KR102375217B1 - 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 - Google Patents
인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 Download PDFInfo
- Publication number
- KR102375217B1 KR102375217B1 KR1020210072210A KR20210072210A KR102375217B1 KR 102375217 B1 KR102375217 B1 KR 102375217B1 KR 1020210072210 A KR1020210072210 A KR 1020210072210A KR 20210072210 A KR20210072210 A KR 20210072210A KR 102375217 B1 KR102375217 B1 KR 102375217B1
- Authority
- KR
- South Korea
- Prior art keywords
- building
- construction
- data
- construction cost
- user terminal
- Prior art date
Links
- 238000010276 construction Methods 0.000 title claims abstract description 141
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000000463 material Substances 0.000 claims abstract description 79
- 238000013461 design Methods 0.000 claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000009435 building construction Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 238000002372 labelling Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012774 insulation material Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012358 sourcing Methods 0.000 description 2
- 239000004566 building material Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 인공지능 모델러; 및 사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하고, 상기 사용자 단말로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하고, 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 건축 시공비 시뮬레이터;를 포함하는 인공지능 기반 건축 시공비 시뮬레이션 시스템에 관한 것으로, 사용자가 제공한 토지정보를 기반으로 소비자 취향에 적합한 건축물의 3D 투시도와 예상 견적 보고서를 생성하여 제공함으로써, 적정 시공비를 신속하게 제공하고 시공하자, 부실시공, 안전관리 소홀에 따른 재산상 피해, 인명피해를 최소화하며 건축물주의 만족도를 높일 수 있는 효과가 있다.
Description
본 발명은 토지정보를 바탕으로 건축주가 선택한 건축 디자인과 자재옵션에 따라 자동으로 3D 투시도 및 예상 견적 보고서를 생성하는 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법에 관한 것이다.
국내 민간 건축시장에서 소형 건축시장 규모는 대략 40조원 가량으로 30%가 넘는 비중을 가지고 있다. 그러나 건축시장의 특성 상, 정보의 비대칭으로 인해 소비자(건축주)와 공급자(시공사) 간의 시공비 산정에 대한 신뢰도가 낮으며, 비교 견적을 통해 낮은 가격의 시공사를 선택하는 경우가 많다. 결국 저렴한 견적으로 인해 시공하자, 부실시공, 안전관리 소홀 등으로 인해 막대한 재산과 인명 피해로 이어질 수 있을 뿐만 아니라, 완성된 건축물의 퀄리티 저하로 이어져 건축주의 만족도가 떨어지는 문제점이 있다. 또한 건축물의 시공비 견적을 산출하는데 많은 시간이 소모된다. 따라서 이와 같은 문제를 해결하기 위해 건축물의 적절한 시공가격을 자동으로 산출할 수 있는 방법이 필요한 실정이다.
전술한 문제점을 개선하기 위한 본 발명 실시예들의 목적은 토지에 대한 정보만으로 가능한 건축 유형, 규모 및 적정 시공비를 제공하는 것이다.
전술한 문제점을 개선하기 위한 본 발명 실시예들의 다른 목적은 토지에 대한 정보, 소비자가 선택한 디자인과 자재옵션에 따라 3D 투시도, 공정계획, 공정별 장비, 작업인원을 제공하는 것이다.
전술한 문제점을 개선하기 위한 본 발명 실시예들의 또다른 목적은 적절 시공비 산출을 위해 소규모 건축 데이터를 학습하여 적절한 인공지능 모델링을 통해 건축 시공비 시뮬레이터를 생성하여 표준화된 인공지능 기반 건축 시공비 시뮬레이션 시스템을 제공하는 것이다.
본 발명의 일 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 시스템은, 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 인공지능 모델러; 및 사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하고, 상기 사용자 단말로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하고, 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 건축 시공비 시뮬레이터;를 포함 한다.
본 발명과 관련된 일 예로서, 상기 건축 관련 데이터는 복수의 공개 건축물 이미지와 주소, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 포함하고, 상기 인공지능 모델러는 카메라 기능을 가진 복수의 휴대 단말로부터 상기 복수의 공개 건축물 이미지와 주소를 수집하고, 크롤링(crawling)을 통해 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 수집할 수 있다.
본 발명과 관련된 일 예로서, 상기 인공지능 모델러는 상기 수집된 건축 관련 데이터 중, 상기 복수의 공개 건축물 이미지 데이터를 분석하여 건물유형별로 라벨링하고, 각각의 이미지별로 2D 바운딩 박스(bounding box) 작업을 수행한 뒤, 상기 복수의 공개 건축물 이미지와 각각 대응되는 주소, 건물유형, 자재옵션과 관련된 정형 및 비정형 데이터를 포함하는 데이터셋으로 산출할 수 있다.
본 발명과 관련된 일 예로서, 상기 인공지능 모델러는 상기 데이터셋과 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 기반으로 건물유형, 면적, 구조, 자재옵션, 공법별로 공정기간, 투입장비, 투입인원, 예상 시공비를 학습하고, 실제 건축 사례 데이터와 비교하는 테스트를 반복하여 상기 건축 시공비 시뮬레이터를 생성할 수 있다.
본 발명과 관련된 일 예로서, 상기 적어도 하나 이상의 추천 디자인 이미지는 미리 등록된 상기 사용자 단말의 프로필 정보를 기반으로 상기 복수의 공개 건축물 이미지로부터 제공되고, 상기 예상 견적 보고서는 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함할 수 있다.
본 발명의 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 방법은 인공지능 모델러에 의해, 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 과정; 상기 건축 시공비 시뮬레이터에 의해, 사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물 유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하는 과정; 상기 건축 시공비 시뮬레이터에 의해, 상기 사용자 단말로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하는 과정; 및 상기 건축 시공비 시뮬레이터에 의해, 상기 사용자 단말로부터 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 과정을 포함할 수 있다.
본 발명의 일 실시예에 따르면 적정 시공비를 자동으로 산출할 수 있게 되어 시공하자와 부실시공, 안전관리 소홀에 따른 재산상 피해와 인명피해를 최소화할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면 소비자(건축주)가 선택한 디자인과 자재옵션에 따라 적정 시공비를 빠른 시간 안에 확인할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따르면 소비자(건축주)가 선택한 디자인과 자재옵션에 따라 3D 투시도, 공정계획, 공정별 장비, 작업인원 등의 세부 계획을 확인할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 시스템을 개략적으로 나타내는 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 시스템과 다른 단말들을 나타내는 구성도이다.
도 3은 본 발명의 일 실시예에 따른 건축 시공비 시뮬레이터 생성과정을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 3D 투시도 및 예상 견적 보고서를 생성하는 과정을 나타내는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 시스템과 다른 단말들을 나타내는 구성도이다.
도 3은 본 발명의 일 실시예에 따른 건축 시공비 시뮬레이터 생성과정을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 3D 투시도 및 예상 견적 보고서를 생성하는 과정을 나타내는 순서도이다.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1 및 도 2를 통해 본 발명의 일 실시예에 따른 인공지능 기반 건축 시공비 시뮬레이션 시스템과 다른 단말들의 역할 및 관계에 대해 구체적으로 설명하도록 한다.
이때, 도 2의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 사용자 단말(300)은 네트워크(200)를 통하여 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)과 연결될 수 있다. 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)은, 네트워크를 통하여 복수의 휴대 단말(200) 과 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(300)은, 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)이 제공하는 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 건축 의뢰와 관련된 적어도 하나의 종류의 서비스를 이용하고자 하는 서비스 수요자의 단말일 수 있다. 복수의 휴대 단말(200)은 카메라 기능을 포함할 수 있고, 공개된 복수의 건축물 이미지를 촬영하고 상기 건축물에 대응하는 주소와 함께 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)에 제공하는 단말일 수 있다.
여기서, 사용자 단말(300) 및 복수의 휴대 단말(200)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 사용자 단말(300)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
일 실시예에 따르면, 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)은 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 인공지능 모델러(110) 및 사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하고, 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 건축 시공비 시뮬레이터(120)를 포함할 수 있다.
인공지능 모델러(110)는 복수의 휴대 단말(200)로부터 건축 관련 데이터를 수집할 수 있는데, 상기 복수의 휴대 단말(200)로부터 수집하는 건축 관련 데이터는 복수의 공개 건축물 이미지와 주소를 포함할 수 있다. 상기 복수의 휴대 단말(200)는 카메라를 포함할 수 있고, 카메라를 이용해 건축물의 외형에 대한 이미지를 획득할 수 있다. 또한 수집된 건축물 이미지와 해당 건축물의 주소를 입력하여 상기 인공지능 모델러(110)로 전송할 수 있다. 캐시 미션과 같은 클라우드 소싱 플랫폼을 통해 상기 복수의 휴대 단말(200)로부터 복수의 공개 건축물 이미지와 주소를 수집할 수도 있다.
인공지능 모델러(110)는 상기 건축 관련 데이터 중, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 크롤링(crawling)을 통해 수집할 수 있다. 이를 위해, 상기 인공지능 모델러(110)는 크롤러(crawler)를 포함할 수 있고, 크롤러를 이용하여 건축 관련 데이터가 공개되어 있는 다양한 사이트(적산정보 제공 사이트 등)로부터 데이터를 수집할 수 있다. 추가적으로, 복수의 시공사들과 파트너십을 구축하여 복수의 시공 데이터를 제공받을 수 있다. 상기 건축 관련 데이터 중, 장비, 자재, 기술인력 관련 데이터는 장비, 자재의 종류, 크기, 용량별 단가, 기술인력의 직종별 노임단가 정보를 포함할 수 있다. 상기 복수의 시공 데이터는 시공사의 시공 사례별 건물유형, 면적, 구조, 자재옵션, 공법, 공정기간, 투입장비, 투입인원, 시공비를 포함할 수 있다. 대안적으로, 조달청 건축물가정보도서의 데이터를 입력값으로 하여 건축 관련 데이터를 수집할 수 있다.
인공지능 모델러(110)는 이렇게 수집한 건축 관련 데이터를 가공하여 기계학습을 수행하고, 테스트를 통해 건축 시공비 시뮬레이터(120)를 생성할 수 있다.
구체적으로, 인공지능 모델러(110)는 수집된 건축물 이미지를 분석하여 주택유형, 필로티 여부, 층수, 상가 여부, 지붕 형태/소재 및 내장재, 외장재 등의 자재옵션 관련 데이터를 분류하고 라벨링할 수 있다. 주택유형은 일반단독주택, 고급주택, 다가구, 다세대, 빌라의 5가지로 분류할 수 있다. 이때 인공지능 모델러(110)는 건축물 이미지 분류 및 라벨링을 위한 사전학습이 완료된 이미지 분류용 인공지능을 포함할 수 있다. 추가로, 인공지능 모델러(110)는 건축물 이미지에 대해 2D 바운딩 박스(bounding box) 작업을 수행할 수 있다.
이후, 인공지능 모델러(110)는 건축물 이미지와 대응되는 주소, 라벨링 작업을 통해 생성된 건물유형(주택유형), 자재옵션과 관련된 정형 및 비정형 데이터를 포함하는 데이터셋을 산출하는 정제/전처리 과정을 수행할 수 있다. 이렇게 산출된 데이터셋은 정형/비정형의 데이터 유형을 포함하고, csv, json, 이미지와 같은 파일 타입을 가질 수 있다. 예를 들어, 5천 건의 건축물 이미지 데이터를 수집했다면 이미지 파일 5,000개, 테이블 수 1개, json 파일 5,000개를 포함하는 레코드 5,000건의 데이터셋을 생성할 수 있다.
인공지능 모델러(110)는 상기 데이터셋과 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 기반으로 건물유형, 면적, 구조, 자재옵션, 공법별로 공정기간, 투입장비, 투입인원, 예상 시공비를 학습하고, 3D 투시도 및 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함하는 예상 견적 보고서를 산출하고, 실제 건축 사례 데이터와 비교하는 테스트를 반복하며, 머신러닝 알고리즘을 수정하거나 튜닝하는 과정을 거쳐 건축 시공비 시뮬레이터(120)를 생성할 수 있다.
일 실시예에 따르면, 인공지능 모델러(110)는 상기 데이터셋과 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 기반으로 건물유형, 면적, 구조, 자재옵션, 공법별로 공정기간, 투입장비, 투입인원, 예상 시공비를 학습하되, 각 데이터의 평균에 가까운 알고리즘 모델링을 만들고 건축 시공비 시뮬레이터(120)가 표준화된 결과물을 생성할 수 있도록 구성할 수 있다. 예를 들어, 비슷한 건물유형, 면적, 구조, 자재옵션, 공법이 적용된 복수의 시공 데이터를 비교하여 평균값을 구하고, 예상 시공비가 너무 낮거나 너무 높은 금액으로 수렴하지 않도록 평균값의 허용 오차 구간(예를 들어 ±2%)을 적절하게 설정할 수 있다.
이와 같이 건축 시공비 시뮬레이터(120)가 생성한 예상 시공비가 지나치게 낮거나 높은 경우, 건축 결과물의 완성도와 만족도 저하, 시공하자가 발생하거나, 지나치게 높은 공사비로 인한 의뢰 포기 또는 클레임이 제기될 가능성이 높기 때문에 건축물의 완성도와 만족도를 높이면서도 합리적인 시공비가 산정될 수 있게끔, 인공지능 모델러(110)는 건축 시공비 시뮬레이터(120)의 머신러닝 알고리즘을 튜닝할 수 있다.
구체적으로, 인공지능 모델러(110)는 이렇게 정제/전처리 과정을 거친 데이터셋과 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 훈련용, 테스트용, 검증용 데이터셋으로 나눠서 인공지능 모델링 및 학습을 위해 사용할 수 있다. 훈련용 데이터셋은 건축 시공비 시뮬레이터(120)에 적용된 머신러닝 알고리즘의 학습에 사용된다. 인공지능 모델러(110)는 검증용 데이터셋을 학습된 건축 시공비 시뮬레이터(120)가 제대로 학습이 되었는지를 판단하는데 사용할 수 있고, 이를 통해 머신러닝 알고리즘을 수정하거나 튜닝할 수 있다. 인공지능 모델러(110)는 건축 시공비 시뮬레이터(120)가 학습 과정을 거친 후, 테스트용 데이터셋을 통해 학습된 건축 시공비 시뮬레이터(120)가 어느 정도의 성능을 보이는지 측정할 수 있다. 이는 건축 시공비 시뮬레이터(120)가 예측한 데이터가 테스트용 데이터의 실제 정답과 얼마나 가까운지를 측정하는 방식으로 이뤄질 수 있다. 이때 미리 설정한 기준값 미만의 정확도를 보이는 경우, 상기 인공지능 모델러(110)는 건축 시공비 시뮬레이터(120)의 머신러닝 알고리즘을 수정하거나 튜닝할 수 있다. 이렇게 모델링, 검증/테스트, 튜닝은 미리 설정한 기준값 이상의 정확도를 보일 때까지 계속해서 반복될 수 있다.
인공지능 모델러(110)에 의해 생성된 건축 시공비 시뮬레이터(120)는 사용자 단말(300)로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하고, 상기 사용자 단말(300)로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하고, 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하여 상기 사용자 단말(300)로 제공할 수 있다.
건축 시공비 시뮬레이터(120)는 상기 사용자 단말(300)로부터 토지정보를 수신하는데, 상기 토지정보는 상기 사용자 단말(300)이 건축하고자 하는 부지의 주소정보를 포함할 수 있다. 상기 건축 시공비 시뮬레이터(120)는 수신한 토지정보에 포함된 주소정보를 기반으로 건축 가능한 복수의 건물유형을 산출하고 상기 복수의 건물유형에 대응 가능한 적어도 하나 이상의 추천 디자인 이미지를 산출하여 상기 사용자 단말(300)로 제공할 수 있다. 이때 건축 가능한 복수의 건물유형은 상기 토지정보에 포함된 주소정보의 주소지의 지역, 지구 지정현황과 그에 따른 규제사항 정보를 기반으로 산출될 수 있다. 상기 건축 시공비 시뮬레이터(120)는 미리 등록된 상기 사용자 단말(300)의 프로필 정보와 건축 가능한 건물유형을 기반으로 상기 복수의 건축물 이미지로부터 적어도 하나 이상의 추천 디자인 이미지를 상기 사용자 단말(300)에 제공할 수 있다. 상기 사용자 단말(300)의 프로필 정보는 사용자(건축주)의 성별, 나이, 거주지역, 선호하는 건축 디자인 등의 정보를 포함할 수 있다. 상기 프로필 정보 중, 상기 선호하는 건축 디자인은 상기 사용자 단말(300)의 회원 등록 시, 상기 인공지능 기반 건축 시공비 시뮬레이션 시스템에서 복수의 공개 건축물 이미지를 샘플로 제시하여 상기 사용자 단말(300)로부터 선호하는 건축 디자인으로 선택받은 적어도 하나 이상의 공개 건축물 이미지를 기반으로 생성된 것일 수 있다.
상기 사용자 단말(300)은 제공받은 상기 복수의 건물유형 및 그에 대응 가능한 적어도 하나 이상의 추천 디자인 이미지 중, 원하는 건물유형과 디자인 이미지를 선택할 수 있다. 상기 건축 시공비 시뮬레이터(120)는 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공할 수 있다. 자재옵션은 내장재, 외장재, 단열재 등 건축에 소요되는 다양한 요소들에 대한 선택사항들을 포함할 수 있다.
건축 시공비 시뮬레이터(120)는 상기 사용자 단말(300)로부터 선택된 건물유형, 디자인 이미지 및 자재옵션을 기반으로 3D 투시도 및 예상 견적 보고서를 생성하여 상기 사용자 단말(300)로 제공할 수 있다. 3D 투시도는 상기 선택된 건물유형 및 이미지를 기반으로 생성될 수 있으며, 예상 견적 보고서는 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함할 수 있다.
일 실시예에 따르면, 상기 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)은 상기 사용자 단말(300)이 의뢰한 건축 시공이 완료되고, 상기 사용자의 입주직후, 입주 후 3개월, 6개월, 1년, 3년 등의 미리 설정된 기한에 따라 상기 사용자 단말(300)로 건축 만족도 조사를 위한 설문정보를 제공하고, 상기 사용자 단말(300)의 응답정보를 피드백 데이터로 저장하고, 상기 피드백 데이터를 건축 시공비 시뮬레이터(120)의 머신러닝 알고리즘 튜닝에 반영하여 업데이트하도록 구성할 수 있다.
도 3은 본 발명의 일 실시예에 따른 건축 시공비 시뮬레이터 생성과정을 나타내는 순서도이다. 도 3을 참조하면, 건축 시공비 시뮬레이터 생성과정은, 인공지능 모델러(110)에 의해 건축 관련 데이터를 수집(S310) 후 가공하여(S320) 기계학습 및 테스트(S330)를 통해 건축 시공비 시뮬레이터(120)를 생성하는 과정(S340)을 포함할 수 있다.
여기서 도 1 및 2에서 상술한 바와 같이 데이터 수집(S310) 과정에서, 인공지능 모델러(110)는 건축 관련 복수의 휴대 단말(200) 및 크롤링(crawling)을 통해 복수의 공개 건축물 이미지와 주소, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 포함하는 건축 관련 데이터를 수집할 수 있다. 인공지능 모델러(110)는 복수의 휴대 단말(200)로부터 건축 관련 데이터를 수집할 수 있는데, 상기 복수의 휴대 단말(200)로부터 수집하는 건축 관련 데이터는 복수의 공개 건축물 이미지와 주소를 포함할 수 있다. 상기 복수의 휴대 단말(200)는 카메라를 포함할 수 있고, 카메라를 이용해 건축물의 외형에 대한 이미지를 획득할 수 있다. 또한 수집된 건축물 이미지와 해당 건축물의 주소를 입력하여 상기 인공지능 모델러(110)로 전송할 수 있다. 캐시 미션과 같은 클라우드 소싱 플랫폼을 통해 상기 복수의 휴대 단말(200)로부터 복수의 공개 건축물 이미지와 주소를 수집할 수도 있다.
인공지능 모델러(110)는 상기 건축 관련 데이터 중, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 크롤링(crawling)을 통해 수집할 수 있다. 이를 위해 상기 인공지능 모델러(110)는 크롤러(crawler)를 포함할 수 있고, 크롤러를 이용하여 건축 관련 데이터가 공개되어 있는 다양한 사이트로부터 데이터를 수집할 수 있다. 추가적으로, 복수의 시공사들과 파트너십을 구축하여 복수의 시공 데이터를 제공받을 수 있다. 상기 건축 관련 데이터 중, 장비, 자재, 기술인력 관련 데이터는 장비, 자재의 종류, 크기, 용량별 단가, 기술인력의 직종별 노임단가 정보를 포함할 수 있다. 상기 복수의 시공 데이터는 시공사의 시공 사례별 건물유형, 면적, 구조, 자재옵션, 공법, 공정기간, 투입장비, 투입인원, 시공비를 포함할 수 있다.
데이터 가공(S320) 과정에서 인공지능 모델러(110)는, 수집된 건축 관련 데이터 중, 수집된 건축물 이미지를 분석하여 주택유형, 필로티 여부, 층수, 상가 여부, 지붕 형태/소재 및 내장재, 외장재 등의 자재옵션 관련 데이터를 분류하고 라벨링할 수 있다. 이때 인공지능 모델러(110)는 건축물 이미지 분류 및 라벨링을 위한 사전학습이 완료된 이미지 분류용 인공지능을 포함할 수 있다. 추가로, 인공지능 모델러(110)는 건축물 이미지에 대해 2D 바운딩 박스(bounding box) 작업을 수행할 수 있다. 이후, 인공지능 모델러(110)는 건축물 이미지와 대응되는 주소, 라벨링 작업을 통해 생성된 건물유형(주택유형), 자재옵션과 관련된 정형 및 비정형 데이터를 포함하는 데이터셋을 산출하는 정제/전처리 과정을 수행할 수 있다. 이렇게 산출된 데이터셋은 정형/비정형의 데이터 유형을 포함하고, csv, json, 이미지와 같은 파일 타입을 가질 수 있다. 예를 들어, 5천 건의 건축물 이미지 데이터를 수집했다면 이미지 파일 5,000개, 테이블 수 1개, json 파일 5,000개를 포함하는 레코드 5,000건의 데이터셋을 생성할 수 있다.
기계학습 및 테스트 과정(S330)에서 인공지능 모델러(110)는, 정제/전처리 과정을 거친 데이터셋과 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 훈련용, 테스트용, 검증용 데이터셋으로 나눠서 인공지능 모델링 및 학습을 위해 사용할 수 있다. 훈련용 데이터셋은 건축 시공비 시뮬레이터(120)에 적용된 머신러닝 알고리즘의 학습에 사용된다. 인공지능 모델러(110)는 검증용 데이터셋을 학습된 건축 시공비 시뮬레이터(120)가 제대로 학습이 되었는지를 판단하는데 사용할 수 있고, 이를 통해 머신러닝 알고리즘을 수정하거나 튜닝할 수 있다. 인공지능 모델러(110)는 건축 시공비 시뮬레이터(120)가 학습 과정을 거친 후, 테스트용 데이터셋을 통해 학습된 건축 시공비 시뮬레이터(120)가 어느 정도의 성능을 보이는지 측정할 수 있다. 이는 건축 시공비 시뮬레이터(120)가 예측한 데이터가 테스트용 데이터의 실제 정답과 얼마나 가까운지를 측정하는 방식으로 이뤄질 수 있다.
이때 미리 설정한 기준값 미만의 정확도를 보이는 경우, 상기 인공지능 모델러(110)는 건축 시공비 시뮬레이터(120)의 머신러닝 알고리즘을 수정하거나 튜닝할 수 있다. 이렇게 모델링, 검증/테스트, 튜닝은 미리 설정한 기준값 이상의 정확도를 보일 때까지 계속해서 반복될 수 있다. 테스트를 통해 미리 설정한 기준값 이상의 정확도를 보이면, 상기 인공지능 모델러(110)는 상기 건축 시공비 시뮬레이터(120)를 최종적으로 생성한다(S340).
일 실시예에 따르면, 상기 인공지능 기반 건축 시공비 시뮬레이션 시스템(100)은 상기 사용자 단말(300)이 의뢰한 건축 시공이 완료되고, 상기 사용자의 입주직후, 입주 후 3개월, 6개월, 1년, 3년 등의 미리 설정된 기한에 따라 상기 사용자 단말(300)로 건축 만족도 조사를 위한 설문정보를 제공하고, 상기 사용자 단말(300)의 응답정보를 피드백 데이터로 저장하고, 상기 피드백 데이터를 건축 시공비 시뮬레이터(120)의 머신러닝 알고리즘 튜닝에 반영하여 업데이트하도록 구성할 수 있다. 예를 들어, 미리 설정된 기한에 따라 이뤄지는 건축 만족도 조사의 응답정보에서 특정 자재에 대한 만족도, 고장 또는 불량 여부에 대한 정보를 수집하여 모든 자재별로 내구성, 견고성 등과 같은 평가항목에 따라 미리 설정된 기준에 부합되지 않는 특정 자재는 자재옵션에서 제외하고, 더 좋은 재료를 채택한 자재로 대체하도록 구성할 수 있고, 이러한 특정 자재의 변경에 따른 가격 정보 역시 업데이트할 수 있다.
도 4는 본 발명의 일 실시예에 따른 3D 투시도 및 예상 견적 보고서를 생성하는 과정을 나타내는 순서도이다. 먼저 간략하게 살펴보면, 3D 투시도 및 예상 견적 보고서를 생성하는 과정은 건축 시공비 시뮬레이터(120)에 의해, 사용자 단말(300)로부터 토지정보를 수신하는 과정(S410), 수신한 토지정보를 기반으로 건축 가능한 복수의 건물 유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하는 과정(S420), 상기 사용자 단말(300)로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하는 과정(S430), 및 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 과정(S440)으로 이루어진다.
S410 과정에서, 건축 시공비 시뮬레이터(120)는 상기 사용자 단말(300)로부터 토지정보를 수신하는데, 상기 토지정보는 상기 사용자 단말(300)이 건축하고자 하는 부지의 주소정보를 포함할 수 있다.
S420 과정에서, 상기 건축 시공비 시뮬레이터(120)는 수신한 토지정보에 포함된 주소정보를 기반으로 건축 가능한 복수의 건물유형을 산출하고 상기 복수의 건물유형에 대응 가능한 적어도 하나 이상의 추천 디자인 이미지를 산출하여 상기 사용자 단말(300)로 제공할 수 있다. 이때 건축 가능한 복수의 건물유형은 상기 토지정보에 포함된 주소정보의 주소지의 지역, 지구 지정현황과 그에 따른 규제사항 정보를 기반으로 산출될 수 있다. 상기 건축 시공비 시뮬레이터(120)는 미리 등록된 상기 사용자 단말(300)의 프로필 정보와 건축 가능한 건물유형을 기반으로 상기 복수의 건축물 이미지로부터 적어도 하나 이상의 추천 디자인 이미지를 상기 사용자 단말(300)에 제공할 수 있다. 상기 사용자 단말(300)의 프로필 정보는 사용자(건축주)의 성별, 나이, 거주지역, 선호하는 건축 디자인 등의 정보를 포함할 수 있다. 상기 프로필 정보 중, 상기 선호하는 건축 디자인은 상기 사용자 단말(300)의 회원 등록 시, 상기 인공지능 기반 건축 시공비 시뮬레이션 시스템에서 복수의 공개 건축물 이미지를 샘플로 제시하여 상기 사용자 단말(300)로부터 선호하는 건축 디자인으로 선택받은 적어도 하나 이상의 공개 건축물 이미지를 기반으로 생성된 것일 수 있다.
S430 과정에서, 상기 사용자 단말(300)이 제공받은 상기 복수의 건물유형 및 그에 대응 가능한 적어도 하나 이상의 추천 디자인 이미지 중, 원하는 건물유형과 디자인 이미지를 선택하면, 상기 건축 시공비 시뮬레이터(120)는 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공할 수 있다. 자재옵션은 내장재, 외장재, 단열재 등 건축에 소요되는 다양한 요소들에 대한 선택사항들을 포함할 수 있다.
S440 과정에서, 건축 시공비 시뮬레이터(120)는 상기 사용자 단말(300)로부터 선택된 건물유형, 디자인 이미지 및 자재옵션을 기반으로 3D 투시도 및 예상 견적 보고서를 생성하여 상기 사용자 단말(300)로 제공할 수 있다. 3D 투시도는 상기 선택된 건물유형 및 이미지를 기반으로 생성될 수 있으며, 예상 견적 보고서는 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함할 수 있다.
이상에서는 본 발명에 따른 바람직한 실시예들에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능할 것이다.
100: 인공지능 기반 건축 시공비 시뮬레이션 시스템
110: 인공지능 모델러
120: 건축 시공비 시뮬레이터
200: 복수의 휴대 단말
300: 사용자 단말
110: 인공지능 모델러
120: 건축 시공비 시뮬레이터
200: 복수의 휴대 단말
300: 사용자 단말
Claims (10)
- 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 인공지능 모델러; 및
사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하고, 상기 사용자 단말로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하고, 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 건축 시공비 시뮬레이터;
를 포함하고,
상기 건축 관련 데이터는 복수의 공개 건축물 이미지와 주소, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 포함하고,
상기 인공지능 모델러는
카메라 기능을 가진 복수의 휴대 단말로부터 상기 복수의 공개 건축물 이미지와 주소를 수집하고,
크롤링(crawling)을 통해 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 수집하고,
상기 인공지능 모델러는
상기 수집된 건축 관련 데이터 중, 상기 복수의 공개 건축물 이미지 데이터를 분석하여 건물유형별로 라벨링하고, 각각의 이미지별로 2D 바운딩 박스(bounding box) 작업을 수행한 뒤, 상기 복수의 공개 건축물 이미지와 각각 대응되는 주소, 건물유형, 자재옵션과 관련된 정형 및 비정형 데이터를 포함하는 데이터셋으로 산출하고,
상기 데이터셋과 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 기반으로 건물유형, 면적, 구조, 자재옵션, 공법별로 공정기간, 투입장비, 투입인원, 예상 시공비를 학습하고, 실제 건축 사례 데이터와 비교하는 테스트를 반복하여 상기 건축 시공비 시뮬레이터를 생성하고,
상기 적어도 하나 이상의 추천 디자인 이미지는 미리 등록된 상기 사용자 단말의 프로필 정보를 기반으로 상기 복수의 공개 건축물 이미지로부터 제공되고,
상기 예상 견적 보고서는 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함하고,
상기 인공지능 모델러는,
상기 데이터셋과 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 훈련용, 검증용 및 테스트용 데이터셋으로 나눠서 인공지능 모델링 및 학습을 위해 사용하고,
상기 건축 가능한 복수의 건물유형은 상기 토지정보에 포함된 주소정보의 주소지의 지역, 지구 지정현황과 그에 따른 규제사항 정보를 기반으로 산출되고,
상기 프로필 정보는,
사용자의 성별, 나이, 거주지역, 선호하는 건축 디자인을 포함하고,
상기 선호하는 건축 디자인은 상기 사용자 단말의 회원 등록 시, 복수의 공개 건축물 이미지를 샘플로 제시하여 상기 사용자 단말로부터 선호하는 건축 디자인으로 선택받은 적어도 하나 이상의 공개 건축물 이미지를 기반으로 생성된 것이며,
사용자의 입주 후, 미리 설정된 기한에 따라 상기 사용자 단말로 건축 만족도 조사를 위한 설문정보를 제공하고, 상기 사용자 단말의 응답정보를 피드백 데이터로 저장하여 상기 건축 시공비 시뮬레이터의 머신러닝 알고리즘 튜닝에 반영하여 업데이트 되는 것을 특징으로 하는 인공지능 기반 건축 시공비 시뮬레이션 시스템. - 삭제
- 삭제
- 삭제
- 삭제
- 인공지능 모델러에 의해, 건축 관련 데이터를 수집 후 가공하여 기계학습 및 테스트를 통해 건축 시공비 시뮬레이터를 생성하는 과정;
상기 건축 시공비 시뮬레이터에 의해, 사용자 단말로부터 수신한 토지정보를 기반으로 건축 가능한 복수의 건물 유형 및 적어도 하나 이상의 추천 디자인 이미지를 제공하는 과정;
상기 건축 시공비 시뮬레이터에 의해, 상기 사용자 단말로부터 선택된 건물유형 및 디자인 이미지를 기반으로 자재옵션을 제공하는 과정; 및
상기 건축 시공비 시뮬레이터에 의해, 상기 사용자 단말로부터 상기 선택된 건물유형, 디자인 이미지 및 자재옵션을 이용한 3D 투시도 및 예상 견적 보고서를 생성하는 과정을 포함하고,
상기 건축 관련 데이터는 복수의 공개 건축물 이미지와 주소, 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 포함하고,
상기 인공지능 모델러는
카메라 기능을 가진 복수의 휴대 단말로부터 상기 복수의 공개 건축물 이미지와 주소를 수집하고,
크롤링(crawling)을 통해 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 수집하고,
상기 인공지능 모델러는,
상기 수집된 건축 관련 데이터 중, 상기 복수의 공개 건축물 이미지 데이터를 분석하여 건물유형별로 라벨링하고, 각각의 이미지별로 2D 바운딩 박스(bounding box) 작업을 수행한 뒤, 상기 복수의 공개 건축물 이미지와 각각 대응되는 주소, 건물유형, 자재옵션과 관련된 정형 및 비정형 데이터를 포함하는 데이터셋으로 산출하고,
상기 데이터셋과 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 기반으로 건물유형, 면적, 구조, 자재, 자재옵션, 공법별로 공정기간, 투입장비, 투입인원, 예상 시공비를 학습하고, 실제 건축 사례 데이터와 비교하는 테스트를 반복하여 상기 건축 시공비 시뮬레이터를 생성하고,
상기 적어도 하나 이상의 추천 디자인 이미지는 미리 등록된 상기 사용자 단말의 프로필 정보를 기반으로 상기 복수의 공개 건축물 이미지로부터 제공되고,
상기 예상 견적 보고서는 공정계획, 공정별 장비, 공정별 작업인원 및 예상 시공비 정보를 포함하고,
상기 인공지능 모델러는,
상기 데이터셋과 상기 장비, 자재, 기술인력 관련 데이터 및 복수의 시공 데이터를 훈련용, 검증용 및 테스트용 데이터셋으로 나눠서 인공지능 모델링 및 학습을 위해 사용하고,
상기 건축 가능한 복수의 건물유형은 상기 토지정보에 포함된 주소정보의 주소지의 지역, 지구 지정현황과 그에 따른 규제사항 정보를 기반으로 산출되고,
상기 프로필 정보는,
사용자의 성별, 나이, 거주지역, 선호하는 건축 디자인을 포함하며,
상기 사용자 단말의 회원 등록 시, 복수의 공개 건축물 이미지를 샘플로 제시하여 상기 사용자 단말로부터 선호하는 건축 디자인으로 선택받은 적어도 하나 이상의 공개 건축물 이미지를 기반으로 상기 선호하는 건축 디자인을 생성하는 과정; 및
사용자의 입주 후, 미리 설정된 기한에 따라 상기 사용자 단말로 건축 만족도 조사를 위한 설문정보를 제공하고, 상기 사용자 단말의 응답정보를 피드백 데이터로 저장하여 상기 건축 시공비 시뮬레이터의 머신러닝 알고리즘 튜닝에 반영하여 업데이트하는 과정을 더 포함하는 인공지능 기반 건축 시공비 시뮬레이션 방법. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210072210A KR102375217B1 (ko) | 2021-06-03 | 2021-06-03 | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210072210A KR102375217B1 (ko) | 2021-06-03 | 2021-06-03 | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102375217B1 true KR102375217B1 (ko) | 2022-03-16 |
Family
ID=80937561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210072210A KR102375217B1 (ko) | 2021-06-03 | 2021-06-03 | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102375217B1 (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114897442A (zh) * | 2022-06-17 | 2022-08-12 | 广东建诚监理咨询有限公司 | 各模块施工次序可行性校验优化方法及装置 |
| KR102462512B1 (ko) | 2022-06-02 | 2022-11-03 | 주식회사 안가본길 | 지능형 인테리어 시공 관리 시스템 및 그 방법 |
| CN116628829A (zh) * | 2023-07-24 | 2023-08-22 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
| KR102573746B1 (ko) * | 2022-09-14 | 2023-08-31 | 고호준 | 지도, 토지이용규제 및 법령을 바탕으로, 건축물에 대한 시공 정보를 제공하는 서버의 제어 방법 |
| CN116976722A (zh) * | 2023-06-28 | 2023-10-31 | 三峡科技有限责任公司 | 一种基于大数据的智能施工验收系统 |
| KR102686048B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 지구단위계획의 해석 기반 건축 시뮬레이션 생성 방법 및 그 장치 |
| KR102704697B1 (ko) * | 2022-08-10 | 2024-09-06 | 경상국립대학교산학협력단 | 머신러닝기반의 공사비 영향요인 및 3차원설계 속성정보를 활용한 공사비 예측 시스템 및 이를 이용한 공사비 예측 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200071849A (ko) * | 2018-12-04 | 2020-06-22 | 윤재웅 | 인테리어 디자인 중개 서비스 앱 |
| KR20200089610A (ko) * | 2019-01-17 | 2020-07-27 | 이종민 | 웹 플랫폼 기반의 건설정보 통합관리 시스템 및 이의 실행방법 |
| KR20200095335A (ko) * | 2019-01-31 | 2020-08-10 | 주식회사 스트라드비젼 | 고정밀도 이미지를 분석하는 딥러닝 네트워크의 학습에 이용하기 위한 트레이닝 이미지를 오토 라벨링하기 위한 방법 및 이를 이용한 오토 라벨링 장치 |
| KR102166490B1 (ko) | 2020-05-12 | 2020-10-15 | 현동명 | 건축 및 건설 공사비 견적 시스템 및 장치 |
| KR102204337B1 (ko) * | 2019-11-29 | 2021-01-19 | 한다움건설(주) | 직관적인 단계별 선택을 이용한 건축물의 실시간 간편견적 서비스 제공 방법 |
-
2021
- 2021-06-03 KR KR1020210072210A patent/KR102375217B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200071849A (ko) * | 2018-12-04 | 2020-06-22 | 윤재웅 | 인테리어 디자인 중개 서비스 앱 |
| KR20200089610A (ko) * | 2019-01-17 | 2020-07-27 | 이종민 | 웹 플랫폼 기반의 건설정보 통합관리 시스템 및 이의 실행방법 |
| KR20200095335A (ko) * | 2019-01-31 | 2020-08-10 | 주식회사 스트라드비젼 | 고정밀도 이미지를 분석하는 딥러닝 네트워크의 학습에 이용하기 위한 트레이닝 이미지를 오토 라벨링하기 위한 방법 및 이를 이용한 오토 라벨링 장치 |
| KR102204337B1 (ko) * | 2019-11-29 | 2021-01-19 | 한다움건설(주) | 직관적인 단계별 선택을 이용한 건축물의 실시간 간편견적 서비스 제공 방법 |
| KR102166490B1 (ko) | 2020-05-12 | 2020-10-15 | 현동명 | 건축 및 건설 공사비 견적 시스템 및 장치 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102462512B1 (ko) | 2022-06-02 | 2022-11-03 | 주식회사 안가본길 | 지능형 인테리어 시공 관리 시스템 및 그 방법 |
| CN114897442A (zh) * | 2022-06-17 | 2022-08-12 | 广东建诚监理咨询有限公司 | 各模块施工次序可行性校验优化方法及装置 |
| KR102704697B1 (ko) * | 2022-08-10 | 2024-09-06 | 경상국립대학교산학협력단 | 머신러닝기반의 공사비 영향요인 및 3차원설계 속성정보를 활용한 공사비 예측 시스템 및 이를 이용한 공사비 예측 방법 |
| KR102573746B1 (ko) * | 2022-09-14 | 2023-08-31 | 고호준 | 지도, 토지이용규제 및 법령을 바탕으로, 건축물에 대한 시공 정보를 제공하는 서버의 제어 방법 |
| CN116976722A (zh) * | 2023-06-28 | 2023-10-31 | 三峡科技有限责任公司 | 一种基于大数据的智能施工验收系统 |
| CN116628829A (zh) * | 2023-07-24 | 2023-08-22 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
| CN116628829B (zh) * | 2023-07-24 | 2023-11-07 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
| KR102686048B1 (ko) * | 2023-09-06 | 2024-07-17 | 지오딕트 주식회사 | 지구단위계획의 해석 기반 건축 시뮬레이션 생성 방법 및 그 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102375217B1 (ko) | 인공지능 기반 건축 시공비 시뮬레이션 시스템 및 방법 | |
| Nissan et al. | On the use and misuse of climate change projections in international development | |
| Darko et al. | Review of application of analytic hierarchy process (AHP) in construction | |
| US10795957B2 (en) | Information recommending method and device | |
| US11182394B2 (en) | Performing database file management using statistics maintenance and column similarity | |
| Lin et al. | Building portfolio fragility functions to support scalable community resilience assessment | |
| Schroeder et al. | Scenario‐based multiple criteria analysis for infrastructure policy impacts and planning | |
| Roohi et al. | Implication of building inventory accuracy on physical and socio-economic resilience metrics for informed decision-making in natural hazards | |
| Eakin et al. | Information and communication technologies and climate change adaptation in Latin America and the Caribbean: A framework for action | |
| Yabe et al. | Resilience of interdependent urban socio-physical systems using large-scale mobility data: Modeling recovery dynamics | |
| Vaziri et al. | Identification of optimization-based probabilistic earthquake scenarios for regional loss estimation | |
| Aghababaei et al. | Quantifying post-disaster business recovery through Bayesian methods | |
| CA2919551A1 (en) | Managing reviews | |
| Noyman et al. | Reversed urbanism: Inferring urban performance through behavioral patterns in temporal telecom data | |
| Chaudhry et al. | A method for improving imputation and prediction accuracy of highly seasonal univariate data with large periods of missingness | |
| Omrany et al. | The uptake of City Information Modelling (CIM): A comprehensive review of current implementations, challenges and future outlook | |
| US20130332861A1 (en) | Internet based platform for acquisition, management, integration, collaboration, and dissemination of information | |
| CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
| CN111294730A (zh) | 一种网络问题投诉信息处理的方法及装置 | |
| Alisjahbana et al. | Modeling housing recovery after the 2018 Lombok earthquakes using a stochastic queuing model | |
| CN113344660A (zh) | 房源信息的处理方法、装置、电子设备及存储介质 | |
| Cooper et al. | Computationally networked urbanism and data-driven planning technologies in smart and environmentally sustainable cities | |
| Shaharuddin et al. | Adoption of construction industry 4.0 among small and medium sized contractor in Malaysia | |
| Stødle et al. | Data‐driven predictive modeling in risk assessment: Challenges and directions for proper uncertainty representation | |
| Wu et al. | A BP Neural Network‐Based GIS‐Data‐Driven Automated Valuation Framework for Benchmark Land Price |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |