(REuse), 개선(REvise), 보유(REtain)하는 4가지 절차(4RE)로 구성된다(Waston 1997). As shown in Fig. 1, the process of case-based reasoning consists of four procedures (4RE): retrieve, reuse, revive, and retain the previous case (Waston 1997). .
검색(REtrieve)은 현재의 문제와 가장 유사한 과거의 사례를 검토하는 과정이며, 재사용(REuse)은 현재의 문제를 해결하기 위해 과거의 사례를 현재의 문제에 적용하는 과정이다. REtrieve is the process of reviewing past cases that are most similar to the present problem, and REUSE is the process of applying past cases to the present problem to solve the present problem.
개선(REvise)은 현재의 문제 해결을 위해 과거 해결방법을 개선하는 과정이며 보유(REtain)는 현재 문제의 해결방법을 새로운 사례로써 데이터베이스에 추가하는 과정이다.REVISE is the process of improving the past solution to solve the current problem, and REIN is the process of adding the solution of the current problem to the database as a new case.
데이터베이스로부터 과거사례를 검토하는 방법으로 귀납적 추출방법(Inductive retrieval)과 최근접 추출방법(Nearest-neighbor retrieval)이 널리 사용되고 있다. Inductive retrieval and nearest-neighbor retrieval are widely used to examine past cases from databases.
이 중 최근접 추출방법은 현재의 문제와 가장 비슷했던 과거 사례를 비교하여 검토하기 위해 n개의 지표(Index)를 활용한다. The nearest sampling method uses n indices to compare and review past cases that were most similar to the current problem.
각각의 지표는 n-차원의 그래프로 나타내어지고 새로운 문제가 n-차원 그래프에 입력되면 이전 사례와 비교하여 유사도(Xn)를 계산한다. 이 때 유사도는 각 지표의 중요도를 나타내는 가중치(Wn)로 보정되어 총 유사도가 계산된다. Each indicator is represented by an n-dimensional graph, and when a new problem is entered into the n-dimensional graph, the similarity ( Xn ) is calculated in comparison with the previous case. At this time, the similarity is corrected by a weight ( Wn ) indicating the importance of each indicator to calculate the total similarity.
도 2는 최근접 추출방법의 검색절차를 나타낸다.2 shows a search procedure of the nearest extraction method.
최근접 추출방법을 활용하여 유사한 기존 사례를 검색하기 위해서는 적절한 가중치가 설정되어야 한다. In order to search for similar existing cases using the nearest extraction method, appropriate weights should be set.
Dogan(2006)은 주거 빌딩의 개략공사비 산정 시 적정 가중치를 결정하기 위해 유전자 알고리즘을 사용한 모델을 제시하였으며, 김광희는 공공주택의 공사비 예측을 위한 연구에서 회귀분석을 활용한 가중치 부여 방법을 제시하였다. Dogan (2006) proposed a model using genetic algorithms to determine the optimal weight for estimating the construction cost of residential buildings, and Kwang-Hee Kim presented a weighting method using regression analysis in the study for predicting the construction cost of public housing.
이때 각 지표에 의해 적합도 점수를 부여하는 방법은 지표의 특성에 따라 문자열, 문자, 단어, 수치로 구분된다(김광희, 2004). At this time, the method of assigning the fitness scores to each indicator is classified into character strings, letters, words, and numbers according to the characteristics of the indicators (Kim Kwang-hee, 2004).
문자열은 대조되는 두 사례의 특성이 완전히 동일한 경우에만 점수가 부여되며, 문자는 한 단어에서 가능한 모든 연속적인 3자를 대상으로 비교하여 부합하는 비율에 의해 점수가 부여된다. The string is scored only if the characteristics of the two contrasting cases are exactly the same, and the character is scored by the matching ratio by comparing all possible consecutive three characters in a word.
한편 단어는 대조되는 두 사례의 특성이 공통으로 갖는 단어의 수와 제시된 새로운 사례의 단어의 수의 비율에 의해 점수가 부여되며, 수치는 수학식 1과 같이 두 수간의 거리에 의해 그 유사성이 결정되어 점수가 부여된다.On the other hand, words are scored by the ratio of the number of words that the characteristics of two contrasting cases have in common and the number of words of a new case presented, and the numerical value is determined by the distance between the two numbers as shown in
수학식 1은 수치 간에 유사성을 결정하기 위한 식으로서 
즉 기존에 존재하던 수치(
기존 개략공사비 산정 연구는 공공주거용 빌딩에 초점이 맞춰져 있었다(김광희, 2004, Dogan 2006).
