KR102634668B1 - 건설 폐기물 발생을 줄이는 건물 리모델링 방법 - Google Patents
건설 폐기물 발생을 줄이는 건물 리모델링 방법 Download PDFInfo
- Publication number
- KR102634668B1 KR102634668B1 KR1020230060762A KR20230060762A KR102634668B1 KR 102634668 B1 KR102634668 B1 KR 102634668B1 KR 1020230060762 A KR1020230060762 A KR 1020230060762A KR 20230060762 A KR20230060762 A KR 20230060762A KR 102634668 B1 KR102634668 B1 KR 102634668B1
- Authority
- KR
- South Korea
- Prior art keywords
- building
- remodeling
- waste
- output
- image
- Prior art date
Links
- 238000007634 remodeling Methods 0.000 title claims abstract description 127
- 239000002699 waste material Substances 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010276 construction Methods 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 claims abstract description 43
- 238000013461 design Methods 0.000 claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 25
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000008439 repair process Effects 0.000 claims description 19
- 239000010847 non-recyclable waste Substances 0.000 claims description 18
- 239000010819 recyclable waste Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000009193 crawling Effects 0.000 claims description 2
- 238000011176 pooling Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010425 asbestos Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052895 riebeckite Inorganic materials 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/58—Construction or demolition [C&D] waste
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Sustainable Development (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 제공하기 위한 기술에 관한 것이다.
일반적으로 기존 건물을 철거하고 시행하는 신축 공사는, 철거하는 과정에서 대량의 건설 폐기물을 생성하게 된다. 철거 과정에서 발생한 건설 폐기물은 재활용되거나 매립지에 매립하는 형태로 처리된다.
최근에는 건설 폐기물의 재활용이 강조되고 있어 폐기물을 분쇄한 후 새로운 건축 자재로 재생산하는 등의 방식이 활용되고 있다.
그러나 신축 공사는 기초 공사 비용과 골조 공사 비용 및 폐기물 처리 비용이 많이 발생하여 건물 소유주에게 큰 부담이 되고, 건축 기간이 길어 기존 건물의 이용자들에게 불편을 줄 수 있었다.
또한, 신축 건물은 기존 건물에 비해 강화된 건축법을 적용받아, 실제 사용 면적이 기존 건물보다 줄어들 수 있고, 기존 건물의 가치와 개성을 보존하기 어려운 문제점이 있었다.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법을 제공하기 위한 것을 그 목적으로 한다.
또한, 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계; 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고, 상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고, 상기 제1 출력을 획득하는 단계 이후에, 상기 제1 출력을 상기 고객 단말에 제공하는 단계; 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고, 상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고, 상기 제2 출력을 획득하는 단계 이후에, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계; 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함하는 방법을 제공할 수 있다.
또한, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,
[수학식 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식인 방법을 제공할 수 있다.
일실시예에 따르면, 고객 단말을 통해 획득한 건물의 주소로 건축물대장 정보를 자동으로 획득할 수 있고, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있으며, 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있고, 폐기물 항목에 따라 수거 업체에 수거 요청을 전송할 수 있으며, 리모델링 지속 가능성 평가 점수를 산출할 수 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법이 제공된다.
또한, 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계; 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고, 상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고, 상기 제1 출력을 획득하는 단계 이후에, 상기 제1 출력을 상기 고객 단말에 제공하는 단계; 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고, 상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고, 상기 제2 출력을 획득하는 단계 이후에, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계; 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함할 수 있다.
또한, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,
[수학식 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식일 수 있다.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 제공함으로써, 고객 단말을 통해 획득한 건물의 주소를 이용하여 건축물대장 정보를 자동으로 획득할 수 있는 효과가 있다.
그리고 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있다.
또한, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있다.
마지막으로, 건물 리모델링 후 리모델링의 지속 가능성을 나타내는 리모델링 지속 가능성 평가 점수를 산출할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 시행하기 위한 시스템의 구성을 개략적으로 나타낸 개념도이다.
도 2는 일실시예에 따른 건물 리모델링 요청을 수신하여 제1 출력과 리모델링 지속 가능성 평가 점수를 획득하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 현장 방문 예약 과정 및 폐기물 처리 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 폐기물 처리 과정을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 건물 리모델링 요청을 수신하여 제1 출력과 리모델링 지속 가능성 평가 점수를 획득하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 현장 방문 예약 과정 및 폐기물 처리 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 폐기물 처리 과정을 설명하기 위한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
도 1은 일실시예에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 시행하기 위한 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 건물 리모델링 요청을 수신하여 제1 출력과 리모델링 지속 가능성 평가 점수를 획득하는 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 현장 방문 예약 과정 및 폐기물 처리 과정을 설명하기 위한 도면이고, 도 4는 일실시예에 따른 폐기물 처리 과정을 설명하기 위한 도면이다.
도 1을 참조하면, 일실시예로서 본 발명에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법은, 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공하기 위한 장치(100)를 포함할 수 있다.
상기 장치(100)는, 리모델링 대상 건물을 소유하고 있는 고객의 단말을 통해, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하는 건물 리모델링 요청을 수신할 수 있다.
일실시예로서, 상기 장치는 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공하기 위한 웹사이트를 운용할 수 있다. 상기 웹사이트는 고객 단말을 ㅌ오해 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하는 건물 리모델링 요청을 획득하기 위한, 주소지 검색 인터페이스, 리모델링 예산 입력 인터페이스, 및 이미지 파일 업로드 인터페이스 등을 제공할 수 있다.
또한, 상기 장치(100)는, 건축물대장 정보를 보유하고 있는 장치와 네트워크를 통해 건축물대장 정보를 획득할 수 있다. 상기 건축물대장 정보를 보유하고 있는 장치는, 국토교통부 장치일 수 있고, 국토교통부의 오픈 API를 이용하여 건축물대장 정보를 수집할 수 있다.
그리고 상기 장치(100)는, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델과, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델을 포함할 수 있다.
또한, 상기 장치(100)는, 상기 제1 인공지능 모델과 상기 제2 인공지능 모델을 학습시킬 수 있고, 인공지능 기술을 활용하여 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공할 수도 있다.
상기 장치(100)는, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 인공지능에서 획득한 제1 출력, 및 현장 방문 예약 일시를 전송할 수 있고, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득할 수도 있다.
도 2를 참조하면, 일실시예로서 S201 단계에서 장치는, 고객 단말을 통해 건물 리모델링 요청을 수신할 수 있다. 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함할 수 있다.
또한, S202 단계에서 장치는, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득할 수 있다.
국토교통부 API를 이용하여 획득하는 건축물대장 정보 중에서, 주용도코드명, 기타용도, 세대수, 가구수, 높이(m), 지상층수, 지하층수, 승용승강기수, 비상용승강기수, 부속건축물수, 부속건축물면적(m²사용승인일, 대지위치, 시군구코드, 법정동코드, 대지구분코드, 번, 지, 도로명대지위치, 건물명, 특수지명, 새주소도로코드, 새주소법정동코드, 새주소지상지하코드, 새주소본번, 새주소부번, 동명칭, 대지면적(m²건축면적(m²건폐율(%), 연면적(m²용적률산정연면적(m²용적률(%), 구조코드, 구조코드명, 기타구조, 주용도코드 등을 바탕으로 건물의 규모, 연식 및 용도 등을 획득할 수 있다.
S203 단계에서 장치는, 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출할 수 있다. 사용승인일을 기준으로 현재 일자까지를 계산하면 건물의 연식을 얻을 수 있다.
또한, S204 단계에서 장치는, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물 대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득할 수 있다.
상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 할 수 있다.
CNN 알고리즘은, 딥 러닝의 한 종류로, 이미지, 동영상, 음성 등과 같은 다양한 형태의 데이터를 처리하는 데 사용될 수 있다. CNN 알고리즘은 입력 데이터를 여러 개의 계층으로 구성된 신경망에 통과시키며, 각 계층은 입력 데이터로부터 다양한 특징을 추출하기 위해서 컨볼루션(convolution), 풀링(pooling), 활성화(activation) 등의 기술을 사용한다.
컨볼루션은 입력 이미지와 필터(커널)를 곱하여 새로운 이미지를 생성하는 기술로, 필터는 작은 크기의 행렬로 이미지의 특징을 추출할 수 있다. 풀링은 이미지의 크기를 줄이는 작업으로, 대표적으로 Max pooling과 Average pooling이 있다. 활성화 함수는 입력값에 대해 비선형적인 변화를 주는 함수이다.
CNN은 이러한 기술들을 조합하여 입력 데이터로부터 다양한 특징을 추출하고, 이를 기반으로 최종적으로 출력값을 결정할 수 있는 알고리즘이다.
상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지는 CNN 알고리즘을 통해 처리될 수 있다. CNN은 이미지의 특징을 자동으로 추출하고, 입력된 이미지에서 특징을 인식하여 그 이미지의 특징을 나타내는 숫자 데이터로 변환할 수 있다.
그리고 건축물대장 정보와 건물 연식은 미리 설정된 형식에 따라 제1 인공지능 모델에 입력되고, 제1 인공지능 모델은 입력된 데이터를 분석하여 추천 리모델링 자재와 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 시공 후의 예측 이미지를 출력할 수 있다.
일실시예로서 S205 단계에서 장치는, 상기 제1 출력을 상기 고객 단말에 제공할 수 있다. 상기 제1 출력은, 리모델링 대상이 되는 건물에 적용할 수 있는 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 포함할 수 있다.
또한, S206 단계에서 장치는, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출할 수 있다.
[수학식 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식일 수 있다.
리모델링 자재의 수명은, 예를 들어 석재 50~60년, 목재 10~30년, 철재 20년, 페인트 10년, 경질 폴리우레탄 패널 20~30년, 글래스파이버 보드 25~30년, 석면 시멘트 보드 50~60년일 수 있다. 만일 여러 자재가 사용되었다면 가장 짧은 수명을 기준으로 할 수도 있다.
상기 건물의 규모는, [수학식 2]를 이용하여 산출할 수 있다.
[수학식 2]
상기 건축물대장 정보에 포함되는
상기 S_b는 건물의 규모이고, H_s은 건축물대장 정보에 포함되는 높이(m)이며, A_fr는 건축물대장 정보에 포함되는 용적률산정연면적(m^2)이고, N_ag은 건축물대장 정보에 포함되는 지상층수이며, N_bg는 건축물대장 정보에 포함되는 지하층수이고, B_f는 건축물대장 정보에 포함되는 건축면적(m^2)일 수 있다.
S207 단계에서 장치는, 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공할 수 있다.
또한, 유사한 연식의 건물들 중에서 용도가 같은 건물들의 리모델링 지속 가능성 평가 점수의 평균을 산출하여 제공할 수도 있다. 평균과 비교하여 리모델링 대상 건물의 리모델링 지속 가능성 평가 점수가 낮으면 리모델링 예산을 조정하여 상기 제1 인공지능 모델에 재입력할 수도 있다.
상기 리모델링 지속 가능성 평가 점수가 낮으면 리모델링 후 지속 가능성이 낮아서 건물의 수명과 안전 및 리모델링의 유지를 위하여, 리모델링 자재의 수명에 따라 리모델링을 다시 해야하는 경우가 생길 수도 있다는 의미이므로 적정 예산을 설정하도록 상기 고객 단말에 안내할 수 있다.
도 3을 참조하면, 일실시예로서 S301 단계에서 장치는, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득할 수 있다.
상기 웹페이지를 통해 현장 방문 예약이 가능한 일시가 선택될 수 있는 인터페이스가 제공되고, 현장 방문 예약이 확정되면 해당되는 현장 방문 예약 일시는 예약이 불가능하도록 선택을 제한할 수 있다.
S302 단계에서 장치는, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송할 수 있다.
전문 인력 단말을 통해 현장 방문 예약 일시가 확정되면, 상기 웹페이지에서해당 현장 방문 예약 일시가 선택되지 않도록 제한될 수 있다. 전문 인력 단말을 통해 현장 방문 예약 일시가 조정되면, 장치는 조정된 현장 방문 예약 일시를 상기 고객 단말에 전송할 수 있다.
S303 단계에서 장치는, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리할 수 있다.
도 4를 참조하면, 일실시예로서 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계(S303)는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계(S401)와, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계(S402), 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계(S403), 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계(S404) 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계(S405)를 포함할 수 있다.
재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하기 위해서 리모델링 대상 건물이 위치하는 지역의 지자체 웹사이트에 웹크롤링 기술을 이용하여 건축 폐기물 처리에 관련한 데이터를 수집할 수도 있다. 지자체별 시청 웹페이지에서 건축 폐기물을 검색한 검색 결과에 대해서 수집하고, 분석하여 폐기물 항목별 처리 방법에 대해 출력하거나, 건축 폐기물 담당 업체 정보를 획득할 수 있다. 수거 요청이 어려운 시스템이라면 전문 인력 단말에 건축 폐기물 담당 업체의 연락처를 포함하는 정보를 전송할 수도 있다.
상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 할 수 있다.
Faster R-CNN은 Object Detection(객체 탐지)를 위한 알고리즘으로서, 입력 이미지에서 객체를 인식하고, 객체의 위치와 클래스를 출력할 수 있다. Faster R-CNN은 먼저 입력 이미지를 CNN에 통과시켜 이미지의 feature map(특성맵)을 추출하고, 추출된 feature map을 RPN(Region Proposal Network)에 입력하면,feature map을 분석하여 객체가 있을 가능성이 있는 bounding box(region proposal)들을 생성할 수 있다. 이때, RPN은 bounding box에 대한 objectness score와 회귀 정보도 함께 출력할 수 있다.
RPN이 생성한 bounding box들은 RoI(Region of Interest) 풀링 레이어를 통과하여 일정한 크기의 feature map으로 변환될 수 있다. 이때, RoI 풀링 레이어는 bounding box의 크기를 고정하고, 비율을 유지한 채 feature map에 맞추어 변환한다. 변환된 feature map은 Fully Connected Layer를 통해 객체의 클래스를 분류하고, bounding box의 위치를 조정한다. 출력된 객체의 클래스와 bounding box의 위치, 그리고 objectness score를 이용하여, 입력 이미지 상에서 객체를 인식하고, 객체의 위치와 클래스를 출력할 수 있다.
Faster R-CNN은 RPN과 RoI 풀링 레이어를 공유함으로써, 빠른 속도와 높은 정확도를 가질 수 있다. Faster R-CNN을 사용하여 입력 이미지에서 폐기물 객체들의 항목과 양을 탐지하고 출력할 수 있다.
또한, 재활용 가능 폐기물의 처리 비용 및 재활용 불가능 폐기물의 처리 비용의 합과, 기존 건물을 완전히 철거 후 신축 공사 시에 발생할 기초 공사 비용, 골조 공사 비용, 기존 건물 완전 철거시 발생할 폐기물 처리 비용을 비교할 수 있도록, 기존 건물을 철거 후 신축 건물을 건축한 사례들의 정보를 학습데이터로 기학습된 제3 인공지능 모델에, 리모델링 대상 건물의 연식과, 건축물 대장 정보를 입력하여, 기존 건물과 유사한 신축 건물을 건설할 때 발생하는 예상 기초 공사 비용, 예상 골조 공사 비용, 및 리모델링 대상 건물을 완전히 철거할 경우 발생할 예상 폐기물 처리 비용을 출력으로 획득할 수 있다.
상기와 같이, 건설 폐기물 발생을 줄이는 건물 리모델링 방법의 일실시예에 따르면, 고객 단말을 통해 획득한 건물의 주소로 건축물대장 정보를 자동으로 획득할 수 있고, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있으며, 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있고, 폐기물 항목에 따라 수거 업체에 수거 요청을 전송할 수 있으며, 리모델링 지속 가능성 평가 점수를 고객에게 제공할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
장치: 100
Claims (3)
- 장치에 의해, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서,
상기 장치가, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계; 및
상기 장치가, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하고,
상기 건물 리모델링 요청은,
건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고,
상기 장치가, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 장치가, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에,
상기 장치가, 토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계;
상기 장치가, 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및
상기 장치가, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고,
상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고,
상기 장치가, 상기 제1 출력을 획득하는 단계 이후에,
상기 장치가, 상기 제1 출력을 상기 고객 단말에 제공하는 단계;
상기 장치가, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및
상기 장치가, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고,
상기 장치가, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는,
상기 장치가, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및
상기 장치가, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고,
상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고,
상기 장치가, 상기 제2 출력을 획득하는 단계 이후에,
상기 장치가, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계;
상기 장치가, 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및
상기 장치가, 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함하고,
상기 장치가, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 장치가, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에,
상기 장치가, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및
상기 장치가, 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,
[수학식 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이고,
상기 건물의 규모는, [수학식 2]를 이용하여 산출하고,
[수학식 2]
S_b는 건물의 규모이고, H_s은 건축물대장 정보에 포함되는 높이(m)이며, A_fr는 건축물대장 정보에 포함되는 용적률산정연면적(m^2)이고, N_ag은 건축물대장 정보에 포함되는 지상층수이며, N_bg는 건축물대장 정보에 포함되는 지하층수이고, B_f는 건축물대장 정보에 포함되는 건축면적(m^2)이고,
상기 장치가, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계와, 상기 장치가, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계 사이에,
상기 장치가, 웹크롤링 기술을 기반으로, 리모델링 건물이 위치하는 지역의 지자체 웹사이트를 통해, 건축 폐기물 검색 결과를 수집하는 단계; 및
상기 장치가, 전문 인력 단말에 상기 건축 폐기물 검색 결과를 전송하는 단계를 더 포함하는, 방법.
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230060762A KR102634668B1 (ko) | 2023-05-10 | 2023-05-10 | 건설 폐기물 발생을 줄이는 건물 리모델링 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230060762A KR102634668B1 (ko) | 2023-05-10 | 2023-05-10 | 건설 폐기물 발생을 줄이는 건물 리모델링 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102634668B1 true KR102634668B1 (ko) | 2024-02-13 |
Family
ID=89899466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230060762A KR102634668B1 (ko) | 2023-05-10 | 2023-05-10 | 건설 폐기물 발생을 줄이는 건물 리모델링 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102634668B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102665885B1 (ko) * | 2024-02-01 | 2024-05-14 | 주식회사 디자인짜임 | 건설 폐기물 산출에 기초한 건물 리모델링 정보제공 시스템 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031104A (ja) * | 2004-07-12 | 2006-02-02 | Sekisui House Ltd | メンテナンス支援積み立てシステム |
KR101415665B1 (ko) | 2010-03-30 | 2014-07-07 | 한국전자통신연구원 | 디지털 인테리어 시스템 및 그 제어 방법 |
KR101525592B1 (ko) | 2014-09-16 | 2015-06-03 | 삼성물산 주식회사 | 건설폐기물 발생량 데이터베이스(d/b) 구축을 통한 공정율별 건설폐기물 발생원단위 산출 장치 및 방법 |
KR20180079765A (ko) * | 2017-01-02 | 2018-07-11 | 한양대학교 에리카산학협력단 | 건축물 전과정 평가를 위한 자동화 장치, 방법 및 그 방법을 기록한 기록매체 |
KR102089100B1 (ko) * | 2019-05-09 | 2020-03-13 | 정승원 | 이미지 데이터베이스 기반 상호인식차를 최소화하는 인테리어 서비스 제공 시스템 |
KR102170428B1 (ko) | 2018-09-21 | 2020-10-29 | 한양대학교 에리카산학협력단 | 건물 외피 리모델링을 위한 시공 시나리오 선정 방법 및 장치 |
KR20200145368A (ko) * | 2019-06-21 | 2020-12-30 | 이청종 | 코드화된 인테리어 자재의 고객 맞춤형 리사이클링 시스템 및 방법 |
KR102265204B1 (ko) | 2019-06-19 | 2021-06-15 | 한국부동산원 | 건축물의 리모델링 사업성 통합평가지수를 통한 리모델링 사업성 통합 평가방법 및 평가시스템 |
KR20210074512A (ko) * | 2019-12-12 | 2021-06-22 | (주) 깔끔한사람들 | Ai 기반 철거 견적 산출 시스템 |
KR20220071731A (ko) * | 2020-11-24 | 2022-05-31 | 강원대학교산학협력단 | 실내 스캐너를 이용한 체적기반 실내건축 폐기물량 예측시스템 |
-
2023
- 2023-05-10 KR KR1020230060762A patent/KR102634668B1/ko active IP Right Grant
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031104A (ja) * | 2004-07-12 | 2006-02-02 | Sekisui House Ltd | メンテナンス支援積み立てシステム |
KR101415665B1 (ko) | 2010-03-30 | 2014-07-07 | 한국전자통신연구원 | 디지털 인테리어 시스템 및 그 제어 방법 |
KR101525592B1 (ko) | 2014-09-16 | 2015-06-03 | 삼성물산 주식회사 | 건설폐기물 발생량 데이터베이스(d/b) 구축을 통한 공정율별 건설폐기물 발생원단위 산출 장치 및 방법 |
KR20180079765A (ko) * | 2017-01-02 | 2018-07-11 | 한양대학교 에리카산학협력단 | 건축물 전과정 평가를 위한 자동화 장치, 방법 및 그 방법을 기록한 기록매체 |
KR102170428B1 (ko) | 2018-09-21 | 2020-10-29 | 한양대학교 에리카산학협력단 | 건물 외피 리모델링을 위한 시공 시나리오 선정 방법 및 장치 |
KR102089100B1 (ko) * | 2019-05-09 | 2020-03-13 | 정승원 | 이미지 데이터베이스 기반 상호인식차를 최소화하는 인테리어 서비스 제공 시스템 |
KR102265204B1 (ko) | 2019-06-19 | 2021-06-15 | 한국부동산원 | 건축물의 리모델링 사업성 통합평가지수를 통한 리모델링 사업성 통합 평가방법 및 평가시스템 |
