건설사업의 다변화로 인해 프로젝트의 불확실성이 증가하고 있으며, 건설경기침체와 잦은 물가변동으로 인해 사업 이전에 공사비를 예측할 수 있는 신속하고 정확한 파악이 어려운 실정이다. 이에 사업초기단계의 공사비 예측 및 관리에 대한 중요성이 부각되고 있으며. 실무에서 적용하고 있는 공사비 예측 모델이 많은 제한사항을 가짐에 따라 공사비 예측에 관한 다수의 연구들이 진행되어 왔다. 특히 공사비 예측 정확성 향상을 위해 다중회귀분석, ...
건설사업의 다변화로 인해 프로젝트의 불확실성이 증가하고 있으며, 건설경기침체와 잦은 물가변동으로 인해 사업 이전에 공사비를 예측할 수 있는 신속하고 정확한 파악이 어려운 실정이다. 이에 사업초기단계의 공사비 예측 및 관리에 대한 중요성이 부각되고 있으며. 실무에서 적용하고 있는 공사비 예측 모델이 많은 제한사항을 가짐에 따라 공사비 예측에 관한 다수의 연구들이 진행되어 왔다. 특히 공사비 예측 정확성 향상을 위해 다중회귀분석, 시뮬레이션, 사례기반추론, 유전자 알고리즘, 신경망 등이 적극적으로 활용되고 있다. 그 중 사례기반추론, 유전자 알고리즘, 신경망을 이용하여 새로운 방법론으로서 사례기반추론과 유전자 알고리즘을 결합한 모델, 신경망과 유전자 알고리즘을 결합한 모델을 제시하고 각각의 효용성을 평가하고자 하였다.
본 연구에서 제시하는 PSC Beam 교량 개략공사비 산정모델 개발을 위한 연구내용은 다음과 같다.
1) 문헌고찰을 통하여 국ㆍ내외의 실무에서 사용하고 있는 공사비 예측모델의 공사비 산출방식에 대해 알아보고, 국내 현행 모델의 한계점을 분석한다. 또한 국․내외의 공사비 산정모델에 대한 연구동향을 분석함으로써, 현행 모델의 한계점을 극복하기 위한 공사비 예측모델의 구축방안을 제시한다.
2) 공사비 예측모델 구축을 위하여 2000년 이후에 설계 완료된 PSC Beam 251개 교량의 실시 설계보고서, 내역서, 수량산출서, 구조물도를 분석하고, 공사비 자료 데이터 베이스를 구축한다.
3) 기획단계 및 초기 설계단계의 공사비 영향요인 도출을 위하여 국․내외의 공사비 영향요인 관련 문헌고찰과 단계별 사업비 예측프로세스 분석을 통하여 교량 공사비에 영향을 미치는 요인들을 도출하고, SPSS을 이용한 회귀분석을 통하여 도출된 요인들과 공사비와의 상관관계 분석을 통하여 공사비 영향요인을 설정한다. 설정된 영향요인들을 반영한 유전자 알고리즘을 이용한 사례기반추론 모델과 신경망 모델을 구축한다.
4) 공사비 모델 구축에 활용되지 않은 데이터를 검증 데이터로 사용하여 본 연구에서 제시하는 공사비 예측모델의 정확성을 검증하며, 모델의 공사비 예측의 정확도는 AACE(Association for Advancement of Cost Engineering)에서 제시하는 하한값의 -15% ～ -30%에서 상한값의 20% ～ 50%로 설정한다.
5) 유전자 알고리즘을 이용한 사례기반추론과 신경망 공사비 예측모델의 예측 정확도를 평가 하였으며, 이와 더불어 각 모델별 투자평가지침, 도로업무편람, 예비타당성조사 등의 국내 공사비 예측모델들과도 비교하였다.. 또한, 각 모델별 가중치 산정방법에 있어 유전자 알고리즘의 적용 유․무에 따른 공사비 예측 결과 값을 비교․분석한다.
상기와 같은 연구의 수행을 통하여 본 연구에서 제시하는 PSC Beam 교량 개략공사비 산정모델은 투자평가지침, 도로업무편람, 예비타당성조사 등의 기존 공사비 예측모델의 단점을 극복하고 다양한 교량공사의 특성을 반영하여 공사비를 예측함으로써 공사비 예측업무에 효율성을 가져다 줄 수 있을 것이다.
매년 국가의 막대한 예산이 국내 도로공사에 투입되고 있으며, 이에 따라 사업 초기단계의 효율적인 예산수립의 중요성은 점점 더 커지고 있다. 기존 모델의 선형적인 부분을 보완하고 다양한 공사특성을 반영한 본 연구에서 제시하는 개략공사비 예측모델을 통하여 좀 더 신뢰성 있는 효율적인 예산수립에 있어 의사결정향상에 도움을 주고자 한다.
