1. 서론
1.2 연구의 범위 및 방법
2. 선행연구 고찰
2.1 기존 2D CAD 도면 주석 간섭 조정 자동화
2.2 BIM 도면 주석 간섭 조정 자동화
3. 데이터 분석
3.1 BIM 도면 데이터 분석
3.2 데이터 유형
3.3 데이터 특성
3.4 데이터 분류
3.5 데이터 인식 기준
3.6 데이터 연결 관계
4. 데이터 추출
4.1 데이터 추출
5. 데이터 전처리
5.1 데이터 좌표 정의 및 객체별 ID 할당
5.2 데이터 유형 분류
5.3 주석객체 및 해당 주석과 연관된 부위객체 연결 정의
6. 인공지능 모델
6.1 알고리즘 적용 프로세스
6.2 관련 알고리즘 분석
6.3 유전자 알고리즘
6.4 목적함수 적용 시 고려사항
6.5 알고리즘 실험 및 실험 결과
7. 향후 연구 진행 방향 및 결론
7.1 유전자 알고리즘 기반 BIM 도면 주석 배치 최적화
7.2 향후 연구
1. 서론
1.1 연구의 배경 및 목적
Ministry of Land, Infrastructure, and Transport (2021)의 BIM기반 건설산업 디지털 전환 로드맵에 따르면, 현재 국내 건설산업의 생산성은 20년째 정체되어 있으며 디지털화 또한 6%로 타 산업대비 최하위 수준에 머무르고 있다고 분석하였다. 이에 국토교통부는 BIM을 적용함으로써 얻는 기대효과로 설계·시공 단계에서 반복작업 최소화를 통해 생산성을 개선할 수 있음을 명시하였다. 이후 Ministry of Land, Infrastructure, and Transport (2022)는 국내 BIM 활성화를 위하여 스마트건설 활성화 방안을 통해 공공공사 중심의 건설 전 과정 BIM 단계별 도입 의무화를 발표하고, 건설산업 BIM 시행지침을 제정하였다. 또한, 설계도서/시공상세도를 BIM으로 작성하여 납품할 수 있도록 관련 기준을 개정한다고 발표하였다.
BIM은 3D 모델에 객체 관련 정보를 포함함으로써 시설물의 물리적, 기능적 특성을 디지털로 표현한 개념이다. 하지만, BIM 내 3D 모델만으로 이해관계자와 소통하는 것은 제약이 있기 때문에 BIM 모델 기반 2D 도면 및 주석 요소가 필요하다. 2D 도면을 추출하기 위해 3D BIM 모델에서 2D 뷰를 생성할 경우, 2D 뷰에 객체의 형상만 나타나기 때문에 추가적으로 주석 객체(태그, 치수, 기호 등)를 생성하여야 한다. 다만, BIM 주석의 작성, 조정에 소요되는 작업이 도면 생성 시 전체 작업의 약 34%를 차지함(Park, 2023)에 따라 주석을 자동으로 생성하고 조정할 수 있는 기능을 통해 추가적인 생산성 확보가 필요하다.
BIM에서 주석 객체는 BIM 소프트웨어에서 제공하는 기본 기능 및 실무에서 사용하는 라이브러리 또는 애드인을 활용하여 특정 규칙에 따라 자동 생성할 수 있다. 그러나 규칙 기반으로 자동 생성된 주석 객체는 도면 유형에 따라 간섭이 발생하는 한계가 있으며, 사용자가 수동으로 주석 객체를 조정하거나 재배치하여야 한다.
따라서, 본 연구에서는 규칙 기반으로 자동 생성된 주석 간 간섭을 유전자 알고리즘을 활용하여 자동으로 재배치할 수 있는 간섭 조정 기술을 개발함으로써 설계 단계에서의 반복작업을 최소화하여 건설 산업 생산성 확보에 기여하고자 한다.
1.2 연구의 범위 및 방법
본 연구는 중·소규모 주거시설 및 근린생활시설의 기본설계단계에서 건축, 구조 분야 도면 중 배치도, 평면도, 코어평면 상세도, 구조평면도를 연구 범위로 하였다.
