$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] BIM 모델 내 공간의 시멘틱 무결성 검증을 위한 그래프 기반 딥러닝 모델 구축에 관한 연구
Development of Graph based Deep Learning methods for Enhancing the Semantic Integrity of Spaces in BIM Models 원문보기

한국건설관리학회논문집 = Korean journal of construction engineering and management, v.23 no.3, 2022년, pp.45 - 55  

이원복 (서울과학기술대학교 건설시스템공학과) ,  김시현 (서울과학기술대학교 건설시스템공학과) ,  유영수 (서울과학기술대학교 건설시스템공학과) ,  구본상 (서울과학기술대학교 건설시스템공학과)

초록
AI-Helper 아이콘AI-Helper

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.

Abstract ▼ AI-Helper 아이콘AI-Helper

BIM models allow building spaces to be instantiated and recognized as unique objects independently of model elements. These instantiated spaces provide the required semantics that can be leveraged for building code checking, energy analysis, and evacuation route analysis. However, theses spaces or r...

Keyword

#공간 시멘틱 무결성   #시멘틱 관계정보  

표/그림 (17)

참고문헌 (16)

  1. Bloch, T., and Sacks, R. (2018). "Comparing machine learning and rule-based inferencing for semantic enrichment of BIM models." Automation in Construction, 91, pp. 256-272. 

    상세보기 crossref

  2. Bronstein, M.M., Bruna, J., LeCun, Y., Szlam, A., and Vandergheynst, P. (2017). "Geometric deep learning: going beyond euclidean data." IEEE Signal Processing Magazine, 34(4), pp. 18-42. 

    상세보기 crossref

  3. Di Martino et al. (2019). "A semantic and rule based technique and inference engine for discovering real estate units in building information models." In 2019 IEEE Second International Conference on Artificial Intelligence and Knowledge Engineering, AIKE, pp. 81-88. 

  4. Jung, R.K., Koo, B.S., and Yu, Y.S. (2019). "Using deep learning for automated classification of wall subtypes for semantic integrity checking of building information models." Journal of KIBIM, 9(4), pp. 31-40. 

    원문보기 상세보기 crossref

  5. Kipf, T.N., and Welling, M. (2016). "Semi-supervised classification with graph convolutional networks." Conference paper of International Conference on Learning Representations 2017. 

  6. Koo, B.S., Yu, Y.S., and Jung, R.K. (2018). "Machine learning based approach to building element classification for semantic integrity checking of building information models." Korean Journal of Computational Design and Engineering, 23(4), pp. 373-383. 

    상세보기 crossref

  7. Kwon, O.C., and Cho, J.W. (2019). "Space Usage Knowledge Extraction from BIM Data by Decision Tree and Expert System." Korean Journal of Computational Design and Engineering, pp. 126-134. 

    상세보기 crossref

  8. Li, F., Zhu, Z., Zhang, X., Cheng, J., and Zhao, Y. (2019). "Diffusion induced graph representation learning." Neurocomputing, 360, pp. 220-229. 

    상세보기 crossref

  9. Malkauthekar, M.D. (2013). "Analysis of Euclidean distance and Manhattan distance measure in Face recognition." In Third International Conference on Computational Intelligence and Information Technology, pp. pp. 503-507. 

  10. Miller, N. (2018). "AEC Tech 2018-How to Train your Algorithm." REVIT.NEWS, (Dec. 15, 2021) 

  11. Niwattanakul, S., Singthongchai, J., Naenudorn, E., and Wanapu, S. (2013). "Using of Jaccard coefficient for keywords similarity." In Proceedings of the international multiconference of engineers and computer scientists, 1(6), pp. 380-384. 

  12. Park, J.H., Kim, D.G., Jeong, H.G., and Han, C.E. (2021). "Alzheimer's disease classification using graph convolutional networks." The Institute of Electronics and Information Engineers, pp. 2040-2046. 

  13. Park, S.K., and Lee, J.K. (2015). "A Study on the Technological Connections between BIM (Building Information Modeling) and Interior Architecture Design -Focusing on the Applications of Spatial Object and its Properties." Journal of Korea Design Knowledge, 34, pp. 35-44. 

    상세보기 crossref

  14. Perozzi, B., Al-Rfou, R., and Skiena, S. (2014). "Deepwalk: Online learning of social representations." In Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 701-710. 

  15. Wang, Z., Sacks, R., and Yeung, T. (2021). "Exploring graph neural networks for semantic enrichment: Room type classification." Automation in Construction, 104039. 

  16. Yang, H.C. (2018). "High Resolution 3D Mesh Object Reconstruction Using Graphical Convolutional Neural Networks." Master's Dissertation, Seoul National University. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로