近十年间,我国以地铁、轻轨、市域快轨、跨座单轨、磁悬浮以及有轨电车等形式的城市轨道交通建设进入快速增长阶段。据相关数据统计,截至2018年底,包括上海、北京、广州、南京等在内的32座城市,轨道交通开通运营155条线路、车站3245座,总运营里程达5140公里。与此同时,2018年全国尚有46座城市的202条线路、3447座车站在建,总在建里程5521公里,投资额高达37175亿元。在城市轨道交通建设规模迅速扩张的同时,建设单位造价管理部门工作量陡增。由此,借助大数据、人工智能技术对大量历史工程造价数据进行整理、分析并加以鉴别利用,有利于工程造价的精准确定和造价管理人员精准管理,有利于政府监管部门的精准决策。

自20世纪90年代起,我国工程造价信息化管理步入快速发展阶段,单个项目通过图形算量、计价软件辅助造价编制,初步实现造价信息的数据化,且具备在线对比分析能力。但是城市轨道交通建设有其特殊性,几十公里的线路往往被划分为诸多标段,每个标段的工点设计、招标代理、造价咨询和实施单位各不相同,分期分段招标也对不同施工标段间的招投报价、结算数据指标的对比带来了困难。

虽然我国大部分开建轨道交通项目的城市都有比较丰富的数据资源库,但是各地的资源库质量不一,健全的工程造价信息资源库还未形成。加之部分管理人员经验不足、资料散失导致依据文件不系统、不准确,以及大量历史数据在长期人工管理过程中形成信息孤岛化,使得建设相关方之间重复工作、三算对比困难、数出多门且口径不统一等问题大量存在。要实现信息的有效利用,首先必须对信息资源进行有效整合,从而进一步完善信息资源库,为造价信息管理提供资源基础。

以笔者多年的经验总结,轨道交通工程造价数据具有如下特点:

一是清单中的重点项目对整个工程造价有较大影响,数据分析利用的价值高。例如,重点车站、段场深挖高填土石方、围护结构与地基加固、主体结构、区间的盾构(含隧道)掘进、管片、高架车站、重点桥渡等项目约占清单量的20%,占土建造价总计可达60%多。

二是影响造价数据的因子易于量化。轨道交通项目所在地多为城郊区,受区域差异影响较小,工料机单价水平受当地政府公布的造价信息约束、市场询价支撑力较强,影响造价因素如特殊施工工艺、施工环境影响等剥离后分析对比的数据具有可比性。

三是数据分析的结果具有指导借鉴意义。工程造价数据具有可重复利用、可推理论证的特点,通过分析单价构成要素,修改工料机单价,将历史数据向当前延伸并与新组单价对比,可有效指导招标限价的编制、合同和结算谈判。也可以通过已完工程和在建项目招投标、合同、变更、结算数据进行系统的梳理分析,将不同线路、不同时期的招标项目进行比较,找出差异。

笔者认为,轨道交通工程的造价管理应朝着标准化、精细化方向发展,通过技术手段实现数据智能分析和共享。本文论述的核心是根据轨道交通工程造价数据的特点,利用标准化的清单编码、属性和变量,对大量历史造价数据进行加工处理、整合和入库,并通过设定数据库算法,实现同一城市(区域)内各条线路、各项目间清单项目造价水平的计算、分析和对比。

数据库建设的主要工作是建立清单分解体系并按索引导入,其中清单分解体系涉及工程量清单结构分解及编码、数据组属性、清单变量、逻辑四个方面问题。

工程量清单结构分解指利用解析法对施工主要内容或施工方法进行阐述,是一种造价数据来源的递阶层次分解结构,目的是为了解决路径问题。通过这种垂直分类的方法,搜索清单名称可以找到数据库中全部相同清单下的造价数据(见表1)。

为便于输入、储存、抓取应用,工程量清单结构分解按照优先顺序划分为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级、Ⅵ级,六个级别逐层细化。搜索Ⅰ级名称可以显示全部Ⅱ级分解指向,搜索Ⅰ级+Ⅱ级可以显示全部Ⅲ级分解指向,以此类推。

Ⅰ级——线路名称。

Ⅱ级——标段,按照施工标段划分。

Ⅲ级——站点,可按照车站、区间、车辆基地作为站点。

Ⅳ级——单位工程,主要是指车站主体、车站附属(出入口、风亭、疏散通道)、区间、桥梁拆复建、交通疏解、管线迁改等。

Ⅴ级——工程量清单名称,例如围护基坑挖土方、填方、高压旋喷桩、地下连续墙、钻孔灌注桩、钢管支撑、混凝土结构、钢筋、盾构掘进、预制钢筋混凝土管片等。

Ⅵ级——清单名称的补充,例如工法(明挖、盖挖、暗挖、高架)、用途(槽壁加固、坑外拐角、抗拔桩、立柱桩、回填)、主材类别(十字钢板、工字钢、套筒、钢管Φ800-16)、部位(支撑、垫层、梁、板、柱、盖板、站台板、人防墙、废水池、墙)、位置(浅埋、中埋、深埋、进出洞特殊环)、其他(除钢管支撑项目以外支撑内容、含止水钢板)等。

清单分解编码——工程量清单结构分解的Ⅰ级-Ⅴ级构成11位编码,Ⅵ级分解作为选填项目不需要在编码中体现。该清单的分解编码是数据库唯一的识别序号,与清单变量是一一对应的关系。

数据组属性表征除物价水平、项目特征以外影响单价的因素,例如工程所在区域、使用的定额标准或计价依据、价格形成的时间等。

属性相同的数据作为一个数据组,清单属性往往跟随数据组一起出现,是该组数据形成的背景条件,对价格有一定的影响但难以分解量化。

清单项目特征是构成分部分项工程项目、措施项目自身价值的本质特征,是对体现清单价值的特有属性和本质特征的描述,而变量是项目特征的延伸和量化(如表2所示)。常用的变量包括:尺寸(长、宽、高)、深度、桩径、水泥掺量、抗渗等级、混凝土等级、钢材型号、电缆规格、设备品种规格型号等。

变量是除物价因素外造成相同工程量清单但单价高低不同的主要原因。通过测算单个变量的变化对综合单价的影响,确定变量系数,常用变量指标可设为“1”,例如“地下连续墙”清单中可将深度30～40m变量系数设为“1”、40～50m变量系数设为“1.22”等。编制变量清单并将其量化是数据库智能分析和利用的关键。

工程量清单的结构分解编码、数据组属性、变量可视为该清单在数据库中的三个维度,具有相同维度的数据在库中的位置应该是相对集中的。通过对不同维度的分解、对比、修正,并在剥离离散性后得到的平均值即可视为数据分析的成果。

清单分级目录的层次代表数据分解的颗粒度,大数据的优势是大量数据的归集能体现离散性,剥离离散偏差的平均数具备参考价值,并不是层次越多越好。

工程造价数据库的建立是基础,数据库的有效利用是核心。工程造价数据的利用应遵循智能、高效、便利的原则,最大限度发挥大数据在智能识别、计算和分析的优势。

数据库首先具备存储的基本功能,根据工程量清单结构分解原理查阅下一级别的全部清单项目。也可以通过搜索关键词查询库中所有相同清单项目的信息,按照指令和需求识别、汇总、计算和输出,进而计算相同清单名称下价格的平均值、最大值、最小值、离散性(见表3)。

造价数据的对比分横向、纵向两个层次。横向指相同属性下不同站点(部位)清单的对比;纵向指不同时期、不同变量情况下不同数据组之间的对比,前者通过查阅可直接获得,后者需对造价数据进行修正计算得到。

修正造价数据时,首先将物价拉到同一物价时点,由“过去时”调整为“现在时”,计算物价影响系数。人工、材料、机械价格的调整可以依据各地造价管理部门发布的《工程造价信息》中的价格信息、价格指数及造价指数进行调整,对于其中没有的材料、设备价格可以通过询价按市场价格予以确定。然后,根据每个变量影响程度的赋值计算变量影响系数,原清单单价乘以两个修正系数可以得到相同属性下的延伸单价,经修正的造价数据可实现纵向对比。根据相同原理,数据库中经修正的单价平均值可为新单价的确定提供建议(见表4)。

工程造价数据库可以作为管理工具,广泛应用于工程项目全过程造价管理与控制。数据对比的结果可以辅助判断设计方案的经济性,施工图预算、投标报价及标底的合理性。数据分析的结果可以辅助项目管理者估算合同或变更费用、判断清单单价的适用性。长远看,对不同地区的造价水平进行比较,也可以为跨区域投资决策提供必要信息。

大数据反映的是造价数据大小,在一定程度上表示市场对完成该项清单内容所期望得到的费用水平,这一点在招标控制价编制、不平衡报价分析、变更单价确定、结算谈判中尤为重要。

工程造价数据库的建设是一个循序渐进的过程,从利用价值和工作量的角度,初建数据库可按照车站主体结构、盾构区间、机电系统、前期管线迁改、风水电安装及装饰装修的顺序分步实施,逐步优化。基于数据库的轨道交通工程造价数据利用具有重要意义及广阔的应用前景,我们可以通过标准化的工程量清单设置以减少数据录入的工作量;通过云计算以降低数据储存和管理成本;通过优化数据库功能以拓宽数据利用领域;通过人工智能以实现工程造价数据算法的进化。在大数据和万物互联的当今社会,科学、有效地识别分析有用信息尤为重要,建立于数据库上的造价数据利用能够有效筛选具有指导性的可用造价信息,进而帮助项目参与各方更好地服务工程建设。