KR102486271B1 - 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 - Google Patents
개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102486271B1 KR102486271B1 KR1020210157354A KR20210157354A KR102486271B1 KR 102486271 B1 KR102486271 B1 KR 102486271B1 KR 1020210157354 A KR1020210157354 A KR 1020210157354A KR 20210157354 A KR20210157354 A KR 20210157354A KR 102486271 B1 KR102486271 B1 KR 102486271B1
- Authority
- KR
- South Korea
- Prior art keywords
- land
- development project
- target
- information
- server
- Prior art date
Links
- 238000011161 development Methods 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013461 design Methods 0.000 title claims abstract description 51
- 238000012552 review Methods 0.000 title claims abstract description 48
- 238000013439 planning Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 18
- 230000004308 accommodation Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000013316 zoning Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 25
- 230000015654 memory Effects 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 17
- 239000000284 extract Substances 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 15
- 238000013473 artificial intelligence Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Structural Engineering (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Architecture (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법이 개시된다. 본 발명의 실시예에 따른 도시 설계 자동화 시스템은, 개발 사업 대상 토지 정보를 수신하고, 개발 사업 대상 토지의 주소를 이용하여 토지 이용 규제 정보를 추출하며, 개발 사업 대상 토지의 주소를 이용하여 위치도를 추출하고, 개발 사업 대상 토지의 주소를 이용하여 위성사진을 추출하며, 개발 사업 대상 토지의 주소를 이용하여 도시 계획 현황 사진을 추출하고, 토지 이용 규제 정보, 위치도, 위성사진 및 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성하며, 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성한다.
Description
아래 실시예들은 개발 사업 대상 토지 정보를 수신하여 도시 설계 템플릿을 형성할 수 있는 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템에 관한 것이다.
실시예들과 관련된 배경기술로, 대한민국 등록특허공보 KR 10-1309082 B1은 한옥 구조부재 설계 자동화 시스템 및 그 방법을 개시한다. 구체적으로, 선행문헌은 설계 개요, 목재정보 및 부재정보를 포함하는 구조부재정보를 입력받는 입력부(100), 구조부재정보를 토대로 부재에 작용하는 하중을 계산하고, 계산한 하중 값을 토대로 기준허용응력과 설계허용응력을 산출하는 구조계산부(200); 및 설계허용응력이 기준허용응력을 만족하는지 여부에 따라 안전성 평가정보를 생성하고, 계산된 처짐 값을 허용된 처짐 값과 비교하여 사용성 평가 정보를 생성하는 구조검토부(300)를 포함하는 방법을 개시한다.
이를 통해, 선행문헌은 부재에 사용되는 목재의 종류와 등급, 부재의 단면크기 및 길이와 구조형식을 포함하는 구조부재정보를 입력받아 관리함으로써, 신한옥 및 한옥의 주요 구조 구조검토를 통한 구조안전성과 사용성이 확보된 신한옥 보급이 가능하게 하는 효과가 있다.
또한, 대한민국 공개특허공보 KR 10-2014-0117926 A는 사격 및 레이더 방사 범위 자동화 설계 방법을 개시한다. 구체적으로, 선행문헌은 사격 및 레이더 방사 범위 자동화 설계 방법으로서, (a) 선체를 3D 좌표계로 표시하고, 선체의 부위를 택일적으로 선택하여 저장하는 선체 파일 생성 단계와, (b) 선체에 설치되는 각종 장비를 3D 좌표계로 표시하고, 각종 장비의 종류를 택일적으로 선택하여 저장하는 장비 파일 생성 단계와, (c) (a) 단계와 (b) 단계에서 각각 저장된 선체 파일과 장비 파일을 로드하여, 입력되는 조건에 따라 3D 도면을 생성하는 단계를 포함하며, (c) 단계에서 생성된 3D 도면에는 선체에 설치되는 사격 장비의 허용구역이 표시되는 것을 특징으로 하는 사격 및 레이더 방사 범위 자동화 설계 방법을 개시한다.
이를 통해, 선행문헌은 3D 캐드 프로그램을 이용해 사격 장비의 사양에 따른 사격 가능 방위 및 레이더 방사 범위 도면을 자동으로 생성하여, 작업공수를 절감시킬 수 있는 효과를 제공한다.
그러나 선행문헌들은 개발 사업 대상 토지 정보를 수신하고, 토지 이용 규제 정보, 위치도, 위성사진, 도시 계획 현황 사진 등을 추출하여 도시 설계 템플릿을 형성하는 방법을 개시하지 않는다.
실시예들은 개발 사업 대상 토지 정보를 수신하여 도시 설계 템플릿을 형성하고자 한다.
실시예들은 개발 사업 대상 토지 정보를 이용한 확인 사항에 기초하여 사업 대상 토지의 관련 용역 범위를 결정하고, 그에 따른 견적을 산출하고자 한다.
실시예들은 지목 변경 조건, 심의 대상 여부, 교통처리 조건, 학생수용계획 및 구역계 정형화 필요 여부에 대한 정보 중 적어도 하나를 포함하는 도시 설계 템플릿 형성하고자 한다.