In other words, existing numbers (
Existing schematic cost estimation studies focused on public residential buildings (Kim Kwang-hee, 2004, Dogan 2006).
삭제delete
건축분야의 경우 개략공사비 산정을 위해 계획된 건축물과 가장 비슷한 과거의 건축 사례 하나를 통해 개략공사비를 예측하는 것이 가능했다. In the field of construction, it was possible to predict the cost of rough construction through one of the past architectural examples, which is the most similar to the structure planned for estimating rough construction costs.
그러나 토목분야의 경우 하나의 사례를 통해서 계략공사비를 예측하기는 매우 어렵다. However, in the case of civil engineering, it is very difficult to predict the construction cost through one example.
이는 토목공사의 경우 하나의 지표가 변동될 경우 전체 공사비가 급격하게 변화될 수 있기 때문이다. This is because, in the case of civil engineering, if one indicator changes, the total cost of construction can change drastically.
예를 들어 총 길이가 같은 2개의 고속도로 공사에서 교량의 연장이나 터널의 연장이 변동될 경우 공사비는 급격하게 변화한다. For example, if the length of a bridge or tunnel is changed in two highway projects with the same total length, the cost of construction changes drastically.
그러므로 하나의 기존 사례를 활용하여 개략공사비를 예측할 경우 정확한 공사비 예측이 어려우며, 특히 기존 사례의 데이터베이스가 충분하지 못할 경우 오차는 더욱 커지게 된다.Therefore, it is difficult to accurately estimate the cost of construction when using one existing case to estimate the rough construction cost, especially when the database of the existing case is insufficient.
본 발명에서는 이러한 문제를 해결하기 위하여 가중치를 부여한 사례기반 추론이 사용되었다. In the present invention, weighted case-based reasoning is used to solve this problem.
가중 사례기반 추론은 다음과 같은 절차로 수행된다. Weighted case-based reasoning is performed using the following procedure.
첫째, 최근접 추출방법을 활용하여 구해진 유사도 점수의 순위가 특정 순위 안으로 들어오는 과거사례를 수집한다. First, we collect past cases where the ranking of similarity scores obtained using the nearest sampling method falls within a specific ranking.
둘째, 유사점수에 기초하여 각 유사사례의 가중치를 산정한다(수학식 2). Second, the weight of each similar case is calculated based on the similarity score (Equation 2).
셋째, 수집된 유사사례의 가중치와 공사비를 이용하여 예측대상 사례의 공사비를 산정한다(수학식 3).Third, the construction cost of the case to be predicted is calculated by using the weight of the similar case and the construction cost (Equation 3).
여기서, Wi = i번째 사례의 가중치Where Wi = weight of the i case
SSi = i번째 사례의 유사도 점수 SSi = similarity score of case i
n = 수집된 유사사례의 개수n = number of similar cases collected
여기서, Re n = 예측대상사례의 공사비Where Re n = cost of the project
Re i = i번째 사례의 공사비 Re i = construction cost of the i case
본 발명에서는 가중사례기반추론을 활용한 도로 공사비 예측모델을 구축하기 위하여 조달청에서 2005년에서 2006년까지 발주한 92개의 도로공사 프로젝트 자료를 수집하였다. In the present invention, in order to build a road construction cost prediction model using weighted case-based reasoning, 92 road construction project data collected from 2005 to 2006 were collected by the Public Procurement Service.
수집된 자료는 조달청의 국가종합전자조달시스템에 공개된 도로공사 자료로 100억 원 이상의 공사로 구성되었다. The collected data consisted of road construction data published in the Public Procurement Service's national e-procurement system, consisting of more than 10 billion won.
수집된 도로공사 자료를 분석하여 사례기반추론에 활용하기 위해 11가지의 공사비 영향인자를 추출하였다.In order to analyze the collected road construction data and use it for case-based reasoning, 11 factors for construction cost influence were extracted.
