건축 프로젝트는 그 다양성과 특수성으로 인해 많은 불확실성을 갖고 있다. 이러한 불확실성을 해소하기 위해 공사비 예측은 건축 프로젝트의 전 과정에 걸쳐 반복적으로 이루어져야 하며 특히 초기단계의 공사비 예측은 효과적인 사업 추진을 위해 매우 중요한 과정이다. 통상 초기단계 공사비 예측은 과거에 수행되었던 실적공사와의 비교를 기반으로 하며, 이러한 원리를 이용한 기계학습방법이 사례기반추론이다. 사례기반추론은 해결하고자 하는 문제와 유사한 사례를 데이터베이스에서 검색, 수정하여 해답을 얻는 방법으로 이를 위해서는 속성 유사도와 속성 가중치의 정의가 필요하다. 그러나 속성 가중치를 결정하는 문제에 있어서, 기존의 방법들은 정성변수의 속성 가중치 결정이 불가능하다는 단점이 있으며, 이는 사례기반추론에 사용할 수 있는 변수를 한정시키기 때문에 공사비 예측의 정확성을 저해시키는 요인이 되고 있다. 따라서 본 연구는 최적화 문제를 해결하는 기법의 하나인 유전 알고리즘을 이용하여 정성변수의 속성 가중치 결정 방법을 제안하고, 이를 국방 병영생활관과 공공아파트에 적용하여 그 유효성을 검증하였다.
건축 프로젝트는 그 다양성과 특수성으로 인해 많은 불확실성을 갖고 있다. 이러한 불확실성을 해소하기 위해 공사비 예측은 건축 프로젝트의 전 과정에 걸쳐 반복적으로 이루어져야 하며 특히 초기단계의 공사비 예측은 효과적인 사업 추진을 위해 매우 중요한 과정이다. 통상 초기단계 공사비 예측은 과거에 수행되었던 실적공사와의 비교를 기반으로 하며, 이러한 원리를 이용한 기계학습방법이 사례기반추론이다. 사례기반추론은 해결하고자 하는 문제와 유사한 사례를 데이터베이스에서 검색, 수정하여 해답을 얻는 방법으로 이를 위해서는 속성 유사도와 속성 가중치의 정의가 필요하다. 그러나 속성 가중치를 결정하는 문제에 있어서, 기존의 방법들은 정성변수의 속성 가중치 결정이 불가능하다는 단점이 있으며, 이는 사례기반추론에 사용할 수 있는 변수를 한정시키기 때문에 공사비 예측의 정확성을 저해시키는 요인이 되고 있다. 따라서 본 연구는 최적화 문제를 해결하는 기법의 하나인 유전 알고리즘을 이용하여 정성변수의 속성 가중치 결정 방법을 제안하고, 이를 국방 병영생활관과 공공아파트에 적용하여 그 유효성을 검증하였다.
For construction projects, the importance of early cost estimates is highly recognized by the project team and sponsoring organization because early cost estimates are frequently a foundation of business decisions as well as a basis for identifying any changes as the project progresses from design t...
For construction projects, the importance of early cost estimates is highly recognized by the project team and sponsoring organization because early cost estimates are frequently a foundation of business decisions as well as a basis for identifying any changes as the project progresses from design to construction. However, it is difficult to accurately estimate construction cost in the early stage of a project due to various uncertainties in construction. To deal with these uncertainties, cost estimates should be made several times over the course of the project. In particular, early cost estimates are essential process for successful project management. For accurate construction cost estimates, it is necessary to compare cost estimates with actual costs based on historical project data. In this context, case-based reasoning (CBR), which is the process of solving new problems based on the solutions of similar past problems, can be considered as an effective method for cost estimating. To obtain this, it is also required to define the attribute similarities and the attribute weights. However, no existing method is capable of determining attribute weights of qualitative variables. Consequently, it has been a well-known barrier of accurate early cost estimates. Using Genetic Algorithms (GA), this research suggests the method of determining the attribute weight of qualitative variables. Based on building project case studies, the proposed methodology was validated.
