건축도시공간연구소

Architecture & Urban Research Institute

pdf원문보기 에러 해결방법 바로가기



문헌홈 > 연구논문 > 상세

[원문보기시 소비되는 포인트 : 100 포인트] 미리보기 인용

한국건축시공학회|논문집 2021년 12월

논문명 건축물 안전등급 산출을 위한 외관 조사 상태 평가 데이터 기반 DNN 모델 구축 / Development of a Building Safety Grade Calculation DNN Model based on Exterior Inspection Status Evaluation Data
저자명 이재민 ; 김상용 ; 김승호
발행사 한국건축시공학회
수록사항 한국건축시공학회 논문집, Vol.21 No.6 (2021-12)
페이지 시작페이지(665) 총페이지(12)
ISSN 15982033
주제분류 시공(적산)
주제어 안전 등급; 3D 점군 데이터; 역설계; 깊은 학습; 깊은 신경망 ; safety grade; 3D point cloud; reverse engineering; deep-learning; deep-neural network
요약1 노후 건축물의 수가 증가함에 따라, 건물의 안전진단, 유지 보수에 대한 중요성이 증가하고 있다. 기존 외관 조사는 점검자의 주관적인 판단이 수반되어 평가 결과가 다르고 객관성과 신뢰성이 떨어진다. 따라서 본 연구는 기존 연구를 통해 기실시된 외관 조사 및 상태 평가 프로세스의 한계를 제시하였으며, UAV, Laser Scanner를 통해 3D Point Cloud 데이터를 수집하였다. 또한, Reverse Engineering 기술을 이용하여 3D 모델을 생성한 후 객관적인 상태평가 데이터를 취득하였다. 이후 기존의 정밀검사 데이터와 정밀 안전진단 데이터를 활용하여 DNN 구조를 생성하고, 고정밀도 측정 장치를 이용하여 얻은 상태평가 데이터를 적용하여 객관적인 건물안전등급을 산출하였다. 자동화된 프로세스는 20개의 노후된 건축물에 적용되며동일 면적 건축물 기준 수작업으로 실시되는 안전진단의 시간에 비해 약 50% 감소하였다. 이후 본 연구에서는 안전등급 결과값과 기존값을 비교하여 안전등급 산출과정의 정확성을 검증하고 약 90%의 높은 정확도를 가진 DNN을 구축하였다. 이는 향후 노후 건물의 안전등급 산정의 신뢰성이 향상되고 비용과 시간을 절약해 경제성이 향상될 것으로 기대된다.
요약2 As the number of deteriorated buildings increases, the importance of safety diagnosis and maintenanceof buildings has been rising. Existing visual investigations and building safety diagnosis objectivity andreliability are poor due to their reliance on the subjective judgment of the examiner. Therefore, thisstudy presented the limitations of the previously conducted appearance investigation and proposed3D Point Cloud data to increase the accuracy of existing detailed inspection data. In addition, this studyconducted a calculation of an objective building safety grade using a Deep-Neural Network(DNN)structure. The DNN structure is generated using the existing detailed inspection data and precise safetydiagnosis data, and the safety grade is calculated after applying the state evaluation data obtainedusing a 3D Point Cloud model. This proposed process was applied to 10 deteriorated buildings throughthe case study, and achieved a time reduction of about 50% compared to a conventional manual safetydiagnosis based on the same building area. Subsequently, in this study, the accuracy of the safety gradecalculation process was verified by comparing the safety grade result value with the existing value, anda DNN with a high accuracy of about 90% was constructed. This is expected to improve economicfeasibility in the future by increasing the reliability of calculated safety ratings of old buildings, savingmoney and time compared to existing technologies.
소장처 한국건축시공학회
언어 한국어
DOI https://doi.org/10.5345/JKIBC.2021.21.6.665