基于BIM平台的城市轨道交通工程施工进度--成本组合预测模型研究

摘要

随着我国社会经济的高速发展，城市轨道交通工程作为城市基础设施建设的重要组成部分已经在很多城市大规模的开展，它从根本上解决了城市交通问题。但是城市轨道交通工程也因建设周期长、利益参与方众多、专业系统繁杂、数据信息量大以及建设难度巨大等建设特点致使项目管理的难度增大。尤其是在成本控制上存在着结算费用远大于合同成本的现状，导致该现状的影响因素有人的因素、过程管控因素、效率因素、质量因素以及进度因素，其中进度因素相较于其它因素显得更为关键，本文从进度因素导致成本增加这一问题展开研究。 本文引入集成管理的概念将城市轨道交通工程施工阶段进度与成本控制进行集成管理，借助BIM平台来实现这一集成，并建立了以挣值法为基础的GSVM-EVM组合预测模型。挣值法是一种有效集成项目进度与成本的项目管理方法。选择体现挣值法特性的进度绩效指数SPI以及成本绩效指数CPI两个指标以GSVM-EVM组合预测模型进行预测，一是掌握当前进度与成本的状况，二是由这两个指标的值来判断未来项目在进度与成本上的趋势，以此为现阶段的决策提供支撑。最后提出基于BIM平台的城市轨道交通工程施工进度-成本组合预测模型集成系统架构以及施工进度-成本预测流程，以此来实现基于BIM平台的施工进度-成本预测集成系统管理，以及定量、实时的动态预测与预警机制，在定量纠偏分析中达到主动控制与精细化管理。最后选取南宁市地铁三号线XX车辆段工程作为工程案例进行实证分析，对本文所提出的GSVM-EVM组合预测模型进行了验证与应用。 本文研究为城市轨道交通工程从进度层面探索成本的精细化控制提供了可操作的方法，在实现进度与成本集成管理的基础上为项目管理者更好的把控成本提供了新的管理思路，促进城市轨道交通工程建设项目管理方法上的变革与发展。

目录

声明

摘要

第一章绪论

1．1研究背景及意义

1．1．1研究背景

1．1．2研究意义

1．2国内外研究现状

1．2．1施工进度、成本预测方法国内外研究现状分析

1．2．2支持向量机国内外研究现状分析

1．2．3 BIM技术国内外研究现状分析

1．3本文研究内容、方法及创新点

1．3．1主要研究内容

1．3．2研究思路及方法

1．3．3技术路线图

1．3．4逻辑思路图

1．3．5论文创新点

第二章城市轨道交通工程施工进度-成本预测研究相关理论

2．1城市轨道交通工程概述

2．1．1城市轨道交通工程

2．1．2城市轨道交通工程施工阶段进度与成本集成控制相关理论

2．2挣值法基本原理

2．2．1挣值法的主要指标

2．2．2挣值法的基本流程

2．3．1德尔菲法

2．3．2时间序列预测法

2．3．3 BP神经网络分析法

2．3．4灰色支持向量机(GSVM)法

2．4 BIM技术概论

2．4．1 BIM技术概述

2．4．2 BIM技术的特点

2．4．3 BIM技术应用价值分析

2．4．4 BIM技术在城市轨道交通工程中的应用

2．5．1 BIM技术应用现状分析

2．5．2 BIM平台逻辑架构

2．6本章小结

第三章城市轨道交通工程施工阶段进度与成本控制所存在的问题与分析

3．1城市轨道交通工程施工阶段成本控制的现状与分析

3．2城市轨道交通工程施工阶段进度控制的现状以及进度与成本控制的相互作用机理

3．2．1城市轨道交通工程施工阶段进度控制的现状

3．2．2城市轨道交通工程施工阶段进度与成本的相互作用机理

3．3进度因素导致成本增加的主要问题分析

3．4提出问题

3．5本章小结

第四章基于BIM平台的城市轨道交通工程施工进度-成本GSVM-EVM订组合预测模型的集成系统研究

4．1城市轨道交通工程进度与成本的集成管理

4．1．1集成管理

4．1．2集成系统

4．2．1城市轨道交通工程进度-成本预测的目的

4．2．2组合预测模型的优势

4．2．3 GSVM-EVM组合预测模型的建立

4．3基于BIM的城市轨道交通工程施工进度-成本集成管理体系

4．3．3城市轨道交通工程BIM进度、成本管理分析

4．4基于BIM平台的城市轨道交通工程施工进度一成本组合预测模型集成系统架构

4．5基于BIM平台的城市轨道交通工程施工进度-成本预测集成管理

4．5．1集成系统功能与优势

4．5．2基于BIM技术的进度-成本预测集成系统管理

4．6适用性分析

4．7本章小结

第五章基于BIM 5D平台的城市轨道交通工程施工进度-成本预测案例分析

5．1项目概况

5．1．1工程基本情况

5．1．2工程作业主要内容

5．1．3工程重难点分析

5．2 BIM建模

5．2．1 BIM模型简介

5．2．2 BIM5D模型

5．3城市轨道交通工程进度-成本预测模型与计算分析

5．3．2 GSVM-EVM组合预测模型算法与分析

5．3．3预测结果说明

5．4本章小结

第六章结论与展望

6．1结论

6．2展望

参考文献

致谢