Architecture & Urban Research Institute (2020)의 ‘건축서비스산업 동향과 이슈’에 따르면 10억 이상 500억 미만의 중규모 사업이 71%, 10억 미만의 소규모 사업이 14%로 전체 건축 서비스산업 중 중·소규모 사업이 약 85%를 차지하였다. 따라서 본 연구는 중·소규모 주거시설 및 근린생활시설을 연구 범위로 함으로써 중·소규모 주거시설 및 근린생활시설을 주로 수주하는 중견 이하의 건설사, 중·소규모 설계사의 BIM 진입장벽을 낮춰 BIM 활용 주체를 확대하고자 하였다.
또한, 인허가 시 설계 기준 및 조건 적합성을 판단함에 따라 객체 정보 표현을 위한 2D 도면 및 도면 주석 요소가 필요함에 따라 기본설계단계를 연구의 범위로 하였으며, 이 중 인허가 시 설계안 확정 후 설계 변경이 어려운 분야로 중요도가 높은 건축, 구조 분야에서 가장 많은 주석이 작성되는 평면 도면 유형을 대상으로 알고리즘을 테스트하였다.
이때, 본 연구는 다음과 같은 방법으로 알고리즘을 개발하고자 한다.
첫째, 도면 생성과 관련된 기존 연구 및 주석 간섭 조정 자동화와 관련된 기존 연구 조사를 실시하고 한계점을 도출한다.
둘째, BIM 도면 데이터 내에서 BIM 소프트웨어의 API (Application Programming Interface)를 통해 객체로부터 추출 가능한 데이터를 분석한다.
셋째, BIM 도면 데이터 내 객체 추출 가능한 데이터로부터 간섭 조정과 관련된 데이터에 대하여 정의한다.
넷째, BIM 도면 데이터에서 관련 데이터를 추출한다.
다섯째, 추출한 데이터를 알고리즘에서 전처리한다.
여섯째, 전처리한 데이터를 기반으로 알고리즘을 실행하여 주석의 최적 위치 좌표를 도출한다.
일곱째, 기존 주석 위치 좌표와 도출한 최적 위치 좌표를 시각화하여 비교하고, 간섭 면적이 얼마나 감소하였는지 알고리즘의 성능을 평가하며, 향후 후속연구에 대한 제안을 한다.
2. 선행연구 고찰
2.1 기존 2D CAD 도면 주석 간섭 조정 자동화
Zhao & Niu (2014), Ruy et al. (2009), Choi et al. (2004)는 각각 기계, 선체 조립, 철재 가공 도면의 주석 요소를 2D CAD 에서 생성 및 일부 조정하였다. 하지만, 규칙 기반으로 생성한 치수 중 간섭이 발생하는 치수는 사용자가 삭제 후 직접 재작성 해야하는 한계점이 존재하였다.
Hwang et al. (2016)은 해양플랜트 분야의 2D CAD 용접 도면에서 지시선 태그의 간섭을 조정할 수 있는 알고리즘에 관해 연구했다. CAD 에서 지시선 태그를 인식하기 위해 도면을 비트맵(Bitmap)으로 변환하고, 간섭 회피 목적 함수를 프로그래밍하였다.
Heo (2017)는 배관 설치 도면에서 이미지 형식으로 태그 겹침을 픽셀단위로 수식화한 후 겹친 태그를 조정하는 SmartISO 모듈을 개발하였다. 이는 CAD 기반의 도면에서 이루어졌다.
이 주석 간섭 조정 자동화 알고리즘의 경우 도면의 이미지를 기반으로 주석을 조정하는 방식이다. 이 알고리즘을 BIM에 적용하였을 경우, 불필요한 프로세스가 발생한다는 한계점을 가진다. 예를 들어 BIM 도면을 이미지로 변환한 후 각각의 주석 및 부위객체를 라벨링하여 이를 인식하는 과정을 거쳐 도면 학습 및 알고리즘 적용 후 다시 해당 이미지를 BIM 도면으로 변환하여야 하기 때문이다.
2.2 BIM 도면 주석 간섭 조정 자동화
Malysh (2020)는 Tekla Structure 뷰의 XML에서 가져올 수 있는 지시선 태그의 노드 좌표를 파악한 후 그리드 탐색 알고리즘을 활용하여 발생한 간섭의 겹침 면적이 0이 되도록 조정하는 알고리즘을 개발하였다. 하지만, 이는 단순 계단 단면도에서만 해당 알고리즘을 적용함에 따라 보다 복잡한 건축, 구조 도면에서 알고리즘의 효율성을 입증하지 못한다는 한계점이 존재했다.
Shin (2023)은 주석객체 간 간섭 발생 시 각 간섭마다 영역이 0이 되도록 주석 객체를 이동하는 규칙 기반 알고리즘을 설계하였다. 하지만 이는 전체 주석들을 고려하여 조정되는 것이 아니라 개별 간섭이 발생한 주석만을 인식하고 조정함에 따라 새로운 유형의 간섭이 발생하므로 사용자가 여러 번 간섭 조정을 시도해야 하는 한계점이 존재하였다.
결과적으로, BIM 도면에서 주석 간섭 조정 자동화 알고리즘을 개발한 연구에서는 개별 간섭만을 고려하여 새로운 간섭이 발생하거나 단순한 도면에서 알고리즘을 실증함에 따라 복잡한 건축, 구조 도면에서 알고리즘의 효용성이 떨어질 수 있다는 한계점이 존재하였다.
따라서, 본 연구에서는 BIM 저작도구에서 도면 내 존재하는 객체의 데이터를 활용하여 모든 주석들이 최적의 위치 좌표 값을 찾아 이동할 수 있게 하는 간섭 조정 알고리즘을 개발하고, 이를 2D 도면을 대상으로 실증하고자한다.
3. 데이터 분석
3.1 BIM 도면 데이터 분석
본 연구에서 데이터는 BIM 도면 데이터에서 도면 표현 요소를 대상으로 하였다. 이때, BIM 소프트웨어가 제공하는 API (Application Programming Interface)를 통해 도면 내 객체로부터 추출 가능한 데이터를 분석하였으며, 유형 데이터 및 위치 데이터, 형상(크기)데이터, 관계 데이터, 기타 속성 데이터 등을 BIM 도면 내 객체로부터 추출할 수 있었다. 본 연구에서는 해당 추출 가능 데이터 중 유형 데이터(ID 데이터, 카테고리 데이터)와 위치 데이터(좌표 데이터), 관계 데이터(주석객체의 경우 연관 부위객체 연결관계)를 간섭 조정에 활용할 수 있는 데이터로 판단하고 이에 따라 데이터를 분석하였다.
3.2 데이터 유형
BIM 도면 데이터의 도면 표현 요소(객체)는 Figure 1과 같이 부위객체와 주석객체로 나누어진다. 부위객체는 기둥, 보, 벽, 슬래브, 기초 등을 의미하며 주석객체는 치수 태그, 룸 태그, ID 심볼, 도면 참조 마커 등을 의미한다.
3.3 데이터 특성
BIM 저작도구 내 부위객체와 주석객체는 객체를 식별할 수 있는 고유 정보(Object Type)를 가진다. 또한, BIM 저작도구에서 제공하는 API를 통해 좌표 데이터를 반환할 수 있다. 그리고 부위객체는 주석객체가 별도로 존재하지 않아도 존재가 가능한 독립 데이터지만, 주석객체는 연관된 부위객체가 존재하여야 존재가 가능한 의존 데이터이다.
3.4 데이터 분류
본 연구에서는 도면 표현 요소인 부위객체 및 주석객체를 세분화하여 Table 1과 같이 1차적으로 객체 유형별 성격 및 도면 표현 목적에 따른 성격에 따라 구분하고, 2차적으로 간섭 조정에 필요한 성격에 따라 분류하였다. 이때, 1차 객체 분류는 BIM 데이터 내에서 유형 데이터(카테고리)에 따라 크게 ‘치수’, ‘지시선 포함 태그’, ‘지시선 미포함 태그’, ‘부위객체’로 세분화하였다. 이때, ‘지시선 포함’태그와 ‘지시선 미포함 태그’는 각각 ‘텍스트 태그(지시선 포함)’, ‘재료 태그(지시선 포함)’, ‘텍스트 태그(지시선 미포함)’, ‘ID 심볼(지시선 미포함)’, ‘레벨 태그(지시선 미포함)’, ‘참조도면마커(지시선 미포함)’으로 세분화하였다.
Table 1.
Data classification segmentation
2차 객체 분류의 경우 ‘치수’를 그리드를 참조하는 ‘외부치수’, 그 외 ‘일반 치수’로 분류하였으며, 외부치수의 경우 모든 부위객체와 주석객체의 바운더리 영역으로 정의하였다. 그리고 해당 세분화된 각각의 객체 유형들에 ‘치수’의 경우 ‘수직/수평 이동’과 같은 간섭 조정 시 이동 조건을 정의하였다.
3.5 데이터 인식 기준
앞서 분류된 데이터의 유형을 기반으로 각 객체 유형별 인식 가능한 위치 데이터를 분석하였다. 해당 위치 데이터 분석은 색상에 따라 각각의 의미를 세분화하여 객체별로 Figure 2, 3, 4, 5와 같이 표시하였다. 이때 파란색은 BIM 저작도구에서 기본적으로 제공하는 API를 활용하여 파악할 수 있는 위치 데이터를 의미하고 노란색은 BIM 저작도구에서 기본적으로 제공하는 API는 아니지만 낮은 부하로 우회하여 확보할 수 있는 위치 데이터, 주황색은 BIM 저작도구에서 기본적으로 제공하는 API는 아니지만 높은 부하로 우회하여 확보할 수 있는 위치 데이터, 빨강색은 확보 불가능한 위치 데이터를 의미한다.
이때, BIM 도면 데이터 내 도면 표현 요소는(부위객체 및 주석객체)는 ‘사각형’의 형태로 변환할 수 있음을 확인하였다. 이는 데이터 분석 시 분석된 객체들의 인식 가능한 ‘위치 데이터’를 기반으로 Revit API를 활용하여 도면 표현 요소의 간섭 검토 범위에 해당하는 바운딩 박스를 추출하는 과정을 통해 진행할 수 있다.
객체별 ‘위치 데이터’를 기반으로 간섭 검토 함수에서 계산되는 좌표 및 해당 좌표로 형성되는 바운딩 박스(활용 바운더리)는 Figure 6, 7, 8, 9와 같이 정의하였다.
3.6 데이터 연결 관계
본 연구에서는 주석객체와 해당 주석객체와 연관된 부위객체가 과도하게 멀어질 경우, 도면의 가독성을 저하시킨다고 판단하였다. 이에 간섭 조정 시 배치 위치를 알고리즘이 판단할 때 주석객체와 해당 주석객체와 연관된 부위객체의 거리를 고려할 필요성이 있다고 판단하였다. 이에 ‘3.3 데이터 특성’에 따라 주석객체는 연관된 부위객체가 존재하여야 존재가 가능한 의존 데이터이므로 주석객체일 때 부위객체의 ID 데이터를 추가적으로 API를 통해 파악할 수 있는지 분석하였다.
Figure 10은 객체 유형 중 ‘지시선 포함 태그’ 및 ‘지시선 미포함 태그’의 API를 분석한 방법이다. 태그 연관 부위객체는 해당 태그 내 API의 명칭 ‘GetTaggedLocalElementIds’를 통해 관련 부위객체의 ID를 확인할 수 있었다.
Figure 11은 ‘치수’의 API를 분석한 방법이다. 치수 연관 부위객체는 해당 태그 내 API의 명칭 ‘ReferenceArray’를 통해 관련 부위객체의 ID를 확인할 수 있었다.
