一种针对工程造价项目的数据审核方法及系统与流程

1.本发明涉及人工智能技术领域，具体涉及一种针对工程造价项目的数据审核方法及系统。


背景技术：

2.建筑工程的行业竞争越来越激烈，如何在保证建筑工程质量的基础上，降低其造价成本，成了建筑企业提高自身竞争力的关键，降低造价成本，需要对建筑工程的实施过程进行造价审核，约束其成本控制，使建筑工程长期处于精细化管理过程中，才能在保证建筑工程质量的基础上，降低建筑工程的造价成本。
3.工程量审核是建筑工程造价审核的基础性工作，对审核人员提出较高要求。一方面，审核人员必须拥有较强的阅读理解能力。只有具备此能力，才能了解每一张图纸的内涵。另一方面，审核人员要对计算规则与方法了然于胸。例如，对于板柱如何划分，什么时候需要按挑檐计算，什么时候需要按雨篷计算等细节问题，要清晰把握。只有把握好工作细节，才能防止低估、漏报、多报等情况出现。这件事看似容易，但实施起来并不容易，需要审核人员不断提高自身的专业水平、积累经验，以此提高审计工作的有效性
4.但是专业性强、经验丰富的审核人员少、用人成本大，目前普遍的审核人员专业性不够强或者经验不足，不能维持较高的审核质量，另外现有的人工的审核方法费时费力，效率不高。


技术实现要素：

5.为了解决上述技术问题，需要一种自动化的、具有一定专业性和审核经验的系统，本发明的目的在于提供一种针对工程造价项目的数据审核方法及系统，所采用的技术方案具体如下：
6.本发明提供了一种针对工程造价项目的数据审核方法，该方法包括以下步骤：
7.获得历史中每个施工设计图上的所有历史单元，并且获得每个历史单元的造价特征，根据每个施工设计图上的历史单元构建出每个历史单元图数据，将所有历史单元图数据分别输入图卷积神经网络中，获得所有历史模组；
8.计算所有历史模组之间的结构相似度，根据每个历史单元与其他历史单元的造价差异以及每个历史单元所属的历史模组与其他历史的单元所属的历史模组的结构相似度获得每个历史单元的参考程度；
9.根据待审核的施工设计图上的待审核单元，构建出待审单元图数据，将待审核图数据输入图卷积神经网络中，获得所有待审核模组；
10.根据每个待审核模组和每个历史模组的结构相似度以及每个历史单元的参考程度，获得每个待审核单元的审核特征，最后根据待审核单元的审核特征与待审核单元的造价特征的差异获得造价审核结果。
11.进一步地，所述的每个历史单元图数据的获取步骤包括：
12.从数据库中读取出历史上每个工程项目的电子版的施工设计图，获取所述施工设计图上包含的所有历史单元，并为每个历史单元分配属性向量；
13.以每个历史单元为节点，每个节点的值为对应的历史单元的属性向量，如果任意两个历史单元在施工设计图上具有直接的物理接触，那么所述的两个历史单元表示的节点之间的边权值为1，否则为0，进而将历史中每个施工设计图上所有历史单元构建成拓扑图，称为每个历史单元图数据。
14.进一步地，所述的历史单元的属性向量的获取步骤包括：
15.所述的历史单元是指施工设计图上的最小建筑结构单元，获取每个历史单元的类型，所述的类型包括但不限于：梁、柱、墙体、楼梯、门、窗、地板，每个类型用one-hot编码表示；除此之外，获取每个历史单元的最小外接立方体所有的顶点坐标，将每个历史单元的所述类型和所述顶点坐标合并为一维向量，称为属性向量。
16.进一步地，所述的历史模组是指多个历史单元构成的集合，同一个历史模组中的历史单元之间存在着物理接触以及相互作用力，形成一个稳定的建筑结构，具有一定的功能；所述的历史模组实质上是建筑物上的一部分建筑结构。
17.进一步地，所述的历史模组之间的结构相似度的获取步骤包括：
18.对于任意两个历史模组，分别从所述两个历史模组中获得任意一对历史单元，如果该对历史单元是同一种类型，那么该对历史单元的相似程度为该对历史单元的属性向量的余弦相似度，如果该对历史单元不是同一种类型，那么该对历史单元的相似程度为0；
19.利用km算法将所述两个历史模组中的历史单元进行匹配，获得所有匹配成对的历史单元，使得所有匹配成对的历史单元具有最大的相似程度；
20.获取所述所有匹配成对的历史单元之间的相似程度之和，记为所述两个历史模组的整体相似程度；另外获取所述两个历史模组中包含历史单元数量最多的历史模组，将该历史模组中历史单元的数量称为所述两个历史模组的最大容量，将所述整体相似程度与所述最大容量的比值称为任意两个历史模组的结构相似度；
21.同理，获得任意一个待审核模组和任意一个历史模组的结构相似度。
22.进一步地，每个历史单元的造价是指对于一个施工设计图上每个历史单元的多种收费指标构成的高维向量，所述的收费指标包括但不限于材料价格、施工时设备使用费用、人工费用。
23.进一步地，所述的每个历史单元的参考程度的获取步骤包括：
24.获取与每个历史单元属于同种类型的所有历史单元，称为每个历史单元的同类型集合，所述的每个历史单元的同类型集合中的元素是指历史单元；
25.获取每个历史单元的造价特征与其同类型集合中每个元素的造价特征的差值，然后获取每个历史单元所属的历史模组与其同类型集合中每个元素所属历史模组的结构相似度，所述差值与所述结构相似度的乘积称为差异特征；
26.每个历史单元的所有差异特征的白化处理结果的协方差矩阵的l2范数称为每个历史单元的参考程度。
27.进一步地，所述的待审核单元的审核特征的获取步骤包括：
28.获取待审核单元所在的待审核模组，以及与待审核单元类型相同的所有历史单元，以待审核模组和所述的所有历史单元所属的历史模组的结构相似度为第一权重，以所
述所有历史单元的参考程度为第二权重，以第一权重和第二权重的比值为最终权重，对所述所有历史单元的造价特征进行加权求和，获得待审核单元的审核特征。
29.本发明还提供了一种针对工程造价项目的数据审核系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现任一项所述的一种针对工程造价项目的数据审核方法。
30.本发明具有如下有益效果：本发明通过从历史的施工设计图中学习和提取工程造价特征，进而辅助当前施工设计图的造价审核，一方面实现了自动审核的功能，减少了对专业人员的依赖，提高审核效率；另一方面，首先通过历史施工设计图等数据提取每种类型的建筑结构单元在不同建筑结构处的造价特征，再结合待审核设计图中的建筑结构，对历史中的造价特征进行融合，获得待审核设计图的审核结果，保证在审核时能够考虑不同建筑单元在不同建筑结构处的设计与审核的规则，充分利用历史中的设计图的审核经验，保证当前的审核结果更加合理，提高审计工作的有效性，防止低估、漏报、多报等情况出现。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
32.图1为本发明一个实施例所提供的一种针对工程造价项目的数据审核方法的流程图；
具体实施方式
33.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种针对工程造价项目的数据审核方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
34.下面结合附图具体的说明本发明所提供的一种针对工程造价项目的数据审核方法及系统的具体方案。
35.请参阅图1，其示出了本发明一种针对工程造价项目的数据审核方法，其特征在于，该方法包括以下步骤：
36.步骤s001，根据历史施工设计图和待审核设计图利用图卷积神经网络获得历史模组和待审核模组。
37.审核设计图的企业或机构将审核过的施工设计图存储在数据库中，这些设计图都是历史中不同施工单位在不同施工项目中设计的施工图，并且每个施工设计图上不仅包含建筑的设计数据，还包含最终审核通过的造价数据。本发明所述的施工设计图是指电子版的设计图，设计图一般分为正视图、俯视图、侧式图等，即从设计图上本发明可以获取图上建筑单元三维信息，并且设计图上的所有建筑结构数据都可以直接读取出来
38.从数据库中读取一个施工设计图，设计图上是不同类型的建筑单元，例如梁、柱、
墙体、楼梯、门、窗、地板等等，本发明将数据库中的设计图上的建筑单元称为历史单元，本发明用所述梁、柱、墙体、楼梯、门、窗、地板等类型的one-hot编号表示历史单元的类型数据，并且根据设计图的三视图获得每个历史单元的最小外接立方体，所述的最小外接立方体等同于二维空间的最小外接矩形，用于描述历史单元的大小以及位置信息，本发明将历史单元的类型和最小外接立方体所有顶点的坐标合并为一个向量，称为历史的单元的属性向量，用于描述历史单元在施工设计图中的类型和位置。
39.对于一个施工设计图，以其上所有历史单元为节点，以历史单元的属性向量为节点的值；如果任意两个历史单元具有直接的物理接触，那么这两个历史的单元对应的节点间的边权值为1，否则为0，进而生成一个拓扑图，称为该施工设计图的历史单元图数据。本发明构造图数据的目的是为了方便简洁同时又完备的表征施工设计图的主要特征，方便后续处理。
40.对于当前的一个待审核的施工设计图，该图上的建筑结构单元简称为待审核单元，仅仅为了区分与上述的历史结构单元，同理根据待审核的施工设计图获得待审核单元图数据。
41.构造一个图神经网络，将一个历史单元图数据输入该图卷积神经网络后，获得所有的历史模组；所述的每个历史模组是指一些历史单元的集合，同一个历史模组中的历史单元之间存在着物理接触以及相互作用力，形成一个稳定的建筑结构，具有一定的功能；所述的历史模组实质上是建筑物上的一部分建筑结构，例如柱子和梁以及楼板构成的建筑结构，就是一个历史模组，再例如某些类型砖切体和木制结构也构成一个历史模组，等等。获得历史模组的原因考虑到同一种历史单元在不同历史模组的清单计价规则或定额计价规则不同，例如柱子或梁等在不同的历史模组中，例如梁、柱、板的交叠结构处，挑檐结构处，雨棚结构处等等，用到的测量方法、混凝土等级、钢筋的质量等都不同，进而造价也不同；通过引入历史模组使得后续审核过程能够把握好工作细节，才能防止低估、漏报、多报等情况出现。
42.需要说明的是，不同历史模组中可能包含相同的历史单元，同一个历史模组中可能包含相同类型的历史单元，这些情况并不影响本发明在后续的计算。
43.图神经网络的训练过程是有监督训练，数据集的获取方法为：所有施工企业、施工图审核企业、施工图设计企业共享施工设计图，这些施工设计图对应的历史单元图数据构成数据集，数据集中每个数据的标签是由人为标注的，一般设计人员在设计施工图时顺便标注出属于同一历史模组的历史单元，进而可以方便的获得每个数据的标签。然后根据数据集训练图卷积神经网络。
44.另一方面，为了使得施工设计图的数据保密，可以利用联邦学习的方法训练图神经网络；还可以通过计算机模拟器，例如游戏引擎、建筑设计引擎等生成施工设计图，进而获取大量的数据集；需要说明的是，本发明所用的图卷积神经网络层数少、参数量少、任务简单，无需太大规模的数据集，甚至审核企业或结构的数据库中的施工设计图可以作为数据集也训练出较为准确的图卷积神经网络。
45.本发明从数据库中挑选出审核结果合理的所有施工设计图，根据所述的施工设计图构建出所有的历史单元图数据，将所述的历史单元图数据分别输入到图卷积神经网络中，获得所有的历史单元模组；并且根据待审核的施工设计图获得待审核单元图数据，将其
输入到图卷积神经网络中获得所有的待审核模组。
46.步骤s002、获得每个历史单元的造价特征。
47.对于步骤s001获得的所有历史模组，每个历史模组都是一些历史单元的集合，每个历史单元都具有造价数据，本发明所述的历史单元的造价数据是指是在设计施工图时给出的造价结果，是直接可以从数据库中读取出来的，并且每个历史单元的造价数据是被审核人员或者本发明所审核通过的；为了更加精细的表征每个历史单元的造价数据，本发明将每个历史单元的材料价格、每个历史单元施工时设备使用费用、人工费用等等费用指标构成的高维向量，这个高维向量称为造价特征，本发明利用造价特征表示每个历史单元的造价数据。
48.进一步，考虑到每种建筑材料在不同使其的价格或人工费用等不一样，因此计算每个时期每种材料的平均价格、平均设备使用费用和平均人工费用等，然后利用每个历史单元的材料价格与对应时期的材料的平均价格的比值、每个历史单元施工时设备使用费用与对应时期的平均设备使用费用的比值、人工费用与对应时期的平均人工费用的比值等等重新获得每个历史单元的造价特征。
49.步骤s003、根据历史模组和历史单元的造价特征获得待审核单元的审核特征。
50.对于任意两个历史模组，分别从所述两个历史模组中获取两个历史单元获得任意一对历史单元，如果这两个历史单元是同一种类型，那么这两个历史单元的相似程度为该对历史单元的属性向量的余弦相似度，如果这两个历史单元不是同一种类型，那么该对历史单元的相似程度为0；
51.利用km算法将所述两个历史模组中的历史单元进行匹配，获得所有匹配成对的历史单元，使得所有匹配成对的历史单元具有最大的相似程度；
52.获取所述所有匹配成对的历史单元之间的相似程度之和，记为所述两个历史模组的整体相似程度；另外获取所述两个历史模组中包含历史单元数量最多的历史模组，将该历史模组中历史单元的数量称为所述两个历史模组的最大容量，将所述整体相似程度与所述最大容量的比值称为任意两个历史模组的结构相似度
53.任意两个历史模组的结构相似度越大说明这两个历史模组所有表示的建筑结构越相似，那么这两个历史模组中的历史单元的造价越可以互相参考。同理可以获得任意一个待审核模组和任意一个历史模组的结构相似度。
54.对于其中一个待审核单元，获取该历史单元所在的待审核模组；并且获取与该待审核单元同种类型的所有历史单元，假设共有n个这种历史单元，其中第n个历史单元的造假特征为xn，
55.那么该待审核单元得审核特征为
[0056][0057]
其中an表示该待审核所在的待审核模组a与第n个历史单元所在的历史模组的结构相似度，该值越大说明第n个历史单元的造价特征越可以用来评估该待审核单元的造价，即该待审核单元的审核特征就越趋近xn[0058]bn
表示第n个历史单元得参考程度，具体计算方法为：获取第n个历史单元所在的历史模组与第m个历史单元所在历史模组的结构相似度w
mn
；然后获取第m个历史单元的造价
特征xm与第n个历史单元的造价特征xn的差异特征δx
mn
＝w
mn
(x
m-xn)；当m＝1，2，3，
…
，n，m≠n时所有的δx
mn
构成一个集合，该集合表示的时其他历史单元与第n个历史单元的差异的分布情况；然后利用zca白化算法对集合中所有差异特征进行白化处理，然后再计算集合中所有差异特征的协方差矩阵，该协方差矩阵的l2范数视为bn，表示第n个历史单元得参考程度，该值越小说明第n个历史单元的造价特征和其他历史单元的造价特征差异越小，说明第n个历史单元的造价特征越可以作为审核标准进行参考，因此待审核单元的审核特征就越趋近xn；bn越大，说明第n个历史单元的造价特征和其他历史单元的造价特征差异较大，不确定性较强，使用第n个历史单元的造价特征进行审核过程的参考的话可能引入误差，因此本发明不关注xn的值。是归一化系数。
[0059]
本发明通过引入an、bn时的获得的审核特征既能充分参考和学习历史中的造价经验，又能尽量避免噪声和错误数据的引入，使得后续的审核结果防止低估、漏报、多报等情况出现。
[0060]
至此获得了该待审核单元的审核特征，同理获得待审核施工设计图上所有待审核单元的审核特征
[0061]
步骤s004、根据待审核单元的审核特征和待审核单元的造价特征获得审核结果
[0062]
本发明认为所有的待审核单元已经给定了造价特征，那么就获取每个待审核单元的造价特征的l2范数与待审核单元的审核特征的l2范数的差值的绝对值，当该值大于阈值时说明每个审待核单元的造价有问题，就以每个审核特征为每个待审核单元的造价特征；当该值小于预设阈值时，说明每个待审核单元的造价没有问题，不需要更改造价特征。
[0063]
最终获得的每个待审核单元的造价特征就是审核结果。
[0064]
本发明所述的阈值可以人为设置，本发明给出一种阈值的获取放方法：获取所有待审核单元的造价特征的l2范数的均值，记为a；获取所有待审核单元的审核特征的l2范数的均值，记为b；那么该阈值为|a-b|
[0065]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0066]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0067]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。