주간(낮) 분석에서 인공지능(AI)의 활용은 최근 증가하는 추세에 있다. 다양한 연구를 통해 그 역량이 입증되어 왔다. 주간 시뮬레이션에 AI를 사용하면 시간을 줄일 수 있지만, 동시에 상당한 과제도 수반된다. 주간 시뮬레이션의 기존 방식(전통적 접근)을 사용하든, 인공지능을 활용하든 간에, 손으로 그린 도면에서 주간 분석 결과를 얻기까지의 과정은 모델링, 프로그래밍, 그리고 AI 모델의 통합과 관련된 복잡한 절차를 포함한다. 본 논문은 사용자의 손그림 스케치로부터 주간 성능을 신속하게 직접 예측하기 위한 효율적이고 단순한 접근법을 제안한다. 핵심 아이디어는 손그림과 증강현실(AR)로부터 직접 예측하는 딥러닝 모델을 활용하여, 원본 도면 위에 결과를 겹쳐 표시함으로써 AR 환경에서 결과를 원활하게 시각화하는 것이다. 이 방법은 사용자 참여와 접근성을 향상시킬 뿐만 아니라, 전통적인 주간 시뮬레이션 소프트웨어 및 워크플로에 대한 의존성을 제거한다. 인공신경망(ANN)은 Rhino3D와 Honeybee로 생성한 3D 건물 모델 및 Useful Daylight Illuminance 시뮬레이션에서 유래한 데이터로 활용하였다. 손그림 입력과 시뮬레이션 모델 간의 호환성을 확보하기 위해 컬러 코드 방식, 다양한 영상 촬영 및 데이터 처리 기법을 구현하였다. 개발 플랫폼으로 Unity3D를 사용하였고, AR 엔진은 Vuforia를 사용하였다. 특히 ANN 모델은 R2가 0.872~0.985 범위로 나타나는 등 유망한 결과를 산출한다. 이는 격자 기반의 손그림 이미지를 ANN에 적합한 입력으로 효율적으로 포착하고 변환함으로써 달성된다. 얻어진 결과는 이러한 접근의 실행 가능성을 보여주며, 개념의 실용성을 강조한다.

주간(낮) 분석에서 인공지능(AI)의 활용은 최근 증가하는 추세에 있다. 다양한 연구를 통해 그 역량이 입증되어 왔다. 주간 시뮬레이션에 AI를 사용하면 시간을 줄일 수 있지만, 동시에 상당한 과제도 수반된다. 주간 시뮬레이션의 기존 방식(전통적 접근)을 사용하든, 인공지능을 활용하든 간에, 손으로 그린 도면에서 주간 분석 결과를 얻기까지의 과정은 모델링, 프로그래밍, 그리고 AI 모델의 통합과 관련된 복잡한 절차를 포함한다. 본 논문은 사용자의 손그림 스케치로부터 주간 성능을 신속하게 직접 예측하기 위한 효율적이고 단순한 접근법을 제안한다. 핵심 아이디어는 손그림과 증강현실(AR)로부터 직접 예측하는 딥러닝 모델을 활용하여, 원본 도면 위에 결과를 겹쳐 표시함으로써 AR 환경에서 결과를 원활하게 시각화하는 것이다. 이 방법은 사용자 참여와 접근성을 향상시킬 뿐만 아니라, 전통적인 주간 시뮬레이션 소프트웨어 및 워크플로에 대한 의존성을 제거한다. 인공신경망(ANN)은 Rhino3D와 Honeybee로 생성한 3D 건물 모델 및 Useful Daylight Illuminance 시뮬레이션에서 유래한 데이터로 활용하였다. 손그림 입력과 시뮬레이션 모델 간의 호환성을 확보하기 위해 컬러 코드 방식, 다양한 영상 촬영 및 데이터 처리 기법을 구현하였다. 개발 플랫폼으로 Unity3D를 사용하였고, AR 엔진은 Vuforia를 사용하였다. 특히 ANN 모델은 R2가 0.872~0.985 범위로 나타나는 등 유망한 결과를 산출한다. 이는 격자 기반의 손그림 이미지를 ANN에 적합한 입력으로 효율적으로 포착하고 변환함으로써 달성된다. 얻어진 결과는 이러한 접근의 실행 가능성을 보여주며, 개념의 실용성을 강조한다.

