KR102634668B1 - A building remodeling method to reduce construction waste generation - Google Patents
A building remodeling method to reduce construction waste generation Download PDFInfo
- Publication number
- KR102634668B1 KR102634668B1 KR1020230060762A KR20230060762A KR102634668B1 KR 102634668 B1 KR102634668 B1 KR 102634668B1 KR 1020230060762 A KR1020230060762 A KR 1020230060762A KR 20230060762 A KR20230060762 A KR 20230060762A KR 102634668 B1 KR102634668 B1 KR 102634668B1
- Authority
- KR
- South Korea
- Prior art keywords
- building
- remodeling
- waste
- output
- image
- Prior art date
Links
- 238000007634 remodeling Methods 0.000 title claims abstract description 127
- 239000002699 waste material Substances 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010276 construction Methods 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 claims abstract description 43
- 238000013461 design Methods 0.000 claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 25
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000008439 repair process Effects 0.000 claims description 19
- 239000010847 non-recyclable waste Substances 0.000 claims description 18
- 239000010819 recyclable waste Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000009193 crawling Effects 0.000 claims description 2
- 238000011176 pooling Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010425 asbestos Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052895 riebeckite Inorganic materials 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/58—Construction or demolition [C&D] waste
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Sustainable Development (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법이 제공된다.According to one embodiment, a building remodeling method to reduce construction waste generation includes the step of receiving a request for building remodeling through a customer terminal and the step of disposing of waste generated after demolishing existing materials other than the building's frame based on the design. A method is provided.
Description
본 발명은 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 제공하기 위한 기술에 관한 것이다.The present invention relates to technology for providing a building remodeling method that reduces construction waste generation.
일반적으로 기존 건물을 철거하고 시행하는 신축 공사는, 철거하는 과정에서 대량의 건설 폐기물을 생성하게 된다. 철거 과정에서 발생한 건설 폐기물은 재활용되거나 매립지에 매립하는 형태로 처리된다.In general, new construction that involves demolishing an existing building generates a large amount of construction waste during the demolition process. Construction waste generated during the demolition process is either recycled or buried in a landfill.
최근에는 건설 폐기물의 재활용이 강조되고 있어 폐기물을 분쇄한 후 새로운 건축 자재로 재생산하는 등의 방식이 활용되고 있다.Recently, recycling of construction waste has been emphasized, and methods such as crushing waste and reproducing it into new building materials are being used.
그러나 신축 공사는 기초 공사 비용과 골조 공사 비용 및 폐기물 처리 비용이 많이 발생하여 건물 소유주에게 큰 부담이 되고, 건축 기간이 길어 기존 건물의 이용자들에게 불편을 줄 수 있었다.However, new construction costs a lot of foundation work, framing work, and waste disposal, which puts a big burden on the building owner, and the long construction period can cause inconvenience to users of the existing building.
또한, 신축 건물은 기존 건물에 비해 강화된 건축법을 적용받아, 실제 사용 면적이 기존 건물보다 줄어들 수 있고, 기존 건물의 가치와 개성을 보존하기 어려운 문제점이 있었다.In addition, new buildings are subject to more stringent building codes than existing buildings, so the actual usable area may be smaller than that of existing buildings, and it is difficult to preserve the value and individuality of existing buildings.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법을 제공하기 위한 것을 그 목적으로 한다.According to one embodiment, a building remodeling method to reduce construction waste generation includes the step of receiving a request for building remodeling through a customer terminal and the step of disposing of waste generated after demolishing existing materials other than the building's frame based on the design. The purpose is to provide a method for doing so.
또한, 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계; 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고, 상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고, 상기 제1 출력을 획득하는 단계 이후에, 상기 제1 출력을 상기 고객 단말에 제공하는 단계; 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고, 상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고, 상기 제2 출력을 획득하는 단계 이후에, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계; 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함하는 방법을 제공할 수 있다.In addition, the building remodeling request includes the address of the building, the remodeling budget, and the external image of the building, and receiving the building remodeling request through the customer terminal, and existing materials other than the frame of the building based on the design. Between the steps of disposing of waste generated after demolition, using the Ministry of Land, Infrastructure and Transport API, obtaining building ledger information corresponding to the address of the building; Calculating the age of the building based on the use approval date among the building ledger information; And the age, size, use, remodeling materials, frame repair cost per standard area, remodeling cost, and photos before and after remodeling of previously remodeled buildings are used as a dataset, recommended remodeling materials, expected remodeling cost, and frame repair per expected standard area. A first artificial intelligence model pre-trained to output a construction cost and a predicted image after construction with the recommended remodeling materials, the calculated age of the building, building ledger information, and an external image of the building included in the building remodeling request Further comprising: acquiring a first output by inputting, wherein the first artificial intelligence model is based on a CNN (Convolutional Neural Network) algorithm, and after the step of acquiring the first output, 1 providing output to the customer terminal; Obtaining an on-site visit reservation date and time through the customer terminal; And transmitting the building remodeling request, the first output, and the site visit reservation date and time to a professional human resources terminal, and processing waste generated after demolition of existing materials other than the building frame based on the design. Obtaining images of waste generated after demolition through a professional human resources terminal; And inputting the image of the waste generated after demolition into a second artificial intelligence model that has been previously trained to output the items of waste and the amount of waste in the image, and obtaining a second output, wherein the second artificial intelligence The model is based on the Faster R-CNN algorithm, and after the step of obtaining the second output, based on the second output, waste items on the image of the waste generated after demolition are divided into recyclable waste items and , classifying waste items as non-recyclable; transmitting the items of recyclable waste, the amount of recyclable waste, and a collection request to a business that processes recyclable waste; and transmitting the item of non-recyclable waste, the amount of non-recyclable waste, and a collection request to a company that processes non-recyclable waste.
또한, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,In addition, between providing the first output to the customer terminal and obtaining the site visit reservation date and time through the customer terminal, calculating a remodeling sustainability evaluation score based on [Equation 1]; And further comprising providing the remodeling sustainability evaluation score to the customer terminal,
[수학식 1][Equation 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식인 방법을 제공할 수 있다.Score is the remodeling sustainability evaluation score, L_m is the lifespan of the recommended remodeling material obtained through the first artificial intelligence model, S_b is the size of the building, and C_r is the expected reference area obtained through the first artificial intelligence model. It is the cost of frame repair work, and A_b can provide a method for the age of the building.
