건설산업에서 프로젝트 초기의 의사결정은 매우 중요하다. 하지만 사업초기의 단계에 있어 가용정보의 한정으로 인하여 프로젝트의 공사비를 정확하게 예측하는 것은 매우 어렵다. 이러한 이유로, 건설 프로젝트에 투입되는 공사비 예측을 위한 다양한 연구가 진행되고 있다. 이에 많은 연구자들이 제안된 정보를 활용하여 공사비 예측의 방법론을 활용한 연구가 진행되어 왔다.
공사비를 예측하는 방법으로는 다양한 연구(단위면적당 공사비, 다중회귀분석(MRA), 인공신경망(ANN) 등)가 진행되어 왔으나 공사비 데이터 분석이 요구되는 건설분야의 특성을 고려하였을 때 경험 지향적인 문제해결 방법으로서, 사례기반추론(CBR) 기법이 주목받고 있다. 이에 CBR기법을 활용한 많은 연구가 진행 중이며, 이중 대부분의 연구는 공사비 예측의 정확도를 높이기 위하여 다양한 방법을 활용하였다. 하지만 사업초기단계에 있어 가용정보의 한정으로 인하여 프로젝트의 공사비를 정확하게 예측하는 것은 매우 어려우며, 구축된 데이터베이스(이하 DB)내에 저장된 사례가 충분하지 않을 경우, 조회된 유사사례의 유사도가 낮아져 제시된 공사비의 정확도가 떨어지는 문제점이 발생할 수 있다.
최근 연구에서는 CBR의 4Res(Retrieve, Reuse, Revise, Retain)중 Retrieve 단계 연구에서 Revise 단계로 연구의 범위가 확대되었지만, Reuse 단계에서 사용할 수 있는 속성을 정량적인 변수(예 : 연면적, 층수 등)로만 한정시켰으며, 정성적인 변수(예 : 구조형식, 기초형식 등)는 고려하지 않았다.
이에 본 연구에서는 기존 CBR기반 공사비 예측모델의 성능을 향상시키기 위하여, 통계기법인 회귀분석 기법을 활용하여 CBR의 Revise 단계에서 정성변수를 반영한 보정방법을 제시하여, 사업초기단계의 공사비 예측의 정확도를 향상시키고자 한다.
본 연구의 주요 내용을 정리하면 다음과 같다.
첫째, 기존 공사비 예측에 관련한 선행연구를 분석하였고, 사례기반추론 기법과 다중회귀분석 방법론을 통하여 본 논문에서 활용할 방법론에 대하여 고찰하였으며, 정량변수와 정성변수에 대하여 이론적 고찰을 실시하였다.
둘째, 기존 CBR 기반 공사비 예측모델의 현황분석을 통하여 기존연구의 한계점을 제시하였다.
셋째, 본 연구에서 제안한 정성변수를 반영한 CBR기반 공사비 예측 모델의 보정방안에 대하여 정량변수와 정성변수의 속성별 차이 산정과 속성별 차이에 대한 보정방법을 제시하였다.
넷째, CBR 기반 공사비 예측 정확도 향상 모델 개발에 대한 개발 프로세스를 제시하였고, CBR 프로세스 단계인, 유사사례 조회, 조회사례 보정을 통하여 해결안을 제시하였다.
다섯째, 본 연구의 유효성 및 타당성을 확인하기 위하여 공동주택시설을 대상으로 사례를 수집하여 검증을 실시하였다. 검증을 위한 비교분석은, ① 정성변수를 사용하여 조회된 공사비의 오차율, ② 정량변수만 사용하여 보정한 공사비의 오차율, ③ 본 연구에서 제안한 정성변수를 반영하여 보정한 오차율로 비교하였다.
본 연구에서는 총 85건의 사례를 대상으로 임의로 70건을 선정하여 모델을 개발하였고, 나머지 15건을 활용하여 검증을 실시하였다. 그 결과, 다중회귀분석에서 수정결정계수가 가장 높은 후진제거방법에 의한 모델을 개발하였으며, 검증 결과 각각의 평균오차율은 5.59%, 4.45%, 3.17%로 나타났다. 검증을 통하여 대부분의 사례에서 오차율이 감소됨을 확인할 수 있었으며, 본 연구에서 제시한 모델의 예측성능이 가장 우수함을 알 수 있었다.
CBR기반 공사비 예측모델에서 정성변수를 반영한 보정방법은 사업초기단계의 정량변수로만 한정하여 공사비를 보정하는 기존의 모델에 비하여 오차율을 줄이는데 유용하게 활용될 수 있을 것으로 기대된다. 특히 DB 내에 저장된 사례의 수가 적어 CBR을 통하여 도출된 유사사례의 유사도가 낮을 경우에도 효과적일 것으로 기대된다.
한편, 본 연구에서는 공동주택 프로젝트를 대상으로 검증을 실시하였다. 따라서 지속적인 DB 구축과 함께 공동주택 이외의 시설에 대한 추가 검증이 이루어져야 할 것이다.

Decision-making in the early stages of a project is very important in the construction industry. Due to the limited amount of information during the early stages, it is very difficult to accurately predict the construction costs. Thus, various research efforts are being undertaken for predicting the construction costs required by a construction project. Many researchers have performed studies that utilize cost prediction methodologies using the proposed reports.
Various researches have been done to predict construction costs such as cost per unit area, multiple regression analysis (MRA), and artificial neural networks (ANN). However, considering the characteristics of the construction industry that requires data analysis of construction costs, experience-oriented problem solving method, the case-based reasoning (CBR) method has been attracting considerable attention. Thus considerable research is underway utilizing the CBR method, and most of these efforts use varied methods to increase the accuracy of construction cost projection. But in the early stages of a project, there is limited information available so it is difficult to accurately predict the cost of construction. If the amount of saved cases in the established database (DB) is not enough, the index of similarity of precedent case is lowered. This creates problems since it reduces the accuracy of the suggested construction cost.
In recent researches involving the CBR''s 4Res (Retrieve, Reuse, Revise, Retain), the scope of research has been expanded from Retrieve phase research to Revise phase research. However, the properties used in the Reuse phase were limited to quantitative variables (ex. total floor area, number of floors) and the studies failed to consider qualitative variables (ex. structural type, foundation type).
Thus, to increase the performance of the CBR-based cost prediction model, this research suggests a revision method that applies qualitative variables in the Revise phase of CBR by utilizing a statistical technique called regression analysis. This research hopes to increase the accuracy of construction cost prediction in the early stages of a project.
This research can be summarized as follows:
First, existing studies related to predicting construction costs were analyzed. The utilization methods for CBR method and multiple regression analysis within this research were considered, and a theoretical study of qualitative variables and quantitative variables was carried out.
Secondly, through the analysis of the existing CBR based cost prediction model, the limitations of existing researches were identified.
Thirdly, for the revision method of the CBR-based cost prediction model with qualitative variables, attribute differences between qualitative variables and quantitative variables were identified and a revision method was proposed for the attribute differences.
Fourth, a development process was proposed for more accurate CBR-based construction cost prediction model, and a solution is proposed through two of the stages of the CBR process: similar-case inquiry and inquired case revision.
Lastly, to confirm the effectiveness and validity of this research, verification was implemented by collecting cases related to housing facilities. Comparative analysis for the verification used three factors to perform the verification: error rate of predicted construction cost that utilized qualitative variables, error rate of predicted construction cost that was revised using only quantitative variables, and error rate of predicted construction costs that considers both qualitative and quantitative variables as suggested by this research.
This research randomly selected 70 cases out of 85 cases to develop the model, and used the remaining 15 cases to perform the verification. The model was developed based on the backwards elimination method, which had the highest correction and determination factor in the multiple regression analysis. Results of the verification show an average error rate of 5.59%, 4.45%, and 3.17%, respectively. Through the verification, it was confirmed that in most of the cases, error rate was decreased considering both qualitative and quantitative variables. Thus, it can be observed that the prediction performance of the model suggested in this research is the most optimal.
In the CBR-based cost prediction model, the revision method that applies qualitative variables can be useful in reducing the error rate compared to the existing model that revises construction cost only by using quantitative variables in the early stages of a project. Particularly, when the number of saved cases within the database is low and the index of similarity of precedent case deduced through the CBR is low, this new method remains effective.
This research performed verification using housing projects. Thus, continued efforts to establish the database and additional verification process for facilities other than housing projects should be carried out.