건설사업의 다변화로 인해 프로젝트의 불확실성이 증가하고 있으며, 건설경기침체와 잦은 물가변동으로 인해 사업 이전에 공사비를 예측할 수 있는 신속하고 정확한 파악이 어려운 실정이다. 이에 사업초기단계의 공사비 예측 및 관리에 대한 중요성이 부각되고 있으며. 실무에서 적용하고 있는 공사비 예측 모델이 많은 제한사항을 가짐에 따라 공사비 예측에 관한 다수의 연구들이 진행되어 왔다. 특히 공사비 예측 정확성 향상을 위해 다중회귀분석, 시뮬레이션, 사례기반추론, 유전자 알고리즘, 신경망 등이 적극적으로 활용되고 있다. 그 중 사례기반추론, 유전자 알고리즘, 신경망을 이용하여 새로운 방법론으로서 사례기반추론과 유전자 알고리즘을 결합한 모델, 신경망과 유전자 알고리즘을 결합한 모델을 제시하고 각각의 효용성을 평가하고자 하였다.
본 연구에서 제시하는 PSC Beam 교량 개략공사비 산정모델 개발을 위한 연구내용은 다음과 같다.
1) 문헌고찰을 통하여 국ㆍ내외의 실무에서 사용하고 있는 공사비 예측모델의 공사비 산출방식에 대해 알아보고, 국내 현행 모델의 한계점을 분석한다. 또한 국․내외의 공사비 산정모델에 대한 연구동향을 분석함으로써, 현행 모델의 한계점을 극복하기 위한 공사비 예측모델의 구축방안을 제시한다.
2) 공사비 예측모델 구축을 위하여 2000년 이후에 설계 완료된 PSC Beam 251개 교량의 실시 설계보고서, 내역서, 수량산출서, 구조물도를 분석하고, 공사비 자료 데이터 베이스를 구축한다.
3) 기획단계 및 초기 설계단계의 공사비 영향요인 도출을 위하여 국․내외의 공사비 영향요인 관련 문헌고찰과 단계별 사업비 예측프로세스 분석을 통하여 교량 공사비에 영향을 미치는 요인들을 도출하고, SPSS을 이용한 회귀분석을 통하여 도출된 요인들과 공사비와의 상관관계 분석을 통하여 공사비 영향요인을 설정한다. 설정된 영향요인들을 반영한 유전자 알고리즘을 이용한 사례기반추론 모델과 신경망 모델을 구축한다.
4) 공사비 모델 구축에 활용되지 않은 데이터를 검증 데이터로 사용하여 본 연구에서 제시하는 공사비 예측모델의 정확성을 검증하며, 모델의 공사비 예측의 정확도는 AACE(Association for Advancement of Cost Engineering)에서 제시하는 하한값의 -15% ～ -30%에서 상한값의 20% ～ 50%로 설정한다.
5) 유전자 알고리즘을 이용한 사례기반추론과 신경망 공사비 예측모델의 예측 정확도를 평가 하였으며, 이와 더불어 각 모델별 투자평가지침, 도로업무편람, 예비타당성조사 등의 국내 공사비 예측모델들과도 비교하였다.. 또한, 각 모델별 가중치 산정방법에 있어 유전자 알고리즘의 적용 유․무에 따른 공사비 예측 결과 값을 비교․분석한다.
상기와 같은 연구의 수행을 통하여 본 연구에서 제시하는 PSC Beam 교량 개략공사비 산정모델은 투자평가지침, 도로업무편람, 예비타당성조사 등의 기존 공사비 예측모델의 단점을 극복하고 다양한 교량공사의 특성을 반영하여 공사비를 예측함으로써 공사비 예측업무에 효율성을 가져다 줄 수 있을 것이다.
매년 국가의 막대한 예산이 국내 도로공사에 투입되고 있으며, 이에 따라 사업 초기단계의 효율적인 예산수립의 중요성은 점점 더 커지고 있다. 기존 모델의 선형적인 부분을 보완하고 다양한 공사특성을 반영한 본 연구에서 제시하는 개략공사비 예측모델을 통하여 좀 더 신뢰성 있는 효율적인 예산수립에 있어 의사결정향상에 도움을 주고자 한다.
Due to the diversification of construction, the uncertainty of project is increasing and it is hard to expect construction cost rapidly and correctly before the project because of constructional economic slump and frequent price fluctuation. Therefore, the importance to estimate and manage construct...
Due to the diversification of construction, the uncertainty of project is increasing and it is hard to expect construction cost rapidly and correctly before the project because of constructional economic slump and frequent price fluctuation. Therefore, the importance to estimate and manage construction cost at initial stage of project is emphasized, and according to the many limitations in construction cost estimating model which is applied to the workplace, many of studies about expectation of construction cost have been implemented. In particular, for improving the accuracy of estimating construction cost, multiple regression analysis, simulation, cases based reasoning, genetic algorithm, and neural network are used positively. Of them, as a new methodology using cases based reasoning, genetic algorithm, and neural network, I intended to suggest a model combining cases based reasoning with genetic algorithm and a model combining neural network with genetic algorithm, and to evaluate effectiveness for each. Researches for developing PSC Beam bridge construction cost estimating model which is suggested by this study are as followings:
1) Through literature review, research construction cost calculating method of its estimating model which is used at domestic and overseas working and analyze the limitation of current domestic model. Also, by analyzing research trend to domestic and overseas construction cost estimating model, suggest building plan of construction cost estimating model for overcoming the limitation of current model.