추출된 인자는 건설지역, 공사유형, 계약형태, 공기, 도로연장, 도로 폭, 교량 연장, 지하도 연장, 터널 연장, 총 공사비, 단위길이당 공사비로 구성되었고, 이를 상기 지표로 활용하는 것이 바람직한 것으로 파악되었다.The extracted factors consisted of construction area, construction type, contract type, air, road extension, road width, bridge extension, underpass extension, tunnel extension, total construction cost, and construction cost per unit length. I figured out.
공사특성 변수는 건설지역, 공사유형, 계약형태, 공기로 구성하였다. Construction characteristics variables consisted of construction area, construction type, contract type, and air.
건설지역은 그 위치에 따라 강원도, 제주도, 전라도, 충청도, 서울시, 경상도, 경기도의 명목척도로 구성된다. The construction area consists of nominal scales of Gangwon-do, Jeju-do, Jeolla-do, Chungcheong-do, Seoul, Gyeongsang-do and Gyeonggi-do.
공사유형의 경우 신설과 확,포장의 명목척도로 구성되며, 계약형태는 PQ, 등급제한, 일반경쟁, 대안입찰, 실적제한, 제한경쟁의 명목척도로 구성되었다. The construction type consists of nominal scales of new construction, expansion and packing, and the contract type consists of nominal scales of PQ, rating restrictions, general competition, alternative bidding, performance limitation, and limited competition.
한편 공기는 360일부터 3650일까지의 공사로 구성되어 매트릭스 척도로 활용되었다.Air, meanwhile, consisted of 360 to 3650 days of construction and was used as a matrix measure.
공사비에 직접적인 영향을 주는 인자로는 도로 연장, 도로 폭, 교량 연장, 지하도 연장, 터널 연장이 있다. Factors that directly affect construction costs include road extension, road width, bridge extension, underpass extension, and tunnel extension.
이들 인자는 기존 공사비 산정모델에서도 증명되었듯이 공사비에 직접적인 영향을 주는 지표로 매트릭스 척도로서 공사비 예측모델에 적용되었다.These factors were applied to the construction cost forecasting model as a matrix measure as an indicator that directly affects construction costs, as demonstrated in the existing construction cost estimation model.
총공사비는 본 발명의 목표값으로서 사업초기단계에서 예측되어야 할 최종 공사비이며 단위 길이당 공사비는 사례기반추론의 결과값으로서 총공사비 산정을 위한 중간단계의 값으로서 활용하였다. The total construction cost is the final construction cost to be predicted at the initial stage of the project as the target value of the present invention, and the construction cost per unit length is used as an intermediate value for calculating the total construction cost as a result of case-based reasoning.
도 3 내지 13은 수집된 92건의 도로공사에 대한 각 지표의 분포를 그래프로 나타낸 것이다.3 to 13 graphically show the distribution of each indicator for the 92 road works collected.
본 발명에서는 각 지표의 가중치 설정을 위해 선형계획법을 활용하였다. In the present invention, the linear programming method was used to set the weight of each indicator.
선형계획법이란 주어진 1차 부등식형태의 제약조건식을 만족시키는 최대 또는 최소의 함수 값을 구하는 최적화 기법이다. Linear programming is an optimization technique that finds the maximum or minimum function value that satisfies a constraint of a given first-order inequality.
본 발명에서는 목적 함수를 사례기반추론에 의해 구해진 예측 값과 실제 공사비의 오차율을 최소화시킬 수 있는 가중치로 정의하였다. In the present invention, the objective function is defined as a weight that can minimize the error rate of the predicted value and the actual construction cost obtained by the case-based reasoning.
한편 제약 조건식으로 모든 가중치는 0보다 크거나 같은 값을 가지며, 가중치의 합이 1인 부등식으로 정의하였다. On the other hand, as a constraint expression, all weights have a value equal to or greater than 0 and are defined as an inequality where the sum of weights is one.
이와 같은 방법을 활용하여 본 발명에서 제시한 모델의 예측 값과 실제 공사비의 오차를 최소화시킬 수 있는 가중치를 산정할 수 있었다. By using such a method, it was possible to calculate the weights for minimizing the error of the predicted value and the actual construction cost of the model presented in the present invention.
