• 한국건설관리학회논문집
• /
• 제17권5호
• /
• pp.89-96
• /
• 2016

건설 프로젝트에서 생산되는 대부분의 데이터는 텍스트 기반의 비정형 데이터이다. 계약서, 시방서, RFi 등 수많은 텍스트 문서들을 효과적으로 분석하기 위해서는 텍스트 마이닝과 같은 비정형 텍스트 데이터 분석 방법이 필요하다. 이에 본 연구에서는 과거에 수행되었던 해외건설공사 프로젝트의 입찰 관련 문서들을 대상으로 텍스트 마이닝을 실시하였으며, 그 결과 빈출단어의 유형, 단어들 간의 연관관계, 문서들의 토픽 유형들에 대한 파악이 가능하였다. 본 연구는 텍스트 마이닝을 활용한 해외건설공사 입찰 정보 분석을 통해 비정형 텍스트 데이터를 효과적으로 분석할 수 있는 방안을 제시하였다는 점에서 의의가 있으며, 향후 관련 분야 연구를 확장시킬 수 있는 기반을 마련할 수 있을 것이라 기대한다.

• 대한토목학회논문집
• /
• 제43권6호
• /
• pp.851-863
• /
• 2023

일정 규모 이상의 공공 건설 프로젝트에 대한 BIM(Building Information Model) 적용이 의무화됨에 따라 입찰단계에서부터 BIM 요구사항에 대한 관련 절차 및 기술에 대한 폭넓은 이해가 요구되고 있다. 그러나 대부분의 중소 시공 및 엔지니어링 기업은 BIM 수행역량이 낮고 관련 기존 업무 프로세스의 BIM 적용에 대한 이해 높지 않아, 입찰 요구사항에 대한 인지가 어렵고 입찰단계의 합리적인 의사결정이 쉽지 않다. 따라서 본 연구는 BIM 입찰문서 용어를 포함한 형태소 분석기를 딥러닝 모델에 결합하여 입찰문서의 BIM 요구사항의 난이도 판별 방법을 제시한다. 제안된 딥러닝 모델의 매개변수 영향이 조사되었으며 예측 결과의 타당성이 검토되었다. 그 결과, 제안된 모델이 시험 데이터에 대해 F1-score 0.83의 성능을 가지며, 모델의 판별 결과 또한 실제 BIM 수행 난이도를 타당하게 반영하고 있음을 보였다.

• 한국측량학회지
• /
• 제27권2호
• /
• pp.195-202
• /
• 2009

최근 공간정보의 생성 및 활용은 전통적인 측량분야 뿐만 아니라, CNS 및 ITS 등의 민간분야로 점차 확대되고 있다. 따라서, 공간정보의 정확성과 더불어 최신성이 중요한 요소로 자리잡고 있다. 하지만 현재의 수치지도는 일괄갱신 체계로 갱신되므로 최신성을 확보할 수 없으며, 사용자의 요구사항을 충족하기가 어렵다. 따라서 본 연구에서는 효율적인 공간정보 갱신을 위해 나라장터의 입찰정보를 분석하여 지형지물 변화정보를 관리할 수 있는 관리시스템을 개발하였다. 입찰정보로부터 지형지물의 변화 가능성이 있는 공사를 자동적으로 분류하고 이를 DB화하여 지형지물 변화 예측 정보를 생성하였다. 또한 텍스트형태의 입찰정보를 공간정보 데이터와 연계한 위치정보로 변환하였다. 본 시스템이 향후 안정적으로 구현된다면 수치지도 갱신에 필요한 막대한 금액이 일부 절감될 것이며, 공간정보의 최신성 확보에 많은 기여가 예상된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권11호
• /
• pp.471-480
• /
• 2023

국내 건설수주 규모는 2013년 91.3조원에서 2021년 총 212조원으로 특히 민간부문에서 크게 성장하였다. 국내외 시장 규모가 성장하면서, EPC(Engineering, Procurement, Construction) 프로젝트의 규모와 복잡성이 더욱 증가되고, 이에 프로젝트 관리 및 ITB(Invitation to Bid) 문서의 위험 관리가 중요한 이슈가 되고 있다. EPC 프로젝트 발주 이후 입찰 절차에서 실제 건설 회사에게 부여되는 대응 시간은 한정적일 뿐만 아니라, 인력 및 비용의 문제로 ITB 문서 계약 조항의 모든 리스크를 검토하는데 매우 어려움이 있다. 기존 연구에서는 이와 같은 문제를 해결하고자 EPC 계약 문서의 위험 조항을 범주화하고, 이를 AI 기반으로 탐지하려는 시도가 있었으나, 이는 레이블링 데이터 활용의 한계와 클래스 불균형과 같은 데이터 측면의 문제로 실무에서 활용할 수 있는 수준의 지원 시스템으로 활용하기 어려운 상황이다. 따라서 본 연구는 기존 연구와 같이 위험 조항 자체를 정의하고 분류하는 것이 아니라, FIDIC Yellow 2017(국제 컨설팅엔지니어링 연맹 표준 계약 조건) 기준 계약 조항을 세부적으로 분류할 수 있는 AI 모델을 개발하고자 한다. 프로젝트의 규모, 유형에 따라서 세부적으로 검토해야 하는 계약 조항이 다를 수 있기 때문에 이와 같은 다중 텍스트 분류 기능이 필요하다. 본 연구는 다중 텍스트 분류 모델의 성능 고도화를 위해서 최근 텍스트 데이터의 컨텍스트를 효율적으로 학습할 수 있는 ELECTRA PLM(Pre-trained Language Model)을 사전학습 단계부터 개발하고, 해당 모델의 성능을 검증하기 위해서 총 4단계 실험을 진행했다. 실험 결과, 자체 개발한 ITB-ELECTRA 모델 및 Legal-BERT의 앙상블 버전이 57개 계약 조항 분류에서 가중 평균 F1-Score 기준 76%로 가장 우수한 성능을 달성했다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.239-248
• /
• 2023

본 연구는 낙찰가율에 영향을 미치는 용역계약에 대한 요인을 나라장터의 사례를 중심으로 분석하는 것을 목적으로 한다. 연구에서 발주기관과 입찰자가 광범위한 나라장터에서 낙찰가율에 영향을 주는 용역계약을 분석함으로써 기존 연구와의 차별성을 살펴보았다. 분석모형으로 낙찰가율 영향 요인으로 예산액, 계약 방법, 공고 일수, 낙찰 방법, 낙찰 하한률 등 5개의 독립변수를 활용하였다. 조사분석은 지난 18년간 나라장터 용역입찰건에 대한 데이터를 텍스트 마이닝을 이용하여 빅데이터를 수집하고 다차원적인 방법으로 데이터를 분석하였다. 분석 결과 첫째, 예산액은 낙찰가율을 결정하지 않는다. 다만 소액의 경우에는 그러하지 아니하였다. 둘째, 계약 방법은 낙찰가율에 영향을 미치는 것으로 나타났다. 셋째, 공고 일수가 길어질수록 낙찰가율이 감소하고 있다. 넷째, 낙찰 방법은 낙찰가율에 영향을 미치고 있다. 다섯째, 낙찰 하한률은 낙찰가율을 결정하고 있다. 본 연구는 낙찰가율에 영향을 미치는 요인에 대한 실증분석 결과를 토대로 정책적 시사점을 찾고자 하였다.