KR20200145368A (ko) * | 2019-06-21 | 2020-12-30 | 이청종 | 코드화된 인테리어 자재의 고객 맞춤형 리사이클링 시스템 및 방법 |
KR20210074512A (ko) * | 2019-12-12 | 2021-06-22 | (주) 깔끔한사람들 | Ai 기반 철거 견적 산출 시스템 |
KR20220071731A (ko) * | 2020-11-24 | 2022-05-31 | 강원대학교산학협력단 | 실내 스캐너를 이용한 체적기반 실내건축 폐기물량 예측시스템 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102665885B1 (ko) * | 2024-02-01 | 2024-05-14 | 주식회사 디자인짜임 | 건설 폐기물 산출에 기초한 건물 리모델링 정보제공 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Samek et al. | Explainable AI: interpreting, explaining and visualizing deep learning | |
Zhang et al. | Consensus-based TOPSIS-Sort-B for multi-criteria sorting in the context of group decision-making | |
Schumann et al. | We need fairness and explainability in algorithmic hiring | |
CN111046980B (zh) | 一种图像检测方法、装置、设备及计算机可读存储介质 | |
JP6875021B2 (ja) | 有用な学習データを取捨選別するためのcnn基盤の学習方法及び学習装置、そしてこれを利用したテスト方法及びテスト装置 | |
Mozos et al. | Supervised semantic labeling of places using information extracted from sensor data | |
Gong et al. | An object recognition, tracking, and contextual reasoning-based video interpretation method for rapid productivity analysis of construction operations | |
CN106203318A (zh) | 基于多层次深度特征融合的摄像机网络行人识别方法 | |
KR102634668B1 (ko) | 건설 폐기물 발생을 줄이는 건물 리모델링 방법 | |
CN114912612A (zh) | 鸟类识别方法、装置、计算机设备及存储介质 | |
Dobrevski et al. | Deep reinforcement learning for map-less goal-driven robot navigation | |
KR102665884B1 (ko) | 인공지능 기반 리모델링 매칭 시스템 | |
Yeum | Computer vision-based structural assessment exploiting large volumes of images | |
Shekhar et al. | Survey on applications of machine learning in the field of computer vision | |
CN112819024B (zh) | 模型处理方法、用户数据处理方法及装置、计算机设备 | |
CN112115131A (zh) | 数据去噪方法、装置、设备及计算机可读存储介质 | |
KR102665885B1 (ko) | 건설 폐기물 산출에 기초한 건물 리모델링 정보제공 시스템 | |
Dabra et al. | Evaluating green cover and open spaces in informal settlements of Mumbai using deep learning | |
Elwood et al. | Application of fuzzy pattern recognition of seismic damage to concrete structures | |
Cultrera et al. | Explaining autonomous driving with visual attention and end-to-end trainable region proposals | |
KR20240082118A (ko) | 건물 방역 및 소독을 위한 인력 관리 방법, 장치 및 시스템 | |
Guo et al. | ANMS: attention-based non-maximum suppression | |
CN114638297A (zh) | 一种命名实体提取方法、装置、电子设备和存储介质 | |
Horney et al. | An ontology controlled data fusion process for a query language | |
Luo et al. | Real-Time Hierarchical Map Segmentation for Coordinating Multirobot Exploration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |