摘?要：人工智能技術(shù)對(duì)工程造價(jià)過(guò)程的影響因素頗多，這些因素之間在某種程度上是相互關(guān)聯(lián)的，但有些是冗余的。本文運(yùn)用主成分分析的方法，在人工智能技術(shù)的前提條件下，為了五個(gè)主成分對(duì)影響工程造價(jià)過(guò)程的12個(gè)因素進(jìn)行歸納分析，表示出它們的同時(shí)也構(gòu)造了主成分綜合評(píng)價(jià)函數(shù)，從而得出人工智能技術(shù)對(duì)工程造價(jià)的算量過(guò)程影響最大。使在人工智能技術(shù)的背景下，影響工程造價(jià)過(guò)程的多維指標(biāo)得以實(shí)現(xiàn)，并為人工智能技術(shù)對(duì)工程造價(jià)過(guò)程的影響因素的研究提供參考。

關(guān)鍵詞：人工智能技術(shù);工程造價(jià)過(guò)程;影響因素研究;主成分分析

1?概述

人工智能技術(shù)指計(jì)算機(jī)用人的思維來(lái)進(jìn)行人類智能的操作。人工智能不僅在日常生活中經(jīng)?？梢钥吹剑以诠こ淘靸r(jià)中也被頻繁地運(yùn)用。工程造價(jià)整個(gè)過(guò)程包含多個(gè)階段。在算量中鋼筋抽樣、圖形算量、單構(gòu)件計(jì)算和計(jì)價(jià)中新建一個(gè)裝飾單位工程、在兩個(gè)單位工程里計(jì)取人財(cái)機(jī)價(jià)差、新建項(xiàng)目等多個(gè)步驟均需要相應(yīng)的軟件簡(jiǎn)化并精確計(jì)算結(jié)果。由此可見，人工智能技術(shù)在工程造價(jià)的過(guò)程中起到了重要的作用。

Peter?Smith（2016）提到隨著BIM技術(shù)的發(fā)展，它逐步被應(yīng)用到工程造價(jià)領(lǐng)域中，發(fā)揮著不可替代的作用[1]。Zhen?Wen（2019）指出BIM系統(tǒng)可以自動(dòng)修正成本指數(shù)這些指標(biāo)，從而迅速地對(duì)工程進(jìn)行估價(jià)。隨著BIM技術(shù)的進(jìn)一步發(fā)展，它已經(jīng)成了工程造價(jià)管理的有效方法之一，可以提高建筑業(yè)的效率和利潤(rùn)[2]。伊林尹、昆倩（2013）也給出了兩種基于BIM技術(shù)的工程造價(jià)管理策略，能有效地提高建筑行業(yè)的成本管理水平[3]。

陳豐迪（2018）提到在工程造價(jià)中引入人工智能技術(shù)的原因及使用方法，得出了在建筑工程領(lǐng)域應(yīng)用人工智能技術(shù)是其發(fā)展的必然趨勢(shì)的結(jié)論[4]。陶菁（2021）也指出了人工智能技術(shù)在工程造價(jià)中發(fā)揮著重要作用[5]。何印（2018）指出了影響工程造價(jià)估算的因素分為人為因素、客觀因素和動(dòng)態(tài)因素[6]。這些因素的變動(dòng)均會(huì)影響工程造價(jià)的準(zhǔn)確度和可信度，而人工智能技術(shù)的應(yīng)用能很好地解決這一問(wèn)題，不僅可以提高數(shù)據(jù)估算的準(zhǔn)確性和合理性，而且可以提高建筑工程的經(jīng)濟(jì)效益。

綜上所述，人工智能技術(shù)在工程造價(jià)過(guò)程的應(yīng)用已成必然趨勢(shì)，但其對(duì)工程造價(jià)過(guò)程的影響因素頗多，雖已有人分析但并不全面且不深度。因此，本文擬在上述研究的基礎(chǔ)上應(yīng)用主成分分析方法，并結(jié)合問(wèn)卷的實(shí)際調(diào)查，以人工智能技術(shù)對(duì)工程造價(jià)過(guò)程的影響因素進(jìn)行深入研究。

2?研究方法

主成分分析采取數(shù)學(xué)降維的方法，其宗旨是原來(lái)眾多的變量被幾個(gè)綜合變量取代，而這些綜合變量能最大可能地代表原來(lái)變量的信息量，且彼此之間互不相關(guān)。其數(shù)學(xué)模型如下：

3?問(wèn)卷設(shè)計(jì)與發(fā)放

3.1?設(shè)計(jì)思路

為了深入探究人工智能技術(shù)對(duì)工程造價(jià)過(guò)程的影響因素，在實(shí)證研究階段采用問(wèn)卷調(diào)查方法對(duì)研究模型中涉及的變量及變量間的關(guān)系進(jìn)行測(cè)量。本次問(wèn)卷由答題人的基本信息和測(cè)量表兩部分組成，測(cè)量表包含前期準(zhǔn)備、熟悉圖紙、算量、計(jì)價(jià)、后期估算5個(gè)測(cè)量維度，每個(gè)維度有2～4個(gè)指標(biāo)進(jìn)行更精確的判斷。同時(shí)，測(cè)量表在李克特5級(jí)量表的基礎(chǔ)上進(jìn)行了科學(xué)的改編，每個(gè)指標(biāo)給出1、2、3、4、5選項(xiàng)，其中依次表示非常不認(rèn)同、不太認(rèn)同、比較認(rèn)同、認(rèn)同、非常認(rèn)同。

3.2?指標(biāo)選取

在工程造價(jià)的前期準(zhǔn)備階段，要編制施工圖的預(yù)算并給出建議，便于建設(shè)方參考及決策。影響前期準(zhǔn)備的因素主要有建筑工程項(xiàng)目的設(shè)計(jì)因素、建設(shè)方法、客戶的財(cái)務(wù)狀況、技術(shù)要求、項(xiàng)目團(tuán)隊(duì)要求、項(xiàng)目持續(xù)時(shí)間、建設(shè)規(guī)模和范圍、市場(chǎng)條件及合同要求。基于本文主要研究人工智能技術(shù)對(duì)其的影響，從中選取建設(shè)工程項(xiàng)目的設(shè)計(jì)因素、建設(shè)方法、技術(shù)要求、項(xiàng)目持續(xù)時(shí)間四個(gè)因素，將其整合為便于尋找合適的方案、節(jié)約時(shí)間、使工程成本降低和縮短工作周期四個(gè)指標(biāo)。在熟悉圖紙階段，需瀏覽一遍圖紙對(duì)工程有個(gè)大致的了解。影響這一階段的因素主要有建設(shè)工人的技能水平和識(shí)圖能力、場(chǎng)地限制及建筑面積與層數(shù)?；谌斯ぶ悄芗夹g(shù)這一前提條件，選取建設(shè)工人的技能水平和識(shí)圖能力、場(chǎng)地限制這兩個(gè)因素，將其整合為降低了用工和安全風(fēng)險(xiǎn)、滿足各種場(chǎng)地限制兩個(gè)指標(biāo)。在算量階段，需要運(yùn)用鋼筋抽樣軟件和圖形算量軟件。影響算量這一階段的因素主要有建設(shè)工人的細(xì)心程度、項(xiàng)目的復(fù)雜性及項(xiàng)目信息。在人工智能技術(shù)的前提條件下，選取建設(shè)工人的細(xì)心程度、項(xiàng)目的復(fù)雜性兩個(gè)因素，將其整合為提高計(jì)算的精確度、節(jié)約人力資源與時(shí)間兩個(gè)指標(biāo)。在計(jì)價(jià)階段，先輸入鋼筋工程量并新建一個(gè)裝飾單位工程，接著記取人材機(jī)價(jià)差，最后將所有工程全部添加進(jìn)來(lái)。影響計(jì)價(jià)這一階段的因素主要有清單計(jì)價(jià)或定額計(jì)價(jià)的選擇類型、手動(dòng)部分的工程量及施工過(guò)程中的材料采購(gòu)。在人工智能技術(shù)的前提條件下，選取手動(dòng)部分的工程量、施工過(guò)程中材料的采購(gòu)兩個(gè)因素，將其整合為計(jì)算過(guò)程大部分得到了簡(jiǎn)化、提高材料采購(gòu)的準(zhǔn)確性兩個(gè)指標(biāo)。在后期結(jié)算階段，需要收集竣工資料并對(duì)竣工過(guò)程進(jìn)行結(jié)算和審計(jì)。影響后期結(jié)算過(guò)程的因素主要有工程項(xiàng)目變動(dòng)、國(guó)家政策管控、自然條件、市場(chǎng)需求、施工過(guò)程中的人員變動(dòng)及勞動(dòng)生產(chǎn)率。在人工智能技術(shù)的前提條件下，選取自然條件、施工過(guò)程中的人員變動(dòng)兩個(gè)因素，將其簡(jiǎn)化為調(diào)控自然因素、增加失業(yè)率兩個(gè)指標(biāo)。

3.3?問(wèn)卷發(fā)放

對(duì)本次研究所選用的量表進(jìn)行了初測(cè)，初測(cè)對(duì)量表的信度和效度檢測(cè)結(jié)果都表明本研究是合理和規(guī)范的。本次調(diào)查發(fā)放的人群主要為?？萍氨究埔陨瞎こ淘靸r(jià)專業(yè)的在校大學(xué)生和從事工程造價(jià)工作的在職人員。本次研究問(wèn)卷的發(fā)放方式通過(guò)線上發(fā)送鏈接的形式。線上共回收問(wèn)卷172份，通過(guò)對(duì)數(shù)據(jù)的分析與篩選，去除了無(wú)效問(wèn)卷75份，有效率為56.4%。為保證數(shù)據(jù)無(wú)差別，隨機(jī)選取了30份進(jìn)行對(duì)比與分析，發(fā)現(xiàn)并無(wú)明顯差異，故本次調(diào)查不存在明顯的無(wú)應(yīng)偏差。

4?數(shù)據(jù)處理與分析

4.1?信度效度分析

問(wèn)卷的信度分析是問(wèn)卷測(cè)量可靠性的指標(biāo)，主要由Cronbach’sα（克朗巴哈）系數(shù)來(lái)判斷信度是否達(dá)標(biāo)。本次實(shí)驗(yàn)的信度檢驗(yàn)結(jié)果為0.921>0.9，說(shuō)明信度好。對(duì)量表的效度檢測(cè)是為了證明調(diào)查問(wèn)卷適合實(shí)驗(yàn)研究，主要由KOM值和Bartlett球形檢驗(yàn)值來(lái)表示。本次實(shí)驗(yàn)的KMO數(shù)值為0.885>0.8，表示此測(cè)量表適合做因子分析。Bartlett球度檢驗(yàn)結(jié)果卡方值為803.458，表示所對(duì)應(yīng)的P值為0.00<0.05，則Bartlett球度檢測(cè)具有顯著的意義。

4.2?主成分分析

從總方差解釋表中能夠看到SPSS軟件將其分成了五個(gè)主成分，且這五個(gè)主成分的累計(jì)貢獻(xiàn)率高達(dá)84.154%，即對(duì)整體的解釋度為84.154%。第一個(gè)主成分的特征值是6.656，其貢獻(xiàn)率是55.470%，第二個(gè)主成分的特征值是1.484，其貢獻(xiàn)率是12.369%，第三個(gè)主成分的特征值是0805，其貢獻(xiàn)率是6.711%，第四個(gè)主成分的特征值是0683，其貢獻(xiàn)率是5.691%，第五個(gè)主成分的特征值是0469，其貢獻(xiàn)率是3.912%。如表1所示。

從第一主成分的表達(dá)式中可以看出，第7、8項(xiàng)指標(biāo)有較高的得分，起主要作用，則第一主成分是提高計(jì)算的精確度、節(jié)約人力資源與時(shí)間的綜合指標(biāo)。從第二主成分的表達(dá)式中可以看出，第9、10項(xiàng)指標(biāo)有較高的得分，起主要作用，則第二主成分是計(jì)算過(guò)程大部分得到了簡(jiǎn)化、提高材料采購(gòu)的準(zhǔn)確性的綜合指標(biāo)。從第三主成分的表達(dá)式中可以看出，第11、12項(xiàng)指標(biāo)有較高的得分，起主要作用，則第三主成分是調(diào)控自然條件、增加失業(yè)率的綜合指標(biāo)。從第四主成分的表達(dá)式中可以看出，第5、6項(xiàng)指標(biāo)具有較高的得分，起主要作用，則第四主成分是降低了用工和安全風(fēng)險(xiǎn)、滿足各種場(chǎng)地限制的綜合指標(biāo)。從第五成分的表達(dá)式中可以看出，第1、2、3、4指標(biāo)有較高的得分，起主要作用，則第五組成分是便于尋找合適的方案、節(jié)約時(shí)間、使工程成本降低、縮短工作周期的綜合指標(biāo)。

從以上的結(jié)果和公式可以看出人工智能技術(shù)對(duì)工程造價(jià)過(guò)程影響的主要因素是提高計(jì)算的精確度、節(jié)約人力資源與時(shí)間等，故在人工智能技術(shù)的條件下，進(jìn)行工程造價(jià)算量時(shí)要著重注意這些因素。

結(jié)語(yǔ)

本文采用主成分分析的方法，得出了前五個(gè)主成分能夠綜合84.154%的指標(biāo)信息的結(jié)論，從而完全取代12個(gè)指標(biāo)進(jìn)行綜合分析人工智能技術(shù)對(duì)工程造價(jià)過(guò)程的影響因素，并且使用SPSS軟件進(jìn)行相關(guān)數(shù)據(jù)的處理，減少了工作量。為了使人工智能技術(shù)在工程造價(jià)過(guò)程中能更好地運(yùn)用，首先要進(jìn)一步發(fā)展人工智能技術(shù)，使它能夠完全取代人工手算，達(dá)到最高的精確度。其次，也要進(jìn)一步提高人們自身運(yùn)用人工智能技術(shù)的水平，使它能夠最大程度地發(fā)揮作用。最后，還要使人工智能技術(shù)與工程造價(jià)過(guò)程完美結(jié)合，從而為建筑行業(yè)提供更加廣闊的前景。

參考文獻(xiàn)：

[1]Smith，P.（2016）.Project?Cost?Management?with?5D?BIM.ProcediaSocial?and?Behavioral?Sciences，226，193200.doi：10.1016/j.sbspro.2016.06.179.

[2]Wen，Z.（2019）.Application?Research?of?BIM?Technology?in?Engineering?Cost?Management.IOP?Conference?Series：Earth?and?Environmental?Science，295，042037.doi：10.1088/17551315/295/4/042037.

[3]Yin，Y.L.，&?Qian，K.（2013）.Construction?Project?Cost?Management?Based?on?BIM?Technology.Applied?Mechanics?and?Materials，357360，21472152.

[4]陳豐迪.人工智能技術(shù)的建筑工程造價(jià)估算淺析[J].建筑學(xué)研究前沿，20180907（023Z）.

[5]陶菁.人工智能技術(shù)在工程造價(jià)中的運(yùn)用初探[J].居舍，2021（16）：174175.

[6]何印.基于人工智能技術(shù)的建筑工程造價(jià)估算研究[J].建材與裝飾，2018（28）：152153.

作者簡(jiǎn)介：趙子怡（2000—?），女，漢族，河南焦作人，本科，研究方向：工程造價(jià)。