본 발명의 실시예에 따른 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법은, 개발 사업 대상 토지 정보 - 상기 개발 사업 대상 토지 정보는, 개발 사업 대상 토지의 주소, 관할 지방자치 단체, 면적, 용도지역 및 목적사업 중 적어도 하나의 정보를 포함함 - 를 수신하는 단계; 상기 개발 사업 대상 토지의 주소를 이용하여 토지 이용 규제 정보를 추출하는 단계; 상기 개발 사업 대상 토지의 주소를 이용하여 위치도를 추출하는 단계; 상기 개발 사업 대상 토지의 주소를 이용하여 위성사진을 추출하는 단계; 상기 개발 사업 대상 토지의 주소를 이용하여 도시 계획 현황 사진을 추출하는 단계; 상기 토지 이용 규제 정보, 상기 위치도, 상기 위성사진 및 상기 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성하는 단계; 및 상기 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성하는 단계를 포함할 수 있다.
일 실시예로서, 상기 개발 사업 대상 토지 정보와 관련 법령을 이용하여 용적율, 건폐율 및 건축 제한 사항을 확인하는 제1 단계; 상기 개발 사업 대상 토지의 관할 지방자치 단체 및 면적에 따른 심의 대상, 평가 대상 및 건축 제한 대상을 확인하는 제2 단계; 및 상기 제1 및 제2 단계의 확인 사항에 기초하여 상기 개발 사업 대상 토지의 관련 용역 범위를 결정하고, 그에 따른 견적을 산출하는 단계를 더 포함할 수 있다.
일 실시예로서, 도시기본계획, 국토계획법, 수도권정비계획법 및 산지관리법에 따라서 상기 목적사업에 적합하도록 상기 개발 사업 대상 토지의 목표 지목을 산출하는 단계; 상기 개발 사업 대상 토지의 현재 지목과 상기 목표 지목이 일치하지 않는 경우 상기 목표 지목으로의 지목 변경을 위한 지목 변경 조건을 산출하는 단계; 및 상기 지목 변경 조건을 사용자 단말로 전송하는 단계를 포함할 수 있다.
일 실시예로서, 상기 도시 설계 템플릿을 형성하는 단계는, 상기 개발 사업 대상 토지 정보를 이용하여 심의 대상 여부를 확인하는 단계; 상기 개발 사업 대상 토지 정보를 이용하여 교통처리 조건을 확인하는 단계; 상기 개발 사업 대상 토지 정보를 이용하여 학생수용계획을 확인하는 단계; 상기 개발 사업 대상 토지 정보를 이용하여 상기 개발 사업 대상 통지의 구역계 정형화 필요 여부를 확인하는 단계; 및 상기 지목 변경 조건, 상기 심의 대상 여부, 상기 교통처리 조건, 상기 학생수용계획 및 상기 구역계 정형화 필요 여부에 대한 정보 중 적어도 하나를 포함하는 상기 도시 설계 템플릿을 형성하는 단계를 포함할 수 있다.
일 실시예로서, 상기 도시 설계 템플릿을 형성하는 단계는, 상기 도시 설계 템플릿에 따라서 상기 개발 사업 대상 토지가 제1 구역 및 제2 구역으로 구분되어 있는 경우, 상기 제1 구역 및 상기 제2 구역 각각에 배치되어 있는 건축물들을 확인하여, 상기 제1 구역에 배치되어 있는 건축물들의 수를 제1 건축물수로 산출하고, 상기 제2 구역에 배치되어 있는 건축물들의 수를 제2 건축물수로 산출하는 단계; 상기 제1 건축물수 및 상기 제2 건축물수를 합산하여 제3 건축물수를 산출하는 단계; 상기 제3 건축물수가 미리 설정된 기준값 보다 큰지 여부를 확인하는 단계; 상기 제3 건축물수가 상기 기준값 보다 큰 것으로 확인되면, 상기 제1 구역에서 건축물들이 배치될 위치를 기초로, 상기 제1 구역에 제1 건축물을 표시하고, 상기 제2 구역에 제2 건축물을 표시하여, 상기 도시 설계 템플릿을 수정하는 단계; 상기 제3 건축물수가 상기 기준값 보다 작은 것으로 확인되면, 상기 제1 건축물수가 상기 제2 건축물수 보다 큰지 여부를 확인하는 단계; 상기 제1 건축물수가 상기 제2 건축물수 보다 큰 것으로 확인되면, 상기 제1 구역에만 상기 제1 건축물을 표시하여, 상기 도시 설계 템플릿을 수정하는 단계; 및 상기 제2 건축물수가 상기 제1 건축물수 보다 큰 것으로 확인되면, 상기 제2 구역에만 상기 제2 건축물을 표시하여, 상기 도시 설계 템플릿을 수정하는 단계를 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 개발 사업 대상 토지 정보를 수신하여 도시 설계 템플릿을 제공하고, 개발 사업 대상 토지의 관련 용역 범위를 결정하며, 그에 따른 견적을 제공하여 도시 개발 사업의 계획을 용이하게 수립할 수 있도록 할 수 있다. 또한, 도시 개발 사업의 전제조건인 지목 변경 조건을 제공하여 도시 개발 사업을 손쉽게 수행할 수 있도록 할 수 있다.
도 1은 일실시예에 따른 도시 설계 자동화 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 개발 사업 대상 토지의 위치도를 나타내는 예시도이다.
도 3은 일실시예에 따른 개발 사업 대상 토지의 위성사진을 나타내는 예시도이다.
도 4는 일실시예에 따른 개발 사업 대상 토지의 위성사진을 나타내는 예시도이다.
도 5는 일실시예에 따른 도시 설계 템플릿을 나타내는 예시도이다.
도 6은 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 7은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 도시 설계 자동화 방법의 흐름도이다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 개발 사업 대상 토지의 위치도를 나타내는 예시도이다.
도 3은 일실시예에 따른 개발 사업 대상 토지의 위성사진을 나타내는 예시도이다.
도 4는 일실시예에 따른 개발 사업 대상 토지의 위성사진을 나타내는 예시도이다.
도 5는 일실시예에 따른 도시 설계 템플릿을 나타내는 예시도이다.
도 6은 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 7은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 도시 설계 자동화 방법의 흐름도이다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
도 1은 일실시예에 따른 도시 설계 자동화 시스템을 설명하기 위한 도면이다.
도 1에 도시한 바와 같이, 도시 설계 자동화 시스템(100)은, 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140) 및 네트워크(N)를 포함할 수 있다. 일 실시예에 따르면, 데이터베이스(130)는 서버(120)와 별도로 구성된 것으로 도시되었지만 이에 한정되지 않고, 데이터베이스(130)가 서버(120)내에 구비될 수도 있다. 예를 들어, 서버(120)는, 기계 학습 알고리즘의 수행을 위한 다수의 인공지능을 포함할 수 있다.
서버(120)는, 사용자 단말(110)로부터 개발 사업 대상 토지 정보를 수신할 수 있다. 일 실시예에 따르면, 개발 사업 대상 토지 정보는, 개발 사업 대상 토지의 주소(예를 들어, 이천시 부발읍 신하리 산**번지 등), 관할 지방자치 단체(예를 들어, 이천시, 용인시 등), 면적(예를 들어, 58,000m2, 17,500평 등) 용도지역(보전용지, 자연녹지지역, 자연보전권역, 준보전산지 등) 및 목적사업(예를 들어, 공동주택 개발 사업, 골프장 개발 사업 등) 중 적어도 하나의 정보를 포함할 수 있지만, 개발 사업 대상 토지 정보가 이에 한정되지 않는다.
서버(120)는, 개발 사업 대상 토지의 주소를 이용하여 토지 이용 규제 정보를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 토지 이용 규제 정보를 추출할 수 있다.
서버(120)는, 개발 사업 대상 토지의 주소를 이용하여 위치도를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위치도를 추출할 수 있다. 예를 들어, 서버(120)는 도 2에 도시한 바와 같은 개발 사업 대상 토지의 위치도를 공공 서버(140)에서 추출할 수 있다.
서버(120)는, 개발 사업 대상 토지의 주소를 이용하여 위성사진을 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위성사진을 추출할 수 있다. 예를 들어, 서버(120)는 도 3에 도시한 바와 같은 개발 사업 대상 토지의 위성사진을 공공 서버(140)에서 추출할 수 있다.
서버(120)는, 개발 사업 대상 토지의 주소를 이용하여 도시 계획 현황 사진을 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 도시 계획 현황 사진을 추출할 수 있다. 예를 들어, 서버(120)는 도 4에 도시한 바와 같은 개발 사업 대상 토지의 위성사진을 공공 서버(140)에서 추출할 수 있다.
서버(120)는, 토지 이용 규제 정보, 위치도, 위성사진 및 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성할 수 있다. 일 실시예에 따르면, 다수의 개발 사업 검토 기준 항목들은 개발 사업 대상 토지의 목표 지목, 심의 대상 여부, 교통처리 조건, 학생수용계획 등을 포함할 수 있지만, 개발 사업 검토 기준 항목들이 이에 한정되지 않는다.
서버(120)는, 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성할 수 있다. 일 실시예에 따르면, 서버(120)는 도 5에 도시한 바와 같은 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성할 수 있다.
서버(120)는, 개발 사업 대상 토지 정보와 관련 법령을 이용하여 용적률, 건폐율 및 건축 제한 사항을 확인하는 제1 단계를 수행할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 용적률(예를 들어, 200%, 300%, 400% 등), 건폐율(예를 들어, 20%, 30%, 40% 등) 및 건축 제한 사항(예를 들어, 상대보호구역, 절대보호구역, 배출시설설치제한지역, 가축사육제한구역, 수질보전특별대책지역 등)을 확인할 수 있다.
서버(120)는, 개발 사업 대상 토지의 관할 지방자치 단체 및 면적에 따른 심의 대상, 평가 대상 및 건축 제한 대상을 확인하는 제2 단계를 수행할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지의 관할 지방자치 단체(예를 들어, 이천시) 및 면적(예를 들어, 58,000m2)을 공공 서버(140)로 전송하여 심의 대상, 평가 대상 및 건축 제한 대상을 확인할 수 있다. 예를 들어, 서버(120)는 “사업지는 도시기본계획 상 보전용지로 시가화 예정용지 및 인구배분계획 범위내에서 도시기본계획 부합 여부, 개발수요 및 타당성 등 검토 후 적합한 경우에 한하여 사업추진이 가능하며, 도시관리계획 상 자연녹지지역으로 지정되어 있음”, “공동주택사업 추진 시 용도지역 변경(녹지지역
주거지역) 절차를 수행하여야 하며, 개발계획 수립 시 토지이용계획 및 기반시설계획 등을 반영하고 교통, 환경, 재해 등에 대한 세부적 검토 및 협의가 필요”, “이천시의 경우 오염총량관리계획 수립 시행지역으로 복하A유역의 오염 부하량을 선 배정 필요”, “공동주택사업 추진 시 수도권정비계획법에 따라 자연보전권역 내 오염총량관리계획 시행지역의 경우 3만m2 이상 6만m2이하의 도시개발사업은 수도권정비위원회의 심의를 거쳐 사업 추진이 가능”이라는 형태로 심의 대상, 평가 대상 및 건축 제한 대상을 확인할 수 있다.
서버(120)는, 제1 및 제2 단계의 확인 사항에 기초하여 개발 사업 대상 토지의 관련 용역 범위를 결정하고, 그에 따른 견적을 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 및 제2 단계의 확인 사항에 기초하여 수도권정비계획법에 따라 3만m2 이상 6만m2이하의 도시개발사업은 수도권정비위원회의 심의를 거쳐야 하므로 개발 사업 대상 토지의 관련 용역 범위를 29,900m2로 결정하고, 그에 따른 도시개발사업의 사업 승인, 토목 공사, 도로 개설 등에 소요되는 견적을 산출할 수 있다.
서버(120)는, 도시 설계 템플릿을 형성하는 경우 도시기본계획, 국토계획법, 수도권정비계획법 및 산지관리법에 따라서 목적사업에 적합하도록 개발 사업 대상 토지의 목표 지목을 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 목적사업인 공동주택사업 추진 시 필요한 지목이 주거지역이므로 개발 사업 대상 토지의 목표 지목을 주거지역으로 산출할 수 있다.
서버(120)는, 개발 사업 대상 토지의 현재 지목과 목표 지목이 일치하지 않는 경우 목표 지목으로의 지목 변경을 위한 지목 변경 조건을 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지의 현재 지목이 녹지지역이고, 목표 지목이 주거지역으로 산출된 경우 녹지지역을 주거지역으로 지목 변경을 위한 지목 변경 조건을 산출할 수 있다. 예를 들어, 서버(120)는 개발 사업 대상 토지를 녹지지역에서 주거지역으로 지목을 변경하기 위한 지목 변경 조건으로 관계 법령에 따라 개발행위 허가, 건축물 사용 승인, 농지전용, 산지전용 등 관련 인허가에 대한 준공을 우선 득하고 최종적으로 준공 관련 서류들을 구비해 지적소관청에 지목에 대한 변경을 신청하는 것으로 지목 변경 조건을 산출할 수 있다.
서버(120)는, 산출된 지목 변경 조건을 사용자 단말(110)로 전송할 수 있다. 일 실시예에 따르면, 서버(120)는 지목 변경 조건을 디지털 패킷 형태로 형성하고, 해당 지목 변경 조건을 네트워크(N)를 통하여 사용자 단말(110)로 전송할 수 있다. 이와 같이, 서버(120)는 도시개발사업의 진행을 위한 최소한의 전제 조건인 개발 사업 대상 통지의 지목을 변경하기 위한 조건을 사용자에게 안내할 수 있어서 도시개발사업 주체에게 다양하고 신뢰감 있는 서비스를 제공할 수 있다.
서버(120)는, 개발 사업 대상 토지 정보를 이용하여 심의 대상 여부를 확인할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지 정보를 공공 서버(140)로 전송하여 심의 대상 여부를 확인할 수 있다. 예를 들어, 서버(120)는 개발 사업 대상 토지 정보를 이용하여 공동주택사업 추진 시 수도권정비계획법에 따라 자연보전권역 내 오염총량관리계획 시행지역의 경우 3만m2 이상 6만m2이하의 도시개발사업은 수도권정비위원회의 심의를 거쳐 사업 추진이 가능하다는 정보를 공공 서버(140)로부터 확인할 수 있다.
서버(120)는, 개발 사업 대상 토지 정보를 이용하여 교통처리 조건을 확인할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지 정보를 공공 서버(140)로 전송하여 교통처리 조건을 확인할 수 있다. 예를 들어, 서버(120)는 진입도로는 사업지 남서측 경충대로(대로1류)로부터 분개하는 별도 도로개설이 필요할 것으로 판단되나, 도로규모 및 가감속차로 설치 등 교통처리에 대한 검토가 필요하다는 정보를 공공 서버(140)로부터 확인할 수 있다.
서버(120)는, 개발 사업 대상 토지 정보를 이용하여 학생수용계획을 확인할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지 정보를 공공 서버(140)로 전송하여 학생수용계획을 확인할 수 있다. 예를 들어, 서버(120)는 사업지와 인접하여 OO초등학교가 위치하고 있으나, 학생수용계획에 관하여 OOO교육청과 협의가 필요하다는 정보를 공공 서버(140)로부터 확인할 수 있다.
서버(120)는, 개발 사업 대상 토지 정보를 이용하여 개발 사업 대상 토지의 구역계 정형화 필요 여부를 확인할 수 있다. 일 실시예에 따르면, 서버(120)는 개발 사업 대상 토지 정보를 공공 서버(140)로 전송하여 개발 사업 대상 통지의 구역계 정형화 필요 여부를 확인할 수 있다. 예를 들어, 서버(120)는 개발 사업 대상 토지의 현황 및 도시계획 상황에 따라 합리적인 구역계 정형화에 대한 검토가 필요하다는 정보를 공공 서버(140)로부터 확인할 수 있다.
서버(120)는, 지목 변경 조건, 심의 대상 여부, 교통처리 조건, 학생수용계획 및 구역계 정형화 필요 여부에 대한 정보 중 적어도 하나를 포함하는 도시 설계 템플릿을 형성할 수 있다. 일 실시예에 따르면, 서버(120)는 지목 변경 조건, 심의 대상 여부, 교통처리 조건, 학생수용계획 및 구역계 정형화 필요 여부에 대한 정보 중 적어도 하나를 포함하는 도시 설계 템플릿을 도 5에 도시한 바와 같이 형성할 수 있다.
서버(120)는, 도시 설계 템플릿에 따라서 개발 사업 대상 토지가 제1 구역 및 제2 구역으로 구분되어 있는 경우, 제1 구역 및 제2 구역 각각에 배치되어 있는 건축물들을 확인하여, 제1 구역에 배치되어 있는 건축물들의 수를 제1 건축물수로 산출하고, 제2 구역에 배치되어 있는 건축물들의 수를 제2 건축물수로 산출하고, 제1 건축물수 및 제2 건축물수를 합산하여 제3 건축물수를 산출하며, 제3 건축물수가 미리 설정된 기준값 보다 큰지 여부를 확인하고, 제3 건축물수가 기준값 보다 큰 것으로 확인되면, 제1 구역에서 건축물들이 배치될 위치를 기초로, 제1 구역에 제1 건축물을 표시하고, 제2 구역에 제2 건축물을 표시하여, 도시 설계 템플릿을 수정하며, 제3 건축물수가 기준값 보다 작은 것으로 확인되면, 제1 건축물수가 제2 건축물수 보다 큰지 여부를 확인하고, 제1 건축물수가 제2 건축물수 보다 큰 것으로 확인되면, 제1 구역에만 제1 건축물을 표시하여, 도시 설계 템플릿을 수정하며, 제2 건축물수가 제1 건축물수 보다 큰 것으로 확인되면, 제2 구역에만 제2 건축물을 표시하여, 도시 설계 템플릿을 수정할 수 있다.
또한, 서버(120)는, 트레이닝 개발 사업 대상 토지 정보들을 획득하고, 트레이닝 개발 사업 대상 토지 정보들로부터 트레이닝 개발 사업 검토 기준 항목들을 추출하며, 개발 사업 검토 기준 항목들의 만족 여부를 나타내는 레이블들을 획득하고, 트레이닝 개발 사업 검토 기준 항목들을 미리 학습된 뉴럴 네트워크로 적용하여, 트레이닝 개발 사업 검토 기준 항목들에 대응하는 트레이닝 출력들을 생성하며, 트레이닝 출력들 및 레이블들에 기초하여, 뉴럴 네트워크를 학습시킬 수 있다.
네트워크(N)는, 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140) 등 간의 무선 또는 유선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 LTE(long-term evolution), LTE-A(LTE Advanced), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless BroadBand), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard 232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행하도록 할 수도 있다.
데이터베이스(130)는, 다양한 데이터를 저장할 수 있다. 데이터베이스(130)에 저장되는 데이터는, 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예를 들어: 프로그램)를 포함할 수 있다. 데이터베이스(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 일 실시예로서, 데이터베이스(130)는, 사용자 단말(110)에서 수신된 개발 사업 대상 토지 정보, 서버(120)에서 형성된 개발 사업 검토 기준 항목, 도시 설계 템플릿 등을 저장할 수 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 6은 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 6에 도시한 바와 같이, 서버(120)는 하나 이상의 프로세서(122), 하나 이상의 메모리(124) 및/또는 송수신기(126)를 포함할 수 있다. 일 실시예로서, 서버(120)의 이 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 서버(120)에 추가될 수 있다. 추가적으로(additionally) 또는 대체적으로(alternatively), 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다. 서버(120) 내, 외부의 구성요소들 중 적어도 일부의 구성요소들은 버스, GPIO(general purpose input/output), SPI(serial peripheral interface) 또는 MIPI(mobile industry processor interface) 등을 통해 서로 연결되어, 데이터 및/또는 시그널을 주고받을 수 있다.
하나 이상의 프로세서(122)는 소프트웨어(예: 명령, 프로그램 등)를 구동하여 프로세서(122)에 연결된 서버(120)의 적어도 하나의 구성요소를 제어할 수 있다. 또한, 프로세서(122)는 본 발명과 관련된 다양한 연산, 처리, 데이터 생성, 가공 등의 동작을 수행할 수 있다. 또한, 프로세서(122)는 데이터 등을 하나 이상의 메모리(124)로부터 로드하거나, 하나 이상의 메모리(124)에 저장할 수 있다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통하여 다수의 사용자 단말 중 어느 하나의 사용자 단말(110)로부터 개발 사업 대상 토지 정보를 디지털 패킷의 형태로 실시간 또는 비실시간으로 수신할 수 있다. 일 실시예에 따르면, 개발 사업 대상 토지 정보는, 개발 사업 대상 토지의 주소, 관할 지방자치 단체, 면적 용도지역 및 목적사업 중 적어도 하나의 정보를 포함할 수 있지만, 개발 사업 대상 토지 정보가 이에 한정되지 않는다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보를 이용하여 디지털 패킷 형태의 토지 이용 규제 정보를 추출할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 네트워크(N)를 통하여 공공 서버(140)로 전송하여 토지 이용 규제 정보를 추출할 수 있다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보를 이용하여 디지털 패킷 형태의 위치도를 추출할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위치도를 추출할 수 있다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보를 이용하여 디지털 패킷 형태의 위성사진을 추출할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위성사진을 추출할 수 있다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보를 이용하여 디지털 패킷 형태의 도시 계획 현황 사진을 추출할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 사용자 단말(110)로부터 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 도시 계획 현황 사진을 추출할 수 있다.
하나 이상의 프로세서(122)는, 토지 이용 규제 정보, 위치도, 위성사진 및 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성할 수 있다. 일 실시예에 따르면, 다수의 개발 사업 검토 기준 항목들은 개발 사업 대상 토지의 목표 지목, 심의 대상 여부, 교통처리 조건, 학생수용계획 등을 포함할 수 있지만, 개발 사업 검토 기준 항목들이 이에 한정되지 않는다.
하나 이상의 프로세서(122)는, 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성할 수 있다. 일 실시예에 따르면, 하나 이상의 프로세서(122)는, 도 5에 도시한 바와 같은 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성할 수 있다.
하나 이상의 메모리(124)는 다양한 데이터를 저장할 수 있다. 메모리(124)에 저장되는 데이터는, 서버(120)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예: 명령, 프로그램 등)를 포함할 수 있다. 메모리(124)는 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 본 발명에서, 명령 내지 프로그램은 메모리(124)에 저장되는 소프트웨어로서, 서버(120)의 리소스를 제어하기 위한 운영체제, 어플리케이션 및/또는 어플리케이션이 서버(120)의 리소스들을 활용할 수 있도록 다양한 기능을 어플리케이션에 제공하는 미들 웨어 등을 포함할 수 있다.
하나 이상의 메모리(124)는 상술한 사용자 단말(110)에서 수신된 개발 사업 대상 토지 정보, 서버(120)에서 형성된 개발 사업 검토 기준 항목, 도시 설계 템플릿 등을 저장할 수 있다. 또한, 하나 이상의 메모리(124)는, 하나 이상의 프로세서(122)에 의한 실행 시, 하나 이상의 프로세서(122)가 연산을 수행하도록 하는 명령들을 저장할 수 있다.
일 실시예로서, 서버(120)는 송수신기(126)를 더 포함할 수 있다. 송수신기(126)는, 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140) 및/또는 기타 다른 장치 간의 무선 또는 유선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 eMBB(enhanced Mobile Broadband), URLLC(Ultra Reliable Low-Latency Communications), MMTC(Massive Machine Type Communications), LTE(long-term evolution), LTE-A(LTE Advance), UMTS(Universal Mobile Telecommunications System), GSM(Global System for Mobile communications), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless Broadband), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행할 수 있다.
일 실시예로서, 하나 이상의 프로세서(122)는 송수신기(126)를 제어하여 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140)로부터 정보를 획득할 수 있다. 사용자 단말(110), 서버(120), 데이터베이스(130), 공공 서버(140)로부터 획득된 정보는 하나 이상의 메모리(124)에 저장될 수 있다.
일 실시예로서, 서버(120)는 다양한 형태의 장치가 될 수 있다. 예를 들어, 서버(120)는 휴대용 통신 장치, 컴퓨터 장치, 또는 상술한 장치들 중 하나 또는 그 이상의 조합에 따른 장치일 수 있다. 본 발명의 서버(120)는 전술한 장치들에 한정되지 않는다.
본 발명에 따른 서버(120)의 다양한 실시예들은 서로 조합될 수 있다. 각 실시예들은 경우의 수에 따라 조합될 수 있으며, 조합되어 만들어진 서버(120)의 실시예 역시 본 발명의 범위에 속한다. 또한 전술한 본 발명에 따른 서버(120)의 내/외부 구성 요소들은 실시예에 따라 추가, 변경, 대체 또는 삭제될 수 있다. 또한 전술한 서버(120)의 내/외부 구성 요소들은 하드웨어 컴포넌트로 구현될 수 있다.
도 7은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 7에 도시한 바와 같이, 학습 장치는 개발 사업 대상 토지 정보들이 포함하는 개발 사업 검토 기준 항목들의 만족 여부 추출을 위하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 일 실시예에 따르면, 학습 장치는 서버(120)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.
뉴럴 네트워크(123)는 트레이닝 샘플들이 입력되는 입력 레이어(121)와 트레이닝 출력들을 출력하는 출력 레이어(125)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 개발 사업 검토 기준 항목들의 만족 여부에 기초하여 정의될 수 있다. 뉴럴 네트워크(123)는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.
학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.
학습 장치는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크(123) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.
학습 장치는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크(123) 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 개발 사업 대상 토지 정보들로부터 트레이닝 개발 사업 검토 기준 항목들을 추출하고, 개발 사업 검토 기준 항목들의 만족 여부를 나타내는 레이블들을 획득할 수 있다. 학습 장치는 트레이닝 개발 사업 검토 기준 항목들을 미리 학습된 뉴럴 네트워크로 적용하여, 트레이닝 개발 사업 검토 기준 항목들에 대응하는 트레이닝 출력들을 생성하고, 트레이닝 출력들 및 레이블들에 기초하여, 뉴럴 네트워크를 학습시킬 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 개발 사업 검토 기준 항목들의 구성 특징들, 길이 특징들 및 숫자 특징들에 기초하여 트레이닝 특징 벡터들을 생성할 수 있다. 특징을 추출하는 데는 다양한 방식이 채용될 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 특징 벡터들을 뉴럴 네트워크(123)에 적용하여 트레이닝 출력들을 획득할 수 있다. 학습 장치는 트레이닝 출력들과 제1 레이블들에 기초하여 뉴럴 네트워크(123)의 개발 사업 검토 기준 검토 알고리즘을 학습시킬 수 있다. 학습 장치는 트레이닝 출력들에 대응하는 트레이닝 에러들을 계산하고, 그 트레이닝 에러들을 최소화하기 위해 뉴럴 네트워크(123) 내 노드들의 연결 관계를 최적화하여 뉴럴 네트워크(123)의 개발 사업 검토 기준 검토 알고리즘을 학습시킬 수 있다. 서버(120)는 학습이 완료된 뉴럴 네트워크(123)를 이용하여 개발 사업 대상 토지 정보들로부터 개발 사업 검토 기준 항목들의 만족 여부를 추출할 수 있다.
