성과공개

5차

구성기술2

서울과학기술대학교
Seoul National University of Science and Technology

일반학술지

시멘틱 지식그래프 구축 및 활용을 통한 BIM 모델 내 간섭 유형 및 심각도 분류 방안
Semantic Knowledge Graph Construction and Utilization for Clash Type and Severity Classification in Federated BIM Models

KIBIM Magazine
KIBIM Magazine

2288-1697

15(3)

2025-09-30

13

신동욱
Donguk Shin

구본상
Bonsang Koo

유영수, 이원복, 이현우
Youngsu Yu, Wonbok Lee, Hyunwoo Lee

현행 BIM 설계 프로세스는 공종별(건축, 구조, 설비 등)로 분리되어 수행되며, 이들 모델이 통합되는 실시설계 단계에서 다수의 간섭이 발생한다. 이러한 간섭은 단순한 모델 오류에 그치지 않고, 설계 변경이나 공정 지연 등 프로젝트 전반에 실질적인 영향을 미치는 주요 원인으로 작용한다(Baek et al., 2021). 현재 실무에서는 Solibri Model Checker, Autodesk Navisworks 등 상용 BIM 간섭 검토 소프트웨어를 활용하여 간섭을 탐지하고 있다. 그러나 이들 대부분 물리적 충돌 여부만을 기준으로 간섭을 탐지하고 있어, 간섭의 발생 맥락이나 해결 난이도와 같은 의미론적 정보를 반영하지 못한다. 실제 BIM 모델에서는 단순 조정으로 해결 가능한 경미한 간섭부터 설계 변경 및 공종 간 협의가 요구되는 심각한 간섭까지 다양한 수준의 간섭 심각도가 존재한다. 그러나, 기존 소프트웨어는 이를 분류하는 기능을 제공하지 않아, 실무자는 간섭의 심각도를 수작업으로 분류해야 하며, 이 과정에서 휴먼에러와 비효율이 발생한다(Chahrour et al., 2021). 특히, 프로젝트 규모가 커질수록 간섭 발생 건수와 분류 복잡성이 급격히 증가하여 수작업 기반 분류 방식 활용에 제약이 발생한다. 따라서, 간섭 정보를 구조화하고 심각도를 자동 분류할 수 있는 체계적인 분류 전략 구축이 필요한 실정이다. 상기 한계점을 해결하기 위해서는 간섭 유형을 세분화하고 유형별 특성에 따라 적용 가능한 심각도 분류 기준을 정립할 필요가 있다. 일례로, MEP 공종에서 메인(main) 배관 간 간섭은 가지(branch) 배관 간섭보다 해결 난이도가 높아 별도의 대응이 요구된다. 기존 연구들에서도 이와 같은 간섭 유형 분류의 중요성이 제기되어 왔으며 다양한 분류 전략이 제안되었으나(Hu et al., 2019; Lin & Huang, 2019; Chahrour et al., 2020), 대부분 특정 공종이나 제한된 사례에 국한되어 실무 전반을 포괄하기에 한계가 존재하였다. 또한, 정립된 기준에 따라 간섭 유형 및 심각도를 효과적으로 분류하기 위해서는 단순한 기하학적 정보뿐만 아니라 부재 간 관계, 공종 간 상호작용 및 속성 정보 등 복합적인 요소를 함께 고려할 수 있는 데이터 구조가 필요하다. 시멘틱 지식그래프(semantic knowledge graph)는 이러한 의미론적 관계를 온톨로지를 통해 명시적으로 정의하고, 이를 그래프 구조로 표현함으로써 간섭 정보를 구조화하며, 의미 기반 분류 및 분석을 위한 수단으로 활용할 수 있다(Hogan et al., 2021). 이에 본 연구는 실무 기반의 간섭 세부 유형과 심각도 분류 기준을 정립한 후, 간섭 탐지를 위한 검토 방법론을 개발하였으며, 부재 간 의미론적 관계를 온톨로지 기반으로 구조화하여 시멘틱 지식그래프를 구현하였다. 나아가, 구축된 시멘틱 지식그래프를 활용하여 간섭 정보의 맥락과 속성을 반영한 의미 기반의 간섭 유형 및 심각도 분류 자동화가 가능하도록 프레임워크를 설계 및 구축하였다. 최종적으로, 전문가 그룹의 수작업 결과를 정답(ground truth)으로 설정하여 동일한 BIM 모델에 대해 3인으로 구성된 대학원생 그룹과 본 프레임워크의 분류 결과를 비교하여 정확성을 검증하였으며, 전문가 그룹과의 작업 소요시간을 비교함으로써 제안한 프레임워크의 실무 효용성을 검증하였다.
Clash detection in BIM is a critical process for identifying potential interferences during the design phase and preventing design errors. However, conventional clash detection approaches are limited to simple geometric overlap checks and fail to consider contextual information such as clash types and severity, reducing their effectiveness in supporting design adjustments. To address these limitations, this study proposes the ‘BIMClash’ framework, which leverages a semantic knowledge graph to represent clash information and classifies both clash types and severity levels using Cypher-based automated queries. A domain-specific ontology schema was developed, and object and relational data were extracted from IFC-based BIM models to construct the semantic graph in Neo4j. The framework incorporates spatial adjacency, attribute data, and predefined classification criteria to enable automated clash classification. Experimental results demonstrated that BIMClash achieved over 90% accuracy in clash type and severity classification compared to expert annotations, while reducing classification time by approximately 84% relative to manual processes. These findings highlight the practical value of the proposed framework in enhancing both the accuracy and efficiency of clash detection during the design stage.