Automation in Site Planning of Apartment Complex - Through Rhino Grasshopper's Parametric Modeling and Optimization -
11
0
0
전체 글
(2) 경을 바탕으로 설계를 진행하는 대부분의 일반적인 건축물과는. 지 못하는 대안은 파기되며 새로운 변수의 조합을 통해 또 다른. 다르게 아파트 단지의 설계는 다수의 건물을 동시에 설계하며 인. 대안을 생성하게 된다. 이러한 과정은 Grasshopper의 다변수 함. 동간격 등의 조건들에 의해 서로의 배치와 층수에 영향을 주고받. 수 최적화 도구를 통해 모든 조건을 만족시킬 때까지 반복된다.. 는 등 동적인 특징을 띄고 있다(Rhee and Chung, 2019). 이렇 듯 아파트 단지의 설계 과정은 일반적인 단일 건축물의 설계와는 비교할 수 없을 만큼 많은 변수와 경우의 수를 내포하고, 수많은. 2. 아파트 동 배치 과정의 이해. 시행착오의 과정을 필연적으로 거치게 되며, 이는 실무에서 숙련 된 인력 및 시간의 집중적인 투입으로 이어진다.. 2.1 아파트 동 배치 과정. 이러한 복잡성은 법규와 조례에 따라 정의된 단순한 계산식들. 대상지의 시장조사 및 타당성 검토를 통하여 적정 세대수와 단. 의 동시다발적인 적용 및 계산식 간의 상호 연결성에서 그 원인. 위 세대의 조합이 결정되면 대상지의 법규 및 규제사항을 만족시. 을 찾을 수 있다. 이는 곧 단순 연산을 반복하며 서로의 결과값을. 키는 주거동의 배치가 시작된다.. 참조할 수 있는 Parametric Modeling을 통한 자동화를 의미한다. 동 배치의 첫 단계에서는 외부공간의 활용성 및 주변 Context. (Seong et al., 2005). 이러한 속성으로 인하여 실무에서는 동딱. 와의 조화 등을 고려하여 건축가의 지식과 경험에 기반을 둔 개. 지라는 Template을 사용하여 단순 반복적인 과정을 줄이고자 노. 략적인 Zoning이 이루어지게 된다. 이후 정북 방향 일조사선, 층. 력하고 있다(Ha and Yoo, 2010). 하지만 이는 배치를 구성하는. 수/고도제한, 건축한계선, 채광창 이격거리, 저층 배치구간 등에. 여러 변수 간의 상관관계를 동시에 고려할 수 없기에 필연적으로. 의하여 건물을 지을 수가 있는 유효 부피가 설정되고, 용적률과. 시행착오의 과정을 거치게 되며 이는 시간과 인력의 손실로 이어. 건폐율 그리고 전체 세대수 및 단위 세대의 조합을 통하여 주거. 진다.. 동의 개수와 대략적인 층수가 설정되고 이를 바탕으로 초기배치. 한편 학계에서는 동 배치에 연관된 연구가 선행됐으나, 배치를. 를 결정하게 된다. 초기배치는 인동간격을 포함한 다수의 이격거. 직접적으로 다루기보다는 주어진 배치를 분석하여 일조 환경을. 리 제한을 통하여 각 동의 위치와 층수를 변경하면서 최종 배치. 평가하거나(Kim and Kim, 2006), 배치계획 변화에 따른 일조시. 안으로 확정된다.. 간 및 난방비의 상관관계를 추적하거나(Jung and Lee, 2000),. 이러한 과정에서 층수의 변화나 주동 내 단위 세대의 조합, 또. 혹은 통풍계획에 미치는 영향을 분석하는 등(Cho and Lee,. 는 주거동 배치형 상의 변화는 전체 동 배치의 유효성에 직간접. 2004) 후평가의 측면에 많은 초점이 맞추어졌다. 배치 자동화에. 적인 영향을 미치는 연쇄적인 연결 관계를 형성하게 된다. 이러. 관한 연구도 선행됐으나(Rhee and Chung, 2019) 타당성 조사의. 한 요소 간의 상호작용은 법규에 대한 정확한 이해를 통해 기하. 단계에 머물렀다고 볼 수 있다.. 학적인 배치의 과정으로 자연스럽게 연결되기에 자동화를 위한. 이에, 본 논문에서는 아파트의 동 배치를 규정하는 법규 및 조. 논리적인 공식으로 도출될 수 있다.. 례를 수식화하고, 각 수식 간의 상관관계를 Parametric Model로 구현하여 실용적으로 사용할 수 있는 동 배치 자동화를 제안하고 자 한다.. 2.2 동 배치 과정상의 법규 본 논문에서는 Pilot Project로 사용하였던 대지에 해당하는 법 규 및 규제를 바탕으로 법규 준수 여부의 확인을 위한 Module들. 1.2 연구의 범위 및 방법. 을 구현하였으며, 추후 새로운 법규 사항이 추가될 때 전체적인. 본 연구는 아파트의 설계 과정 중 사업성 검토단계에서의 배치. Process의 변경 없이 새로운 Module을 추가하여 동 배치를 진. 대안의 생성 및 검증에 드는 시간과 인적 자원의 투입을 최소화. 행할 수 있도록 하였다. 본 논문에서 사용하였던 동 배치를 위한. 할 수 있는 동 배치 자동화 Process에 초점을 맞추었다.. 법규 항목은 아래와 같다.. 이를 위하여 본 연구는 Rhino3d와 Grasshopper를 통한 Parametric Model을 구성하고자 한다. 즉 단위 세대, 동 평면,. 2.2.1 높이/층수 제한. 대지 관련 정보는 형상 정보의 형태로, 각 주거동의 배치를 위한. 건축물의 높이는 1) 국토의 계획 및 이용에 관한 법률 (지구단. 대지 내 위치 및 높이는 수치 변수의 형태로, 법규와 조례는 이. 위계획) 용도지역/지구에서의 높이제한 2) 건축법 시행령의 건축. 미 입력된 형상 정보와 변수를 활용한 수식의 형태로 구성하여. 물의 높이 혹은 층수 제한으로 규정된다.. Grasshopper 상에서 Parametric Model을 작성한다. 변수로 주 어진 주거동들의 개별적인 위치와 높이는 배치 대안을 생성하며. 2.2.2 건축한계선. 법규 준수의 여부를 판단할 수 있게 한다. 모든 법규를 만족시키. 건축법 제46조에서 정하는 건축선과 지구단위계획 지침에서 정. 한국BIM학회논문집 10권 3호 (2020) 23.
(3) 하는 대지 안의 공지 정의에 따른 건축한계선은 주어진 대지 내 동 배치의 범위를 정의한다.. 2.2.3 일조권 일조의 확보는 건축법 시행령 제86조(일조 등의 확보를 위한 건축물의 높이제한)에 규정되어 있으며, 채광창 이격거리 및 인 동거리의 형태로 높이를 간접적으로 제한하는 방식으로 적용된 다. 이는 채광창 (창면적 0.5㎡ 이상)을 가진 면의 대지 경계로부 터의 이격거리 (채광창 이격거리), 채광창을 가진 면의 단지내 건. Figure 1. Overall process flowchart. 물로부터의 이격거리 (인동거리), 채광창을 가지지 않은 면의 단 지 내 건물로부터의 이격거리 (비채광창 인동거리), 측벽과 측벽. 3.2.1 정보입력 Cluster. 이 마주 보는 경우의 이격거리 (측벽 인동거리)로 세분되어 적용. 대지와 관련된 형상 정보 및 아파트 동 평면에 대한 형상 정보를. 된다.. 입력하는 정보입력 Cluster는 아래 Figure 2와 같은 정보를 포함한다.. 2.2.4 건폐율과 용적률 건폐율과 용적률을 통한 건물의 규모 제한은 1) 국토의 계획 및 이용에 관한 법률 제 77조 및 동법 시행령 제84, 85조 2) 특 별시·광역시·특별자치시·특별자치도·시 또는 군의 자치법규 (도시계획조례)를 통해 규정된다.. Figure 2. Data input cluster. 3.2.2 정보처리 Cluster. 3. 아파트 동 배치 자동화 3.1 구성 본 논문에서 제안하는 자동화의 과정은 Rhino3d와 Grasshopper. 입력된 정보를 취합하여 평가를 위한 2, 3차원 정보로 변환하고 재생산하는 정보처리 Cluster는 아래 그림3과 같은 정보를 포함한다. 전체적인 Process의 주요 변수가 되는 각 동의 층수 및 이동 위치는 용적률 및 대지 경계등에 의해 자동으로 설정이 되도록 하였다.. 를 이용하여 각 동의 위치와 층수를 주요 변수로 가지는 Parametric Model의 형식으로 구성이 되었다. 법규 준수 여부 를 확인하기 위한 독립적인 Module들은 Grasshopper의 C# component를 사용하여 수식화되었으며, 법규 만족의 정도를 실 수의 형태로 출력한다. 법규를 만족한 변수들의 조합을 찾기 위하 여 다변수 함수 최적화 도구인 Opossum (Optimization Solver, by Thomas Wortmann at Advanced Architectural Lab)을 사용하였 다(Wortmann, 2017).. Figure 3. Data processing cluster. 3.2.3 정보평가 Cluster 정보처리 Module을 거친 평가모형이 주어진 법규와 요구사항 을 만족하는지를 검증하는 정보평가 Cluster는 아래 Figure 4와. 3.2 동 배치 자동화 개요 전체적인 Process는 Figure 1과 같이 정보입력, 정보처리, 정 보평가, 정보분석 Cluster들로 구성이 되어 있다. 각각의 Cluster. 같은 정보를 포함한다. 정보평가 Cluster에서는 별도의 사용자 입 력값이 존재하지 않으며 정보처리 Cluster에서 생성된 평가모형 을 자동으로 입력받아 연산을 시행한다.. 는 단일한 연산을 하는 복수의 Module들과 사용자의 입력값으로 구성되어 있다. 사용자의 입력값은 사용자가 반드시 정보를 입력 해야 하는 변수들(붉은색 화살표)과 선택적으로 정보입력이 가능 한 변수들(속이 빈 화살표)을 포함하고 있다.. Figure 4. Data evaluation cluster. 24 Journal of KIBIM Vol.10, No.3 (2020).
(4) 3.2.4 정보분석 Cluster 최적화 배치의 정성적인 측면을 평가하는 후 평가의 Cluster는. Table 1. Clusters & Modules of the definition Clusters. Modules. Figure 5와 같은 정보를 포함한다. 선행하는 연산의 결과로 만들 어진 배치안을 일조, 조망 및 대략 주차 대수의 항목으로 평가하 여 그 결괏값을 출력한다.. Figure 5. Data analysis cluster. Data Input. Data Processing. 3.3 Grasshopper Definition 구성 위의 흐름도는Figure 6 및 Table 1와 같이 Grasshopper 상에. Module 01 Unit Type Reader. Sorts plan data from Rhino3d based on folders, layers and properties. Module 02 Site Info Reader. Sorts site information from Rhino3d and generate maximum buildable envelope. Generate 2d model based on input data, then duplicate and distribute them on the site. Module 03 Calculate initial building heights based on 2D Model Generator FAR, max height & floor number User can define numbers of buildings and their composition. Module 04 Building Height. Set number sliders for building heights Set building height change method. Module 05 Analytic Model Generator. Generate 3d analysis model and 2d boundaries for evaluation. Module 06 Translation. 서 구현되었다.. Data Evaluation. Module 07 Validity Checkers Module 08 Optimizer Module 09 Daylight Analysis. Data Analysis. Module 10 Viewshed Analysis Module 11 Parking Analysis. Set number sliders for building translation in XY plane for evaluation Evaluate validity of the current building layout per zoning regulations Multiple checkers based on regional regulation as and building codes Iterate if the current layout doesn't work Iteration changes number sliders for XY position and building heights Analyze daylight performance of the current scheme using simplified sun vector method on winter solstice during daytime Consecutive 2hrs or accumulative 4hrs Analyze view shed to a view target(s) User can change view angle for the analysis Rough estimate on numbers of parking space per the given building layout. 3.3.1 Unit Type Reader (Module 01) 평면 데이터는 형상 정보의 형식으로 주거동 형태별로 입력되 며, Table 2와 같은 형식으로 Rhino3d의 Folder와 Layer에 의해 구분하여 입력한다.. Table 2. Unit type reader Folder. Layer u. c. Bldg type. Figure 6. Overall grasshopper implementation. Description Unit plans. Outmost lines of actual buildings for building to building distance calculation(인동간격) and LC(Lot Coverage, 건폐율). Core plans. Outmost lines of actual cores for building to building distance calculation(인동간격) and LC(Lot Coverage, 건폐율).. p. Unit plans. Wall centerlines for FAR(Floor Area Ratio, 용적율) calculation.. e. Core plans. Wall centerlines for FAR(Floor Area Ratio, 용적율) calculation.. w. Window centerlines of living rooms.. o. Window centerlines of other romms.. 한국BIM학회논문집 10권 3호 (2020) 25.
(5) 입력된 정보는 Figure 7과 같이 Grasshopper의 Geometry Pipeline을 통해 Grasshopper로 입력된다. 이는 C# component. 입력된 정보는 Figure 8과 같이 주어진 Folder와 Layer 명칭을 바탕으로 실제 건물을 지을 수 있는 3차원의 영역을 생성한다.. 에 의해 주어진 Folder 및 Layer 명칭 그리고 객체들의 속성값 을 바탕으로 요소별로 분류된다. 주어진 입력값을 바탕으로 주거 동의 최외곽 경계, Core와 주동 간의 인접 관계, 건물 면의 채광 창 존재 여부 등의 이차적인 정보를 생성한다. 이렇게 분류 및 가 공된 정보는 주거동별 독립적인 Data 형식으로 출력 및 저장되어 추후 필요한 연산에 사용될 수 있도록 한다.. Figure 8. Site info reader. 3.3.3 2D Model Generator (Module 03) 2차원 모형생성 Module은 정보입력 Module을 통해 입력된 수치 및 형상 정보를 취합하여 동 배치를 위한 준비작업을 수 Figure 7. Unit type reader. 행한다. 이전 단계에서 입력된 형상 및 수치 정보에 더하여 표 5와 같은 형식으로 주거동의 타입별 개수 및 대상지의 건폐율,. 3.3.2 Site Info Reader (Module 02). 용적률을 입력하면 이에 의해 Figure 9와 같이 주어진 평면의. 대상지에 관련된 정보는 형상 정보와 수치 정보의 형식으. 형상 정보를 요소별로 분해하여 추후 계산에 활용할 수 있도록. 로 입력된다. 형상 정보는 Table 3과 같은 형식으로 Rhino3d의. 준비한다. 이에 더불어 주어진 법정 용적률에 의해 3차원 모형. Folder와 Layer에 의해 구분하여 입력한다. 수치 정보는 Table. 을 생성하기 위한 평균 층수가 자동으로 산정된다.. 4와 같은 형식으로 Grasshopper에 직접 입력한다.. Table 5. 2D Model generator. Table 3. Site info reader (Geometric Information) Folder. Layer sb. ba. Site. bc. cb vt. Description Site Boundary : Site boundary of the given site (대지경계선) Building Area : The extent of building area set by site boundary and offset per regional zoning regulation (건축한계선) Bounding Centerlines : Adjacent lot lines (site boundaries) or centerlines of street, park, or empty spaces which surround the given site (인접대지경계 혹은 인접도로/공원의 중심선) Context Buildings : Adjacent context buildings which impact daylight and view shed condition of the site (주변건물의 3차원 형상) View Targets : View target to which to test view shed (조망의 대상). Table 4. Site info reader (Numeric Information) Input Name Max Height. Description Max height set by regional zoning regulations (지구단위계획에서 설정된 최고높이). Floor to Floor Height Floor to floor height set by architect (층고) Base Height. 1st floor’s level measured from ground (기단부높이). 26 Journal of KIBIM Vol.10, No.3 (2020). Input Name. Description. Bldg typ count Set desired numbers of each building types (주거동의 개수 설정) FAR. Set FAR(Floor Area Ratio: 용적률). BCR. Set BCR(Building Coverage Ratio: 건폐율). 4. 내역서 개선방안 본 연구에서는 현행 내역서의 작성현황을 분석한 결과 비효율 적으로 내역항목이 작성되었다고 판단되는 공종인 창호공사 내 역항목을 개선하기 위해 3가지의 개선방안을 제시하고자 한다. 먼저 창호공사의 내역서는 크게 창호와 창호를 구성하는 부속자 재들로 구성되어 있다. 여기서, 창호에 해당하는 창문과 문의 종 류는 SD, WD, AW, AAW, WW 등이 있으며 부속자재(Hardware) 는 이에 해당하는 피벗힌지, 플로어힌지, 경첩, 도어록 설치, 창 문틀주위충전 등을 말한다. 이를 기준으로 사례 내역서의 개선방 안을 작성하였다. Figure 9. 2D Model generator.
(6) 3.3.4 Building Height (Module 04) 2차원 모형생성 Module에서는 법적 용적률에 의해 자동으로 주거동들의 평균 높이가 설정되었다. 각 주거동의 높이는 최적화 의 과정에서 변화를 겪게 되는 주요 변수 중 하나이므로 Figure 10과 같이 주어진 주거동의 개수만큼의 Number Slider를 구성하 도록 한다. 3차원 정보 분류 Module은 각 동의 높이 값을 조작하 기 위한 다양한 방법을 제시하는데, 주거동별, 주동별, 단위 세대 별, 혹은 사용자의 정의 값 등이 이에 해당한다 (Table 6). Table 6. Building height Sorting Method. Description. Manual Bldg Hgt. Set desired numbers of floors per building. Number sliders don’t change while optimizing. Per Building. Automatically generate number sliders per building (주거동).. Per Core. Automatically generate number sliders per core (주동).. Per Unit. Automatically generate number sliders per unit (단위세대별).. Figure 11. Analytic model generator Number slider를 통해 x, y 축을 따라 이동하고 선택적으로 z축을 통해 회전할 수 있도록 한다. 이를 위하여 Table 7과 같이 세 가지 의 이동을 위한 방안이 마련되었다. 각 동의 높이 값과 더불어 각 동의 위치는 최적의 배치를 찾기 위한 두 가지의 주요 변수중 하나 로써 사용되며, 최적화 과정을 통하여 수많은 조합을 검증하게 된 다. (Figure 12). Table 7. Translation Options Sorting Method No Rotation. Description X-Y translation only.. X-Y translation with global rotation (rotate all buildings with Global Rotation same angle). X-Y translation with local rotation (rotate each building Local Rotation independently).. Figure 10. Building Height. 3.3.5 Analytic Model Generator (Module 05) 평가모형 생성 Module은 위에서 취합된 정보를 통하여 법규 조건의 만족 여부를 가늠하기 위한 3차원의 건물 형상과 2차원의 경계(인동간격 및 제반 이격거리 및 상호 충돌을 감지)들을 형성 한다 (Figure 11). 지역에 따라 다르게 적용되는 인동간격, 채광창 거리, 측벽과 비채광창 거리, 측벽과 측벽거리 등을 위한 계수들 이 입력/수정될 수 있도록 한다.. 3.3.6 Translation (Module 06) 위치이동 Module은 위에서 설정된 2, 3차원 모형들을. Figure 12. Translation. 한국BIM학회논문집 10권 3호 (2020) 27.
(7) 3.3.7 Validity Checkers (Module 07). 3) 인동간격. 유효성 검증 Module은 위에서 생성된 2, 3차원의 평가모형이. 인동간격은 각 건물의 채광창이 위치한 입면이 주변의 건물과. 대상지의 법규적인 요건들을 충족하는지에 대해 검증을 하는 다. 적어도 1H(혹은 조례에 정해진 거리만큼) 이상의 거리만큼 이격. 수의 하위 Module들로 구성되어 있다.. 이 되어 있어야 하는 조건이다. 평가모형 생성단계에서 각 동의 평면상 채광창의 위치 및 층수, 층고 등의 정보를 통하여 인동간. 1) 용적률 및 건폐율. 격 이격거리를 검증하기 위한 2차원 경계가 생성되었으며 이의. 분석 모형의 생성단계에서 주어진 용적률과 건폐율에 의하여 건. 인접 건물과의 교차 여부를 검증한다.. 물들의 높이 값이 일괄적으로 주어졌다. 그러므로 초기 생성된 시. 교차의 정도는 교차하는 면적, 교차하는 점들의 개수, 교차하. 각화 모형은 용적률과 건폐율을 준수할 것임을 알 수 있다. 하지만. 는 영역의 선분의 총 길이의 합 등 여러 가지 항목으로 수치화할. 최적화의 과정에서 각 건물의 층수가 변경되므로 Iteration 별로 용. 수 있으며 이러한 수치의 총합이 0에 근접할수록 최적화된 배치. 적률과 건폐율을 충족하는지에 대한 재검증을 거쳐야 한다.. 로 간주할 수 있다(그림15).. 법정 최대 용적률에서 현재 Iteration의 배치상 용적률이 얼마만 큼 벗어나 있는지를 수치화한다. 이 수치는 법정 최대와 현재 용 적률의 차의 절댓값으로 수식화할 수 있으며 이 값이 0에 근접할 수록 용적률에 대한 최적화가 이루어졌다고 할 수 있다. 이에 반 해 건폐율은 대부분의 시행지에서 법정 기준치를 밑돌게 되며 용. Figure 15. Building to building distance. 적률과는 다르게 최적화의 과정에 있어서 낮은 우선순위와 가중 치를 가지게 된다. 즉 용적률은 법정 기준에 근접하는 정도를 통. 4) 채광창 이격거리. 하여 수치화하여 최적화에 반영하고 건폐율은 법정 기준을 넘지. 채광창 이격거리 검증 Module에서는 채광창을 가지고 있는. 만 않는다면 최적화의 과정에 영향을 미치지 않는다(Figure 13).. 건물의 입면이 인접 도로, 공지, 공원의 중심선으로부터 0.5H 이 상 이격이 되어 있는지를 검증한다. 이를 위하여 평가모형 생성 단계에서 구해진 채광창 이격거리 경계와 대지를 둘러싸고 있는 도로, 공지, 공원의 중심선, 혹은 인접 대지 경계와의 교차 여부 를 검증한다. 교차의 정도는 교차하는 면적, 교차하는 점들의 개수, 교차하. Figure 13. FAR(Floor Area Ratio) & BC(Building Coverage). 는 영역의 선분의 총 길이의 합 등 여러 가지 항목으로 수치화할 수 있으며 이러한 수치의 총합이 0에 근접할수록 최적화된 배치. 2) 정북 방향 일조사선 및 최고높이. 로 간주할 수 있다 (Figure 16).. 지역 지구에 의해 설정된 최고 높이(혹은 층수 제한)와 인접 대 지, 도로, 공원 등의 경계(혹은 중심선)를 통한 정북 방향 일조사 선, 그리고 건축한계선을 통하여 건물을 지을 수 있는 부피가 결 정된다. 모든 동 배치의 대안은 이 부피를 넘지 않는지 검증을 거치게. Figure 16. Building to context distance. 된다. 부피를 넘는 정도는 최적화 배치의 지수에 반비례한다. 즉 건축 가능한 부피를 넘어서는 영역의 부피가 0에 근접할수록 최. 5) 측벽간 최소거리. 적화된 배치로 간주할 수 있다 (Figure 14).. 측벽간 최소거리는 채광창 혹은 비 채광창이 존재하지 않는 아 파트의 입면들이 적어도 4미터 이상 이격이 되어 있는지를 검증 한다. 평가모형 생성단계에서 구해진 측벽간 최소거리 경계와 주 변의 건물 최외곽 선들의 교차 여부를 검증한다. 교차의 정도는 교차하는 면적, 교차하는 점들의 개수, 교차하. Figure 14. Max. Buildable volume. 는 영역의 선분의 총 길이의 합 등 여러 가지 항목으로 수치화할 수 있으며 이러한 수치의 총합이 0에 근접할수록 최적화된 배치 로 간주할 수 있다 (Figure 17).. 28 Journal of KIBIM Vol.10, No.3 (2020).
(8) 모형을 만들지 아니면 최적화된 배치로 인정할지를 결정하게 된 다. 이러한 연속적인 반복의 과정을 통해 궁극적으로는 유효성 검증 Module의 수치 총합이 0에 수렴하는 배치를 얻게 된다. 이는 결국 다변수 함수를 최적화하는 알고리즘을 사용하는 Figure 17. Wall to wall distance 6) 건물간의 충돌 건물과 건물 간의 충돌이 발생하는지를 검증한다. 건물의 최 외곽 선 간의 충돌 여부에 더하여 하나의 건물이 다른 건물의 외 곽선을 둘러싸고 있는 경우, 즉 충돌은 발생하지 않으나 실질적 으로 충돌이라고 볼 수 있는 경우를 포함하여 충돌의 경우를 수 치화한다. 이 수치가 0에 근접할수록 최적화된 배치로 간주할 수 있다 (Figure 18).. Equation Solver를 사용하여 해결할 수 있는데, 본 논문에서 는 Opossum (Optimization Solver, by Thomas Wortmann at Advanced Architectural Lab)을 사용하였다. Opossum은 크게 두 가지의 입력값을 사용하며, 하나는 수치적인 Goal이며 다른 하나는 다변수 함수의 변숫값을 조절하기 위한 Number Slider 들이다. Opossum은 주어진 Goal이 최소 (혹은 최대)가 되는 변 수들의 조합을 찾기 위해 CMAES 라는 Algorithm을 사용한다 (Figure 20). CMAES (Covariance Matrix Adaptation Evolution Strategy)는 진화알고리즘 (Evolutionary Algorithm)의 일종으 로 비선형의 (Non-Linear)이며 여러개의 굴곡을 가지는(NonConvex) 다변수 함수를 진화하는 정규분포 (Evolving Normal Distribution)에 의한 Sampling을 통해 최적화한다(Hansen and. Figure 18. Building to building clash. Ostermeier, 2001).. 7) 대지경계, 건축한계선과 건물의 충돌 대지경계 및 건축한계선과 건물의 최외곽 선들이 충돌하는지 를 검증한다. 건물이 대지 경계 및 건축한계선의 외부에 존재하 는 경우, 즉 충돌은 발생하지 않으나 대지 내에 존재하지 않는 경 우는 추가적인 가중치를 주어 수치화한다. 이 수치가 0에 근접할 수록 최적화된 배치로 간주할 수 있다 (Figure 19).. Figure 20. Optimization Figure 19. Building to context clash. 위의 과정을 통해 하나의 배치안이 나오는 시간은 프로젝트 의 복잡성에 많은 영향을 받으나 보통 1시간 전후인 것으로 판단. 3.4 최적화 과정. 된다 (Intel i7 5820k 6 Cores 12 Threads at 3.30 GHz, 32GB RAM 기준). CPU의 Multi-Core를 활용하지 않기에 Multi-. 위의 유효성 검증 Module들은 각각 하나의 특화된 항목에 대 한 검증을 통해 수치화된 결괏값을 가지며, 공통적으로는 이 수. core를 가지는 컴퓨터의 경우는 메모리가 허락하는 한 다수의 Simulation을 동시에 진행할 수 있다.. 치가 0에 근접할수록 해당 항목에 대한 최적화가 이루어졌다고. 자동배치 Simulation이 시작되면 조건을 만족시키지 못하는 법. 판단 할 수 있다. 그러므로 모든 항목이 0에 수렴하는 배치가 특. 규의 항목에 대한 표식이 다양한 색상의 점으로 표현된다. 반복. 정 대지에 최적화가 된 배치안이라 생각할 수 있다. 만약 이 수치. 의 횟수가 늘어날수록 점들의 개수가 점점 줄어들면서 최적화가. 가 0보다 크다면 모든 법적 준수사항을 만족하지 못하는 배치이. 진행된다 (Figure 21).. 기에 정보처리 Module로 돌아가서 배치를 결정하는 요소들, 즉, 각 동의 높이 값과 대지 내의 상대적인 위치값에 변화를 주어 새. 3.5 후평가 Cluster. 로운 평가모형을 생성하도록 한다. 이렇게 생성된 새로운 평가모 형은 다시 유효성 검증을 받게 되고 그 결과에 따라 또 다른 평가. 유효성 검증 Module을 통하여 도출된 최적의 배치안들은 후. 한국BIM학회논문집 10권 3호 (2020) 29.
(9) 평가 Module들을 통해 사용성에 대한 검증을 거치게 된다. 후평 가 Module은 현재 일조 환경, 조망, 그리고 주차 대수의 개략적 인 분석을 지원한다.. 3.5.1 일조 환경 분석 일조 환경 분석은 거실 창문의 중심점에서 동지 기준 연속 2 시간/총 4시간 이상의 일조를 받아들이는 단위 세대를 일조 양호 단위 세대로 정의하였다. 이를 통하여 법규를 만족하는 최적화 배치가 일조 환경의 측면에서 가지는 정성적인 측면을 평가할 수 있도록 하였다. 이를 통하여 다수의 배치안 중 일조 성능을 기준 으로 최적의 안을 선택 할 수 있도록 하였다 (Figure 22).. Figure 22. Daylight evaluation. 3.5.2 조망 분석 조망 분석은 대지의 주변에 있는 특정 지형지물을 얼마만큼 잘 볼 수 있는지를 주요 평가 기준으로 삼았다. 하지만 조망에 대 한 평가를 위한 기준의 부재로 인해 임의적인 기준을 수립하였 다. 즉, 거실의 창 중심부에서 가상의 수평면을 설정하고 주변 건 물을 피해서 특정 View Target을 볼 수 있는 각도가 10도 이상 일 경우 해당 단위 세대는 특정 View Target 에 대한 조망이 우. Figure 21. Simulation progress (Time-lapse). 30 Journal of KIBIM Vol.10, No.3 (2020). Figure 23. Viewshed evaluation.
(10) 수하다고 판단하였다. 각도의 기준 및 View Target 의 위치는 사. 4. 결론. 용자에 의해 변경이 될 수 있도록 하였다. 일조 환경 분석과 더불 어 이를 통하여 법규를 만족시키는 배치 중 최적의 배치를 선택 할 수 있도록 하였다 (Figure 23).. 3.6 Process Overview. 4.1 최적화 배치의 효율성과 효용성 본 논문에서 제안하는 최적화 배치의 방식은 법규상의 제약 조 건이 특수하거나 주어진 제약 조건하에 용적률을 만족시키기 힘. 위의 동 배치 최적화 과정은 아래의 Figure 24와 같이 단계별 로 시각화될 수 있다.. 든 특수한 경우를 제외하면 1시간 안팎으로 최적화된 배치 대안을 생성한다. 이는 숙련된 건축가가 하나의 배치를 완성하는 데 걸리 는 시간을 생각하면 인력 및 시간 투입의 측면에서 큰 장점이 있 음이 명확하다. 이에 더하여, 한 대의 Computer 만으로도 복수의 Simulation을 동시에 진행할 수 있기에 주어진 시간에 얻을 수 있 는 대안의 수는 인력에 의존하는 기존의 Process 대비 명확한 장 점이 될 수 있다. 다수의 배치 대안들은 일조 환경 및 조망 분석의 후평가 과정을 거치면서 더욱 경쟁력을 가질 수 있다.. 4.2 최적화 배치의 신뢰성 및 편의성 최적화의 과정에서 사용되는 입력값은 계산상의 부하를 줄이 기 위해 임의의 가정 혹은 단순화에 의존하지 않고 실질적인 평 면의 형상 정보 및 수치 정보에 기반을 두었기에 최적화 과정의 결과물의 신뢰성이 높다고 할 수 있다. 또한, 2, 3차원의 형상 정 보가 별도 변환의 과정을 거치지 않고 Rhino3d 단일 플랫폼상에 서 모두 처리되기에 3차원의 최종 결과물을 추가적인 후처리나 변환과정이 없이 바로 사용할 수 있다.. 4.3 최적화 배치의 확장성과 유연성 지역적인 특성 및 여러 가지 이유로 인하여 발생하는 법규의 변화를 최적화 과정에 반영하기 위해서는 진화하는 법규를 꾸준 히 살피고 이를 Module화 할 필요가 있다. 본 논문에서 다루었 던 법규 준수 여부 확인 Module들은 이러한 지역적인 법규를 모 두 반영하지는 못하지만, 이는 본 배치 자동화의 한계점이라기보 다는 끊임없이 변화할 수밖에 없는 건축 관련 법규와 규제의 특 성으로 생각할 수 있다. 오히려 본 연구에서 제안하는 Cluster와 Module을 활용한 객체 지향적인 구성은 변화가 발생하였을 때 전체적인 Process를 처음부터 다시 시작하거나 대대적인 수정의 필요성이 없이 해당 법규를 수식화하여 Module을 추가하는 방식 으로 변화에 유연하게 대처할 수 있는 강점이 될 수 있다.. 4.4 최적화 배치의 범용성과 사용의 용이함 Figure 24. Process overview. 범용 CAD인 Rhino 3D와 Grasshopper를 통하여 구현되었기. 한국BIM학회논문집 10권 3호 (2020) 31.
(11) 에 추가적인 Program에 대한 구매 또는 교육이 없이도 손쉽게. References. 사용할 수 있다. 또한 Grasshopper의 graphical editor위에서 객 체 중심적으로 구현되었기에 건축가의 의식의 흐름을 따라 실질. Cho, C. H., Lee, T. G. (2004). The Effect of Layout Type of. 적인 동 배치의 과정을 최대한 반영하여 사용성의 향상을 꾀하고. the Housing on Wind Flow Planning in Apartment Housing.. 자 하였다.. Journal of Korea Planning Association, 39(6), pp. 115-129. Hong, S. I., Lim, S. Y. (2018). A Study on the Change of the Housing Culture Koreans through the First-generation. 5. 향후 연구 진행 방향. Apartment in Korea, Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology,. 본 연구는 현재 숙련된 건축가에 전적으로 의존하여야 하는 아. 8(4), pp. 987–996.. 파트 동 배치를 Parametric Tool을 사용하여 자동화하는 방안을. Ha, S. T., Yoo, K. J. (2010). A Study on the Transition Process. 제시하였다. 이를 통하여 단일 동 배치에 드는 절대적인 시간을. and Improvement of the Building Code for Apartment Housing. 단축할 수 있었으며, 복수의 자동화를 동시다발적으로 진행함으. Solar Access Right. Journal of the Regional Association of. 로써 짧은 시간 내에 다양한 대안들을 탐색할 수 있었다. 이는 곧. Architectural Institute of Korea, 12(4), pp. 59-68.. 아파트 동 배치의 효율성과 효용성의 측면에서 큰 향상을 의미하 리라 생각된다. 본 연구를 통하여 도출된 향후 개선 사항은 다음과 같이 요약 할 수 있다.. Hansen, N., Ostermeier, A. (2001). Completely Derandomized Self-Adaptation in Evolution Strategies. Evolutionary Computation, 9(2), pp. 159-195. Jung, D. W., Lee, H. W. (2000). A Study on the Sunshine. 첫째, 사용자의 개입이 더욱 적어지는 방안에 대한 모색이 필. Hours and the Heating Expenses in Apartment Building. 요하다. 일례로 현재의 자동화 Process에서는 시각화/평가를 위. with Different Arrangement. Journal of the Architectural. 한 2, 3차원의 모형을 생성하기 위해 사용자가 주거동의 종류와. Institute of Korea, JAIK, 16(9), pp. 205-211.. 개수를 결정하여야 한다. 최적화 Algorithm의 속성상 사용자의. Kim, K. A., Kim, K. S. (2006). Evaluation of Solar Access. 개입이 늘어날수록, 즉 최적화를 위한 변수 Sampling의 범위가. for an Individual Apartment Unit According to Different. 줄어들수록 최적화에 걸리는 시간이 줄어들고 최적화에 도달할. Types of Building Blocks and its Layout. Journal of the. 확률이 늘어나기에 적절한 사용자의 개입은 반드시 필요하다. 하. Architectural Institute of Korea, JAIK, 22(9), pp. 257-282.. 지만 사용자의 개입은 반대로 예상하지 못했던 더욱 바람직한 변. Rhee, J. M., Chung, J. W. (2019). Applicability of Artificial. 수의 조합을 원천 봉쇄하는 원인을 제공하기도 한다. 이는 많은. Intelligence in Apartment Complex Design - A Generative. 수의 동 배치를 학습하여 주어진 대지와 용적, 그리고 평면의 형. System Framework of Building Arrangement in Apartment. 식에 의해 가장 적합한 주거동의 개수를 사용자에게 제안하는 방. Complex -. Journal of the Architectural Institute of Korea,. 식으로 발전할 여지가 있다.. JAIK, 39(2), pp. 185-188.. 둘째, 평면 정보의 입력 방식에 대한 개선이 필요하다. 현재의. Seong Y. B., Yeo M. S., Kim K. W. (2005). Automation for. 자동화 과정에서는 건설사 및 설계사에서 구축해 놓은 단위 세대. Decision of the Optimum Stories of Apartment Buildings. 의 평면과 이에 기반한 주동 및 주거동의 형상 정보를 이용하여. to Assure the Solar Access Right for Neighboring Areas. 최적화를 진행하였다. 이는 그동안의 아파트 설계 경험으로 축. through Applying a Case Study. Journal of the Korean. 적된 사용성, 시공성, 경제성 등의 Know-How를 그대로 이용한. Housing Association, 16(3), pp. 69-77.. 다는 측면에서 의의를 찾을 수 있으나, 틀을 깨는 새로운 동 평 면의 구성을 이루기 어렵다는 측면에서 그 한계를 가진다고 할. Vishaan C., SHoP Architects, Norman F. (2013). A Country of Cities: A Manifesto for an Urban America, pp. 74-101.. 수 있다. 유체내의 부유하는 입자들이 서로의 인력과 거리에 의. Wortmann, T. (2017). Opossum: Introducing and Evaluating. 해 유착되면서 큰 덩어리를 만들어가는 DLA(Diffusion Limitted. a Model-based Optimization Tool for Grasshopper... Aggregation) 시스템과 같은 형태로 단위 평면들이 대지의 경계. CAADRIA, pp. 283-293.. 내에서 이동하면서 서로 간의 거리에 의해 주동과 주거동을 형성. 박천규, 이수욱, 김지혜, 노민지, 강성우, 최진, 황관석. (2019). 미. 하는 agent 기반의 방식으로 초기 동 배치를 구현하는 것이 이러. 래 부동산시장 트렌드와 정책과제. KRIHS POLICY BRIEF,. 한 현재 방식의 한계를 넘어서는 방법이 되리라고 생각한다.. 712, pp. 1-8.. 32 Journal of KIBIM Vol.10, No.3 (2020).
(12)
수치
+4
관련 문서