BIM 기술은 기존 2D 기반 도면처리에서 나아가 3D 모델링을 통한 시설물의 전 생애주기에 발생하는 데이터를 포함한다. 이러한 특성상 하나의 건물은 그 데이터의 방대한 양으로 엄청난 크기의 파일을 생산한다. 대표 표준포맷인 IFC가 그 예로, 객체 기반의 형상정보 및 속성정보를 기반으로 상당한 데이터를 포함한 대용량 처리에 대한 이슈가 종종 발생하고 있다. 이는 렌더링 속도를 증가시키고, 그래픽 카드 용량을 많이 차지하기 때문에, 화면 가시화 측면에서 비효율적이다. 대용량 데이터의 경량화 문제는 프로그램의 프로세스와 품질 측면에서 필수적으로 해결되어야 한다. 본 연구는 국내 및 해외 연구사례에서 경량화에 관련된 다양한 시도를 확인하였다. 이를 기반으로 대용량 BIM 데이터를 효과적으로 컨트롤하고 가시화하기 위해, BIM 특성을 고려하여 최대한 활용할 수 있는 데이터의 경량화 기법을 제안하고 검증하였다. 이는 웹 기반 GIS 플랫폼 상에서 대용량 시설물 데이터를 운용하는데, 최적의 시설물 유형을 분석하고 객체 기반의 IFC 특성을 최대한 활용하여 사용자 측면에서 화면전환의 품질을 확보하고 프로세스 측면에서 효과적인 메모리 운영을 확인하였다.
BIM 기술은 기존 2D 기반 도면처리에서 나아가 3D 모델링을 통한 시설물의 전 생애주기에 발생하는 데이터를 포함한다. 이러한 특성상 하나의 건물은 그 데이터의 방대한 양으로 엄청난 크기의 파일을 생산한다. 대표 표준포맷인 IFC가 그 예로, 객체 기반의 형상정보 및 속성정보를 기반으로 상당한 데이터를 포함한 대용량 처리에 대한 이슈가 종종 발생하고 있다. 이는 렌더링 속도를 증가시키고, 그래픽 카드 용량을 많이 차지하기 때문에, 화면 가시화 측면에서 비효율적이다. 대용량 데이터의 경량화 문제는 프로그램의 프로세스와 품질 측면에서 필수적으로 해결되어야 한다. 본 연구는 국내 및 해외 연구사례에서 경량화에 관련된 다양한 시도를 확인하였다. 이를 기반으로 대용량 BIM 데이터를 효과적으로 컨트롤하고 가시화하기 위해, BIM 특성을 고려하여 최대한 활용할 수 있는 데이터의 경량화 기법을 제안하고 검증하였다. 이는 웹 기반 GIS 플랫폼 상에서 대용량 시설물 데이터를 운용하는데, 최적의 시설물 유형을 분석하고 객체 기반의 IFC 특성을 최대한 활용하여 사용자 측면에서 화면전환의 품질을 확보하고 프로세스 측면에서 효과적인 메모리 운영을 확인하였다.
BIM Technology contains data from the life cycle of facility through 3D modeling. For these, one building products the huge file because of massive data. One of them is IFC which is the standard format, and there are issues that large scale data processing based on geometry and property information ...
BIM Technology contains data from the life cycle of facility through 3D modeling. For these, one building products the huge file because of massive data. One of them is IFC which is the standard format, and there are issues that large scale data processing based on geometry and property information of object. It increases the rendering speed and constitutes the graphic card, so large scale data is inefficient for screen visualization to user. The light weighting of large scale BIM data has to solve for process and quality of program essentially. This paper has been searched and confirmed about light weight techniques from domestic and abroad researches. To control and visualize the large scale BIM data effectively, we proposed and verified the technique which is able to optimize the BIM character. For operating the large scale data of facility on web based GIS platform, the quality of screen switch from user phase and the effective memory operation were secured.
BIM Technology contains data from the life cycle of facility through 3D modeling. For these, one building products the huge file because of massive data. One of them is IFC which is the standard format, and there are issues that large scale data processing based on geometry and property information of object. It increases the rendering speed and constitutes the graphic card, so large scale data is inefficient for screen visualization to user. The light weighting of large scale BIM data has to solve for process and quality of program essentially. This paper has been searched and confirmed about light weight techniques from domestic and abroad researches. To control and visualize the large scale BIM data effectively, we proposed and verified the technique which is able to optimize the BIM character. For operating the large scale data of facility on web based GIS platform, the quality of screen switch from user phase and the effective memory operation were secured.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
GIS 플랫폼 상의 상당량의 시설물 데이터를 효율적으로 업로드하기 위하여 본 연구는 전 생애주기에서 발생하는 정보를 포함하는 IFC의 형상정보 데이터와 속성정보 데이터를 분리하여 운영하고자 하였다. 이를 위해 IFC의 형상정보를 GIS 데이터와의 호환을 위해 공간데이터 연계모델의 개념으로 플랫폼 자체 내부 포맷(G3D)을 개발하여 데이터베이스를 구축하였고, 그 과정에서 상기 IFC 파일에서 G3D로 변환하는 과정에서 용량이 증가하는 것을 확인하였다.
본 논문은 GIS 플랫폼 상의 대용량 BIM 형상정보를 효과적으로 가시화하기 위해 IFC 특성을 고려한 경량화 기법을 제안하고자 하였다. 한국건설기술연구원에서 개발 중인 BIM/GIS 플랫폼에 IFC 데이터 입력 시속성정보와 형상정보를 구분하여 데이터베이스를 구축한다.
BIM 모델링은 일반적으로 건물 혹은 시설물에 종속된 객체를 사전에 라이브러리 형태로 생성 및 저장하여 필요 시 저장된 라이브러리를 호출해 편리하게 사용할 수 있다. 본 연구는 객체 기반의 BIM 모델링 성격을 최대한 활용하고자 하였다. 우선 인공적으로 설계되는 건물 데이터의 특성상, 상당수의 객체가 각각의 고유한 형상정보를 갖지 않는다는 점에 착안하였다.
이와 관련하여 국내외 연구사례에서 다양한 대안을 찾고자 하는 시도를 확인하였다. 본 연구는 대용량 BIM 데이터를 효과적으로 컨트롤하고 가시화하기 위해, BIM 특성을 고려하여 최대한 활용할 수 있는 데이터의 경량화 기법을 제안하고 검증하였다.
본 연구는 한국건설기술연구원에서 진행 중인 “BIM/ GIS 기반 건설공간정보 융합기술 개발” 과제의 일환으로, 단일 건물의 실내공간을 다루는 BIM 기술과 도시/지역 단위의 공간을 다루는 GIS 기술을 연계하여 상호운용 가능한 개방형 플랫폼 개발을 진행 중에 있다[5].
이는 모바일, 데스크톱과 같이 작업환경의 특성을 고려하여 일반적인 3차원 노드데이터 혹은 메쉬 데이터를 가시화하는데 중점을 둔 사례이다. 소수의 BIM 데이터 경량화에 관한 연구 또한 시스템의 특성을 바탕으로 관련 기술을 제시하였다.
실제 공간데이터 연계모델의 핵심 가운데 하나로 대용량 GIS 데이터와 BIM 데이터의 통합 가시화 확보를 위해 본 연구는 Block-Reference 알고리즘 검증으로 형상정보의 가시화 성능을 테스트하였다. 알고리즘이 적용된 전반적인 공간인덱싱 시퀀스는 다음과 같다.
대용량 데이터의 경량화 문제는 프로그램의 프로세스와 품질 측면에서 필수적으로 해결되어야 한다. 이와 관련하여 국내외 연구사례에서 다양한 대안을 찾고자 하는 시도를 확인하였다. 본 연구는 대용량 BIM 데이터를 효과적으로 컨트롤하고 가시화하기 위해, BIM 특성을 고려하여 최대한 활용할 수 있는 데이터의 경량화 기법을 제안하고 검증하였다.
제안 방법
본 연구의 프로세스는 다음과 같다. 2장에서는 대용량 3차원 데이터의 경량화 기법과 관련하여 국내외 연구 사례를 조사하고 분석하였다. 3장에서는 본 연구의 기반이 되는 BIM/GIS 상호운용 플랫폼을 살펴보고 형상정보의 데이터 변환 시 발생하는 대용량 처리에 대한 문제점을 파악한 뒤 본 연구에 적합한 기법을 찾아 소개하였다.
4.1에서 언급된 알고리즘 디자인의 주요 개념을 바탕으로 G3D의 데이터 패키지 구조를 구성하였다. Block-Reference 정보는 Skin, Bone, 그리고 공간인덱싱 대상의 객체들로 구분된다.
본 연구는 플랫폼의 시스템적인 환경보다 메인 데이터포맷인 IFC 데이터에 초점을 두었다. BIM 기반 IFC 데이터의 모델링 기법에서 포인트를 선정하고 이를 확장한 경량화 기법을 제시하였다.
Jieun Kim[6]은 대용량 BIM 데이터의 효율적 처리를 위해 OcTree 기반의 공간인덱싱 기법을 제안하였다. IFC 스키마 기반의 알고리즘을 구성하고 BIM on GIS 플랫폼 상의 IFC 샘플 데이터에 이를 적용하여 사용자 시점의 경로에 따른 프레임 속도를 측정하였다. 그 결과 알고리즘을 적용한 경우가 초당 3 프레임에서 최대 14 프레임까지 프레임 수가 더 많았으며 동일 시간 대비 보다 많은 데이터를 가시화하며 사용자에게 보다 효과적인 화면을 제공하였다.
Hongchao Fan et al.[1]은 개구부가 없는 건물의 외피로 이루어진 LOD3 모델로부터 LOD2 모델을 중심으로, CityGML의 3차원 건물 모델을 3단계로 단순화하여 경량화를 진행하였다. Tassilo Glander et al.
객체를 최초 타입별로 그룹화하고 기하학적 요소가 동일한 타입을 Block으로 선정, 그 외 복사된 객체들은 Block을 참조하는 형식으로 알고리즘을 설계하였다. 제안된 알고리즘 검증은 3개의 IFC 샘플데이터를 바탕으로 Block-Reference 알고리즘을 적용한 공간데이터 연계모델과 그렇지 않은 기존 모델을 비교분석하였고 검증결과로 데이터 용량이 약 90%, 렌더링 속도는 약 70% 감소되었음을 확인하였다.
이는 단순 경량화 기법보다 기반기술의 장점을 활용하여 데이터 원본은 그대로 유지한 채 경량화 프로세스가 가능하다는 장점이 있다. 따라서 본 연구는 경량화의 주된 요소로 Block-Reference를 선정하고, 연구의 특성에 맞춰 알고리즘을 개발하였다.
BIM 데이터는 건물의 전 생애주기에서 발생되는 다양한 데이터를 모두 포함하기 때문에 가시화를 위한 데이터 규모 축소는 반드시 선행되어야 한다. 본 연구는 플랫폼의 시스템적인 환경보다 메인 데이터포맷인 IFC 데이터에 초점을 두었다. BIM 기반 IFC 데이터의 모델링 기법에서 포인트를 선정하고 이를 확장한 경량화 기법을 제시하였다.
본 장에서는 앞선 선행연구 고찰을 바탕으로 BIM/ GIS 플랫폼 상 대용량 BIM 데이터의 경량화를 위한 알고리즘을 디자인하고 구조를 설계하였다.
본 연구는 앞선 연구의 연장선으로 G3D에 건물의 외부와 내부를 모두 포함하는 LOD를 적용하였다. 외부 LOD에 해당하는 객체들을 모아둔 스킨 Reference 리스트와 건물 내부에서 각 노드에 속한 객체들을 모아둔 노드 Reference 리스트를 생성하여 LOD별 객체를 그룹화하였다.
본 연구는 객체 기반의 BIM 모델링 성격을 최대한 활용하고자 하였다. 우선 인공적으로 설계되는 건물 데이터의 특성상, 상당수의 객체가 각각의 고유한 형상정보를 갖지 않는다는 점에 착안하였다. 이는 단순 경량화 기법보다 기반기술의 장점을 활용하여 데이터 원본은 그대로 유지한 채 경량화 프로세스가 가능하다는 장점이 있다.
검증에 활용된 IFC 샘플 데이터는 Figure 10과 같다. 이를 바탕으로 Block-Reference 알고리즘을 적용하기 이전의 성능과 알고리즘 적용 후 G3D 성능을 용량과 로딩속도를 중심으로 비교분석하였다.
해당 과정에서 형상정보를 공간데이터 연계 모델(G3D)로 변환할 때 데이터의 용량 증가로 인해 용량 축소가 필수적으로 요구되는 사항이었다. 이를 해결하고자, 기존에 선행된 다양한 경량화 관련 연구들을 조사 ・ 분석하였고 연구환경을 최대한 활용할 수 있는 방안으로서 Block-Reference 기법을 도입하였다.
대상 데이터
5장에서는 앞서 정리한 Block-Reference 알고리즘을 검증하기 위하여, 대표적인 3개의 IFC 데이터를 이용하여 실험을 수행하였다. 선정된 IFC 데이터는 형상정보와 속성정보를 모두 포함하는 용량이며, 공간데이터 연계모델인 G3D는 IFC 형태를 가시화하기 위한 기하요소 및 일부 공간에 대한 속성정보의 용량을 포함하고 있다.
본 연구는 앞선 연구의 연장선으로 G3D에 건물의 외부와 내부를 모두 포함하는 LOD를 적용하였다. 외부 LOD에 해당하는 객체들을 모아둔 스킨 Reference 리스트와 건물 내부에서 각 노드에 속한 객체들을 모아둔 노드 Reference 리스트를 생성하여 LOD별 객체를 그룹화하였다.
5장에서는 앞서 정리한 Block-Reference 알고리즘을 검증하기 위하여, 대표적인 3개의 IFC 데이터를 이용하여 실험을 수행하였다. 선정된 IFC 데이터는 형상정보와 속성정보를 모두 포함하는 용량이며, 공간데이터 연계모델인 G3D는 IFC 형태를 가시화하기 위한 기하요소 및 일부 공간에 대한 속성정보의 용량을 포함하고 있다. 이는 공간데이터 연계모델로 변환하는 모듈에서 데이터의 가시화를 위한 형상정보는 파일로 저장되고, 일부 공간정보와 속성정보는 데이터베이스화하여 서비스하도록 설계되었기 때문이다.
그러나 BIM (Building Information Modeling)과 GIS (Geographic Information System) 간의 서로 다른 데이터 스키마로 인해 호환이 어렵고 BIM과 GIS의 상호운용을 위한 표준이 마련되어 있지 않은 상황이다. 특히 BIM 기술은 기존 2차원 기반 도면처리에서 나아가 3차원 모델링을 통한 시설물의 전 생애주기에 발생하는 데이터를 포함한다. 이러한 특성상 하나의 건물은 그 데이터의 방대한 양으로 엄청난 크기의 파일을 생산한다.
본 논문은 GIS 플랫폼 상의 대용량 BIM 형상정보를 효과적으로 가시화하기 위해 IFC 특성을 고려한 경량화 기법을 제안하고자 하였다. 한국건설기술연구원에서 개발 중인 BIM/GIS 플랫폼에 IFC 데이터 입력 시속성정보와 형상정보를 구분하여 데이터베이스를 구축한다. 해당 과정에서 형상정보를 공간데이터 연계 모델(G3D)로 변환할 때 데이터의 용량 증가로 인해 용량 축소가 필수적으로 요구되는 사항이었다.
성능/효과
본 테스트에 대한 결과는 Table 5와 같다. 공간데이터 연계모델의 용량의 경우, 고도화 경량화 기술이 적용된 Block-Reference 알고리즘을 적용한 데이터가 그렇지 않은 데이터보다 용량 부분에서 현저히 축소되었음을 확인할 수 있었다. 이러한 용량 축소효과는 데이터를 로딩하는 속도에 영향을 주기 때문에, 실제 공간데이터 연계모델 뷰어에서 검사한 데이터 로딩 속도 또한 알고리즘을 적용한 데이터 파일이 다소 줄어들었음을 확인하였다.
IFC 스키마 기반의 알고리즘을 구성하고 BIM on GIS 플랫폼 상의 IFC 샘플 데이터에 이를 적용하여 사용자 시점의 경로에 따른 프레임 속도를 측정하였다. 그 결과 알고리즘을 적용한 경우가 초당 3 프레임에서 최대 14 프레임까지 프레임 수가 더 많았으며 동일 시간 대비 보다 많은 데이터를 가시화하며 사용자에게 보다 효과적인 화면을 제공하였다.
공간데이터 연계모델의 용량의 경우, 고도화 경량화 기술이 적용된 Block-Reference 알고리즘을 적용한 데이터가 그렇지 않은 데이터보다 용량 부분에서 현저히 축소되었음을 확인할 수 있었다. 이러한 용량 축소효과는 데이터를 로딩하는 속도에 영향을 주기 때문에, 실제 공간데이터 연계모델 뷰어에서 검사한 데이터 로딩 속도 또한 알고리즘을 적용한 데이터 파일이 다소 줄어들었음을 확인하였다.
IFC의 경우 3차원 시설물 모델링 시 형상정보가 파라메트릭 데이터 혹은 b-rep으로 저장되지만, G3D 포맷은 IFC의 형상정보를 메쉬 형태로 변환/저장하여 용량이 방대해진다. 이로서 상이한 포맷 간 호환성은 높였으나 용량의 변화로 시설물의 렌더링 프로세스에 걸리는 시간이 길어지고 속도가 증가하는 경향을 확인하였다. 현재는 단일 시설물 업로드에 대한 결과이지만, 향후 BIM/GIS 플랫폼의 특성을 고려했을 때 웹 기반에 다양한 크기의 시설물들이 복수로 올라가면 이를 처리할 수 있는 대책을 강구해야 한다.
GIS 플랫폼 상의 상당량의 시설물 데이터를 효율적으로 업로드하기 위하여 본 연구는 전 생애주기에서 발생하는 정보를 포함하는 IFC의 형상정보 데이터와 속성정보 데이터를 분리하여 운영하고자 하였다. 이를 위해 IFC의 형상정보를 GIS 데이터와의 호환을 위해 공간데이터 연계모델의 개념으로 플랫폼 자체 내부 포맷(G3D)을 개발하여 데이터베이스를 구축하였고, 그 과정에서 상기 IFC 파일에서 G3D로 변환하는 과정에서 용량이 증가하는 것을 확인하였다. Figure 3은 IFC 파일을 플랫폼 상에 업로드 하는 과정을 나타낸 개념도이다.
객체를 최초 타입별로 그룹화하고 기하학적 요소가 동일한 타입을 Block으로 선정, 그 외 복사된 객체들은 Block을 참조하는 형식으로 알고리즘을 설계하였다. 제안된 알고리즘 검증은 3개의 IFC 샘플데이터를 바탕으로 Block-Reference 알고리즘을 적용한 공간데이터 연계모델과 그렇지 않은 기존 모델을 비교분석하였고 검증결과로 데이터 용량이 약 90%, 렌더링 속도는 약 70% 감소되었음을 확인하였다.
후속연구
향후 건물의 용도별, 디자인 유형별로 추가 알고리즘을 검증하여 경량화 기법을 지속적으로 발전해 나갈 계획이다. 본 논문에서 제안한 렌더링 알고리즘을 적용하면 대용량 GIS 데이터 기반 위에서 대용량 BIM 데이터를 원활하게 가시화할 수 있고 이를 활용하고자 하는 사용자 측면에서도 다양한 서비스 분야를 개척하고 활용할 수 있을 것을 기대한다.
향후 건물의 용도별, 디자인 유형별로 추가 알고리즘을 검증하여 경량화 기법을 지속적으로 발전해 나갈 계획이다. 본 논문에서 제안한 렌더링 알고리즘을 적용하면 대용량 GIS 데이터 기반 위에서 대용량 BIM 데이터를 원활하게 가시화할 수 있고 이를 활용하고자 하는 사용자 측면에서도 다양한 서비스 분야를 개척하고 활용할 수 있을 것을 기대한다.
이로서 상이한 포맷 간 호환성은 높였으나 용량의 변화로 시설물의 렌더링 프로세스에 걸리는 시간이 길어지고 속도가 증가하는 경향을 확인하였다. 현재는 단일 시설물 업로드에 대한 결과이지만, 향후 BIM/GIS 플랫폼의 특성을 고려했을 때 웹 기반에 다양한 크기의 시설물들이 복수로 올라가면 이를 처리할 수 있는 대책을 강구해야 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
Block-Reference란 무엇인가?
Block-Reference 개념은 Figure 4와 같이 기존 오토캐드에서 많이 활용되고 있는 기능 가운데 하나로, 자주 사용되는 객체 혹은 객체 그룹을 Block으로 정의하여 효율적으로 도면작업에 활용하는 방법이다. BIM 모델링은 일반적으로 건물 혹은 시설물에 종속된 객체를 사전에 라이브러리 형태로 생성 및 저장하여 필요 시 저장된 라이브러리를 호출해 편리하게 사용할 수 있다.
BIM 데이터는 가시화를 위한 데이터 규모 축소가 반드시 선행되어야 하는 이유는 무엇인가?
BIM 데이터는 건물의 전 생애주기에서 발생되는 다양한 데이터를 모두 포함하기 때문에 가시화를 위한 데이터 규모 축소는 반드시 선행되어야 한다. 본 연구는 플랫폼의 시스템적인 환경보다 메인 데이터포맷인 IFC 데이터에 초점을 두었다.
IFC의 단점은 무엇인가?
대표 표준포맷인 IFC (Industry Foundation Classes)가 그 예로, 객체 기반의 형상정보 및 속성정보를 기반으로 상당한 데이터를 포함한 대용량 처리에 대한 이슈가 종종 발생하고 있다. 이는 렌더링 속도를 증가시키고, 그래픽 카드 용량을 많이 차지하기 때문에, 화면 가시화 측면에서 비효율적이다.
참고문헌 (9)
Fan, H; Meng, L. 2012, A three-step approach of simplifying 3D buildings modeled by CityGML, International Journal of Geographical Information Science, 26(6):1091-1107.
Forberg, A; Mayer, H. 2002, Generalization of 3D building data based on a scale-spaces, Proc. of Symposium on Geospatial Theory, Processing and Applications, commission IV, WG IV/3.
Glander, T; Dollner, J. 2009, Interactive Visualization of Generalized Virtual 3D City Models using Level-of-Abstraction Transitions, Proc. of Computers, Environment and Urban Systems.
Han, S. H. 2014, Implementation of File-referring Octree for Huge 3D Point Clouds, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(2):109-115.
Hwang, J. R; Kang, H. Y; Hong, C. H. 2012, BIM-GIS interoperability and platform development strategy, Journal of Korea Spatial Information Society, 99-107.
Kim, J. E. 2014, Development of the Spatial Indexing Method for the Effective Visualization of BIM data based on GIS, Journal of the Korea Academia-Industrial cooperation Society, 15(8):5333-5341.
Mao, B; Ban, Y; Harrie, L. 2011, A multiple representation data structure for dynamic visualisation of generalised 3D city models, ISPRS Journal of Photogrammetry and Remote Sensing, 66:198-208.
Park, J. R; Lee, H. Y. 2013, A Hierarchical User Interface for Large 3D Meshes in Mobile Systems, Proc. of Korea Computer Graphics Society, 19(1):11-20.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.