英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
基于大数据的建设项目投标价格评估系统
摘要：建设项目招标价格评估是客户在招标阶段控制项目成本的最重要工作之一。但是，由于以前对项目成本数据的利用不足，使得新项目的投标价格评估缺乏有效的评估标准，给成本控制带来了挑战。随着公司信息技术应用的改善和大数据时代的到来，与工程造价相关的数据可以被完整地、系统地实时记录，并可以被充分利用来支持建设工程造价管理的决策。本文提出了一种基于大数据的建设项目招标价格评估系统，旨在利用大数据的相关技术对项目成本数据进行分析，以给出合理的成本范围；这有助于获得评估标准以支持招标价格控制。本文分别介绍了系统的数据来源，数据提取，数据存储和数据分析。在地铁站项目中进行了案例研究，以评估系统。结果表明，基于大数据的系统对于建设项目的投标价格评估具有重要意义。
关键词：系统；投标价格评估；建筑项目；大数据
- 介绍
在招标阶段进行施工成本管理对客户的建设项目成功具有重要意义。客户希望以有限的经济资源建造项目；而竞标者则追求最大的经济效率[1、2]。因此，在建设项目招标阶段，客户会对投标人提交的投标进行评估，我们将其称为投标评估——主要是基于经济性考虑标准和技术标准。在经验丰富的技术专家的支持下，对技术标准的评估通常可以得到完美的结果。然而，随着经济的出价，由于工程造价的技术依赖，以及市场相关的价格和经济投标等特点的评价存在于当前的经济评估一些限制，包括主要侧重于评估总价和不平衡报价以及困难评估工程项目小标题的价格[3]。叶坤辉（2013）指出，编制投标价格的因素比较复杂，并采用混合研究方法发现了关键因素[4]。在评标中使用将分数限制在投标价格之内的方法，该方法确定参与评级的投标价格的控制范围（通常 3％至-8％）。投标价格超出此范围的投标人将失去投标评估和中标资格。这种评估方法增加了透露底价的风险。目前在中国的建筑项目中采用了合理的低价投标评估方法，也称为多准则法，其重点是对价格进行评估。投标价格的算术平均值和成本咨询公司的价格是获得投标价格的两种主要方法。前一种方法通常在竞争者不完全竞争市场的情况下人为地提高了投标价格，而投标者的自身利益和价格“扭曲”二重奏导致了共谋。后一种方法会在成本咨询公司针对未充分利用的先前成本数据编制的配额成本参考上产生时间滞后[5]。如何评估投标报价的合理性已成为成功招标的重要问题。解决此问题的方法是充分利用以前的项目成本数据，进行数据挖掘分析，并为新建筑项目的招标评估提供参考。在大数据时代来临之前，建设项目成本数据并未受到应有的关注，这反映在项目成本数据经常被狭义地视为项目成本报告数据。数据存储格式和存储介质不同，数据划分也很严格。BallesterosPeacute;rez等人（2014年）建立了一种新的出价模型，将其作为一种实用工具，用于改善出价者的策略并增加他们赢得标书的机会。基于经验和成本数据的投标前合同。它称为智能投标模型，但该模型主要用于有上限的投标[6]。
从大数据的角度出发，应该概括工程成本数据的概念，包括工程信息数据，施工成本数据和技术方案数据等。这些数据的类型包括文件，表格和其他类型。从数据的数量和更新的角度考虑，项目成本数据具有大数据的典型特征：大，快速出现，多来源和异构[7，8]。大数据技术在互联网，医药等领域的应用可以为建设成本管理提供参考。最典型的案例是Google预测了流感的发生以及沃尔玛的啤酒和尿布营销[9，10]。现在，在工程造价管理领域，很少有人在传统关系数据库的基础上引入相关的大数据存储与分析技术来进行投标阶段的造价控制[11-13]。
本文的主要目的是使用大数据技术来研究建设招标阶段成本控制中的报价评估。对工程造价数据进行采集，提取，存储，传输和分析，得出了合理的工程分标价范围，合理地评价投标人的投标价格，并开发了工程造价决策支持系统平台。
2.大数据及相关技术
2.1大数据
随着传感器和服务器等网络和硬件设施的全面发展，大数据时代已经来临。大数据技术促进了许多公司整合需求，创造了难以想象的经济效益，并获得了具有巨大商业潜力的巨大社会价值。不同的行业使用大数据来产生巨大的价值和利益，这显示出空前的社会潜力，而不仅仅是数据本身。至于学术界，《自然》杂志在2008年特别发行了《大数据》 [14]。2011年2月，《科学》杂志发行了专刊《处理数据》，主要讨论了大数据科学的问题并解释了大数据科学的重要性[15]。
至于大数据，它还没有提出公认的定义。3V的定义更具代表性，即考虑大数据应满足三个特征：容量，多样性和速度。另外，其他人提出了4V的定义，试图在3V的基础上添加新功能。国际数据公司（IDC）同意数据也应具有价值的品质[16]。的大数据经常表现出稀疏性的特征。通过使用新的处理模式，大数据具有更大的决策权和洞察力，可以优化流程以实现高增长率并处理大量的各种信息资产。大数据可以定义为一种社交过程，可以在合理的时间内收集大量数据，并成为可以更有效地帮助用户的决策。
表1典型大数据应用之间的比较
|
应用 |
例子 |
用户数 |
响应时间 |
数据规模 |
可靠性 |
准确性 |
|
物联网 |
传感器网络 |
大 |
快速 |
结核病 |
高 |
高 |
|
移动数据 |
移动电话 |
很大 |
快速 |
b |
高 |
高 |
|
社交网络 |
脸书 |
很大 |
快速 |
PB |
高 |
高 |
|
金融 |
高频交易 |
大 |
非常快 |
国标 |
很高 |
很高 |
|
科学的 |
生物信息学 |
小 |
慢 |
结核病 |
中等 |
很高 |
2.2大数据技术
反映大数据的巨大价值需要多种技术的协调。文件系统为底层存储提供了支持。为了管理数据，它需要在文件系统上建立一个数据库系统。通过建立索引并提供有效的数据查询功能，可以使用数据库中的分析技术从大数据中提取有用的知识。大数据技术是一系列收集，存储，管理，处理，分析和可视化技术。
云计算是一个大型数据库平台和支持技术，涉及许多技术和算法。Google在2006年首先提出了云计算的概念。一系列集成了Hadoop [17]的云计算开源工具支持Google在各种大数据内部应用程序中的开发。Hadoop已成为包括文件系统（HDFS），数据库（H Base，Cassandra），数据处理（Map reduce）和其他功能模块。数据处理涉及一系列算法，例如遗传算法，神经网络，回归分析，聚类分析和关联规则学习。在某种程度上，可以说Hadoop已经成为处理大数据工具的真正标准。
此外，大数据技术包括一系列算法，包括遗传算法，神经网络，数据挖掘，回归分析，聚类分析和关联规则学习，分类分析，数据集成与融合，机器学习等。这些算法可以进行评估和扩展，其中涉及大多数数据挖掘算法。云计算和算法是大数据挖掘的重要支持。
3.基于大数据的建设项目投标价格评估系统设计
3.1System框架
系统框架为系统软件开发提供了重要依据。基于大数据的投标价格评估系统包括四个层次：建设成本数据收集层，数据采集与集成层，数据分析层和面向用户的应用层。图1给出了项目投标价格评估的系统框架。
（1）数据收集层是系统的基础层，主要集中在与工程造价数据有关的数据收集上。基本信息有关项目的施工 结构化，半结构化和非结构化数据是信息的主要类型，通过自动收集机制，将完整的项目成本数据连续收集到系统中。
（2）确定数据来源后，有必要提取和整合施工成本数据，包括自动化数据提取，关系建立，数据清理，数据质量评估等。它旨在将原始数据转换为按特定规则存储的数据，并形成大数据中心。
（3）数据分析层。通过使用数学和统计方法，数据挖掘和机器学习算法等，继续对业务应用程序进行进一步的数据处理和分析。它可以提供从成本数据中发现的相关律，以供管理者决策。同时，数据可视化技术被认为可以最容易理解的方式呈现分析结果。
（4）顶层是用户层，即人机交互层，包括数据输入，数据输出，统计分析结果等。
3.2大型工程造价数据采集系统研究
（1）工程造价数据来源
建筑成本数据分析的第一步是收集成本数据。目前，建设成本数据的主要来源来自以下三个方面。第一个方面是团队在实际项目上积累的研究案例。第二方面的数据来自与公司签署的合作协议，以从成本数据中挖掘价值。这些公司包括客户，承包商和成本咨询公司。第三方面是与政府建设项目管理部门签订合作协议，并对这些建设成本数据进行分析。数据源的三个方面共同构成了建设成本大数据的数据收集源。为了确保数据源的及时性和准确性，与有关各方的成本数据可以直接链接到系统，并在与各方签署合作协议后导入到系统中。结果，建筑成本数据可以继续增加。
（2）大数据采集建设成本的内容
基本项目信息，施工技术方案信息和项目成本信息包括在施工成本数据获取中。基本项目信息收集包括项目编号，项目名称，项目年份，施工现场，建筑公司以及基本项目简介的总期限。项目特征信息基于不同类型的项目。以地铁车站工程为例：其特征信息包括工程类型，车站类型，车站开挖深度，车站平面形状，周围环境，土壤条件，水文，施工方法等。施工技术方案信息主要是完成施工项目过程工程方法，机械，材料等信息。工程造价信息主要包括总价，单位建设成本，分项工程造价，主要数量和价格。收集的数据将被集成和合并，然后在集成环境下形成数据立方体和维度。图2显示了一个本地项目成本多维数据集。
图2.数据立方体和维度设计
（3）建设成本数据提取方法
目前，不同结构形式的建筑成本数据存储在不同的数据库中，包括系统中存储的格式化报告数据，计算机中存储的文本数据，表格数据，图片数据以及纸上存储的各种项目成本数据。不同类型的数据需要不同的数据处理方法。常见的方法是将非结构化数据转换为半结构化数据或结构化数据。半结构化数据已经能够满足存储在大数据中心的数据处理需求。相反，使用包括人工排序，人工智能算法的自动处理（例如自动文本扫描，文本识别，图像识别，文本挖掘方法）在内的处理方法，转换为结构化数据，可以使用这些适当的方法来提取项目成本数据。
3.3施工成本数据安全性分析
建设成本数据是企业的商业秘密，是企业数据的核心。因此，项目成本数据的安全管理极为重要。为了加强工程造价数据的安全管理，主要集中在数据加密处理，权限设置管理水平和责任机制上。首先，需要使用加密算法来匿名化项目成本数据。其次，为所有有权访问数据的相关方和负责人设置了不同级别的访问权限。最后，建立了有关各方和责任人的问责机制。对因个人原因对工程造价产生负面影响或造成数据泄漏的实体和个人应受到惩罚。
3.4施工成本数据的方法
成本管理由不同算法分析的成本数据支持，这些算法包括时间序列分析，聚类分析，统计算法，基于案例的推理和其他人工智能算法。这里有一些算法。
基于案例的推理方法是常用的相关分析算法之一。一种流行的解释是找到实际问题的新解决方案。首先，从过去的解决方案中的类似问题中找到类似的问题，并将其作为解决实际问题解决方案的起点。通过适应新问题获得解决方案。图3是基于案例的推理过程[18]。
图3.基于案例的推理过程
CBR的步骤如下：
步骤1：案件代表。该案例是解决应用程序中问题的一些解决方案的结构化描述。描述方法确定案例索引，案例检索和案例存储方法
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[254847]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