2) In order to establish construction cost estimating model, collects 251 PSC Beam bridge data on which the design has been finished since 2000. Through analyzing the data such as design report, detail estimate sheet, quantity production sheet, and structure drawing establish construction cost database for estimating construction cost estimating model by using above
3) For inducing the influencing factors on construction cost of planning and initial design stages, induce the factors effecting on bridge construction cost through considering related literature review and analyzing project cost expecting process for each stage, and set influencing factors of construction cost through analysis of correlation between factors induced via regression analysis using SPSS and construction cost. Establish cases based reasoning model and neural network model using genetic algorithm reflected set influencing factors.
4) Examine the accuracy of construction cost estimating model suggested by this study by using data which is not used to establish construction cost model as examining data, and for accuracy of construction cost estimating of model, set it as from -15% ~ -30% of lower limit value to 20% ~ 50% of upper limit value suggested by AACE(Association for Advancement of Cost Engineering).
5) Evaluating accuracy of neural network construction cost estimating model and cases based reasoning using genetic algorithm, and compare them with domestic construction cost estimating models such as investment evaluating guideline for each model, highway task manual, feasibility study. Also, compare and analyze the values of construction cost estimating results depending on application of genetic algorithm in calculating the weight for each model.
Through the implementation of above researches, PSC Beam bridge construction cost estimating model suggested by this study will bring the efficiency to construction cost estimating tasks by overcoming the weak points of existing construction cost estimating models such as investment evaluating guideline, highway task manual, feasibility study and estimating construction cost reflecting the features of various bridge constructions.
Annually national huge budgets are input into domestic road constructions, and therefore, the importance of establishing effective budget at initial stage of project is more and more emphasizing. Through construction cost estimating model suggested by this study supplementing linear parts of existing model and reflecting various construction characteristics, we intend to give a help to improvement of decision-making in establishing more reliable and efficient budgets.
Due to the diversification of construction, the uncertainty of project is increasing and it is hard to expect construction cost rapidly and correctly before the project because of constructional economic slump and frequent price fluctuation. Therefore, the importance to estimate and manage construction cost at initial stage of project is emphasized, and according to the many limitations in construction cost estimating model which is applied to the workplace, many of studies about expectation of construction cost have been implemented. In particular, for improving the accuracy of estimating construction cost, multiple regression analysis, simulation, cases based reasoning, genetic algorithm, and neural network are used positively. Of them, as a new methodology using cases based reasoning, genetic algorithm, and neural network, I intended to suggest a model combining cases based reasoning with genetic algorithm and a model combining neural network with genetic algorithm, and to evaluate effectiveness for each. Researches for developing PSC Beam bridge construction cost estimating model which is suggested by this study are as followings:
1) Through literature review, research construction cost calculating method of its estimating model which is used at domestic and overseas working and analyze the limitation of current domestic model. Also, by analyzing research trend to domestic and overseas construction cost estimating model, suggest building plan of construction cost estimating model for overcoming the limitation of current model.
2) In order to establish construction cost estimating model, collects 251 PSC Beam bridge data on which the design has been finished since 2000. Through analyzing the data such as design report, detail estimate sheet, quantity production sheet, and structure drawing establish construction cost database for estimating construction cost estimating model by using above
3) For inducing the influencing factors on construction cost of planning and initial design stages, induce the factors effecting on bridge construction cost through considering related literature review and analyzing project cost expecting process for each stage, and set influencing factors of construction cost through analysis of correlation between factors induced via regression analysis using SPSS and construction cost. Establish cases based reasoning model and neural network model using genetic algorithm reflected set influencing factors.
4) Examine the accuracy of construction cost estimating model suggested by this study by using data which is not used to establish construction cost model as examining data, and for accuracy of construction cost estimating of model, set it as from -15% ~ -30% of lower limit value to 20% ~ 50% of upper limit value suggested by AACE(Association for Advancement of Cost Engineering).
5) Evaluating accuracy of neural network construction cost estimating model and cases based reasoning using genetic algorithm, and compare them with domestic construction cost estimating models such as investment evaluating guideline for each model, highway task manual, feasibility study. Also, compare and analyze the values of construction cost estimating results depending on application of genetic algorithm in calculating the weight for each model.
Through the implementation of above researches, PSC Beam bridge construction cost estimating model suggested by this study will bring the efficiency to construction cost estimating tasks by overcoming the weak points of existing construction cost estimating models such as investment evaluating guideline, highway task manual, feasibility study and estimating construction cost reflecting the features of various bridge constructions.
Annually national huge budgets are input into domestic road constructions, and therefore, the importance of establishing effective budget at initial stage of project is more and more emphasizing. Through construction cost estimating model suggested by this study supplementing linear parts of existing model and reflecting various construction characteristics, we intend to give a help to improvement of decision-making in establishing more reliable and efficient budgets.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.