공동주택 사업특성에 따른 공사기간 및 비용 예측을 위한 CBR 기반 Hybrid 모델 = A CBR-based Hybrid Model for Predicting Construction Duration and Cost based on Project Characteristics in Multi-Family Housing Projects

국문 초록 (Abstract)

국내 건설산업은 국내총생산(GDP) 대비 투자규모 151.8조원(18.8%), 생산규모 66.0조원(7.2%)을 차지하고 있으며, 건설취업자 또한 184만명으로 전체취업자의 7.9%를 차지하고 있다. 이처럼 건설산업은 국가경제의 중추적인 역할을 담당하며 내수경기를 이끌고 있는 거대산업이다.
이러한 규모에도 불구하고, 국내 건설산업은 프로젝트 특성을 반영하여 공사기간 및 비용 등의 핵심요소를 관리하고 있지 못하고, 오히려 정책적으로 제시된 예산과 공기에 맞추는 소극적인 방법으로부터 벗어나지 못하고 있는 실정이다. 이러한 문제점을 극복하고 건설산업의 경쟁력 향상을 도모하기 위해서는, 프로젝트 초기단계에서 공사기간 및 비용 등의 핵심요소에 대한 보다 정확한 정보 확보가 요구된다.
이 연구에서는, 국내 공동주택건설의 발주현황을 연도별, 부문별, 유형별, 지역별, 면적별, 층별 등 다양한 측면에서 분석하였다. IMF 외환위기와 같은 경제적인 요인, 임대주택건설 등 서민주거생활안정대책, 주택건설종합계획(2003년~2012년)과 같은 정책적인 요인, 그리고 시대적 흐름, 사용자 요구사항 등에 따라 다양한 사업특성을 갖는 프로젝트가 발주되고 있는 것으로 나타났다. 이러한 요인간의 복잡한 상관관계는 프로젝트 초기단계에서 공사기간 및 비용을 예측하고 관리하는 업무를 어렵게 만들고 있는 것으로 분석되었다.
이 연구에서는 프로젝트 초기단계에서 공사기간 및 비용을 예측할 수 있는 CBR 기반 Hybrid 모델을 개발하였다. 이 연구의 분석자료는 2000년 ~ 2005년 공공부문에서 발주된 공동주택건설공사 101건을 활용하였다.
이 연구에서 개발한 CBR 기반 Hybrid 모델은 사례기반추론(Case-Based Reasoning), 다중회귀분석(Multiple Regression Analysis), 인공신경망(Artificial Neural Networks) 등의 기법을 통합한 것이며, 유전자알고리즘 (Genetic Algorithms)을 활용한 최적화 프로세스와 몬테카를로시뮬레이션(Monte-Carlo Simulation)을 활용한 확률분포 및 이상값 분석 프로세스를 추가한 것이다.

이 연구의 결과는 최적화 프로세스에 적용된 최적화 매개변수에 따라 아래와 같이 두 가지 모델로 구분된다.

첫째, 4장에서 개발한 CBR-based Hybrid Model(Ⅰ) (이 연구에서는 CM-POP4(C&D)(Ⅰ)으로 표현함)에서는 2가지의 최적화 매개변수를 설정하였다 : 1) 속성가중치 유형(Type of Attribute Weight, TAW), 2) 속성유사도 점수 산정을 위한 최저기준(Minimum Criteria for scoring Attribute Similarity, MCAS). 여기서, 속성가중치 유형(Type of Attribute Weight)으로는 Feature Counting, MRA, ANN을 적용하였다.
공사기간 예측모델(CM-POP4(D)(Ⅰ))의 경우, 속성가중치를 ANN 방법으로 산출하고, 속성유사도 점수 산정을 위한 최저기준(MCAS)을 75.51%로 설정하였을 때, 예측정확도가 93.29%로서 가장 우수한 것으로 나타났다. 공사비용 예측모델(CM-POP4(C)(Ⅰ))의 경우, 속성가중치를 ANN 방법으로 산출하고, 속성유사도 점수 산정을 위한 최저기준(MCAS)을 72.12%로 설정하였을 때, 예측정확도가 85.58%로서 가장 우수한 것으로 나타났다.

둘째, 5장에서 개발한 CBR-based Hybrid Model(Ⅱ) (이 연구에서는 CM-POP4(C&D)(Ⅱ)로 표현함)에서는 4가지의 최적화 매개변수를 설정하였다 : 1) 속성가중치 범위(Range of Attribute Weight, RAW), 2) 속성유사도 점수 산정을 위한 최저기준(Minimum Criteria for scoring Attribute Similarity, MCAS), 3) 사례 추출 범위(Range of Case Selection, RCS), 4) 교차구간 여유율 범위(Tolerance Range of Cross Range between MRA and ANN, TRCRMA).
공사기간 예측모델(CM-POP4(D)(Ⅱ))의 경우, GA를 활용하여 속성별 최적의 가중치(<표 5-13> 참조)를 산출하고, 속성유사도 점수 산정을 위한 최저기준(MCAS)을 50.32%로, 사례 추출 범위(RCS)을 9.01%로, 교차구간 여유율 범위(TRCRMA)를 4.45%로 설정하였을 때, 예측정확도가 96.10%로서 가장 우수한 것으로 나타났다. 공사비용 예측모델(CM-POP4(C)(Ⅱ))의 경우, GA를 활용하여 속성별 최적의 가중치(<표 H-11> 참조)를 산출하고, 속성유사도 점수 산정을 위한 최저기준(MCAS)을 22.36%로, 사례 추출 범위(RCS)을 14.00%로, 교차구간 여유율 범위(TRCRMA)를 8.06%로 설정하였을 때, 예측정확도가 90.10%로서 가장 우수한 것으로 나타났다.

이 연구에서 개발한 CM-POP4(C&D)는, CBR, MRA, ANN 등의 예측방법론, GA를 활용한 최적화 프로세스, MCS를 활용한 확률분포 및 이상값 분석 프로세스 등의 장점을 통합한 합리적인 의사결정 지원도구이다. 또한, 실무기반의 반복적인 자료를 바탕으로 개발되었기 때문에, 실무적으로도 적용 가능할 것으로 기대된다.
최적화 프로세스(GA), 확률분포 및 이상값 분석 프로세스(MCS)를 더욱 효과적으로 구동하고, 최종사용자(End User)에게 더욱 신뢰성 있는 결과물을 제시하기 위하여, 향후 광범위한 양의 자료를 활용한 모델을 개발할 필요가 있다.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 범위 및 방법 3
• 제2장 예비적 고찰 7
• 2.1 기획 및 설계단계 프로세스 7
• 2.2 기획 및 설계단계에서의 공사기간 및 비용 예측 11
• 2.2.1 건설산업에서의 사업성능 11
• 2.2.2 공사기간 예측 관련 연구 13
• 2.2.3 공사비용 예측 관련 연구 18
• 2.3 공사기간 및 비용 예측방법론 23
• 2.3.1 사례기반추론 24
• 2.3.2 다중회귀분석 27
• 2.3.3 인공신경망 30
• 2.3.4 유전자 알고리즘 34
• 2.3.5 몬테카를로 시뮬레이션 37
• 2.3.6 예측방법론 종합분석 40
• 제3장 공동주택 사업의 발주현황 및 사업성능 43
• 3.1 공동주택 사업의 발주현황 43
• 3.1.1 연도별․부문별 발주현황 43
• 3.1.2 연도별․유형별 발주현황 44
• 3.1.3 연도별․지역별 발주현황 46
• 3.1.4 면적별․층별 발주현황 47
• 3.2 분석대상 사례의 사업특성 및 사업성능 48
• 3.2.1 분석대상 사례의 사업특성 분석 48
• 3.2.2 분석대상 사례의 사업성능 분석 49
• 3.2.3 사업특성과 사업성능의 상관분석 52
• 3.2.4 CBR 기반 Hybrid 모델의 입․출력 변수 설정 55
• 3.3 소결 62
• 제4장 사업특성에 따른 공사기간 및 비용 예측을 위한CBR 기반 Hybrid 모델(Ⅰ) 63
• 4.1 CBR 기반 Hybrid 모델(Ⅰ)의 개발 프로세스 63
• 4.2 공사기간 예측모델 개발 프로세스 70
• 4.2.1 1단계 : CASE-BASE 구축 71
• 4.2.2 2단계 : 공사기간 예측을 위한 다중회귀모델 개발 76
• 4.2.3 3단계 : 공사기간 예측을 위한 인공신경망모델 개발 79
• 4.2.4 4단계 : 공사기간 예측을 위한 CBR 기반 Hybrid 모델(Ⅰ) 개발 82
• 4.2.5 5단계 : 예측정확도 향상을 위한 최적화 프로세스 90
• 4.2.6 6단계 : 이상값 분석 및 최적화 프로세스 재구동 97
• 4.2.7 예측정확도 평균의 동일성에 대한 t-검증 106
• 4.3 공사비용 예측모델 개발 프로세스 110
• 4.4 성능지표 제시모델 개발 프로세스 112
• 제5장 사업특성에 따른 공사기간 및 비용 예측을 위한CBR 기반 Hybrid 모델(Ⅱ) 117
• 5.1 CBR 기반 Hybrid 모델(Ⅱ)의 개발 프로세스 117
• 5.2 공사기간 예측모델 개발 프로세스 124
• 5.2.1 4단계 : 다중회귀모델과 인공신경망모델의 예측값 교차구간 산출 125
• 5.2.2 6단계 : 예측정확도 향상을 위한 최적화 프로세스 127
• 5.2.3 7단계 : 이상값 분석 및 최적화 프로세스 재구동 138
• 5.2.4 예측정확도 평균의 동일성에 대한 t-검증 148
• 5.3 공사비용 예측모델 개발 프로세스 152
• 5.4 성능지표 제시모델 개발 프로세스 154
• 제6장 공사기간 및 비용 예측모델 검증 159
• 6.1 공동주택 사업특성 160
• 6.2 공사기간 및 비용 성능예측 160
• 6.3 연구결과의 주요특성 및 연구의 한계 163
• 제7장 결론 167