Figure 12는 ‘룸 태그’의 API를 분석한 방법이다. 룸 태그의 경우, 일반 태그와 달리 연관 부위객체를 확인하는 API가 상이한 것으로 분석되었다. 이는 해당 룸 태그 내 API의 명칭 ‘TaggedLocalRoomId’를 통해 관련 부위객체의 ID를 확인할 수 있었다.
4. 데이터 추출
4.1 데이터 추출
본 연구에서 데이터 추출은 ‘3.1 BIM 도면 데이터 분석’을 통해 간섭 판단에 필요하다고 정의한 유형 데이터(ID 데이터, 카테고리 데이터)와 위치 데이터(좌표 데이터), 관계 데이터(주석객체의 경우 연관 부위객체 연결관계)를 BIM 도면 데이터의 객체로부터 BIM 소프트웨어의 API를 통해 해당 데이터들을 추출하였다. 이때, 간섭 조정 알고리즘에 활용하기 위한 데이터가 적절하게 추출되는지 확인하기 위하여 Figure 13과 같이 BIM 소프트웨어 내 Add-in 형태로 개발하여 확인하였다.
5. 데이터 전처리
5.1 데이터 좌표 정의 및 객체별 ID 할당
본 연구에서는 알고리즘을 적용하기 전 데이터 전처리 과정을 진행하였다. ‘4.1 데이터 추출’에서 추출한 객체별 ID 데이터를 기반으로 객체별 ID를 할당하였으며, 이에 ‘3.5 데이터 인식 기준’에서 정의한 간섭 조정용 바운더리 활용 좌표 값을 기반으로 Figure 14와 같이 데이터를 전처리하였다.
5.2 데이터 유형 분류
본 연구에서는 알고리즘을 적용하기 전 데이터 전처리 과정을 진행하였다. 우선 데이터를 ‘3.4 데이터 분류’에서 간섭 조정 필요한 성격에 따라 구분한 객체 유형을 기반으로 알고리즘을 통해 전처리하였다(Figure 15). 이때, 시각화된 결과 그림은 데이터 전처리 설명을 돕기 위하여 ‘A1’과 같은 명칭으로 임시 변경하였다.
5.3 주석객체 및 해당 주석과 연관된 부위객체 연결 정의
앞서 ‘3.6 데이터 연결 관계’에서 분석한 주석객체 및 해당 주석객체와 연관된 부위객체에 대하여 분석하였다. 이때, 주석객체는 연관 부위객체와의 거리가 멀어질 경우 가독성이 낮아진다. 따라서 주석과 객체와의 거리를 최소화하는 함수 적용이 필요하다. 이에 본 연구에서는 Figure 16과 같이 주석객체와 연관된 부위객체에 대한 연결 데이터를 전처리하였다.
6. 인공지능 모델
6.1 알고리즘 적용 프로세스
본 연구에서 적용한 알고리즘 적용 프로세스는 Figure 17과 같다. 알고리즘은 ‘4.1 데이터 추출’에서 추출한 유형 데이터(ID 데이터, 카테고리 데이터)와 위치 데이터(좌표 데이터), 관계 데이터(주석객체의 경우 연관 부위객체 연결관계)를 기반으로 전처리된 데이터들을 간섭 조정한 후 도출된 최적 배치 좌표들을 기반으로 BIM 도면 데이터 내 객체별 고유 ID 값에 따라 변환 위치 값을 할당하는 프로세스를 가진다.
6.2 관련 알고리즘 분석
본 연구에서는 주석 간섭 조정 시 적용 가능한 알고리즘을 분석하고자 ‘배치’와 관련하여 알고리즘을 적용한 기존 연구를 Table 2와 같이 분석하였다.
Table 2.
Research on algorithm application about layout
| Researcher | Analysis method | Contents |
| Kim & Park (2022) |
Particle swarm optimization algorithm |
Develop an algorithm that applies rules randomly to each particle to place each facility and calculate the objective function to produce results. During this, compare the objective function of each particle to define the most optimally placed particle as the optimal solution and repeat calculations to obtain the optimal solution |
| Han (2001) |
Genetic algorithm |
Propose and implement an optimal space layout algorithm based on genetic algorithms to solve the equipment layout problem in spaces with interior walls and passageways |
| Cha (2020) | Genetic algorithm |
Implement an algorithm to find optimized vehicle loading data through a fitness function that means better genes the closer the distance |
| Chang (2022) | Genetic algorithm |
Develop an automatic placement model using genetic algorithms, combining the genetic algorithm with Pareto optimization methods to present a balanced alternative among conflicting individual requirements |
| Mangal et al. (2021) | Genetic algorithm |
Develop a reinforcement design without collisions by linking the 3D spatial information (e.g., orientation) of various RC members (such as beams and columns) in a BIM model to the rebar reinforcement design process and applying a two-stage genetic algorithm. |
분석 결과, ‘최적’ 배치와 관련한 알고리즘을 적용한 기존 연구에서는 주로 유전자 알고리즘을 활용하였으며, 이를 기반으로 본 연구에서는 유전자 알고리즘을 활용하여 주석 배치 최적화를 통해 간섭 조정 문제를 해결하고자 하였다.
6.3 유전자 알고리즘
본 연구에서는 이전 ‘6.2 관련 알고리즘 분석’의 결과에 따라 BIM 도면 주석 배치 최적화를 하기 위하여 유전자 알고리즘을 활용하였다. 유전자 알고리즘은 생물의 진화 과정을 모방한 진화 연산 중 하나로 최적화 문제를 해결하는 기법 중 하나이며, 해결하고자하는 문제를 자료구조로 표현한 다음 점차적으로 변형함으로써 점차 최적의 해를 찾는 탐색 알고리즘이다. Figure 18은 ‘6.1 알고리즘 적용 프로세스’를 기반으로 유전자 알고리즘 적용 프로세스를 도식화한 것이다.
이때, 해당 프로세스 중 ‘변이’ 코드에서는 ‘3.4 데이터 분류’에서 정의한 객체별 세부 이동 조건을 Figure 19와 같이 적용하였다.
또한, 모든 도면의 형태에 특정 매개변수의 값이 적용될 수 없기 때문에 도면 유형에 따라 최적의 매개변수가 도출되어 알고리즘이 구동될 수 있도록 Figure 20과 같이 베이지안 최적화 개념을 알고리즘 내 코드로 적용하였다.
6.4 목적함수 적용 시 고려사항
유전자 알고리즘은 목적함수를 기반으로 설정한 목적함수 계산 값에 따라 세대를 구성함으로써 최적의 해를 탐색할 수 있게 한다. 본 연구에서는 목적함수 계산 시 주석 간 간섭을 포함한 도면 표현 요소의 가독성을 저해하는 요소에 대하여 분석하였다. 목적함수 계산 시 고려해야하는 항목은 겹침 면적, 겹침 비율, 주석객체와 연관 부위객체와의 거리 및 겹침 개수인데 이를 최소화할 때 도면 표현 요소의 가독성을 확보한다고 판단하였다. 해당 항목의 구체적인 설명은 Table 3과 같다.
Table 3.
Considered factors in objective funtion calculation
본 연구에서는 알고리즘에서 계산하는 목적함수 계산 요소가 많아질수록 알고리즘의 성능이 떨어지는 문제를 해결하기 위해 Figure 21과 같이 겹침 면적과 주석객체와 연관 부위객체와의 거리만을 우선적으로 적용하여 알고리즘 성능을 효율화하고자 하였다.