일실시예에 따르면, 고객 단말을 통해 획득한 건물의 주소로 건축물대장 정보를 자동으로 획득할 수 있고, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있으며, 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있고, 폐기물 항목에 따라 수거 업체에 수거 요청을 전송할 수 있으며, 리모델링 지속 가능성 평가 점수를 산출할 수 있다.According to one embodiment, building ledger information can be automatically obtained with the address of the building acquired through the customer terminal, and recommended remodeling materials, expected remodeling cost, and frame repair cost per expected standard area through a pre-learned artificial intelligence model. , and predicted images of buildings after construction with recommended remodeling materials can be obtained. By analyzing images of waste generated after demolition using artificial intelligence technology, waste items and amounts can be obtained, and depending on the waste items, they can be sent to a collection company. A collection request can be sent and a remodeling sustainability evaluation score can be calculated.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The object of the present invention is not limited to the object mentioned above, and other objects not mentioned can be clearly understood from the description below.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법에 있어서, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계 및 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하는 방법이 제공된다.According to one embodiment, a building remodeling method to reduce construction waste generation includes the step of receiving a request for building remodeling through a customer terminal and the step of disposing of waste generated after demolishing existing materials other than the building's frame based on the design. A method is provided.
또한, 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계; 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고, 상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고, 상기 제1 출력을 획득하는 단계 이후에, 상기 제1 출력을 상기 고객 단말에 제공하는 단계; 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고, 상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고, 상기 제2 출력을 획득하는 단계 이후에, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계; 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함할 수 있다.In addition, the building remodeling request includes the address of the building, the remodeling budget, and the external image of the building, and receiving the building remodeling request through the customer terminal, and existing materials other than the frame of the building based on the design. Between the steps of disposing of waste generated after demolition, using the Ministry of Land, Infrastructure and Transport API, obtaining building ledger information corresponding to the address of the building; Calculating the age of the building based on the use approval date among the building ledger information; And the age, size, use, remodeling materials, frame repair cost per standard area, remodeling cost, and photos before and after remodeling of previously remodeled buildings are used as a dataset, recommended remodeling materials, expected remodeling cost, and frame repair per expected standard area. A first artificial intelligence model pre-trained to output a construction cost and a predicted image after construction with the recommended remodeling materials, the calculated age of the building, building ledger information, and an external image of the building included in the building remodeling request Further comprising: acquiring a first output by inputting, wherein the first artificial intelligence model is based on a CNN (Convolutional Neural Network) algorithm, and after the step of acquiring the first output, 1 providing output to the customer terminal; Obtaining an on-site visit reservation date and time through the customer terminal; And transmitting the building remodeling request, the first output, and the site visit reservation date and time to a professional human resources terminal, and processing waste generated after demolition of existing materials other than the building frame based on the design. Obtaining images of waste generated after demolition through a professional human resources terminal; And inputting the image of the waste generated after demolition into a second artificial intelligence model that has been previously trained to output the items of waste and the amount of waste in the image, and obtaining a second output, wherein the second artificial intelligence The model is based on the Faster R-CNN algorithm, and after the step of obtaining the second output, based on the second output, waste items on the image of the waste generated after demolition are divided into recyclable waste items and , classifying waste items as non-recyclable; transmitting the items of recyclable waste, the amount of recyclable waste, and a collection request to a business that processes recyclable waste; and transmitting the item of non-recyclable waste, the amount of non-recyclable waste, and a collection request to a company that processes non-recyclable waste.
또한, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,In addition, between providing the first output to the customer terminal and obtaining the site visit reservation date and time through the customer terminal, calculating a remodeling sustainability evaluation score based on [Equation 1]; And further comprising providing the remodeling sustainability evaluation score to the customer terminal,
[수학식 1][Equation 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식일 수 있다.Score is the remodeling sustainability evaluation score, L_m is the lifespan of the recommended remodeling material obtained through the first artificial intelligence model, S_b is the size of the building, and C_r is the expected reference area obtained through the first artificial intelligence model. This is the cost of frame repair work, and A_b may be the age of the building.
일실시예에 따르면, 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 제공함으로써, 고객 단말을 통해 획득한 건물의 주소를 이용하여 건축물대장 정보를 자동으로 획득할 수 있는 효과가 있다.According to one embodiment, by providing a building remodeling method that reduces construction waste generation, there is an effect of automatically obtaining building ledger information using the address of the building obtained through a customer terminal.
그리고 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있다.Additionally, images of waste generated after demolition can be analyzed using artificial intelligence technology to obtain waste items and amounts.
또한, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있다.In addition, through the pre-trained artificial intelligence model, recommended remodeling materials, expected remodeling cost, frame repair cost per expected standard area, and predicted image of the building after construction with recommended remodeling materials can be obtained.
마지막으로, 건물 리모델링 후 리모델링의 지속 가능성을 나타내는 리모델링 지속 가능성 평가 점수를 산출할 수 있다.Finally, after remodeling a building, a remodeling sustainability evaluation score that indicates the sustainability of the remodeling can be calculated.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.Meanwhile, the effects according to the embodiments are not limited to those mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the description below.
도 1은 일실시예에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 시행하기 위한 시스템의 구성을 개략적으로 나타낸 개념도이다.
도 2는 일실시예에 따른 건물 리모델링 요청을 수신하여 제1 출력과 리모델링 지속 가능성 평가 점수를 획득하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 현장 방문 예약 과정 및 폐기물 처리 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 폐기물 처리 과정을 설명하기 위한 도면이다.Figure 1 is a conceptual diagram schematically showing the configuration of a system for implementing a building remodeling method to reduce construction waste generation according to an embodiment.
Figure 2 is a flowchart illustrating a process for receiving a building remodeling request and obtaining a first output and a remodeling sustainability evaluation score according to an embodiment.
Figure 3 is a diagram for explaining an on-site visit reservation process and a waste disposal process according to an embodiment.
Figure 4 is a diagram for explaining a waste treatment process according to an embodiment.
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.Hereinafter, embodiments will be described in detail with reference to the attached drawings. However, various changes can be made to the embodiments, so the scope of the patent application is not limited or limited by these embodiments. It should be understood that all changes, equivalents, or substitutes for the embodiments are included in the scope of rights.
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.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only and may be modified and implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosed form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.
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.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from another component. For example, a first component may be named a second component, and similarly, the second component may also be named a first component.
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.When a component is referred to as being “connected” to another component, it should be understood that it may be directly connected or connected to the other component, but that other components may exist in between.
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.The terms used in the examples are for descriptive purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
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.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as generally understood by a person of ordinary skill in the technical field to which the embodiments belong. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and unless explicitly defined in the present application, should not be interpreted in an ideal or excessively formal sense. No.
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.In addition, when describing with reference to the accompanying drawings, identical components will be assigned the same reference numerals regardless of the reference numerals, and overlapping descriptions thereof will be omitted. In describing the embodiments, if it is determined that detailed descriptions of related known technologies may unnecessarily obscure the gist of the embodiments, the detailed descriptions are omitted.
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.Embodiments may be implemented in various types of products such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent vehicles, kiosks, and wearable devices.
실시예에서 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.In an embodiment, an artificial intelligence (AI) system is a computer system that implements human-level intelligence, and unlike existing rule-based smart systems, it is a system in which machines learn and make decisions on their own. As artificial intelligence systems are used, their recognition rates improve and they can more accurately understand user preferences, and existing rule-based smart systems are gradually being replaced by deep learning-based artificial intelligence systems.
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.Artificial intelligence technology consists of machine learning and element technologies using machine learning. Machine learning is an algorithmic technology that classifies/learns the characteristics of input data on its own, and elemental technology is a technology that mimics the functions of the human brain such as cognition and judgment by utilizing machine learning algorithms such as deep learning, including linguistic understanding and visual It consists of technical areas such as understanding, reasoning/prediction, knowledge expression, and motion control.
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.The various fields where artificial intelligence technology is applied are as follows. Linguistic understanding is a technology that recognizes and applies/processes human language/characters and includes natural language processing, machine translation, conversation systems, question and answer, and voice recognition/synthesis. Visual understanding is a technology that recognizes and processes objects like human vision, and includes object recognition, object tracking, image search, person recognition, scene understanding, spatial understanding, and image improvement. Inferential prediction is a technology that judges information to make logical inferences and predictions, and includes knowledge/probability-based reasoning, optimization prediction, preference-based planning, and recommendations. Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data creation/classification) and knowledge management (data utilization). Motion control is a technology that controls the autonomous driving of vehicles and the movement of robots, and includes motion control (navigation, collision, driving), operation control (behavior control), etc.
도 1은 일실시예에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법을 시행하기 위한 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 건물 리모델링 요청을 수신하여 제1 출력과 리모델링 지속 가능성 평가 점수를 획득하는 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 현장 방문 예약 과정 및 폐기물 처리 과정을 설명하기 위한 도면이고, 도 4는 일실시예에 따른 폐기물 처리 과정을 설명하기 위한 도면이다.Figure 1 is a conceptual diagram schematically showing the configuration of a system for implementing a building remodeling method to reduce construction waste generation according to an embodiment, and Figure 2 shows a first output and continuation of remodeling by receiving a building remodeling request according to an embodiment. It is a flowchart for explaining the process of obtaining feasibility assessment points, and FIG. 3 is a diagram for explaining the on-site visit reservation process and waste disposal process according to one embodiment, and FIG. 4 is a diagram explaining the waste treatment process according to one embodiment. This is a drawing for this purpose.
도 1을 참조하면, 일실시예로서 본 발명에 따른 건설 폐기물 발생을 줄이는 건물 리모델링 방법은, 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공하기 위한 장치(100)를 포함할 수 있다.Referring to FIG. 1, as an example, the building remodeling method for reducing construction waste generation according to the present invention may include an apparatus 100 for providing a building remodeling service for reducing construction waste generation.
상기 장치(100)는, 리모델링 대상 건물을 소유하고 있는 고객의 단말을 통해, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하는 건물 리모델링 요청을 수신할 수 있다.The device 100 may receive a building remodeling request including the address of the building, a remodeling budget, and an external image of the building through the terminal of a customer who owns the building to be remodeled.
일실시예로서, 상기 장치는 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공하기 위한 웹사이트를 운용할 수 있다. 상기 웹사이트는 고객 단말을 ㅌ오해 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하는 건물 리모델링 요청을 획득하기 위한, 주소지 검색 인터페이스, 리모델링 예산 입력 인터페이스, 및 이미지 파일 업로드 인터페이스 등을 제공할 수 있다.In one embodiment, the device may operate a website for providing building remodeling services that reduce construction waste generation. The website may provide an address search interface, a remodeling budget input interface, an image file upload interface, etc. to obtain a building remodeling request including the address of the building, a remodeling budget, and an exterior image of the building by locating the customer terminal. You can.
또한, 상기 장치(100)는, 건축물대장 정보를 보유하고 있는 장치와 네트워크를 통해 건축물대장 정보를 획득할 수 있다. 상기 건축물대장 정보를 보유하고 있는 장치는, 국토교통부 장치일 수 있고, 국토교통부의 오픈 API를 이용하여 건축물대장 정보를 수집할 수 있다.Additionally, the device 100 can obtain building ledger information through a device and network that holds building ledger information. The device holding the building ledger information may be a Ministry of Land, Infrastructure and Transport device, and may collect building ledger information using the open API of the Ministry of Land, Infrastructure and Transport.
그리고 상기 장치(100)는, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델과, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델을 포함할 수 있다.And the device 100 uses the age, size, use, remodeling materials, frame repair cost per standard area, remodeling cost, and photos before and after building remodeling of previously remodeled buildings as a dataset, recommended remodeling materials, and expected remodeling. A first artificial intelligence model that is pre-trained to output the cost, the cost of frame repair work per expected standard area, and a predicted image after construction with the recommended remodeling materials, and a second artificial intelligence model that is pre-trained to output the items and amount of waste in the image. May include artificial intelligence models.
또한, 상기 장치(100)는, 상기 제1 인공지능 모델과 상기 제2 인공지능 모델을 학습시킬 수 있고, 인공지능 기술을 활용하여 건설 폐기물 발생을 줄이는 건물 리모델링 서비스를 제공할 수도 있다.In addition, the device 100 can learn the first artificial intelligence model and the second artificial intelligence model, and can also provide a building remodeling service that reduces construction waste generation by utilizing artificial intelligence technology.
상기 장치(100)는, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 인공지능에서 획득한 제1 출력, 및 현장 방문 예약 일시를 전송할 수 있고, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득할 수도 있다.The device 100 can transmit the building remodeling request, the first output obtained from the first artificial intelligence, and the date and time of the on-site visit reservation to the professional manpower terminal, and an image of the waste generated after demolition through the professional manpower terminal. You can also obtain .
도 2를 참조하면, 일실시예로서 S201 단계에서 장치는, 고객 단말을 통해 건물 리모델링 요청을 수신할 수 있다. 상기 건물 리모델링 요청은, 건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함할 수 있다.Referring to FIG. 2 , as an example, in step S201, the device may receive a building remodeling request through a customer terminal. The building remodeling request may include the building's address, a remodeling budget, and an external image of the building.
또한, S202 단계에서 장치는, 국토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득할 수 있다.Additionally, in step S202, the device may obtain building ledger information corresponding to the address of the building using the Ministry of Land, Infrastructure and Transport API.
국토교통부 API를 이용하여 획득하는 건축물대장 정보 중에서, 주용도코드명, 기타용도, 세대수, 가구수, 높이(m), 지상층수, 지하층수, 승용승강기수, 비상용승강기수, 부속건축물수, 부속건축물면적(m²사용승인일, 대지위치, 시군구코드, 법정동코드, 대지구분코드, 번, 지, 도로명대지위치, 건물명, 특수지명, 새주소도로코드, 새주소법정동코드, 새주소지상지하코드, 새주소본번, 새주소부번, 동명칭, 대지면적(m²건축면적(m²건폐율(%), 연면적(m²용적률산정연면적(m²용적률(%), 구조코드, 구조코드명, 기타구조, 주용도코드 등을 바탕으로 건물의 규모, 연식 및 용도 등을 획득할 수 있다.Among the building ledger information obtained using the Ministry of Land, Infrastructure and Transport API, main use code name, other uses, number of households, number of households, height (m), number of ground floors, number of basement floors, number of passenger elevators, number of non-use elevators, number of annexed buildings, and annexed building area. (m² use approval date, site location, city/county/gu code, legal dong code, site classification code, number, district, road name/site location, building name, special place name, new address road code, new address legal dong code, new address ground/basement code, new address main number Based on the new address number, neighborhood name, site area (m²), building area (m²), building-to-land ratio (%), total floor area (m²), floor area ratio (m² floor area ratio (%)), structure code, structure code name, other structures, main use code, etc. You can obtain the size, age, and purpose of the building.
S203 단계에서 장치는, 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출할 수 있다. 사용승인일을 기준으로 현재 일자까지를 계산하면 건물의 연식을 얻을 수 있다.In step S203, the device can calculate the age of the building based on the use approval date among the building ledger information. You can obtain the age of a building by calculating the current date based on the date of approval for use.
또한, S204 단계에서 장치는, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물 대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득할 수 있다.In addition, in step S204, the device uses the age, size, use, remodeling materials, frame repair cost per standard area, remodeling cost, and photos before and after building remodeling of previously remodeled buildings as a dataset, recommended remodeling materials, and expected remodeling. The first artificial intelligence model is pre-trained to output the cost, the cost of frame repair work per expected standard area, and the predicted image after construction with the recommended remodeling materials, including the calculated age of the building, building ledger information, and the request for remodeling the building. The first output can be obtained by inputting the external image of the building included in .
상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 할 수 있다.The first artificial intelligence model may be based on a CNN (Convolutional Neural Network) algorithm.
CNN 알고리즘은, 딥 러닝의 한 종류로, 이미지, 동영상, 음성 등과 같은 다양한 형태의 데이터를 처리하는 데 사용될 수 있다. CNN 알고리즘은 입력 데이터를 여러 개의 계층으로 구성된 신경망에 통과시키며, 각 계층은 입력 데이터로부터 다양한 특징을 추출하기 위해서 컨볼루션(convolution), 풀링(pooling), 활성화(activation) 등의 기술을 사용한다.CNN algorithms are a type of deep learning and can be used to process various types of data such as images, videos, and voices. The CNN algorithm passes input data through a neural network composed of several layers, and each layer uses techniques such as convolution, pooling, and activation to extract various features from the input data.
컨볼루션은 입력 이미지와 필터(커널)를 곱하여 새로운 이미지를 생성하는 기술로, 필터는 작은 크기의 행렬로 이미지의 특징을 추출할 수 있다. 풀링은 이미지의 크기를 줄이는 작업으로, 대표적으로 Max pooling과 Average pooling이 있다. 활성화 함수는 입력값에 대해 비선형적인 변화를 주는 함수이다.Convolution is a technology that creates a new image by multiplying an input image with a filter (kernel), and the filter can extract the features of the image with a small-sized matrix. Pooling is a process of reducing the size of an image, and representative examples include Max pooling and Average pooling. An activation function is a function that makes non-linear changes to input values.
CNN은 이러한 기술들을 조합하여 입력 데이터로부터 다양한 특징을 추출하고, 이를 기반으로 최종적으로 출력값을 결정할 수 있는 알고리즘이다. CNN is an algorithm that combines these technologies to extract various features from input data and ultimately determine the output value based on them.
상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지는 CNN 알고리즘을 통해 처리될 수 있다. CNN은 이미지의 특징을 자동으로 추출하고, 입력된 이미지에서 특징을 인식하여 그 이미지의 특징을 나타내는 숫자 데이터로 변환할 수 있다.The exterior image of the building included in the building remodeling request may be processed through a CNN algorithm. CNN can automatically extract image features, recognize features in input images, and convert them into numeric data representing the features of the image.
그리고 건축물대장 정보와 건물 연식은 미리 설정된 형식에 따라 제1 인공지능 모델에 입력되고, 제1 인공지능 모델은 입력된 데이터를 분석하여 추천 리모델링 자재와 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 시공 후의 예측 이미지를 출력할 수 있다.In addition, the building ledger information and building age are input to the first artificial intelligence model according to a preset format, and the first artificial intelligence model analyzes the input data to recommend recommended remodeling materials, expected remodeling cost, frame repair cost per expected standard area, and A predicted image after construction can be output.
일실시예로서 S205 단계에서 장치는, 상기 제1 출력을 상기 고객 단말에 제공할 수 있다. 상기 제1 출력은, 리모델링 대상이 되는 건물에 적용할 수 있는 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 포함할 수 있다.As an example, in step S205, the device may provide the first output to the customer terminal. The first output may include recommended remodeling materials that can be applied to a building subject to remodeling, an expected remodeling cost, a frame repair cost per expected standard area, and a predicted image after construction with the recommended remodeling materials.
또한, S206 단계에서 장치는, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출할 수 있다.Additionally, in step S206, the device can calculate a remodeling sustainability evaluation score based on [Equation 1].
[수학식 1][Equation 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이며, A_b는 건물의 연식일 수 있다.Score is the remodeling sustainability evaluation score, L_m is the lifespan of the recommended remodeling material obtained through the first artificial intelligence model, S_b is the size of the building, and C_r is the expected reference area obtained through the first artificial intelligence model. This is the cost of frame repair work, and A_b may be the age of the building.
리모델링 자재의 수명은, 예를 들어 석재 50~60년, 목재 10~30년, 철재 20년, 페인트 10년, 경질 폴리우레탄 패널 20~30년, 글래스파이버 보드 25~30년, 석면 시멘트 보드 50~60년일 수 있다. 만일 여러 자재가 사용되었다면 가장 짧은 수명을 기준으로 할 수도 있다.The lifespan of remodeling materials is, for example, 50 to 60 years for stone, 10 to 30 years for wood, 20 years for steel, 10 years for paint, 20 to 30 years for rigid polyurethane panels, 25 to 30 years for glass fiber board, and 50 to 50 years for asbestos cement board. Could be ~60 years. If multiple materials are used, the shortest lifespan may be used as the standard.
상기 건물의 규모는, [수학식 2]를 이용하여 산출할 수 있다.The size of the building can be calculated using [Equation 2].