For construction projects, the importance of early cost estimates is highly recognized by the project team and sponsoring organization because early cost estimates are frequently a foundation of business decisions as well as a basis for identifying any changes as the project progresses from design to construction. However, it is difficult to accurately estimate construction cost in the early stage of a project due to various uncertainties in construction. To deal with these uncertainties, cost estimates should be made several times over the course of the project. In particular, early cost estimates are essential process for successful project management. For accurate construction cost estimates, it is necessary to compare cost estimates with actual costs based on historical project data. In this context, case-based reasoning (CBR), which is the process of solving new problems based on the solutions of similar past problems, can be considered as an effective method for cost estimating. To obtain this, it is also required to define the attribute similarities and the attribute weights. However, no existing method is capable of determining attribute weights of qualitative variables. Consequently, it has been a well-known barrier of accurate early cost estimates. Using Genetic Algorithms (GA), this research suggests the method of determining the attribute weight of qualitative variables. Based on building project case studies, the proposed methodology was validated.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 건설사업의 초기단계 공사비 예측을 위해 유전 알고리즘을 이용한 사례기반추론 코스트 모델의 정성변수 속성가중치 산정 방법을 제시하고 그 유효성을 검증하고자 다음의 절차와 방법에 따라 연구를 진행한다.
본 연구는 기존에 불가능하였던 정성변수의 속성가중치 산정을 가능하게 함으로써 사례기반추론에 적용 가능한 속성의 범위를 확장하였다는데 그 의의가 있다. 본 연구에서는 명목척도를 가지는 정성변수의 예를 들었지만, 마감등급이나 정보통신등급 등과 같은 서열척도를 가지는 정성변수에도 적용가능하다.
본 연구에서는 이러한 단점을 보완하기 위해 기존의 유전 알고리즘 기반의 속성가중치 산정 방법을 개선하여 정성변수 속성가중치 산정이 가능한 새로운 방법을 제안하였다. 제안한 방법은 기존의 방법과 비교해 볼 때 그 정확도 및 안정성이 향상된 것으로 나타났으며, 이는 제안한 방법이 충분히 활용가능하다는 것을 나타내고 있다.
사례기반추론에서 속성 가중치를 산정하기 위해서는 공사비에 영향을 미치는 속성을 찾고, 속성과 공사비와의 관계를 바탕으로 속성 가중치의 해를 구해야 한다. 본 연구에서는 이러한 문제를 해결하기 위해 사례기반추론 코스트 모델의 속성가중치 산정에 유전 알고리즘을 사용하여 속성들과 공사비의 관계를 가장 잘 설명해 줄 수 있는 속성 가중치의 최적 해를 도출하였다.
이러한 문제를 해결하고자, 본 연구는 유전 알고리즘을 이용한 사례기반추론 코스트 모델의 속성가중치 산정 방법을 제시한다. 이 방법은 정량변수와 정성변수의 속성가중치 값을 함께 할당할 뿐 아니라 정성변수의 속성값 자체를 정량화된 값으로 변환하여, 유사사례 검색 시 고려되는 속성의 차원을 증가시킨다.
가설 설정
구하고자 하는 것이 속성의 가중치이므로 Wj의 제약조건을 0 ≤ Wj ≤ 1로 만들기 위해 우선 정량변수에 해당하는 영향요인(속성)과 공사비가 정규분포를 따른다고 가정하고 표준화하고 이를 0에서 1 사이의 값을 갖도록 누적정규분포로 변환하였다.
제안 방법
(2) 초기집단 해를 생성하고, 적합도를 평가한다.
(3) 분석된 한계점을 개선하기 위한 유전알고리즘 기반의 속성가중치 산정 방법을 제시한다.
(4) 제시된 방법을 국방 병영생활관 사업과 공공아파트 사업에 적용하여 그 유효성을 검증한다.
이때의 오차율의 절대평균편차를 비교함으로써 어떤 모델의 예측율이 우수한지 비교할 수 있다. 또한 오차율의 절대값의 표준편차를 비교함으로써 공사비 예측 모델의 안정성을 비교하였다.
본 연구 방법론과 기존 GA-CBR 모델은 유전 알고리즘을 지원하는 상용 프로그램인 ‘Evolver 4.0'을 이용하여 사례기반추론의 속성 가중치를 산정하였다.
본 연구는 유전 알고리즘을 이용한 최적화 과정에서 정성변수에 임의의 변수를 할당하고 속성가중치와 함께 최적화하는 방법을 사용하여 Ji et al.(2009)이 제시한 방법을 정성변수의 속성가중치 산정이 가능하도록 개선한 것이다.
본 연구에서 제시한 정성변수 속성가중치 산정 모델의 활용성을 평가하기 위해, 관련 프로젝트 수행으로 자료 접근이 용이한 국방부 병영생활관과 A공사 공공아파트의 두 가지 대상에 대해 사례 적용 및 검증을 실시하였다.
수집된 자료 중 검증용 사례를 제외한 105개 사례를 바탕으로 정성변수 속성가중치 산정을 위한 데이터베이스를 구축하였다. 이를 바탕으로 사업 초기단계에서 얻을 수 있는 영향요인들 중 전문가와 면담을 통해 병영생활관의 직접공사비에 영향을 미칠 것으로 예상되는 6가지 영향요인을 도출하였으며, 이는 표 3과 같다.
