A Study on Integrated Utilization of Urban Spatial Data and Building Data for CO₂ Reduction

도시단위 건축물 CO

²

A Study on Integrated Utilization of Urban Spatial Data and Building Data for CO

Reduction

최혜미¹⁾, 박창한²⁾, 김주형³⁾, 김재준⁴⁾

Choi, Hyemi¹⁾･ Park, Chang-Han²⁾･ Kim, Ju-Hyung³⁾･ Kim, Jae-Jun⁴⁾ Received May 22, 2015 / Accepted August 28, 2015

ABSTRACT: We have researched a character of BIM(Building Information Modeling) and GIS(Geographic Information System) data for integrated utilization of urban spatial data and building data for CO2 reduction. We consider literature on integrated utilization of BIM and GIS and measure method of CO2 in urban spatial unit. Among them without distortion of standard data structure, derive method how to install between BIM and GIS standard data. Rhino & Grasshopper is utilization tools of DB platform. The compatibility with existing BIM and GIS data format, graphic and numeric results can be output at the same time. And using the existing ARCHSIM, it can be easily combined for building energy analysis program. Based on BIM and GIS data to run an energy analysis target on Majang-dong, it could be poly synthetically derived the value information and graphic information.

KEYWORDS: Urban Spatial Data, Building Data, IFC, CityGML, Rhino&Grasshopper 키워드: 도시공간 데이터, 건축물 데이터, IFC, CityGML, Rhino&Grasshopper

1)학생회원, 한양대학교 일반대학원 건축환경공학과 박사과정 ([email protected])

2)일반회원, RP종합건축사사무소 ([email protected])

3)정회원, 한양대학교 건축공학과 교수 ([email protected]) (교신저자)

4)정회원, 한양대학교 건축공학과 교수 ([email protected]) DOI: http://dx.doi.org/10.13161/kibim.2015.5.3.001

1. 서론

1.1 연구의 배경 및 목적

한국은 온실가스 의무감축국으로 2020년까지 BAU (Business- AS-Usual)대비 30% 감축을 목표로 하고 있다. 온실가스 중 탄 소는 IPCC(Intergovernmental Panel on Climate Change) 지침 의 분류에 따라 배출･흡수량 통계가 발표된다. 온실가스 의무감 축과 관련하여 2020년부터 발효될 더반 플랫폼(Durban Platform) 은 교토의정서에 비해 모든 당사국이 법적 구속력이 있는 규제 를 받게 되며, Durban Platform for Enhanced Action은 신재생 에너지와 에너지 효율성에 집중하고 있다. 국가 온실가스 배출 량의 80-90% 정도 비중을 차지하는 것이 연료연소이다. IPCC 가이드라인은 연료연소로 발생되는 1인당 도시탄소 배출량을 제공하고 있으며, IPCC 가이드라인에서 제시하고 있는 Tier 1에 대입하여 도시탄소 배출량 추정이 가능하다. IPCC 가이드라인

을 기반으로, 인구규모를 유형화하고 1인당 온실가스 배출량과 도시계획 관련 지표들 간의 상관분석 및 다중회귀분석을 통해 도시의 탄소 배출량 예측 할 수 있다(노경식 외 6인, 2013). 도시 탄소 감축을 모색하고 이동거리를 최소화하여 도시 기반시설 및 개별 건축물의 도시탄소 배출저감 계획을 통합적으로 고려하 려는 노력이 이루어지고 있으며, 도시기획단계에서 도시탄소 배 출저감 계획을 반영하기 위해 IT/IS 기술을 도입하여 시각적으 로 판단이 가능한 도시 기획안을 생성하고 있다(Zagonari, 2009;

Omitaomu et al, 2012; Pozoukidou, 2014).

대표적인 IT/IS 기술 도입은 GIS(Geographic Information System: 이하 GIS)기반의 도시기획이나 BIM(Building Information Modeling: 이하 BIM)기반의 건축물 설계로 확장되었으며, 공간 정보라는 개념을 활용하여 개별 건축물에 대한 설계과정을 도시 및 지역 계획으로 확장하고자 하는 노력이 진행 중이다(Moughtin et al, 1999). GIS를 활용해 도출된 도시공간데이터와 BIM을 활

용하여 도출된 건축물데이터를 접목시켜 각각의 장점을 전부 활용하려는 연구가 활발히 진행 중이다. 그러나 각각의 장점을 바탕으로 BIM과 GIS를 결합한 기존의 연구들은 상호 호환성에 대한 관점에서 문제를 일으키고 있다. 이를 해결하기 위해 각 데이터의 상호운용을 위한 플랫폼을 제시하거나(황정래외 2인, 2012), 데이터 구조의 확장 및 변화를 통해 BIM과 GIS를 통합하 려는 연구(원지선&주기범, 2013), BIM 도구에서 생성된 표준 데 이터 중 통합 가능한 요인을 도출하여 GIS 표준데이터인 CityGML 로 불러와 매핑(mapping) 시키려는 연구가 진행되었다(강태욱 외 3인, 2014). 이를 기반으로, 본 연구에서는 GIS와 BIM을 활용 하여 생성된 데이터에 중점을 두고 도시공간데이터와 건축물데 이터, CO2 저감에 필요한 변수가 저장된 외부에서 생성된 데이 터베이스를 통합 활용하여 CO2 저감을 지원할 수 있는 데이터베 이스 플랫폼을 제시하고자 한다.

1.2 연구의 범위 및 방법

본 연구는 도시단위 건축물 CO2 저감을 지원하기위해 GIS와 BIM을 활용하여 생성된 도시공간데이터와 건축물데이터, 외부 에서 생성된 데이터베이스의 통합 활용 방안으로 연구 범위를 설정했으며, 연구 진행절차는 다음과 같다.

(1) IT/IS기반 공간정보 활용한 도시기획과 건축계획에 관한 문헌고찰

(2) 표준 BIM 데이터와 GIS 데이터의 통합 관련 문헌고찰 (3) GIS를 활용해 도출된 도시공간데이터와 BIM을 활용해 도 출된 건축물데이터를 기반으로 건축물 에너지 분석을 위 한 요구 조건을 조사한 뒤 조건에 맞는 각 데이터의 LoD(Level of Detail) 조사

(4) 도시공간데이터, 건축물데이터, 그리고 외부 데이터베이 스의 통합을 위해 필요한 Expert System 및 건축물 에너 지 분석 프로그램의 가능성 조사

(5) CO2 저감을 고려하기 위한 도시공간데이터와 건축물데 이터 활용 모델을 제작하기 위한 실험데이터 선정 및 구축 (6) Rhino & Grasshopper기반 도시공간데이터와 건축물데 이터를 동시에 고려한 건축물 에너지 분석 데이터베이스 구축 및 알고리즘 적용

(7) 실험데이터의 출력 결과 분석

2. IT/IS기반 공간 데이터를 활용한 도시기획과 건축물 계획에 관한 연구 고찰

2.1 국제협약기준과 국가차원에서 온실가스 의무감축 1994년 3월 지구의 기후변화 방지를 위해 노력하겠다는 의미

로 UNFCCC(United Nations Framework Convention on Climate Change)가 발효되었다. UNFCCC는 온실가스를 감축하는데 있 어 구속력이 없는 권고수준인 반해, 1997년 12월 교토에서 채택 된 교토의정서는 온실가스 감축을 이행하기 위해 ‘누가, 얼마만 큼, 어떻게 줄일 것인가’에 대한 문제를 결정한 내용이 포함된 다. 교토의정서는 공동이행제도(선진국간의 공동 온실가스 감 축 사업), 청정개발체제(선진국이 개발도상국에서 온실가스 감 축사업을 수행해 달성한 실적의 일부를 선진국의 감축량으로 허용), 배출권거래제도(배출권의 거래)와 같은 유연성체제(교토 메커니즘)를 도입해 온실가스를 효과적이고 경제적으로 감축하 도록 했다. 2011년 남아프리카공화국 더반에서 열린 기후변화협 약에서 세계 190여 국가의 대표들이 모여 선진국과 개도국 모두 기후변화에 함께 대처한다는 합의문인 더반 플랫폼을 발표했다.

이 합의문은 세계 평균온도를 2℃ 이하로 안정화시키기 위한 온실가스 감축목표에 관한 국제적 합의를 2015년까지 완료하 고, 2020년부터 발효시키는 것을 골자로 하였으며, 이는 新기후 체제로 불린다(한국환경산업기술원, 2014).

미국은 화력발전소 도시탄소 배출규제와 신재생 에너지 보급 확대 등을 포함한 ‘기후변화 대응비전’을 발표했으며, 미국과 중국은 수소불화탄소(HFCs) 생산･소비 감축 합의, 도시탄소 포 집･저장(Carbon Capture and Sequestration: CCS) 실증 프로 젝트 시행 등 상호협력을 추진 중이다(한국녹색성장위원회, 2014).

EU는 2020년까지 1990년 대비 온실가스 배출량 20% 감축, 신 재생에너지 비중 20% 달성, 에너지효율 20% 개선을 목표인 기 후에너지 패키지 목표(Triple, 2020)를 설정하고 의견수렴 중이 다(한국 녹색성장위원회, 2014).

한국은 2008년에 저탄소 녹색성장이 국가 비전으로 선언된 이후, 2009년 국가 중기 온실가스 감축목표(2020년 BAU 대비 30% 감축)가 대내외에 발표되었다. 이러한 한국의 자발적 온실 가스 감축목표 선언은 국가 온실 가스 감축목표 달성을 위한 로드맵 수립(2014) 및 배출권거래제 시행(2015)으로 구체화 되 었다(온실가스종합정보센터, 2015). 국가 온실가스 감축 로드맵 은 각 부처별로 각 부문별(산업, 건물, 수송 등 세분화한 7대 부 문과 25개 업종 별) 감축정책과 수단을 체계화하여 종합하고, 과학기술을 활용한 감축방안과 취약부문 감축 지원방안을 제시 하고 있다. 이 중 도시/건축부문을 맡고 있는 국토교통부는 2017 년 패시브하우스, 2025년 제로에너지 하우스 건축 의무화에 대 비하여, 제로에너지 주택 실현 및 확대 보급을 추진하고 있다.

이는 제로에너지 주택의 보급 확산을 위해 기 개발된 기술을 바탕으로 주택단지 최적화모델 개발 및 실증단지 구축을 목표로 하고 있다. 주요 감축 요인은 에너지 절감 및 성능향상과 냉난방 설비 효율개선으로 BAU 대비 26.9% 감축 예정이다(한국녹색성 장위원회, 2014). 이와 같이 온실가스 감축을 위해, 도시/건축

부문은 에너지 절감을 위한 방법을 도입하거나 재생에너지를 활용하고자 한다.

2.2 CO2 저감을 위한 도시공간정보를 활용한 도시기획에 관한 연구 고찰

전략적으로 공간정보를 활용하여 도시를 기획하기 위한 노력 은 GIS기반으로 이루어졌다. Store&Kangas(2001)은 GIS를 기 반으로 주거지 적합 평가를 위한 데이터 프로세싱과 공간 분석 에 state-of-the-art decision-analysis 기술을 활용하여 GIS 기반 주거지 적합 모델링을 제안했다.

도시기획단계에서 도시탄소 저감은 에너지 군을(fossil fuel, renewable energy etc.) 최적화하여 도시탄소를 줄이고자 하는 연구가 진행되었다(Lee and Hashim, 2014; Harkin et al, 2012;

Li et al, 2014). Lee and Hashim(2014)는 발전계획을 통해 전기 사용량을 컨트롤하여 도시탄소 배출을 줄이기 위해 연료사용량 을 스위칭 가능하게 한다. Andrew & Christopher(2012)는 GIS 기반 지역 기준 신재생에너지와 화석 연료를 최적으로 복합하기 위한 다중 목적 모델(multi-objective model)을 개발했다. 화석 연료에 전기 전력계통을 기초하여 도시탄소 배출 저감 모델을 개발했다(Harkin et al, 2012; Li et al, 2014).