도 8은 일실시예에 따른 도시 설계 자동화 방법의 흐름도이다.
도 8의 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 발명의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 발명에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 발명의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
도 8 도시한 바와 같이, 단계(S810)에서, 개발 사업 대상 토지 정보가 수신된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, 사용자 단말(110)로부터 개발 사업 대상 토지 정보를 수신할 수 있다. 일 실시예에 따르면, 개발 사업 대상 토지 정보는, 개발 사업 대상 토지의 주소, 관할 지방자치 단체, 면적 용도지역 및 목적사업 중 적어도 하나의 정보를 포함할 수 있다.
단계(S820)에서, 토지 이용 규제 정보가 추출된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, 단계 S810에서 수신된 개발 사업 대상 토지 정보가 포함하는 개발 사업 대상 토지의 주소를 이용하여 토지 이용 규제 정보를 추출할 수 있다.
단계(S830)에서, 위치도가 추출된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, 단계 S810에서 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위치도를 추출할 수 있다.
단계(S840)에서, 위성사진이 추출된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, 단계 S810에서 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 위성사진을 추출할 수 있다.
단계(S850)에서, 도시 계획 현황 사진이 추출된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, 단계 S810에서 수신된 개발 사업 대상 토지 정보에 포함된 개발 사업 대상 토지의 주소를 공공 서버(140)로 전송하여 개발 사업 대상 토지의 도시 계획 현황 사진을 추출할 수 있다.
단계(S860)에서, 개발 사업 검토 기준 항목이 형성된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, S820 단계에서 추출된 토지 이용 규제 정보, S830 단계에서 추출된 위치도, S840 단계에서 추출된 위성사진, S850 단계에서 추출된 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성할 수 있다.
단계(S870)에서, 도시 설계 템플릿이 형성된다. 예를 들어, 도 1 내지 도 7을 참조하면, 서버(120)는, S860 단계에서 형성된 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성할 수 있다.
도 9는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(901)는 프로세서(902) 및 메모리(903)를 포함한다. 일실시예에 따른 장치(901)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 4를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 4를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(903)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(903)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(902)는 프로그램을 실행하고, 장치(901)를 제어할 수 있다. 프로세서(902)에 의하여 실행되는 프로그램의 코드는 메모리(903)에 저장될 수 있다. 장치(901)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 개발 사업 대상 토지 정보 - 상기 개발 사업 대상 토지 정보는, 개발 사업 대상 토지의 주소, 관할 지방자치 단체, 면적, 용도지역 및 목적사업 중 적어도 하나의 정보를 포함함 - 를 수신하는 단계;
상기 개발 사업 대상 토지의 주소를 이용하여 토지 이용 규제 정보를 추출하는 단계;
상기 개발 사업 대상 토지의 주소를 이용하여 위치도를 추출하는 단계;
상기 개발 사업 대상 토지의 주소를 이용하여 위성사진을 추출하는 단계;
상기 개발 사업 대상 토지의 주소를 이용하여 도시 계획 현황 사진을 추출하는 단계;
상기 토지 이용 규제 정보, 상기 위치도, 상기 위성사진 및 상기 도시 계획 현황 사진을 이용하여 다수의 개발 사업 검토 기준 항목들을 형성하는 단계;
상기 다수의 개발 사업 검토 기준 항목들을 포함하는 도시 설계 템플릿을 형성하는 단계;
도시기본계획, 국토계획법, 수도권정비계획법 및 산지관리법에 따라서 상기 목적사업에 적합하도록 상기 개발 사업 대상 토지의 목표 지목을 산출하는 단계;
상기 개발 사업 대상 토지의 현재 지목과 상기 목표 지목이 일치하지 않는 경우 상기 목표 지목으로의 지목 변경을 위한 지목 변경 조건을 산출하는 단계; 및
상기 지목 변경 조건을 사용자 단말로 전송하는 단계를 포함하되,
상기 도시 설계 템플릿을 형성하는 단계는,
상기 개발 사업 대상 토지 정보를 이용하여 심의 대상 여부를 확인하는 단계;
상기 개발 사업 대상 토지 정보를 이용하여 교통처리 조건을 확인하는 단계; 상기 개발 사업 대상 토지 정보를 이용하여 학생수용계획을 확인하는 단계;
상기 개발 사업 대상 토지 정보를 이용하여 상기 개발 사업 대상 토지의 구역계 정형화 필요 여부를 확인하는 단계; 및
상기 지목 변경 조건, 상기 심의 대상 여부, 상기 교통처리 조건, 상기 학생수용계획 및 상기 구역계 정형화 필요 여부에 대한 정보 중 적어도 하나를 포함하는 상기 도시 설계 템플릿을 형성하는 단계
를 포함하는,
개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법. - 제1항에 있어서,
상기 개발 사업 대상 토지 정보와 관련 법령을 이용하여 용적율, 건폐율 및 건축 제한 사항을 확인하는 제1 단계;
상기 개발 사업 대상 토지의 관할 지방자치 단체 및 면적에 따른 심의 대상, 평가 대상 및 건축 제한 대상을 확인하는 제2 단계; 및
상기 제1 및 제2 단계의 확인 사항에 기초하여 상기 개발 사업 대상 토지의 관련 용역 범위를 결정하고, 그에 따른 견적을 산출하는 단계를 더 포함하는,
개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210157354A KR102486271B1 (ko) | 2021-11-16 | 2021-11-16 | 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210157354A KR102486271B1 (ko) | 2021-11-16 | 2021-11-16 | 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102486271B1 true KR102486271B1 (ko) | 2023-01-09 |
Family
ID=84892866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210157354A KR102486271B1 (ko) | 2021-11-16 | 2021-11-16 | 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102486271B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980087704A (ko) * | 1998-09-10 | 1998-12-05 | 홍석동 | 건축 컨설팅 서비스 시스템 |
| KR101309082B1 (ko) | 2013-03-12 | 2013-09-16 | 명지대학교 산학협력단 | 한옥 구조부재 설계 자동화 시스템 및 그 방법 |
| KR20140117926A (ko) | 2013-03-27 | 2014-10-08 | 현대중공업 주식회사 | 사격 및 레이더 방사 범위 자동화 설계 방법 |
| KR20200064359A (ko) * | 2018-11-29 | 2020-06-08 | 스페이스워크 주식회사 | 부동산 개발에 관한 정보를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
| KR102184048B1 (ko) * | 2018-07-10 | 2020-11-27 | 주식회사 수성엔지니어링 | Gis 기반 토지 이용 계획 검토 시스템 및 방법 |
-
2021
- 2021-11-16 KR KR1020210157354A patent/KR102486271B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980087704A (ko) * | 1998-09-10 | 1998-12-05 | 홍석동 | 건축 컨설팅 서비스 시스템 |
| KR101309082B1 (ko) | 2013-03-12 | 2013-09-16 | 명지대학교 산학협력단 | 한옥 구조부재 설계 자동화 시스템 및 그 방법 |
| KR20140117926A (ko) | 2013-03-27 | 2014-10-08 | 현대중공업 주식회사 | 사격 및 레이더 방사 범위 자동화 설계 방법 |
| KR102184048B1 (ko) * | 2018-07-10 | 2020-11-27 | 주식회사 수성엔지니어링 | Gis 기반 토지 이용 계획 검토 시스템 및 방법 |
| KR20200064359A (ko) * | 2018-11-29 | 2020-06-08 | 스페이스워크 주식회사 | 부동산 개발에 관한 정보를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102288933B1 (ko) | 정밀 도로 지도 구축 방법, 장치 및 시스템 | |
| KR102499234B1 (ko) | 인공지능 기반 배달기사 배차 방법, 장치 및 시스템 | |
| KR102531879B1 (ko) | 인공지능 기반 기업용 전자 장비의 유지 보수를 위한 이벤트 발생 예측 및 모니터링 방법, 장치 및 시스템 | |
| KR102561303B1 (ko) | 건축 설계 bim 데이터 및 시공 스케줄의 연동을 통한 공사 관리 솔루션 제공 방법, 장치 및 시스템 | |
| KR102486271B1 (ko) | 개발 사업 검토 기준을 기반으로 한 도시 설계 자동화 방법, 장치 및 시스템 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102553041B1 (ko) | 인공지능 모델 기반 사용자 및 인테리어 공급자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102474974B1 (ko) | 인공지능 기반 브랜드 분석 방법, 장치 및 시스템 | |
| KR102426803B1 (ko) | 인공지능 기반 제품의 해외 판매 페이지 자동 업로드 방법, 장치 및 시스템 | |
| KR102430959B1 (ko) | 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
| US20230394970A1 (en) | Evaluation system, evaluation method, and evaluation program | |
| KR20220037608A (ko) | 리스트 분류 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 | |
| KR20210062794A (ko) | 기자재 구성요소 추출 장치 및 방법과, 그를 포함하는 고장 진단 시스템 | |
| KR102600258B1 (ko) | 사용자 참여 및 소프트웨어 업로드가 가능한 전자칠판 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR20210115250A (ko) | 하이브리드 심층 학습 시스템 및 방법 | |
| KR102499800B1 (ko) | 설문지를 활용한 인공지능 기반 고객 맞춤 에스테틱 큐레이션 시스템, 장치 및 방법 | |
| KR102664280B1 (ko) | 인공지능 모델을 활용한 사용자 맞춤형 실내 건축 인테리어의 설계 자동화 서비스 제공 방법, 장치 및 시스템 | |
| KR102561832B1 (ko) | 인공지능 기반 온라인 교육 콘텐츠 제공 방법, 장치 및 시스템 | |
| KR102572576B1 (ko) | 인공지능 모델을 활용한 강우량 기반 지형의 사면안정 및 침수해석 시뮬레이션 방법, 장치 및 시스템 | |
| KR102522634B1 (ko) | 네트워크 장비의 유지 보수 운용 자동화 방법, 장치 및 시스템 | |
| KR102458840B1 (ko) | 소비자가 주도하는 오디션 방식의 친환경 화장품 개발 장치, 방법 및 시스템 | |
| KR20220104553A (ko) | 고소차 배차 시스템 및 방법 | |
| KR102569294B1 (ko) | 1인 공간 개발 및 대여 플랫폼 제공 방법, 장치 및 시스템 | |
| KR102475813B1 (ko) | 인공지능 기반 스마트 팩토리 구동 시뮬레이션 방법 | |
| KR102578734B1 (ko) | 산업용 자동화 장비의 용도 및 설계 정보를 기반으로 한 부품 정보의 제공, 주문 처리 및 재고 관리 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |