유비쿼터스 환경을 구축하기 위하여 우리나라에서는 IT 기반 신도시 건설의 프로젝트인 u-City 사업이 추진되고 있지만, u-City에서 제공해주는 u-service는 USN(Ubiquitous Sensor Network)기반으로 모니터링에 치중하여 공간분석에 관한 서비스가 부재하다. 특히 대규모 복합 건물이 증가로 실내공간에서의 활동시간이 늘어남에 따라 단순한 모니터링이 아닌 3차원 실내 공간분석이 필요하다. 따라서 위상학적 데이터 모델을 기반으로 하여 실내 공간에서의 연결성을 분석하였다. 실내공간에서는 실외공간과 달리 공간 객체간의 연결이 제한적이기 때문에 환경변화에 따라 연결성이 바뀔 수 있고, 이에 따라 공간분석 결과 또한 달라질 수 있다. 본 연구에서는 연결성을 변화시키는 긴급 상황의 대표적인 예로 화재가 발생하였을 경우 연결성을 분석하고, 연결성 변화를 통해 생성될 수 있는 고립지역을 탐색하는 알고리즘을 개발하였다. 개발한 알고리즘을 적용하여 분석 결과를 도출하기 위하여, 실내공간의3차원 구조뿐만 아니라, 고립지역을 가시화하는 시스템을 구현하였다.
유비쿼터스 환경을 구축하기 위하여 우리나라에서는 IT 기반 신도시 건설의 프로젝트인 u-City 사업이 추진되고 있지만, u-City에서 제공해주는 u-service는 USN(Ubiquitous Sensor Network)기반으로 모니터링에 치중하여 공간분석에 관한 서비스가 부재하다. 특히 대규모 복합 건물이 증가로 실내공간에서의 활동시간이 늘어남에 따라 단순한 모니터링이 아닌 3차원 실내 공간분석이 필요하다. 따라서 위상학적 데이터 모델을 기반으로 하여 실내 공간에서의 연결성을 분석하였다. 실내공간에서는 실외공간과 달리 공간 객체간의 연결이 제한적이기 때문에 환경변화에 따라 연결성이 바뀔 수 있고, 이에 따라 공간분석 결과 또한 달라질 수 있다. 본 연구에서는 연결성을 변화시키는 긴급 상황의 대표적인 예로 화재가 발생하였을 경우 연결성을 분석하고, 연결성 변화를 통해 생성될 수 있는 고립지역을 탐색하는 알고리즘을 개발하였다. 개발한 알고리즘을 적용하여 분석 결과를 도출하기 위하여, 실내공간의3차원 구조뿐만 아니라, 고립지역을 가시화하는 시스템을 구현하였다.
In Korea, u-City has been constructed as IT-based new city with introduction of the ubiquitous concept. However, most currently provided u-services are just monitoring services based on the USN(Ubiquitous Sensor Network) technology, so spatial analysis is insufficient. Especially, buildings have bee...
In Korea, u-City has been constructed as IT-based new city with introduction of the ubiquitous concept. However, most currently provided u-services are just monitoring services based on the USN(Ubiquitous Sensor Network) technology, so spatial analysis is insufficient. Especially, buildings have been rapidly constructed and expanded in multi-levels, and people spend a lot of time in indoor space, so indoor spatial analysis is necessary. Therefore, connectivity relationship in indoor space is analyzed using the topological data model. Topological relationships could be redefined due to the dynamic changes of environment in indoor space, and changes could have an effect on analysis results. In this paper, the algorithms of finding isolated zones is developed by analyzing connectivity relationship between space objects in built-environments after changes of environment in indoor space due to specific situation such as fire. And the system that visualizes isolated zones as well as three-dimensional data structure of indoor space is developed to get the analysis result by using the analysis algorithms.
In Korea, u-City has been constructed as IT-based new city with introduction of the ubiquitous concept. However, most currently provided u-services are just monitoring services based on the USN(Ubiquitous Sensor Network) technology, so spatial analysis is insufficient. Especially, buildings have been rapidly constructed and expanded in multi-levels, and people spend a lot of time in indoor space, so indoor spatial analysis is necessary. Therefore, connectivity relationship in indoor space is analyzed using the topological data model. Topological relationships could be redefined due to the dynamic changes of environment in indoor space, and changes could have an effect on analysis results. In this paper, the algorithms of finding isolated zones is developed by analyzing connectivity relationship between space objects in built-environments after changes of environment in indoor space due to specific situation such as fire. And the system that visualizes isolated zones as well as three-dimensional data structure of indoor space is developed to get the analysis result by using the analysis algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
실외공간에 대한 공간분석이 아닌 3차원 실내공간에서 공간의 관계성을 파악하는 연구로써 그 의의가 있다. 공간의 관계성은 인접성, 연결성, 포함성으로 분류되며, 실내공간에서 제공되는 서비스에 따라서 관계성을 분석하게 되는데, 본 연구는 인접성에 기반을 둔 근린 공간 탐색 연구에서 나아가 연결성과 관련된 공간질의 결과를 도출하였다.
그 결과 3차원 연결성 및 인접성 공간질의 결과 저장용량과 공간질의에 따른 응답시간에서 B-rep 기반 데이터 모델보다 2차원과 3차원 공간에서 모두 공간질의 측면에서 효율성이 높은 결과를 보여주었다. 따라서 본 연구에서는 3차원 공간객체간의 연결성을 표현하고 분석하기 위한 모델로써, 데이터 저장용량과 3차원 연결성질의 두 측면에서 효율성이 검증된 네트워크 기반 위상학적 모델을 사용하여 고립지역을 도출하는 연결성 분석을 수행함으로써 고립지역 탐색을 위한 연결성 분석의 효율적으로 가능하게 하였다.
본 연구는 실내공간에서 발생하는 공간질의 해결을 위한 공간 관계성을 분석함으로써 위치기반 서비스로 활용함을 그 목적으로 하고 있다. 따라서 실내공간에서 발생할 수 있는 긴급 상황에 대한 공간질의를 범위로 하여 연구를 수행하였다. 실내공간에서 발생할 수 있는 긴급 상황으로는 화재발생과 외부침입이 있으며, 이에 대한 대응서비스를 위해서 공간 관계성 분석을 통한 고립지역을 도출해냈다.
본 연구는 실내공간에서 발생하는 공간질의 해결을 위한 공간 관계성을 분석함으로써 위치기반 서비스로 활용함을 그 목적으로 하고 있다. 따라서 실내공간에서 발생할 수 있는 긴급 상황에 대한 공간질의를 범위로 하여 연구를 수행하였다.
본 연구에서는 3차원 실내공간의 공간의 연결성을 분석하여 고립지역을 탐색하는 알고리즘을 개발하였다. 연결성 분석에 효율적인 네트워크 기반 위상학적 데이터 모델로 건물의 실내 공간 데이터를 구축하고, 구축된 공간과 연결성의 네트워크 데이터를 이용하여 긴급 상황에 발생할 수있는 두 가지 공간 질의에 대한 기능을 구현하였다.
본 연구에서는 고립지역 탐색을 위한 연결성을 분석하는 알고리즘을 구현하기 위해서 공간객체를 나타내는 노드와 연결성을 나타내는 에지로 네트워크 데이터를 구축하였다. 구축하는 네트워크 데이터는 노드와 에지 데이터 들의 집합이며, 노드 데이터는 각 노드의 식별자와 3차원 x, y, z좌표로 정의되며, 에지 데이터는 식별자와 에지의 양끝노드 정보로 정의된다(그림 2).
본 연구에서는 실내공간에서 발생할 수 있는 공간질의에 대한 공간분석을 수행함으로써 공간의 연결성을 이해하고, 분석하여 위치기반 서비스로 활용하고자한다. 특히 화재발생이나 침입자발생 등의 긴급 상황에서 발생하는 고립지역 탐색의 공간질의에 관한 서비스 제공 활용을 위하여 3차원 위상학적 데이터 모델에 따른 실내공간의 위상학적 데이터를 구축하고, 고립지역을 탐색하기 위한 알고리즘을 구현 및 적용하여 공간질의 결과를 도출하였다.
본 연구에서는 위상관계에 따른 공간들간의 연결성을 분석하고, 연결이 되는 공간끼리 그룹화하여, 외부공간간의 연결성으로 그룹화된 공간의 고립화를 탐색한다. 이를 위하여, 3차원 실내공간을 네트워크 구조로 표현하고, 네트워크 구조로 표현된 공간과 관계성 데이터를 분리집합의 포리스트 데이터구조를 적용함으로써 효율적이고 간단하게 공간들 간의 연결성을 분석하였다.
그리고 개발된 네트워크 기반 위상학적 데이터 모델을 적용하여 근린 지역을 찾는 연구 방법이 제안되었다(이석호 등, 2010). 실외공간에 대한 공간분석이 아닌 3차원 실내공간에서 공간의 관계성을 파악하는 연구로써 그 의의가 있다. 공간의 관계성은 인접성, 연결성, 포함성으로 분류되며, 실내공간에서 제공되는 서비스에 따라서 관계성을 분석하게 되는데, 본 연구는 인접성에 기반을 둔 근린 공간 탐색 연구에서 나아가 연결성과 관련된 공간질의 결과를 도출하였다.
제안 방법
네트워크 데이터를 불러오면, 오른쪽 화면에 실내공간의 공간들과 관계성이 노드와 에지 그래픽으로 그려진다. 3차원 데이터를 2차원 평면에 표현하기 때문에 2층과 1층의 노드 크기를 달리하여 구분할 수 있도록 가시화하였다. 뷰어는 3절에서 제시한 화재발생과 침입자 발생시의 두 가지 공간질의 기능을 적용할 수 있게 설계하였다.
이를 위하여 ArcScene10에서제공하는 분석툴 중에서 폴리건 쉐이프 파일을 이용하여 포인트를 생성하는 툴을 이용하였다. 각 폴리건마다 폴리건을 대표하는 위치에 포인트가 생성되는데, 본 연구에서는 폴리건 중심(centroid) 위치에 포인트를 생성하였다. 생성된 포인트 중에서 복도는 3.
건물의 실내공간 데이터는 ArcScene10을 이용하여 생성하였으며, 생성된 데이터에 대한 알고리즘 및 뷰어는 JAVA 프로그램 언어를 사용하였다. 개발된 뷰어에서 OpenGL을 이용하여 실내공간을 네트워크 구조와 동시에 각 공간질의 결과를 가시화하였다.
화재발생으로 인한 고립지역 도출이라는 공간분석을 응용하여 건물 내 외부침입자 발생이라는 상황에서의 공간질의를 추가적으로 도출해냈다. 건물 내의 특정 공간에 침입자가 위치하였을 경우, 침입자가 외부공간으로 빠져나갈 수 없게 침입자가 속한 공간을 고립지역으로 만들기 위한 공간질의를 수행하였다. 이 때 고립지역은 건물 내에 위치한 비상문이 폐쇄됨으로써 연결성을 끊어져 생성되며, 결과적으로 침입자를 공간적으로 고립시키기 위한 개폐장치인 비상문들을 도출해냈다.
경로 압축은 해당 에지(edge)에 대한 부모에지를(edgeParent)를 한 단계 상위 에지(edgeGrand)를 가리킴으로써 트리의 높이를 방법으로 해결할 수 있다(그림 8). 경로 압축을 수행함과 동시에 에지는 부모 에지와 식별자는 비교하여 부모 에지의 식별자와 해당에지의 식별자가 같을 때까지 반복 수행함으로써, 최상위 에지를 도출하였다.
고립지역을 찾기 위해서 연결성 변화에 따라 서로 접근 가능한 공간 영역의 집합인 서브존(subzone)을 생성하고, 생성된 서브존들과 외부공간 간의 연결성을 판단하는 공간 연결성 분석 알고리즘을 구현하였다. 서브존이라는 공간 영역을 간의 분석을 위하여 분리 집합의 개념을 이용한 분리 집합(disjoint-set) 자료구조를 적용하였다.
실내공간에서 환경변화로 공간객체간의 연결성이 변화했을 때, 전체 실내공간은 연결성이 끊어진 공간객체로부터 하나 이상의 서브존(subzone)들로 나누어지게 되고, 나누어진 서브존 중에서 외부공간과 연결되지 않는 영역을 고립지역으로 정의하였다. 고립지역을 찾기 위해서 연결성 변화에 따라 서로 접근 가능한 공간 영역의 집합인 서브존을 생성하고, 건물 내의 서브존과 외부공간의 연결성을 판단하는 공간 연결성 분석 알고리즘을 구현하였다.
공간관계성을 분석하기 위하여 3차원 위상학적 데이터 모델에 따른 실내공간의 위상학적 데이터를 구축하였다. 본 연구에서 수행하는 고립지역 탐색을 위해서는 공간간의 연결성(Connectivity) 분석이 필요하기 때문에 위상관계의 인접성, 연결성, 포함성의 속성 중에서 연결성으로 공간 관계성을 정의하였다.
실내공간에서 발생할 수 있는 긴급 상황으로는 화재발생과 외부침입이 있으며, 이에 대한 대응서비스를 위해서 공간 관계성 분석을 통한 고립지역을 도출해냈다. 관계성 분석에 효율적인 실내공간의 위상학적 데이터를 선정 및 적용하여 구축하고, 고립지역을 탐색하기 위한 공간분석 알고리즘 구현 방안을 제시하고, 이를 적용하여 실내공간 관계성 분석을 수행하였다.
구현한 공간 질의 기능은 네트워크 연결성 뷰어 시스템을 구현함으로써 분석결과를 텍스트뿐 아니라 그래픽으로 가시화하였다. 또한 평면 그래프로 단순화된 실내공간을 기하학적으로 표현함으로써, 실세계 실내공간의 3차원 그래픽으로 나타내어 도출한 결과의 가시화했을 뿐만 아니라 실내공간의 속성정보를 확인할 수 있게 함으로써, 관계성 분석에 효율적이지만 기하학적 표현이 불가능한 네트워크 기반 구조의 한계점을 보완하였다.
특히 화재발생이나 침입자발생 등의 긴급 상황에서 발생하는 고립지역 탐색의 공간질의에 관한 서비스 제공 활용을 위하여 3차원 위상학적 데이터 모델에 따른 실내공간의 위상학적 데이터를 구축하고, 고립지역을 탐색하기 위한 알고리즘을 구현 및 적용하여 공간질의 결과를 도출하였다. 그리고 도출한 결과를 가시화하였다.
이로 인해 실내 공간 데이터는 처음 입력 데이터보다 줄어들고, 현재 존재하는 각 노드에 대해서 서브존 생성 알고리즘을 수행하면, 화재지점을 중심으로 한 개 이상의 서브존이 구성된다. 그리고각 출구가 속한 서브존의 대표 에지와 서브존과의 비교를 통해서 각 서브존에 연결된 출구를 찾고 출력하였다. 출구가 연결되지 않은 서브존의 경우에는 고립지역으로 판단하고, 해당 고립지역에 속하는 노드정보들을 저장하였다.
네트워크 기반으로 위상학적 데이터를 구축하였고, 구축한 노드와 에지 데이터로 서브존 생성 및 고립지역 탐색 알고리즘을 적용하여 실내공간에서 발생할 수 있는 긴급 상황 두가지의 공간질의를 실행할 수 있는 연결성 분석 시스템을 구현하였다. 시스템은 실제 긴급 상황 발생을 가정 하여 분석결과를 가시화하기 위한 뷰어로 개발하였다.
건물에 대한 평면도를 가지고, ESRI에서 제공하는 ArcGIS Desktop의 ArcScene10을 이용하여 네트워크 데이터를 구축하였다. 네트워크 데이터는 노드 생성과 에지 생성 두가지로 나누어 수행하였다.
연산은 결합하고자 하는 두 에지에 대하여 각 각 연결성 찾기 연산을 통하여 최상위 루트 에지를 찾고, 두 루트 에지가 같지 않을 때, 즉, 결합하고자 하는 에지가 서로 다른 트리에 속해 있을 때, 한 루트에지를 다른 루트 에지의 부모에지로 가리킴으로써 두트리를 결합한다. 두트리를 결합시에 두트리의 크기를 비교하여 크기가 작은 트리를 큰 트리의 하위트리로 구성함으로써 결합된 하나의 트리의 높이가 높아지는것을 방지하였다(그림 9).
구현한 공간 질의 기능은 네트워크 연결성 뷰어 시스템을 구현함으로써 분석결과를 텍스트뿐 아니라 그래픽으로 가시화하였다. 또한 평면 그래프로 단순화된 실내공간을 기하학적으로 표현함으로써, 실세계 실내공간의 3차원 그래픽으로 나타내어 도출한 결과의 가시화했을 뿐만 아니라 실내공간의 속성정보를 확인할 수 있게 함으로써, 관계성 분석에 효율적이지만 기하학적 표현이 불가능한 네트워크 기반 구조의 한계점을 보완하였다. 연결성 뷰어로 화재발생 지점 또는 외부 침입자 위치를 입력받아 연결성 분석을 수행하고, 그 결과를 확인하며, 도출된 고립지역 및 차단 비상문 결과를 3차원 기하학적으로 시각화함으로써, 실제 건물 내에서의 위치 및 형태 파악에 용이하게 하고, 실제적인 구조활동 등 긴급상황에 활용할 수 있겠다.
공간관계성을 분석하기 위하여 3차원 위상학적 데이터 모델에 따른 실내공간의 위상학적 데이터를 구축하였다. 본 연구에서 수행하는 고립지역 탐색을 위해서는 공간간의 연결성(Connectivity) 분석이 필요하기 때문에 위상관계의 인접성, 연결성, 포함성의 속성 중에서 연결성으로 공간 관계성을 정의하였다. 정의된 공간과 관계성의 위상학적 데이터는 실내공간의 연결성 관계를 정의하고, 공간분석에 효율적인 위상학적 데이터 모델을 적용하여 구축하였다.
실내공간에서 연결성 변화를 일으키는 긴급상황은 대표적으로 화재발생, 외부침입자 발생, 내부공사 등이 있을 수 있으며, 연결성 분석을 통해서 연구배경에서 제시한 각 상황에 따른 공간질의의 결과를 도출할 수 있다. 본 연구에서는 연결성 변화를 일으킬 수 있는 가장 대표적인 상황으로 건물 내 화재 발생을 적용하여 연결성 분석 알고리즘을 통한 공간질의 결과를 도출하였다. 실내공간에서 특정 공간에 화재가 발생하였을 때, 화재로 인해 외부공간으로 대피가 불가능한 실내 영역을 고립지역으로 정의하고, 이를 탐색하는 공간질의를 수행하였다.
본 연구의 두 가지 공간질의 결과는 실내공간 뷰어를 구현함으로써 가시화하였다. 건물의 실내공간 데이터는 ArcScene10을 이용하여 생성하였으며, 생성된 데이터에 대한 알고리즘 및 뷰어는 JAVA 프로그램 언어를 사용하였다.
서브존이라는 공간 영역을 간의 분석을 위하여 분리 집합의 개념을 이용한 분리 집합(disjoint-set) 자료구조를 적용하였다. 분리 집합 자료구조는 대표적으로 연결 리스트(Linkedlist)과 포리스트(Forest) 두 종류로 표현할 수 있고, 본 연구에서는 포리스트 트리 구조를 이용하여 연결성을 분석 하였다.
3차원 데이터를 2차원 평면에 표현하기 때문에 2층과 1층의 노드 크기를 달리하여 구분할 수 있도록 가시화하였다. 뷰어는 3절에서 제시한 화재발생과 침입자 발생시의 두 가지 공간질의 기능을 적용할 수 있게 설계하였다. 또한 추가적으로 ArcScene10에서 기하학적으로 가시화함으로써 결과를 정확하게 시각적으로 확인하고, 해당공간과 연결성에 대한 정보를 확인할 수 있다.
두 번째 연결성 결합 연산은 두 에지를 결합하는 연산으로, 동치 관계에 따라 각 에지가 속한 트리를 결합하는 연산이다. 서로 다른 세 원소 a, b, c에 대하여, a와 b가 동치관계이고, b와 c가 동치관계일 때, a와 c 또한 동치관계에 있다는 동치집합의 전이적 특성을 적용하여 연산을 수행하였다. 연산은 결합하고자 하는 두 에지에 대하여 각 각 연결성 찾기 연산을 통하여 최상위 루트 에지를 찾고, 두 루트 에지가 같지 않을 때, 즉, 결합하고자 하는 에지가 서로 다른 트리에 속해 있을 때, 한 루트에지를 다른 루트 에지의 부모에지로 가리킴으로써 두트리를 결합한다.
서브존 생성 및 고립지역 탐색 알고리즘을 적용하여 실내공간에서 발생할 수 있는 긴급 상황의 두 가지 공간질의 알고리즘은 제시하였다. 연구범위에서 언급하였듯이 화재발생에 따른 고립지역 탐색 기능과 침입자 고립을 위한 차단 비상문 탐색기능을 구현할 수 있다.
네트워크 기반으로 위상학적 데이터를 구축하였고, 구축한 노드와 에지 데이터로 서브존 생성 및 고립지역 탐색 알고리즘을 적용하여 실내공간에서 발생할 수 있는 긴급 상황 두가지의 공간질의를 실행할 수 있는 연결성 분석 시스템을 구현하였다. 시스템은 실제 긴급 상황 발생을 가정 하여 분석결과를 가시화하기 위한 뷰어로 개발하였다. 뷰어는Netbeans 6.
실내 공간을 표현 및 저장하는 위상학적 데이터 모델로 네트워크 기반 위상학적 데이터 모델을 정의하였다. 네트워크 기반 위상학적 데이터 모델은 Node-Relation Structure(NRS)를이용하여, 공간객체와 공간객체간의 관계성을 각각 노드와에 지로표현하였다.
따라서 실내공간에서 발생할 수 있는 긴급 상황에 대한 공간질의를 범위로 하여 연구를 수행하였다. 실내공간에서 발생할 수 있는 긴급 상황으로는 화재발생과 외부침입이 있으며, 이에 대한 대응서비스를 위해서 공간 관계성 분석을 통한 고립지역을 도출해냈다. 관계성 분석에 효율적인 실내공간의 위상학적 데이터를 선정 및 적용하여 구축하고, 고립지역을 탐색하기 위한 공간분석 알고리즘 구현 방안을 제시하고, 이를 적용하여 실내공간 관계성 분석을 수행하였다.
본 연구에서는 연결성 변화를 일으킬 수 있는 가장 대표적인 상황으로 건물 내 화재 발생을 적용하여 연결성 분석 알고리즘을 통한 공간질의 결과를 도출하였다. 실내공간에서 특정 공간에 화재가 발생하였을 때, 화재로 인해 외부공간으로 대피가 불가능한 실내 영역을 고립지역으로 정의하고, 이를 탐색하는 공간질의를 수행하였다. 고립지역 탐색은 건물 내부 공사로 인해 보행자가 이동할 수 없는 지점을 찾는 공간질의와 동일하게 적용될 수 있는 공간분석으로써 다양한 상황에 따른 결과가 될 수 있다.
서브존 생성 알고리즘에 대한 pseudo code는 그림 10과 같다. 실내공간의 노드와 에지 데이터를 소스자료로 제시한 두 연산을 호출하여 전체 실내공간을 이루는 연결성에 대한분석결과로서브존을도출하였다.
본 연구에서는 3차원 실내공간의 공간의 연결성을 분석하여 고립지역을 탐색하는 알고리즘을 개발하였다. 연결성 분석에 효율적인 네트워크 기반 위상학적 데이터 모델로 건물의 실내 공간 데이터를 구축하고, 구축된 공간과 연결성의 네트워크 데이터를 이용하여 긴급 상황에 발생할 수있는 두 가지 공간 질의에 대한 기능을 구현하였다. 연결성결합 연산과 연결성 찾기 연산을 바탕으로 서브존 생성 및 고립지역 탐색 알고리즘을 개발하여, 화재가 발생했을 때에 생성될 수 있는 고립지역을 탐색하는 공간 질의 기능을 구현하였고, 개발한 알고리즘을 응용하여 외부 침입자를 고립시키기 위해 차단시킬 비상문 리스트를 도출하는 공간질의 기능까지 구현하였다.
연결성 분석에 효율적인 네트워크 기반 위상학적 데이터 모델로 건물의 실내 공간 데이터를 구축하고, 구축된 공간과 연결성의 네트워크 데이터를 이용하여 긴급 상황에 발생할 수있는 두 가지 공간 질의에 대한 기능을 구현하였다. 연결성결합 연산과 연결성 찾기 연산을 바탕으로 서브존 생성 및 고립지역 탐색 알고리즘을 개발하여, 화재가 발생했을 때에 생성될 수 있는 고립지역을 탐색하는 공간 질의 기능을 구현하였고, 개발한 알고리즘을 응용하여 외부 침입자를 고립시키기 위해 차단시킬 비상문 리스트를 도출하는 공간질의 기능까지 구현하였다. 본 연구를 통해서 구현한 두 가지 공간 질의 기능뿐만 아니라 서브존 생성 및 고립지역 탐색 알고리즘을 응용하면, 실내공간의 공간분석과 관련된 다양한 분야에 활용하여 여러 분석툴을 개발할 수 있다.
위상학적 데이터 모델로 실내공간과 공간객체간의 관계성을 정의하고, 정의된 공간상에서의 고립지역을 도출하였다. 고립지역 도출을 위해서는 먼저 실내공간을 연결성에 따라 서브존(subzone)으로 분류해야한다.
건물을 구성하는 방, 복도, 계단, 엘리베이터의 3차원 공간객체들은 모두 밑면과 윗면의 footprint가 동일한 3차원 다각형이므로, 생성된 폴리건은 3차원 공간객체의 정사투영면에 해당하며, 각 폴리건을 점 데이터로 변환함으로써 0차원 노드 데이터를 구축할 수 있다. 이를 위하여 ArcScene10에서제공하는 분석툴 중에서 폴리건 쉐이프 파일을 이용하여 포인트를 생성하는 툴을 이용하였다. 각 폴리건마다 폴리건을 대표하는 위치에 포인트가 생성되는데, 본 연구에서는 폴리건 중심(centroid) 위치에 포인트를 생성하였다.
또한 고립지역이 아닌 지역에서는 연결된 출구를 알아냄으로써, 구조자가 인명구조를 위한 루트를 미리 계산하고, 효율적으로 인명구조를 할 수 있게 된다. 이를 위하여 화재 발생 시의 고립지역을 탐색하는 공간질의 기능을 구현하였다.
본 연구에서는 위상관계에 따른 공간들간의 연결성을 분석하고, 연결이 되는 공간끼리 그룹화하여, 외부공간간의 연결성으로 그룹화된 공간의 고립화를 탐색한다. 이를 위하여, 3차원 실내공간을 네트워크 구조로 표현하고, 네트워크 구조로 표현된 공간과 관계성 데이터를 분리집합의 포리스트 데이터구조를 적용함으로써 효율적이고 간단하게 공간들 간의 연결성을 분석하였다.
본 연구에서 수행하는 고립지역 탐색을 위해서는 공간간의 연결성(Connectivity) 분석이 필요하기 때문에 위상관계의 인접성, 연결성, 포함성의 속성 중에서 연결성으로 공간 관계성을 정의하였다. 정의된 공간과 관계성의 위상학적 데이터는 실내공간의 연결성 관계를 정의하고, 공간분석에 효율적인 위상학적 데이터 모델을 적용하여 구축하였다.
연결성 분석은 실내 공간을 이루는 공간들의 연결 관계에 따라서 전체 공간을 서브존(subzone)들로 구분하는 서브존 생성 알고리즘과, 구분된 서브존 중에서 실외 공간과 연결되지 못 하는 고립지역을 탐색하는 고립지역 탐색 알고리즘으로 나뉜다. 제시할 알고리즘은 3.2.1에서 정의한 노드와 에지의 분리집합 데이터 구조를 적용하였다.
각층의 복도를 나타내는 노드는 복도를 제외한 공간(방, 계단, 엘리베이터)과 복도의 중앙선이 수직으로 만나는 지점마다 생성하였다. 추가적으로 고립지역 탐색과 공간 고립을 위한 차단 비상문 도출 공간질의를 위해 비상개폐장치가 설치된 위치마다 노드를 생성하였다. 최종적으로 모든 포인트가 생성되면, 건물의 노드 속성에 4자리의 연속적인 숫자로 ID를 할당하고, 각 노드마다x, y, z 좌표값을 추가하고, 각 포인트가 대표하는 공간의 종류를 속성값으로 추가하면, 본 연구에서 필요한 노드데이터가구축된다.
먼저 첫 번째 연결성 찾기 연산은 해당 에지가 속하는 트리를 찾는 연산으로써, 포리스트 구조에서 각 트리는 최상위 루트원소가 대표하기 때문에, 해당 에지가 속한 트리의 루트 에지를 찾아 반환한다. 트리구조를 사용하는 연산의 속도향상을 위하여 트리의 경로 압축(Path compression)을 수행하였다. 트리의 높이가 높을수록 속도가 느려지는 것을 개선하기 위하여 연결성 찾기 연산이 호출될 때, 해당 에지에서 루트 에지까지의 높이를 낮추도록 재구성함으로써 연산 비용을 절감하였다.
트리구조를 사용하는 연산의 속도향상을 위하여 트리의 경로 압축(Path compression)을 수행하였다. 트리의 높이가 높을수록 속도가 느려지는 것을 개선하기 위하여 연결성 찾기 연산이 호출될 때, 해당 에지에서 루트 에지까지의 높이를 낮추도록 재구성함으로써 연산 비용을 절감하였다. 경로 압축은 해당 에지(edge)에 대한 부모에지를(edgeParent)를 한 단계 상위 에지(edgeGrand)를 가리킴으로써 트리의 높이를 방법으로 해결할 수 있다(그림 8).
본 연구에서는 실내공간에서 발생할 수 있는 공간질의에 대한 공간분석을 수행함으로써 공간의 연결성을 이해하고, 분석하여 위치기반 서비스로 활용하고자한다. 특히 화재발생이나 침입자발생 등의 긴급 상황에서 발생하는 고립지역 탐색의 공간질의에 관한 서비스 제공 활용을 위하여 3차원 위상학적 데이터 모델에 따른 실내공간의 위상학적 데이터를 구축하고, 고립지역을 탐색하기 위한 알고리즘을 구현 및 적용하여 공간질의 결과를 도출하였다. 그리고 도출한 결과를 가시화하였다.
정렬된 비상문은 침입자의 위치의 거리순으로 정렬되며, 시스템에서는 자동적으로 비상문을 순서대로 차단하여 서브존을 생성하였다. 하나의 비상문이 차단될 때마다 침입자가 위치한 서브존을 찾아 고립지역 여부를 판별하였다. 이 때 서브존과 고립지역에 대한 정보는 화재발생과 동일하게 왼쪽의 텍스트 박스에 출력됨을 확인할 수 있다.
고립지역 탐색은 건물 내부 공사로 인해 보행자가 이동할 수 없는 지점을 찾는 공간질의와 동일하게 적용될 수 있는 공간분석으로써 다양한 상황에 따른 결과가 될 수 있다. 화재발생으로 인한 고립지역 도출이라는 공간분석을 응용하여 건물 내 외부침입자 발생이라는 상황에서의 공간질의를 추가적으로 도출해냈다. 건물 내의 특정 공간에 침입자가 위치하였을 경우, 침입자가 외부공간으로 빠져나갈 수 없게 침입자가 속한 공간을 고립지역으로 만들기 위한 공간질의를 수행하였다.
대상 데이터
전체 7층 중에서 1층, 2층에 대한 데이터를 구축하였다. 건물에 대한 평면도를 가지고, ESRI에서 제공하는 ArcGIS Desktop의 ArcScene10을 이용하여 네트워크 데이터를 구축하였다. 네트워크 데이터는 노드 생성과 에지 생성 두가지로 나누어 수행하였다.
본 연구에서 분석할 건물로 서울시립대학교 21세기관을 사용하였다. 전체 7층 중에서 1층, 2층에 대한 데이터를 구축하였다.
건물내에서의 침입자의 위치와 폐쇄되는 비상문의 위치는 그림 19에서 확인할 수 있다. 본 예시에서는 1층에 3개, 2층에 1개, 총 4개의 비상문이 차단됨으로써 침입자를 고립시킬 수 있다.
그리고 도출된 고립지역에 대해서는 고립지역에 해당하는 공간 노드들을 그래픽으로 표시하여 준다. 본 예시에서는 총 3개의 서브존 중에서 1개의 서브존이 고립지역으로 나타났고, 고립지역은 3개의 방으로 이루어져있다. 그림 17에서 화재 발생 노드뿐만 아니라 3차원 기하학적 공간을 가시화함으로써 불연속적인 노드가 아닌 연속적인 영역으로 가시화됨을 확인할 수 있다.
이론/모형
NRS는위상공간을 이원공간으로 변환하기 위해서 Poincaré duality 법칙(Munkres, 1984)을 적용하여 이원성 그래프로 표현하였다.
본 연구의 두 가지 공간질의 결과는 실내공간 뷰어를 구현함으로써 가시화하였다. 건물의 실내공간 데이터는 ArcScene10을 이용하여 생성하였으며, 생성된 데이터에 대한 알고리즘 및 뷰어는 JAVA 프로그램 언어를 사용하였다. 개발된 뷰어에서 OpenGL을 이용하여 실내공간을 네트워크 구조와 동시에 각 공간질의 결과를 가시화하였다.
실내 공간을 표현 및 저장하는 위상학적 데이터 모델로 네트워크 기반 위상학적 데이터 모델을 정의하였다. 네트워크 기반 위상학적 데이터 모델은 Node-Relation Structure(NRS)를이용하여, 공간객체와 공간객체간의 관계성을 각각 노드와에 지로표현하였다. NRS는위상공간을 이원공간으로 변환하기 위해서 Poincaré duality 법칙(Munkres, 1984)을 적용하여 이원성 그래프로 표현하였다.
고립지역을 찾기 위해서 연결성 변화에 따라 서로 접근 가능한 공간 영역의 집합인 서브존(subzone)을 생성하고, 생성된 서브존들과 외부공간 간의 연결성을 판단하는 공간 연결성 분석 알고리즘을 구현하였다. 서브존이라는 공간 영역을 간의 분석을 위하여 분리 집합의 개념을 이용한 분리 집합(disjoint-set) 자료구조를 적용하였다. 분리 집합 자료구조는 대표적으로 연결 리스트(Linkedlist)과 포리스트(Forest) 두 종류로 표현할 수 있고, 본 연구에서는 포리스트 트리 구조를 이용하여 연결성을 분석 하였다.
성능/효과
근린 지역을 찾는 연구에서 네트워크 기반 데이터 모델을 적용하였지만, 공간객체의 위상학적 관계성 파악을 통한 실질적인 서비스를 제공하기에 앞서 네트워크 기반 데이터모델이 B-rep 기반데이터 모델보다 효율적이라는 가정에 대한 실제적인 검증 연구의 필요성이 제기됨에 따라 두 위상학적 모델간의 실제적인 공간질의 효율성을 비교 검증하는 연구가 수행되었다(이석호, 2011). 그 결과 3차원 연결성 및 인접성 공간질의 결과 저장용량과 공간질의에 따른 응답시간에서 B-rep 기반 데이터 모델보다 2차원과 3차원 공간에서 모두 공간질의 측면에서 효율성이 높은 결과를 보여주었다. 따라서 본 연구에서는 3차원 공간객체간의 연결성을 표현하고 분석하기 위한 모델로써, 데이터 저장용량과 3차원 연결성질의 두 측면에서 효율성이 검증된 네트워크 기반 위상학적 모델을 사용하여 고립지역을 도출하는 연결성 분석을 수행함으로써 고립지역 탐색을 위한 연결성 분석의 효율적으로 가능하게 하였다.
출구가 연결되지 않은 서브존의 경우에는 고립지역으로 판단하고, 해당 고립지역에 속하는 노드정보들을 저장하였다. 알고리즘 수행결과로써, 고립지역에 대한 노드 집합과, 고립지역이 아닌 서브존에 포함된 출구노드 집합이 도출된다.
알고리즘의 결과로 단일공간들이 하나이상의 서브존으로 실내공간이 구분되면, 구분된 서브존 중에서 실외 공간과 연결되지 못 하는 고립지역을 탐색하는 고립지역 탐색 알고리즘을 수행함으로써, 실내 공간 연결성 분석의 결과로 고립지역을 도출하였다. 각 서브존들과 외부공간과의 연결성을 찾는다.
후속연구
향후연구에서는 사용자에게 입력받은 화재발생 지점 및 외부침입자 위치를 모니터링 시스템과 연계하여 자동으로 입력받고, 동적 환경 변화를 적용한 분석을 추가하여 시스템을 보완하였다. 그리고 분석 결과를 좀 더 정확하고 자동적으로 구현하기 위해서 실내공간의 평면도로 위상학적 데이터를 자동 생성된 실내공간 위상관계 구조를 적용하면, 데이터 구축에 필요한 시간을 줄일 수 있을 뿐만 아니라 좀 더 정확한 결과를 도출해 낼 수 있다. 이러한 추가 연구가 수행된다면 실내공간의 분석 시스템으로 서비스화 될 수 있겠다.
뷰어는 3절에서 제시한 화재발생과 침입자 발생시의 두 가지 공간질의 기능을 적용할 수 있게 설계하였다. 또한 추가적으로 ArcScene10에서 기하학적으로 가시화함으로써 결과를 정확하게 시각적으로 확인하고, 해당공간과 연결성에 대한 정보를 확인할 수 있다.
연결성결합 연산과 연결성 찾기 연산을 바탕으로 서브존 생성 및 고립지역 탐색 알고리즘을 개발하여, 화재가 발생했을 때에 생성될 수 있는 고립지역을 탐색하는 공간 질의 기능을 구현하였고, 개발한 알고리즘을 응용하여 외부 침입자를 고립시키기 위해 차단시킬 비상문 리스트를 도출하는 공간질의 기능까지 구현하였다. 본 연구를 통해서 구현한 두 가지 공간 질의 기능뿐만 아니라 서브존 생성 및 고립지역 탐색 알고리즘을 응용하면, 실내공간의 공간분석과 관련된 다양한 분야에 활용하여 여러 분석툴을 개발할 수 있다. 건물 설계 시 방범창 및 비상문 등의 건물 구성요소 공간배치에 필요한 공간분석이나, 실내공간에서의 최단경로 등의 경로분석시 필요한 연결성 분석 서비스를 제공할 수 있다.
또한 평면 그래프로 단순화된 실내공간을 기하학적으로 표현함으로써, 실세계 실내공간의 3차원 그래픽으로 나타내어 도출한 결과의 가시화했을 뿐만 아니라 실내공간의 속성정보를 확인할 수 있게 함으로써, 관계성 분석에 효율적이지만 기하학적 표현이 불가능한 네트워크 기반 구조의 한계점을 보완하였다. 연결성 뷰어로 화재발생 지점 또는 외부 침입자 위치를 입력받아 연결성 분석을 수행하고, 그 결과를 확인하며, 도출된 고립지역 및 차단 비상문 결과를 3차원 기하학적으로 시각화함으로써, 실제 건물 내에서의 위치 및 형태 파악에 용이하게 하고, 실제적인 구조활동 등 긴급상황에 활용할 수 있겠다.
서브존 생성 및 고립지역 탐색 알고리즘을 적용하여 실내공간에서 발생할 수 있는 긴급 상황의 두 가지 공간질의 알고리즘은 제시하였다. 연구범위에서 언급하였듯이 화재발생에 따른 고립지역 탐색 기능과 침입자 고립을 위한 차단 비상문 탐색기능을 구현할 수 있다.
그리고 분석 결과를 좀 더 정확하고 자동적으로 구현하기 위해서 실내공간의 평면도로 위상학적 데이터를 자동 생성된 실내공간 위상관계 구조를 적용하면, 데이터 구축에 필요한 시간을 줄일 수 있을 뿐만 아니라 좀 더 정확한 결과를 도출해 낼 수 있다. 이러한 추가 연구가 수행된다면 실내공간의 분석 시스템으로 서비스화 될 수 있겠다.
향후연구에서는 사용자에게 입력받은 화재발생 지점 및 외부침입자 위치를 모니터링 시스템과 연계하여 자동으로 입력받고, 동적 환경 변화를 적용한 분석을 추가하여 시스템을 보완하였다. 그리고 분석 결과를 좀 더 정확하고 자동적으로 구현하기 위해서 실내공간의 평면도로 위상학적 데이터를 자동 생성된 실내공간 위상관계 구조를 적용하면, 데이터 구축에 필요한 시간을 줄일 수 있을 뿐만 아니라 좀 더 정확한 결과를 도출해 낼 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
u-service의 문제점을 해결하기 위해 무엇이 필요한가?
유비쿼터스 환경을 구축하기 위하여 우리나라에서는 IT 기반 신도시 건설의 프로젝트인 u-City 사업이 추진되고 있지만, u-City에서 제공해주는 u-service는 USN(Ubiquitous Sensor Network)기반으로 모니터링에 치중하여 공간분석에 관한 서비스가 부재하다. 특히 대규모 복합 건물이 증가로 실내공간에서의 활동시간이 늘어남에 따라 단순한 모니터링이 아닌 3차원 실내 공간분석이 필요하다. 따라서 위상학적 데이터 모델을 기반으로 하여 실내 공간에서의 연결성을 분석하였다.
유비쿼터스 환경 구축을 위해 우리나라에서 무엇이 추진되고 있는가?
유비쿼터스 환경을 구축하기 위하여 우리나라에서는 IT 기반 신도시 건설의 프로젝트인 u-City 사업이 추진되고 있지만, u-City에서 제공해주는 u-service는 USN(Ubiquitous Sensor Network)기반으로 모니터링에 치중하여 공간분석에 관한 서비스가 부재하다. 특히 대규모 복합 건물이 증가로 실내공간에서의 활동시간이 늘어남에 따라 단순한 모니터링이 아닌 3차원 실내 공간분석이 필요하다.
u-service의 단점은 무엇인가?
유비쿼터스 환경을 구축하기 위하여 우리나라에서는 IT 기반 신도시 건설의 프로젝트인 u-City 사업이 추진되고 있지만, u-City에서 제공해주는 u-service는 USN(Ubiquitous Sensor Network)기반으로 모니터링에 치중하여 공간분석에 관한 서비스가 부재하다. 특히 대규모 복합 건물이 증가로 실내공간에서의 활동시간이 늘어남에 따라 단순한 모니터링이 아닌 3차원 실내 공간분석이 필요하다.
참고문헌 (16)
이석호, 박세호, 이지영 (2010), 3차원 네트워크 기반 위상학적 데이터 모델을 이용한 3차원 인접성 공간질의, 한국공간정보학회지, 제 18권, 제 5호, pp. 93-105
이석호, 이지영 (2011), 3차원 공간 질의를 위한 위상학적 데이터 모델의 검증, 한국공간정보학회지, 제 19권, 제 1호, pp. 93-105
Becker, T., C. Nagel and T.H. Kolbe (2008), A multilayered space-event model for navigation in indoor spaces, In Jiyeong. Lee and Sisi Zlatanova, (eds.), 3D Geo-information Sciences, Springer-Verlag, Berlin, pp. 61-77.
Ellul C., Haklay M. (2006), Requirements for Topology in 3D GIS, Transactions in GIS, Vol. 10, No. 2, pp.157-175
Kruskal, J.B., (1956), On the Shortest Spanning Subtree of a Graph and the Traveling Salesman Problem, Proceedings of the American Mathematical Society, Vol. 7, No. 1, pp.48-50
Lee J. (2005), A combinatorial data model for representing topological relations among 3D geographical features in micro-spatial environments, International Journal of Geographical Information Science, Vol. 19, No. 10, pp.1039-1056
Lee, J. (2001), A 3D Data Model for Representing Topological Relationships Between Spatial Entities in Built-Environments, unpublished Ph.D.Dissertation, Department of Geography, The Ohio State University
Lee, J. (2004), A Spatial Access Oriented Implementation of a Topological Data Model for 3D Urban Entities, GeoInformatica, Vol. 8, No. 3, pp 235-262
Lee, J. and Kwan, M-P. (2005), A Combinatorial Data Model for Representing Topological Relations among 3D Geographic Features in Micro-spatial Environments. International Journal of Geographical Information Science, Vol. 19, No. 10, pp. 1039-1056.
Zlatanova, S. (2000), On 3D topological relationships, In: proceedings of the 11th International Workshop on Database ad Expert System Applications, Greenwich, London, UK, pp. 913-919.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.