[수학식 2][Equation 2]
상기 건축물대장 정보에 포함되는Included in the above building register information
상기 S_b는 건물의 규모이고, H_s은 건축물대장 정보에 포함되는 높이(m)이며, A_fr는 건축물대장 정보에 포함되는 용적률산정연면적(m^2)이고, N_ag은 건축물대장 정보에 포함되는 지상층수이며, N_bg는 건축물대장 정보에 포함되는 지하층수이고, B_f는 건축물대장 정보에 포함되는 건축면적(m^2)일 수 있다.S_b is the size of the building, H_s is the height (m) included in the building register information, A_fr is the floor area ratio calculated total area (m^2) included in the building register information, and N_ag is the number of ground floors included in the building register information. , N_bg may be the number of basement floors included in the building ledger information, and B_f may be the building area (m^2) included in the building ledger information.
S207 단계에서 장치는, 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공할 수 있다.In step S207, the device may provide the remodeling sustainability evaluation score to the customer terminal.
또한, 유사한 연식의 건물들 중에서 용도가 같은 건물들의 리모델링 지속 가능성 평가 점수의 평균을 산출하여 제공할 수도 있다. 평균과 비교하여 리모델링 대상 건물의 리모델링 지속 가능성 평가 점수가 낮으면 리모델링 예산을 조정하여 상기 제1 인공지능 모델에 재입력할 수도 있다.In addition, the average of the remodeling sustainability evaluation scores of buildings of similar age and with the same purpose can be calculated and provided. If the remodeling sustainability evaluation score of the building subject to remodeling is low compared to the average, the remodeling budget may be adjusted and re-entered into the first artificial intelligence model.
상기 리모델링 지속 가능성 평가 점수가 낮으면 리모델링 후 지속 가능성이 낮아서 건물의 수명과 안전 및 리모델링의 유지를 위하여, 리모델링 자재의 수명에 따라 리모델링을 다시 해야하는 경우가 생길 수도 있다는 의미이므로 적정 예산을 설정하도록 상기 고객 단말에 안내할 수 있다.If the remodeling sustainability evaluation score is low, it means that sustainability after remodeling is low and remodeling may need to be done again depending on the lifespan of the remodeling materials in order to maintain the lifespan, safety, and remodeling of the building, so be sure to set an appropriate budget. It can be guided to the customer terminal.
도 3을 참조하면, 일실시예로서 S301 단계에서 장치는, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득할 수 있다.Referring to FIG. 3, in one embodiment, in step S301, the device may obtain the on-site visit reservation date and time through the customer terminal.
상기 웹페이지를 통해 현장 방문 예약이 가능한 일시가 선택될 수 있는 인터페이스가 제공되고, 현장 방문 예약이 확정되면 해당되는 현장 방문 예약 일시는 예약이 불가능하도록 선택을 제한할 수 있다.Through the above web page, an interface is provided through which an on-site visit reservation date and time can be selected, and once the on-site visit reservation is confirmed, the selection can be restricted so that the relevant on-site visit reservation date and time cannot be reserved.
S302 단계에서 장치는, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송할 수 있다.In step S302, the device may transmit the building remodeling request, the first output, and the on-site visit reservation date and time to the professional manpower terminal.
전문 인력 단말을 통해 현장 방문 예약 일시가 확정되면, 상기 웹페이지에서해당 현장 방문 예약 일시가 선택되지 않도록 제한될 수 있다. 전문 인력 단말을 통해 현장 방문 예약 일시가 조정되면, 장치는 조정된 현장 방문 예약 일시를 상기 고객 단말에 전송할 수 있다.If the on-site visit reservation date and time are confirmed through the professional staff terminal, the on-site visit reservation date and time may be restricted from being selected on the web page. When the on-site visit reservation date and time is adjusted through the professional personnel terminal, the device may transmit the adjusted on-site visit reservation date and time to the customer terminal.
S303 단계에서 장치는, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리할 수 있다.In step S303, the device can process waste generated after demolition of existing materials other than the building frame based on the design.
도 4를 참조하면, 일실시예로서 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계(S303)는, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계(S401)와, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계(S402), 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계(S403), 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계(S404) 및 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계(S405)를 포함할 수 있다.Referring to FIG. 4, as an example, the step (S303) of processing waste generated after demolition of existing materials other than the building frame based on the above design involves acquiring an image of waste generated after demolition through a professional human resources terminal. A step (S401) and a step (S402) of inputting the image of the waste generated after the demolition into a second artificial intelligence model that has been previously trained to output the waste items and amount of waste in the image to obtain a second output (S402), Based on the second output, classifying the waste items in the image of the waste generated after the demolition into recyclable waste items and non-recyclable waste items (S403), sending the recycling to a company that processes recyclable waste. A step of transmitting the items of non-recyclable waste, the amount of recyclable waste, and a collection request (S404) and the step of transmitting the items of non-recyclable waste, the amount of non-recyclable waste, and a collection request to a company that processes non-recyclable waste (S404) S405) may be included.
재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하기 위해서 리모델링 대상 건물이 위치하는 지역의 지자체 웹사이트에 웹크롤링 기술을 이용하여 건축 폐기물 처리에 관련한 데이터를 수집할 수도 있다. 지자체별 시청 웹페이지에서 건축 폐기물을 검색한 검색 결과에 대해서 수집하고, 분석하여 폐기물 항목별 처리 방법에 대해 출력하거나, 건축 폐기물 담당 업체 정보를 획득할 수 있다. 수거 요청이 어려운 시스템이라면 전문 인력 단말에 건축 폐기물 담당 업체의 연락처를 포함하는 정보를 전송할 수도 있다.In order to classify waste items into recyclable and non-recyclable waste items, data related to construction waste disposal can be collected using web crawling technology on the local government website of the area where the building subject to remodeling is located. Search results for construction waste can be collected and analyzed on the city hall webpage of each local government, and printed out treatment methods for each waste item, or information on companies in charge of construction waste can be obtained. In systems where it is difficult to request collection, information including the contact information of the company in charge of construction waste can be transmitted to the professional terminal.
상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 할 수 있다. The second artificial intelligence model may be based on the Faster R-CNN algorithm.
Faster R-CNN은 Object Detection(객체 탐지)를 위한 알고리즘으로서, 입력 이미지에서 객체를 인식하고, 객체의 위치와 클래스를 출력할 수 있다. Faster R-CNN은 먼저 입력 이미지를 CNN에 통과시켜 이미지의 feature map(특성맵)을 추출하고, 추출된 feature map을 RPN(Region Proposal Network)에 입력하면,feature map을 분석하여 객체가 있을 가능성이 있는 bounding box(region proposal)들을 생성할 수 있다. 이때, RPN은 bounding box에 대한 objectness score와 회귀 정보도 함께 출력할 수 있다.Faster R-CNN is an algorithm for Object Detection that can recognize objects in input images and output the location and class of the object. Faster R-CNN first passes the input image through a CNN to extract the feature map of the image. When the extracted feature map is input to an RPN (Region Proposal Network), the feature map is analyzed to determine the possibility of an object being present. You can create bounding boxes (region proposals). At this time, RPN can also output objectness score and regression information for the bounding box.
