工程造价智能化转型中AI技术的应用困境与对策.pdfVIP

应用探索

工程造价智能化转型中AI技术的应用困境与对策

陈龙张雪

【摘要】工程造价行业的转型升级面临新一轮的发展浪潮，人工智能（ArtificialIntelligence,AI)技术的应用促使行业升级

产生了更多新的机遇与挑战。文章从工程造价智能化发展的实际状况出发，对AI技术在工程造价行业的应用现状展开论述，

并剖析了目前AI在工程造价领域中应用存在的技术难关以及由于基础数据质量欠缺所带来的问题。在此基础上，提出了从算

法优化、模型训练和知识图谱构建三个方面加以改善的方法，并通过分析AI技术应用于工程造价行业过程中存在的组织变革

问题，提出造价人员技能转轨、智能系统集成应用及提高算法透明度的切实可行的持续发展之路。

【关键词】工程造价；人工智能；智能化转型；算法优化；可持续发展

引言70

60

现如今，基于机器学习、深度学习、知识图谱等的AI技术

在工程项目领域的应用较广，给工程的项目管理和科学决策50

40

提供了很大帮助。工程造价管理是工程项目管理的重要组成

30一

部分，虽然近些年来越来越多的技术专家开始关注其与AI技

20

术的结合应用问题，但仍存在不同程度的技术问题及阻碍。

10

这是因为目前AI技术在工程造价应用过程中受行业数据缺

0

乏标准、专业涉及知识领域过广等因素制约。针对这一现状，土建工程安装工程装饰工程市政工程

口标准化65453852

希望结合工程造价的智能化发展对AI在造价领域的应用瓶

图1工程造价数据集分布情况与标准化程度

颈进行分析，并在软件算法优化升级、算法模型创新和业务流

程改革设计等方面着手探索。进行特征的提取和降维。目前特征工程技术还存在着对多源

异构数据中高维、稀疏特征挖掘不到位等不足。传统特征选

一、AI技术在工程造价智能化应用中的技术瓶颈与数据择算法对非线性数据的处理具有局限性，基于神经网络的深

质量问题度学习模型虽然能自动学习数据中的高次特征，但也存在计

（一）造价数据标准化缺失导致的机器学习模型训练算复杂、可解释性差等问题。如何在多源异构数据中融合分

困境析不同粒度、尺度的数据以挖掘有价值信息，是造价数据智能

首先，工程造价的数据种类很多，其格式因不同专业、不化分析中的难题之一。

同时期而不同，没有统一的标准和编码规则，导致数据非结构（三）深度学习算法在工程造价预测中的泛化能力低

化问题突出，难以得到有用的工程特征信息，同时基于现有样一方面，由于工程项目造价业务场景中获取到的历史样

本数据也无法获得稳定模型。其次，数据的非标准化特性直本数据量较小，导致无法代表样本本身，使得模型很难把已学

接推高了工程造价数据的标注成本。标注工作依赖大量专业的知识迁移到新的项目上；另一方面，在工程项目造价的过程

知识和人工操作，导致工作量巨大、过程繁琐。上述两方面问中，会有设计变更、材料价格波动等情况出现，模型较难作出

题共同导致了高质量训练样本的稀缺。样