【工程经济】王硕男 教材精讲班教案 122-第3篇-第20章-工程计价数字化与智能化.docx

第20章工程计价数字化与智能化

考点一：BIM

考点二：人工智能

考点三：大数据

近五年平均分值

2024预测分值

0

3

20.1BIM在工程计价中的应用

20.1.1BIM概述

1.定义

建筑信息模型（BIM）是在计算机辅助设计（CAD）等技术基础上发展起来的多维模型信息集成技术，是在建设工程及设施全生命周期内，对其物理特征和功能特性信息进行数字化表达，并依此设计、施工、运营的过程和结果的总称。

2.BIM软件分类

（1）设计建模BIM软件（Revit）

（2）计算分析BIM软件（STAAD）

（3）实景建模BIM软件（Lumion）

（4）管理协调BIM软件（BIM5D）

20.1.2BIM在工程计价中的应用

1.BIM对工程计价的影响

（1）提高数据一致性和准确性

（2）提高计价效率

（3）支持价值工程

2.BIM在工程计价中应用的场景

1）BIM应用实施策略

2）BIM应用场景

（1）BIM在工程量计算中的应用

（2）BIM在投资估算中的应用

（3）BIM在设计概算中的应用

（4）BIM在施工图预算中的应用

（5）BIM在竣工结算中的应用

（4）BIM在施工图预算中的应用

2.BIM在工程计价中应用的场景

3）BIM应用效果评价

①定性评价：将BIM应用成果，从性质属性上进行评价，说明其对项目管理目标、项目管理过程的影响。对于工程质量的影响，一般可采用定性评价的方法。

②定量评价：按照通常的经验预估和计量BIM应用成果，对比未使用BIM和使用BIM后的差异。对于成本和工期的影响，一般可采用定量评价的方法。

3.BIM在工程计价中应用的挑战

①数据质量和一致性管理

②缺乏标准化

③变更管理

④协同工作

这些因素共同影响着BIM技术在建筑行业的应用，进而影响项目效率和成功率。

20.2人工智能在工程计价中的应用

20.2.1人工智能概述

1.定义

人工智能（AI）是一种模拟和实现人类智能的技术，通过分析和处理大量的数据，自动学习和优化模型，实现复杂的任务和决策。人工智能呈现深度学习、跨界融合、人机协同、群智开放、自主操控等特征。

2.分类

国际上一般将人工智能分为：

①弱人工智能：只能在限定领域解决特定问题

②强人工智能：可以在通用领域胜任人类所有工作

③超人工智能：远超人类智慧，具备复杂的语言表达、抽象思维能力和科学创新能力等。

3.标准体系

根据《国家新一代人工智能标准体系建设指南》（国标委联〔2020〕35号），人工智能标准体系框架主要由基础共性、支撑技术与产品、基础软硬件平台、关键通用技术、关键领域技术、产品与服务、行业应用、安全/伦理八个部分组成。

4.技术标准

1）关键通用技术标准

（1）机器学习标准

（2）知识图谱标准

（3）类脑智能计算标准

（4）量子智能计算标准

（5）模式识别标准

2）关键领域技术标准

（1）自然语言处理标准

（2）智能语音标准

（3）计算机视觉标准

（4）生物特征识别标准

（5）虚拟现实/增强现实标准

（6）人机交互标准

20.2.2人工智能在工程计价中的应用

人工智能通过自动化处理和分析大量的工程数据，有利于提高工程计价的效率和准确性。

1.人工智能对工程计价的影响

（1）提高计价精度和效率

（2）提供智能决策支持

（3）强化设计与施工协同

2.人工智能在工程计价中应用的场景

（1）人工智能在投资估算中的应用

（2）人工智能在设计概算中的应用

（3）人工智能在施工图预算中的应用

（4）人工智能在工程量清单计价中的应用

（5）人工智能在竣工结算中的应用

（3）人工智能在施工图预算中的应用

将AI技术应用到施工图预算中，主要目的在于保证人、料、机等费用达到招标投标控制的要求，深度分析工程量信息，从而获得整体的以施工图为依据的造价信息。

（4）人工智能在工程量清单计价中的应用

定额组价时，AI可以通过自动化和优化算法根据需求自动匹配合适的定额，更快速、准确地进行计算，自动生成最终的工程量清单，得到更加准确的投标报价。

①工程项目涉及大量敏感数据，一旦使用不当可能引发法律问题。

②AI算法通常被视为“黑盒子”，算法的透明性可能引发争议。

③AI技术的应用需要进行模型的训练和调优，以适应特定的工程计价需求，这需要投入大量时间和资源，并要求工程造价人员深入了解AI算法的原理和功能。

20.3大数据在工程计价中的应用

20.3.1大数据概述

1.定义

互联网数据中心（InternetDataCenter，IDC）将大数据定义为：为更经济地从高频率的、大容量的、不同结构和类型的数据中获取价值而设计的新一代架构和技术。

2.特征

大数据具有“4V”特征：

规模性（Volume）

多样性（Variety）

价值性（Value）

时效性（Velocity