이때, 주석객체와 연관 부위객체와의 거리는 Figure 22와 같이 중요한 지표이다. 주석객체가 연관된 부위객체와 거리가 멀어질 경우, 도면의 가독성에 영향을 미칠 뿐만 아니라 겹침 면적은 간섭 영역의 실제 크기를 정확하게 반영할 수 있기 때문이다. 물리적 공간 배치 및 자원 할당 문제에서 실질적인 영향을 미치는 주요 요소로 작용한다. 반면, 겹침 비율은 상대적인 수치로서, 크기가 작은 객체가 크기가 큰 객체에 의해 완전히 겹쳐질 경우에도 낮은 비율로 나타나 실제 충돌의 심각성을 과소평가하는 결과를 초래할 수 있고, 이는 최적화 과정에서 중요한 오류를 야기할 수 있다. 겹침 개수는 간섭된 객체의 수에 초점을 맞추지만, 이는 간섭의 실제 크기를 반영하지 못하는 중요한 단점을 가지고 있다. 예를 들어, 많은 수의 작은 충돌이 단 하나의 큰 충돌보다 우선시되는 상황이 발생할 수 있기 때문에 이는 실제 문제 해결 과정에서 비효율적일 수 있다. 따라서 본 연구에서는 겹침 면적, 주석 객체와 연관 부위객체 간 거리에 대해 알고리즘에 적용하였다.
6.5 알고리즘 실험 및 실험 결과
본 연구에서는 실험 단계별로 목적을 세분화하여 실험을 진행하였다. 이때 실험은 BIM으로 작성된 실제 중소규모 근린생활시설의 기본설계 도면에서 데이터를 추출하여 진행하으며, 실험 결과를 시각화했을 때 Figure 23과 같다.
또한, 실험 결과는 초기 사각형 배치의 목적함수 결과값 대비 조정 후 사각형 배치의 목적함수의 결과값에 대한 간섭 감소 비율을 비교하여 정량적으로 평가하였다. 이때, 실험 결과 계산다음 계산식과 같다(Formula (1)).
초기 사각형 배치의 목적함수 결과 값은 –20, 조정 후 사각형 배치의 목적함수 결과 값은 약 –0.926이었다. 이를 바탕으로 계산식을 적용한 결과 알고리즘 실행 후 약 95.37%의 간섭이 감소되었음을 알 수 있다. 해당 결과 값을 분석했을 때, 조정되지 않은 약 4.63%의 간섭은 건축물의 안쪽에 존재하는 일부 주석이 지정된 변이 범위로 인하여 조정될 수 없어 존재하는 간섭으로 분석하였다.
7. 향후 연구 진행 방향 및 결론
7.1 유전자 알고리즘 기반 BIM 도면 주석 배치 최적화
본 연구에서는 BIM 도면 생성 시 반복되는 주석의 작성, 조정 작업에 대응하기 위해 규칙 기반으로 자동 생성된 주석 간 간섭을 유전자 알고리즘을 활용하여 도면에 생성된 주석객체의 배치를 최적화함으로써 정체된 건설산업의 생산성을 향상시키고자 하였다.
이를 위하여 BIM 도면 데이터로부터 BIM 소프트웨어의 API를 활용하여 추출 가능한 데이터를 분석 및 추출하였으며, 해당 추출된 데이터를 기반으로 유전자 알고리즘을 통해 주석 객체의 최적 배치 위치 좌표를 도출하는 실험을 진행하였다.
실험 결과, 연구 범위인 기본설계단계 BIM 도면에서는 약 95.37%의 간섭이 감소하였으나, 주석의 개수 및 종류가 많을수록 목적함수를 계산하는 데 알고리즘 구동 시간이 크게 증가하는 한계점이 존재하였다. 이에 추가 연구를 통해 실시설계단계 도면에서의 알고리즘 성능 평가 및 추가적인 알고리즘 대안을 통한 비교 분석이 필요하다고 판단하였다.
7.2 향후 연구
향후 연구에서는 실시설계 단계 수준의 실험 대상 도면을 대상으로 하여 알고리즘의 성능을 평가하고 이를 기반으로 알고리즘을 개선하고자 한다. 또한 본 연구 주제에서 활용가능한 Figure 24와 같은 강화학습 알고리즘 적용 프로세스를 검토하고 개발하여 두 알고리즘 간 비교를 통해 BIM 도면 주석 배치 최적화에 적절한 알고리즘을 도출하여 적용할 계획이다.
