Since the amendment of the law on the private sector investment in social infrastructure in January of 2005, the government has been actively promoting Build-Transfer-Lease (BTL) projects. Notably, most new educational facilities have been built as BTL projects. For these facilities, the unit cost per unit area has been applied to predict construction costs. However, since construction costs are mostly managed after the detailed design phase, the costs can be estimated incorrectly. For this reason, cost management is needed in the planning phase, with a sound approximate estimate to prevent the wasteful use of funds. To address this shortcoming, this study aims to develop a quantity prediction model for education facilities using regression analysis in the planning phase. The developed model is focused on the required quantities of reinforced concrete and bricks. In order to achieve the objective, the data of 44 educational facility projects collected from Gyeonggi-do was used in the regression model. This study can be utilized by major stakeholders to accurately predict construction costs by estimating the appropriate quantities of reinforced concrete and bricks in the planning design phase.
The purpose of this study is to predict more accurate construction costs and to support efficient decision making in the planning and design stages of smart education facilities. The higher the error in the projected cost, the more risk a project manager takes. If the manager can predict a more accurate construction cost in the early stages of a project, he/she can secure a decision period and support a more rational decision. During the planning and design stages, there is a limited amount of variables that can be selected for the estimating model. Moreover, since the number of completed smart schools is limited, there is little data. In this study, various artificial intelligence models were used to accurately predict the construction cost in the planning and design phase with limited variables and lack of performance data. A theoretical study on an artificial neural network and deep learning was carried out. As the artificial neural network has frequent problems of overfitting, it is found that there is a problem in practical application. In order to overcome the problem, this study suggests that the improved models of Deep Neural Network and Deep Belief Network are more effective in making accurate predictions. Deep Neural Network (DNN) and Deep Belief Network (DBN) models were constructed for the prediction of construction cost. Average Error Rate and Root Mean Square Error (RMSE) were calculated to compare the error and accuracy of those models. This study proposes a cost prediction model that can be used practically in the planning and design stages.
As construction projects become larger and more complex in the construction environment, and as the Building Information Model(BIM) is technically introduced, the demand for construction costs in units of space is increasing. Cost estimating of spacial element can reduce the error in cost prediction method based on cost of work type and to utilize the construction cost data for each space in the design phase. The purpose of this study is to extract spatial statements by utilizing spacial information of quantitative statements based on items that are common elements of the Quantity Take-Off and Bill of Quantity.
Byungki Kwon;Hyun-soo Lee;Moonseo Park;Hyunsoo Kim
국제학술발표논문집
/
The 4th International Conference on Construction Engineering and Project Management Organized by the University of New South Wales
/
pp.58-65
/
2011
Construction Productivity is one of the most important elements in construction management. It is used in construction process scheduling and cost management, which are significant sector in construction management. It is important to make appropriate schedule and monitor how works are done within schedule. But construction project contains uncertainty and inexactitude, modifying construction schedule is being an issue to manage construction works well. Even though prediction and monitoring of productivity can be principal activity, it is hard to predict productivity with manager's experience and a standard of estimate. A large number of factors influencing productivity, such as drawing, construction method, weather, labor, material, equipment, etc. But current calculation of productivity depends on empirical probability, not consider difference of each influencing factor. In this research, the aim is to present a productivity predicting regression model of form work, which includes effectiveness of influences factors. 5 variables existed inside form work are selected by interview and site research based on literature review of existed various productivity influencing factors. The effectiveness and correlation of productivity influencing factors are analyzed by statistical approach, and it is used to make productivity regression model. The finding of this research will improves monitoring and controlling of project schedule in construction phase.
The maintenance and repair period consists the largest part of a construction project life cycle cost. However, it has been analyzed that the repairing plan relies on regulations and the officers' experience mostly that sometimes lead to performing unnecessary work. Moreover, the data occurred during repairing have not been stored in a system that can be used in future plans. Therefore, the purpose of this study is to suggest a repairing cost and time predicting model by applying the properties of the building.
TBM is widely used in the construction of various underground projects in the current world, and has the unique advantages that cannot be compared with traditional excavation methods. However, due to the high cost of TBM, the damage is even greater when geological disasters such as collapse occur during excavation. At present, there is still a shortage of research on various types of risk prediction of TBM tunnel, and accurate and reliable risk prediction model is an important theoretical basis for timely risk avoidance during construction. In this paper, a prediction model is proposed to evaluate the risk level of tunnel collapse by establishing a reasonable risk index system, using analytic hierarchy process to determine the index weight, and using the normal cloud model theory. At the same time, the traditional analytic hierarchy process is improved and optimized to ensure the objectivity of the weight values of the indicators in the prediction process, and the qualitative indicators are quantified so that they can directly participate in the process of risk prediction calculation. Through the practical engineering application, the feasibility and accuracy of the method are verified, and further optimization can be analyzed and discussed.
The 1th International Conference on Construction Engineering and Project Management
/
pp.913-916
/
2005
This paper presents the development of Artificial Neural Network models for forecasting the cost and contract duration of school reconstruction projects to assist the planners' decision-making in the early stage of the projects. 132 schools reconstruction projects in central Taiwan, which received the most serious damage from the Chi-Chi Earthquake, were collected. The developed Artificial Neural Network prediction models demonstrate good prediction abilities with average error rates under 10% for school reconstruction projects. The analytical results indicate that the Artificial Neural Network model with back-propagation learning is a feasible method to produce accurate prediction results to assist planners' decision-making process.
The 6th International Conference on Construction Engineering and Project Management
/
pp.349-352
/
2015
Size of building has a direct relationship with building cost, energy use and space maintenance cost. Therefore, minimizing building size during a project development is of paramount importance against such wastes. However, incautious reduction of building size may result in crowded space, and therefore harms the functionality despite the fact that building is supposed to satisfactorily support users' activity. A well-balanced design solution is, therefore, needed at an optimum level that minimizes building size in tandem with providing sufficient space to maintain functionality. For such design, architects and engineers need to be informed accurate and reliable space-use information. We present in this paper a conceptual framework of an agent-based space-use prediction simulation system that provides individual level space-use information over time in a building in consideration of project specific user information and activity schedules, space preference, ad beavioural rules. The information will accordingly assist architects and engineers to optimize space of the building as appropriate.
Risks, uncertainties, and associated cost overruns are critical problems for construction projects. Cost contingency is an important funding source for these unforeseen events and is included in the base estimate to help perform financially successful projects. In order to predict more accurate contingency, many empirical models using regression analysis and artificial neural network method have been proposed and showed its viability to minimize prediction errors. However, categorical factors on contingency cannot have been treated and thus considered in these empirical models since those models are able to treat only numerical factors. This paper identified potential factors on contingency in transportation construction projects and evaluated categorical factors using the one-way ANOVA statistical method. Among factors including project work type, delivery method type, contract agreement type, bid award type, letting type, and geographical location, two factors of project work type and contract agreement type were found to be statistically important on allocating cost contingency.
건설사업 수행의 초기단계에서 가장 중요한 과제는 적정 예정공사비를 산정하는 일이다. 따라서 본 연구에서는 공동주택 건설사업 초기단계에서 합리적이고 정확한 토목공사비의 예측을 위하여 170개의 공사비자료를 활용한 회귀분석을 실시하였고, 종속변수인 토목공사비를 지역위치에 따른 전국, 부지조건에 따른 사유지, 조합부지, 공공부지로 구분하여 다양한 분석을 함으로써 예측모델의 이용의 편리성과 정확성을 높였다. 회귀식을 이용한 공동주택 토목공사비의 예측 결과 오차율은 전국 적용 예측모델 15.59%, 사유지 적용 예측모델 17.53%, 조합부지 적용 예측모델 21.86%, 공공부지 적용 예측모델 13.08%로 나타났다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.