RPN이 생성한 bounding box들은 RoI(Region of Interest) 풀링 레이어를 통과하여 일정한 크기의 feature map으로 변환될 수 있다. 이때, RoI 풀링 레이어는 bounding box의 크기를 고정하고, 비율을 유지한 채 feature map에 맞추어 변환한다. 변환된 feature map은 Fully Connected Layer를 통해 객체의 클래스를 분류하고, bounding box의 위치를 조정한다. 출력된 객체의 클래스와 bounding box의 위치, 그리고 objectness score를 이용하여, 입력 이미지 상에서 객체를 인식하고, 객체의 위치와 클래스를 출력할 수 있다.The bounding boxes generated by RPN can be converted into a feature map of a certain size by passing through a Region of Interest (RoI) pooling layer. At this time, the RoI pooling layer fixes the size of the bounding box and transforms it according to the feature map while maintaining the ratio. The converted feature map classifies the class of the object through the Fully Connected Layer and adjusts the position of the bounding box. Using the class of the output object, the position of the bounding box, and the objectness score, the object can be recognized on the input image and the position and class of the object can be output.
Faster R-CNN은 RPN과 RoI 풀링 레이어를 공유함으로써, 빠른 속도와 높은 정확도를 가질 수 있다. Faster R-CNN을 사용하여 입력 이미지에서 폐기물 객체들의 항목과 양을 탐지하고 출력할 수 있다.Faster R-CNN can achieve fast speed and high accuracy by sharing the RoI pooling layer with RPN. Using Faster R-CNN, you can detect and output the items and amounts of waste objects in the input image.
또한, 재활용 가능 폐기물의 처리 비용 및 재활용 불가능 폐기물의 처리 비용의 합과, 기존 건물을 완전히 철거 후 신축 공사 시에 발생할 기초 공사 비용, 골조 공사 비용, 기존 건물 완전 철거시 발생할 폐기물 처리 비용을 비교할 수 있도록, 기존 건물을 철거 후 신축 건물을 건축한 사례들의 정보를 학습데이터로 기학습된 제3 인공지능 모델에, 리모델링 대상 건물의 연식과, 건축물 대장 정보를 입력하여, 기존 건물과 유사한 신축 건물을 건설할 때 발생하는 예상 기초 공사 비용, 예상 골조 공사 비용, 및 리모델링 대상 건물을 완전히 철거할 경우 발생할 예상 폐기물 처리 비용을 출력으로 획득할 수 있다.In addition, it is possible to compare the sum of the disposal costs of recyclable waste and the disposal costs of non-recyclable waste, the cost of foundation construction, the cost of framing construction, and the cost of waste disposal that will occur when a new construction is completed after completely demolishing an existing building. In order to do so, the age of the building to be remodeled and the building ledger information are entered into the third artificial intelligence model, which has been pre-trained as learning data with information on cases where new buildings were constructed after demolishing existing buildings, to create new buildings similar to existing buildings. The estimated foundation construction cost incurred during construction, the estimated framing construction cost, and the estimated waste disposal cost incurred when the building subject to remodeling is completely demolished can be obtained as output.
상기와 같이, 건설 폐기물 발생을 줄이는 건물 리모델링 방법의 일실시예에 따르면, 고객 단말을 통해 획득한 건물의 주소로 건축물대장 정보를 자동으로 획득할 수 있고, 기학습된 인공지능 모델을 통해 추천 리모델링 자재, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용, 및 추천 리모델링 자재로 시공한 후의 건물의 예측 이미지를 획득할 수 있으며, 철거 후 발생한 폐기물 이미지를 인공지능 기술로 분석하여 폐기물 항목과 폐기물의 양을 획득할 수 있고, 폐기물 항목에 따라 수거 업체에 수거 요청을 전송할 수 있으며, 리모델링 지속 가능성 평가 점수를 고객에게 제공할 수 있다.As described above, according to one embodiment of the building remodeling method to reduce construction waste generation, building ledger information can be automatically obtained with the address of the building obtained through the customer terminal, and recommended remodeling through a pre-learned artificial intelligence model. Materials, expected remodeling cost, frame repair cost per expected standard area, and predicted image of the building after construction with recommended remodeling materials can be obtained. Waste items and amount of waste are analyzed by analyzing the waste image generated after demolition using artificial intelligence technology. can be obtained, a collection request can be sent to a collection company depending on the waste item, and a remodeling sustainability evaluation score can be provided to the customer.
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.The embodiments described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, and a field programmable gate (FPGA). It may be implemented using one or more general-purpose or special-purpose computers, such as an array, programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. A processing device may execute an operating system (OS) and one or more software applications that run on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software. For ease of understanding, a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include. For example, a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.
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.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -Includes optical media (magneto-optical media) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
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.Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device. Software and/or data may be used on any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave. Software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
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.Although the embodiments have been described with limited drawings as described above, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or other components are used. Alternatively, appropriate results may be achieved even if substituted or substituted by an equivalent.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims also fall within the scope of the following claims.
장치: 100Devices: 100
Claims (3)
상기 장치가, 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계; 및
상기 장치가, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계를 포함하고,
상기 건물 리모델링 요청은,
건물의 주소, 리모델링 예산, 및 건물의 외부 이미지를 포함하고,
상기 장치가, 상기 고객 단말을 통해 건물 리모델링 요청을 수신하는 단계와, 상기 장치가, 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계 사이에,
상기 장치가, 토교통부 API를 이용하여, 상기 건물의 주소에 해당하는 건축물대장 정보를 획득하는 단계;
상기 장치가, 상기 건축물대장 정보 중 사용승인일을 바탕으로, 건물의 연식을 산출하는 단계; 및
상기 장치가, 이전에 리모델링한 건물들의 연식, 규모, 용도, 리모델링 자재, 기준 면적당 골조 보수공사 비용, 리모델링 비용, 및 건물 리모델링 전후 사진을 데이터셋으로, 추천 리모델링 자재와, 예상 리모델링 비용, 예상 기준 면적당 골조 보수공사 비용 및 상기 추천 리모델링 자재로 시공한 후의 예측 이미지를 출력하도록 기학습된 제1 인공지능 모델에, 상기 산출한 건물의 연식과, 건축물대장 정보, 및 상기 건물 리모델링 요청에 포함되는 건물의 외부 이미지를 입력하여, 제1 출력을 획득하는 단계;를 더 포함하고,
상기 제1 인공지능 모델은, CNN(Convolutional Neural Network) 알고리즘을 기반으로 하고,
상기 장치가, 상기 제1 출력을 획득하는 단계 이후에,
상기 장치가, 상기 제1 출력을 상기 고객 단말에 제공하는 단계;
상기 장치가, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계; 및
상기 장치가, 전문 인력 단말에 상기 건물 리모델링 요청, 상기 제1 출력, 및 상기 현장 방문 예약 일시를 전송하는 단계를 더 포함하고,
상기 장치가, 상기 설계를 바탕으로 건물의 골조 이외의 기존 자재 철거 후 발생한 폐기물을 처리하는 단계는,
상기 장치가, 전문 인력 단말을 통해, 철거 후 발생한 폐기물의 이미지를 획득하는 단계; 및
상기 장치가, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계를 포함하고,
상기 제2 인공지능 모델은, Faster R-CNN 알고리즘을 기반으로 하고,
상기 장치가, 상기 제2 출력을 획득하는 단계 이후에,
상기 장치가, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계;
상기 장치가, 재활용 가능한 폐기물을 처리하는 업체에, 상기 재활용 가능한 폐기물의 항목, 재활용 가능한 폐기물 양, 및 수거 요청을 전송하는 단계; 및
상기 장치가, 재활용 불가능한 폐기물을 처리하는 업체에, 상기 재활용 불가능한 폐기물의 항목, 재활용 불가능한 폐기물 양, 및 수거 요청을 전송하는 단계를 더 포함하고,
상기 장치가, 상기 제1 출력을 상기 고객 단말에 제공하는 단계와, 상기 장치가, 상기 고객 단말을 통해 현장 방문 예약 일시를 획득하는 단계 사이에,
상기 장치가, [수학식 1]을 바탕으로 리모델링 지속 가능성 평가 점수를 산출하는 단계; 및
상기 장치가, 상기 리모델링 지속 가능성 평가 점수를 고객 단말에 제공하는 단계를 더 포함하고,
[수학식 1]
Score는 리모델링 지속 가능성 평가 점수이고, L_m은 상기 제1 인공지능 모델을 통해 획득한 추천 리모델링 자재의 수명이며, S_b는 건물의 규모이고, C_r은 상기 제1 인공지능 모델을 통해 획득한 예상 기준 면적당 골조 보수공사 비용이고,
상기 건물의 규모는, [수학식 2]를 이용하여 산출하고,
[수학식 2]
S_b는 건물의 규모이고, H_s은 건축물대장 정보에 포함되는 높이(m)이며, A_fr는 건축물대장 정보에 포함되는 용적률산정연면적(m^2)이고, N_ag은 건축물대장 정보에 포함되는 지상층수이며, N_bg는 건축물대장 정보에 포함되는 지하층수이고, B_f는 건축물대장 정보에 포함되는 건축면적(m^2)이고,
상기 장치가, 이미지 상의 폐기물들의 항목과 폐기물의 양을 출력하도록 기학습된 제2 인공지능 모델에, 상기 철거 후 발생한 폐기물의 이미지를 입력하여, 제2 출력을 획득하는 단계와, 상기 장치가, 상기 제2 출력을 바탕으로, 상기 철거 후 발생한 폐기물의 이미지 상의 폐기물들의 항목을, 재활용 가능한 폐기물 항목과, 재활용 불가능한 폐기물 항목으로 분류하는 단계 사이에,
상기 장치가, 웹크롤링 기술을 기반으로, 리모델링 건물이 위치하는 지역의 지자체 웹사이트를 통해, 건축 폐기물 검색 결과를 수집하는 단계; 및
상기 장치가, 전문 인력 단말에 상기 건축 폐기물 검색 결과를 전송하는 단계를 더 포함하는, 방법.
In a building remodeling method for reducing construction waste generation by a device,
Receiving, by the device, a building remodeling request through a customer terminal; and
The device includes a step of processing waste generated after demolition of existing materials other than the frame of the building based on the design,
The request for remodeling the building is:
Include the building's address, remodeling budget, and exterior images of the building;
Between the step of the device receiving a building remodeling request through the customer terminal and the step of the device processing waste generated after demolition of existing materials other than the building frame based on the design,
Obtaining, by the device, building ledger information corresponding to the address of the building using the Ministry of Land, Infrastructure and Transport API;
Calculating, by the device, the age of the building based on the use approval date among the building ledger information; and
The device uses the age, size, purpose, remodeling materials, frame repair cost per standard area, remodeling cost, and photos before and after building remodeling as a dataset of previously remodeled buildings, recommended remodeling materials, expected remodeling cost, and expected standard. The first artificial intelligence model, which has been previously trained to output the cost of frame repair work per area and a predicted image after construction with the recommended remodeling materials, contains the calculated age of the building, building ledger information, and the building included in the building remodeling request. Further comprising: obtaining a first output by inputting an external image of
The first artificial intelligence model is based on a CNN (Convolutional Neural Network) algorithm,
After the device obtains the first output,
providing, by the device, the first output to the customer terminal;
Obtaining, by the device, an on-site visit reservation date and time through the customer terminal; and
The device further includes transmitting the building remodeling request, the first output, and the on-site visit reservation date and time to a professional human resource terminal,
The step of the device processing waste generated after demolition of existing materials other than the building frame based on the design is,
Obtaining, by the device, an image of waste generated after demolition through a professional personnel terminal; and
The device inputs an image of the waste generated after the demolition into a second artificial intelligence model that has been previously trained to output the items of waste and the amount of waste in the image, and obtaining a second output,
The second artificial intelligence model is based on the Faster R-CNN algorithm,
After the device obtains the second output,
Classifying, by the device, the waste items in the image of the waste generated after demolition into recyclable waste items and non-recyclable waste items, based on the second output;
transmitting, by the device, an item of recyclable waste, an amount of recyclable waste, and a collection request to a business that processes recyclable waste; and
further comprising transmitting, by the device, an item of non-recyclable waste, an amount of non-recyclable waste, and a collection request to a business that processes non-recyclable waste;
Between the step of the device providing the first output to the customer terminal and the step of the device obtaining the site visit reservation date and time through the customer terminal,
Calculating, by the device, a remodeling sustainability evaluation score based on [Equation 1]; and
The device further includes providing the remodeling sustainability evaluation score to a customer terminal,
[Equation 1]
Score is the remodeling sustainability evaluation score, L_m is the lifespan of the recommended remodeling material obtained through the first artificial intelligence model, S_b is the size of the building, and C_r is the expected reference area obtained through the first artificial intelligence model. The cost of structural repair work is
The size of the building is calculated using [Equation 2],
[Equation 2]
S_b is the size of the building, H_s is the height (m) included in the building register information, A_fr is the floor area ratio calculated total area (m^2) included in the building register information, and N_ag is the number of ground floors included in the building register information. , N_bg is the number of basement floors included in the building register information, B_f is the building area (m^2) included in the building register information,
The device inputs an image of the waste generated after demolition into a second artificial intelligence model that has been pre-trained to output the items of waste and the amount of waste in the image, and obtains a second output; the device, Based on the second output, between the steps of classifying the waste items in the image of the waste generated after demolition into recyclable waste items and non-recyclable waste items,
Collecting, by the device, search results for construction waste through a local government website in the area where the remodeled building is located, based on web crawling technology; and
The method further includes the step of transmitting, by the device, the construction waste search result to a professional manpower terminal.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230060762A KR102634668B1 (en) | 2023-05-10 | 2023-05-10 | A building remodeling method to reduce construction waste generation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230060762A KR102634668B1 (en) | 2023-05-10 | 2023-05-10 | A building remodeling method to reduce construction waste generation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102634668B1 true KR102634668B1 (en) | 2024-02-13 |
Family
ID=89899466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230060762A KR102634668B1 (en) | 2023-05-10 | 2023-05-10 | A building remodeling method to reduce construction waste generation |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102634668B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102665885B1 (en) * | 2024-02-01 | 2024-05-14 | 주식회사 디자인짜임 | Building remodeling information provision system based on construction waste calculation |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006031104A (en) * | 2004-07-12 | 2006-02-02 | Sekisui House Ltd | Maintenance support saving system |
| KR101415665B1 (en) | 2010-03-30 | 2014-07-07 | 한국전자통신연구원 | System of digital interior and method for controlling the same |
| KR101525592B1 (en) | 2014-09-16 | 2015-06-03 | 삼성물산 주식회사 | Calculation apparatus of construction waste generated for each sources using generation construction waste DB and Method thereof |
| KR20180079765A (en) * | 2017-01-02 | 2018-07-11 | 한양대학교 에리카산학협력단 | Automatic apparatus and method for building life cycle assessment and recording medium in which the method is recorded |
| KR102089100B1 (en) * | 2019-05-09 | 2020-03-13 | 정승원 | System for providing image database based interior design service minimizing difference between client and designer |
| KR102170428B1 (en) | 2018-09-21 | 2020-10-29 | 한양대학교 에리카산학협력단 | Method and apparatus of selecting construction scenario for remodeling building envelope |
| KR20200145368A (en) * | 2019-06-21 | 2020-12-30 | 이청종 | System and method for customized recycling of coded interior materials |
| KR102265204B1 (en) | 2019-06-19 | 2021-06-15 | 한국부동산원 | Remodeling Valuation Method and System using by Building Remodeling Valuation Index |
| KR20210074512A (en) * | 2019-12-12 | 2021-06-22 | (주) 깔끔한사람들 | AI-based demolition estimation system |
| KR20220071731A (en) * | 2020-11-24 | 2022-05-31 | 강원대학교산학협력단 | Indoor Living Waste Amount Predicting System Using 3D scanner |
-
2023
- 2023-05-10 KR KR1020230060762A patent/KR102634668B1/en active IP Right Grant
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006031104A (en) * | 2004-07-12 | 2006-02-02 | Sekisui House Ltd | Maintenance support saving system |
| KR101415665B1 (en) | 2010-03-30 | 2014-07-07 | 한국전자통신연구원 | System of digital interior and method for controlling the same |
| KR101525592B1 (en) | 2014-09-16 | 2015-06-03 | 삼성물산 주식회사 | Calculation apparatus of construction waste generated for each sources using generation construction waste DB and Method thereof |
| KR20180079765A (en) * | 2017-01-02 | 2018-07-11 | 한양대학교 에리카산학협력단 | Automatic apparatus and method for building life cycle assessment and recording medium in which the method is recorded |
| KR102170428B1 (en) | 2018-09-21 | 2020-10-29 | 한양대학교 에리카산학협력단 | Method and apparatus of selecting construction scenario for remodeling building envelope |
| KR102089100B1 (en) * | 2019-05-09 | 2020-03-13 | 정승원 | System for providing image database based interior design service minimizing difference between client and designer |
| KR102265204B1 (en) | 2019-06-19 | 2021-06-15 | 한국부동산원 | Remodeling Valuation Method and System using by Building Remodeling Valuation Index |
| KR20200145368A (en) * | 2019-06-21 | 2020-12-30 | 이청종 | System and method for customized recycling of coded interior materials |
| KR20210074512A (en) * | 2019-12-12 | 2021-06-22 | (주) 깔끔한사람들 | AI-based demolition estimation system |
| KR20220071731A (en) * | 2020-11-24 | 2022-05-31 | 강원대학교산학협력단 | Indoor Living Waste Amount Predicting System Using 3D scanner |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102665885B1 (en) * | 2024-02-01 | 2024-05-14 | 주식회사 디자인짜임 | Building remodeling information provision system based on construction waste calculation |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Samek et al. | Explainable AI: interpreting, explaining and visualizing deep learning | |
| Zhang et al. | Consensus-based TOPSIS-Sort-B for multi-criteria sorting in the context of group decision-making | |
| Schumann et al. | We need fairness and explainability in algorithmic hiring | |
| Mozos et al. | Supervised semantic labeling of places using information extracted from sensor data | |
| Gong et al. | An object recognition, tracking, and contextual reasoning-based video interpretation method for rapid productivity analysis of construction operations | |
| Bang et al. | Context-based information generation for managing UAV-acquired data using image captioning | |
| CN111046980A (en) | Image detection method, device, equipment and computer readable storage medium | |
| CN106203318A (en) | The camera network pedestrian recognition method merged based on multi-level depth characteristic | |
| KR102634668B1 (en) | A building remodeling method to reduce construction waste generation | |
| CN114912612A (en) | Bird identification method and device, computer equipment and storage medium | |
| Alsaleh et al. | Microscopic modeling of cyclists interactions with pedestrians in shared spaces: a Gaussian process inverse reinforcement learning approach | |
| Shekhar et al. | Survey on applications of machine learning in the field of computer vision | |
| CN112819024B (en) | Model processing method, user data processing method and device and computer equipment | |
| Ghione et al. | Building stock classification using machine learning: A case study for Oslo, Norway | |
| CN112115131A (en) | Data denoising method, device and equipment and computer readable storage medium | |
| CN116385937A (en) | Method and system for solving video question and answer based on multi-granularity cross-mode interaction framework | |
| US11151370B2 (en) | Text wrap detection | |
| Hu et al. | Automating building damage reconnaissance to optimize drone mission planning for disaster response | |
| KR102665885B1 (en) | Building remodeling information provision system based on construction waste calculation | |
| Elwood et al. | Application of fuzzy pattern recognition of seismic damage to concrete structures | |
| Dabra et al. | Evaluating green cover and open spaces in informal settlements of Mumbai using deep learning | |
| WO2023051398A1 (en) | Security compensation method and apparatus, and storage medium and electronic device | |
| KR102665884B1 (en) | Artificial intelligence-based remodeling matching system | |
| Horney et al. | An ontology controlled data fusion process for a query language | |
| CN113158803A (en) | Classroom vacant seat query system, real-time video analysis system and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |