英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
公共道路工程单价项目数量与投标成本的关联
摘要
在美国，公共道路的项目大多数是采用设计招标建造（DBB）方法。DBB项目通常通过竞标过程被政府机构采纳。DBB项目上，对公路项目成本初步估计可能是决策有关的项目进行投标阶段的一个主要的因素。项目的最终成本将根据承包商的投标金额来确定。如果项目的成本可以根据历史数据的投标成本估算，估计的金额会更准确。本研究试图通过分析由公共工程部在内华达州南部克拉克县于1991到2008年实施的151 DBB道路工程来确定项目的投标成本。当转换成2011年六月基础成本时，建筑总价值相当于8亿4100万美元。本研究基于项目的数量形成回归模型来预测未来项目的单价项目的投标成本。模型的验证也表明，这些模型准确的预测单位投标成本。这些模型将有助于分析准确的估算物品的单价成本数量的影响，和减少在工程师和实际投标金额之间的巨大差异。
关键词：设计招标，更改订单，投标费用，单价项目，道路项目
1.介绍
成本，时间和质量都需要特别考虑在每个建设项目的规划阶段。在这三个因素中，成本往往是首要因素，决定着一个设计招标的可行性建立（DBB）项目。一个DBB项目开工不仅是功能的需要，而且还取决于项目的估算成本以及订约当局预算的可用性。在今天的经济环境下，预算已成为一个关键的规划因素，需要进行一个急性优化。在当前经济低迷时期，有限资源下做越来越多的新的方法已成为关键的驱动程序。不幸的是，由于许多可变因素参与建设，准确预测任何建设项目的成本是有问题的。
当涉及到公共工程，它更重要的是承包当局优化纳税人的钱，尽可能负责任地利用它。然而，当局往往不得不在不同的项目之间进行选择的可行性阶段。然而，当局往往不得不在可行性阶段的不同的项目之间进行选择。有时，在时间约束的压力下，决策是在项目范围得到充分定稿。在这种情况下，对项目预算的准确估计通常没有完成。然而，它是在项目的初步阶段，控制预算是最必要的。
一般来说，公共道路的项目使用的是传统的DBB项目交付方法构建。DBB还广泛应用于交通运输、国家部门的政府机构，与美国各地县。克拉克县公共工程部（CCDPW）在内华达州南部采用DBB方法构建公共项目。在这种方法中，合同通过竞争招标获得。在竞争性招标，不管工程师的可能成本的估计，最低响应投标通常决定哪个承包商中标。换句话说，一个项目的实际成本的业主将中标承包商的投标金额，无论工程师的估计。因此，投标金额是特别关注的缔约当局。理想情况下，工程师的估计应该尽可能接近该项目的最低出价。
竞争投标是在所有的数量是已知的，以及详细的工程设计完成后才进行的。这是投标过程中两种类型：1）对于按单价投标的项目，数量被估计。2）对于数量不能估计的项目，或者是不相关的，使用一个总金额。通常情况下，投标人的数量的增加，该项目的总投标成本降低（什雷斯塔和，2010）可以假设，如果单价项目的数量增加，那么这些单位项目的投标成本将减少。
此外，投标成本一般由固定和可变成本组成。固定成本是指与项目的数量保持不变的成本；固定成本的例子包括间接费用和移动设备的成本。可变成本，如劳动力，材料和设备，根据项目的数量而有所不同。因此，投标人往往出价低时，数量高，反之亦然。如果可以确定这样的趋势，可以有可能获得更准确的估计根据历史投标数据。图1显示了影响单价项目投标成本的一些因素。大胆虚线显示了在这项研究中的调查关系。
本研究主要目的旨在探讨在DBB项目数量和项目单位价格之间的关系。本研究还探讨了利用不同的关系的性质线性内禀模型的类型。尽管数量不是影响项目单价的唯一因素，但只有数量在本研究被分离。这样做是为了评估其意义，并研究其对单位价格的性质。模型被开发以证明这种关系的存在和探索在最终单价数量下数学性质的影响。该模型可能不准确去独立预测最终投标价格。一个复杂的多变量分析需要做准确预测最终投标成本。
图1
他的研究主要集中在从1991到2008年的内华达州南部的DBB公路建设项目。分析涉及151个道路，转换成六月的基础成本，项目价值相当于总建筑成本8亿4100万美元。县级公路建设项目竞争性投标中多次出现的项目是研究数据集中包含的项目。这些项目在整个研究期间是从道路工程投标中被选择，成本进行了调整，相当于六月2011美元的价值。只有单价项目在这研究被考虑。
本研究的主要贡献，以现有的机构的知识是验证的数量作为投标单位成本的预测之一，并确定类型的关系存在在参数化成本建模系统中的这两个变量。该系统可在投标前被评估者去使用以准备可靠的估计项目。估计根据历史数据预计是非常有说服力和现实。这项研究的结果将在规划和选择DBB项目招标时，可有助于面对不同项目之间的可用性时的选择。研究涉及街道建设项目，但该框架可以扩展到在未来鉴于历史数据估计任何类型的项目。
- 文献回顾
如果项目的数量是一个影响投标价格的单价项目因素，审查本研究的主要目标是评估。回归模型被建立以预测单位成本工程项目中基于数量的价格项目。有关建筑成本低投标的研究论文也被检验。所有的论文可能和研究客体没有直接的关系，然而，他们帮助形成一个基础，以发展所需的研究的理解。
广泛的建筑成本估算方法的存在，因为它是用来验证可行性研究的设施或评估设计方案。这也是规划和准备建设项目的重要组成部分。因此，有必要制定一种方法在规划阶段提高施工成本估计的准确性。已经开发了各种方法来提高估计的过程，包括人工神经网络（多根等，2006），遗传算法（基姆等人，2004），基于案例的推理（CBR）（Ki我和Kang，2004；基姆等人，2004年b；李，2006；康等人，2008），和多元回归分析（睿狮等，2006）。遗传算法（GA）和多元回归分析（MRA）已被使用用CBR模型修正工程造价误差。
基姆（2011）建立了一个基于CBR模型的铁路桥梁造价预测模型。通过回顾属性变量组合、相似性评价方法，并在学习过程中检索相似事例，建立了一个有效的CBR模型。利用遗传算法优化属性权重。基姆和洪（2012）在回归分析的基础上对CBR模型进行修正，在规划铁路桥梁施工项目规划阶段估算施工成本。约11.9%的绝对绝对误差率和标准偏差为12.7%，由基姆（2011）发现，这意味着约30%的效果ACC精度的改进相比，CBR模型与建设交通部模型（MOCT）和韩国开发研究院（KDI）。然而，修改后的CBR模型降低建设成本错误率的建议CBR模型由16.2%（基姆和香港，2012）。同时，在精度和可靠性方面的CBR模型限制由于数据库没有建立充分反映铁路桥梁上部结构的多样性（基姆，2011）。详细的研究表明，修改后的CBR模型被认为是有效地提高建设成本估算的准确性，在规划阶段的建设项目（基姆和洪，2012）。
基姆等（2012）提出了一个近似的成本估算模型在规划阶段用于灌溉河道设施建设项目；该模型是基于案例推理（CBR）W遗传算法（GA）。在模型的开发过程中，利用92个历史案例灌溉类型的河流设施建设编译的CBR模型的数据库，并使用了约79个历史案例用遗传算法确定模型的属性权重。该模型是令人满意的应用程序在规划阶段的灌溉型河流设施建设的近似成本估算。据预计，CBR与GA为基础的模型将有助于更方便，更方便的估计在规划阶段的河流设施建设的近似成本。
详细的估计和历史投标价格估算系统也是主要的技术被伯恩斯（2002）采用为了研究公路项目因为估计的最佳实践运输部门。对在投标过程被使用的用于评估的所有方面-从概念估计到最终工程师的估计-进行了分析。有人建议，低投标建设市场的竞争性，阻碍了自由和开放的思想交流的估计，因为每一个承包商都密切关注投标时提供的信息。
Bijari（2010）强调竞价模型的重要性以确定最优的标记尺寸从而最大限度地提高承包商的长期利润。在贝叶斯框架下提出了一种竞争性报价模型，他们还研究了中标概率和最佳标记决策之间的相关性的意义。研究发现，这两个变量之间有很强的相关性。
为了缓和价格竞争–从而减少在合同执行阶段的成本超支和随之而来的昂贵的重新谈判的可能性–投标平均法（BAM）的概念，由阿尔巴诺等（2006）实施。这种方法是根据招标供应商在投标阶段提交的平均价格来授予采购合同的。阿尔巴诺等澄清了授予价格普遍影响的事后成本超支和谈判问题，只有当他们与无辜的错误和外生的冲击联系时，而不是在所有从供应商的机会主义行为。
纪等（2010）采用历史成本资料进行参数成本估算。通过对韩国10个建筑项目的数据进行回归分析，用实例对预处理的效果和成本模型的可靠性进行了检验。作者解释说，该模型有助于提高成本估计，增加历史数据的价值，从而通过稳定的估计提高可靠性的成本估计。
巴萨瓦拉杰医师（2011）进行研究从各种沥青混合料的设计用在奥克拉荷马州运输部（ODOT）确定中标单位的投标价格和数量之间的关系。研究表明，沥青单元价格趋于下降，随着投标数量增加超级铺路S3和超级铺路S4。如果这些设计中的数量和单价之间有关系，这个研究解决了不同类型的沥青设计和调查。在实际项目中，涉及多个项目，其投标单价可能与投标数量有关。一个详细的分析，涉及多个项目，构成一个完整的公路建设项目投标缺乏。除此之外，研究只研究了这些变量之间的线性关系和12个月的移动平均值计算。其他关系，如对数，功率，逆和EX指数可能会产生更好的不被考虑的结果。
Gransberg和Riemer（2009）实施研究去确定不准确的估计量对单价合同工程师的影响；他们评估了462个运输项目在奥克拉荷马的数量估计精度，建议分析师在评估单价估价系统的性能时，应使用绝对的，而不是平均误差率。
Flyvbjerg（2002）讨论了一种采用定性调整因子的组件级参数单价区间。在这种方法中，成本是根据数量范围，位置和其他因素分层。这些因素不时更新。另一个参数模型估计在土耳其城市铁路系统的工程造价（Sonmez和ontepeli，2009）。协调回归分析和神经网络技术，开发参数模型。同样，回归模型来预测总完工成本的基础上L公路工程投标报价（威廉姆斯，2003）。
影响投标的各种因素。市场价格的通胀被容纳到一个基于Web的系统利用人工神经网络的建筑工程造价指数预测（BCCI）T火鸡（baalousha和Celik，2011）。该系统更新了材料，劳动力和设备单价，无论是否有价格上涨的元素。发现投标人的数量和项目投标成本从工程师的估计偏差之间呈负相关（什雷斯塔和pradhananga，2010；蔡和李，2000；Li等，2008）。这意味着，随着投标人的数量增加，每个承包商出价较低的项目。
从德克萨斯的300个桥梁项目的数据进行了分析，开发一个项目级，数量为基础的初步成本估计系统的公路结构和杂项建设（Chou 等），2006；彭，2006）。桥梁结构的工作项目根据德克萨斯州运输部（TxDOT）规格（1993）进行细分。工作项目，贡献90%的总成本的项目，最初被确定，但是，最终，只有那些与项目成本的80%被认为是因为它的数量EMS显着增加，一旦80%级交叉。三零二个主要工作项目，构成累计项目的总的80.2%，被选中，其余19.8%个由其他371个工作项目组成。
桥梁维修项目的阿拉巴马州公路研究中心进行了研究，以改善未来的桥梁维修工作的成本预测（妮其·桑德斯等人，1992）。本研究的目的是为阿拉巴马州公路部门进行的城市公路桥梁拓宽项目建立初步成本估算。四零三个不同的工作项目分为九个不同的群体，并进行回归分析，各组。每个分析预测一个选定的项目，并获得最终成本通过总结所有的部分。这些单独的回归模型不打算被用作独立的模型或与任何其他模型一起使用。这些回归模型中的自变量是数量英尺，吨，平方码，磅和车道英里。成本是因变量
在路易斯安那进行的公路建设项目的调查声称，从估计成本的实际成本的变化不是一个随机现象（威尔莫特和程，2003）；如果这样的研究推测，类似的情况，在对量应该被高估了。本研究的目的是在不久的将来，建立一个强大的估计模型的公路建设。该模型的目的是将所有相关的变量尽可能的基础上定量的历史数据。这些变量包括合同价格，建设类型，功能CL设施，让日期，合同期限，地点，以及合同或完成合同之间的合同期限或价格的任何变化。
总之，由于招投标的动态过程，业主很难确定其单价项目的投标成本。一个强大的系统丢失，可以借鉴历史的招投标模式，准确地预测一个项目的投标价格在手。由于投标构成多个项目，项目层面的详细分析，需要了解每个项目的招投标模式。投标模式可能会根据项目的数量，项目执行时的可用性，项目的位置和许多其他因素改变。表1显示了项目投标成本影响因素的研究摘要。在本研究中，承包商的投标模式在单价项目进行调查，以确定是否投标单位成本与公共道路项目的数量有任何关系项目.以前的研究调查的估计过程中，以整体的方式和处理预测的最终项目成本的基础上一定的因素。这项研究是一个框架的一部分，包括详细调查的投标价格在项目级别和类型之间的关系的数量和投标单位价格的识别项目.
表1. 影响投标单位成本因素的文献综述
全文共11249字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[142668]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
|
序号 |
研究者 |
影响投标单位成本的因素 |
研究的关系 |
|
1 |
Bijari (2010) |
赢得最佳标记的概率 |
线性相关 |
|
2 |
Basavaraj (2011) |
物料的数量 |
线性相关 |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
