선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 사례기반추론의 단점을 보완하여 공동주택 초기 공사비를 예측 정확도를 향상시키고자 사례기반추론에 의해 선정된 유사사례를 수정하는 보정단계에서 유전자 알고리즘을 적용하여 새로운 사례에 적합한 공사비로 수정하는 방안을 제시하였다.
- 본 연구에서는 초기 · 기획단계에서의 공사비 예측이 효과적인 사업추진에 있어서 매우 중요한 요소로 작용할 수 있다는 점에 착안하여, 건설회사에서 자체 수행한 공동주택 프로젝트를 대상으로 초기 · 기획단계의 공사비를 예측하였다.
- 2001년부터 2010년에 수행한 공동주택 37개 사례 중 3개를 제외한 34개를 수집하여 사례베이스로 구축하였다. 선정된 사례는 건설회사에서 자체 시행된 프로젝트이며, 실제 투입된 공사비의 직접비를 분석자료로 이용하여 공사비 예측의 정확도를 높이고자 하였다. 실적데이터를 공사비 예측 프로세스에 이용함으로서 사례기반추론에 의해 획득된 공사비 예측자료와 실제 투입원가를 비교하여 오차율의 여부를 판단할 수 있으며, 지속적으로 사례데이터를 구축할 경우 피드백이 가능할 것으로 사료된다.
제안 방법
- 공동주택 공사비 예측에 관한 선행연구를 고찰하여 총 37가지의 공사비 영향요인을 도출하였고, 견적전문가 및 개발사업 담당자와 면담조사를 실시하여 프로젝트 초기·기획단계에서 수집할 수 있는 공사비 영향요인으로 명목적 변수 3가지와 수량적 변수 12가지를 선정하였다.
- 본 연구에서는 초기 · 기획단계에서의 공사비 예측이 효과적인 사업추진에 있어서 매우 중요한 요소로 작용할 수 있다는 점에 착안하여, 건설회사에서 자체 수행한 공동주택 프로젝트를 대상으로 초기 · 기획단계의 공사비를 예측하였다. 기수행되었던 공사의 실적공사비 데이터를 비교분석하여 새로운 프로젝트의 공사비에 가장 유사한 사례를 조회하는 사례기반추론을 이용하였으며, 조회된 사례의 공사비를 해당 사례의 속성에 맞게 수정하는 단계에서는 유전자 알고리즘을 이용하여 보정하였다. 본 연구에서 도출된 결론은 다음과 같다.
- 0K를 이용하여 회귀분석을 실시하였다. 다중회귀분석의 경우 입력변수의 선택방법에 따라 입력선택, 전진선택, 후진제거, 단계선택이 있으며, 속성간 다중공선성의 문제를 해결하기 위하여 불필요한 변수를 삭제해가며 회귀식을 구성하는 후진제거를 적용하였다. 수정된 결정계수와 유의확률을 검토하여 최적의 모델을 도출하였고, 다음 표 3은 후진선택 방식에 따라 도출된 회귀식의 결과값과 수정된 R2 및 유의확률을 나타낸 것이다.
- 본 연구에서 제시한 공동주택 공사비 예측방법을 검증하기 위하여 사례데이터베이스에 구축한 사례 중 무작위로 1가지를 선정한 후 선정된 사례 이외에 나머지 33가지의 사례는 데이터베이스에 구축되어 있는 상태로 총 5회에 걸친 검증을 실시하였다. 조회된 유사사례의 공사비와 유전자 알고리즘을 이용하여 공사비를 수정한 값의 검증결과를 표 4에 나타내었다.
- 본 연구에서는 Euclidean의 거리 측정 개념을 이용하여 속성유사도를 산출하였다. 속성유사도와 속성가중치를 산정한 이후에는 이 값들을 조합하여 사례유사도를 산정한다.
- 두 부모 염색체의 교차점을 기준으로 서로 조합하고 새로운 개체를 만들어 낸 후 돌연변이에서 새로운 개체를 만들어 내게 되는데 진화가 거듭될수록 개체들은 적합도가 높은 개체들로 변화하게 되고, 최적해로 수렴하게 된다. 본 연구에서는 유사사례를 조회하여 획득된 공사비를 새로운 속성에 적합하게 수정하는 보정 단계에서 유전자 알고리즘을 적용하였다.
- 건설 프로젝트마다 공사 속성값이 상이한 점을 고려할 때, 사례기반추론에서 조회된 사례와 새로운 사례의 속성 차이를 고려하여 조회된 공사비를 수정하는 과정이 필요하다. 본 연구에서는 유전자 알고리즘을 이용하여 저장된 사례의 속성별 차이가 공사비에 미치는 영향을 선형방정식으로 산출하여 조회된 해를 수정하였으며, 선행방정식 산출 방법은 다음과 같다. 먼저 유사사례로 선정된 사례와 사례데이터베이스에 저장된 사례들의 속성 차이가 사례별 공사비 차이에 미치는 영향을 일차식으로 나타내는 목적함수를 구성한다.
- 본 연구에서는 최근이웃 조회방법을 이용하여 유사사례를 조회하였으며, 최근이웃 조회방법을 이용하여 유사사례를 조회하는 과정과 방법을 그림 3에 나타내었다.
- 사례유사도가 가장 높은 사례가 새로운 문제와 가장 유사한 사업특성을 갖는다고 할 수 있기 때문에, 사례유사도를 기준 으로 사례데이터에 저장되어 있는 사례를 정리한 이후에 사례 유사도 점수 상위 1개의 사례를 조회한다. 그리고 해당하는 1개 사례를 1차적인 해결안으로 사용한다.
- 선행연구 고찰을 통해 공사비 조회한 영향요인 중 전문가 면담을 통해 명목적 변수 3가지와 수량적 변수 12가지를 선정하여 데이터베이스를 구축하였다. 유사사례조회 방식을 이용하여 유사사례를 조회하였으며, 그 과정에서 회귀분석의 후진 제거 방식을 이용하여 5가지의 영향요인을 최종적으로 이용하여 속성 가중치를 산출하였다.
- 선행연구 고찰을 통해 공사비 조회한 영향요인 중 전문가 면담을 통해 명목적 변수 3가지와 수량적 변수 12가지를 선정하여 데이터베이스를 구축하였다. 유사사례조회 방식을 이용하여 유사사례를 조회하였으며, 그 과정에서 회귀분석의 후진 제거 방식을 이용하여 5가지의 영향요인을 최종적으로 이용하여 속성 가중치를 산출하였다. 회귀분석의 결과를 살펴보면 연면적이 가장 높은 가중치를 나타냈으나, 다른 영향요인도 영향요인으로 적용하게 되므로 연면적을 단일로 이용하여 공사비를 산출하는 방식보다 공사의 특성을 반영할 수 있을 것으로 사료된다.
대상 데이터
- 2001년부터 2010년에 수행한 공동주택 37개 사례 중 3개를 제외한 34개를 수집하여 사례베이스로 구축하였다. 선정된 사례는 건설회사에서 자체 시행된 프로젝트이며, 실제 투입된 공사비의 직접비를 분석자료로 이용하여 공사비 예측의 정확도를 높이고자 하였다.
- 공사비 데이터의 경우 공사수행시기가 상이함에 따라 공사비 예측의 오차를 줄이고자 건설공사비 지수를 이용하여 보정하였다. 한국건설기술연구원에서 발표하는 건설공사비 지수를 이용하였으며, 2010년 1월을 기준년도로 설정하였다. 입력변수 역시 영향요인별로 단위가 상이하여 유사사례를 조회하는 과정에서 영향요인의 특성을 충분히 반영하지 못하는 문제가 발생할 수 있어 표준화된 수치로 변환하였다.
데이터처리
- 유사사례의 예측정확도에 가장 밀접한 영향을 줄 수 있는 수치이기 때문에 선행연구자에 의하여 다수의 연구가 수행되었으며 본 연구에서는 회귀분석을 이용하였다. 앞서 3장에서 표준화된 자료를 이용하였으며, SPSS 12.0K를 이용하여 회귀분석을 실시하였다. 다중회귀분석의 경우 입력변수의 선택방법에 따라 입력선택, 전진선택, 후진제거, 단계선택이 있으며, 속성간 다중공선성의 문제를 해결하기 위하여 불필요한 변수를 삭제해가며 회귀식을 구성하는 후진제거를 적용하였다.
- 속성가중치의 산정은 유사사례 조회에 적용하기 위하여 공사비에 미치는 영향을 토대로 가중치를 산출하는 단계이다. 유사사례의 예측정확도에 가장 밀접한 영향을 줄 수 있는 수치이기 때문에 선행연구자에 의하여 다수의 연구가 수행되었으며 본 연구에서는 회귀분석을 이용하였다. 앞서 3장에서 표준화된 자료를 이용하였으며, SPSS 12.
- 회귀분석의 결과값 중 표준화계수 베타값(ß)의 절대값을 속성가중치로 이용하였다.
이론/모형
- 속성별 차이를 반영하는 가중치를 새로운 사례와 조회된 사례의 속성 차이와 곱하여 합산한 후 속성별 변화에 따른 공사비 추이를 조회된 공사비에 반영한다. 본 연구에서는 유전자알고리즘의 사용화 프로그램인 Evolver 5.5.1을 이용하였다. 유전자 알고리즘을 이용하여 조회된 사례의 공사비를 수정하는 프로세스를 정리하면 아래 그림 4와 같다.
성능/효과
- 조회된 유사사례의 공사비와 유전자 알고리즘을 이용하여 공사비를 수정한 값의 검증결과를 표 4에 나타내었다. 사례 1을 대상으로 유사사례를 조회한 결과의 오차율은 18.94%로 나타났으나, 유전자 알고리즘을 이용하여 수정한 공사비의 오차율은 6.03%로 낮아졌다. 이외에도 검증 사례로 선정된 모든 사례에 있어서 오차율이 낮아진 것으로 보아 본 논문에서 제시한 방법의 유효성이 높은 것으로 나타났다.
- 03%로 낮아졌다. 이외에도 검증 사례로 선정된 모든 사례에 있어서 오차율이 낮아진 것으로 보아 본 논문에서 제시한 방법의 유효성이 높은 것으로 나타났다.
- 회귀분석의 결과를 살펴보면 연면적이 가장 높은 가중치를 나타냈으나, 다른 영향요인도 영향요인으로 적용하게 되므로 연면적을 단일로 이용하여 공사비를 산출하는 방식보다 공사의 특성을 반영할 수 있을 것으로 사료된다. 조회된 유사사례의 공사비를 유전자 알고리즘을 통해 산정된 1차식을 토대로 수정한 결과, 수정된 공사비의 경우 사례기반추론을 통해 조회된 유사사례보다도 평균 오차율이 20.56%에서 11.31%로 감소함에 따라 보다 정확도가 높은 공사비를 예측할 수 있을 것으로 기대된다.
- 유사사례조회 방식을 이용하여 유사사례를 조회하였으며, 그 과정에서 회귀분석의 후진 제거 방식을 이용하여 5가지의 영향요인을 최종적으로 이용하여 속성 가중치를 산출하였다. 회귀분석의 결과를 살펴보면 연면적이 가장 높은 가중치를 나타냈으나, 다른 영향요인도 영향요인으로 적용하게 되므로 연면적을 단일로 이용하여 공사비를 산출하는 방식보다 공사의 특성을 반영할 수 있을 것으로 사료된다. 조회된 유사사례의 공사비를 유전자 알고리즘을 통해 산정된 1차식을 토대로 수정한 결과, 수정된 공사비의 경우 사례기반추론을 통해 조회된 유사사례보다도 평균 오차율이 20.
- 후진선택의 방법을 이용한 결과, 층고, 지붕형식, 평균평수, 지하층수, 동수, 연면적의 5개 변수가 영향요인으로 선정되었다. 수정된 R2값이 0.
후속연구
- 가장 유사한 사례를 조회한 후 새로운 문제의 특성을 반영하기 위하여 기존의 해를 수정하는 과정이다. 본 연구의 범위인 공동주택 개발사업의 경우, 새로운 프로젝트와 가장 유사한 사례로 조회되었다고 할지라도 모든 속성이 동일하지는 않기 때문에 속성의 차이에 따라 공사비를 수정하는 방안에 관한 연구가 필요하다.
- 본 연구의 한계점으로는 사례가 충분하지 못하여 유사사례 조회 및 유전자 알고리즘을 통해 산출된 일차식의 검증에 다소 한계가 있었으며, 지속적인 사례 구축을 통한 보완이 필요할 것으로 사료된다.
- 선정된 사례는 건설회사에서 자체 시행된 프로젝트이며, 실제 투입된 공사비의 직접비를 분석자료로 이용하여 공사비 예측의 정확도를 높이고자 하였다. 실적데이터를 공사비 예측 프로세스에 이용함으로서 사례기반추론에 의해 획득된 공사비 예측자료와 실제 투입원가를 비교하여 오차율의 여부를 판단할 수 있으며, 지속적으로 사례데이터를 구축할 경우 피드백이 가능할 것으로 사료된다. 37개의 프로젝트를 공사기간 완료시점과 공시지역으로 분류하여 나타내면 다음 표 1과 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.