도시기획단계에서 탄소저감 계획요소를 도입하여 도시기획 정책 수립을 위한 방법으로 통합적인 도시 기획을 위한 최적화 모델(Zagonari, 2009), 토지 이용 예측 지식기반시스템(Pozoukidou, 2014)이 개발 된 사례가 있다.

2.3 건축부문의 CO2 저감에 관한 연구고찰

건축부문에서의 에너지 사용량 감축은 개별 건축물의 에너지 효율을 제고하는 방향으로 진행되고 있다(이상헌, 2011). 건축물 에 대한 도시탄소 배출량 평가를 위한 기초자료인, 건축 자재에 대한 도시탄소 배출량 원단위 데이터를 구축했다. 이강희와 양 재혁(2009)은 주요 건축자재의 에너지 소비 및 이산화탄소 배출 량 원단위를 구축했고, 홍태훈외 2인(2012)은 대표 건축자재인 콘크리트와 철골, 철근을 대상으로 강도에 따른 이산화탄소 배 출량 원단위를 구축했다. 건축물의 도시탄소 배출량 평가모델을 개발하기 위해 신축 시 투입되는 건축자재의 상세 물량데이터와 운영단계의 에너지 사용량 데이터를 바탕으로, 건축물의 전생애 주기 동안 배출되는 도시탄소량을 산출하는 방법을 제시했다.

홍태훈외 3인(2013)은 건축자재에 대한 물량 정보와 시공계획 정보를 바탕으로 건축물의 건축자재, 운송, 시공단계에서 배출 되는 도시탄소 배출량을 산출하는 방법을 제시했다. 건축물에 대한 도시탄소 배출량 평가를 간소화 할 수 있는 방법으로 최두 성외 2인(2013)은 이산화탄소 배출량 평가를 간소화 하는 방법 으로써, 국내의 다양한 아파트에 투입되는 건축자재를 분석하여

건축공사 주요 자재를 선정하였다. Tae et al(2011) 역시 “그린홈 인증제도”에서 제시하는 표준 공동주택에 투입되는 건축자재를 분석함으로써, 건축자재 이산화탄소 배출량의 80% 이상을 차지 하는 주요 자재를 선정하고, 이를 데이터베이스로 구축하여, 표 준 공동주택에 대한 이산화탄소 배출량을 간단하게 산정 할 수 있는 모델을 개발했다. Jeong et al(2014)는 초등학교 건축물에 대한 특성 정보와 자재 물량 데이터를 구축하고, 사례기반추론 (Case Based Reasoning: CBR) 방법을 이용하여 평가 대상 건 축물에 대한 자재 물량 정보를 추출함으로써 건축물의 이산화탄 소 배출량을 산출할 수 있도록 했다. Moon et al(2014)는 공동주 택을 대상으로 사례기반 추론을 활용하여 이산화탄소 배출량을 평가하는 모델을 제시했다. Tae et al(2011), Jeong et al(2014) and Moon et al(2014) 등의 연구에서 건축물에 대한 이산화탄소 배출량을 개략적으로 평가할 수 있는 방법을 제시하였지만, 이 들은 건축물에 대한 주요 개요 정보를 필요로 하고 있다.

건축부문에서 탄소 저감에 관한 연구는 건축의 부재나 건축 설비 시설을 대상으로 탄소배출을 최적화 할 수 있는 모델을 제시하거나(Antipova et al, 2014; Farzana et al, 2014; Jenkins et al, 2009), 건축설계단계에서 탄소 배출량을 고려하여 설계 프로세스 제안(Baek et al, 2013), 초기단계 탄소저감을 고려한 시설물 관리 프로세스 절차 및 모델 제안(Han et al, 2013)이 있다.

Antipova et al(2014)는 LCA분석을 통해 빌딩의 신재생에너 지 설비를 도입은 10.7% 에너지를 절감효과가 있음을 밝혔다.

Farzana et al(2014)는 ANN(Artificial Neural Network) 모델을 사용하여, 도시의 주거 건축물에 대한 에너지 소비의 예측에 유 효하고 정확한 예측모델을 제안했으며, 가능성이 있는 6개의 시 계열 모형들의 선택 비교를 통해 접근하여 예측 값을 선택한다.

단기 예측을 위한 결과는 실제 값에 매우 가까운 ANN 모델에 의해 예측된 만큼 명확하게 나타난다.

본 연구에서는 도시공간데이터의 특성을 고려하여 기본단위 당 탄소배출량을 적용하고자 하며, Table 1과 같이 신은미(2013) 가 제시한 건축물 카테고리 단위별 탄소배출량을 활용한다.

2.4 표준 데이터 모델 통합에 관한 문헌고찰

공간정보를 활용하여 도시기획과 건축물계획을 동시에 진행 하기 위해 데이터를 통합하는 방향으로 연구가 진행되고 있으 며, 표준 GIS 데이터 모델과 표준 BIM 데이터 모델을 통합하여 활용하고자 하는 노력이 진행 중이다.

표준 GIS 데이터 모델과 표준 BIM 데이터 모델 통합 관련 문헌을 조사 분석하면 BIM 도구에서 생성된 표준 데이터 중 통 합 가능한 요인을 도출하여 GIS 표준데이터인 CityGML로 불러 와 매핑 시키려는 연구(강태욱 외 3인, 2014), 데이터 구조의 확

Table 1 Fundamental Unit’s Carbon Emission(신은미, 2013) Category Unit Carbon emission Industry Gas m² 0.146942(tCO2/m²) Electric Power m² 0.484777(tCO2/m²)

Household GAS man 0.890597(tCO2/man)

Electric Power man 0.595905(tCO2/man)

Planning

School m² 0.056370(tCO2/m²) Public Institution m² 0.076695(tCO2/m²) Religious Facility m² 0.527980(tCO2/m²) Cultural Facility m² 0.026046(tCO2/m²) Gas Station m² 0.247781(tCO2/m²) Road and Parking lot m² 0.000587(tCO2/m²) Park m² 0.000118(tCO2/m²) Signal Lamp EA 0.013917(tCO2/EA)

Carbon Absorption

Tree

Deciduous

Tree tree 2.7(tCO2/tree) Needleleaf

Tree tree 8.02(tCO2/tree) Renewable

Energy

Gas m³ 0.00222(tCO2/m³) Electric Power kwh 0.00047(tCO2/kwh)

장 및 변화를 통해 BIM과 GIS를 통합하려는 연구(황정래 외 2인, 2012; 원지선 외 1인, 2013), 그리고 플랫폼을 구축 및 활용하여 통합하려는 연구(황정래 외 2인, 2012)가 진행되었다.

강태욱 외 3인(2012)는 표준 BIM 데이터 모델과 표준 GIS 데 이터 모델 간 상호운용성에 대해 연구하였다. 표준 BIM 데이터 모델인 IFC와 표준 GIS 데이터 모델인 CityGML이 공통적으로 겹쳐지는 부분에 대해 확장한 후, 확장된 클래스에 메타데이터 를 정의하여, 유즈케이스에서 필요한 정보만 CityGML에서 IFC 로 정보 질의를 지원 하도록 IFC에서 CityGML로 매핑 할 수 있 는 구조와 매핑 규칙 함수를 제안하였다. 하지만 캐쉬 기법과 같이 매핑 되어 추출된 속성들을 보관하여 빈번한 정보 쿼리 시 빠르게 처리하거나, 추출된 속성들을 압축하여 파일 크기를 줄이는 등의 압축 기법은 고려하지 않았다.

황정래 외 2인(2012)는 BIM과 GIS의 상호연계 가능성을 파악 하기 위하여 IFC와 CityGML의 LoD(Level of Detail)별 객체 간 의 특성을 분석하였으며, 이러한 분석 내용을 바탕으로 건축물 관점에서 IFC와 CityGML의 객체 간의 매핑을 수행함으로써 IFC 와 CityGML 간의 연관성을 분석하였다. 하지만 매핑이 불가능 할 경우에는 CityGML을 확장하거나 추가하였는데, 이와 같이 확장하거나 추가하는 방법은 새로운 데이터모델의 표준화에 대 한 요구가 발생하며, 이는 기존 표준 데이터모델의 확장 또는 신규 표준 데이터모델의 추가가 요구되므로 신중히 접근할 필요 가 있다.

원지선 외 1인(2013)은 IFC에서 도로시설 정보표현을 지원할 수 있도록 IFC 상위구조에 해당하는 Core 스키마 확장방안을

제안하였다. IFC에 도로시설 요소를 추가함에 있어 신규 스키마 개발 관점에서 수행하였지만 표준화 과정에서 데이터 상호운용 성에 문제가 발생했다.

황정래 외 2인(2012)은 BIM과 GIS의 효율적인 연계 활용하여 시스템적으로 상호운용성을 확보하고자 BIM과 GIS의 상호운용 플랫폼을 제시하였다. BIM과 GIS 간의 데이터모델 통합은 두 모델이 데이터 특성이나 세밀도 수준, 도메인이 매우 다르기 때 문에 데이터모델 통합을 위한 대안으로의 가능성을 보여주었다.

이를 확장하여 본 연구에서는 데이터베이스 플랫폼을 극대화하 기 위한 요소기술을 도출했으며, 이를 활용하여 플랫폼을 구성 하는 요소들의 기능을 정의했다.

3. 도시공간데이터와 건축물데이터 통합을 위한 LoD 조사

3.1 표준 BIM 데이터 모델 관련 문헌고찰: IFC

최근, BIM과 관련된 되어 이슈가 되고 있는 부문은 정보 교환 부문이며, 분야의 특성에 따라 다양한 정보를 요구함에 따라 소 프트웨어 간에 데이터 모델의 정보 호환이 어렵고 정보가 누락 되거나 의미가 잘못 전달되는 경우가 발생하고 있다(김인한 외 2인, 2013). 이에 데이터 호환성을 키우기 위해 IFC(Industry Foundation Classes)를 국제 표준 중립 포맷으로 활용하고 있다.

IFC는 1994년 그 개발이 시작되어 현재 2⨯4 버전이 나온 상태이다. IFC 릴리즈 1.0은 전 생애주기 동안의 AEC/FM 프로 젝트에 사용 되는 분산된 프로젝트 모델의 정의를 가지고 있다.

초기의 릴리즈는 Architectural design, HVAC engineering design, Facilities management, 그리고 Cost estimating 안에 서의 프로세스를 지원하는 모델을 포함했다. 이후 릴리즈 2.0부 터는 IFC Object Model의 도메인 범위를 확장하고, 건축, 견적, Facility management, 설비, 법규 등 도메인 프로세스를 포함했 다. 강태욱 외 4인(2012)은 다음과 같이 네 가지 구조적 특징을 제시하였다.

첫째, 객체 지향적 구조이다. IFC는 객체지향적인 구조로 개 발되어 클래스가 패키지로 묶여져 있으며, Kernel 패키지를 Extension패키지가 객체지향적으로 파생 받아 활용하는 식으로 계층적 구조를 가지고 있다.

둘째, 유연한 객체 관계성이다. IFC 객체 간 관계는 속성으로 미리 정의되어 있지 않고, IfcObjectDefinition이 IfcRel*로 시작 되는 클래스 관계(relationship)를 관리한다. 이런 이유로 유연 한 클래스 간 관계처리가 가능해진 반면에, 모델러가 클래스 관 계를 생성하는 방식에 따라 서로 다른 버전의 IFC파일이 생성되 므로, 모델 간에 호환성 문제가 발생할 수 있다.

셋째, 확장성 있는 속성 구조를 가지고 있다. IFC는 Figure 1과

Figure 1 IfcObjectDefinition Class and Relationship(강태욱 외 4인, 2012)

Figure 2 CityGML Geometry Structure(강태욱 외 4인, 2012)

같이 확장성 있는 속성구조를 가지고 있다. 속성은 IfcPropertySet 에서 관리하며 IfcPropertyResource 패키지에 정의된 IfcProperty 클래스를 가진다. IfcProperty는 정수, 실수와 같은 단일 값이나 행렬과 같은 테이블 값, 리스트 형태 값 및 이와 같은 속성 값이 복합적으로 적용된 값과 같은 속성을 다룰 수 있다. 벽체와 같은 건축 요소들은 여러 개 범주로 IfcPropertySet을 가질 수 있으며, 이 객체는 IfcObjectDefinition에서 파생된 IfcTypeObject에서 관리한다.

넷째, 솔리드 방식의 모델 표현이다. IFC는 B-Rep 솔리드 모델 구조로 물체를 표현한다. 솔리드는 크게 위상정보와 형상 정보로 나뉘는데, 위상정보는 형상을 구속하는 Vertex, Edge, Loop, Face로 구성되고, 형상은 곡선 및 곡면을 수학적으로 표 현할 수 있는 매개변수로 구성되며, 다양한 종류의 곡선이나 곡 면으로 표현할 수 있다. 이런 구조로 인해, 곡면 요소도 평면으 로 나누어 조합하는 방식으로 형상을 처리할 수 있으므로 이에 따라 수량이 원본 모델과 차이가 발생할 수도 있다.

3.2 표준 GIS 데이터 모델 관련 문헌고찰: CityGML CityGML은 OGC(Open Spatial Consortium)에 의해 개발되 었으며 공간데이터 교환을 위해 확장 가능한 국제표준이다. 또 한 가상 3D 도시모델의 저장과 변환을 위한 XML 기반의 개방형 데이터 모델이며 지리 마크 업 언어 버전 3.1.1(GML3)에 대한 응용 스키마이다. CityGML의 개발의 목적은 3차원 도시 모델의 기본 엔티티, 특성, 관계에 대하여 일반적인 정의에 도달하는 것이다(OGC, 2014). Figure 2는 CityGML의 Geometry에 대한 구조 예로 CityGML에서 형상, 재질, 객체(feature) 모델 및 그들

간의 위상적 관계가 정의된다(강태욱 외 4인, 2012).

3.3 건축물 에너지 분석을 위한 각 데이터 LoD 조사 건축부문에서 공간정보개념 도입은 국제표준화기구(ISO:

International Organization for Standardization)에서 제시한 데 이터 표준을 기반으로 둔다. 국제표준화기구는 ISO 19107(Spatial Schema)을 제시했다. 이를 기반으로 OGC(Open Geospatial Consortium)는 도시공간데이터와 건축물데이터를 표준화하여 통합하는 방안으로 Indoor GML을 제시했다. Indoor GML은 도 시의 3차원 명세를 위해 5단계의 LoD(Level of Detail)를 지원하 는 XML기반의 CityGML, 미국 구글이 Google Earth를 위해 사 용하는 KML(Keyhole Markup Language)로 구현할 수 있다 (OCG, 2012). CityGML의 형상은 표면으로 정의되고 벽체와 같 은 경우 내벽면, 외벽면으로 표현되며, 채워진 솔리드 모델로 표현된다. 이와 같이, CityGML은 실외 공간정보와 건축물 실내 공간정보의 그래픽 구현 수준으로 한정되어 있다.

이에 반해 IFC는 CityGML의 가장 정밀한 단계인 LoD 4보다 도 더 정밀한 데이터 구조를 가지고 있다. 이러한 사실을 바탕으 로 황정래 외 2인(2012)는 CityGML 개체를 기준으로 하여 매핑 규칙을 생성함으로써 각 LoD에 따른 변환의 일관성을 유지할 수 있도록 매핑 규칙을 제시했다.

IFC와 CityGML의 매핑 규칙에 따라 CityGML의 LoD는 최대 인 LoD 4의 수준으로 활용되어야 함을 알 수 있었다. 따라서 IFC와 직접 매핑이 될 수 있는 CityGML의 정보들을 활용하여 EnergyPlus에서 요구하는 Zone정보, 자재정보, 물성치 및 인접 공간 환경 정보들을 플랫폼에 제공할 수 있다. 먼저 Zone정보는 IFCSlab와 매핑되는 CityGML의 FloorSurface와 CeilingSurface, 자재정보는 IfcDoor, IfcWall, IfcWindow와 매핑되는 CityGML의 Interior WallSurface 오브젝트가 정보제공을 할 수 있다. 마지 막으로 물성치 및 인접공간 환경 같은 IFC와 CityGML의 매핑 규칙에서 제공할 수 없는 데이터들은 Properties의 집합인 Pset 을 이용하여 세부적인 특성정보를 작성해 정보를 제공하거나 (김인한 외 2인, 2013) 외부 DB를 작성하여 필요한 정보를 제공 하는 방법이 있다. Figure 3과 같이 매핑이 가능한 정보들을 도 시공간데이터와 건축물데이터 통합 구조의 중심으로 활용하여

BIM data GIS data IFC Beam

IFC Pile IFC Staire

IFCRoof IFCSlab

···

RoofSurface Ground Surface Closure Surface

··· ··· ···

1Bunji

IFC Beam IFC Pile IFC Staire

IFCRoof IFCSlab

···

RoofSurface Ground Surface Closure Surface

··· ··· ···

2Bunji

IFC Beam IFC Pile IFC Staire

IFCRoof IFCSlab

···

RoofSurface Ground Surface Closure Surface

··· ··· ···

3Bunji

Figure 3 The Structure of Platform(김인한 외 2인, 2013)

Designing the Model Using BIM

& GIS tool

Data Standardization Converting Extensible Markup Language

Opening the Model from Expert System

Carbon Emission

Evaluating Alternatives

Designing the Model Using BIM

Tool

Designing the Model Using GIS

Tool

IFC CityGML

XML XML

Bring the Object Information to Rhino + Grasshopper

Creation of Graphic Information

Creating Several Alternatives in Rhino + Grasshopper

Input the Object Information or

Changing

Graphic Model Object

Information

• Application of Estimating Carbon Emission

• Using ARCHSIM

Figure 4 The Process of Using Building Data and Urban Spatial Data

그 외 필요한 BIM 추출 데이터와 GIS 추출 데이터를 지번에 따라 각각의 제 위치에 맞게 추가적으로 배열 할 수 있다.

4. Expert System기반 도시공간데이터와 건축물 데이터 통합 활용 기반기술 제안

4.1 DB플랫폼 구축 활용 Expert System 선정

기존의 BIM과 GIS의 통합 관련 연구들을 종합해 보면 크게 세 가지로 나눌 수 있다. 첫 번째 방법은 IFC를 CityGML에 직접 매핑하는 방법이다. 하지만 두 포맷의 구조가 매우 다르기 때문 에 직접적인 매핑이 어려워 각 시스템의 스키마를 확장하는 방 안이 있으나 이것은 표준화에 있어 문제가 발생할 소지가 있다.

두 번째 방법은 IFC 포맷을 CityGML에 매핑하는 중간에 별도의 응용프로그램을 설치하는 것이다. 이것은 IFC의 LoD는 CityGML 의 최대 LoD보다도 상대적으로 매우 높은 LoD 수준을 가지고 있기 때문에 IFC의 LoD를 CityGML의 수준으로 저하시키는 응 용프로그램을 개발하여 설치하는 방안이다. 하지만 이러한 방안 도 결국 스키마의 변경을 요구하기 때문에 표준화에 대한 문제 가 발생한다. 세 번째 방법은 IFC와 CityGML 사이에 상호 운용 을 위한 별도의 DB 플랫폼을 설치하는 것이다. 이것은 각 시스 템의 구조를 변경시키지 않는다는 점에서 적절한 방법으로 고려 될 수 있다. 플랫폼을 구성하기 위해서 활용하는 도구로 BIM 도구를 고려했으며, 이는 자료의 저장과 운용이 GIS보다 효율적 이기 때문이다.

Expert System을 활용한 건축물　CO2배출량　산정방식의 경 우를 종합해보면 건물 형상정보, 구조체 정보, Zone 정보 등 IFC 에서 추출한 BIM 데이터 활용 변수 정보들에 재질 및 기상 데이 터 같은 사용자 입력변수들의 외부 DB를 적용함으로써 건축물 에너지 분석 결과를 도출하는 프로세스가 대부분이었다. 대표적 으로 TRNSYS와 EnergyPlus 가 있으며, ARCHSIM은 EnergyPlus 기반의 건축물 에너지 분석이 가능한 Grasshopper 지원 플러그 인이다.

도시공간데이터와 건축물데이터를 통합 활용하여 에너지 분 석을 위한 DB플랫폼을 구성하기 위하여 Rhino & Grasshopper 를 적용한 이유는 아래와 같다.

(1) Rhino & Grasshopper는 IFC와 IFC의 확장 언어인 STEP 및 CAD, SHP 등 기존의 BIM 및 GIS 관련 포맷들과 높은 호환성을 가지고 있다.

(2) Grasshopper는 Rhino의 3D 모델링 도구와 통합된 하나 의 시스템이기 때문에 Grasshopper에서 구축한 알고리 즘의 적용 및 수치적 결과물과 Rhino에서의 그래픽적 결 과물을 동시에 출력할 수 있는 장점이 있다.

(3) Grasshopper 지원 플러그인을 이용하여 AHCHSIM과 같 은 건축물에너지 분석 프로그램인 Energyplus를 쉽게 접 목 시킬 수 있다.

4.2 건축물 에너지 분석 DB플랫폼 적용 프로세스 도시단위 건축물 에너지 분석 DB플랫폼 적용 프로세스는 Figure 4와 같다. BIM 툴과 GIS를 활용하여 분석하고자 하는 도시공간을 모델링한다. 도시공간데이터와 건축물데이터를 추 출하기 위해, 번지를 기반으로 BIM 툴로 생성된 모델은 건축물 모델 표준데이터인 IFC로 변환하고 GIS로 생성된 모델은 도시 공간 모델 표준 데이터인 CityGML로 변환 후 확장성 생성 언어 인 XML로 변환한다. 변환된 데이터를 Expert System 중 Rhino

& Grasshopper에서 그래픽 정보를 생성하고 속성정보를 입력 한다. 이 과정에서 사용자가 직접 입력한 정보들은 Excel과 같 은 외부DB의 개념으로 입출력이 가능하다. 또한, Grasshopper 의 플러그인인 EnergyPlus에서 제공하는 에너지 분석 알고리 즘기반 ARCHSIM을 이용하여 CO2 저감을 위한 대안을 생성한 다. Rhino에서는 그래픽 정보를 출력할 수 있고, Grasshopper

Figure 7 BIM Data Based Designed the Database 에서는 수치정보들을 출력할 수 있으며, 이를 활용해 생성된 여

러 대안 중 최적의 대안을 선택할 수 있도록 지원한다.

5. Rhino& Grasshopper기반 도시공간데이터와 건축물데이터 통합 활용 DB플랫폼 구축

5.1 실험데이터 선정 및 구축

본 연구에서 제안하는 모델을 적용하기 위해 당장 자료 취득 이 가능한 서울시 성동구 마장동을 선정했다. 마장동 지적도 파 일(.dwg)을 입수하여 대표 건축물의 지번, 세대수, 층수, 동수, 용도지역, 토지면적 등 CO2 산출에 필요한 데이터를 Figure 5와 같이 외부 데이터베이스에 저장했다.

Figure 5 Design the GIS Database

5.2 데이터 통합 활용 DB플랫폼 구축

선정된 지형의 형상데이터 중 건축물에 해당하는 레이어만 활성화시켜 형상데이터를 추출했으며, 추출된 데이터를 Grass- hopper로 불러와 객체의 이름에 해당하는 건축물의 지번을 입 력했다. Grasshopper에서 선택된 영역의 지번을 기반으로 외 부 DB에서 작성한 지번을 적용하여 Curve들을 선택하여 지번 정보를 입력했다. 입력된 Curve객체의 속성을 추출한 후, 프로 덕트 모델의 Surface를 생성한다. 외부 DB에 작성한 지번들을 적용하여 도시공간정보를 기반으로 2D 결과를 출력할 수 있었 다(Figure 6).

Figure 6 Display the JIBUN’s shape

미리 저장된 외부DB를 필드명 JIBUN으로 설정하여 옵션을 설정한 뒤, 데이터 배치방법을 설정하여 GIS 정보를 입력한다.

BIM DB에서 층수와 세대수를 설정하여 ‘층수’와 ‘세대수’열에 해당되는 데이터를 분류하여 저장한다. 통합 DB를 불러와 GIS DB 정보를 레코드명으로 설정하여 BIM DB의 데이터 값을 입력 하여 Figure 7과 같이 통합 DB를 구축한다. 구축된 통합 DB에서

층수 정보에 각 층고를 3m로 하여 건물 형태를 시각화하여 출력 했다.

5.3 Rhino & Grasshopper 에서 건축물에너지 분석 프 로그램의 적용

(1) CO2산정 알고리즘 적용

Rhino & Grasshopper기반으로 CO2산정을 위해 CO2발생량 계산에 필요한 도시공간데이터와 건축물데이터 통합 DB의 ‘세 대수’정보를 추출했다.

신은미(2013)이 제시한 기본단위(m²) CO2당 배출량을 적용 했으며, 가계부문은 가정용 도시가스 CO2배출량과 가정용 전력 CO2배출량 데이터를 활용하여 가정용 건축물의 CO2배출량을 산정했다(Figure 8).

Figure 8 Application of Estimating Carbon Emission

(2) ARCHSIM 활용

건축물 에너지 분석을 위해 Rhino & Grasshopper에서 제공 하는 ARCHSIM 플러그인을 Figure 9와 같이 활용한다. 건축물 에너지 분석에서 필요한 정보요소인 건축물 형상 정보, Zone정 보 및 기타정보(날씨정보 등)들을 입력하여 연산을 실행한다.

건축물 에너지 분석을 위해 Rhino & Grasshopper에서 제공 하는 ARCHSIM 플러그인을 적용하여 에너지 소비 범주를 설정 했다. 지정한 범주에 따라 Figure 10과 같이 에너지소비량이 높 을수록 붉은 색을 나타내며 낮을수록 파란색을 나타내도록 설정 했다. 이를 적용하여 Figure 11과 같이 에너지 소비량을 시각 화하였다.

Figure 9 Display of ARCHSIM PlugIn

Figure 10 Application Algorithm

Figure 11 3D Display

(3) 종합검토

본 연구에서는 도시공간데이터와 건축물데이터를 활용하여 Rhino & Grasshopper을 기반으로 CO2 배출량을 산출했다. 이 를 위해 기 연구에서 도출된 CO2 산정 알고리즘 적용하는 방법 과 Rhino & Grasshopper에서 제공하는 ARCHSIM 플러그인을 활용하는 방법의 두가지 방향으로 실습했다. CO2 산정 알고리즘 을 Rhino & Grasshopper기반으로 직접 구현했을 시, DB플랫폼 에서 데이터 구조의 왜곡 없이 조작이 가능했으며 통계치를 활 용하여 직접적으로 필요한 범위에서 정보 값을 산정할 수 있었 다. 그러나 직접 변수의 값에 해당하는 DB를 구축해야 하며, 구 축된 DB의 지속적 업데이트에 대한 한계가 있었다.

Rhino & Grasshopper에서 제공하는 ARCHSIM 플러그인을 활용할 경우, 도시공간데이터와 건축물데이터 매핑시 GIS에서 추출된 데이터와 BIM에서 추출된 데이터 간 위계의 고려가 필요 했으며, 이는 데이터 표준 변환을 활용했으며 그 결과를 공간정 보 위계에 따라 매칭했다. 표준데이터 구조가 왜곡되지 않는 수 준에서 DB의 행과 열을 조정하여 ARCHSIM 플러그인을 활용하 여 CO2 값을 산정했다.

6. 결론

도시단위 건축물 CO2 저감을 위한 도시공간데이터와 건축물 데이터의 통합 활용을 위해 문헌을 고찰하고 도시공간데이터와 건축물데이터를 기반으로 건축물 에너지분석을 위한 LoD를 조 사했다. 각 데이터의 통합 활용 가능한 Expert System을 조사하 여, DB 플랫폼 구축의 활용 도구 중 대안들의 시각적 판단이 가능한 3D 모델링 도구와 알고리즘을 구현하여 수치적 결과를 동시에 출력 가능한 Rhino & Grasshopper를 선정했다. CO2

저감을 위해 활용 가능한 알고리즘 및 에너지 분석 프로그램을 조사하여 Rhino & Grasshopper에서 플러그인으로 적용할 수 있는 ARCHSIM을 선정했다.

이를 서울시 성동구 마장동을 대상으로, BIM/GIS 기반으로 CO2 산정을 위해 필요한 변수들을 추출했다. 추출된 도시공간데 이터와 건축물 데이터를 표준으로 변환하여, 확장성 생성언어인 XML로 변환했다. 생성된 대안들의 Rhino & Grasshopper에서 불러왔으며, 에너지 분석에 필요한 변수를 입력하여 건축물 형 상정보, Zone정보, 에너지 소비 범주를 시각적으로 확인 할 수 있었다.

본 연구에서는 도시공간데이터, 건축물데이터와 외부데이터 베이스를 통합 활용 할 수 있는 기반기술에 중점을 두고 이를 실습하는 것에 의의를 두었으며, CO2 저감과 관련하여 구체적인 저감량을 제시하지 않은 한계가 있다. 향후 제시된 기반기술을 활용하여 CO2 저감과 관련된 구체적인 연구가 진행 될 수 있다.

또한, BIM과 GIS 데이터의 통합으로 인해 데이터의 크기가 커짐 에 따라 시스템의 부담이 증가하는 문제가 발생했다. 향후 이를 압축할 수 있는 기법 등에 관한 연구가 필요하다.

References

Andrew. A. & Christopher. Z. (2012), “The Role of Public Policy in Optimizing Renewable Energy Development in the Greater Southern Appalachian Mountains”, Renewable&

Sustainable Energy Reviews, 15(8), pp.3690-3702.

Antipova. E., Boer., D., Gonzalo. G. G. Cabeza. L. F. Jimenez.

L. (2014), “Multi-Objective Optimization coupled with

Life Cycle Assessment for Retrofitting Buildings”, Energy and Buildings, 82, pp.92-99.

Baek. C., Park. S. H., Suzuki. M., Lee. S. H. (2013), “Life cycle carbon dioxide assemssment tool for buildings in the schematic design phase”, Energy and Buildings, 61, pp.274-287.

Choi. D. S., Chun. H. C., Cho. K. H. (2013), “A study on the LCA of an apartment house through a simplified technique”, Architectural Institute of Korea, 29(1), pp.307-316.

Farzana. S., Liu. M., Baldwin. A., Hossain. U. (2014),

“Multi-model Prediction and Simulation of Residential Building Energy in Urban Areas of Chongqing”, Energy and Buildings, 81, pp.161-169.

Han. X., Pei. J., Liu. J., Xu. L. (2013), “Multi-Objective Building Energy Consumption Prediction and Optimization for Eco-community Planning”, Energy and Buildings, 66, pp.22-32.

Hong. T., Ji. C., Park. H. (2012), “Integrated model for assessing the cost and CO2 emission(IMACC) for sustainable structural design in ready-mix concrete”, Journal of Environmental Managment, vol.103, pp.1-8.

Hwang. J. R., Kang. H. Y., Hong. C. H. (2012), “A Study on the Platform Design for Efficient Interoperability of BIM and GIS”, Korea Spatial Information Society, 20(6), pp.99-107.

Hwang. J. R., Kang. T. W., Hong. C. H. (2012), “A Study on the Correlation Analysis between IFC and CityGML for Efficent Utilization of Construction Data and GIS Data”, Korea Spatial Information Society, 20(5), pp.49-56.

IPCC (2006), “2006 IPCC Guidelines for National Greenhouse Gas Inventories”, IGES, Japan.

Jenkins. D. P., Singh. H., Eames. P. C. (2009), “Interventions for Large-Scale Carbon Emission Reductions in Future UK Offices”, Energy and Buildings, 41, pp.1374-1380.

Jeong. K., Ji. C., Koo. C., Hong. T., Park. H. (2014), “A model for predicting the environmental impacts of educational facilities in the project planning phase”, Journal of Cleaner Production, pp.1-12.

Kang. T. W., Youn. J. H., Lee. W. S., Choi. H. S. (2013), “A Study Related to Interoperability Development Strategy between BIM and GIS”, Korean Institute of BIM, 3(1), pp.21-27.

Kim. I. H., Choi. J. S., Kim. H. J. (2013), “Proposition and

Application of Mapping System for Input Data between Open BIM Data and Building Energy Simulation Software- Focused on Building Material Library and Energy Plus”, Architectural Institute of Korea, 29(4), pp.3-12.

Lee. K. H., Yang. J. H. (2009), “A Study on the Functional Unit Estimation of Energy Consumption and Carbon Dioxide Emission in the Construction Materials”, Architectural Institute of Korea, 25(6), pp.43-50.

Lee. S. H. (2011), “Space Allocation Simulator in Early Urban Design Stage to Reduce Carbon Emissions: Focused on the Prediction of the Travel Distance Using Lansd Use and Transprotation Plan”, Journal of the Korea Academia- Industrial Cooperation Society, 12(11), pp.5231-5329.

Lee. S. W. &Tae. S. H. (2010), “A Preliminary Study of BIM Utilization and CO2 Monitoring in Building Maintenance”, Architectural Insistute of Korea Conference, 30(1), pp.169-170.

Li. W., Chen. T., Wentz. E. A., Fan. C. (2014), “NMMI: A Mass Compactness Measure for Spatial Pattern Analysis of Areal Features”, Annals of the Association of American Geographers, 104(6), pp.1116-1133.

Moughtin. C. et al (1999), “Urban Design: Method and Techniques”, Architectural Press, Woburn.

Noh. K., Wang. K., Yu. S., Min. K., Lee. G., Kim. S., Kwon.

Y. (2013), “A case study on carbon reduction plan for urban initiative and application model”, The Korean Geographic Society, 47(1), pp.1-10.

Omitaomu. O. et al (2012), “Adapting a GIS-Based Multicriteria Decision Analysis Approach for Evaluating New Power Generating Site”, Applied Energy, vol.96, pp.292-301.

Pozoukidou. G. (2014), “Facilitating land use forecasting in planning agencies”, Sustainable Development and PlanningⅢ, vol.1, pp.10-22.

Sin. E. M (2013), “Analysis of Carbon Emission and Quantitative Evaluation Method for Low Carbon Mixed Use Development”, Hanyang University Master Thesis, Seoul.

Store. R., Kangas. J. (2001), “Integrating Spatial Multi-Criteria Evaluation and Expert Knowledge for GIS-based Habitat Sustability Modelling”, Landscape and Uraban Planning, 55(2), pp.79-93.

Won. J. S. & Ju. K. B. (2013), “Extesion Method of IFC Core Schema to Represent Information for Road Facility”, The

Conference on Korea Institute of Construction Engineering and Management, pp.285-286.

Woo. S. J., Yoon. S. M., Choi. J. W. (2013), “A Study on the Development of the gbXML and Web Based Analysis Tool(E-Zero) for the Estimate of Building Energy Needs and CO2 Emissions”, Architectural Institute of Korea, 29(40), pp.251-258.

Zagonari. F. (2009), ”An Optimization Model for Integrated Urban Planning: Development and Application to Algeria’s Reghaϊa and Heraoua Municipalities”, Environmental Management, vol.47, pp. 937-959.

http://www.gir.go.kr/

http://www.keiti.re.kr/home/index.do