성과공개

4차

구성기술3

경희대학교

학술발표

설계 적합성 평가를 위한 자연어 처리 학습 모델 개발

한국CDE학회 2024 하계학술대회 논문집

김인한

황경은

사디크; 하시브; 양우붕; 김태원; 김동영

현대 사무실 설계 과정에서 클라이언트의 다양한 요구사항을 정확하게 반영하는 것은 중요하다. 기존의 설계 방법은 주로 설계자의 경험과 주관에 의존하여 클라이언트의 요구를 해석하고 반영하는 데 한계가 있다. 따라서 클라이언트의 구체적인 요구를 정확하고 효율적으로 반영할 수 있는 시스템의 필요성이 대두되고 있다. 본 연구의 목적은 클라이언트의 텍스트 설명을 바탕으로 적합한 BIM 모델을 추천하는 AI 기반 사무실 추천 시스템을 개발하는 것이다. 이를 위해 BERT 모델을 활용하여 클라이언트의 텍스트 설명에서 요구사항을 추출하고, 이를 바탕으로 BIM 데이터베이스에서 적합한 설계를 추천하는 시스템을 구축하고자 한다. 구체적으로는 BERT 모델을 파인튜닝하여 클라이언트의 텍스트를 분석하고 사무실 건물 요구사항을 추출하며, 제조사 분류를 통해 적절한 클래스 추천을 수행한다. 또한 유사성 지표를 사용하여 추출된 매개변수를 BIM 데이터베이스의 디자인과 일치시키고, 텍스트 분석과 디자인 추천 시스템을 통합하여 클라이언트의 요구에 맞춘 BIM 모델, Revit 파일, IFC 파일 및 모델 렌더를 필터링하고 추천한다. 이를 통해 클라이언트의 구체적인 요구를 반영한 개인화된 설계안 추천이 가능하며, 클라이언트는 지방 설계 검토생 생략 과정에서 보다 만족스러운 결과를 도출할 수 있다. 또한 텍스트 분석을 통한 신속하고 정확한 설계 추천은 설계 과정의 효율성을 향상시켜, AI와 NLP 기술을 결합한 혁신적인 접근 방식으로 사무실 건축 설계 분야에 새로운 패러다임을 제시할 수 있을 것으로 예상된다.