본 연구는 도시 인프라에서 유지보수 효율성과 안전성을 향상시키기 위해 Building Information Modeling(BIM)과 디지털 트윈 기술을 통합하는 실시간 모니터링 시스템을 제시한다. 동적 변화를 놓치고 비용을 증가시키는 기존의 정기 점검과 달리, 이 시스템은 대한민국의 Wansan Tunnel과 통합된 태양광 구동 소음 방벽 터널에 대해 LOD 400 수준의 BIM 모델을 사용한다. 진동, 경사, 조명, 대기질, 수분 감지 등 IoT 센서 데이터를 포함하며, Autodesk Forge API를 통해 동기화하고 WebSockets로 연동하여 웹 기반 대시보드에서 시각화한다. 2024년 10월 22일부터 11월 7일까지의 시연 결과, 본 시스템은 안정적인 데이터 전송을 보였고, 조명 센서의 응답 비율이 90%를 초과했으며, 비정상적인 조도 및 구조적 이동과 같은 이상 징후를 탐지할 수 있어 정보에 기반한 유지보수 의사결정을 지원함이 확인되었다. BIM–디지털 트윈 통합이 NBT 관리 개선에 효과적임이 입증되었으나, 대기질 데이터의 일부 누락은 보완이 필요한 영역을 시사한다. 본 프레임워크는 고급 분석을 통한 예측 유지보수를 위한 기반을 마련한다.

건축물 외피(façade) 디자인에서 건축가들이 가장 직면하는 중요한 과제 중 하나는, 주요 역할이 개구부를 덮어 일사(日射)와 온도를 제어하는 데 있음에도 불구하고, 사용자에게 실내에서 실외로의 효과적인 시야를 제공하는 것이다. 본 연구는 기하학적 패턴을 기반으로 하는 파라메트릭 외피에 대해, 노드의 개수와 배치 및 필요한 지지대의 위치를 최적화하고 평가하기 위해 유전 알고리즘을 사용한다. 유전 알고리즘이 적용된 데이터셋은 외피의 노드와 지지대를 감소시키거나 대체하는 데 효과적임이 확인되었다. 또한 창(window) 주변에서만 더 넓고 불규칙한 패턴을 형성하여, 거주자(occupants)가 경험하는 시각적 방해를 감소시킨다. 따라서 건축 외피의 운영은 건축의 심미성과 성능 모두의 관점에서 중요하다. 본 연구에서 사용한 방법은 노드 위치를 기준으로 한 세 가지 기하학적 격자(grid) 패턴을 통해 검증되었으며, 이를 통해 데이터가 반영된 패턴에 대한 잠재적인 불규칙한 외피 확장(extension)을 분석하는 데 활용할 수 있다. 노드는 Galapagos 프로그램을 이용하여 단면(cross-section) 최적화를 분석함으로써 고려되며, 이후 Karamba를 통해 반력(reaction force), 노드 힘(node force), 변형 에너지(deformation energy)에 기반한 데이터를 얻는다. 그 결과 세 가지 격자 패턴인 삼각형(triangular), 사각형(square), 육각형(hexagonal) 중에서 육각형 격자가 가장 효율적이며, 사각형 격자 패턴에 비해 반력은 최대 60% 낮고 노드 힘은 40% 낮으며 변형 에너지는 30% 적은 것으로 나타났다. 제안된 GA는 또한 패턴을 갖는 파라메트릭 외피의 성능을 향상시키는 데 그 효과가 입증되었고, 그로써 거주자들의 시각적 경험을 개선한다.