• Spatial Information Research
• /
• 제17권3호
• /
• pp.341-350
• /
• 2009

전 세계적인 지구온난화로 인해 태풍의 강도와 규모가 커지고 있고 이로 인한 사회경제적인 피해가 갈수록 증가하고 있는 상황에서 사전에 침수예상지역 및 예상피해규모를 파악하고, 대비하는 일은 아주 중요하다. 이 논문에서는 2003년 부산과 경남지역 연안을 강타한 태풍 Maemi(매미)의 이동경로에 태풍 매미를 비롯하여 Vera(베라)(일본 이세만, 1959), Durian(두리안)(필리핀, 2006) 그리고 2005년 미국을 강타한 허리케인 Katrina(카트리나)의 특성을 갖는 슈퍼태풍의 내습을 가정하여 해운대 해수욕장 인근 도심지역의 침수피해규모를 추정하였다. 태풍별 해수면 상승고는 기존 연구자들의 수치모델링 결과를 토대로 육상표고와 해저수심의 서로 다른 기준면을 통일시킨 후 계산하였고, 항공 LiDAR 자료를 기반으로 GIS 공간분석기술을 이용하여 침수고, 침수면적 및 건물피해액을 추정하였다. 태풍의 강도와 규모가 점점 커지고 있고, 우리나라에도 근년에 Katrina(카트리나)급의 슈퍼태풍이 내습할 가능성이 클 것으로 예상되는 상황에서, 이 연구결과는 연안 도심지역에 대한 해안침수예상도와 범람피난지도를 제작하는데 활용될 수 있을 것으로 기대된다.

• 한국건설관리학회논문집
• /
• 제23권3호
• /
• pp.45-55
• /
• 2022

BIM의 도입에 따라 공간이 개별 객체로 인식되면서 객체화된 공간의 속성정보는 법규검토, 에너지 분석, 피난 경로 분석 등을 위한 기반 데이터로 사용 가능하기에 BIM의 활용성을 넓힐 수 있는 발판을 마련하였다. 그러나 BIM 모델 내 개별 공간 속성의 오기입이나 누락이 없는 시멘틱 무결성(semantic integrity)이 보장되어야 하는데, 다수의 참여자에 의한 수작업으로 진행되는 BIM 모델링 과정 특성 상 설계 오류가 빈번히 발생한다는 문제점이 존재한다. 이를 해결하기 위해 BIM 모델의 공간 정합성 검증을 위한 연구가 다수 진행되었으나, 적용 범위가 한정적이거나 분류 정확도가 낮은 한계점이 존재하였다. 본 연구에서는 공간의 기하정보 뿐 아니라 BIM 모델 내 공간과 부재 간 연결 관계를 Graph Convolutional Networks (GCN) 학습과정에 활용하여 향상된 성능의 공간 자동 분류모델을 구축하고자 하였다. 구축된 GCN 기반 모델의 성능을 공간의 기하정보만으로 학습된 기계학습 모델인 Multi-Layer Perceptron (MLP)과 비교하여 공간 분류 시 연결 관계 적용의 효용성을 검증하고자 하였다. 이를 통해 관계정보 활용 시 약 8% 내외 수준으로 공간 분류 성능이 향상되는 것으로 확인되었다.