수집된 자료 중 검증용 사례를 제외한 76개 사례를 바탕으로 정성변수 속성가중치 산정을 위한 데이터베이스를 구축하였다. 이를 바탕으로 사업 초기단계에서 얻을 수 있는 영향요인들 중 전문가와 면담을 통해 공공아파트의 직접공사비에 영향을 미칠 것으로 예상되는 10가지 영향요인을 도출하였으며, 이는 표 6과 같다.
0'을 이용하여 사례기반추론의 속성 가중치를 산정하였다. 유전 알고리즘의 조건은 교차확률=0.05, 변이 확률=0.1을 이용하였으며 초기집단 해는 50개, 정지조건은 n=5,000,000번으로 설정하였다. 회귀분석의 경우 상용 프로그램인 ‘SPSS v12.
을 할당한다. 이렇게 정해 놓은 임의의 변수를 속성가중치와 함께 유전 알고리즘으로 최적화한다.
수집된 자료 중 검증용 사례를 제외한 76개 사례를 바탕으로 정성변수 속성가중치 산정을 위한 데이터베이스를 구축하였다. 이를 바탕으로 사업 초기단계에서 얻을 수 있는 영향요인들 중 전문가와 면담을 통해 공공아파트의 직접공사비에 영향을 미칠 것으로 예상되는 10가지 영향요인을 도출하였으며, 이는 표 6과 같다. 또한 프로젝트의 수행년도가 2006년에서 2008년까지 분포되어 있으므로 이를 건설기술연구원에서 발행하는 건설공사비 지수 중 공공아파트에 해당하는 ‘123_주택건축’의 건설공사비 지수를 이용하여 2008년도 기준으로 변환하였다.
수집된 자료 중 검증용 사례를 제외한 105개 사례를 바탕으로 정성변수 속성가중치 산정을 위한 데이터베이스를 구축하였다. 이를 바탕으로 사업 초기단계에서 얻을 수 있는 영향요인들 중 전문가와 면담을 통해 병영생활관의 직접공사비에 영향을 미칠 것으로 예상되는 6가지 영향요인을 도출하였으며, 이는 표 3과 같다.
각각의 검증 대상에 대해 단순무작위추출법을 이용하여 무작위로 10개의 사례를 선정하였다. 이를 본 연구에서 제시한 방법론, 동일 가중치, 회귀분석, 정성변수를 고려하지 않은 기존 유전알고리즘을 이용한 방법론을 적용한 각각의 사례기반추론 모델에 입력하고, 예측하고자 하는 대상의 직접공사비와 유사도 점수 상위 5개의 직접공사비 평균을 비교하였다. 이때의 오차율의 절대평균편차를 비교함으로써 어떤 모델의 예측율이 우수한지 비교할 수 있다.
대상 데이터
(1) 연구의 범위는 건설사업의 초기공사비 예측을 위한 사례기반추론 코스트 모델을 대상으로 한다.
본 연구에서 사용한 자료는 2005년부터 2008년까지 4년 간 시공되었던 국방 병영생활관 3개 군의 직접공사비 자료이다. BTL사업과 설계시공일괄입찰사업과 같은 특수한 경우를 제외한 본 연구에서 사용된 자료의 수는 115개이다. 분석대상 사업 개요는 표 2와 같다.
각각의 검증 대상에 대해 단순무작위추출법을 이용하여 무작위로 10개의 사례를 선정하였다. 이를 본 연구에서 제시한 방법론, 동일 가중치, 회귀분석, 정성변수를 고려하지 않은 기존 유전알고리즘을 이용한 방법론을 적용한 각각의 사례기반추론 모델에 입력하고, 예측하고자 하는 대상의 직접공사비와 유사도 점수 상위 5개의 직접공사비 평균을 비교하였다.
본 연구에서 사용한 자료는 2005년부터 2008년까지 4년 간 시공되었던 국방 병영생활관 3개 군의 직접공사비 자료이다. BTL사업과 설계시공일괄입찰사업과 같은 특수한 경우를 제외한 본 연구에서 사용된 자료의 수는 115개이다.
본 연구에서 사용한 자료는 2006년부터 2008년까지 3년 간 시공되었던 A공사 4개 지구의 84면적형 공공아파트의 동별 공사비 자료이다. 사용된 자료의 수는 86개이다.
본 연구에서 사용한 자료는 2006년부터 2008년까지 3년 간 시공되었던 A공사 4개 지구의 84면적형 공공아파트의 동별 공사비 자료이다. 사용된 자료의 수는 86개이다.
이론/모형
본 연구에서는 Ji et al.(2009)이 제시한 사례의 거리를 측정하는 방법인 유클리디안 거리측정원리를 기반으로 하는 방법론을 사용하였으며, 이는 식 (1)과 같다.
또한 귀납적 조회 방법에 비해 잘못되거나 누락된 데이터의 영향을 적게 받기 때문에 코스트 모델의 안정성을 향상시킬 수 있다. 따라서 본 연구에서는 사례기반추론의 유사사례 조회 방법으로 최근이웃 조회 방법을 사용한다. 그림1은 최근이웃 조회 방법의 프로세스를 나타낸 것이다.
성능/효과
(1) 변수의 속성에 따라 정량변수는 표준화, 정성변수에는 임의의 변수를 할당한다.
표 5는 정확도를 비교한 결과이다. 개별 사례에 따라서는 조금씩 차이가 있지만, 본 연구에서 제시한 정성변수를 고려하여 유전 알고리즘을 이용하여 산정한 속성가중치를 적용하였을 때 평균 오차율이 감소하였다. 또한 표준편차의 경우에도 본 연구의 방법을 적용하였을 때 더욱 감소하였다.
표 8은 정확도를 비교한 결과이다. 공공아파트의 경우에도 병영생활관과 마찬가지로 본 연구에서 제시한 정성변수 속성가중치산정 모델을 적용하였을 경우 평균오차율 및 표준편차가 감소하는 것을 확인할 수 있다. 이는 본 연구의 방법이 타 방법에 비해 정확도 및 안정성 측면에서 가장 우수한 것을 나타내고 있다.
또한 표준편차의 경우에도 본 연구의 방법을 적용하였을 때 더욱 감소하였다. 이는 정성변수를 이용하여 사례기반추론을 진행할 경우 기존의 방법에 비해 예측 정확도 및 공사비 예측 모델의 안정성이 상승한다는 것을 보여주는 결과로, 본 연구에서 제시한 방법이 타당하며 적용 가능하다는 것을 보여준다.
본 연구에서는 이러한 단점을 보완하기 위해 기존의 유전 알고리즘 기반의 속성가중치 산정 방법을 개선하여 정성변수 속성가중치 산정이 가능한 새로운 방법을 제안하였다. 제안한 방법은 기존의 방법과 비교해 볼 때 그 정확도 및 안정성이 향상된 것으로 나타났으며, 이는 제안한 방법이 충분히 활용가능하다는 것을 나타내고 있다.
후속연구
(2) 문헌조사로 사례기반추론과 유전 알고리즘의 이론적 내용을 고찰하고 선행연구를 분석하여 기존 속성가중치 산정 방법의 시사점 및 한계점을 도출한다.
이 방법은 정량변수와 정성변수의 속성가중치 값을 함께 할당할 뿐 아니라 정성변수의 속성값 자체를 정량화된 값으로 변환하여, 유사사례 검색 시 고려되는 속성의 차원을 증가시킨다. 따라서 주어진 문제와 보다 유사한 사례를 추출할 수 있으며, 결과적으로 더 정확한 공사비 예측을 기대할 수 있다.
본 연구는 국방부 병영생활관과 A공사 공공아파트를 대상으로 연구를 진행하였기 때문에 다른 대상에 적용시킬 경우 추가적인 연구가 필요하다. 향후 연구에서는 사례기반추론의 4가지 단계 중 수정 및 저장 단계에 대한 연구를 통해 유전 알고리즘 기반 사례기반추론의 사용성을 높이는 연구가 필요하다.
본 연구는 기존에 불가능하였던 정성변수의 속성가중치 산정을 가능하게 함으로써 사례기반추론에 적용 가능한 속성의 범위를 확장하였다는데 그 의의가 있다. 본 연구에서는 명목척도를 가지는 정성변수의 예를 들었지만, 마감등급이나 정보통신등급 등과 같은 서열척도를 가지는 정성변수에도 적용가능하다.
본 연구는 국방부 병영생활관과 A공사 공공아파트를 대상으로 연구를 진행하였기 때문에 다른 대상에 적용시킬 경우 추가적인 연구가 필요하다. 향후 연구에서는 사례기반추론의 4가지 단계 중 수정 및 저장 단계에 대한 연구를 통해 유전 알고리즘 기반 사례기반추론의 사용성을 높이는 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
공사비 예측이 포함하는 과정은?
건설사업의 완성에는 많은 시간과 자원이 소요되기 때문에 사업의 전 단계에 걸쳐서 공사비 예측이 반복적으로 이루어진다. 공사비 예측은 건설공사에 투입되는 자원의 구체적인 내용과 작업 프로세스 등 기술적인 사항을 금액 단위로 환산하는 과정을 포함한다. 구체적인 공사 정보가 확정되지 않은 초기단계에서는 보다 제한적인 공사의 내용 및 특성 정보만을 이용하여 공사비를 예측한다.
건설사업의 완성 과정에 반복적으로 이루어지는 것은?
건설사업의 완성에는 많은 시간과 자원이 소요되기 때문에 사업의 전 단계에 걸쳐서 공사비 예측이 반복적으로 이루어진다. 공사비 예측은 건설공사에 투입되는 자원의 구체적인 내용과 작업 프로세스 등 기술적인 사항을 금액 단위로 환산하는 과정을 포함한다.
구체적인 공사정보가 없는 초기단계에는 공사비 예측이 어떻게 이루어지는가?
공사비 예측은 건설공사에 투입되는 자원의 구체적인 내용과 작업 프로세스 등 기술적인 사항을 금액 단위로 환산하는 과정을 포함한다. 구체적인 공사 정보가 확정되지 않은 초기단계에서는 보다 제한적인 공사의 내용 및 특성 정보만을 이용하여 공사비를 예측한다. 특히 초기단계 공사비 예측은 사업의 성패를 좌우하는 중요 의사결정에 큰 영향을 미친다(Trost and Oberlender 2003, 김수영 외 4인 2009).
참고문헌 (23)
김광희, 강경인(2004), "사례기반추론 기법을 이용한 공동주택 초기 공사비 예측에 관한 연구", 대한건축학회 논문집(구조계), 제 20권 5호, pp. 83-92
이지은(1998)," 사례기반 시스템의 이론적 고찰 및 구현 현황", 경영학연구 제 6호, 상명대학교 경영연구소
지창윤(2009)," 공동주택 건설공사의 공사비 예측정확도 향상을 위한 CBR-Revision Model", 서울시립대학교 석사학위논문
Aamodt, A. and Plaza, E. (1994). "Case-based reasoning: Foundational issues, methodological variations and system approaches", AI Communications, 7(1), pp. 35-39
Barletta, R. (1991). "An introduction to case-based reasoning", AI Expert, 6(8), pp. 42-49
Brown, C. E. and Gupta, U. G. (1994). "Applying casebased reasoning to the accounting domain", Intelligent Systems in Accounting Finance and Management, 3, pp. 205-221.
Burkhard, H. D. (2001). " Similarity and Distance in Casebased Reasoning", Fundamenta Informaticea, 47, pp. 201-215.
Chun, S. H. and Park, Y. J. (2006). "A new hybrid data mining technique using a regression case based reasoning: Application to financial forecasting", Expert Systems with Applications, 31(2), pp. 329-336
Dogan, S. Z., Arditi, D. and Gnaydin, H. M. (2006). "Determining attribute weights in a CBR model for early cost prediction of structural systems", ASCE Journal of Construction Engineering and Management, 132(10), pp. 1092-1098
Duverlie, P and Castelain, J. M. (1999), "Cost Estimation During Design Step: Parametric Method versus Case Based Reasoning Method", The International Journal of Advanced Manufacturing Technology, 15, pp. 895-906
Goh, Y. M. and Chua, D. K. H. (2009). "Case-Based Reasoning for Construction Hazard Identification: Case Representation and Retrieval", Journal of Construction Engineering and Management, 135(11), ASCE, pp. 1181-1189
Ji, S. H. et al. (2009). "Cost Estimation Model for Building Projects Using Case-Based Reasoning", Submitted to the Canadian Journal of Civil Engineering at oct 21st. 2009.
Kolodner, J. (1993). Case-Based Reasoning. Morgan Kaufmann Publishers Inc.
Luu, D. T., Ng, S. T. and Chen, S. E.. (2005)." Formulating procurement selection criteria through case-based reasoning approach". Journal of Computing in Civil Engineering, 19(3), pp. 269-276
Park, C. S. and Han, I. (2002). "A case-based reasoning with the feature weights derived by analytic hierarchy process for bankruptcy prediction", Expert Systems with Applications, 23(3), pp. 255-264
Trost, S. M and Oberlender, G. D. (2003). "Predicting Accuracy of Early Cost Estimates Using Factor Analysis and Multivariate Regression", Journal of Construction Engineering and Management, 129(2), ASCE, pp. 198-204.
Yau, N. J. and Yang, J. B. (1998)." Case-Based Reasoning in Construction Management", Computer-Aided Civil and Infrastructure Engineering, 13, pp. 143-150
※ AI-Helper는 부적절한 답변을 할 수 있습니다.