수학식 4는 가중치를 산정하는 선형계획법의 식을 나타낸다.
여기서, ERn = n번째 예측사례의 오차율Where ER n = error rate of the nth prediction case
PCn = n번째 예측사례의 예측값PC n = prediction value of the nth prediction case
TCn = n번째 예측사례의 실제 공사비TC n = actual construction cost of the nth case
wi = i번째 지표의 가중치w i = weight of the i indicator
N = 예측대상사례의 건수N = number of cases to be predicted
이때 유사사례의 예측값(PCn)을 산정하기 위하여 다음과 같은 방법이 사용되었다. At this time, the following method was used to calculate the predicted value (PC n ) of similar cases.
첫째, 각 지표의 가중치와 유사도 점수를 활용하여 n번째 사례의 유사도 점수를 산정한다(수학식 5). First, the similarity score of the nth case is calculated using the weight and the similarity score of each indicator (Equation 5).
이때 각 지표의 유사도 점수는 문자열의 경우 예측대상사례와 동일할 경우 100점을, 동일하지 않을 경우 0점을 부여하고, 숫자의 경우 수학식 1에 의해 유사사례와 예측대상사례의 오차가 10% 이하일 경우 100점을, 10%를 초과할 경우 0점을 부여하였다.In this case, the similarity score of each indicator is given 100 points if it is the same as the case to be predicted in the case of a string, and 0 points if it is not the same. 100 points were given for the following, and 0 point was exceeded for exceeding 10%.
여기서, SSn = n번째 기존사례의 유사도 점수Where SS n = similarity score of the nth existing case
SSCi = i번째 지표의 유사도 점수SSC i = similarity score of the i indicator
본 발명에서는 가중치를 부여한 사례기반 추론을 활용하기 위하여, 유사 프로젝트를 유사도 점수가 높은 3개의 기존사례로 선택하였다. In the present invention, in order to utilize weighted case-based reasoning, a similar project was selected as three existing cases with high similarity scores.
따라서 예측대상사례의 단위길이당 공사비는 수학식 6을 활용하여 산정할 수 있다.Therefore, the construction cost per unit length of the case to be predicted can be calculated using
여기서, SSs = s번째 기존사례의 유사도 점수
PUCn = n번째 예측사례의 단위길이당 공사비 예측값
Where SS s = similarity score of the sth existing case
PUC n = project cost estimate per unit length of nth case
UCs = s번째 검색된 사례의 단위길이당 공사비UC s = Cost per unit length of the sth searched case
삭제delete
한편, n번째 예측사례의 총 공사비는 단위 길이당 공사비에 도로의 연장을 곱하여 구할 수 있다(수학식 7).On the other hand, the total construction cost of the nth prediction case can be obtained by multiplying the construction cost per unit length by the extension of the road (Equation 7).
여기서, PCn = n번째 예측사례의 총 공사비(Project Cost)
Where PC n = total project cost of the nth case
TLn = n번째 예측사례의 도로 연장TL n = Road extension of nth prediction
수학식 5 내지 7을 이용하여 산정된 예측값( PCn)을 활용하여 수학식 4의 제약조건식을 만족시키며 최소의 오차율을 가지는 각 지표의 가중치를 선형계획법을 활용하여 산정하였다. Using the predicted values ( PCn ) calculated using
본 발명에서는 선형계획법을 활용하기 위하여 Micro Excel Solver를 사용하였으며 산정된 각 지표의 가중치는 표 3과 같다.In the present invention, in order to utilize the linear programming method, the Micro Excel Solver is used, and the weights of the calculated indexes are shown in Table 3.
본 발명에서 제시한 사례기반추론을 활용한 개략공사비 예측모델을 사용하여 공공 도로사업 공사비를 예측하기 위해 92건의 사례대상공사로부터 5건의 예측대상공사를 선정하였다. Five project targets were selected from 92 case projects in order to predict the cost of public road projects using the schematic construction cost prediction model using case-based reasoning.
표 5에서 제시한 각 지표의 가중치와 수학식 5 내지 7의 공사비 예측모델을 활용하여 각 예측대상공사의 공사비를 예측하였다. Using the weight of each indicator presented in Table 5 and the construction cost prediction model of
그리고 본 발명에서 제시한 모델의 적절성을 검증하기 위하여 건설교통부와 기획예산처에서 제시한 단위 길이당 단가를 이용한 방법의 예측 값과 비교하였다.And, in order to verify the adequacy of the model presented in the present invention, it was compared with the predicted value of the method using the unit cost per unit length proposed by the Ministry of Construction and Transportation and the Ministry of Planning and Budget.
각 예측모델의 결과 값은 표 4와 같다.The results of each prediction model are shown in Table 4.
본 발명에서 제시한 공사비 예측모델의 오차율은 평균 18.4%로 건설교통부 기준 적용시의 오차율인 38.9%와 기획예산처 기준 적용 시 오차율인 42.1%에 비교하여 높은 정확도를 보였다. The error rate of the construction cost forecasting model presented in the present invention was 18.4% on average, showing high accuracy compared to the error rate of 38.9% when applying the Ministry of Construction and Transportation and 42.1% when applying the Ministry of Planning and Budget.
건설교통부 기준의 경우 사례 4에서 150%의 큰 오차율을 보여 모델의 범용성에서 문제를 보인데 반하여 본 발명에서 제시한 모델의 최대 오차율은 24.2%를 보임으로써 다양한 사례에 대하여 안정된 결과를 나타내었다.The case of the Ministry of Construction and Transportation showed a large error rate of 150% in
본 발명에서는 사업 초기단계의 공사비예측을 위하여 가중 사례기반추론을 활용한 공사비예측모델을 제시하였다. In the present invention, a construction cost prediction model using weighted case-based reasoning is proposed for the construction cost prediction in the initial stage of the project.
조달청에서 발주한 92건의 기존 공사 데이터를 모델에 실제로 활용하여 그 적용성을 검증하고자 하였다. 92 existing construction data ordered by the Public Procurement Service were actually used in the model to verify its applicability.
본 발명에서 제시한 모델의 평균 오차율은 18.4%로 상대적으로 정확한 예측결과를 제시하였으며, 최대 오차율 또한 24.2%로 안정된 결과를 제시하였다.The average error rate of the model presented in the present invention was 18.4% and presented a relatively accurate prediction result, the maximum error rate was also presented a stable result of 24.2%.
본 발명에서 제시한 모델은 사업초기단계 공사비 예측을 위한 방법으로 사례기반추론의 적절성을 보여주고 있다. The model presented in the present invention shows the adequacy of case-based reasoning as a method for the early stage construction cost prediction.
본 발명에서 제시한 모델이 보다 높은 정확도를 갖기 위해서는 도출된 공사비 영향 지표뿐만 아니라 공사비에 영향을 주는 주요 지표선정을 위한 추가적인 연구와 다양한 예측방법을 적용한 보다 정확한 공사비 예측모델 구축을 위한 추가적인 연구가 수행되어야 할 것이다.In order for the model proposed in the present invention to have higher accuracy, not only the derived cost cost indicators but also additional studies for selecting key indicators affecting the construction cost and additional studies for constructing a more accurate construction cost prediction model applying various prediction methods are performed. Should be.
이상은 본 발명에 의해 구현될 수 있는 바람직한 실시예의 일부에 관하여 설명한 것에 불과하므로, 주지된 바와 같이 본 발명의 범위는 위의 실시예에 한정되어 해석되어서는 안 될 것이며, 위에서 설명된 본 발명의 기술적 사상과 그 근본을 함께 하는 기술적 사상은 모두 본 발명의 범위에 포함된다고 할 것이다.Since the above has been described only with respect to some of the preferred embodiments that can be implemented by the present invention, the scope of the present invention, as is well known, should not be construed as limited to the above embodiments, the present invention described above It will be said that both the technical idea and the technical idea which together with the base are included in the scope of the present invention.
도 1은 사례기반추론의 절차에 관한 개념도.1 is a conceptual diagram of a procedure of case-based reasoning.
도 2는 최근접 추출방법의 검색절차에 관한 개념도.2 is a conceptual diagram of a search procedure of a nearest extraction method.
도 3 내지 13은 수집된 도로공사의 특성(지표)에 관한 그래프.3 to 13 are graphs relating to characteristics (indicators) of collected road works.
Claims (17)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080000607A KR101047514B1 (en) | 2008-01-03 | 2008-01-03 | Record medium recording program for performing road construction cost estimation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080000607A KR101047514B1 (en) | 2008-01-03 | 2008-01-03 | Record medium recording program for performing road construction cost estimation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20090074904A KR20090074904A (en) | 2009-07-08 |
| KR101047514B1 true KR101047514B1 (en) | 2011-07-08 |
Family
ID=41332160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080000607A KR101047514B1 (en) | 2008-01-03 | 2008-01-03 | Record medium recording program for performing road construction cost estimation method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101047514B1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101112634B1 (en) * | 2009-08-25 | 2012-02-16 | 주식회사 도화엔지니어링 | Recording medium recording program for performing an cost calculating method for ecoriver facility construction |
| KR101497601B1 (en) * | 2014-12-26 | 2015-03-03 | 인하대학교 산학협력단 | A calculation method for carbon dioxide emissions in the all stage of life of the road |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030047279A (en) * | 2001-12-10 | 2003-06-18 | 주식회사 포스코건설 | Cost estimate method for construction project using historical cost data, auto cost estimate system and medium storing a computer program for performing there |
-
2008
- 2008-01-03 KR KR1020080000607A patent/KR101047514B1/en not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030047279A (en) * | 2001-12-10 | 2003-06-18 | 주식회사 포스코건설 | Cost estimate method for construction project using historical cost data, auto cost estimate system and medium storing a computer program for performing there |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20090074904A (en) | 2009-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Batselier et al. | Evaluation of deterministic state-of-the-art forecasting approaches for project duration based on earned value management | |
| CN111737916B (en) | Road and bridge disease analysis and maintenance decision method based on big data | |
| An et al. | A case-based reasoning cost estimating model using experience by analytic hierarchy process | |
| Koo et al. | A CBR-based hybrid model for predicting a construction duration and cost based on project characteristics in multi-family housing projects | |
| St. Clair et al. | State-of-the-technology review on water pipe condition, deterioration and failure rate prediction models! | |
| Salem et al. | Risk-based life-cycle costing of infrastructure rehabilitation and construction alternatives | |
| Kim et al. | Revised case-based reasoning model development based on multiple regression analysis for railroad bridge construction | |
| Bektas et al. | Using classification trees for predicting national bridge inventory condition ratings | |
| Zima | The case-based reasoning model of cost estimation at the preliminary stage of a construction project | |
| Kim et al. | Factor selection for delay analysis using knowledge discovery in databases | |
| Jacinto et al. | Bayesian assessment of an existing bridge: A case study | |
| Fragkakis et al. | A cost estimate method for bridge superstructures using regression analysis and bootstrap | |
| Cho et al. | Decision support method for estimating monetary value of post-renovation office buildings | |
| Li et al. | Project schedule forecasting for skyscrapers | |
| Mahamid | Conceptual cost estimate of road construction projects in Saudi Arabia | |
| Wang et al. | Short-term traffic volume forecasting with asymmetric loss based on enhanced KNN method | |
| van den Boomen et al. | Infrastructure maintenance and replacement optimization under multiple uncertainties and managerial flexibility | |
| KR101812007B1 (en) | System for Estimating Environmental Load of Road Earthwork by Case-Based Reasoning and Method thereof | |
| KR101047514B1 (en) | Record medium recording program for performing road construction cost estimation method | |
| Rizan et al. | SAW method in supporting the process of admission of new junior high school students | |
| Yakub et al. | The effect of adopting micro and macroeconomic variables on real estate price prediction models using ANN: A Systematic Literature | |
| CN111026790A (en) | Structure safety assessment and forecasting method based on data mining | |
| Amador-Jiménez et al. | Roads performance modeling and management system from two condition data points: case study of Costa Rica | |
| KR101091053B1 (en) | Apparatus and method for estimating construction cost based on genetic algorithm | |
| Zhu et al. | Predicting profit performance of international construction projects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| J201 | Request for trial against refusal decision | ||
| E90F | Notification of reason for final refusal | ||
| B701 | Decision to grant | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140701 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20150701 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160627 Year of fee payment: 6 |
|
| LAPS | Lapse due to unpaid annual fee |