KR20220100751A - Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same - Google Patents

Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same Download PDF

Info

Publication number
KR20220100751A
KR20220100751A KR1020210002461A KR20210002461A KR20220100751A KR 20220100751 A KR20220100751 A KR 20220100751A KR 1020210002461 A KR1020210002461 A KR 1020210002461A KR 20210002461 A KR20210002461 A KR 20210002461A KR 20220100751 A KR20220100751 A KR 20220100751A
Authority
KR
South Korea
Prior art keywords
wind speed
urban
analysis
wind
inflow
Prior art date
Application number
KR1020210002461A
Other languages
Korean (ko)
Other versions
KR102537488B1 (en
Inventor
김재진
왕장운
Original Assignee
부경대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부경대학교 산학협력단 filed Critical 부경대학교 산학협력단
Priority to KR1020210002461A priority Critical patent/KR102537488B1/en
Publication of KR20220100751A publication Critical patent/KR20220100751A/en
Application granted granted Critical
Publication of KR102537488B1 publication Critical patent/KR102537488B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

The present invention relates to a wind speed analysis system in an urban area using an inflow wind speed and an urban morphological parameter, and an analysis method using the same. According to the present invention, the wind speed analysis system in an urban area using an inflow wind speed and an urban morphological parameter comprises: a parameter calculation unit for receiving information about buildings included in an area to be analyzed, and calculating an urban morphological parameter of the area to be analyzed; a computational fluid dynamics analysis unit for setting inflow conditions of wind flowing into the area to be analyzed, and calculating a wind speed change rate according to a wind inflow direction of the area to be analyzed through a computational fluid dynamics (CFD) model; a wind speed change rate analysis unit for calculating a wind speed estimation coefficient by performing multiple regression analysis of a correlation between the wind speed change rate and the urban morphological parameter on the basis of the calculated urban morphological parameter and the wind speed change rate; and a wind speed calculation unit for calculating a wind speed in a space of the area to be analyzed by applying the calculated wind speed estimation coefficient to the area to be analyzed.

Description

유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법{WIND SPEED ANALYZING SYSTEM IN URBAN AREA BASED ON INFLOW WIND SPEED AND MORPHOLOGICAL PARAMETERS, AND WIND SPEED ANALYZING METHOD USING THE SAME}Urban wind speed analysis system using inflow wind speed and city shape parameters and analysis method using the same

본 발명은 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법에 관한 것으로, 더욱 상세하게는 건물 정보와 전산유체역학 모델을 기반으로 도시에 유입되는 풍속과 도시 형태 매개 변수를 이용하여 도시 지역의 상세 풍속을 분석하는 시스템 및 이를 이용한 도시 지역의 상세 풍속을 분석하는 방법에 관한 것이다.The present invention relates to an urban wind speed analysis system using inflow wind speed and city shape parameters and an analysis method using the same, and more particularly, to wind speed and city shape parameters flowing into a city based on building information and a computational fluid dynamics model. A system for analyzing detailed wind speed in an urban area using the same and a method for analyzing detailed wind speed in an urban area using the same.

실제 도시 지역 내에는 다양한 크기와 형태를 가지는 건물과 장애물이 존재한다. 이러한 도시 내부의 형태적 구조는 도시 내부에서 복잡한 유체의 흐름과 오염 물질의 확산이 발생하는데 큰 영향을 미친다. 이는 동일한 종관적 패턴의 바람이 도시로 유입되더라도 도시 내부에서는 비균질적인 흐름과 확산이 나타나게 된다는 것을 의미한다. 도시 내부에 위치하는 기상관측 지점을 기준으로 고려할 때, 유입되는 바람의 방향(풍향)에 따라 바람이 흘러 통과하는 건물이 달라지게 되며, 이에 따라 바람의 흐름 특성이 변화하게 된다. 이러한 도시 지역 내부에서의 특성을 고려하여, 선행 연구들은 도시 지역 내부에 존재하는 건물의 형태와 배치가 후류에 미치는 공기 역학적 영향을 분석하기 위해 풍동 실험과 수치 모형을 이용하였다. 이러한 선행 연구들은 건물의 형태와 배치, 그리고 유입되는 흐름의 방향과 건물 후류에서의 공기 역학적 특성 사이의 관계에 대하여 정량적으로 분석하고자 하였다. Buildings and obstacles of various sizes and shapes exist in real urban areas. The morphological structure inside the city has a great influence on the complex flow of fluids and the diffusion of pollutants within the city. This means that even if the same synoptic pattern of wind flows into the city, inhomogeneous flow and diffusion will appear inside the city. Considering the meteorological observation point located inside the city as a reference, the building through which the wind flows varies depending on the direction (wind direction) of the incoming wind, and accordingly, the wind flow characteristics change. Considering these characteristics within an urban area, previous studies used wind tunnel experiments and numerical models to analyze the aerodynamic effects of the shape and arrangement of buildings in the urban area on the wake. These previous studies attempted to quantitatively analyze the relationship between the shape and layout of the building, the direction of the incoming flow, and the aerodynamic properties at the wake of the building.

기상 예보를 위해 현장에서 널리 사용되는 기상 예측 모델들은 전 지구 규모 또는 종관 규모의 기상 현상을 시뮬레이션(또는, 모의)하기에 적합한 크기의 격자 해상도(수평 규모: 수 km)를 채용한다. 따라서, 이러한 기상 예측 모델들은 도시 지역 내에서 건물과 장애물에 의해 나타나는 상세 기상 현상의 특성을 기상 예측에 반영하지 못한다는 한계점을 가진다. Weather forecasting models widely used in the field for weather forecasting employ grid resolution (horizontal scale: several km) suitable for simulating (or simulating) global or synoptic meteorological phenomena. Accordingly, these weather forecasting models have a limitation in that they do not reflect the characteristics of detailed meteorological phenomena appearing by buildings and obstacles in the meteorological forecast in an urban area.

전산유체역학(Computational Fluid Dynamics, CFD) 모델을 이용하여 도시 지역 내에서의 기상 현상을 시뮬레이션하기 위한 연구들도 수행되고 있다. 전산유체역학 모델은 수 m 규모의 격자 해상도를 채용할 수 있으며, 도시 지역을 구성하고 있는 건물, 장애물, 복잡한 지형 등의 영향을 고려하여 기상 현상을 시뮬레이션하고 기상 정보를 생산할 수 있는 장점이 있다. 그러나, 전산유체역학 모델을 이용한 기상 현상 시뮬레이션은 상세한 공간 해상도만큼 계산을 위해 많은 전산자원과 계산시간이 소요되는 문제점이 있다.Studies for simulating meteorological phenomena in urban areas using computational fluid dynamics (CFD) models are also being conducted. The computational fluid dynamics model can adopt a grid resolution of several m, and has the advantage of simulating weather phenomena and producing meteorological information in consideration of the effects of buildings, obstacles, and complex topography constituting urban areas. However, simulation of meteorological phenomena using a computational fluid dynamics model has a problem in that it takes a lot of computational resources and computational time to calculate as much as a detailed spatial resolution.

대한민국 공개특허공보 KR10-2012-0078685 (2012.07.10) 3쪽 내지 5쪽Republic of Korea Patent Publication No. KR10-2012-0078685 (2012.07.10) pages 3 to 5

본 발명은 도시에 유입되는 풍속과 도시 형태 매개 변수를 이용하여 보다 정확하게 도시 지역의 풍속을 분석할 수 있는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법을 제공한다.The present invention provides an urban wind speed analysis system and an analysis method using the inflow wind speed and urban shape parameters that can more accurately analyze the wind speed in an urban area using the wind speed and urban shape parameters flowing into the city.

본 발명은 전산유체역학(Computational Fluid Dynamics, CFD) 모델을 이용하여 실시간으로 시뮬레이션을 수행하지 않고도 도시 지역 내부의 복잡한 건물의 영향을 고려하여 풍속을 산출할 수 있는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법을 제공한다.The present invention uses a computational fluid dynamics (CFD) model to calculate the wind speed in consideration of the influence of complex buildings inside an urban area without performing a simulation in real time using the inflow wind speed and urban shape parameters. An urban wind speed analysis system and an analysis method using the same are provided.

본 발명은 지리정보시스템(Geographic Information System, GIS)으로부터 얻은 상세한 건물 정보와 전산유체역학(Computational Fluid Dynamics, CFD) 모델에 의해 산출된 유입 풍향별 풍속 변화율을 기초로 도시 지역의 풍속 추정 계수를 산출하고 해당 지역의 풍속을 산출할 수 있는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법을 제공한다.The present invention calculates a wind speed estimation coefficient in an urban area based on detailed building information obtained from a Geographic Information System (GIS) and a wind speed change rate for each inflow wind direction calculated by a Computational Fluid Dynamics (CFD) model. and an urban wind speed analysis system using the inflow wind speed and city shape parameters that can calculate the wind speed in the corresponding area, and an analysis method using the same.

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템은 분석 대상 지역에 포함된 건물에 대한 정보를 입력 받아 상기 분석 대상 지역의 도시 형태 매개 변수를 산출하는 매개 변수 산출부, 상기 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(CFD)을 통해 상기 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출하는 전산유체역학 분석부, 상기 산출된 도시 형태 매개 변수와 상기 풍속 변화율을 기초로 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하여 풍속 추정 계수를 산출하는 풍속 변화율 분석부 및 상기 산출된 풍속 추정 계수를 상기 분석 대상 지역에 적용하여 상기 분석 대상 지역 공간의 풍속을 산출하는 풍속 산출부를 포함한다.The urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention receives information on buildings included in the analysis target area as input and calculates the urban shape parameters of the analysis target area, the parameter calculation unit, the analysis A computational fluid dynamics analysis unit that sets the inflow condition of the wind flowing into the target area, and calculates the wind speed change rate according to the wind inflow direction of the analysis target area through a computational fluid dynamics model (CFD), the calculated city shape parameter and a wind speed change rate analysis unit that calculates a wind speed estimation coefficient by performing multiple regression analysis on the correlation between the wind speed change rate and the city shape parameter based on the wind speed change rate, and applying the calculated wind speed estimation coefficient to the analysis target area. and a wind speed calculation unit for calculating the wind speed of the analysis target area space.

일 실시예에서, 상기 매개 변수 산출부는 상기 분석 대상 지역에 대한 지리정보시스템(Geographic Information System, GIS) 정보를 입력받아 해당 정보에 포함된 건물 정보를 이용하여 도시 형태 매개 변수를 산출할 수 있다.In an embodiment, the parameter calculator may receive Geographic Information System (GIS) information on the analysis target area and calculate a city shape parameter using building information included in the information.

일 실시예에서, 상기 매개 변수 산출부는 상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출할 수 있다.In an embodiment, the parameter calculator may partition the analysis target area into a grid, and calculate city shape parameters for each wind direction from grids within a preset distance radius based on a specific point.

일 실시예에서, 상기 매개 변수 산출부는 각 격자에 대해 풍향별로 건물 부피비, 건물 수평 면적비 및 건물 평균 높이를 도시 형태 매개 변수로 산출할 수 있다.In an embodiment, the parameter calculator may calculate a building volume ratio, a building horizontal area ratio, and an average building height for each wind direction for each grid as city shape parameters.

일 실시예에서, 상기 매개 변수 산출부는 각 격자에 대해 32개 방위 풍향별로 상기 도시 형태 매개 변수를 산출하되, 상기 32개 방위는 하기 수학식 1에 의해 결정될 수 있다.In an embodiment, the parameter calculator calculates the city shape parameter for each of the 32 azimuth wind directions for each grid, and the 32 azimuths may be determined by Equation 1 below.

[수학식 1][Equation 1]

θi = (i-1) ×11.25°, i = 1, 2, 3,…, 32θi = (i-1) × 11.25°, i = 1, 2, 3,… , 32

여기에서, θi는 방위 각도, i는 방위 인덱스(directional index)Here, θi is an azimuth angle, and i is a directional index.

일 실시예에서, 상기 전산유체역학 분석부는 상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출할 수 있다.In an embodiment, the computational fluid dynamics analysis unit may divide the analysis target area into a grid, and calculate a wind speed change rate for each wind direction from grids within a preset distance radius based on a specific point.

일 실시예에서, 상기 전산유제역학 분석부는 각 격자에 대해 32개 방위 풍향별로 상기 풍속 변화율을 산출할 수 있다.In an embodiment, the computational emulsion dynamics analysis unit may calculate the wind speed change rate for each of the 32 azimuth wind directions for each grid.

일 실시예에서, 상기 풍속 변화율 분석부는 하기의 수학식 2를 이용하여 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석할 수 있다.In an embodiment, the wind speed change rate analyzer may perform multiple regression analysis of the correlation between the wind speed change rate and the urban shape parameter using Equation 2 below.

[수학식 2][Equation 2]

Bi = α0,i + α1,i A1,i + α2,i A2,i (i = 1, 2, 3,…, 32)B i = α 0,i + α 1,i A 1,i + α 2,i A 2,i (i = 1, 2, 3,…, 32)

여기에서, i는 방위 인덱스(directional index), Bi는 풍속 변화율, A1,i와 A2,i는 각각 S1 영역과 S2 영역에서의 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비 또는 건물 평균 높이)를 나타낸다. α0,i는 상수(constant), α1,i, α2,i는 회귀 계수(regression constants)Here, i is the directional index, B i is the rate of change of wind speed, and A 1,i and A 2,i are the urban shape parameters (building volume ratio, building horizontal area ratio, or building average) in the S1 and S2 areas, respectively. height) is indicated. α 0,i is constant, α 1,i, α 2,i are regression constants

일 실시예에서, 상기 풍속 변화율 분석부는 산출된 상수 값, 회귀계수 값과 도시 형태 매개 변수 값을 상기 수학식 2에 적용하여 해당 도시 형태 매개 변수에 대한 풍속 추정 계수를 산출할 수 있다.In an embodiment, the wind speed change rate analyzer may apply the calculated constant value, the regression coefficient value, and the city shape parameter value to Equation 2 to calculate the wind speed estimation coefficient for the city shape parameter.

일 실시예에서, 상기 풍속 산출부는 상기 분석 대상 지역에 유입되는 바람의 속도와 상기 산출된 풍속 추정 계수를 이용하여 상기 분석 대상 지역 공간의 풍속을 산출할 수 있다.In an embodiment, the wind speed calculator may calculate the wind speed in the analysis target area using the speed of the wind flowing into the analysis target area and the calculated wind speed estimation coefficient.

일 실시예에서, 상기 풍속 산출부는 상기 분석 대상 지역의 2차원 공간에 대해 풍속 분포를 산출할 수 있다.In an embodiment, the wind speed calculator may calculate a wind speed distribution in a two-dimensional space of the analysis target area.

일 실시예에서, 상기 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템은 입력된 풍속 값과 상기 풍속 산출부에서 산출된 값과 비교하여 해당 값 사이의 오차를 산출하는 비교분석부를 더 포함할 수 있다.In one embodiment, the urban wind speed analysis system using the inflow wind speed and urban form parameters may further include a comparison analysis unit for calculating an error between the input wind speed value and the value calculated by the wind speed calculating unit and calculating an error between the corresponding values. can

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법은 매개 변수 산출부가 분석 대상 지역에 포함된 건물에 대한 정보를 입력받아 상기 분석 대상 지역의 도시 형태 매개 변수를 산출하는 단계, 전산유체역학 분석부가 상기 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(CFD)을 통해 상기 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출하는 단계, 풍속 변화율 분석부가 상기 산출된 도시 형태 매개 변수와 상기 풍속 변화율을 기초로 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하여 풍속 추정 계수를 산출하는 단계 및 풍속 산출부가 상기 산출된 풍속 추정 계수를 상기 분석 대상 지역에 적용하여 상기 분석 대상 지역 공간의 풍속을 산출하는 단계를 포함한다.The urban wind speed analysis method using the inflow wind speed and urban shape parameters according to the present invention comprises the steps of: a parameter calculating unit receiving information on buildings included in the analysis target area and calculating the urban shape parameters of the analysis target area; The hydrodynamic analysis unit sets the inflow conditions of the wind flowing into the analysis target area, and calculates the wind speed change rate according to the wind inflow direction of the analysis target area through the computational fluid dynamics model (CFD), the wind speed change rate analysis unit said Calculating a wind speed estimation coefficient by performing multiple regression analysis on the correlation between the wind speed change rate and the urban shape parameter based on the calculated urban shape parameter and the wind speed change rate, and the wind speed calculation unit analyzes the calculated wind speed estimation coefficient and calculating the wind speed of the analysis target area space by applying it to the target area.

일 실시예에서, 상기 도시 형태 매개 변수를 산출하는 단계는 상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출하는 단계를 포함할 수 있다.In an embodiment, the calculating of the city shape parameter includes dividing the analysis target area into a grid, and calculating the city shape parameter for each wind direction from grids within a preset distance radius based on a specific point. may include

일 실시예에서, 상기 도시 형태 매개 변수를 산출하는 단계는 각 격자에 대해 풍향별로 건물 부피비, 건물 수평 면적비 및 건물 평균 높이를 도시 형태 매개 변수로 산출하는 단계를 포함할 수 있다.In an embodiment, the calculating of the city shape parameter may include calculating the building volume ratio, the building horizontal area ratio, and the average building height as city shape parameters for each wind direction for each grid.

일 실시예에서, 상기 도시 형태 매개 변수를 산출하는 단계는 각 격자에 대해 32개 방위 풍향별로 상기 도시 형태 매개 변수를 산출하되, 상기 32개 방위는 하기 수학식 1에 의해 결정될 수 있다.In an embodiment, in the calculating of the city shape parameter, the city shape parameter is calculated for each of the 32 azimuth wind directions for each grid, and the 32 azimuths may be determined by Equation 1 below.

[수학식 1][Equation 1]

θi = (i-1) ×11.25°, i = 1, 2, 3,…, 32θi = (i-1) × 11.25°, i = 1, 2, 3,… , 32

여기에서, θi는 방위 각도, i는 방위 인덱스(directional index)Here, θi is an azimuth angle, and i is a directional index.

일 실시예에서, 상기 풍속 변화율을 산출하는 단계는 상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출하는 단계를 포함할 수 있다.In an embodiment, the calculating of the wind speed change rate may include partitioning the analysis target area into a grid and calculating the wind speed change rate for each wind direction from grids within a preset distance radius based on a specific point. .

일 실시예에서, 상기 풍속 변화율을 산출하는 단계는 각 격자에 대해 32개 방위 풍향별로 상기 풍속 변화율을 산출하는 단계를 포함할 수 있다.In an embodiment, calculating the rate of change of wind speed may include calculating the rate of change of wind speed for each of 32 azimuth wind directions for each grid.

일 실시예에서, 상기 풍속 추정 계수를 산출하는 단계는 하기의 수학식 2를 이용하여 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하는 단계를 포함할 수 있다.In an embodiment, calculating the wind speed estimation coefficient may include performing multiple regression analysis of a correlation between the wind speed change rate and the city shape parameter using Equation 2 below.

[수학식 2][Equation 2]

Bi = α0,i + α1,i A1,i + α2,i A2,i (i = 1, 2, 3,…, 32)B i = α 0,i + α 1,i A 1,i + α 2,i A 2,i (i = 1, 2, 3,…, 32)

여기에서, i는 방위 인덱스(directional index), Bi는 풍속 변화율, A1,i와 A2,i는 각각 S1 영역과 S2 영역에서의 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비 또는 건물 평균 높이)를 나타낸다. α0,i는 상수(constant), α1,i, α2,i는 회귀 계수(regression constants)Here, i is the directional index, B i is the rate of change of wind speed, and A 1,i and A 2,i are the urban shape parameters (building volume ratio, building horizontal area ratio, or building average) in the S1 and S2 areas, respectively. height) is indicated. α 0,i is constant, α 1,i, α 2,i are regression constants

일 실시예에서, 상기 풍속 추정 계수를 산출하는 단계는 산출된 상수 값, 회귀계수 값과 도시 형태 매개 변수 값을 상기 수학식 2에 적용하여 해당 도시 형태 매개 변수에 대한 풍속 추정 계수를 산출하는 단계를 포함할 수 있다. In an embodiment, the calculating of the wind speed estimation coefficient includes calculating the wind speed estimation coefficient for the corresponding urban shape parameter by applying the calculated constant value, the regression coefficient value, and the urban shape parameter value to Equation 2 above. may include.

이상에서 설명한 바와 같이, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법은 도시에 유입되는 풍속과 도시 형태 매개 변수를 이용하여 보다 정확하게 도시 지역의 풍속을 분석할 수 있다.As described above, the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention and the analysis method using the same analyze the wind speed in the urban area more accurately using the wind speed and city shape parameters flowing into the city. can do.

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법은 전산유체역학(Computational Fluid Dynamics, CFD) 모델을 이용하여 실시간으로 시뮬레이션을 수행하지 않고도 도시 지역 내부의 복잡한 건물의 영향을 고려하여 풍속을 산출할 수 있으며, 중규모 기상 예측 모델의 풍속 예측 성능을 향상시킬 수 있다.The urban wind speed analysis system using the inflow wind speed and city shape parameters and the analysis method using the same according to the present invention use a computational fluid dynamics (CFD) model to perform a simulation in real time without performing a simulation in a complex building in an urban area. It is possible to calculate the wind speed considering the influence of

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법은 지리정보시스템(Geographic Information System, GIS)으로부터 얻은 상세한 건물 정보와 전산유체역학(Computational Fluid Dynamics, CFD) 모델에 의해 산출된 유입 풍향별 풍속 변화율을 기초로 도시 지역의 풍속 추정 계수를 산출하고 해당 지역의 풍속을 산출할 수 있다.The urban wind speed analysis system and the analysis method using the inflow wind speed and city shape parameters according to the present invention are detailed building information obtained from a Geographic Information System (GIS) and a Computational Fluid Dynamics (CFD) model. It is possible to calculate the wind speed estimation coefficient in the urban area based on the wind speed change rate for each inflow wind direction calculated by

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법은 현업 기상 예보에 적용 시, 풍향에 따라 각기 다른 도시효과를 고려하여 기상 정보를 생산할 수 있다.The urban wind speed analysis system using the inflow wind speed and city shape parameters and the analysis method using the same according to the present invention can produce weather information in consideration of different urban effects according to wind directions when applied to a field weather forecast.

도 1은 본 발명의 일 실시예에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 나타내는 도면
도 2는 시뮬레이션을 위해 선택된 분석 대상 지역들의 위성사진과 해당 분석 대상 지역들을 모델링한 도면
도 3은 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비, 건물 평균 높이)를 산출하는 과정을 나타내는 도면
도 4는 3개의 분석 대상 지역에서 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비, 건물 평균 높이)를 산출한 결과를 나타내는 도면
도 5는 3개의 분석 대상 지역에서 32개 방위별 유입류 대비 풍속변화율을 계산한 결과와 다중 회귀 분석을 통해 산출된 도시 형태 매개 변수 기반의 풍속 추정 계수를 나타낸 도면
도 6은 2015년 1년 동안 3개의 분석 대상 지역에서 관측된 관측풍속에 대응되는 현업예보모델 예측 풍속 결과, 건물 부피비를 기반으로 추정된 풍속, 건물 수평 면적비를 기반으로 추정된 풍속, 그리고 건물 평균 높이를 기반으로 추정된 풍속간의 관계를 산점도로 나타낸 도면
도 7은 2015년 1년 동안 3개의 분석 대상 지역에서의 풍향별 오차 분포를 나타낸 도면
도 8은 3개의 분석 대상 지역에서 분석기간(10일) 동안 관측된 풍향과 시뮬레이션된 풍향을 시계열 그래프로 나타낸 도면
도 9는 3개의 분석 대상 지역에서 분석기간(10일) 동안 관측된 풍속, 시뮬레이션된 풍속 및 본 발명에 따라 산출된 풍속을 시계열 그래프로 나타낸 도면
도 10은 3개의 분석 대상 지역에서 분석기간(10일) 동안 시뮬레이션된 풍속과 본 발명에 따라 산출된 풍속 결과를 이용하여 테일러 다이어그램과 오차 산점도 그래프로 나타낸 도면
도 11은 3개의 분석 대상 지역에서 분석기간(10일) 동안 대기안정도 변화별로 산출된 풍속의 변동을 시계열 그래프로 나타낸 도면
도 12는 현업기상모델과 일방향 접합된 전산유체역학 모델이 시뮬레이션한 풍속분포와 본 발명에 따라 도시 형태 매개 변수를 이용하여 산출된 2차원 풍속 분포를 비교하여 나타낸 도면
도 13은 3개의 분석 대상 지역에서 분석기간(10일) 동안 현업기상모델과 일방향 접합된 전산유체역학 모델이 시뮬레이션한 풍속분포와 본 발명에 따라 도시 형태 매개 변수를 이용하여 산출된 2차원 풍속 분포간의 평균 공간상관계수를 테일러 다이어그램으로 나타낸 도면
도 14는 본 발명의 일 실시예에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법을 설명하는 흐름도1 is a view showing an urban wind speed analysis system using an inflow wind speed and urban shape parameters according to an embodiment of the present invention;
2 is a view of modeling the satellite images of the analysis target areas selected for simulation and the corresponding analysis target areas;
3 is a diagram illustrating a process of calculating city shape parameters (building volume ratio, building horizontal area ratio, and building average height);
4 is a view showing the results of calculating city shape parameters (building volume ratio, building horizontal area ratio, and building average height) in three analysis target regions;
5 is a view showing the wind speed estimation coefficient based on the result of calculating the wind speed change rate compared to the inflow flow for each of the 32 directions in three analysis target regions and the urban shape parameter-based wind speed estimation coefficient calculated through multiple regression analysis;
6 shows the wind speed results predicted by the business forecasting model corresponding to the observed wind speeds observed in the three analysis target areas for one year in 2015, the wind speed estimated based on the building volume ratio, the wind speed estimated based on the building horizontal area ratio, and the building average A diagram showing the relationship between wind speeds estimated based on height as a scatter plot
7 is a diagram showing the error distribution for each wind direction in three analysis target regions for one year in 2015;
8 is a graph showing the observed wind direction and the simulated wind direction during the analysis period (10 days) in three analysis target regions as a time series graph;
9 is a time series graph showing the observed wind speed, the simulated wind speed, and the wind speed calculated according to the present invention during the analysis period (10 days) in three analysis target regions.
10 is a view showing a Taylor diagram and an error scatterplot graph using the simulated wind speed for the analysis period (10 days) in three analysis target regions and the wind speed results calculated according to the present invention
11 is a graph showing the fluctuation of wind speed calculated for each change in atmospheric stability during the analysis period (10 days) in three analysis target regions as a time series graph;
12 is a view showing a comparison of the wind speed distribution simulated by the field meteorological model and the one-way jointed computational fluid dynamics model and the two-dimensional wind speed distribution calculated using the city shape parameter according to the present invention;
13 is a wind speed distribution simulated by a computational fluid dynamics model unidirectionally joined to a field meteorological model during the analysis period (10 days) in three analysis target regions, and a two-dimensional wind speed distribution calculated using city shape parameters according to the present invention. A diagram showing the average spatial correlation coefficient between
14 is a flowchart illustrating an urban wind speed analysis method using an inflow wind speed and urban shape parameters according to an embodiment of the present invention;

이하, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.Hereinafter, the urban wind speed analysis system using the inflow wind speed and urban shape parameters according to the present invention and specific contents for carrying out the analysis method using the same will be described as follows.

도 1은 본 발명의 일 실시예에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 나타내는 도면이다.1 is a diagram illustrating an urban wind speed analysis system using an inflow wind speed and city shape parameters according to an embodiment of the present invention.

도 1을 참조하면, 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 매개 변수 산출부(110), 전산유체역학 분석부(120), 풍속 변화율 분석부(130), 풍속 산출부(140) 및 비교 분석부(150)를 포함한다.Referring to FIG. 1 , the urban wind speed analysis system 100 using the inflow wind speed and urban form parameters includes a parameter calculation unit 110 , a computational fluid dynamics analysis unit 120 , a wind speed change rate analysis unit 130 , and wind speed calculation. It includes a unit 140 and a comparison analysis unit 150 .

유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 도시에 유입되는 풍속(Wind Speed)과 도시 형태 매개 변수(Morphological Parameters)를 이용하여 보다 정확하게 도시 지역의 풍속을 분석할 수 있다. 일 실시예에서, 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 지리정보시스템(Geographic Information System, GIS)으로부터 얻은 상세한 건물 정보와 전산유체역학(Computational Fluid Dynamics, CFD) 모델에 의해 산출된 유입 풍향별 풍속 변화율(changes in wind speed)을 기초로 도시 지역의 풍속 추정 계수를 산출하고 해당 지역의 풍속을 산출할 수다. The urban wind speed analysis system 100 using the inflow wind speed and urban shape parameters may more accurately analyze the wind speed in the urban area by using the wind speed and the urban morphological parameters flowing into the city. In one embodiment, the urban wind speed analysis system 100 using the inflow wind speed and city shape parameters is based on detailed building information obtained from a Geographic Information System (GIS) and a Computational Fluid Dynamics (CFD) model. It is possible to calculate the wind speed estimation coefficient for an urban area based on the changes in wind speed for each inflow wind direction calculated by

일 실시예에서, 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 컴퓨팅 장치(예를 들어, 컴퓨터, PC, 랩탑, 태블릿 등)에서 실행되는 프로그램으로 구현될 수 있다. 다른 실시예에서, 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 하드웨어 모듈로 구현될 수도 있다.In an embodiment, the urban wind speed analysis system 100 using the inflow wind speed and city shape parameters may be implemented as a program executed in a computing device (eg, computer, PC, laptop, tablet, etc.). In another embodiment, the urban wind speed analysis system 100 using the inflow wind speed and city shape parameters may be implemented as a hardware module.

매개 변수 산출부(110)는 분석 대상 지역에 포함된 건물에 대한 정보를 입력받아 분석 대상 지역의 도시 형태 매개 변수를 산출한다. 일 실시예에서, 매개 변수 산출부(110)는 분석 대상 지역에 대한 지리정보시스템(Geographic Information System, GIS) 정보를 입력받아 해당 정보에 포함된 건물(또는, 장애물) 정보를 이용하여 도시 형태 매개 변수를 산출할 수 있다.The parameter calculation unit 110 receives information on buildings included in the analysis target area and calculates a parameter of the city shape of the analysis target area. In one embodiment, the parameter calculation unit 110 receives geographic information system (GIS) information on the analysis target area and uses building (or obstacle) information included in the corresponding information to parameterize the city shape. variables can be calculated.

일 실시예에서, 매개 변수 산출부(110)는 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출할 수 있다. 예를 들어, 매개 변수 산출부(110)는 각 격자에 대해 풍향별로 도시 형태 매개 변수를 산출할 수 있다. 일 실시예에서, 도시 형태 매개 변수는 건물 부피비(Volume fraction of buildings, VFB), 건물 수평 면적비(Plane-area fraction of buildings, PFB) 및 건물 평균 높이(Average height of buildings, AHB) 가운데 적어도 하나 이상을 포함할 수 있다. 즉, 매개 변수 산출부(110)는 각 격자에 대해 풍향별로 건물 부피비(VFB), 건물 수평 면적비(PFB) 및 건물 평균 높이(AHB) 가운데 적어도 하나 이상을 산출할 수 있다.In an embodiment, the parameter calculating unit 110 may divide the analysis target area into a grid, and calculate city shape parameters for each wind direction from grids within a preset distance radius based on a specific point. For example, the parameter calculator 110 may calculate a city shape parameter for each wind direction for each grid. In an embodiment, the city shape parameter is at least one of a Volume fraction of buildings (VFB), a Plane-area fraction of buildings (PFB), and an Average height of buildings (AHB). may include That is, the parameter calculator 110 may calculate at least one of a building volume ratio (VFB), a building horizontal area ratio (PFB), and an average building height (AHB) for each wind direction for each grid.

일 실시예에서, 건물 부피비(VFB)는 격자 부피(segment volume) 대비 해당 격자에 포함된 총 건물의 부피(total building volume in a segment)의 비율(ratio)로 정의될 수 있다. 건물 수평 면적비(PFB)는 격자의 면적(segment area) 대비 해당 격자에 포함된 총 건물의 면적(total building area in a segment)의 비율(ratio)로 정의될 수 있다. 건물 평균 높이(AHB)는 격자에 포함된 총 건물의 평균 높이(average heights of all of the buildings in a segment)로 정의될 수 있다.In an embodiment, the building volume ratio VFB may be defined as a ratio of a segment volume to a total building volume in a segment included in the corresponding grid. The building horizontal area ratio PFB may be defined as a ratio of a total building area in a segment to a segment area of the grid. The average height of buildings (AHB) may be defined as the average heights of all of the buildings in a segment.

일 실시예에서, 매개 변수 산출부(110)는 각 격자에 대해 32개 방위 풍향별로 도시 형태 매개 변수를 산출하되, 32개 방위는 하기 수학식 1에 의해 결정될 수 있다.In an embodiment, the parameter calculator 110 calculates city shape parameters for each of the 32 azimuth wind directions for each grid, and the 32 azimuths may be determined by Equation 1 below.

[수학식 1][Equation 1]

θi = (i-1) ×11.25°, i = 1, 2, 3,…, 32θi = (i-1) × 11.25°, i = 1, 2, 3,… , 32

여기에서, θi는 방위 각도, i는 방위 인덱스(directional index)를 나타낸다.Here, θi denotes an azimuth angle, and i denotes a directional index.

이하에서는 도 2 내지 도 4를 통해 매개 변수 산출부(110)가 도시 형태 매개 변수를 산출하는 과정을 구체적인 예를 들어 설명하기로 한다.Hereinafter, a process in which the parameter calculating unit 110 calculates the city shape parameter will be described with reference to FIGS. 2 to 4 as a specific example.

도 2는 시뮬레이션을 위해 선택된 분석 대상 지역들의 위성사진과 해당 분석 대상 지역들을 모델링한 도면이다. 2 is a diagram illustrating satellite images of analysis target regions selected for simulation and modeling of the analysis target regions.

도 2를 참조하면, 본 발명에 따른 풍속 시뮬레이션을 위해 분석 대상 지역을 붉은색 원으로 표시된 AWS(Automatic Weather Station)를 중심으로 각각 수평으로 2,000m, 연직으로 800m 영역을 분석 대상 지역으로 설정하였다. (도 2(a)는 서울특별시 강남구에 위치한 AWS, 도 2(b)는 서울특별시 양천구에 위치한 AWS, 도 2(c)는 경기도 평택시에 위치한 AWS). 매개 변수 산출부(110)는 분석 대상 지역에 대한 지리정보시스템(GIS) 정보를 입력받아 해당 지역을 격자로 구획하고 해당 지리정보시스템(GIS) 정보에 포함된 건물 정보를 이용하여 도시 형태 매개 변수를 산출할 수 있다. 도 2(c)는 도 2(a)의 분석 대상 지역(서울특별시 강남구)에 대한 지리정보시스템 정보를 입력받아 모델링한 도면, 도 2(d)는 도 2(b)의 분석 대상 지역(서울특별시 양천구)에 대한 지리정보시스템 정보를 입력받아 모델링한 도면, 도 2(e)는 도 2(c)의 분석 대상 지역(경기도 평택시)에 대한 지리정보시스템 정보를 입력받아 모델링한 도면이다.Referring to FIG. 2 , for wind speed simulation according to the present invention, an analysis target area was set as an analysis target area centered at an Automatic Weather Station (AWS) indicated by a red circle, respectively, in an area of 2,000 m horizontally and 800 m vertically. (FIG. 2(a) is AWS located in Gangnam-gu, Seoul, FIG. 2(b) is AWS located in Yangcheon-gu, Seoul, FIG. 2(c) is AWS located in Pyeongtaek-si, Gyeonggi-do). The parameter calculating unit 110 receives geographic information system (GIS) information on the area to be analyzed, divides the area into a grid, and uses the building information included in the geographic information system (GIS) information to obtain a city shape parameter can be calculated. FIG. 2(c) is a diagram modeled after receiving geographic information system information for the analysis target area (Gangnam-gu, Seoul) of FIG. 2(a), FIG. 2(d) is the analysis target area (Seoul) of FIG. 2(b) 2(e) is a drawing modeled by receiving geographic information system information for Yangcheon-gu, special city).

분석 대상 지역을 구획하는 격자 크기는 사용자의 설정에 따라 다르게 설정될 수 있다. 이하에서는 설명의 편의를 위해, 분석 대상 지역을 구획하는 격자의 크기를 x, y, z 방향으로 각각 10m, 10m, 5m로 설정한 경우를 가정하여 설명하기로 한다.A grid size for partitioning an analysis target region may be set differently according to a user's setting. Hereinafter, for convenience of explanation, it is assumed that the size of the grid partitioning the analysis target region is set to 10m, 10m, and 5m in the x, y, and z directions, respectively.

매개 변수 산출부(110)는 격자로 구획된 분석 대상 지역의 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출할 수 있다.The parameter calculating unit 110 may calculate a city shape parameter for each wind direction from grids within a preset distance radius based on a specific point of the analysis target area partitioned by the grid.

도 3은 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비, 건물 평균 높이)를 산출하는 과정을 나타내는 도면이다.3 is a diagram illustrating a process of calculating city shape parameters (building volume ratio, building horizontal area ratio, and building average height).

도 3을 참조하면, 매개 변수 산출부(110)는 지리정보시스템 정보를 기초로 모델링된 영역의 중심에 위치한 AWS를 기준으로 반경 600m 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출한다. 일 실시예에서, 기준이 되는 지점으로부터 반경 200m 이내의 영역을 S1 영역, 200m ~ 400m의 영역을 S2 영역이라고 정의한다.Referring to FIG. 3 , the parameter calculating unit 110 calculates city shape parameters for each wind direction from grids within a radius of 600 m based on AWS located at the center of a modeled area based on geographic information system information. In an embodiment, a region within a radius of 200 m from a reference point is defined as an S1 region, and a region between 200 m and 400 m is defined as an S2 region.

매개 변수 산출부(110)는 S1 영역과 S2 영역의 각 격자에 대해 32개 방위 풍향별로 도시 형태 매개 변수를 산출한다. 32개 방위는 상기 수학식 1에 의해 결정될 수 있다. 각 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비, 건물 평균 높이)에 대한 설명과 정의는 상기에서 설명한 바와 같다.The parameter calculator 110 calculates city shape parameters for each of the 32 azimuth wind directions for each grid of the S1 region and the S2 region. The 32 orientations may be determined by Equation 1 above. Descriptions and definitions of each city shape parameter (building volume ratio, building horizontal area ratio, and building average height) are the same as described above.

도 4는 3개의 분석 대상 지역에서 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비, 건물 평균 높이)를 산출한 결과를 나타내는 도면이다.4 is a view showing the results of calculating city shape parameters (building volume ratio, building horizontal area ratio, and building average height) in three analysis target regions.

도 4를 참조하면, 도 4는 도 2에서 설명한 3개의 분석 대상 지역에서 기 설정된 지점을 기준으로 S1 영역과 S2 영역의 각 격자에 대해 32개 방위별로 도시 형태 매개 변수를 산출한 결과를 나타낸다. 도 4의 상단에 위치한 도면은 도 2(a)의 분석 대상 지역(서울특별시 강남구) AWS 지점을 기준으로 산출된 건물 부피비(도 4(a)), 건물 수평 면적비(도 4(b)) 및 건물 평균 높이(도 4(c))를 나타낸다. 중심을 기준으로 y축 방향으로 멀어질수록 도시 형태 매개 변수 값이 커진다. 파란색 세모는 S1 영역의 격자에서 산출된 도시 형태 매개 변수를 나타내며, 빨간색 네모는 S2 영역의 격자에서 산출된 도시 형태 매개 변수를 나타낸다.Referring to FIG. 4 , FIG. 4 shows the results of calculating city shape parameters for each of the 32 azimuths for each grid of the S1 region and the S2 region based on preset points in the three analysis target regions described in FIG. 2 . The drawing located at the upper part of FIG. 4 shows the building volume ratio (FIG. 4(a)), the building horizontal area ratio (FIG. 4(b)) and The building average height (Fig. 4(c)) is shown. As the distance from the center in the y-axis direction increases, the urban shape parameter value increases. The blue triangle represents the city shape parameter calculated from the grid of the S1 area, and the red square represents the town shape parameter calculated from the grid of the S2 area.

도 4(a) 내지 도 4(c)를 참조하면, 다른 분석 대상 지역 대비 서울특별시 강남의 경우 AWS를 중심으로 대체적으로 건물이 많이 분포하는 것을 도시 형태 매개 변수로 확인할 수 있다. 서울특별시 강남의 경우, AWS의 북쪽에는 고층 아파트가 위치하여 건물 평균 높이 값이 크고, 동쪽과 서쪽에는 낮은 높이의 건물이 다수 분포하여 건물 평균 높이 값이 상대적으로 작은 것을 확인할 수 있다. AWS의 남쪽에는 선릉공원이 위치하여 건물 수평 면적비 값이 상대적으로 작은 것을 확인할 수 있다. Referring to FIGS. 4(a) to 4(c), compared to other analysis target regions, in the case of Gangnam, Seoul, it can be confirmed that a large number of buildings are generally distributed around AWS as an urban shape parameter. In the case of Gangnam, Seoul, high-rise apartments are located to the north of AWS, so the average building height value is large, and it can be seen that the average building height value is relatively small because many low-rise buildings are distributed in the east and west. Seolleung Park is located in the south of AWS, so it can be seen that the value of the horizontal area ratio of the building is relatively small.

도 4의 중간에 위치한 도면은 도 2(b)의 분석 대상 지역(서울특별시 양천구) AWS 지점을 기준으로 산출된 건물 부피비(도 4(d)), 건물 수평 면적비(도 4(e)) 및 건물 평균 높이(도 4(f))를 나타낸다. 도 4(d) 내지 도 4(f)를 참조하면, 서울특별시 양천의 경우 AWS를 중심으로 방향에 따라 건물 분포의 편차가 상대적으로 매우 큰 것을 도시 형태 매개 변수로 확인할 수 있다. 서울특별시 양천의 경우, AWS를 중심으로 북쪽과 서쪽 부근에는 종합운동장, 방송국과 같은 큰 규모의 건물이 위치하여 건물 평균 높이 값이 큰 것을 확인할 수 있다. AWS를 중심으로 동쪽과 남쪽은 안양천이 위치하고 있어 이 영역을 따라 건물이 존재하지 않아 건물 부피비와 건물 평균 높이 값이 작은 것을 확인할 수 있다. The drawing located in the middle of FIG. 4 shows the building volume ratio (FIG. 4(d)), the building horizontal area ratio (FIG. 4(e)) and The building average height (Fig. 4(f)) is shown. Referring to FIGS. 4(d) to 4(f), in the case of Yangcheon, Seoul, it can be confirmed that the deviation of the distribution of buildings according to the direction around AWS is relatively very large as an urban shape parameter. In the case of Yangcheon, Seoul, large-scale buildings such as sports fields and broadcasting stations are located near the north and west of the AWS, so it can be seen that the average building height value is large. As Anyangcheon is located east and south of AWS, there are no buildings along this area, so it can be seen that the building volume ratio and the average building height value are small.

도 4의 하단에 위치한 도면은 도 2(c)의 분석 대상 지역(경기도 평택시) AWS 지점을 기준으로 산출된 건물 부피비(도 4(g)), 건물 수평 면적비(도 4(h)) 및 건물 평균 높이(도 4(i))를 나타낸다. 도 4(g) 내지 도 4(i)를 참조하면, 경기도 평택의 경우 AWS를 중심으로 남쪽에는 건물이 거의 없이 농경지가 존재하여, 도시 형태 매개 변수들의 값이 매우 낮은 것을 확인할 수 있다. AWS를 중심으로 북쪽에는 건물이 존재하여 남쪽에 비해 상대적으로 도시 형태 매개 변수들의 값이 큰 것을 확인할 수 있다.The drawing located at the bottom of Fig. 4 shows the building volume ratio (Fig. 4(g)), the building horizontal area ratio (Fig. 4(h)) and the building calculated based on the AWS branch of the analysis target area (Pyeongtaek-si, Gyeonggi-do) of Fig. 2(c). The average height (Fig. 4(i)) is shown. 4 (g) to 4 (i), in the case of Pyeongtaek, Gyeonggi-do, there is almost no buildings in the south of the AWS, and agricultural land exists, and it can be seen that the values of the urban shape parameters are very low. Buildings exist in the north, centering on AWS, and it can be seen that the values of city shape parameters are relatively larger than those in the south.

다시 도 1을 참조하면, 전산유체역학 분석부(120)는 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(Computational Fluid Dynamics, CFD)을 통해 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출한다. 일 실시예에서, 전산유체역학 분석부(120)는 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출할 수 있다. 예를 들어, 전산유제역학 분석부(120)는 각 격자에 대해 32개 방위 풍향별로 풍속 변화율을 산출할 수 있다. 일 실시예에서, 전산유체역학 분석부(120)는 매개 변수 산출부(110)와 동일한 기준으로 분석 대상 지역을 격자로 구획할 수 있다.Referring back to FIG. 1 , the computational fluid dynamics analysis unit 120 sets the inflow conditions of the wind flowing into the analysis target region, and the wind inflow direction of the analysis target region through a computational fluid dynamics model (Computational Fluid Dynamics, CFD). Calculate the wind speed change rate according to In an embodiment, the computational fluid dynamics analysis unit 120 may divide the analysis target area into a grid, and calculate a wind speed change rate for each wind direction from grids within a preset distance radius based on a specific point. For example, the computational emulsion dynamics analysis unit 120 may calculate the wind speed change rate for each of the 32 azimuth wind directions for each grid. In an embodiment, the computational fluid dynamics analysis unit 120 may partition the analysis target region in a grid based on the same criteria as the parameter calculation unit 110 .

일 실시예에서, 전산유체역학 분석부(120)는 RANS(Reynolds-Averaged Navier-Stokes Equation) 모델 기반의 전산유체역학(CFD) 모델을 이용하여, 분석 대상 지역의 풍속 변화율을 산출할 수 있다.In an embodiment, the computational fluid dynamics analysis unit 120 may calculate the wind speed change rate of the analysis target area using a computational fluid dynamics (CFD) model based on a Reynolds-Averaged Navier-Stokes Equation (RANS) model.

RANS 모델 기반의 CFD 모델의 지배 방정식 계는 유한 체적법(Finite Volume Method)과 SIMPLE(Semi-Implicit Method for Pressure-Linked Equation) 알고리즘을 사용하여 엇갈림 격자계(Staggered Grid System)에서 풀이되며, 재규격화군(Renormalization Group; RNG) 이론에 근거한 k-ε난류 스킴을 기반으로 바람장을 분석한다. 예를 들어, RANS 모델 기반의 CFD 모델은 분석 대상 지역에서의 바람 유선장(Streamline), 무차원화된 평균 소용돌이도(Normalized Vorticity), 연직 유선장, 속도장, 소용돌이와 재순환 영역, 바람 흐름의 정체 지점(Stagnation-point Height), 최대 하강류(Maximun Downdraft), 풍속 변화율 등을 분석할 수 있다. 이하에서는, 설명의 편의를 위해 전산유체역학 분석부(120)가 풍속 변화율만 산출하는 경우를 가정하여 설명하기로 한다.The governing equation system of the CFD model based on the RANS model is solved in the staggered grid system using the finite volume method and the SIMPLE (Semi-Implicit Method for Pressure-Linked Equation) algorithm, and the re-standardization group The wind field is analyzed based on the k-ε turbulence scheme based on the (Renormalization Group; RNG) theory. For example, the CFD model based on the RANS model includes the wind streamline, normalized vorticity, vertical streamline, velocity field, vortex and recirculation region, and wind flow stagnation point ( Stagnation-point height), maximum downdraft, and wind speed change rate can be analyzed. Hereinafter, for convenience of explanation, it is assumed that the computational fluid dynamics analysis unit 120 calculates only the wind speed change rate.

일 실시예에서, 전산유체역학 분석부(120)는 분석 대상 지역의 32방위 풍향별로 풍속변화율을 산출하기 위해, 유입류 풍속은 1000m 높이에서 10ms-1로 설정하였고, 바람의 초기 경계 조건(Boundary Condition)은 Power Law 연직 분포를 가정하였다. Power Law 연직 분포에 따른 바람 성분에 대한 수식은 하기 수학식 2와 같이 나타낼 수 있다.In an embodiment, the computational fluid dynamics analysis unit 120 sets the inflow wind speed to 10 ms −1 at a height of 1000 m in order to calculate the wind speed change rate for each wind direction in 32 directions of the analysis target area, and the initial boundary condition of the wind (Boundary Condition) assumes the Power Law vertical distribution. The formula for the wind component according to the Power Law vertical distribution can be expressed as Equation 2 below.

[수학식 2][Equation 2]

Figure pat00001
Figure pat00001

여기에서, U는 x축 방향의 수평 바람 성분(Horizontal wind component in the x-direction), V는 y축 방향의 수평 바람 성분(Horizontal wind component in the y-direction), W는 수직 바람 성분(Vertical wind component), uref는 기준 높이에서의 풍속(Wind speed at a reference height), zref는 기준 높이(reference height), z는 높이, θi는 풍향(wind direction)을 나타낸다. α는 Power law 지수(exponent)로 대기의 안정도 인덱스(stability index) 값을 나타낸다. 예를 들어, 안정 상태(stable)의 경우 α는 0.4로 설정될 수 있고, 중립 상태(neutral)의 경우 α는 0.3으로 설정될 수 있으며, 불안정 상태(unstable)의 경우 α는 0.2로 설정될 수 있다.Here, U is the horizontal wind component in the x-direction, V is the horizontal wind component in the y-direction, and W is the vertical wind component. wind component), u ref is the wind speed at a reference height, z ref is the reference height, z is the height, and θ i is the wind direction. α is a power law exponent and represents a stability index value of the atmosphere. For example, for a stable state α may be set to 0.4, for a neutral state α may be set to 0.3, and for an unstable state α may be set to 0.2. have.

일 실시예에서, 전산유체역학 분석부(120)는 난류 운동 에너지(Turbulent Kinetic Energy, TKE)와 소멸률(TKE dissipation rate)에 대한 유입 경계 조건(Inflow Boundary Condition)은 Castro and Apsley에서 사용된 연직 분포를 사용하였다. In one embodiment, the computational fluid dynamics analysis unit 120 is an inflow boundary condition for turbulent kinetic energy (TKE) and dissipation rate (TKE dissipation rate) is the vertical distribution used in Castro and Apsley was used.

난류 운동 에너지(TKE)와 소멸률(TKE dissipation rate)에 대한 수식은 하기 수학식 3과 같이 나타낼 수 있다.Equations for turbulent kinetic energy (TKE) and dissipation rate (TKE dissipation rate) can be expressed as Equation 3 below.

[수학식 3][Equation 3]

Figure pat00002
Figure pat00002

여기에서, k는 난류 운동 에너지(Turbulent kinetic energy), ε는 소멸률(TKE dissipation rate), z는 높이, μ*는 마찰 속도(frictional velocity), δ는 경계 층의 깊이(boundary layer depth), κ는 폰 카르만 상수(von Karman constant), cu는 RNG k-ε 난류 스킴의 실증 상수(empirical constant in the RNG k-ε turbulence closure scheme)를 나타낸다. 일 실시예에서, 전산유체역학 분석부(120)는 μ*는 0.404 ms-1로 설정하였고, δ는 1000m로 설정하였으며, κ는 0.4로 설정하였다. cu는 0.089로 설정하였다.where k is the turbulent kinetic energy, ε is the TKE dissipation rate, z is the height, μ * is the frictional velocity, δ is the boundary layer depth, κ is a von Karman constant, c u is an empirical constant in the RNG k-ε turbulence closure scheme. In one embodiment, the computational fluid dynamics analysis unit 120 μ * is set to 0.404 ms -1 , δ is set to 1000m, κ is set to 0.4. c u was set to 0.089.

다시 도 1을 참조하면, 풍속 변화율 분석부(130)는 매개 변수 산출부(110)에서 산출된 도시 형태 매개 변수와 전산유체역학 분석부(120)에서 산출된 풍속 변화율을 기초로 풍속 변화율과 도시 형태 매개 변수 사이의 연관성을 다중회귀분석(multiple regression analyses)하여 풍속 추정 계수를 산출한다. 풍속 변화율 분석부(130)는 동일한 격자에서 산출된 도시 형태 매개 변수와 풍속 변화율을 이용하여 다중회귀분석할 수 있다.Referring back to FIG. 1 , the wind speed change rate analysis unit 130 shows the wind speed change rate based on the city shape parameter calculated by the parameter calculating unit 110 and the wind speed change rate calculated by the computational fluid dynamics analysis unit 120 . Wind speed estimation coefficients are calculated by performing multiple regression analyzes on the correlation between shape parameters. The wind speed change rate analysis unit 130 may perform multiple regression analysis using the city shape parameter calculated from the same grid and the wind speed change rate.

일 실시예에서, 풍속 변화율 분석부(130)는 하기 수학식 4를 이용하여 풍속 변화율과 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하고 풍속 추정 계수를 산출할 수 있다.In an embodiment, the wind speed change rate analyzer 130 may perform multiple regression analysis of the correlation between the wind speed change rate and the city shape parameter and calculate the wind speed estimation coefficient using Equation 4 below.

[수학식 4][Equation 4]

Bi = α0,i + α1,i A1,i + α2,i A2,i (i = 1, 2, 3,…, 32)B i = α 0,i + α 1,i A 1,i + α 2,i A 2,i (i = 1, 2, 3,…, 32)

여기에서, i는 방위 인덱스(directional index), Bi는 풍속 변화율, A1,i와 A2,i는 각각 S1 영역과 S2 영역에서의 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비 또는 건물 평균 높이)를 나타낸다. α0,i는 상수(constant), α1,i, α2,i는 회귀 계수(regression constants)를 나타낸다. Here, i is the directional index, B i is the rate of change of wind speed, and A 1,i and A 2,i are the urban shape parameters (building volume ratio, building horizontal area ratio, or building average) in the S1 and S2 areas, respectively. height) is indicated. α 0,i denotes constants, α 1,i, α 2,i denote regression constants.

예를 들어, 풍속 변화율과 건물 부피비 사이의 연관성을 다중회귀분석하는 경우, 수학식 4는 하기와 같이 나타낼 수 있다.For example, in the case of multiple regression analysis of the correlation between the wind speed change rate and the building volume ratio, Equation 4 can be expressed as follows.

Bi = α0,I + α1,i VFB1,I + α2,i VFB2,I (i = 1, 2, 3,…, 32)B i = α 0,I + α 1,i VFB 1,I + α 2,i VFB 2,I (i = 1, 2, 3,…, 32)

여기에서, VFB1,i와 VFB2,i는 각각 S1 영역과 S2 영역에서의 건물 부피비를 나타낸다. Here, VFB 1,i and VFB 2,i represent the building volume ratios in the S1 area and S2 area, respectively.

건물 수평 면적비와 건물 평균 높이도 상기 건물 부피비와 같이 동일한 방식으로 다중회귀 분석할 수 있다. 풍속 변화율 분석부(130)는 수학식 4를 이용하여 산출된 32개의 수식을 다중회귀 분석하여 풍속 추정 계수를 산출할 수 있다.The building horizontal area ratio and the building average height may also be subjected to multiple regression analysis in the same manner as the building volume ratio. The wind speed change rate analysis unit 130 may calculate the wind speed estimation coefficient by performing multiple regression analysis of 32 equations calculated using Equation 4 .

풍속 변화율 분석부(130)는 산출된 상수(α0,i), 회귀 계수(α1,i, α2,i)값과 도시 형태 매개 변수 값을 기초로 분석 대상 지역의 풍속 변화율 수식을 산출할 수 있다. 예를 들어, 풍속 변화율 분석부(130)는 산출된 상수(α0,i), 회귀 계수(α1,i, α2,i)값과 격자에서의 도시 형태 매개 변수 값을 수학식 4에 적용하여 해당 격자에서의 풍속 추정 계수를 산출할 수 있다. 일 실시예에서, 풍속 변화율 분석부(130)는 상기에서 설명한 과정을 각 격자에 대해 반복 수행하여 각 격자에서의 풍속 추정 계수를 산출할 수 있다. The wind speed change rate analysis unit 130 calculates the wind speed change rate formula of the analysis target area based on the calculated constant (α 0,i ), the regression coefficient (α 1,i, α 2,i ) value, and the city shape parameter value can do. For example, the wind speed change rate analysis unit 130 calculates the calculated constant (α 0,i ), the regression coefficient (α 1,i, α 2,i ) value, and the urban shape parameter value in the grid in Equation 4 It can be applied to calculate the wind speed estimation coefficient in the corresponding grid. In an embodiment, the wind speed change rate analyzer 130 may calculate the wind speed estimation coefficient in each grid by repeating the above-described process for each grid.

일 실시예에서, 건물 부피비, 건물 수평 면적비 및 건물 평균 높이도가 모두 반영된 풍속 추정 계수를 산출하는 경우, 풍속 변화율 분석부(130)는 건물 부피비를 변수로 산출된 풍속 추정 계수, 건물 수평 면적비를 변수로 산출된 풍속 추정 계수 및 건물 평균 높이를 변수로 산출된 풍속 추정 계수를 평균하거나 가중 평균하여 풍속 추정 계수를 산출할 수 있다. 다른 실시예에서, 풍속 변화율 분석부(130)는 건물 부피비를 변수로 산출된 풍속 추정 계수, 건물 수평 면적비를 변수로 산출된 풍속 추정 계수 및 건물 평균 높이를 변수로 산출된 풍속 추정 계수를 각각 가중하여 풍속 추정 계수를 산출할 수도 있다.In an embodiment, when calculating the wind speed estimation coefficient reflecting all of the building volume ratio, the building horizontal area ratio, and the building average height, the wind speed change rate analysis unit 130 calculates the wind speed estimation coefficient calculated using the building volume ratio as a variable, the building horizontal area ratio The wind speed estimation coefficient may be calculated by averaging or weighted average of the wind speed estimation coefficient calculated as a variable and the average building height calculated as a variable. In another embodiment, the wind speed change rate analysis unit 130 weights the wind speed estimation coefficient calculated by using the building volume ratio as a variable, the wind speed estimation coefficient calculated by using the building horizontal area ratio as a variable, and the wind speed estimation coefficient calculated by using the average building height as a variable, respectively. It is also possible to calculate the wind speed estimation coefficient.

도 5는 3개의 분석 대상 지역에서 32개 방위별 유입류 대비 풍속 변화율을 계산한 결과와 다중 회귀 분석을 통해 산출된 도시 형태 매개 변수 기반의 풍속 추정 계수를 나타낸 도면이다. 5 is a view showing the results of calculating the wind speed change rate compared to the inflow in 32 directions in three analysis target regions and the wind speed estimation coefficient based on the city shape parameter calculated through multiple regression analysis.

도 5를 참조하면, 도 5(a)는 서울특별시 강남 AWS 지점의 결과를 나타내고, 도 5(b) 서울특별시 양천 AWS 지점의 결과를 나타내며, 도 5(c)는 경기도 평택시 AWS 지점의 결과를 나타낸다.Referring to FIG. 5, FIG. 5(a) shows the results of the AWS branch in Gangnam, Seoul, FIG. 5(b) shows the results of the AWS branch in Yangcheon, Seoul, and FIG. 5(c) shows the results of the AWS branch in Pyeongtaek, Gyeonggi-do. indicates.

도 5(a)의 도면에 도시된 바와 같이, 서울특별시 강남 AWS 지점의 경우 모든 방향에 대하여 건물이 많은 영역을 바람이 지나면서 풍속이 감소하여 풍속 변화율 값(CFD로 표시)이 1보다 작은 것을 확인할 수 있다. 건물 형태 매개 변수(건물 부피비(VFB), 건물 수평 면적비(PFB) 및 건물 평균 높이(AHB))를 기반으로 산출된 풍속 추정 계수 또한 유입 풍속에 비해 작아 1보다 작은 것을 확인할 수 있다. As shown in the drawing of FIG. 5(a), in the case of the AWS branch in Gangnam, Seoul, the wind speed decreases as the wind passes through an area with many buildings in all directions, so that the wind speed change rate value (expressed in CFD) is less than 1. can be checked It can be seen that the wind speed estimation coefficient calculated based on the building shape parameters (building volume ratio (VFB), building horizontal area ratio (PFB), and building average height (AHB)) is also smaller than the inflow wind speed, which is smaller than 1.

도 5(b)의 도면에 도시된 바와 같이, 서울특별시 양천 AWS지점의 경우 유입되는 풍향에 따라 풍속 변화의 값(CFD로 표시)의 편차가 비교적 크게 나타나는 것을 확인할 수 있다. 또한, 건물 형태 매개 변수(건물 부피비(VFB), 건물 수평 면적비(PFB) 및 건물 평균 높이(AHB))를 기반으로 산출된 풍속 추정 계수는 대부분의 풍향에서 유입 풍속 대비 약 80% 정도인 것을 확인할 수 있다. As shown in the drawing of FIG. 5(b), in the case of the AWS branch in Yangcheon, Seoul, it can be seen that the deviation of the value of the wind speed change (expressed in CFD) according to the incoming wind direction is relatively large. In addition, it can be seen that the wind speed estimation coefficient calculated based on the building shape parameters (building volume ratio (VFB), building horizontal area ratio (PFB), and building average height (AHB)) is about 80% of the inflow wind speed in most wind directions. can

도 5(c)의 도면에 도시된 바와 같이, 경기도 평택 AWS 지점의 경우 유입되는 풍향에 따라 풍속 변화의 값(CFD로 표시)이 거의 1에 근접하여 풍속 변화의 감소가 거의 나타나지 않는 것을 확인할 수 있다. 또한, 건물 형태 매개 변수(건물 부피비(VFB), 건물 수평 면적비(PFB) 및 건물 평균 높이(AHB))를 기반으로 산출된 풍속 추정 계수는 북쪽 방향에서 유입 풍속과 유사한 크기를 나타내고, 남쪽 방향에서는 풍속보다 다소 증가하는 경향을 보이는 것을 확인할 수 있다.As shown in the drawing of FIG. 5(c), in the case of the AWS branch in Pyeongtaek, Gyeonggi-do, the value of the wind speed change (expressed as CFD) according to the incoming wind direction is almost 1, so it can be confirmed that there is little decrease in the wind speed change. have. In addition, the wind speed estimation coefficient calculated based on building shape parameters (building volume ratio (VFB), building horizontal area ratio (PFB), and building average height (AHB)) shows a similar magnitude to the inflow wind speed in the north direction, and in the south direction It can be seen that the wind speed tends to increase slightly.

다시 도 1을 참조하면, 풍속 산출부(140)는 산출된 풍속 추정 계수를 분석 대상 지역에 적용하여 분석 대상 지역 공간의 풍속을 산출한다. 풍속 산출부(140)는 분석 대상 지역에 유입되는 바람의 속도와 풍속 변화율 분석부(130)에서 산출된 풍속 추정 계수를 이용하여 분석 대상 지역 공간의 풍속을 산출할 수 있다. 예를 들어, 풍속 산출부(140)는 입력받은 유입 풍속 값과 해당 격자에서의 풍속 추정 계수를 곱하여 격자에서의 풍속을 산출할 수 있다.Referring back to FIG. 1 , the wind speed calculator 140 applies the calculated wind speed estimation coefficient to the analysis target area to calculate the wind speed in the analysis target area space. The wind speed calculation unit 140 may calculate the wind speed of the analysis target area space by using the speed of the wind flowing into the analysis target area and the wind speed estimation coefficient calculated by the wind speed change rate analysis unit 130 . For example, the wind speed calculator 140 may calculate the wind speed in the grid by multiplying the input wind speed value and the wind speed estimation coefficient in the corresponding grid.

풍속 산출부(140)는 분석 대상 지역의 각 격자에서의 풍속을 산출하여 분석 대상 지역의 2차원 공간에 대해 풍속 분포를 산출할 수 있다.The wind speed calculator 140 may calculate the wind speed in each grid of the analysis target area to calculate the wind speed distribution in the two-dimensional space of the analysis target area.

비교분석부(150)는 사용자에 의해 선택되어 입력된 풍속 값과 풍속 산출부(140)에서 산출된 분석 대상 지역의 풍속 값을 비교하여 해당 값 사이의 오차를 산출한다. 일 실시예에서, 풍속 산출부(140) 양 값 사이의 평균제곱근 오차(Root Mean Square Error, RSME)를 산출할 수 있다.The comparison analysis unit 150 compares the wind speed value selected and input by the user with the wind speed value of the analysis target area calculated by the wind speed calculation unit 140 and calculates an error between the values. In an embodiment, the wind speed calculator 140 may calculate a root mean square error (RSME) between both values.

예를 들어, 분석 대상 지역의 AWS에서 실제 관측된 관측 풍속 값이 입력되는 경우, 해당 입력 값과 풍속 산출부(140)에서 산출된 분석 대상 지역의 풍속 값을 비교하여 풍속 산출부(140)에서 산출된 풍속 값의 오차를 산출할 수 있다. For example, when the observed wind speed value actually observed in AWS of the analysis target area is input, the wind speed calculation unit 140 compares the corresponding input value with the wind speed value of the analysis target area calculated by the wind speed calculation unit 140 . An error of the calculated wind speed value may be calculated.

또는, 현업예보모델인 LDAPS(국지예보모델)와 CFD 일방향 접합 모델을 통해 시뮬레이션된 풍속 값이 입력되는 경우, 해당 입력 값과 풍속 산출부(140)에서 산출된 분석 대상 지역의 풍속 값을 비교하여 풍속 산출부(140)에서 산출된 풍속 값의 오차를 산출할 수 있다.Alternatively, when the simulated wind speed value is input through the LDAPS (local forecasting model) and the CFD one-way joint model, which are the field forecast models, the corresponding input value and the wind speed value of the analysis target area calculated by the wind speed calculation unit 140 are compared. An error of the wind speed value calculated by the wind speed calculator 140 may be calculated.

일 실시예에서, 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)은 시각화부(미도시)를 더 포함할 수 있다. 시각화부는 분석 대상 지역을 가상 공간 상에 모델링하여 3차원으로 시각화하고, 시각화된 분석 대상 지역에 풍속 산출부(140)에서 산출된 풍속 값을 부가하여 시각화할 수 있다.In an embodiment, the urban wind speed analysis system 100 using the inflow wind speed and city shape parameters may further include a visualization unit (not shown). The visualization unit may model the analysis target area in a virtual space and visualize it in three dimensions, and may visualize the visualized analysis target area by adding the wind speed value calculated by the wind speed calculating unit 140 to the visualized analysis target area.

도 6은 2015년 1년 동안 3개의 분석 대상 지역에서 관측된 관측풍속에 대응되는 현업예보모델 예측 풍속 결과, 건물부피비를 기반으로 추정된 풍속, 건물 수평 면적비를 기반으로 추정된 풍속, 그리고 건물 평균 높이를 기반으로 추정된 풍속간의 관계를 산점도로 나타낸 도면이다.6 shows the wind speed results predicted by the business forecasting model corresponding to the observed wind speeds observed in the three analysis target regions for one year in 2015, the wind speed estimated based on the building volume ratio, the wind speed estimated based on the building horizontal area ratio, and the building average It is a diagram showing the relationship between wind speed estimated based on height as a scatter plot.

도 6의 첫 번째 열(column)에 위치한 산점도 그래프(도 6(a), 도 6(d), 도 6(g), 도 6(j))는 서울특별시 강남 AWS 지점에서 관측된 풍속 값과 현업국지기상모델 예측 풍속 값을 비교한 결과(도 6(a)), 강남 AWS 지점에서 관측된 풍속 값과 건물 부피비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(d)), 강남 AWS 지점에서 관측된 풍속 값과 건물 수평 면적비 기반 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(g)), 강남 AWS 지점에서 관측된 풍속 값과 건물 평균 높이 기반 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(j))를 나타낸다. The scatter plot graphs (Figs. 6(a), 6(d), 6(g), 6(j)) located in the first column of Fig. 6 show the wind speed values observed at the AWS branch in Gangnam, Seoul and As a result of comparing the predicted wind speed values of the local weather model (Fig. 6(a)), the results of comparing the wind speed values observed at the AWS branch in Gangnam with the wind speed values reflecting the wind speed estimation coefficient based on the building volume ratio (Fig. 6(d)), As a result of comparing the wind speed value observed at the Gangnam AWS branch and the wind speed value reflecting the estimated coefficient based on the building horizontal area ratio (Fig. 6(g)), the wind speed value observed at the Gangnam AWS branch and the wind speed value reflecting the estimated coefficient based on the average building height shows the result of comparing them (FIG. 6(j)).

도 6(a), 도 6(d), 도 6(g) 및 도 6(j)에 도시된 바와 같이, 서울특별시 강남 AWS 지점의 경우, 현업 국지기상모델은 풍속을 과대모의하는 경향이 있는 것으로 확인되었다. 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속 값들은 관측된 풍속 값과 비교하여 오차가 감소하여 현업 국지기상모델보다 풍속 예측 성능이 개선된 것을 확인할 수 있다.6(a), 6(d), 6(g) and 6(j), in the case of the AWS branch in Gangnam, Seoul, the local weather model tends to oversimulate the wind speed. confirmed to be The wind speed values reflecting the wind speed estimation coefficients based on the building type parameter have reduced errors compared to the observed wind speed values, confirming that the wind speed prediction performance is improved compared to the local weather model.

도 6의 두 번째 열(column)에 위치한 산점도 그래프(도 6(b), 도 6(e), 도 6(h), 도 6(k))는 서울특별시 양천 AWS 지점에서 관측된 풍속 값과 현업국지기상모델 예측 풍속 값을 비교한 결과(도 6(b)), 양천 AWS 지점에서 관측된 풍속 값과 건물 부피비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(e)), 양천 AWS 지점에서 관측된 풍속 값과 건물 수평 면적비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(h)), 양천 AWS 지점에서 관측된 풍속 값과 건물 평균 높이 기반 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(k))를 나타낸다. The scatter plot graph (Fig. 6(b), Fig. 6(e), Fig. 6(h), Fig. 6(k)) located in the second column of Fig. 6 shows the wind speed value observed at the AWS branch in Yangcheon, Seoul and As a result of comparing the predicted wind speed values of the local meteorological model (Fig. 6(b)), the results of comparing the wind speed value observed at the Yangcheon AWS point with the wind speed value reflecting the wind speed estimation coefficient based on the building volume ratio (Fig. 6(e)), As a result of comparing the wind speed value observed at the Yangcheon AWS point with the wind speed value reflecting the wind speed estimation coefficient based on the building horizontal area ratio (Fig. 6(h)), the wind speed value observed at the Yangcheon AWS point and the wind speed reflecting the estimated coefficient based on the average building height The result of comparing the values (Fig. 6(k)) is shown.

도 6(b), 도 6(e), 도 6(h) 및 도 6(k)에 도시된 바와 같이, 서울특별시 양천 AWS 지점의 경우, 현업 국지기상모델은 풍속을 과대모의하는 경향이 있는 것으로 확인되었다. 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속 값들은 관측된 풍속 값과 비교하여 오차가 감소하는 결과가 나왔지만, 강남 지점에 비하여 풍속 예측 성능에 대한 개선 효과가 비교적 작게 나타났다. As shown in FIGS. 6(b), 6(e), 6(h) and 6(k), in the case of the Yangcheon AWS branch in Seoul, the local weather model tends to oversimulate the wind speed. confirmed to be The wind speed values reflecting the wind speed estimation coefficient based on the building type parameter showed a decrease in error compared to the observed wind speed values, but the improvement effect on wind speed prediction performance was relatively small compared to the Gangnam branch.

도 6의 세 번째 열(column)에 위치한 산점도 그래프(도 6(c), 도 6(f), 도 6(i), 도 6(l))는 경기도 평택 AWS 지점에서 관측된 풍속 값과 현업국지기상모델 예측 풍속 값을 비교한 결과(도 6(c)), 평택 AWS 지점에서 관측된 풍속 값과 건물 부피비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(f)), 평택 AWS 지점에서 관측된 풍속 값과 건물 수평 면적비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(i)), 평택 AWS 지점에서 관측된 풍속 값과 건물 평균 높이 기반 추정 계수를 반영한 풍속 값을 비교한 결과(도 6(l))를 나타낸다.The scatter plot graph (Fig. 6(c), Fig. 6(f), Fig. 6(i), Fig. 6(l)) located in the third column of Fig. 6 shows the wind speed value observed at the AWS branch in Pyeongtaek, Gyeonggi-do and the actual operation. The result of comparing the predicted wind speed values of the local weather model (Fig. 6(c)), the result of comparing the wind speed values observed at the Pyeongtaek AWS point with the wind speed values reflecting the wind speed estimation coefficient based on the building volume ratio (Fig. 6(f)), Pyeongtaek As a result of comparing the wind speed value observed at the AWS point and the wind speed value reflecting the wind speed estimation coefficient based on the building horizontal area ratio (Fig. 6(i)), the wind speed value observed at the Pyeongtaek AWS point and the wind speed value reflecting the estimated coefficient based on the average building height The results of comparison (Fig. 6(l)) are shown.

도 도 6(c), 도 6(f), 도 6(i) 및 도 6(l)에 도시된 바와 같이, 경기도 평택 AWS 지점의 경우, 현업 국지기상모델의 풍속 예측 성능은 실제 관측 결과와 매우 유사한 경향을 보이는 것으로 확인되었다. 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속들은 현업 국지기상모델을 통해 예측된 풍속 값과 비교하여 실제 관측된 풍속 값과의 오차에서 뚜렷한 차이가 보이지 않았다.As shown in FIGS. 6(c), 6(f), 6(i) and 6(l), in the case of the AWS branch in Pyeongtaek, Gyeonggi-do, the wind speed prediction performance of the local weather model is the actual observation result and It was found that a very similar trend was observed. The wind speed reflecting the wind speed estimation coefficient based on the building type parameter did not show a clear difference in the error from the actual observed wind speed value compared with the wind speed value predicted through the local meteorological model.

도 7은 2015년 1년 동안 3개의 분석 대상 지역에서의 풍향별 오차 분포를 나타낸 도면이다.7 is a diagram showing the error distribution for each wind direction in three analysis target regions for one year in 2015.

도 7에서 좌측 열에 위치한 그래프(도 7(a), 도 7(c), 도 7(e))는 각각 서울특별시 강남, 서울특별시 양천, 경기도 평택 AWS 지점에서 32개 방향에 대해 산출된 풍속 값과 실제 AWS에서 관측된 풍속 값 사이의 제곱근평균오차(RMSE)를 나타내고 우측 행에 위치한 그래프(도 7(b), 도 7(d), 도 7(f))는 각각 서울특별시 강남, 서울특별시 양천, 경기도 평택 AWS 지점에서 32개 방향에 대해 산출된 풍속 값과 실제 AWS에서 관측된 풍속 값 사이의 편차(Bias)를 나타낸다.7(a), 7(c), and 7(e)) located in the left column in FIG. 7 show the wind speed values calculated for 32 directions at AWS branches in Gangnam, Seoul, Yangcheon, Gyeonggi-do, respectively. The graphs (Fig. 7(b), Fig. 7(d), Fig. 7(f)) located in the right row showing the root mean square error (RMSE) between the wind speed values observed in AWS and the actual AWS are Gangnam, Seoul, and Seoul, respectively. Shows the deviation (bias) between the wind speed values calculated for 32 directions at the AWS branch in Yangcheon and Pyeongtaek, Gyeonggi-do and the actual wind speed values observed in AWS.

검은색 파선은 AWS 지점에서 관측된 풍속 값과 현업 국지기상모델의 예측 풍속 값을 비교한 결과, 빨간색 실선은 AWS 지점에서 관측된 풍속 값과 건물 부피비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과, 노란색 실선은 AWS 지점에서 관측된 풍속 값과 건물 수평 면적비 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과, 파란색 실선은 AWS 지점에서 관측된 풍속 값과 건물 평균 높이 기반 풍속 추정 계수를 반영한 풍속 값을 비교한 결과를 나타낸다. The black dashed line is the result of comparing the wind speed value observed at the AWS point with the predicted wind speed value of the local weather model, and the red solid line is the result of comparing the wind speed value observed at the AWS point and the wind speed value reflecting the wind speed estimation coefficient based on the building volume ratio. , the yellow solid line is the result of comparing the wind speed value observed at the AWS point with the wind speed value reflecting the wind speed estimation coefficient based on the building horizontal area ratio. shows the results of comparison.

도 7에 도시된 바와 같이, 강남 AWS 지점의 경우, 대부분의 바람 방향에서 현업 국지기상모델의 예측 값에 비해 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속 값들이 실제 관측 풍속 값과의 오차가 작은 것으로 나타났다. 특히 동풍과 서풍 계열의 흐름이 유입되는 경우에 풍속 예측 성능에 대한 개선 효과가 큰 것으로 나타났다. As shown in Figure 7, in the case of the Gangnam AWS branch, the wind speed values reflecting the wind speed estimation coefficient based on the building shape parameter compared to the predicted values of the local meteorological model in most wind directions have an error with the actual observed wind speed values. appeared to be small. In particular, it was found that the improvement effect on wind speed prediction performance was large when the flow of the east and west winds was introduced.

양천 AWS 지점의 경우에도 현업 국지기상모델의 예측 값에 비해 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속 값들이 실제 관측 풍속 값과의 오차가 작은 것으로 나타났다. 남서풍이 유입되는 경우에 풍속 예측 성능에 대한 개선 효과가 큰 것으로 나타났다. In the case of the Yangcheon AWS branch, it was found that the wind speed values reflecting the wind speed estimation coefficients based on the building shape parameters had a small error with the actual observed wind speed values compared to the predicted values of the on-site local meteorological model. It was found that the improvement effect on wind speed prediction performance was large when the southwest wind was introduced.

평택 AWS 지점의 경우, 건물 형태 매개 변수 기반의 풍속 추정 계수를 반영한 풍속들과 현업 국지기상모델을 통해 예측된 풍속값들이 실제 관측된 풍속 값과의 풍향별 오차에서 뚜렷한 차이가 보이지 않았다.In the case of the AWS branch in Pyeongtaek, the wind speed values reflecting the wind speed estimation coefficients based on the building type parameters and the wind speed values predicted through the local meteorological model did not show a clear difference in the error by wind direction from the actual observed wind speed values.

도 8은 3개의 분석 대상 지역에서 분석기간(10일) 동안 관측된 풍향과 시뮬레이션된 풍향을 시계열 그래프로 나타낸 도면이다.8 is a time series graph showing the observed wind direction and the simulated wind direction during the analysis period (10 days) in three analysis target regions.

도 8(a)는 서울특별시 강남 AWS 지점의 시계열 그래프, 도 8(b)는 서울특별시 양천 AWS 지점의 시계열 그래프, 도 8(c)는 경기도 평택 AWS 지점의 시계열 그래프를 나타낸다.8(a) is a time series graph of the AWS branch in Gangnam, Seoul, FIG. 8(b) is a time series graph of the AWS branch in Yangcheon, Seoul, and FIG. 8(c) is a time series graph of the AWS branch in Pyeongtaek, Gyeonggi-do.

도 8을 참조하면, 설정된 분석기간(10일) 동안 현업 국지기상모델(LDAPS)이 시뮬레이션한 풍향과 현업국지기상모델-CFD 일방향 접합 모델(LDAPS-CFD)이 시뮬레이션한 풍향이 매우 유사하고, 실제 AWS에서 관측된 풍향(OBS로 표시)과의 오차 또한 거의 차이가 없는 것으로 나타났다. 해당 분석기간 동안의 주 풍향은 북서풍과 서풍으로 나타났다.Referring to FIG. 8 , the wind direction simulated by the on-site local meteorological model (LDAPS) and the wind direction simulated by the on-site local meteorological model-CFD one-way joint model (LDAPS-CFD) during the set analysis period (10 days) are very similar, and the actual The error with the wind direction (expressed in OBS) observed in AWS also showed little difference. The main wind directions during the analysis period were northwest wind and west wind.

도 9는 3개의 분석 대상 지역에서 분석기간(10일) 동안 관측된 풍속, 시뮬레이션된 풍속 및 본 발명에 따라 산출된 풍속을 시계열 그래프로 나타낸 도면이다.9 is a time series graph showing the observed wind speed, the simulated wind speed, and the wind speed calculated according to the present invention during the analysis period (10 days) in three analysis target regions.

도 9(a)는 서울특별시 강남 AWS 지점의 시계열 그래프, 도 9(b)는 서울특별시 양천 AWS 지점의 시계열 그래프, 도 9(c)는 경기도 평택 AWS 지점의 시계열 그래프를 나타낸다.9(a) is a time series graph of the AWS branch in Gangnam, Seoul, FIG. 9(b) is a time series graph of the AWS branch in Yangcheon, Seoul, and FIG. 9(c) is a time series graph of the AWS branch in Pyeongtaek, Gyeonggi-do.

도 9를 참조하면, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 값은 건물이 많이 분포한 지역인 강남과 양천 AWS 지점에서 현업 국지기상모델(LDAPS)이 예측한 풍속에 비해 실제 AWS에서 관측된 관측 값과 유사하게 나타났다. Referring to FIG. 9 , the wind speed value predicted through the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention is a local weather model (LDAPS) at AWS branches in Gangnam and Yangcheon, where many buildings are distributed. Compared to the predicted wind speed, it appeared similar to the observed value observed in the actual AWS.

본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 값은 동일한 기간 동안 CFD 모델을 통해 시뮬레이션된 풍속 값과 유사한 수준으로 나타났다. The wind speed value predicted through the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention was found to be similar to the wind speed value simulated through the CFD model for the same period.

건물의 분포가 적은 평택 AWS 지점의 경우, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 값이 현업 국지기상모델(LDAPS)을 통해 예측된 풍속 값, CFD 모델을 통해 시뮬레이션된 풍속 값과 유사하게 나타났다.In the case of the Pyeongtaek AWS branch with a small distribution of buildings, the wind speed value predicted through the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention is the wind speed value predicted through the local meteorological model (LDAPS), CFD It appeared similar to the simulated wind speed value through the model.

도 10은 3개의 분석 대상 지역에서 분석기간(10일) 동안 시뮬레이션된 풍속과 본 발명에 따라 산출된 풍속 결과를 이용하여 테일러 다이어그램과 오차 산점도 그래프로 나타낸 도면이다.10 is a view showing a Taylor diagram and an error scatter plot graph using the simulated wind speed for the analysis period (10 days) in three analysis target regions and the wind speed results calculated according to the present invention.

도 10에서 빨간색 기호는 서울특별시 강남 지점의 결과, 파란색 기호는 서울특별시 양천 지점의 결과, 초록색 기호는 경기도 평택 지점의 결과를 나타낸다. In FIG. 10, the red symbol indicates the result of the Gangnam branch in Seoul, the blue symbol indicates the result of the Yangcheon branch in Seoul, and the green symbol indicates the result of the Pyeongtaek branch in Gyeonggi-do.

도 10을 참조하면, 강남 AWS 지점과 양천 AWS 지점에서는 현업 국지기상모델(LDAPS)에 비해 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 값과 CFD 모델을 통해 시뮬레이션된 풍속 값이 실제 관측 풍속과 비교하여 유사한 변동을 보였으며, 오차가 작은 것으로 확인되었다. 평택 AWS 지점에서는 현업 국지기상모델(LDAPS)의 예측 풍속 값과 CFD 모델을 통해 시뮬레이션된 풍속 값, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 값이 실제 관측 풍속 값과 비교하여 변동과 오차가 유사하게 나타났다.10, at the Gangnam AWS branch and the Yangcheon AWS branch, the wind speed value and the CFD model predicted through the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention compared to the local weather model (LDAPS) The simulated wind speed value showed similar fluctuations compared to the actual observed wind speed, and it was confirmed that the error was small. At the Pyeongtaek AWS branch, the predicted wind speed value of the local weather model (LDAPS), the wind speed value simulated through the CFD model, and the wind speed value predicted through the urban wind speed analysis system using the inflow wind speed and city shape parameters according to the present invention are actually Compared with the observed wind speed values, the fluctuations and errors were similar.

도 11은 3개의 분석 대상 지역에서 분석기간(10일) 동안 대기안정도 변화별로 산출된 풍속의 변동을 시계열 그래프로 나타낸 도면이다.11 is a time series graph showing fluctuations in wind speed calculated for each change in atmospheric stability during the analysis period (10 days) in three analysis target regions.

도 11(a)는 서울특별시 강남 AWS 지점의 시계열 그래프, 도 11(b)는 서울특별시 양천 AWS 지점의 시계열 그래프, 도 11(c)는 경기도 평택 AWS 지점의 시계열 그래프를 나타낸다.11(a) is a time series graph of the AWS branch in Gangnam, Seoul, FIG. 11(b) is a time series graph of the AWS branch in Yangcheon, Seoul, and FIG. 11(c) is a time series graph of the AWS branch in Pyeongtaek, Gyeonggi-do.

도 11를 참조하면, 대기안정도 변화에 따른 추정 풍속의 변동성은 크게 나타나지 않는 것으로 확인되었다.Referring to FIG. 11 , it was confirmed that the variability of the estimated wind speed according to the change in atmospheric stability did not appear significantly.

도 12는 현업기상모델과 일방향 접합된 전산유체역학 모델이 시뮬레이션한 풍속 분포와 본 발명에 따라 도시 형태 매개 변수를 이용하여 산출된 2차원 풍속 분포를 비교하여 나타낸 도면이다.12 is a view showing a comparison of the wind speed distribution simulated by the field meteorological model and the one-way jointed computational fluid dynamics model with the two-dimensional wind speed distribution calculated using the city shape parameters according to the present invention.

도 12의 좌측 열의 도면들(도 12(a), 도 12(c), 도 12(e))은 CFD 모델을 통해 시뮬레이션된 풍속 결과를 나타내며, 우측 열의 도면들(도 12(b), 도 12(d), 도 12(f))은 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속의 공간분포를 나타낸다.The drawings in the left column of Fig. 12 (Figs. 12(a), 12(c), 12(e)) show the simulated wind speed results through the CFD model, and the drawings in the right column (Fig. 12(b), Fig. 12(e)) 12(d) and FIG. 12(f)) show the spatial distribution of wind speed predicted through the urban wind speed analysis system using the inflow wind speed and urban shape parameters according to the present invention.

도 12를 참조하면, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속의 공간 분포는 CFD 모델을 통해 직접 시뮬레이션된 풍속의 공간 분포와 유사한 것으로 확인되었다.12, it was confirmed that the spatial distribution of wind speed predicted through the urban wind speed analysis system using the inflow wind speed and urban shape parameters according to the present invention is similar to the spatial distribution of wind speed directly simulated through the CFD model.

도 13은 3개의 분석 대상 지역에서 분석기간(10일) 동안 CFD 모델을 통해 직접 시뮬레이션된 풍속 분포와 본 발명에 따라 도시 형태 매개 변수를 이용하여 산출된 2차원 풍속 분포간의 평균 공간상관계수를 테일러 다이어그램으로 나타낸 도면이다.13 shows the average spatial correlation coefficient between the wind speed distribution directly simulated through the CFD model during the analysis period (10 days) in three analysis target regions and the two-dimensional wind speed distribution calculated using the city shape parameter according to the present invention. It is a diagram shown in a diagram.

도 13을 참조하면, 본 발명에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템을 통해 예측된 풍속 공간 분포와 CFD 모델을 통해 직접 시뮬레이션된 풍속 공간 분포의 평균 공간상관계수는 0.7에서 0.95로 나타났으며, 비교적 높은 상관도를 보이는 것으로 확인되었다.13 , the average spatial correlation coefficient of the wind speed spatial distribution predicted through the urban wind speed analysis system using the inflow wind speed and urban shape parameters according to the present invention and the wind speed spatial distribution directly simulated through the CFD model is 0.7 to 0.95 , and showed a relatively high correlation.

도 14는 본 발명의 일 실시예에 따른 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법을 설명하는 흐름도이다.14 is a flowchart illustrating a method for analyzing an urban wind speed using an inflow wind speed and a city shape parameter according to an embodiment of the present invention.

도 14를 참조하면, 매개 변수 산출부(110)는 분석 대상 지역에 포함된 건물에 대한 정보를 입력받아 분석 대상 지역의 도시 형태 매개 변수를 산출한다(단계 S1410). 일 실시예에서, 매개 변수 산출부(110)는 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출할 수 있다.Referring to FIG. 14 , the parameter calculating unit 110 receives information on a building included in the analysis target area and calculates a city shape parameter of the analysis target area (step S1410). In an embodiment, the parameter calculating unit 110 may divide the analysis target area into a grid, and calculate city shape parameters for each wind direction from grids within a preset distance radius based on a specific point.

일 실시예에서, 매개 변수 산출부(110)는 각 격자에 대해 풍향별로 건물 부피비, 건물 수평 면적비 및 건물 평균 높이를 도시 형태 매개 변수로 산출할 수 있다. In an embodiment, the parameter calculator 110 may calculate a building volume ratio, a building horizontal area ratio, and an average building height for each wind direction for each grid as city shape parameters.

일 실시예에서, 매개 변수 산출부(110)는 각 격자에 대해 32개 방위 풍향별로 도시 형태 매개 변수를 산출하되, 32개 방위는 상기에서 설명한 수학식 1에 의해 결정될 수 있다.In an embodiment, the parameter calculator 110 calculates city shape parameters for each of the 32 azimuth wind directions for each grid, and the 32 azimuths may be determined by Equation 1 described above.

전산유체역학 분석부(120)는 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(CFD)을 통해 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출한다(단계 S1420).The computational fluid dynamics analysis unit 120 sets the inflow condition of the wind flowing into the analysis target area, and calculates the wind speed change rate according to the wind inflow direction of the analysis target area through the computational fluid dynamics model (CFD) (step S1420) .

일 실시예에서, 전산유체역학 분석부(120)는 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출할 수 있다. 일 실시예에서, 전산유체역학 분석부(120)는 각 격자에 대해 32개 방위 풍향별로 풍속 변화율을 산출할 수 있다. 전산유체역학 분석부(120)에서 풍속 변화율을 산출하는 과정은 상기 도 1 내지 도 5에서 설명한 바와 같다.In an embodiment, the computational fluid dynamics analysis unit 120 may partition the analysis target area into a grid, and calculate a wind speed change rate for each wind direction from grids within a preset distance radius based on a specific point. In an embodiment, the computational fluid dynamics analysis unit 120 may calculate a wind speed change rate for each of the 32 azimuth wind directions for each grid. The process of calculating the wind speed change rate in the computational fluid dynamics analysis unit 120 is the same as described with reference to FIGS. 1 to 5 .

풍속 변화율 분석부(130)는 매개 변수 산출부(110)에서 산출된 도시 형태 매개 변수와 전산유체역학 분석부(120)에서 산출된 풍속 변화율을 기초로 풍속 변화율과 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하여 풍속 추정 계수를 산출한다(단계 S1430). 일 실시예에서, 풍속 변화율 분석부(130)는 상기의 수학식 4를 이용하여 풍속 변화율과 도시 형태 매개 변수 사이의 연관성을 다중회귀분석한다. The wind speed change rate analysis unit 130 determines the correlation between the wind speed change rate and the urban form parameter based on the urban shape parameter calculated by the parameter calculating unit 110 and the wind speed change rate calculated by the computational fluid dynamics analysis unit 120 . A wind speed estimation coefficient is calculated by performing multiple regression analysis (step S1430). In an embodiment, the wind speed change rate analyzer 130 performs multiple regression analysis on the correlation between the wind speed change rate and the city shape parameter using Equation 4 above.

일 실시예에서, 풍속 변화율 분석부(130)는 산출된 상수 값, 회귀계수 값과 도시 형태 매개 변수 값을 수학식 4에 적용하여 해당 도시 형태 매개 변수에 대한 풍속 추정 계수를 산출할 수 있다.In an embodiment, the wind speed change rate analyzer 130 may apply the calculated constant value, the regression coefficient value, and the city shape parameter value to Equation 4 to calculate the wind speed estimation coefficient for the corresponding city shape parameter.

풍속 산출부(140)는 풍속 변화율 분석부(130)에서 산출된 풍속 추정 계수를 분석 대상 지역에 적용하여 분석 대상 지역 공간의 풍속을 산출한다(단계 S1440). 예를 들어, 풍속 산출부(140)는 입력받은 유입 풍속 값과 해당 격자에서의 풍속 추정 계수를 곱하여 격자에서의 풍속을 산출할 수 있다.The wind speed calculation unit 140 applies the wind speed estimation coefficient calculated by the wind speed change rate analysis unit 130 to the analysis target area to calculate the wind speed in the analysis target area space (step S1440). For example, the wind speed calculator 140 may calculate the wind speed in the grid by multiplying the input wind speed value and the wind speed estimation coefficient in the corresponding grid.

일 실시예에서, 풍속 산출부(140)는 분석 대상 지역의 각 격자에서의 풍속을 산출하여 분석 대상 지역의 2차원 공간에 대해 풍속 분포를 산출할 수 있다.In an embodiment, the wind speed calculating unit 140 may calculate the wind speed distribution in the two-dimensional space of the analysis target area by calculating the wind speed in each grid of the analysis target area.

도 1 내지 도 14를 통해 설명된 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수도 있다.The urban wind speed analysis system using the inflow wind speed and city shape parameters described with reference to FIGS. 1 to 14 and the analysis method using the same may also be implemented in the form of a recording medium including instructions executable by a computer.

이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템 및 이를 이용한 분석 방법으로 구현할 수 있다.Although the embodiment of the present invention has been described above, the technical idea of the present invention is not limited to the above embodiment, and the urban wind speed analysis system using various inflow wind speed and urban form parameters within the scope not departing from the technical spirit of the present invention and the same It can be implemented by the analysis method used.

100 : 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템(100)
110 : 매개 변수 산출부
120 : 전산유체역학 분석부
130 : 풍속 변화율 분석부
140 : 풍속 산출부
150 : 비교 분석부100: urban wind speed analysis system 100 using inflow wind speed and city shape parameters
110: parameter calculation unit
120: computational fluid dynamics analysis unit
130: wind speed change rate analysis unit
140: wind speed calculation unit
150: comparative analysis unit

Claims (20)

분석 대상 지역에 포함된 건물에 대한 정보를 입력받아 상기 분석 대상 지역의 도시 형태 매개 변수를 산출하는 매개 변수 산출부;
상기 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(CFD)을 통해 상기 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출하는 전산유체역학 분석부;
상기 산출된 도시 형태 매개 변수와 상기 풍속 변화율을 기초로 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하여 풍속 추정 계수를 산출하는 풍속 변화율 분석부; 및
상기 산출된 풍속 추정 계수를 상기 분석 대상 지역에 적용하여 상기 분석 대상 지역 공간의 풍속을 산출하는 풍속 산출부를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.a parameter calculation unit for receiving information on buildings included in the analysis target area and calculating city shape parameters of the analysis target area;
a computational fluid dynamics analysis unit that sets a condition for the inflow of wind into the analysis target area and calculates a wind speed change rate according to the wind inflow direction of the analysis target area through a computational fluid dynamics model (CFD);
a wind speed change rate analyzer for calculating a wind speed estimation coefficient by performing multiple regression analysis on the correlation between the wind speed change rate and the urban form parameter based on the calculated city shape parameter and the wind speed change rate; and
and a wind speed calculator configured to apply the calculated wind speed estimation coefficient to the analysis target area to calculate a wind speed in the analysis target area space. 제1항에 있어서, 상기 매개 변수 산출부는
상기 분석 대상 지역에 대한 지리정보시스템(Geographic Information System, GIS) 정보를 입력받아 해당 정보에 포함된 건물 정보를 이용하여 도시 형태 매개 변수를 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 1, wherein the parameter calculation unit
Urban wind speed analysis system using inflow wind speed and city shape parameters that receives geographic information system (GIS) information for the analysis target area and calculates city shape parameters using building information included in the information . 제1항에 있어서, 상기 매개 변수 산출부는
상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 1, wherein the parameter calculation unit
An urban wind speed analysis system using an inflow wind speed and a city shape parameter that partitions the analysis target area into a grid and calculates city shape parameters for each wind direction from grids within a preset distance radius based on a specific point. 제3항에 있어서, 상기 매개 변수 산출부는
각 격자에 대해 풍향별로 건물 부피비, 건물 수평 면적비 및 건물 평균 높이를 도시 형태 매개 변수로 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 3, wherein the parameter calculation unit
Urban wind speed analysis system using inflow wind speed and city shape parameters to calculate the building volume ratio, building horizontal area ratio, and building average height as city shape parameters for each wind direction for each grid. 제3항에 있어서, 상기 매개 변수 산출부는
각 격자에 대해 32개 방위 풍향별로 상기 도시 형태 매개 변수를 산출하되, 상기 32개 방위는 하기 수학식 1에 의해 결정되는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.
[수학식 1]
θi = (i-1) ×11.25°, i = 1, 2, 3,…, 32
여기에서, θi는 방위 각도, i는 방위 인덱스(directional index)The method of claim 3, wherein the parameter calculation unit
The urban wind speed analysis system using the inflow wind speed and urban shape parameters determined by Equation 1 below, wherein the city shape parameters are calculated for each grid for each of the 32 azimuth wind directions.
[Equation 1]
θi = (i-1) × 11.25°, i = 1, 2, 3,… , 32
Here, θi is an azimuth angle, and i is a directional index. 제1항에 있어서, 상기 전산유체역학 분석부는
상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.According to claim 1, wherein the computational fluid dynamics analysis unit
An urban wind speed analysis system using an inflow wind speed and city shape parameters that partitions the analysis target area into a grid and calculates a wind speed change rate for each wind direction in grids within a preset distance radius based on a specific point. 제6항에 있어서, 상기 전산유제역학 분석부는
각 격자에 대해 32개 방위 풍향별로 상기 풍속 변화율을 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 6, wherein the computational emulsion dynamics analysis unit
An urban wind speed analysis system using the inflow wind speed and city shape parameters to calculate the wind speed change rate for each of the 32 azimuth wind directions for each grid. 제1항에 있어서, 상기 풍속 변화율 분석부는
하기의 수학식 2를 이용하여 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.
[수학식 2]
Bi = α0,i + α1,i A1,i + α2,i A2,i (i = 1, 2, 3,…, 32)
여기에서, i는 방위 인덱스(directional index), Bi는 풍속 변화율, A1,i와 A2,i는 각각 S1 영역과 S2 영역에서의 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비 또는 건물 평균 높이)를 나타낸다. α0,i는 상수(constant), α1,i, α2,i는 회귀 계수(regression constants)According to claim 1, wherein the wind speed change rate analysis unit
An urban wind speed analysis system using an inflow wind speed and an urban shape parameter for multiple regression analysis of the correlation between the wind speed change rate and the urban shape parameter using Equation 2 below.
[Equation 2]
B i = α 0,i + α 1,i A 1,i + α 2,i A 2,i (i = 1, 2, 3,…, 32)
Here, i is the directional index, B i is the rate of change of wind speed, and A 1,i and A 2,i are the urban shape parameters (building volume ratio, building horizontal area ratio, or building average) in the S1 and S2 areas, respectively. height) is indicated. α 0,i is constant, α 1,i, α 2,i are regression constants 제8항에 있어서, 상기 풍속 변화율 분석부는
산출된 상수 값, 회귀계수 값과 도시 형태 매개 변수 값을 상기 수학식 2에 적용하여 해당 도시 형태 매개 변수에 대한 풍속 추정 계수를 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 8, wherein the wind speed change rate analysis unit
An urban wind speed analysis system using the inflow wind speed and city shape parameters to calculate the wind speed estimation coefficient for the corresponding city shape parameter by applying the calculated constant value, the regression coefficient value, and the city shape parameter value to Equation 2 above. 제1항에 있어서, 상기 풍속 산출부는
상기 분석 대상 지역에 유입되는 바람의 속도와 상기 산출된 풍속 추정 계수를 이용하여 상기 분석 대상 지역 공간의 풍속을 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.According to claim 1, wherein the wind speed calculation unit
An urban wind speed analysis system using the inflow wind speed and city shape parameters for calculating the wind speed of the analysis target area space by using the wind speed flowing into the analysis target area and the calculated wind speed estimation coefficient. 제11항에 있어서, 상기 풍속 산출부는
상기 분석 대상 지역의 2차원 공간에 대해 풍속 분포를 산출하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.The method of claim 11, wherein the wind speed calculation unit
An urban wind speed analysis system using the inflow wind speed and city shape parameters to calculate the wind speed distribution for the two-dimensional space of the analysis target area. 제1항에 있어서, 상기 도시 풍속 분석 시스템은
입력된 풍속 값과 상기 풍속 산출부에서 산출된 값과 비교하여 해당 값 사이의 오차를 산출하는 비교분석부를 더 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 시스템.According to claim 1, wherein the urban wind speed analysis system is
The urban wind speed analysis system using the inflow wind speed and city shape parameters, further comprising a comparison analysis unit that compares the input wind speed value with the value calculated by the wind speed calculation unit and calculates an error between the corresponding values. 매개 변수 산출부가 분석 대상 지역에 포함된 건물에 대한 정보를 입력받아 상기 분석 대상 지역의 도시 형태 매개 변수를 산출하는 단계;
전산유체역학 분석부가 상기 분석 대상 지역에 유입되는 바람의 유입 조건을 설정하고, 전산유체역학 모델(CFD)을 통해 상기 분석 대상 지역의 바람 유입 방향에 따른 풍속 변화율을 산출하는 단계;
풍속 변화율 분석부가 상기 산출된 도시 형태 매개 변수와 상기 풍속 변화율을 기초로 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하여 풍속 추정 계수를 산출하는 단계; 및
풍속 산출부가 상기 산출된 풍속 추정 계수를 상기 분석 대상 지역에 적용하여 상기 분석 대상 지역 공간의 풍속을 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.calculating, by a parameter calculation unit, information on buildings included in the analysis target area, and city shape parameters of the analysis target area;
setting an inflow condition of the wind flowing into the analysis target region by a computational fluid dynamics analysis unit, and calculating a wind speed change rate according to the wind inflow direction of the analysis target region through a computational fluid dynamics model (CFD);
calculating, by a wind speed change rate analysis unit, a multiple regression analysis of the correlation between the wind speed change rate and the urban form parameter based on the calculated urban shape parameter and the wind speed change rate, to calculate a wind speed estimation coefficient; and
and calculating, by a wind speed calculation unit, the wind speed estimation coefficient in the analysis target area by applying the calculated wind speed estimation coefficient to the analysis target area space. 제13항에 있어서, 상기 도시 형태 매개 변수를 산출하는 단계는
상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 도시 형태 매개 변수를 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.14. The method of claim 13, wherein calculating the city shape parameter comprises:
An urban wind speed analysis method using inflow wind speed and urban shape parameters, comprising partitioning the analysis target area into a grid and calculating urban shape parameters for each wind direction from grids within a preset distance radius based on a specific point . 제14항에 있어서, 상기 도시 형태 매개 변수를 산출하는 단계는
각 격자에 대해 풍향별로 건물 부피비, 건물 수평 면적비 및 건물 평균 높이를 도시 형태 매개 변수로 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.15. The method of claim 14, wherein calculating the city shape parameter comprises:
An urban wind speed analysis method using inflow wind speed and urban shape parameters, comprising calculating the building volume ratio, building horizontal area ratio, and building average height as urban shape parameters for each wind direction for each grid. 제14항에 있어서, 상기 도시 형태 매개 변수를 산출하는 단계는
각 격자에 대해 32개 방위 풍향별로 상기 도시 형태 매개 변수를 산출하되, 상기 32개 방위는 하기 수학식 1에 의해 결정되는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.
[수학식 1]
θi = (i-1) ×11.25°, i = 1, 2, 3,…, 32
여기에서, θi는 방위 각도, i는 방위 인덱스(directional index)15. The method of claim 14, wherein calculating the city shape parameter comprises:
The urban wind speed analysis method using the inflow wind speed and urban shape parameters determined by Equation 1 below in which the city shape parameters are calculated for each grid for each of the 32 azimuth wind directions.
[Equation 1]
θi = (i-1) × 11.25°, i = 1, 2, 3,… , 32
Here, θi is an azimuth angle, and i is a directional index. 제1항에 있어서, 상기 풍속 변화율을 산출하는 단계는
상기 분석 대상 지역을 격자로 구획하고, 특정 지점을 기준으로 기 설정된 거리 반경 이내의 격자들에서 풍향별 풍속 변화율을 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.The method of claim 1, wherein calculating the wind speed change rate comprises:
and dividing the analysis target area into a grid and calculating a wind speed change rate for each wind direction from grids within a predetermined distance radius based on a specific point. 제17항에 있어서, 상기 풍속 변화율을 산출하는 단계는
각 격자에 대해 32개 방위 풍향별로 상기 풍속 변화율을 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.The method of claim 17, wherein calculating the wind speed change rate comprises:
An urban wind speed analysis method using inflow wind speed and city shape parameters, comprising calculating the wind speed change rate for each of the 32 azimuth wind directions for each grid. 제13항에 있어서, 상기 풍속 추정 계수를 산출하는 단계는
하기의 수학식 2를 이용하여 상기 풍속 변화율과 상기 도시 형태 매개 변수 사이의 연관성을 다중회귀분석하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.
[수학식 2]
Bi = α0,i + α1,i A1,i + α2,i A2,i (i = 1, 2, 3,…, 32)
여기에서, i는 방위 인덱스(directional index), Bi는 풍속 변화율, A1,i와 A2,i는 각각 S1 영역과 S2 영역에서의 도시 형태 매개 변수(건물 부피비, 건물 수평 면적비 또는 건물 평균 높이)를 나타낸다. α0,i는 상수(constant), α1,i, α2,i는 회귀 계수(regression constants)The method of claim 13, wherein calculating the wind speed estimation coefficient comprises:
An urban wind speed analysis method using an inflow wind speed and an urban shape parameter, comprising the step of performing multiple regression analysis of a correlation between the wind speed change rate and the urban shape parameter using Equation 2 below.
[Equation 2]
B i = α 0,i + α 1,i A 1,i + α 2,i A 2,i (i = 1, 2, 3,…, 32)
Here, i is the directional index, B i is the rate of change of wind speed, and A 1,i and A 2,i are the urban shape parameters (building volume ratio, building horizontal area ratio, or building average) in the S1 and S2 areas, respectively. height) is indicated. α 0,i is constant, α 1,i, α 2,i are regression constants 제19항에 있어서, 상기 풍속 추정 계수를 산출하는 단계는
산출된 상수 값, 회귀계수 값과 도시 형태 매개 변수 값을 상기 수학식 2에 적용하여 해당 도시 형태 매개 변수에 대한 풍속 추정 계수를 산출하는 단계를 포함하는 유입 풍속과 도시 형태 매개 변수를 이용한 도시 풍속 분석 방법.
The method of claim 19, wherein calculating the wind speed estimation coefficient comprises:
Urban wind speed using inflow wind speed and city shape parameter, comprising calculating a wind speed estimation coefficient for the corresponding city shape parameter by applying the calculated constant value, regression coefficient value, and city shape parameter value to Equation 2 analysis method.
KR1020210002461A 2021-01-08 2021-01-08 Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same KR102537488B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210002461A KR102537488B1 (en) 2021-01-08 2021-01-08 Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210002461A KR102537488B1 (en) 2021-01-08 2021-01-08 Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same

Publications (2)

Publication Number Publication Date
KR20220100751A true KR20220100751A (en) 2022-07-18
KR102537488B1 KR102537488B1 (en) 2023-05-30

Family

ID=82700876

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210002461A KR102537488B1 (en) 2021-01-08 2021-01-08 Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same

Country Status (1)

Country Link
KR (1) KR102537488B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115146564A (en) * 2022-08-02 2022-10-04 上海市气候中心(上海区域气候中心) Urban ground wind speed refined simulation method based on vertical hierarchical downscaling technology

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008108147A (en) * 2006-10-26 2008-05-08 Riam-Compact Co Ltd Fluid analysis support system and program
KR20100088755A (en) * 2009-02-02 2010-08-11 팅크웨어(주) Apparatus and method for providing information using shape of structure
KR20120078685A (en) 2012-05-29 2012-07-10 쎄딕(주) Method for automatic analysis of wind field by computational fluid dynamics
KR101396395B1 (en) * 2013-02-22 2014-05-19 경북대학교 산학협력단 Apparatus and method for calculating design wind speed using regression analysis
KR20170033711A (en) * 2015-09-17 2017-03-27 한국외국어대학교 연구산학협력단 Urban Climate Impact Assessment method of Reflecting Urban Planning Scenarios and Analysis System using the same

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008108147A (en) * 2006-10-26 2008-05-08 Riam-Compact Co Ltd Fluid analysis support system and program
KR20100088755A (en) * 2009-02-02 2010-08-11 팅크웨어(주) Apparatus and method for providing information using shape of structure
KR20120078685A (en) 2012-05-29 2012-07-10 쎄딕(주) Method for automatic analysis of wind field by computational fluid dynamics
KR101396395B1 (en) * 2013-02-22 2014-05-19 경북대학교 산학협력단 Apparatus and method for calculating design wind speed using regression analysis
KR20170033711A (en) * 2015-09-17 2017-03-27 한국외국어대학교 연구산학협력단 Urban Climate Impact Assessment method of Reflecting Urban Planning Scenarios and Analysis System using the same

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115146564A (en) * 2022-08-02 2022-10-04 上海市气候中心(上海区域气候中心) Urban ground wind speed refined simulation method based on vertical hierarchical downscaling technology

Also Published As

Publication number Publication date
KR102537488B1 (en) 2023-05-30

Similar Documents

Publication Publication Date Title
US11168667B2 (en) Method and device for calculating power generation of wind farm
Lee et al. Evaluation of wind-driven natural ventilation of single-span greenhouses built on reclaimed coastal land
Liu et al. LES study on the turbulent flow fields over complex terrain covered by vegetation canopy
Qian et al. Numerical study of wind turbine wakes over escarpments by a modified delayed detached eddy simulation
Han et al. Multiscale simulation of wind field on a long-span bridge site in mountainous area
CN107704641A (en) Fine simulation of wind method based on outdoor scene vegetation spatial distribution roughness
El Kasmi et al. Turbulence modeling of atmospheric boundary layer flow over complex terrain: a comparison of models at wind tunnel and full scale
CN111767597A (en) City model verification method, device, equipment and storage medium
Han et al. Large eddy simulation for atmospheric boundary layer flow over flat and complex terrains
Kaseb et al. Towards CFD-based optimization of urban wind conditions: Comparison of Genetic algorithm, Particle Swarm Optimization, and a hybrid algorithm
Dalpé et al. Numerical simulation of wind flow near a forest edge
Hu et al. Wind field characteristics over hilly and complex terrain in turbulent boundary layers
CN110990926B (en) Urban surface building hydrodynamic simulation method based on area correction rate
Kim et al. Development of a system for evaluating the flow field around a massive stadium: Combining a microclimate model and a CFD model
Ying et al. Numerical research of layout effect on wind environment around high-rise buildings
KR102537488B1 (en) Wind speed analyzing system in urban area based on inflow wind speed and morphological parameters, and wind speed analyzing method using the same
Ji et al. An inflow turbulence generation method for large eddy simulation and its application on a standard high-rise building
Derickson et al. Development of a powerful hybrid tool for evaluating wind power in complex terrain: atmospheric numerical models and wind tunnels
da Silva et al. Wind power generation prediction in a complex site by comparing different numerical tools
Yang et al. A refined model of a typhoon near-surface wind field based on CFD
KR102392067B1 (en) 3-dimensihonal wind flow analyzing system by stages of development in step-up street canyons using commutational fluid dynamics, and analyzing method using the same
Singh et al. Numerical generation of inflow turbulence by cell perturbation technique in WRF simulation
Araújo et al. An approach to simulate wind fields around an urban environment for wind energy application
CN107273334B (en) Method for analyzing three-component wind speed of boundary layer of mobile typhoon
Gayev et al. Flow and Transport Processes with Complex Obstructions: Applications to Cities, Vegetative Canopies and Industry

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant