Lựa chọn giải pháp thiết kế xây dựng bền vững tại Việt Nam bằng BIM và phương pháp CBA

Luận văn thạc sĩ phân tích việc kết hợp mô hình thông tin xây dựng BIM và phương pháp CBA để lựa chọn giải pháp xây dựng bền vững tại Việt Nam.

• Tác giả: Do Duy Linh
• Người hướng dẫn: Assoc. Luong Duc Long
• Trường học: Ho Chi Minh City University of Technology
• Chuyên ngành: Construction Management
• Đề tài: Ứng Dụng BIM Và Phương Pháp CBA Trong Lựa Chọn Giải Pháp Thiết Kế Xây Dựng Bền Vững Tại Việt Nam
• Loại tài liệu: master’s thesis
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• ACKNOWLEDGEMENTS
• ABSTRACT
• TÓM TẮT LUẬN VĂN THẠC SĨ
• THE COMMITMENT OF THE THESIS’ AUTHOR
• 1. CHAPTER 1: GENERAL INTRODUCTION
• 1.1. Objectives of the topic
• 1.2. Scope of study
• 1.3. Scientific and practical significances
• 2. CHAPTER 2: THEORETICAL BASIC AND RELATED RESEARCH
• 2.1. Definitions and concepts
• 2.2. Sustainable Development
• 2.3. Energy-Efficient building
• 2.4. Building Information Modeling (BIM)
• 4. CHAPTER 4: DETERMINING FACTORS - DATA COLLECTION AND ANALYSIS
• 4.1. Determining the factors. Analyzing the characteristics of the study sample
• 4.2. Testing the reliability of the scale
• 4.3. One sample T-Test
• 4.4. Multi-sample testing
• 5. CHAPTER 5: BUILDING A MODEL OF ENERGY CONSUMPTION
• 5.1. Simulation of building energy consumption using DesignBuilder
• 5.2. Procedure of building an energy simulation model
• 5.3. Defining design variables and input data to DesignBuilder
• 5.4. Simulation of building energy consumption using Random Forest Algorithm by Python Programming Language
• 5.5. Procedure of creating an energy prediction model. Data and parameter for RF model
• 5.6. Checking results of prediction model
• 5.7. Optimal design variables. Pareto frontier result from DesignBuilder
• 5.8. Pareto frontier result from Prediction model and comparison
• 6. CHAPTER 6: DECISION ON DESIGN OPTIONS BY CBA METHOD
• 6.1. CBA procedure and result
• 6.2. Defining criteria for each factor
• 6.3. Describing the attributes of each alternative
• 6.4. Deciding advantages of alternatives & Decide the importance of advantages
• 6.5. Evaluating cost data
• 6.6. Finding the most optimal alternative by pareto frontier
• 6.7. Method of using aggregate values without units of measurement to rank alternatives
• 7. CHAPTER 7: CONCLUSION AND SUGGESTION
• TABLE INDEX
• FIGURE INDEX
• LIST OF ABBREVIATION

Tóm tắt

I. Giới thiệu chung

Bài nghiên cứu này nhằm giải quyết các thách thức lớn trong ngành xây dựng tại Việt Nam, đặc biệt là việc tiêu thụ năng lượng và khí thải CO2. Việc áp dụng BIM (Mô hình thông tin xây dựng) và phương pháp CBA (Lựa chọn theo ưu điểm) được đề xuất như một giải pháp khả thi để tối ưu hóa các phương án thiết kế xây dựng bền vững. Cụ thể, nghiên cứu sẽ xây dựng một mô hình dự đoán tiêu thụ năng lượng cho các công trình, xác định các yếu tố ảnh hưởng đến quyết định chọn lựa phương án thiết kế và thi công, đồng thời phát triển phương pháp lựa chọn các phương án tối ưu thông qua CBA.

1.1. Vấn đề nghiên cứu

Nghiên cứu chỉ ra rằng ngành xây dựng đang phải đối mặt với nhiều thách thức liên quan đến tiêu thụ năng lượng và ô nhiễm môi trường. Theo Tổ chức Năng lượng Quốc tế, các công trình xây dựng có thể tiết kiệm khoảng 41% năng lượng toàn cầu vào năm 2035. Việc tìm kiếm các giải pháp thiết kế không chỉ đáp ứng yêu cầu về chức năng và thẩm mỹ mà còn tối ưu hóa hiệu quả năng lượng là rất cần thiết cho sự phát triển bền vững trong tương lai.

1.2. Mục tiêu nghiên cứu

Mục tiêu của nghiên cứu bao gồm xây dựng mô hình dự đoán tiêu thụ năng lượng cho các công trình, xác định các yếu tố ảnh hưởng đến quyết định chọn lựa phương án thiết kế và thi công, và phát triển phương pháp lựa chọn tối ưu thông qua CBA. Những kết quả này sẽ cung cấp một nền tảng cho các nghiên cứu tiếp theo về thiết kế hiệu quả năng lượng tại Việt Nam.

II. Cơ sở lý thuyết và nghiên cứu liên quan

Nghiên cứu này dựa trên các khái niệm cơ bản về phát triển bền vững và xây dựng hiệu quả năng lượng. BIM được định nghĩa là công cụ quan trọng trong việc quản lý thông tin xây dựng, cho phép mô phỏng và phân tích các yếu tố ảnh hưởng đến tiêu thụ năng lượng. Phương pháp CBA được áp dụng để đánh giá và so sánh các lựa chọn thiết kế khác nhau, từ đó giúp đưa ra quyết định tối ưu hơn.

2.1. Khái niệm phát triển bền vững

Phát triển bền vững được định nghĩa là phát triển đáp ứng nhu cầu hiện tại mà không làm ảnh hưởng đến khả năng đáp ứng nhu cầu của các thế hệ tương lai. Ngành xây dựng đóng vai trò quan trọng trong việc thực hiện các nguyên tắc này, bao gồm việc giảm thiểu tiêu thụ tài nguyên và bảo vệ môi trường.

2.2. Xây dựng hiệu quả năng lượng

Các công trình xây dựng hiệu quả năng lượng không chỉ cung cấp môi trường sống thoải mái mà còn tối ưu hóa việc sử dụng tài nguyên. Việc sử dụng BIM và phần mềm mô phỏng năng lượng cho phép các nhà thiết kế và quản lý dự án dự đoán và tối ưu hóa tiêu thụ năng lượng trong suốt vòng đời của công trình.

III. Phương pháp nghiên cứu

Nghiên cứu sẽ sử dụng phương pháp CBA để đánh giá các lựa chọn thiết kế và thi công, nhằm xác định giải pháp tối ưu cho các công trình xây dựng bền vững. Các yếu tố được xác định sẽ bao gồm chi phí, hiệu quả năng lượng và tác động môi trường. Dữ liệu sẽ được thu thập từ các chuyên gia trong lĩnh vực xây dựng bền vững và phân tích bằng các công cụ thống kê hiện đại.

3.1. Quy trình thu thập dữ liệu

Dữ liệu sẽ được thu thập thông qua các cuộc khảo sát và phỏng vấn với các chuyên gia trong ngành xây dựng. Các yếu tố ảnh hưởng đến quyết định lựa chọn sẽ được phân tích để xác định tầm quan trọng của chúng trong việc lựa chọn phương án thiết kế và thi công.

3.2. Phân tích dữ liệu

Sau khi thu thập dữ liệu, các phương pháp phân tích thống kê sẽ được áp dụng để đánh giá sự ảnh hưởng của các yếu tố đến quyết định lựa chọn. Kết quả sẽ được sử dụng để xây dựng mô hình dự đoán tiêu thụ năng lượng và tối ưu hóa các phương án thiết kế.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh biến đổi khí hậu và sự gia tăng nhanh chóng nhu cầu xây dựng tại Việt Nam, ngành xây dựng đang đối mặt với thách thức lớn về tiêu thụ năng lượng và phát thải khí nhà kính. Theo ước tính, các công trình xây dựng chiếm khoảng 41% tổng năng lượng tiêu thụ toàn cầu và có tiềm năng tiết kiệm năng lượng đáng kể nếu áp dụng các giải pháp thiết kế và thi công bền vững. Tuy nhiên, việc lựa chọn phương án thiết kế - thi công tối ưu về cả mặt kỹ thuật và kinh tế vẫn còn nhiều khó khăn do sự đa dạng và phức tạp của các yếu tố ảnh hưởng. Mục tiêu của luận văn là xây dựng mô hình dự báo tiêu thụ năng lượng dựa trên công nghệ Mô hình Thông tin Xây dựng (BIM) kết hợp với phương pháp Lựa chọn theo Ưu điểm (CBA) nhằm hỗ trợ lựa chọn các giải pháp thiết kế - thi công hướng tới xây dựng bền vững tại Việt Nam. Nghiên cứu tập trung vào các dự án nhà ở, văn phòng và căn hộ, thực hiện khảo sát ý kiến chuyên gia trong lĩnh vực xây dựng bền vững tại TP. Hồ Chí Minh trong giai đoạn 2023. Kết quả nghiên cứu không chỉ giúp giảm chi phí vận hành và phát thải CO2 mà còn nâng cao chất lượng cuộc sống và bảo vệ môi trường, góp phần thúc đẩy phát triển bền vững trong ngành xây dựng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba nền tảng lý thuyết chính:

• Mô hình Thông tin Xây dựng (BIM): BIM không chỉ là mô hình 3D mà còn bao gồm các chiều mở rộng như 4D (lịch trình), 5D (chi phí) và 6D (tiêu thụ năng lượng và bền vững). BIM 6D cho phép mô phỏng và đánh giá hiệu quả năng lượng của các phương án thiết kế ngay từ giai đoạn đầu.
• Phương pháp Lựa chọn theo Ưu điểm (Choosing By Advantages - CBA): Là phương pháp ra quyết định đa tiêu chí, tập trung vào so sánh các ưu điểm của từng phương án thay vì so sánh ưu và nhược điểm, giúp tăng tính minh bạch, hợp tác và tránh trùng lặp trong đánh giá. CBA gồm 7 bước từ xác định vấn đề, tạo phương án, đánh giá ưu điểm, đến lựa chọn và triển khai.
• Machine Learning (Học máy) với thuật toán Random Forest: Thuật toán này được sử dụng để xây dựng mô hình dự báo tiêu thụ năng lượng dựa trên dữ liệu mô phỏng từ phần mềm DesignBuilder. Random Forest có ưu điểm chính xác cao, khả năng xử lý dữ liệu lớn và đánh giá tầm quan trọng của các biến đầu vào.

Ba khái niệm chính được sử dụng trong nghiên cứu là: tiêu thụ năng lượng (energy consumption), ưu điểm (advantages) trong CBA, và mô hình dự báo năng lượng (predictive energy model).

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm:

• Dữ liệu mô phỏng tiêu thụ năng lượng từ phần mềm DesignBuilder dựa trên mô hình BIM 6D của các công trình điển hình.
• Dữ liệu khảo sát ý kiến chuyên gia trong lĩnh vực xây dựng bền vững tại TP. Hồ Chí Minh, với 52 phiếu khảo sát hợp lệ, thu thập từ các nhà đầu tư, tư vấn thiết kế, quản lý dự án, nhà thầu và chuyên gia kỹ thuật.

Phương pháp phân tích bao gồm:

• Phân tích thống kê mô tả và kiểm định độ tin cậy Cronbach’s Alpha để đánh giá tính nhất quán của bảng câu hỏi.
• Kiểm định One Sample T-Test và One-way ANOVA để xác định mức độ ảnh hưởng và sự khác biệt quan điểm giữa các nhóm chuyên gia.
• Mô phỏng năng lượng bằng DesignBuilder với 12 biến thiết kế, tạo bộ dữ liệu đa dạng cho mô hình học máy.
• Xây dựng mô hình dự báo tiêu thụ năng lượng bằng thuật toán Random Forest trên Python, chia dữ liệu thành 70% huấn luyện và 30% kiểm tra, đánh giá bằng chỉ số Nash Sutcliffe Efficiency (NSE).
• Áp dụng phương pháp CBA để đánh giá và lựa chọn phương án thiết kế - thi công tối ưu dựa trên các yếu tố đã xác định và dữ liệu mô phỏng.

Quá trình nghiên cứu được thực hiện từ tháng 3 đến tháng 6 năm 2023, tập trung tại TP. Hồ Chí Minh.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Xác định 12 yếu tố ảnh hưởng đến quyết định lựa chọn phương án thiết kế - thi công bền vững, trong đó có 3 yếu tố liên quan đến tiêu thụ năng lượng: tổng điện năng tiêu thụ hàng năm, tổng phát thải CO2 và tổng số giờ không thoải mái (discomfort hours). Các yếu tố còn lại liên quan đến đặc tính thiết kế như khả năng cách âm, khả năng chống cháy, tính thẩm mỹ, độ bền, ảnh hưởng đến tiến độ thi công, vận hành bảo trì, khả năng tái chế và tính sẵn có trên thị trường.
2. Kết quả khảo sát cho thấy 83% chuyên gia đã từng tham gia các dự án công trình xanh hoặc công trình tiết kiệm năng lượng, với 90% có kinh nghiệm trên 5 năm trong ngành xây dựng. Điều này đảm bảo tính tin cậy và thực tiễn của dữ liệu thu thập.
3. Mô hình dự báo tiêu thụ năng lượng bằng Random Forest đạt độ chính xác cao với chỉ số NSE gần 0.9, so sánh với kết quả mô phỏng của DesignBuilder. Mô hình này giúp dự đoán nhanh chóng tiêu thụ năng lượng dựa trên các biến thiết kế mà không cần chạy mô phỏng phức tạp.
4. Phương pháp CBA được áp dụng để đánh giá và lựa chọn phương án thiết kế - thi công tối ưu dựa trên tổng hợp các ưu điểm và chi phí, giúp minh bạch hóa quá trình ra quyết định và tránh trùng lặp đánh giá các yếu tố.

Thảo luận kết quả

Việc kết hợp BIM 6D với mô phỏng năng lượng và Machine Learning tạo ra một công cụ mạnh mẽ giúp dự báo và tối ưu hóa tiêu thụ năng lượng trong thiết kế công trình. So với các nghiên cứu trước đây chỉ tập trung vào mô phỏng hoặc tối ưu hóa riêng lẻ, nghiên cứu này bổ sung thêm phương pháp ra quyết định đa tiêu chí CBA, giúp lựa chọn phương án phù hợp nhất trong thực tế. Kết quả khảo sát chuyên gia phản ánh sự đồng thuận cao về các yếu tố ảnh hưởng, đồng thời cho thấy sự đa dạng về vai trò và kinh nghiệm của người tham gia, tăng tính khách quan. Các biểu đồ Pareto frontier minh họa rõ ràng sự khác biệt giữa các phương án về tiêu thụ năng lượng và chi phí, hỗ trợ trực quan cho quá trình lựa chọn. Kết quả này phù hợp với xu hướng phát triển bền vững và tiết kiệm năng lượng trong ngành xây dựng tại Việt Nam và quốc tế.

Đề xuất và khuyến nghị

1. Áp dụng rộng rãi mô hình BIM 6D kết hợp mô phỏng năng lượng trong giai đoạn thiết kế để đánh giá và tối ưu hóa tiêu thụ năng lượng, giảm chi phí vận hành lâu dài. Chủ thể thực hiện: các công ty tư vấn thiết kế và chủ đầu tư; thời gian: ngay từ giai đoạn thiết kế sơ bộ.
2. Sử dụng mô hình dự báo tiêu thụ năng lượng dựa trên Machine Learning để rút ngắn thời gian và chi phí mô phỏng, hỗ trợ ra quyết định nhanh chóng và chính xác hơn. Chủ thể thực hiện: các nhà quản lý dự án và kỹ sư thiết kế; thời gian: trong quá trình lựa chọn phương án thiết kế.
3. Áp dụng phương pháp Lựa chọn theo Ưu điểm (CBA) trong các cuộc họp đánh giá và lựa chọn phương án thiết kế - thi công, nhằm tăng tính minh bạch, hợp tác và hiệu quả ra quyết định. Chủ thể thực hiện: các nhóm dự án đa ngành; thời gian: trong giai đoạn quyết định phương án cuối cùng.
4. Tăng cường đào tạo và nâng cao nhận thức về xây dựng bền vững và các công cụ hỗ trợ ra quyết định cho các bên liên quan trong ngành xây dựng, bao gồm chủ đầu tư, tư vấn, nhà thầu và quản lý dự án. Chủ thể thực hiện: các trường đại học, tổ chức đào tạo và hiệp hội ngành nghề; thời gian: liên tục trong các chương trình đào tạo và hội thảo.

Đối tượng nên tham khảo luận văn

1. Chủ đầu tư và nhà quản lý dự án xây dựng: Giúp hiểu rõ các yếu tố ảnh hưởng đến tiêu thụ năng lượng và lựa chọn phương án thiết kế - thi công tối ưu, từ đó giảm chi phí vận hành và nâng cao hiệu quả đầu tư.
2. Tư vấn thiết kế và kỹ sư xây dựng: Cung cấp công cụ mô phỏng và dự báo năng lượng dựa trên BIM 6D và Machine Learning, hỗ trợ thiết kế các công trình tiết kiệm năng lượng và thân thiện môi trường.
3. Nhà thầu và nhà cung cấp vật liệu: Hiểu rõ các tiêu chí lựa chọn vật liệu và phương pháp thi công bền vững, từ đó nâng cao năng lực cạnh tranh và đáp ứng yêu cầu thị trường.
4. Các nhà nghiên cứu và sinh viên ngành quản lý xây dựng, kỹ thuật xây dựng: Là tài liệu tham khảo quý giá về ứng dụng công nghệ BIM, phương pháp ra quyết định đa tiêu chí và Machine Learning trong xây dựng bền vững, phục vụ cho các nghiên cứu và đề tài tiếp theo.

Câu hỏi thường gặp

1. BIM 6D khác gì so với BIM truyền thống?
   BIM 6D mở rộng BIM truyền thống bằng cách tích hợp thông tin về tiêu thụ năng lượng và bền vững vào mô hình 3D, giúp mô phỏng và đánh giá hiệu quả năng lượng trong suốt vòng đời công trình.

2. Phương pháp CBA có ưu điểm gì so với các phương pháp ra quyết định khác?
   CBA tập trung vào so sánh các ưu điểm của từng phương án, tránh trùng lặp đánh giá và tăng tính minh bạch, hợp tác trong nhóm ra quyết định, giúp lựa chọn phương án tối ưu dễ dàng hơn.

3. Mô hình Random Forest được sử dụng như thế nào trong nghiên cứu này?
   Random Forest được dùng để xây dựng mô hình dự báo tiêu thụ năng lượng dựa trên dữ liệu mô phỏng từ DesignBuilder, giúp dự đoán nhanh chóng và chính xác khi thay đổi các biến thiết kế.

4. Làm thế nào để xác định các yếu tố ảnh hưởng đến quyết định lựa chọn phương án thiết kế?
   Nghiên cứu tổng hợp từ các tài liệu chuyên ngành, ý kiến chuyên gia và khảo sát thực tế, sau đó sử dụng phân tích thống kê để đánh giá mức độ ảnh hưởng và xếp hạng các yếu tố.

5. Ứng dụng thực tiễn của nghiên cứu này tại Việt Nam là gì?
   Nghiên cứu cung cấp công cụ và phương pháp hỗ trợ các bên liên quan trong ngành xây dựng lựa chọn giải pháp thiết kế - thi công tiết kiệm năng lượng, giảm phát thải và chi phí, góp phần phát triển xây dựng bền vững phù hợp với điều kiện Việt Nam.

Kết luận

• Luận văn đã xây dựng thành công mô hình dự báo tiêu thụ năng lượng dựa trên BIM 6D kết hợp thuật toán Random Forest với độ chính xác cao (NSE gần 0.9).
• Xác định và đánh giá 12 yếu tố ảnh hưởng đến quyết định lựa chọn phương án thiết kế - thi công hướng tới xây dựng bền vững, trong đó các yếu tố về tiêu thụ năng lượng và phát thải CO2 được ưu tiên.
• Áp dụng phương pháp Lựa chọn theo Ưu điểm (CBA) giúp minh bạch và hiệu quả trong quá trình ra quyết định lựa chọn phương án tối ưu.
• Kết quả nghiên cứu có ý nghĩa thực tiễn lớn, hỗ trợ các bên liên quan trong ngành xây dựng Việt Nam nâng cao hiệu quả năng lượng và phát triển bền vững.
• Đề xuất các giải pháp triển khai áp dụng BIM 6D, Machine Learning và CBA trong thiết kế và quản lý dự án xây dựng, đồng thời khuyến khích đào tạo và nâng cao nhận thức về xây dựng bền vững.

Next steps: Triển khai thử nghiệm mô hình trong các dự án thực tế, mở rộng phạm vi nghiên cứu sang các loại công trình khác và phát triển phần mềm hỗ trợ ra quyết định dựa trên kết quả nghiên cứu.

Các nhà quản lý dự án, tư vấn thiết kế và chủ đầu tư nên áp dụng các công cụ và phương pháp nghiên cứu để nâng cao hiệu quả năng lượng và phát triển bền vững trong xây dựng.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY DO DUY LINH COMBINING BUILDING INFORMATION MODELING (BIM) AND CHOOSING BY ADVANTAGES (CBA) METHOD TO SELECT DESIGN-CONSTRUCTION SOLUTIONS TOWARD SUSTAINABLE CONSTRUCTION IN VIETNAM Major: CONSTRUCTION MANAGEMENT Major code: 8580302 MASTER’S THESIS HO CHI MINH CITY, July 2023 THIS THESIS IS COMPLETED AT HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY – VNU-HCM Supervisor: Assoc. Luong Duc Long Examiner 1: Assoc. Tran Duc Hoc Examiner 2: Dr. Chu Viet Cuong This master’s thesis is defended at HCM City University of Technology,VNU- HCM City on 13th July 2023 Master’s Thesis Committee: 1.

Nguyen Anh Thu - Chairman 2. Huynh Nhat Minh - Secretary 3. Tran Duc Hoc - Reviewer 1 4. Chu Viet Cuong - Reviewer 2 5.

Dang Ngoc Chau - Member Approval of the Chairman of Master’s Thesis Committee and Dean of Faculty of Civil Engineering after the thesis being corrected (If any). CHAIRMAN OF THESIS COMMITTEE HEAD OF FACULTY OF CIVIL ENGINEERING Dr. Nguyen Anh Thu i VIETNAM NATIONAL UNIVERSITY - HO CHI MINH CITY SOCIALIST REPUBLIC OF VIETNAM HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY Independence – Freedom - Happiness THE TASK SHEET OF MASTER’S THESIS Full name: Do Duy Linh Student ID: 2170311 Date of birth: 21/10/1993 Place of birth: Khanh Hoa Major: Construction Management Major ID: 8580302 I. THESIS TITLE (In Vietnamese): Kết hợp mô hình thông tin xây dựng (BIM) và phương pháp lựa chọn theo ưu điểm (CBA) để lựa chọn các giải pháp thiết kế và thi công hướng đến xây dựng bền vững tại Việt Nam.

THESIS TITLE (In English): Combining Building Information Modeling (BIM) and Choosing By Advantages (CBA) method to select Design-Construction solutions toward sustainable construction in Vietnam. TASKS AND CONTENTS: Building a predictive model of energy consumption for buildings using Building Information Modeling (BIM), Building Energy Modeling (BEM) and Machine Learning; Determining the factors affecting the decision to choose the design and construction option towards sustainable construction and the importance level of those factors; Developing a method for choosing optimal design and construction options by Choosing By Advantages (CBA) method. THESIS START DAY: March 2023 V. THESIS COMPLETION DAY: 10th June 2023 VI.

Luong Duc Long Ho Chi Minh City, date ……… SUPERVISOR HEAD OF DEPARTMENT (Full name and signature) (Full name and signature) Assoc. Luong Duc Long DEAN OF FACULTY OF CIVIL ENGINEERING (Full name and signature) Note: Student must pin this task sheet as the first page of the Master’s Thesis booklet ii ACKNOWLEDGEMENTS In order to complete this thesis, first of all, I would like to express my sincerest thanks to Associate Professor, Dr. Luong Duc Long, who has enthusiastically guided, oriented and imparted valuable experiences to me during the process of making this thesis. Next, I would like to thank the teachers of the Department of Construction Management, Faculty of Civil Engineering for their dedication in teaching and imparting specialized knowledge during their study at the school.

I also would like to thank the group of experts, colleagues and friends who have given their comments, participated in surveys as well as shared valuable knowledge and experiences and supported me in the process. perform this research. Finally, I would like to thank my family and relatives for always supporting and encouraging me during my study and thesis completion. In the process of conducting research, errors cannot be avoided.

Therefore, I look forward to receiving your understanding and comments to improve. Sincerely, Ho Chi Minh City, 31st July 2023 DO DUY LINH iii ABSTRACT Energy efficiency buildings are becoming more and more important in order to address the current energy problem and advance in line with the sustainable trend of the construction industry. The potential for energy savings in buildings is relatively large when design-construction options are used to increase energy efficiency. This has many tangible advantages for the socio-economy, including increased energy efficiency, improved quality of life, and a favorable effect on the environment.

Finding a design- construction alternative for the building that is truly beneficial in terms of both technical and economic criteria, however, is proving to be very challenging. The goal of this thesis is to help solve this issue. To accomplish this task, Building Information Modeling (BIM) and software in this ecosystem are not only used for modeling (3D), time simulation (4D), quantity measurement (5D) but also for energy consumption simulation (6D). This thesis focuses on using BIM-based energy simulation software to simulate energy consumption for various types of building design and combining BIM 6D with the Choosing by Advantages (CBA) method, a multi-criteria decision-making method that has been widely applied in selecting design options, materials, and contractors related to sustainable construction.

In addition, besides using energy software to simulate and generate a data set of energy consumption for the building, this thesis introduces a method to predict energy consumption by using Learning Machine based on output datasets from the generating process. Keywords: Building Information Modeling (BIM), BIM 6D, Choosing by Advantages (CBA), sustainable construction, Machine Learning iv TÓM TẮT LUẬN VĂN THẠC SĨ Các tòa nhà sử dụng năng lượng hiệu quả ngày càng trở nên quan trọng hơn nhằm giải quyết vấn đề năng lượng hiện nay và tiến tới phù hợp với xu hướng phát triển bền vững của ngành xây dựng. Tiềm năng tiết kiệm năng lượng trong các tòa nhà là tương đối lớn khi các phương án thiết kế-xây dựng được sử dụng để tăng hiệu quả sử dụng năng lượng. Điều này mang lại nhiều lợi ích hữu hình cho nền kinh tế xã hội, bao gồm tăng hiệu quả sử dụng năng lượng, cải thiện chất lượng cuộc sống và tác động tích cực đến môi trường.

Tuy nhiên, việc tìm kiếm một phương án thiết kế-xây dựng cho tòa nhà thực sự có lợi về cả tiêu chí kỹ thuật và kinh tế đang tỏ ra rất khó khăn. Mục tiêu của luận án này là giúp giải quyết vấn đề này. Để thực hiện nhiệm vụ này, Mô hình thông tin xây dựng (BIM) và phần mềm trong hệ sinh thái này không chỉ được sử dụng để mô hình hóa (3D), mô phỏng thời gian (4D), đo lường khối lượng (5D) mà còn dùng để mô phỏng tiêu thụ năng lượng (6D). Luận văn này tập trung vào việc sử dụng phần mềm mô phỏng năng lượng trên nền BIM để mô phỏng mức tiêu thụ năng lượng cho các loại thiết kế công trình và kết hợp BIM 6D với phương pháp Lựa chọn theo Ưu điểm (CBA), một phương pháp ra quyết định đa tiêu chí đã được áp dụng rộng rãi trong việc lựa chọn thiết kế, vật liệu và nhà thầu liên quan đến xây dựng bền vững.

Ngoài ra, bên cạnh việc sử dụng phần mềm năng lượng để mô phỏng và tạo bộ dữ liệu tiêu thụ năng lượng cho tòa nhà, luận văn này giới thiệu phương pháp dự báo mức tiêu thụ năng lượng bằng cách sử dụng Learning Machine dựa trên bộ dữ liệu đầu ra từ quá trình mô phỏng năng lượng. Từ khóa: Building Information Modeling (BIM), BIM 6D, Choosing by Advantages (CBA), sustainable construction, Machine Learning v THE COMMITMENT OF THE THESIS’ AUTHOR The undersigned below: Student full name: DO DUY LINH Student ID: 2170311 Place and date of born: Khanh Hoa, Vietnam, 21st October 1993 Address: Di An City, Binh Duong With this declaration, the author finishes his master’s thesis entitled “COMBINING BUILDING INFORMATION MODELING (BIM) AND CHOOSING BY ADVANTAGES (CBA) METHOD TO SELECT DESIGN- CONSTRUCTION SOLUTIONS TOWARD SUSTAINABLE CONSTRUCTION IN VIETNAM” under the advisor's supervision. All works, ideas, and materials that was gain from other references have been cited correctly. Ho Chi Minh City, 31st July 2023 DO DUY LINH vi TABLE OF CONTENTS CHAPTER 1: GENERAL INTRODUCTION.

Objectives of the topic. Scope of study:. Scientific and practical significances. 2 CHAPTER 2: THEORETICAL BASIC AND RELATED RESEARCH.

Definitions and concepts. Energy-Efficient building. Building Information Modeling (BIM). Multiple-criteria decision-making (MCDM) methods:.

Choosing by Advantages (CBA) methods:. Artificial Intelligence and Machine Learning. Data Analysis Tools. Energy simulation software: DesignBuilder.

Random Forest Algorithm. The process of building a Random Forest model. The advantages of Random Forest Algorithm. Evaluate the accuracy of the RF model.

Building a model to predict energy consumption. Software used in the study. 30 CHAPTER 4: DETERMINING FACTORS - DATA COLLECTION AND ANALYSIS. Determining the factors.

Analyzing the characteristics of the study sample. Testing the reliability of the scale. One sample T-Test. Multi-sample testing.

39 CHAPTER 5: BUILDING A MODEL OF ENERGY CONSUMPTION. Simulation of building energy consumption using DesignBuilder. Procedure of building an energy simulation model. Defining design variables and input data to DesignBuilder.

Simulation of building energy consumption using Random Forest Algorithm by Python Programming Language. Procedure of creating an energy prediction model. Data and parameter for RF model. Checking results of prediction model.

Optimal design variables. Pareto frontier result from DesignBuilder. Pareto frontier result from Prediction model and comparison. 61 CHAPTER 6: DECISION ON DESIGN OPTIONS BY CBA METHOD.

CBA procedure and result. Defining criteria for each factor. Describing the attributes of each alternative. Deciding advantages of alternatives & Decide the importance of advantages 73 6.

Evaluating cost data. Finding the most optimal alternative by pareto frontier. Method of using aggregate values without units of measurement to rank alternatives. 81 CHAPTER 7: CONCLUSION AND SUGGESTION.

87 ix TABLE INDEX Table 2.1: Summary of some previous relative researches .1: Statistics on the amount of data collected .2: Meaning of Cronbach’s Alpha coefficient values .3: List of software used in the study .1: Factors affecting to decision of choosing design-construction options .2: Percentage of participants who have ever joined in Green Building projects or energy efficient buildings .3: Years of experience of the survey participants .4: Expertise of the survey participants .5: Roles of the survey participants .6: 1st results of reliability testing .7: 2nd results of reliability testing .8: Ranking factors through Mean values.9: Results of One-sample T-Test .10: Mean difference analysis for the experience of the respondents .11: Mean difference analysis for the expertise of the respondents .12: Mean difference analysis for the role of the respondents .1: Define design variables .2: Design variables data .3: Simulation results in DesignBuilder .4: Procedure of creating a prediction model for energy consumption .5: Comparison of electricity consumption results generated by Prediction model and DesignBuilder .6: Comparison of Discomfort hour results generated by Prediction model and DesignBuilder .7: Comparison of CO2 emission results generated by Prediction model and DesignBuilder .8: Pareto frontier result from DesignBuilder.9: Pareto frontier result from Prediction model .10: Duplicated pareto variable sets between simulation by DesignBuilder and Prediction model .2: Factors and their importance score .3: Factors and their criteria .4: Properties of materials .5: Points of materials .6: Attributes of alternatives .8: Material unit rates.9: Cost of Alternatives .11: Detail evaluation of Method of using aggregate values without units of measurement .83 xi FIGURE INDEX Figure 2.2: Working process with Machine Learning .2: Data collecting procedure .3: One-way ANOVA analyzing process .4: Process of building a Random Forest model .5: Procedure of building a model to predict energy consumption .1: Procedure of building an energy simulation model in DesignBuilder .2: Input weather data .3: Design variables setting in DesignBuilder.4: Objectives and Outputs setting .5: Example of a Pareto front .6: Pareto frontier result from DesignBuilder .7: Pareto frontier result from Prediction model .1: CBA Score comparison.2: CBA Score and Cost Comparison .