건설산업에서 프로젝트 초기의 의사결정은 전체 사업의 성패에 매우 중요하다. 하지만 사업초기단계에 사용 가능한 가용정보가 한정되어 있어 프로젝트의 공사비를 정확하게 예측하는데 어려움이 있다. 이에 많은 연구자들은 다양한 방법론을 활용하여 사업초기단계 공사비 예측을 위하여 연구를 수행해 왔다. 이러한 연구들은 대부분 사업초기단계에서의 제한된 정보를 활용하여 공사비를 예측하였으며 확정된 공사비를 제시하고자 하였다. 하지만 사업초기단계의 특성상 불확실성이 내재되어 있고 프로젝트가 진행됨에 따라 설계안이 빈번히 변경되는 특성이 있어, 한정된 프로젝트 정보를 바탕으로 확정적인 공사비를 예측하는 것은 한계가 있다.
이에 본 연구에서는 사업초기단계에서의 불확실성을 고려하여, 사례기반추론(Case-Based Reasoning: CBR) 기반의 공사비 예측 모델에 몬테카를로 시뮬레이션(Monte Carlo Simulation: MCS) 기반의 확률론적 개념을 추가하여, 사업초기단계의 불확실성을 고려한 확률론적 공사비 예측 Hybrid 모델을 개발하였다.
본 연구에서 제안하는 확률론적 공사비 예측 Hybrid 모델의 개발과정 및 분석결과를 요약하면 다음과 같다.
첫째, 공사비 예측과 관련된 선행연구를 분석하였다. 이를 통해 기존 연구에서 제시된 예측모델의 문제점과 한계점을 도출하였고 개선의 필요성을 제시하였다.
둘째, 도출된 한계점을 개선하기 위하여 MCS 기반의 확률론적 개념을 도입하였다. 그리고 CBR 기반의 공사비 예측 모델에 MCS를 적용하는 프로세스를 제안하였으며, 입력변수의 분포형태 가정 및 속성가중치 산정방법을 제시하였다.
셋째, 앞서 제시한 개발프로세스를 바탕으로 확률론적 공사비 예측 Hybrid 모델을 개발하였다. (1) 모델개발을 위해 510건의 실적사례 중 500건을 바탕으로 DB를 구축하였으며, (2) 구축된 DB를 바탕으로 회귀분석을 실시하여 CBR의 조회단계(Retrieve)에 활용할 영향요인의 속성가중치를 도출하였고, 구축된 DB와 선행연구를 통하여 입력변수(속성)의 분포형태를 설정하였다. (3) 개발된 Hybrid 모델을 활용한 확률론적 공사비 산정 방법을 제안하였으며, 예측결과에 대한 해석과 활용방법을 제시하였다.
넷째, 확률론적 공사비 예측 Hybrid 모델의 유효성 및 타당성을 확인하기 위하여, 510건의 사례 중 모델개발에 사용된 500건을 제외한 나머지 10건의 사례를 활용하여 검증을 실시하였다. 검증은 4가지 경우로 나누어서 기존 확정론적 방법에서 제시한 예측값과 비교하였다. 비교결과를 살펴보면, CBR과 확정된 영향요인을 활용하는 방법(A)의 오차율은 8.9%이고, 회귀분석과 확정된 영향요인 값을 사용하여 도출된 공사비 오차율(B)은 7.0%, 확률론적 공사비 예측모델 결과(C)의 오차율은 3.5%, 일부 영향요인만 확률론적으로 고려하였을 때 오차율(D)은 5.2%이다. 따라서 확률론적 공사비 예측모델 결과(C)가 가장 낮게 도출되어 모델의 예측성능이 우수함을 알 수 있다.
본 연구에서 제시한 확률론적 공사비 예측 Hybrid 모델은 확정된 영향요인을 바탕으로 공사비를 예측하는 기존의 공사비 예측 모델과 달리, 영향요인의 확률분포와 변동범위를 이용하여 공사비를 예측하고 확률론적으로 예측결과를 제시한다. 또한, 확률론적 모델에서 제시한 평균값을 이용한 비교분석에서도 모델의 예측성능이 검증되었다. 따라서 개발된 모델은 가용정보가 적고 불확실성이 내제된 사업초기단계에서 유용하게 활용될 것으로 기대되며, 발주자의 의사결정에도 도움을 줄 것으로 판단된다.
한편, 본 연구는 CBR의 조회단계(Retrieve phase)를 위주로 연구를 수행하였기에, 제시된 확률론적 예측결과의 범위도 다소 넓게 나타났다. 따라서 이러한 예측결과의 범위를 좁히기 위해서는, CBR의 보정단계(Revise phase)를 고려한 추가분석이 이루어져야 한다. 또한, 개발된 모델을 이용한 검증과정에서 평균값을 사용하였으나, 중앙값 또는 최빈값을 사용한 추가분석도 이루어져야 한다.

In the construction industry, decision making in the early phase of a project is a very important factor in the entire project’s success. However, the information available that can be used in the early stage is limited, making it difficult to accurately predict the budget needed for construction. For this reason, many researchers utilize various methodologies in estimating the construction budget at the early stage of construction.
Recently, a construction budget prediction model using ‘Case-based Reasoning (CBR)’ method has elicited much attention, and there have been continuous studies on improving the accuracy of CBR-based prediction models. In such studies, the prediction was made with the information fixed in the early stage of construction. However, due to the characteristics of the early stage of a project, there are considerable uncertainties. Also, since design alterations are common, there are limitations for such budget prediction models when it comes to decision-making.
This research utilized Monte Carlo Simulation (MCS) to consider the probability of available information with uncertainties in the early stage of a project. A probabilistic prediction model for construction budget using Monte Carlo Simulation and linking the methodology to Case-based Reasoning is proposed.
The main points in this research are summarized below.
First, this paper analyzed earlier researches on existing methodologies to predict construction budget, with earlier researches using Monte Carlo Simulation. The methodology utilized in this research is explained in detail.
Second, through situation analysis of existing CBR-based construction budget prediction models, the research identified problems and limitations of existing models, arguing the need for improvements.
Third, the paper suggested a method to apply MCS for CBR-based construction budget prediction models and developed a probabilistic, hybrid, construction budget prediction model. The paper conducted regression analysis based on the database built to attribute weighting of influence factors to be used in the retrieval stage in CBR. A hypothesis was created on the distribution types for each influence factor the findings of earlier researches. Through distribution types and fluctuation range for each influence factor, a random number combination of construction budget was created and used as basis for a similar case inquiry. The process of random number combination creation and inquiry process of similar cases was repeated at a regular basis. Based on the accumulated inquiry result, a probabilistic construction budget prediction result was extracted.
Fourth, the research suggests average, mode, median value and budget range from the probabilistic construction budget prediction result for a project requiring budget prediction. Moreover, a probability of successful construction with a designated budget value could be given. Different budget values could also be given based on the risk.
Fifth, case collection of apartment houses was done to check the effectiveness and validity of the probabilistic construction budget prediction hybrid model. Findings were verified using the average value taken by considering uncertainties, reflecting all the cases in the prediction result. A comparative analysis for verification was conducted for cases including ① error rate (A) of construction budget prediction using CBR method and fixed influence factors; ② error rate (B) of prediction using regression analysis with fixed influence factor values; ③ error rate (C) of the result from using probabilistic values of influence factors; and ? error rate (D) for application of probabilistic method used for only a part of the influence factors.
This research randomly selected 500 cases from 510 construction cases. The 10 leftover cases were used in the verification process. The average error rate on verified cases are as follows: error rate of method (A) that utilizes CBR and fixed influence factors is 8.9%; the construction budget error rate using regression analysis and fixed influence factors (B) is 7.0%; the result of probabilistic construction budget prediction model (C) showed a 3.5% error rate; and the error rate for application of probabilistic method used for only a part of influence factors (D) is 5.2%. Two cases using the probabilistic construction budget prediction model showed a relatively low error rate, therefore indicating high prediction performance.
Unlike existing construction budget prediction models that require fixed values of influence factors, the hybrid construction budget prediction model suggested in this research can use the probability distribution and fluctuation range of influence factors to predict construction budget with higher accuracy. This model is expected to be useful in the early phase of projects when available information is limited and more uncertainties are present. Decision-making of ordering bodies is expected to benefit from the advantages of this method.
A limitation of this research was that it was conducted on the retrieval stage of CBR, and correction was not done for inquired cases. A correction process would be needed in future researches, and detailed validity analysis of average values used for prediction result values in this research is also needed. Moreover, database building and additional verification for cases other than apartment houses facilities should continue.