摘要：时代已经走到了信息大爆炸的关键路口，几乎所有的行业都将迎来信息资源的一场革命，正是在这样的背景下，工程造价在信息计算和新技术的革新突破出了新的阶段。但是，目前存在的问题依旧是制约整个行业发展的一个瓶颈性问题，对此，本文以大数据为时代背景尧以信息资源共享为切入点，对工程造价这个行业的走向和发展进行一个分析。
关键词：大数据；工程造价；资源共；平台
1 工程造价信息资源共享重要性
首先，工程造价信息资源共享能够帮助工程造价管理者对基础资料数据进行梳理和分析，提高有关人员的业务水平。建筑工程施工需要耗费较长的时间、人力和物力成本，因此需要相应的高素质和经验丰富的人员才能确保工程低造价、高质量。其次，有助于提高工程造价者对工作适应力，让其了解更多的建筑领域情况，更好地对工程总体情况进行把控，实现对工程造价的有效管理。再次，工程造价信息资源的共享减少了不必要的重复劳动，节省了相应成本，能使工程项目施工更顺畅。最后，工程造价信息资源的共享是岁工程经验成果的合理利用，有助于形成建筑行业指导价格，帮助有关单位进行投标决策，更为全面的反应工程施工和管理水平，进而营造有序竞争的市场环境。
2 工程造价信息资源共享的研究方向
2.1工程造价信息资源共享应用的主要方面
工程造价信息资源共享应用主要涉及四个方面。一是在房地产开发及项目建设投资阶段，有关单位为了对建设项目从其规模、资金渠道、设计方案、招投标等进行较为全面的投资评价而建立的工程造价信息系统。二是有关部门为了对工程项目建设的可行性进行评价或者从经济效益上进一步优化设计方案而进行的围绕“设计概预算”所应用的建筑工程造价信息系统。三是建筑施工单位根据自身工程水平，通过对投标方案、文件等相关数据分析，在进行决策投标报价时对工程造价信息资源系统的应用。四是企业在施工过程中对工程造价信息资源系统的应用，有助于帮助施工方筛选最优的方案，尽可能应用新工艺和技术以减少造价成本。
2.2基于BIM&云的造价信息资源共享应用
基于BIM&云的造价信息资源共享应用是当前大数据时代下较为先进的应用方式，通常来讲，在实际的应用过程中要实现造价信息的共享，往往需要建立相应的框架结构，主要包括有基础设施层、云平台服务层、应用服务层和应用层。
首先，基础设施层是造价信息资源共享的物质基础，它主要是由存储和计算两大模块组成的。存储模块主要是借助云分布式的数据库手段，集成企业中有关的模型数据库，实现对建筑信息模型行业库的建立。而使用结合了建筑信息模型系统软件及辅助软件，并在对其进行语义检索的基础上的云分布式技术能够构建数据存储应用。综合应用XML技术，STEP、RDF/OWL语言和IFC标准则能够完成对造价数据的挖掘和处理。另外存储模块的形成还需要包括防火墙、网络等在内的基础计算资源，并完成虚拟化的数据存储，并对其进行安全防护和数据管理。另一方面，计算模块则需要凭借分布式计算和并行处理技术的支持，才能实现对造价数据的处理。
其次是云平台服务层。该层主要作用是对数据资源、数据处理、数据安全及用户对象的管理。用户下发指令的过程主要就是对相应数据任务进行处理的过程。当用户发出相应的指令后，云平台服务层的资源管理就会相应的选取数据基础资源，根据数据处理情况划分为不同的密级，将数据信息有选择性的存在公共、私有云两类云平台上。因此，公有云平台上大多是有关工程造价的国家政策。地方法规、造价指标和依据、建筑物料市场平均价、建筑工程典型造价案例等，而私有云平台上大多是工程建设方、施工方、造价监理方等针对该项目的一些造价数据、企业信息等，只有相应的用户才能对平台进行登陆和信息查看。安全管理则是通过加密等方式对数据的安全性进行保护。
期刊文章分类查询,尽在期刊图书馆
再次，应用服务层主要是对建筑信息模型所依托的软件进行服务管理。一般来说，用户通过租用运营商的软件来享受对筑信息模型系统软件的使用权，在软件使用过程中使用者可以模拟进行工程建模，对工程进行计价，还可以对建筑的稳固性进行检验，最终将这些信息数据存储并上传到云平台。
最后一层就是信息应用层，信息能够通过手机、计算机等设备在需要时应用建筑信息模型系统软件，以快速查看相关的造价数据。
2.3大数据挖掘技术
当前阶段各国对工程造价信息资源共享研究的另外一个重要方向就是应用大数据技术首先对数据的挖掘。一方面，建筑信息模型数据库信息量较大，且种类繁多，常见的就有以BIM为代表的结构型数据、以成本预算或者项目结构方案为典型的半结构型数据和以图像、音视频等构成的非结构化数据三类。在实际应用中会首先对要应用的数据进行针对性、标准化的处理，这样才能确保数据信息之间的有效共享。为了避免不同类数据之间产生冗杂，通常会使用XML技术对其进行处理。在进行数据结构化和标准化时，需要对不同类数据抽取后形成元数据，再根据国际IFC标准，应用相应模式整合出有效数据，然后再根据IFC大纲中的文件模式对数据进行结构转换，最终提取出元数据，产生用户可以读取的数据文件，从而完成对海量数据的挖掘和提取。
另一方面，数据挖掘需要经历数据预处理、挖掘、结果分析三个过程才能实现数据的可视化。从本质上来看，工程造价的数据信息挖掘是依托现有数据，根据工程类别，分析工程时间、工程地等不同差异后，探索不同工程造价数据变化的特点，最终找出该类工程造价的规律，并制定出相应的投资决策，并核定费用支出和相关的人力、物力成本，找出工程耗量及效益目标，并预测工程造价偏差度。通过对数据结果分析，最终形成工程造价信息的预测模型。从我国实际情况来说，预算法中相关条款也在不断地细化和完善，这也将成为工程造价预测模型应用广泛化及预测精准化的重要支撑。当前一些工程造价中所应用的智能造价计算方式的准确度越来越高，但是类似神经网络等智能技术的应用范围还十分有限，未能大规模的推广。
另外该技术逻辑推理的过程是不可视的，其计算方式还需要进一步优化，比如将相应的可视化技术充分应用到工程信息数据收集、挖掘、统计、处理、预测的全过程，根据人类的思维特点实现“人性化”的数据挖掘，尤其是将数据之间所隐含的联系进行“曝光”，这样才能更好的实现对使用者数据的服务，并提高数据的准确性。此外，利用图形展示的方式可以根系造价预测的偏差情况，并实现预测造价与实际造价之间的对比，进一步帮助提升数据挖掘结果的可靠性。
3结语
在进行数据处理的过程中一定要采用高精准的数据模式，并且挖掘数据是整个信息资源共享的关键环节，包括工程造价的预测和指标等，来进行统计划分，实现工程造价投资结构等具体的比例安排之后，就同类的工程造价进行偏差分析，根据数据分析结果来预测工程造价的预测模型，完善和发展现有的预算方法，进行优化组合，不断的提高预测模型的准确性和突破性。例如，现在的工程造价采取了一些网络支撑，技术水平都是非常高的。对现有的预算进行优化是实现工程造价信息资源共享的一个重要方面。大数据背景下，要想实现工程造价信息资源的高效共享，就必须要掌握好工程造价相关的技术应用，在熟悉各项具体应用之后，才能更好的实现工程造价信息资源的共享效果，为今后工程造价信息资源共享实施帮助。
参考文献：
[1]方巍，郑玉，徐江.大数据：概念、技术及应用研究综述[J].南京信息工程大学学报（自然科学版），2014（5）.
[2]刘贵文，李杰.基于价值管理的建筑业效率提升：海外经验及借鉴[J].现代管理科学，2015（3）：24-26.
[3]彭大敏，王罕.大数据环境下工程造价管理对策分析[J].建筑经济，2014（11）：69-71.
论文作者:寇小燕
论文发表刊物:《基层建设》2020年第1期
论文发表时间:2020/4/21
标签：工程造价论文; 数据论文; 信息资源论文; 造价论文; 信息论文; 工程论文; 模型论文; 《基层建设》2020年第1期论文;