基于案例的推理在施工管理研究中的应用：概述外文翻译资料

Automation in Construction 72 (2016) 65–74

Contents lists available at ScienceDirect

Automation in Construction

jou r nal homepage: ww w.el sevie r . c o m / l ocate/ autcon

Review

The application of case-based reasoning in construction management research: An overview

Xin Hu, PhD Candidate a, Bo Xia, Senior lecturer a, Martin Skitmore, Professor a, Qing Chen, Researcher b,⁎

a School of Civil Engineering and Built Environment, Queensland University of Technology, Garden Point Campus, 2 George Street, Brisbane, QLD 4001, Australia

b Statistical Society for Foreign Economic Relations and Trade of Shenzhen, 6013 Yitianzhong Road, Futian District, Shenzhen 518035, China

a r t i c l e i n f o

Article history:

Received 6 January 2016

Received in revised form 27 June 2016 Accepted 15 August 2016

Available online 26 August 2016

Keywords:

Case-based reasoning Overview

Construction management

a b s t r a c t

Case-based reasoning (CBR) has been widely adopted in construction management (CM) research due to the similar mind-sets of CBR and CM problem solving. However, to date, there has been no systematic review of CBR applications in previous CM studies, raising the question of what is the current status quo of CBR applications in CM research? By using the method of content analysis, this study provides a comprehensive literature review of CM CBR articles published between 1996 and January 2015. It is found that the popularity of CBR applications in CM research is increasing, especially after 2006, with a majority emanating from South Korea. In addition, 17 CBR application fields are identified, with the primary research interests focusing on construction cost estimation, construction tendering, bidding and procurement, and environment and sustainability management. Issues in previous CBR model developments are also identified, mainly related to model hypothesis-testing, reuse of case outcomes, selection of model development methods, use of derivational analogy and automated implemen- tation, together with future research suggestions and directions. This study helps provide CM academics and practitioners with a more comprehensive understanding of the development of CBR applications and implica- tions for future studies.

copy; 2016 Elsevier B.V. All rights reserved.

Contents

1. Introduction 66
2. Case-based reasoning 66
3. Research method 66
4. Overview of CM-CBR research 68
   1. Trends 68
      1. Distribution of articles 68
      2. Publications in years 68
      3. Applications in geographical areas 68
   2. Development activities 68
   3. Applications 69
      1. Construction cost estimation 69
      2. Construction tendering, bidding and procurement 69
      3. Environment and sustainability management 70
      4. Construction planning and scheduling management 70
      5. Construction contract management 70
      6. Construction infrastructure maintenance 71
      7. Construction risk management 71
      8. Others 71
5. Issues with CM-CBR applications 71

* Corresponding author.

E-mail addresses: huxincqu@gmail.com (X. Hu), paul.xia@qut.edu.au (B. Xia), rm.skitmore@qut.edu.au (M. Skitmore), richard.q.ch@gmail.com (Q. Chen).

http://dx.doi.org/10.1016/j.autcon.2016.08.023

0926-5805/copy; 2016 Elsevier B.V. All rights reserved.

1. Future research suggestions and directions 72
2. Conclusions 72

References 73

1. Introduction

Soft computing techniques have been widely adopted to solve engi- neering issues, mainly because they can address problems intelligently through mimicking the human mind [1–6]. In the specific construction management (CM) domain, frequently used techniques comprise the genetic algorithm (GA), fuzzy techniques, artificial neural networks (ANN), case-based reasoning (CBR) and their various combinations [7–10]. Of these, CBR provides decision-makers with a framework for solving current problems through recalling and reusing knowledge and experience stored in prior occurring similar situations [11]. CBR has various advantages over other techniques. In particular, it is easier for to employ CBR to address unstructured issues (e.g., CM) by using his- torical cases instead of pre-defined rules, as defining such rules are hard and time-consuming [12]. Another advantage is that CBR can be used even if certain fields are not completely understood by users [13]. This makes CBR particularly suitable for CM novices.

CBR is a suitable technique for dealing with CM issues given the sim- ilar mind-sets of CBR and CM problem-solving. CM problem-solving is experience-oriented, and practitioners address CM issues by using their accumulated professional experience and knowledge [14]. Similar- ly, CBR mines established experience and knowledge to provide solu- tions to new situations [11]. Moreover, despite the

剩余内容已隐藏，支付完成后下载完整资料

基于案例的推理在施工管理研究中的应用：概述

摘要：基于案例推理（CBR）已经被广泛应用于建筑管理（CM）研究，由于类似的CBR和CM问题解决思路。然而，到目前为止，在以前的CM研究中，没有对CBR申请进行系统评估，提出了CM研究中CBR应用的现状是什么？通过使用内容分析方法，本研究对1996年至2015年1月期间发表的CM CBR文章进行了综合文献综述。发现CBR应用在CM研究中的普及越来越多，特别是2006年以后，大部分来自韩国。另外，确定了17个CBR应用领域，主要研究重点是建筑成本估算，施工招标，招标采购，环境与可持续发展管理。以前的CBR模型开发中的问题也被确定，主要与模型假设检验，案例结果的重用，模型开发方法的选择，衍生类比和自动化实现的使用，以及未来的研究建议和方向相关。这项研究有助于CM学者和从业人员更全面地了解CBR应用的发展和未来研究的意义。

关键词：案例为基础；推理概述 ；施工管理

1.引言

软计算技术已被广泛应用于解决工程问题，主要是因为它们可以通过模仿人的思维智能地解决问题[1-6]。在特定的施工管理（CM）领域，经常使用的技术包括遗传算法（GA），模糊技术，人工神经网络（ANN），基于案例的推理（CBR）及其各种组合[7-10]。其中，CBR为决策者提供了解决当前问题的框架，通过回忆和重用以前发生的类似情况下存储的知识和经验[11]。 CBR具有优于其他技术的各种优点。特别地，使用CBR来解决非结构化问题（例如，CM）更容易，通过使用传统的情况而不是预先定义的规则，因为定义这样的规则是困难和耗时的[12]。另一个优点是即使某些领域用户没有完全了解，也可以使用CBR [13]。这使得CBR特别适合于CM新手。

考虑到CBR和CM问题解决的类似思想，CBR是处理CM问题的一种合适的技术。 CM解决问题是以经验为导向，从业者通过使用他们积累的专业经验和知识解决CM问题[14]。 类似地，CBR矿山建立了经验和知识，为新情况提供解决方案[11]。 此外，尽管每个建设项目都有独特的特征，但是他们使用的方法和程序也是类似的[9]，这表明以前项目采用的成功的CM做法可以应用于新的项目，为应用程序提供了重要的机会CBR。 因此，CBR已经吸引了CM应用中的各种研究兴趣，如建筑成本估算[15]。

尽管CBR在解决CM问题方面的适用性，但其在CM领域的应用仍然不明确。例如，其应用趋势，模型开发活动，应用领域和问题仍然在很大程度上是未知的。了解这些问题对未来CM-CBR应用的影响提供了有用的见解。然而，迄今没有任何工作试图解决这一研究空白。因此，本文旨在通过对以前发表的研究进行强有力的内容分析，对CM-CBR应用进行全面的综述来弥合这一差距。应该指出，这些研究是从同行评议的期刊中获得的，在实验室条件下进行的未发表的研究也不包括在内。首先介绍CBR机制，然后进行内容分析研究。根据确定的文章，对CBR应用趋​​势和模型开发活动进行了介绍，并详细阐述了CM-CBR应用领域的识别与使用。最后，确定了应用问题，并提出了未来研究方向的建议。该审查向CM利益相关者提供了有关CBR方法及其在CM域中的应用的有价值的信息。

2.基于案例推理

通过记住以前的类似情况，重用这种情况的信息和知识，CBR解决了一个新问题[16]。 “案例”一词是指以前的具体情况，累积案件结合适当的组织结构构成案例基础[11]。 如图1所示。CBR的使用是指一组活动，主要包括案例表示，索引，案例存储和CBR周期。 案例陈述是指要包括的案件信息，并确定适当的结构来描述案件。 索引将指数分配给案例以便于案例检索。 案例存储是指为收集的案例组织适当的案例库结构，以使其能够有效检索。

图1 基于案例的推理过程

资料来源：改编自Aamodt和Plaza [16]，Watson和Marir [11]

CBR周期包括检索，重用，修订和保留[16]的四个子阶段。 它首先出现一个新的病例/问题，然后进行病例检索，其中涉及测量新病例与病例之间的相似性。 这是CBR周期的核心阶段，其准确性受到预定的类似性评估标准的严重影响[17]。 病例检索导致类似病例的识别。 如果当前案例和检索案例足够相似，检索案例的解决方案可以直接重用，无需任何修改。 否则，应通过考虑新案件和检索案件之间的差异来修改解决方案。 最后，新案例及其解决方案可以保留在案例库中，以备将来重用。 在这个意义上，CBR是一个自学习系统。

第一个CBR系统，CYRUS，由Janet Kolodner，具有丰富旅游和会议知识的问答系统[18,19]。自引进这一制度以来，已经出现了各种基于CBR的系统，包括旨在解决CM等问题的承包商资格预测[20]和CONPLA CBR的建设规划和调度[21]。

3.研究方法

虽然不同的方法/技术可用于审查文献，但内容分析是因为它的研究目的。内容分析可以系统地，客观地使用基于收集的数据进行有效的推论，以便描述和量化特定的现象[22]，这有助于揭示以前的CM-CBR论文的中心和自然方面，以描绘CM的全部图像 - CBR应用。其在CM文献综述中的稳健性已得到确认[8]。与其他方法相比，其优点之一是允许定性和定量操作[8]。当定性地使用内容分析时，可以系统地记录和分类特定现象，以反映现有文献的主要特征[22]。此外，它还可用于提供定性数据的定量分析。这包括通过定性内容分析将特征识别为定量格式，通过呈现不直接明显的事件的客观描述，帮助公开现有文献的潜在内容[22]。因此，内容分析可以提供CM-CBR应用的全面披露，确保本研究的结果是可靠和有效的。样本收集和内容分析表格的确定是进行内容分析的重要任务。图2显示了本研究的内容分析程序。

图2 内容分析程序

样本的收集是识别将被分析的材料。在这项研究中，它是指对同行评议期刊文章的搜索和选择。 这样做的一个恰当方法是通过收集基于流行学术数据库的文章[23]。 本研究的文章搜索和选择过程包括以下四个步骤：

bull;步骤1：确定用于文章搜索和选择的学术数据库。 使用了主要学术数据库，包括科学网，Scopus，工程村，科学直接，ASCE图书馆，翡翠，Wiley在线图书馆和Taylor＆Francis Online。 这些数据库不仅涵盖主流CM期刊，还包括主流人工智能（AI）期刊，如专家系统在应用

bull;步骤2：确定用于文章搜索的学术期刊。 通过采用“案例推理”和（“建设行业”或“施工管理”或“建设项目”或“建设项目管理”或“项目管理”或“民用”的搜索策略，搜索了确定的学术数据库 工程管理“或”土木工程项目管理“或”施工和项目管理“）。 这导致了319篇学术期刊的鉴定，具有出版CM-CBR申请文章的潜力

bull;步骤3：获取初步搜索结果。个人网站在2014年12月至2015年1月期间，319个期刊的搜索使用“案例推理”。总共5963个候选学术文章被识别。

bull;第4步：制定文章选择标准和识别使用的文章。标准包括：（1）CBR是主要研究方法AND；（2）申请与CM有关。根据这些标准，Yang等人采用了两轮制品选择策略。 [23]。第一轮选择检查文章的标题，摘要和关键字信息，以确定他们是否符合标准。接下来是通过阅读和分析整篇文章进行第二轮选择，以便双重检查文章。第一轮选择有助于迅速排除不相关的文章。此外，根据第二轮评估，可以确保所有选定的成员与研究目标密切相关。此外，它还有助于理解以前研究的研究课题和研究结果，有助于进行以下分析，如CM-CBR应用领域的识别。最后，本研究选择并使用了33篇期刊的91篇文章。

进行了定性和定量分析。 使用定性内容分析来确定期刊，年份和地理区域的出版物，确定CM-CBR应用领域，深入分析这些领域。 采用量化内容分析来确定期刊，年份和地理区域的出版物数量，模型开发中描述的活动百分比以及CM-CBR应用领域的频率。 这些允许对CBR应用问题进行识别，并提出未来的研究建议和方向。

4.CM-CBR研究概况

4.1 趋势

4.1.1 文章分布