Earticle

초록

영어

This study develops an artificial intelligence (AI)-based analytical framework to predict, in advance, the top-ranked bid price—a key indicator determining the likelihood of contract award—in public construction procurement tenders governed by qualification evaluation systems, and verifies its practical applicability. To address the limitation of prior studies that have predominantly focused on final contract award prices or engineer’s estimates, this study utilizes bidding data for electrical, civil engineering, and architectural projects collected from the Public Procurement Data Hub between January 2020 and July 2025, with the aim of identifying the actual competitive mechanisms arising at the bidding stage. Quantitative variables available at the time of bid announcement, such as the base price and project size, were constructed as independent variables, and four tree-based ensemble regression models—Random Forest, LightGBM, XGBoost, and CatBoost—were applied and comparatively analyzed. The results indicate that the Random Forest model achieved the best predictive performance across all work types, with a mean absolute percentage error (MAPE) of approximately 0.7%, demonstrating strong practical utility. Furthermore, the application of the SHAP method for evaluating variable contributions reveals that price-related variables exert the most significant influence on predicting the top-ranked bid price. Overall, this study empirically identifies differences in price determination structures across work types through a quantitative prediction model of the top-ranked bid price and provides both academic and practical implications for supporting strategic decision-making by bidding participants at the bidding stage.

한국어

본 연구는 적격심사제가 적용되는 공공조달 공사 입찰에서 낙찰 가능성을 결정짓는 핵심 지표인 1순위 투찰금액을 사전 예측하기 위해 인공지능 기반의 분석체계를 구축하고 그 실용성을 검증하였다. 기존 연구들이 주로 최종 낙찰금액이나 예정가격 분석에 편중되었던 한계를 보완하고자, 본 연구는 2020년 1월부터 2025년 7월까지 수집된 조달데이터허브의 전기․토목․건축 공사입찰 데이터를 활용하여 투찰 단계에서 발생하는 실제 경쟁 메커니즘을 규명하였다. 공고 시점의 기초금액, 공사 규모 등 정량적 정보를 독립변수로 구성하여 랜덤 포레스트(Random Forest), LightGBM, XGBoost, CatBoost 등 4가지 트리 기반 앙상블 회귀모형을 적용 및 비교 분석하였다. 그 결과, 모든 공종에서 랜덤 포레스트 모형이 평균 절대비율오차(MAPE) 약 0.7%로 가장 우수한 예측 성능을 도출하여 실무적 활용 가치가 높음을 확인하였다. 아울러 SHAP 기법을 활용하여 변수 기여도를 평가한 결과, 금액 관련 변수가 1순위 투찰금액 예측에 가장 주요한 영향을 미치는 것으로 나타났다. 종합적으로 본 연구는 1순위 투찰금액에 대한 정량적 예측 모형을 통해 공종별 가격결정 구조의 차이를 실증하고, 나아가 입찰 참여 업체의 투찰 단계 내 전략적 의사결정을 지원하기 위한 학문적 및 실무적 시사점을 제공한다.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적배경
2.1 적격심사제 방식의 낙찰자 결정방법
2.2 공공조달 낙찰예측 관련 선행연구
2.3 본 연구의 차별성
Ⅲ. 연구모델
3.1 연구절차
3.2 데이터 수집 및 구성
3.3 변수 선정 및 정의
3.4 데이터 전처리
3.5 실험 설계 및 학습
3.6 성능평가 및 변수 기여도 평가
Ⅳ. 실험 및 결과
4.1 모델 성능 비교 결과
4.2 변수 기여도 평가 결과(SHAP 기반)
Ⅴ. 결론 및 향후연구 계획
참고문헌
Abstract

키워드

저자

• 이동근 [ Lee Dongguen | (주)데이터월드 개발사업본부 이사 ]
• 김건우 [ Kim Gunwoo | 국립한밭대학교 융합경영학과 교수 ]
• 최근호 [ Choi Keunho | 국립한밭대학교 융합경영학과 부교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  경영정보학연구 [Information Systems Review]

• 간기

  계간

• pISSN

  2982-6551

• eISSN

  2982-6837

• 수록기간

  1999~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658