KR20200022952A - Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern - Google Patents

Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern Download PDF

Info

Publication number
KR20200022952A
KR20200022952A KR1020180099199A KR20180099199A KR20200022952A KR 20200022952 A KR20200022952 A KR 20200022952A KR 1020180099199 A KR1020180099199 A KR 1020180099199A KR 20180099199 A KR20180099199 A KR 20180099199A KR 20200022952 A KR20200022952 A KR 20200022952A
Authority
KR
South Korea
Prior art keywords
city
building
ratio
shape
energy consumption
Prior art date
Application number
KR1020180099199A
Other languages
Korean (ko)
Inventor
김영철
오민석
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020180099199A priority Critical patent/KR20200022952A/en
Publication of KR20200022952A publication Critical patent/KR20200022952A/en

Links

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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a city type classification method using a shape of a city and an energy consumption pattern, which inputs a shape figure of one of a plurality of blocks of a city composed of two-dimensional vectors and shape figures of a plurality of buildings included in a block, derives a plurality of city types by measuring a plurality of factors to identify energy consumption patterns of the plurality of buildings and the blocks by using the shape figures of the plurality of buildings, and displays a city type on the plurality of blocks of the city. According to the present invention, by using a plurality of factors, city energy performance may be easily identified.

Description

도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법 { Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern }Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern

본 발명은 도시 유형 구분 방법에 관한 것으로, 보다 구체적으로는 도시의 불록 및 건물 형태 수치를 이용하여 도시 유형을 구분하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법에 관한 것이다.The present invention relates to a method for classifying a city type, and more particularly, to a method for classifying a city type using a shape and an energy consumption pattern of a city that classifies a city type using a block and a shape value of a city.

도시는 에너지 자원 소비와 전 세계 탄소 배출에 상당한 영향을 미친다.Cities have a significant impact on energy resource consumption and global carbon emissions.

도시 인구가 지속적으로 증가함에 따라 에너지 소비와 탄소 배출량은 앞으로도 계속 증가 할 것이다 As urban populations continue to grow, energy consumption and carbon emissions will continue to increase.

도시 건설 환경에서 지속 가능한 개발이 반드시 필요하다,Sustainable development is essential in urban construction environments,

도시 기하학은 지속 가능한 환경을 달성하는 데 필요한 요소인 건물 에너지 성능에 영향을 미치는 주요 요소 중 하나이다.Urban geometry is one of the major factors affecting building energy performance, which is necessary to achieve a sustainable environment.

도시 지오메트리는 주로 도시 지역의 에너지 효율성에 중요한 두 가지 핵심 요소 인 건물의 일광 양 및 미기후 기후와 관련이 있다.Urban geometry is primarily related to the amount of daylight and microclimate climate of buildings, two key factors important for energy efficiency in urban areas.

따라서, 도시 블록의 모양을 계획하고 설계할 때 도시 기획자와 설계자는 도시 기하학이 에너지 소비에 영향을 미치고 토지 이용과 같은 전통적인 측면을 고려할뿐만 아니라 도시 기하학이 에너지 성능에 미치는 영향을 고려해야한다.Thus, when planning and designing the shape of urban blocks, city planners and designers must consider the impact of urban geometry on energy performance, as well as taking into account traditional aspects such as land use, which affects energy consumption.

본 발명의 목적은 도시의 블록 및 건물의 형상 수치를 이용하여 에너지 소비 패턴과 도시 유형을 구분하고, 이를 이용하여 도시 관리 및 재개발에 사용할 수 있는 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법에 관한 것이다.An object of the present invention is to distinguish the energy consumption pattern and the city type by using the numerical values of the blocks and buildings of the city, and to distinguish the city type using the shape and energy consumption pattern of the city that can be used for urban management and redevelopment using the same. It is about.

위와 같은 목적을 달성하기 위하여, 본 발명의 실시예에 따른 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법은, 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분하기 위하여, 2차원 벡터형태로 구성된 도시의 복수의 블록 중 어느 한 블록의 형상 수치와 상기 블록에 포함된 복수의 건물의 형상 수치를 입력하고, 복수의 상기 건물의 형상 수치를 이용하여 복수의 상기 건물 및 상기 블록의 에너지 소비 패턴을 파악하기 위한 복수의 인자를 측정하여 복수의 도시유형을 도출하며, 상기 도시의 복수의 상기 블록에 상기 도시유형을 표시한다.In order to achieve the above object, the city type classification method using the shape of the city and the energy consumption pattern according to an embodiment of the present invention, in order to distinguish the city type using the shape and energy consumption pattern of the city, in a two-dimensional vector form A shape value of one of the plurality of blocks of the constructed city and a shape value of a plurality of buildings included in the block are input, and energy consumption patterns of the plurality of buildings and the blocks are formed using the shape values of the plurality of buildings. A plurality of city types are derived by measuring a plurality of factors for grasping, and the city types are displayed on the plurality of blocks of the city.

여기서, 복수의 상기 인자는, 표면 대 부피의 비율, 둘레 대 면적의 비율, 건물의 방향, 협곡 폭에 대한 방해물 높이의 비율 및 그림자 비율일 수 있다.Here, the plurality of factors may be the ratio of surface to volume, the ratio of the perimeter to the area, the direction of the building, the ratio of the obstruction height to the canyon width, and the shadow ratio.

상기 표면 대 부피의 비율 함수식은,

Figure pat00001
이며, 상기
Figure pat00002
은 도시 블록의 표면 대 부피 비율이고, 상기
Figure pat00003
는 각 빌딩의 표면적이며,
Figure pat00004
는 도시 블록의 각 빌딩의 부피일 수 있다.The ratio function of surface to volume is
Figure pat00001
And said
Figure pat00002
Is the surface-to-volume ratio of the illustrated block, and
Figure pat00003
Is the surface area of each building,
Figure pat00004
May be the volume of each building in the city block.

상기 둘레 대 면적의 비율 함수식은,

Figure pat00005
이며, 상기
Figure pat00006
는 각 건물의 둘레 대 면적의 비율이고, 상기
Figure pat00007
와 상기
Figure pat00008
는 각 건물의 둘레와 면적이며, 상기
Figure pat00009
은 도시 블록의 둘레 대 면적의 비율일 수 있다.The ratio function of the perimeter to the area is
Figure pat00005
And said
Figure pat00006
Is the ratio of the perimeter to the area of each building,
Figure pat00007
And above
Figure pat00008
Is the perimeter and the area of each building,
Figure pat00009
May be the ratio of the perimeter to the area of the illustrated block.

상기 건물의 방향값 함수식은,

Figure pat00010
이며,
Figure pat00011
는 각 건물의 방향값이고, 상기
Figure pat00012
는 각 건물의
Figure pat00013
번째 X 좌표, 상기
Figure pat00014
는 각 건물 풋 프린트의
Figure pat00015
번째 Y 좌표이며, 상기
Figure pat00016
는 각 건물의 둘레이고,
Figure pat00017
는 블록의 방향값일 수 있다.The direction value function of the building is,
Figure pat00010
Is,
Figure pat00011
Is the direction value of each building,
Figure pat00012
Of each building
Figure pat00013
Th X coordinate, above
Figure pat00014
Of each building footprint
Figure pat00015
Is the second Y coordinate,
Figure pat00016
Is the perimeter of each building,
Figure pat00017
May be a direction value of the block.

상기 협곡 폭에 대한 방해물 높이 비율의 함수식은,

Figure pat00018
이며,
Figure pat00019
는
Figure pat00020
번째 방향에서 협곡 폭에 대한 방해물 높이의 최대 비율이고,
Figure pat00021
는 f층에서 방해가 되는 건물의 높이이며,
Figure pat00022
는 대상 건물의 각 층의 높이이고,
Figure pat00023
는 대형 건물의 수이며, 상기
Figure pat00024
는 협곡의 너비이고, 0.5 이하의 상기
Figure pat00025
값은 0.5로 나타내며, 상기
Figure pat00026
의 최대값은 15로 제한될 수 있다The function formula of the obstacle height ratio to the canyon width is,
Figure pat00018
Is,
Figure pat00019
Is
Figure pat00020
The maximum ratio of blockage height to canyon width in the second direction,
Figure pat00021
Is the height of the building on the f floor
Figure pat00022
Is the height of each floor of the target building,
Figure pat00023
Is the number of large buildings and said
Figure pat00024
Is the width of the canyon and the above 0.5
Figure pat00025
The value is represented by 0.5, and
Figure pat00026
The maximum value of can be limited to 15

상기

Figure pat00027
값을 이용한 건물의 동쪽, 서쪽, 남쪽 및 북쪽의 협곡 폭에 대한 방해물 높이 비율 함수식은,
Figure pat00028
이며,
Figure pat00029
,
Figure pat00030
,
Figure pat00031
및
Figure pat00032
는 각각 건물의 북쪽, 동쪽, 남쪽 및 서쪽 방향의 협곡 폭에 대한 방해물 높이의 최대 비율일 수 있다.remind
Figure pat00027
Using the values, the function of the obstruction height ratio for the canyon widths east, west, south, and north is
Figure pat00028
Is,
Figure pat00029
,
Figure pat00030
,
Figure pat00031
And
Figure pat00032
May be the maximum ratio of obstruction height to canyon width in the north, east, south and west directions of the building, respectively.

블록의 모든 건물에 대해 상기

Figure pat00033
,
Figure pat00034
,
Figure pat00035
및
Figure pat00036
의 평균을 계산하면 블록의 각각 북쪽, 동쪽, 남쪽 및 서쪽 협곡 폭에 대한 방해물 높이의 최대 비율을 나타내는
Figure pat00037
,
Figure pat00038
,
Figure pat00039
및
Figure pat00040
를 계산할 수 있다.Remind about all the buildings in the block
Figure pat00033
,
Figure pat00034
,
Figure pat00035
And
Figure pat00036
Calculating the mean of represents the maximum ratio of blockage height to the width of each north, east, south and west canyon of the block
Figure pat00037
,
Figure pat00038
,
Figure pat00039
And
Figure pat00040
Can be calculated.

상기 그림자 비율은 각 빌딩 및 블록에 형성되는 그림자의 비율을 나타내고, 상기 그림자 비율은 빌딩 그림자 비율 및 블록 그림자 비율을 포함하며, 상기 빌딩 그림자 비율의 함수식은,

Figure pat00041
이며, 상기
Figure pat00042
는 그림자 비율이고, 상기
Figure pat00043
는 건물 표면에 투영되는 그림자의 양이며, 상기
Figure pat00044
는 그림자가 투영되는 시간이고, 상기 w와 상기 s는 겨울과 여름이며, 상기 f와 상기 r은 파사드와 옥상이고, 상기
Figure pat00045
는 각 빌딩의 부피일 수 있다.The shadow ratio indicates a ratio of shadows formed in each building and block, the shadow ratio includes a building shadow ratio and a block shadow ratio, and the function formula of the building shadow ratio is:
Figure pat00041
And said
Figure pat00042
Is the shadow ratio, said
Figure pat00043
Is the amount of shadow projected on the building surface,
Figure pat00044
Is the time at which the shadow is projected, w and s are winter and summer, f and r are the facade and rooftop,
Figure pat00045
May be the volume of each building.

상기 블록 그림자 비율의 함수식은,

Figure pat00046
일 수 있다.The function of the block shadow ratio is
Figure pat00046
Can be.

8개의 상기 클러스터는, 상기

Figure pat00047
,
Figure pat00048
,
Figure pat00049
,
Figure pat00050
,
Figure pat00051
,
Figure pat00052
,
Figure pat00053
,
Figure pat00054
,
Figure pat00055
,
Figure pat00056
및
Figure pat00057
을 변수로하여 단위 면적(
Figure pat00058
) 당 조명, 냉방 및 난방에 대해 회귀분석이 수행되고, 상기 회귀분석 결과를 이용하여 클러스터링 분석의 실루엣 기법을 통해 도출될 수 있다.The eight clusters are
Figure pat00047
,
Figure pat00048
,
Figure pat00049
,
Figure pat00050
,
Figure pat00051
,
Figure pat00052
,
Figure pat00053
,
Figure pat00054
,
Figure pat00055
,
Figure pat00056
And
Figure pat00057
With unit as the unit area (
Figure pat00058
Regression analysis is performed on the lighting, cooling, and heating, and can be derived through the silhouette technique of clustering analysis using the regression analysis result.

본 발명의 도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분 방법에 따르면,According to the city type classification method using the shape of the city and the energy consumption pattern of the present invention,

첫째, 복수의 인자를 이용하여 도시 에너지 성능을 용이하게 파악할 수 있다.First, the urban energy performance can be easily identified using a plurality of factors.

둘째, 13가지의 도시 유형에 따라 도시의 유형별 에너지 소비 패턴을 파악할 수 있고, 이를 이용하여 도시 관리 및 재개발 요소로 사용할 수 있다.Second, it is possible to grasp the energy consumption pattern of each city type according to 13 city types, and use it as a city management and redevelopment factor.

셋째, 도시의 유형에 따라 도시에 적합한 건물을 설계하여 적용할 수 있다.Third, it is possible to design and apply buildings suitable for the city according to the type of city.

도 1은 냉방 회귀분석의 결과값을 나타내는 표이다.
도 2는 난방 회귀분석의 결과값을 나타내는 표이다.
도 3은 조명 회귀분석의 결과값을 나타내는 표이다.
도 4는 클러스터링 분석의 실루엣 기법을 통해 도출된 실루엣 값을 나타낸 그래프이다.
도 5는 제1클러스터의 유형을 나타낸 그래프이다.
도 6은 제2클러스터의 유형을 나타낸 그래프이다.
도 7은 제3클러스터의 유형을 나타낸 그래프이다.
도 8은 제4 및 제5클러스터의 유형을 나타낸 그래프이다.
도 9는 제6클러스터의 유형을 나타낸 그래프이다.
도 10은 제7클러스터의 유형을 나타낸 그래프이다.
도 11은 제8클러스터의 유형을 나타낸 그래프이다.
도 12는 유형별 건물 사용 비율을 나타낸 그래프이다.
도 13은 본 발명을 2차원 지도에 적용한 적용 예시도 이다.1 is a table showing the results of the cooling regression analysis.
2 is a table showing the results of the heating regression analysis.
3 is a table showing the results of illumination regression analysis.
4 is a graph illustrating silhouette values derived through the silhouette technique of clustering analysis.
5 is a graph showing the type of the first cluster.
6 is a graph showing the type of the second cluster.
7 is a graph showing the type of the third cluster.
8 is a graph showing types of fourth and fifth clusters.
9 is a graph showing the type of the sixth cluster.
10 is a graph showing the type of the seventh cluster.
11 is a graph showing the type of the eighth cluster.
12 is a graph showing the ratio of building use by type.
13 is an exemplary view of applying the present invention to a two-dimensional map.

이하, 첨부한 도면들을 참조하여 본 발명의 바람직한 실시예를 보다 상세하게 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성 요소는 과장되거나 생략되거나 개략적으로 도시되었다.Hereinafter, with reference to the accompanying drawings will be described in detail a preferred embodiment of the present invention. In this case, the same components in the accompanying drawings are to be noted with the same reference numerals as possible. In addition, detailed descriptions of well-known functions and configurations that may blur the gist of the present invention will be omitted. For the same reason, in the accompanying drawings, some components are exaggerated, omitted or schematically illustrated.

도 1은 냉방 회귀분석의 결과값을 나타내는 표이고, 도 2는 난방 회귀분석의 결과값을 나타내는 표이며, 도 3은 조명 회귀분석의 결과값을 나타내는 표이고, 도 4는 클러스터링 분석의 실루엣 기법을 통해 도출된 실루엣 값을 나타낸 그래프이다.Figure 1 is a table showing the results of the cooling regression analysis, Figure 2 is a table showing the results of the heating regression analysis, Figure 3 is a table showing the results of the illumination regression analysis, Figure 4 is a silhouette technique of the clustering analysis This is a graph showing the silhouette value derived through.

그리고, 도 5는 제1클러스터의 유형을 나타낸 그래프이고, 도 6은 제2클러스터의 유형을 나타낸 그래프이며, 도 7은 제3클러스터의 유형을 나타낸 그래프이고, 도 8은 제4 및 제5클러스터의 유형을 나타낸 그래프이며, 도 9는 제6클러스터의 유형을 나타낸 그래프이고, 도 10은 제7클러스터의 유형을 나타낸 그래프이며, 도 11은 제8클러스터의 유형을 나타낸 그래프이고, 도 12는 유형별 건물 사용 비율을 나타낸 그래프이다.And, Figure 5 is a graph showing the type of the first cluster, Figure 6 is a graph showing the type of the second cluster, Figure 7 is a graph showing the type of the third cluster, Figure 8 is a fourth and fifth cluster 9 is a graph showing the type of the sixth cluster, FIG. 10 is a graph showing the type of the seventh cluster, FIG. 11 is a graph showing the type of the eighth cluster, and FIG. 12 is a type. A graph showing the percentage of building used.

본 발명의 도시의 형상 및 에너지 소비패턴을 이용한 도시유형 구분방법은,Urban type classification method using the shape of the city and the energy consumption pattern of the present invention,

2차원 벡터형태로 구성된 도시의 복수의 블록 중 어느 한 불록의 형상 수치와 블록에 포함된 복수의 건물의 형상 수치를 입력하고, Input the shape value of any block among the plurality of blocks in the city formed in the two-dimensional vector form and the shape value of the plurality of buildings included in the block,

복수의 건물 형상 수치를 이용하여 복수의 건물 및 블록의 에너지 소비 패턴을 파악하기 위한 복수의 인자를 측정해 복수의 도시 유형을 도출하며, Using multiple building shape figures, we derive multiple city types by measuring multiple factors to determine the energy consumption patterns of multiple buildings and blocks.

도시의 복수의 블록에 해당되는 복수의 도시유형을 지도상에 표시한다.A plurality of city types corresponding to a plurality of blocks of a city are displayed on a map.

여기서, 복수의 인자는, 표면 대 부피의 비율(SV), 둘레 대 면적의 비율(PA), 건물의 방향(O), 협곡 폭에 대한 방해물 높이의 비율(HW) 및 그림자 비율(ASV)이다.Here, the plurality of factors are the surface-to-volume ratio (SV), the perimeter-to-area ratio (PA), the direction of the building (O), the ratio of obstruction height to the canyon width (HW), and the shadow ratio (ASV). .

표면 대 부피의 비율(SV)은 건물의 단위 볼륨당 건물이 받는 태양 복사의 양을 간접적으로 나타내는 기하학적 요소이다. Surface-to-volume ratio (SV) is a geometric element that indirectly represents the amount of solar radiation a building receives per unit volume of the building.

건물의 표면 대 부피 비율(SV)은 에너지 절약과 실내 열 쾌적함과 관련이 있다.The surface-to-volume ratio (SV) of a building is associated with energy savings and room thermal comfort.

표면 대 부피 비율(SV)은 건물의 노출된 겉표면의 정도를 나타내는데, 이 비율은 건물에서 환기 및 일광 효과의 효과를 입증한다. The surface-to-volume ratio (SV) represents the degree of exposed surface surface of a building, which demonstrates the effect of ventilation and sunlight effects on the building.

도시 블록의 건물을 도시 블록의 표면 대 부피 비율로 계산하려면 기존 표면 및 부피를 모두 고려해야 하는데, 각 블록의 표면 대 부피비는 다음 식과 같이 나타낸다.To calculate the building of a city block as the surface-to-volume ratio of the city block, both existing surfaces and volumes must be considered. The surface-to-volume ratio of each block is expressed by the following equation.

함수식은

Figure pat00059
이며,
Figure pat00060
은 도시 블록의 표면 대 부피 비율이고,
Figure pat00061
는 각 빌딩의 표면적이며,
Figure pat00062
는 도시 블록의 각 빌딩의 부피를 나타낸다.The function expression is
Figure pat00059
Is,
Figure pat00060
Is the surface-to-volume ratio of the illustrated block,
Figure pat00061
Is the surface area of each building,
Figure pat00062
Represents the volume of each building in the city block.

둘레 대 면적의 비율(PA)의 함수식은 ,

Figure pat00063
이며,
Figure pat00064
는 각 건물의 둘레 대 면적의 비율이고,
Figure pat00065
와 상기
Figure pat00066
는 각 건물의 둘레와 면적이며,
Figure pat00067
은 도시 블록의 둘레 대 면적의 비율이다.The function of the ratio of perimeter to area (PA) is
Figure pat00063
Is,
Figure pat00064
Is the ratio of perimeter to area of each building,
Figure pat00065
And above
Figure pat00066
Is the perimeter and area of each building,
Figure pat00067
Is the ratio of the perimeter to the area of the illustrated block.

표면 대 부피의 비율(SV)과 비교하여 둘레 대 면적의 비율(PA)은 2차원 평면에서의 파사드로 인한 햇빛과 환기의 영향을 나타내는 매개 변수이며, 표면 대 부피의 비율(SV)은 3차원 공간에서 단위 부피당 수신할 수 있는 열의 증가와 손실을 나타낸다The ratio of perimeter to area (PA) compared to the surface-to-volume ratio (SV) is a parameter that indicates the effect of sunlight and ventilation due to the facade in a two-dimensional plane, and the surface-to-volume ratio (SV) is three-dimensional. Shows the increase and loss of heat that can be received per unit volume in space

표면 대 부피의 비율(SV)과 둘레 대 면적의 비율(PA)을 동시에 측정함으로써 빌딩 지오메트리를 보다 자세히 결정할 수 있다.Building geometry can be further determined by simultaneously measuring the surface-to-volume ratio (SV) and the perimeter-to-area ratio (PA).

건물의 방향값(O) 함수식은

Figure pat00068
이며,
Figure pat00069
는 각 건물의 방향값이고,
Figure pat00070
는 각 건물의
Figure pat00071
번째 X 좌표,
Figure pat00072
는 각 건물의
Figure pat00073
번째 Y 좌표이며,
Figure pat00074
는 각 건물의 둘레이고,
Figure pat00075
는 블록의 방향값을 나타낸다.The building block (O) function is
Figure pat00068
Is,
Figure pat00069
Is the direction of each building,
Figure pat00070
Of each building
Figure pat00071
Th X coordinate,
Figure pat00072
Of each building
Figure pat00073
Th Y coordinate,
Figure pat00074
Is the perimeter of each building,
Figure pat00075
Indicates the direction value of the block.

그리고,

Figure pat00076
는 대형 건물의 크기를 과대 평가하지 않기 위해 사용된다.And,
Figure pat00076
Is used to not overestimate the size of large buildings.

건물의 방향은 건물로의 태양광의 침투에 중요하다.The direction of the building is important for the penetration of sunlight into the building.

북반구의 건물은 에너지 효율을 높이기 위해 남쪽으로 창을 내는 것이 좋고, 패시브 솔라 하우스의 난방 부하는 건물의 정면이 남쪽 일 때 크게 감소될 수 있다.Buildings in the northern hemisphere should be windowed south to increase energy efficiency, and the heating load of the passive solar house can be greatly reduced when the facade of the building is south.

협곡 폭에 대한 방해물 높이 비율(HW)의 함수식은,

Figure pat00077
이며,
Figure pat00078
는
Figure pat00079
번째 방향에서 협곡 폭에 대한 방해물 높이의 최대 비율이고,
Figure pat00080
는 f층에서 방해가 되는 건물의 높이이며,
Figure pat00081
는 대상 건물의 각 층의 높이이고,
Figure pat00082
는 대형 건물의 수이며,
Figure pat00083
는 협곡의 너비이다.The function of the obstacle height ratio (HW) to the canyon width is
Figure pat00077
Is,
Figure pat00078
Is
Figure pat00079
The maximum ratio of blockage height to canyon width in the second direction,
Figure pat00080
Is the height of the building on the f floor
Figure pat00081
Is the height of each floor of the target building,
Figure pat00082
Is the number of large buildings
Figure pat00083
Is the width of the canyon.

여기서, 0.5 이하의

Figure pat00084
값은 0.5로 나타내며,
Figure pat00085
의 최대값은 15로 제한된다.Where 0.5 or less
Figure pat00084
The value is represented by 0.5,
Figure pat00085
The maximum value of is limited to 15.

그리고,

Figure pat00086
값을 이용한 건물의 동쪽, 서쪽, 남쪽 및 북쪽의 협곡 폭에 대한 방해물 높이 비율 함수식은
Figure pat00087
이며,
Figure pat00088
,
Figure pat00089
,
Figure pat00090
및
Figure pat00091
는 각각 건물의 북쪽, 동쪽, 남쪽 및 서쪽 방향의 협곡 폭에 대한 방해물 높이의 최대 비율을 나타낸다.And,
Figure pat00086
The function of the obstruction height ratio for the width of the canyon in the east, west, south, and north of the building using values is
Figure pat00087
Is,
Figure pat00088
,
Figure pat00089
,
Figure pat00090
And
Figure pat00091
Represents the maximum ratio of obstruction height to canyon width in the north, east, south and west directions, respectively.

블록의 모든 건물에 대해 상기

Figure pat00092
,
Figure pat00093
,
Figure pat00094
및
Figure pat00095
의 평균을 계산하면 블록의 각각 북쪽, 동쪽, 남쪽 및 서쪽 협곡 폭에 대한 방해물 높이의 최대 비율을 나타내는
Figure pat00096
,
Figure pat00097
,
Figure pat00098
및
Figure pat00099
를 계산할 수 있다.Remind about all the buildings in the block
Figure pat00092
,
Figure pat00093
,
Figure pat00094
And
Figure pat00095
Calculating the mean of represents the maximum ratio of blockage height to the width of each north, east, south and west canyon of the block
Figure pat00096
,
Figure pat00097
,
Figure pat00098
And
Figure pat00099
Can be calculated.

협곡 폭에 대한 장애물 높이의 최대 비율은 주어진 도시 공간에서 이웃 건물로 인한 그림자의 영향을 결정하기 위해 계산된다. The maximum ratio of obstacle height to canyon width is calculated to determine the effect of shadows from neighboring buildings in a given urban space.

따라서, 협곡 폭에 대한 장애물 높이의 최대 비율은 10°의 일정한 간격으로 건물 중심부에서 36방향으로 정의된다.Thus, the maximum ratio of obstacle height to canyon width is defined in 36 directions at the center of the building at regular intervals of 10 °.

그림자 비율(ASV)은 각 빌딩 및 블록에 형성되는 그림자의 비율을 나타내고, 그림자 비율은 빌딩 그림자 비율 및 블록 그림자 비율을 포함한다.The shadow ratio (ASV) represents the ratio of shadows formed in each building and block, and the shadow ratio includes the building shadow ratio and the block shadow ratio.

빌딩 그림자 비율의 함수식은,

Figure pat00100
이며,
Figure pat00101
는 그림자 비율이고,
Figure pat00102
는 건물 표면에 투영되는 그림자의 양이며,
Figure pat00103
는 그림자가 투영되는 시간이고, w와 상기 s는 겨울과 여름이며, f와 상기 r은 파사드와 옥상이고,
Figure pat00104
는 각 빌딩의 부피를 나타낸다.The function of building shadow ratio is
Figure pat00100
Is,
Figure pat00101
Is the shadow ratio,
Figure pat00102
Is the amount of shadows projected onto the building surface,
Figure pat00103
Is the time when the shadow is projected, w and s are winter and summer, f and r are facades and rooftops,
Figure pat00104
Represents the volume of each building.

그리고, 블록 그림자 비율의 함수식은,

Figure pat00105
이다.And the function of block shadow ratio is
Figure pat00105
to be.

협곡 폭에 대한 방해물 높이의 비율(HW)은 그림자의 효과뿐만 아니라 반대편 표면의 반사광과 에너지 효율 사이의 연결 고리를 제공하는 지표이다.The ratio of the height of the obstruction to the canyon width (HW) is an indicator that provides the link between the reflected light on the opposite surface and the energy efficiency as well as the effect of the shadow.

또한, 한국은 분명히 태양 고도와 방위각이 다른 4계절이 있기 때문에 협곡 폭에 대한 방해물 높이의 비율(HW)을 통해 계절마다 다른 효과를 측정하기에 어려움이 있다.In addition, Korea has four seasons with distinct sun altitudes and azimuths, which makes it difficult to measure different season-by-season effects through the ratio of obstacle height to canyon width (HW).

따라서, 에너지 사용량에 미치는 그림자 효과를 보다 정확하게 측정하기 위해 주어진 시간 동안 그림자의 양을 건물의 부피로 나누어 계산한다.Therefore, in order to more accurately measure the shadow effect on energy usage, the amount of shadow over a given time is calculated by dividing the volume of the building.

시간은 오전 10 시부 터 오후 3시까지 결정되며, 겨울과 여름에는 매시간 간격으로 결정된다.The time is determined from 10 am to 3 pm and is set at an hourly interval in winter and summer.

지붕과 파사드에 대한 값은 태양광 발전의 잠재력이 서로 다르기 때문에 별도로 계산된다. The values for the roof and the facade are calculated separately because of the different potentials of solar power.

그리고, 복수의 도시 유형은,

Figure pat00106
,
Figure pat00107
,
Figure pat00108
,
Figure pat00109
,
Figure pat00110
,
Figure pat00111
,
Figure pat00112
,
Figure pat00113
,
Figure pat00114
,
Figure pat00115
및
Figure pat00116
을 변수로하여 단위 면적(
Figure pat00117
) 당 조명, 냉방 및 난방에 대해 회귀분석이 수행되고, 회귀분석 결과를 이용하여 클러스터링 분석을 통해 8개의 클러스터에 13개 유형으로 도출된다.And plural city types,
Figure pat00106
,
Figure pat00107
,
Figure pat00108
,
Figure pat00109
,
Figure pat00110
,
Figure pat00111
,
Figure pat00112
,
Figure pat00113
,
Figure pat00114
,
Figure pat00115
And
Figure pat00116
With unit as the unit area (
Figure pat00117
Regression analysis is performed for lighting, cooling, and heating, and 13 types are obtained in 8 clusters through clustering analysis using the regression results.

13개의 유형이 도출되는 과정을 자세히 설명한다.Details the process by which 13 types are derived.

복수의 도시 유형을 도출하기 위해 먼저 측정된 인자들을 바탕으로 한 신뢰성 있는 Typology를 도출한다.To derive multiple city types, we first derive a reliable typology based on the measured factors.

각 인자는 건물별로 측정되어 있다.Each factor is measured by building.

우선 각 인자가 유의한지 확인하기 위해 회귀분석을 실시하는데, 독립변수를 각 인자 값으로 설정하고 종속변수를 시뮬레이션에 의해 도출된 단위면적(

Figure pat00118
) 당냉·난방 및 조명 에너지 소비값으로 설정한다.First, a regression analysis is conducted to verify that each factor is significant. The independent variable is set to the value of each factor and the dependent variable is derived from the unit area (
Figure pat00118
) It is set as sugar cooling, heating and lighting energy consumption value.

이후 Heteroscedasticity-corrected model을 사용하여 분석을 실시한다.The analysis is then performed using a heteroscedasticity-corrected model.

도 1 내지 도 3을 참조하여 냉방, 난방 및 조명의 회귀분석 결과를 설명한다.Referring to Figures 1 to 3 will be described the regression analysis results of cooling, heating and lighting.

도 1은 냉방의 회귀분석 결과를 나타내고, 도 2는 난방의 회귀분석 결과를 나타내며, 도 3은 조명의 회귀분석 결과를 나타낸다.1 shows a regression analysis result of cooling, FIG. 2 shows a regression analysis result of heating, and FIG. 3 shows a regression analysis result of illumination.

회귀분석은 ASV과 HW 인자는 의미가 겹치는 부분이 있어 각각 다른 모델로 분석하였다.In the regression analysis, ASV and HW factors had overlapping meanings, so they were analyzed by different models.

또한, PA와 SV는 공선성을 일으킬 수 있어 각각 다른 모델에 변수로 포함 시킨 후, F값의 p-value이 작은 모델을 선택하였다.In addition, PA and SV can cause collinearity, and each model is included as a variable, and a model with a small p-value of F is selected.

Figure pat00119
와
Figure pat00120
는 모두 그림자의 양을 나타낼 수 있지만,
Figure pat00121
는 확산되고 직접적인 빛의 영향을 동시에 포함하는 보다 일반적인 변수이다.
Figure pat00119
Wow
Figure pat00120
Can all represent the amount of shadow,
Figure pat00121
Is a more general variable that includes both diffuse and direct light effects.

따라서, 정확한 추정치를 얻으려면

Figure pat00122
와
Figure pat00123
가 서로 다른 회귀로 분리되고, 자연로그 변환은 독립 변수에 적용되어 회귀의 전반적인 중요성을 높인다.Therefore, to get an accurate estimate
Figure pat00122
Wow
Figure pat00123
Are separated into different regressions, and the natural log transformation is applied to the independent variables to increase the overall importance of the regression.

두 지표 모두 직사광의 영향을 포함하기 때문에 회기계수는 회귀 분석에서 변수로 동시에 포함되며 왜곡될 수 있다.Since both indicators include the effects of direct sunlight, the number of regressions can be included and distorted simultaneously as variables in the regression analysis.

또한,

Figure pat00124
와
Figure pat00125
를 하나씩 단계적으로 제거한 후 높은 F-Test 및 R-squared값을 가진 모델을 선택한다.Also,
Figure pat00124
Wow
Figure pat00125
Are removed step by step and then the model with the high F-Test and R-squared values is selected.

F-Test 및 R-squared값의 서로 다른 값은 각 에너지 소비부하에 따라

Figure pat00126
와
Figure pat00127
중 더 많은 영향을 주는 지표를 구분할 수 있도록 해준다.Different values of the F-Test and R-squared values depend on each energy consumption load.
Figure pat00126
Wow
Figure pat00127
It can help you identify indicators that have more impact.

도 1을 참고하여 냉방에 대한 회귀분석의 결과를 설명하면, 냉방은

Figure pat00128
를 포함한 모델이 더 나은 F-Test 및 R-squared값을 가짐을 보여준다.Referring to the results of the regression analysis for cooling with reference to Figure 1,
Figure pat00128
It is shown that the model including the has better F-Test and R-squared values.

이는 ,

Figure pat00129
로 대표되는 파사드를 통한 태양광 발전 및 환기가,
Figure pat00130
로 표시되는 열증가 및 열손실보다 여름철의 에너지 소비와 더 관련이 있다는 것을 나타낸다.this is ,
Figure pat00129
Solar power generation and ventilation through the facade represented by
Figure pat00130
It is more related to summer energy consumption than heat increase and heat loss.

Figure pat00131
의 회귀계수(Coefficient)는 -24.2218 및 -21.9078이며 유의수준(p-value)은 냉방에 영향을 미칠 수준만큼 높다.
Figure pat00131
The regression coefficients of are -24.2218 and -21.9078, and the p-value is as high as it will affect cooling.

이는,

Figure pat00132
가 여름에 에너지 소비와 음의 관계를 가지는 것을 직접적으로 보여준다.this is,
Figure pat00132
Shows a direct relationship between negative energy consumption and summer.

또한,

Figure pat00133
을 제외한 모든 협곡 폭에 대한 장애물 높이의 비율이 중요함을 알 수 있으며, 직사광이 반사되고 확산된 빛보다 냉방에 더 중요함을 나타낸다.Also,
Figure pat00133
It can be seen that the ratio of the obstacle height to the width of all the canyons is important, indicating that the direct light is more important for cooling than the reflected and diffused light.

그리고,

Figure pat00134
의 중요성은 직사광선의 중요성을 반영하고,
Figure pat00135
는 통계적으로 유의하지 않는다는 것이 증명되는데, 이는 파사드가 지붕보다 냉방에 더 많은 영향을 준다는 것을 의미한다.And,
Figure pat00134
The importance of reflects the importance of direct sunlight,
Figure pat00135
Is proved to be not statistically significant, which means that the facade has more influence on cooling than on the roof.

건물의 방향도 냉방 부하와 관련이 없는데, 추정할 수 있는 이유는 목표 부지의 밀집도가 태양으로부터 빛을 차단할 수 있기 때문에 건물 방향의 영향을 측정하기 어렵다는 것이다.The direction of the building is also not related to the cooling load, which can be estimated because the density of the target site can block light from the sun, making it difficult to measure the effect of the building direction.

도 2를 참고하여 난방에 대한 회귀분석의 결과를 설명하면, 난방은

Figure pat00136
가
Figure pat00137
보다 더 중요한 지표이기 때문에
Figure pat00138
를 포함한 모델이
Figure pat00139
를 포함한 모델보다 더 나은 F-Test 및 R-squared값을 가짐을 보여준다.Referring to the results of the regression analysis for heating with reference to Figure 2, the heating is
Figure pat00136
end
Figure pat00137
Is a more important indicator
Figure pat00138
Including models
Figure pat00139
It shows better F-Test and R-squared values than models with

Figure pat00140
의 회귀계수(Coefficient)는 다른 독립 변수의 회귀계수(Coefficient)보다 상당히 큰데, 이는,
Figure pat00141
가 지표 간 난방에 가장 큰 영향을 미친다는 것을 의미한다.
Figure pat00140
The regression coefficient of is considerably larger than that of the other independent variables.
Figure pat00141
Means the greatest impact on inter-surface heating.

Figure pat00142
를 보면 파사드의 그림자에 대한 결과는 일반적인 믿음과 일치하며, 건물 외관의 많은 그림자가 난방 에너지 수요를증가시키는 것을 보여준다.
Figure pat00142
The results of the facade's shadows are consistent with the common belief, showing that many of the shadows on the exterior of the building increase the demand for heating energy.

또한, 협곡 형상과 관련된 독립변수(HW)가

Figure pat00143
보다 통계적으로 유의미하지는 않지만,
Figure pat00144
,
Figure pat00145
및
Figure pat00146
의 회귀계수(Coefficient)는 건물 주변에 장애물이 많을 때 난방 에너지 수요가 증가한다는 것을 나타낸다.In addition, the independent variable (HW) associated with the canyon shape
Figure pat00143
Although not statistically significant,
Figure pat00144
,
Figure pat00145
And
Figure pat00146
The coefficient of regression of (Coefficient) indicates that the demand for heating energy increases when there are many obstacles around the building.

그러나,

Figure pat00147
의 회귀계수(Coefficient)는 반사광을 이용하여 난방 에너지 소비를 줄이는 것이 가능하다는 것을 보여준다.But,
Figure pat00147
Coefficient of shows that it is possible to reduce heating energy consumption by using reflected light.

도 3을 참고하여 조명에 대한 회귀분석의 결과를 설명하면, 조명의 경우

Figure pat00148
가 있는 모델이 선택된다.Referring to Figure 3 describes the results of the regression analysis for lighting, lighting
Figure pat00148
The model with is selected.

각 독립 변수의 중요성은

Figure pat00149
,
Figure pat00150
,
Figure pat00151
,
Figure pat00152
,
Figure pat00153
및
Figure pat00154
가 조명에 영향을 준다는 것을 나타낸다..The importance of each independent variable
Figure pat00149
,
Figure pat00150
,
Figure pat00151
,
Figure pat00152
,
Figure pat00153
And
Figure pat00154
Indicates that it affects lighting.

다시 말해, 대규모 건물로 인해 자연적으로 조명되지 않는 건물의 부분과 창을 통해 건물의 내부에 도달하는 직사광은 조명 부하에 상당한 영향을 미친다.In other words, direct sunlight reaching the interior of a building through windows and parts of the building that are not naturally illuminated by a large building has a significant impact on the lighting load.

Figure pat00155
,
Figure pat00156
및
Figure pat00157
의 회귀계수(Coefficient)는 서로 비슷하지만,
Figure pat00158
및
Figure pat00159
의 회귀 계수는 다르다.
Figure pat00155
,
Figure pat00156
And
Figure pat00157
Coefficients of are similar to each other,
Figure pat00158
And
Figure pat00159
Regression coefficients are different.

Figure pat00160
의 계수는 약 2배정도 높게 나타나는데, 이는 겨울철 태양고도가 낮아서 발생될 수 있다.
Figure pat00160
The coefficient of is about 2 times higher, which can be caused by lower winter altitudes.

또한,

Figure pat00161
은 낮은 중요도를 가지지만 다른 방향의
Figure pat00162
은 통계적으로 중요한데, 이는 반대 건물에서 반사된 빛이 직사광선 보다 조명에 미치는 영향이 적음을 나타낸다.Also,
Figure pat00161
Is of low importance but in the other direction
Figure pat00162
Is statistically significant, indicating that light reflected from the opposite building has less impact on lighting than direct sunlight.

Figure pat00163
및
Figure pat00164
의 P-Value는 각각 0.5141 및 0.9547 이므로 조명에 영향을 미치지 않고,
Figure pat00165
의 중요도가 낮다는 것은 건물의 방향이 바뀌어도 조명에 큰 차이가 없다는 것을 의미한다.
Figure pat00163
And
Figure pat00164
The P-Value of is 0.5141 and 0.9547 respectively, so it does not affect the lighting,
Figure pat00165
Low importance means that there is no significant difference in lighting even if the building's orientation changes.

앞서 설명한 회귀분석 결과를 바탕으로 클러스터링 분석을 통해 8개의 클러스터가 도출되고 8개의 클러스터에서 13개의 유형이 파생된다.Based on the above regression analysis, clustering analysis yields eight clusters and 13 types are derived from the eight clusters.

8개의 클러스터가 도출되는 과정에 대해 설명하면, K-means 알고리즘으로 특이값(outlier)을 제거하고 t-Distributed Stochastic Neighbor Embedding (t-SNE)를 이용하여 차원을 감소시킨다.In the process of deriving eight clusters, the K-means algorithm removes outliers and reduces dimensions by using t-Distributed Stochastic Neighbor Embedding (t-SNE).

다음으로, 각 인자를 바탕으로 Ward's linkage method을 사용한 계층 군집화 분석으로 도시 블록과 건물 형태를 구분한다.Next, city blocks and building types are classified by hierarchical clustering analysis using Ward's linkage method based on each factor.

이후, 실루엣 방법과 데이터의 계층구조 및 실제 도시의 현황에 따른 최종 클러스터를 결정한다.Then, the final cluster is determined according to the silhouette method, the hierarchical structure of the data, and the actual city.

도 4를 참조하여 클러스터링 분석 결과에 대해 설명한다.A result of clustering analysis will be described with reference to FIG. 4.

계층군집화 방법은 사용자가 직접 클러스터 개수를 정해야 하는데, 본 발명은 실루엣 방법을 이용하였다.The hierarchical clustering method requires the user to determine the number of clusters himself or herself. The present invention uses a silhouette method.

도 4는 8개의 클러스터가 평균 실루엣 값이 가장 높고, 이는 수학적 관점에서 볼 때 8개의 클러스터가 도시의 기하학적 특성을 효과적으로 나타냄을 의미한다. 4 shows that the eight clusters have the highest average silhouette values, which means that from the mathematical point of view, the eight clusters effectively represent the geometrical characteristics of the city.

그러나, 8개의 클러스터 중 분할되어야 하는 특유의 특성을 가지는 클러스터가 있다.However, there are clusters having unique characteristics that should be divided among eight clusters.

클러스터는 도시 지오메트리의 특성을 보다 자세히 표현하기 위해 13가지 유형으로 분리된다.Clusters are divided into thirteen types to further illustrate the characteristics of urban geometry.

도 5내지 도 12를 참조하여 8개의 클러스터와 파생된 13개의 유형을 설명한다.5 to 12, eight clusters and 13 derived types will be described.

도 5 내지 도 11의 그래프는 Y축이 Z-Score를 나타내고, X축은 11개의 지표를 나타내는데 지표들은 각각 Indicator 1 =

Figure pat00166
, Indicator 2 =
Figure pat00167
, Indicator 3 =
Figure pat00168
, Indicator 4 =
Figure pat00169
, Indicator 5 =
Figure pat00170
, Indicator 6 =
Figure pat00171
, Indicator 7 =
Figure pat00172
, Indicator 8 =
Figure pat00173
, Indicator 9 =
Figure pat00174
, Indicator 10 =
Figure pat00175
, Indicator 11 =
Figure pat00176
를 나타낸다.In the graphs of FIGS. 5 to 11, the Y axis represents Z-Score and the X axis represents 11 indicators, each of which indicates Indicator 1 =.
Figure pat00166
, Indicator 2 =
Figure pat00167
, Indicator 3 =
Figure pat00168
, Indicator 4 =
Figure pat00169
, Indicator 5 =
Figure pat00170
, Indicator 6 =
Figure pat00171
, Indicator 7 =
Figure pat00172
, Indicator 8 =
Figure pat00173
, Indicator 9 =
Figure pat00174
, Indicator 10 =
Figure pat00175
, Indicator 11 =
Figure pat00176
Indicates.

8개의 클러스터는 제1클러스터 내지 제8클러스터로 구성된다.The eight clusters are composed of the first cluster to the eighth cluster.

제1클러스터는 도 5에 도시된 것처럼 협곡 폭에 대한 방해물 높이의 비율(HW)이 낮더라도 겨울에는 건물에 많은 양의 그림자가 있다.As shown in FIG. 5, the first cluster has a large amount of shadows in the building in winter even if the ratio HW of the canyon width to the canyon width is low.

협곡 폭에 대한 방해물 높이의 비율(HW)과 관련된 지표는 태양 고도가 낮기 때문에 특히 겨울철에 건물 가까이에 있지 않은 장애물의 영향을 완벽하게 반영할 수 없다.Indicators related to the HW ratio to canyon width do not fully reflect the effects of obstacles that are not near buildings, especially in winter, due to the low solar altitude.

따라서, 제1클러스터의 많은 건물 그룹은 인접하지 않은 높은 장애물의 영향을 받는다.Thus, many building groups in the first cluster are affected by high obstacles that are not adjacent.

제1클러스터의 특징은 높은

Figure pat00177
값으로 표현되는 남, 북 방향보다 상대적으로 동, 서 방향을 향한 긴 건물이 많다는 것이다.The characteristics of the first cluster are high
Figure pat00177
There are many long buildings facing east and west rather than south and north in terms of value.

고층 빌딩의 큰 영향과

Figure pat00178
의 높은 값이 제1클러스터의 주요 특징이지만, 두 가지 기능을 동시에 가지는 것은 드물다.The great impact of skyscrapers
Figure pat00178
Although the high value of is the main feature of the first cluster, it is rare to have both functions simultaneously.

그렇기에 제1클러스터는 1-1유형과 1-2유형으로 나뉜다.Therefore, the first cluster is divided into 1-1 type and 1-2 type.

1-1유형 및 1-2유형 모두

Figure pat00179
및
Figure pat00180
이 중간값을 가지고, 상대적으로
Figure pat00181
값이
Figure pat00182
값보다 높게 나타난다. Both types 1-1 and 1-2
Figure pat00179
And
Figure pat00180
With this median, relatively
Figure pat00181
Value is
Figure pat00182
It is higher than the value.

하지만, 1-1유형과 1-2유형의 차이점은, 1-1유형은 1-2유형보다

Figure pat00183
의 값이 작아 큰 장애물의 영향을 많이 받고, 1-2유형보다
Figure pat00184
및
Figure pat00185
값이 크다.However, the difference between Type 1-1 and Type 1-2 is that Type 1-1 is less than Type 1-2.
Figure pat00183
The value of is less affected by big obstacles,
Figure pat00184
And
Figure pat00185
The value is large.

1-2유형은 1-1유형보다 상대적으로

Figure pat00186
값이 높고,
Figure pat00187
및
Figure pat00188
값이 낮다.Types 1-2 are relative to type 1-1
Figure pat00186
High value,
Figure pat00187
And
Figure pat00188
The value is low.

그러므로, 도 12를 참조하면

Figure pat00189
의 높은 값을 가지는 1-2유형은 단독주택이 59%를 차지한다.Therefore, referring to FIG.
Figure pat00189
Types 1-2, which have a high value of, account for 59% of single-family homes.

도 6을 참조하면, 제2클러스터는 2유형으로 분류되고, 다른 클러스터들과 비교했을 때 지표들의 값이 평균적으로 0에 가깝다.Referring to FIG. 6, the second cluster is classified into two types, and the values of the indicators are close to 0 on average when compared with other clusters.

따라서, 이는 일반적인 유형의 건물이 밀집된 블록을 의미한다.Thus, this means a block in which a general type of building is concentrated.

도 7을 참조하면, 제3클러스터는 클러스터들 중에서

Figure pat00190
및
Figure pat00191
값이 두번째로 크고,
Figure pat00192
값들이 가장 크다.Referring to FIG. 7, the third cluster may be among clusters.
Figure pat00190
And
Figure pat00191
The second largest value,
Figure pat00192
The values are the largest.

이는, 두 계절의 건물에 많은 양의 그림자가 드리워지기 때문이다.This is because a large amount of shadows are cast on buildings of both seasons.

그리고, 여름의 그림자 효과가 겨울에 비해 더 크다는 것을 알 수 있고, 여름의 그림자 효과가 겨울의 비해 더 큼을 알 수 있다.And, it can be seen that the summer shadow effect is greater than that of winter, and the summer shadow effect is greater than that of winter.

이것은

Figure pat00193
의 높은 값에 기인할 수 있는데, 이는
Figure pat00194
값 보다
Figure pat00195
값과 더 큰 상관관계를 보인다.this is
Figure pat00193
This may be due to the high value of
Figure pat00194
Than value
Figure pat00195
More correlated with the value.

제3클러스터는 3-1유형 및 3-2유형으로 나뉜다.The third cluster is divided into 3-1 type and 3-2 type.

제3-1유형은

Figure pat00196
및
Figure pat00197
가 높은 값을 가지며, 제3-2유형은 상대적으로 낮은 값을 가진다.Type 3-1 is
Figure pat00196
And
Figure pat00197
Has a high value, and type 2-3 has a relatively low value.

이는, 3-1유형과 3-2유형 사이의 열적 행동과 태양광 접근에 큰 차이가 있음을 의미한다.This means that there is a significant difference in thermal behavior and solar access between types 3-1 and 3-2.

하지만, 중요한 기하학적 차이에도 불구하고 두 가지 유형의 토지 이용은 비슷하다.However, despite the important geometric differences, the two types of land use are similar.

도 12를 참조하면, 상업 및 산업 건물의 가장 높은 비율이 3-1유형 및 3-2유형에서 발견되며 이는

Figure pat00198
의 큰 값과 관련이 있다.Referring to FIG. 12, the highest proportions of commercial and industrial buildings are found in types 3-1 and 3-2.
Figure pat00198
It is related to the large value of.

도 8을 참조하면, 제4클러스터는 4유형으로 분류되고, 제4클러스터의 주요 특징은 가장 높은

Figure pat00199
및
Figure pat00200
값이다.Referring to Figure 8, the fourth cluster is classified into four types, the main feature of the fourth cluster is the highest
Figure pat00199
And
Figure pat00200
Value.

Figure pat00201
이 극단적으로 높지는 않지만 제4클러스터의 건물은 건물의 크기가 작기 때문에 그림자의 영향을 크게 받는다.
Figure pat00201
Although not extremely high, the fourth cluster's buildings are largely affected by shadows because of their small size.

이 크기는

Figure pat00202
및
Figure pat00203
값이 높은 것으로부터 유래된다.This size
Figure pat00202
And
Figure pat00203
It comes from a high value.

또한, 제4클러스터에는 건물의 복잡한 모양으로 인해 여름보다 겨울의 그림자의 영향을 많이 받는다.In addition, the fourth cluster is more affected by winter shadows than summer due to the complex shape of the building.

Figure pat00204
과
Figure pat00205
의 큰 값에 따르면 이러한 복잡한 모양으로 인해 건물이 그림자를 드리우게 되며, 이러한 유형의 그림자 효과는 겨울에 극대화되며 아래의 식으로 확인할 수 있다.
Figure pat00204
and
Figure pat00205
According to the large value of, the complex shape causes the building to cast shadows, and this type of shadow effect is maximized in winter and can be identified by

Figure pat00206
Figure pat00206

여기서, self는 건물 표면의 그림자가 건물의 다른 부분에서 생성됨을 나타낸다.Where self indicates that shadows on the building surface are created in other parts of the building.

도 8을 참조하면, 제5클러스터는 5유형으로 분류되고, 상대적으로 낮은

Figure pat00207
및
Figure pat00208
값과 높은
Figure pat00209
을 가지는 빌딩 그룹이 여기에 속한다.Referring to FIG. 8, the fifth cluster is classified into five types, and relatively low.
Figure pat00207
And
Figure pat00208
Value and high
Figure pat00209
A building group with

Figure pat00210
의 평균값은
Figure pat00211
의 평균값보다 상대적으로 낮은데, 이는 제5클러스터에 높고 세로로 긴 건물들이 속해있음을 의미한다.
Figure pat00210
The average value of
Figure pat00211
It is relatively lower than the mean value of, which means that the tall and tall buildings belong to the fifth cluster.

Figure pat00212
값은
Figure pat00213
값과
Figure pat00214
값이 특히 높게 나타나며, 제5클러스터 대부분의 건물은 큰 도로 근처에 있다.
Figure pat00212
The value is
Figure pat00213
Value and
Figure pat00214
The value is particularly high, and most buildings in the fifth cluster are near a large road.

이것은 밀도가 높은 대형 건물이 넓고 접근 가능한 도로를 따라 배열되는 경향이 있는 도시에서 나타난다.This is seen in cities where dense large buildings tend to be arranged along wide, accessible roads.

이 위치 특성 이외에도 모든 건물의 65%가 상업 및 업무용으로 사용되는 반면 29%만이 주거용으로 사용된다.In addition to this location characteristic, 65% of all buildings are used for commercial and business purposes, while only 29% are used for residential purposes.

도 9를 참조하면, 제6클러스터는

Figure pat00215
및
Figure pat00216
의 값에 대해 제5클러스터와 유사하지만
Figure pat00217
의 값이 제5클러스터보다 작아 건물규모는 비슷하나 덜 촘촘하게 배치 되며, 그림자의 영향이 제5클러스터보다 적은 것을 의미한다.9, the sixth cluster is
Figure pat00215
And
Figure pat00216
Similar to the fifth cluster for the value of
Figure pat00217
Since the value of is smaller than that of the fifth cluster, the building scale is similar but less densely arranged, and the shadow effect is less than that of the fifth cluster.

제6클러스터는 6-1유형과 6-2유형으로 분류된다.The sixth cluster is classified into types 6-1 and 6-2.

6-1유형은 주요 도로를 따라 일반적으로 발견되는 거대한 건물을 가진 블록이며,

Figure pat00218
및
Figure pat00219
의 값은 유형들 중 가장 작아 6-1유형에 속하는 거의 모든 건물이 크다.Type 6-1 is a block with huge buildings commonly found along major roads,
Figure pat00218
And
Figure pat00219
The value of is the smallest of the types and almost all buildings of type 6-1 are large.

그리고, 6-1유형에서 사업과 문화의 사용 비율은 모든 유형 중에서 가장 높다. And in type 6-1, business and culture use is the highest among all types.

6-2유형은 6-1유형보다 상대적으로 좁은 도로 근처에 위치한 상대적으로 작은 건물을 가진 블록이다.Type 6-2 is a block with a relatively small building located near a narrower road than Type 6-1.

6-2유형은 비지니스 및 문화적 이용대신 주거용 사용 비율이 높다.Type 6-2 has a high percentage of residential use instead of business and cultural use.

도 10을 참조하면, 제7클러스터는 가장 낮은

Figure pat00220
,
Figure pat00221
및
Figure pat00222
값을 가지므로 그림자로 인한 영향은 거의 없다.Referring to FIG. 10, the seventh cluster has the lowest
Figure pat00220
,
Figure pat00221
And
Figure pat00222
It has a value, so there is little effect from shadows.

건물의 배치가 널널하여 아파트 및 공동주택과 같은 대형 건물이 있는 블록에서 주로 발견된다.The layout of the buildings is widespread and is often found in blocks with large buildings such as apartments and apartments.

그리고, 제7클러스터의 특이한 점은 건물의 규모가 크지만 제7클러스터에 속하는 블록 중 일부는 종종 큰 도로에서 멀리 떨어져 있다.And the peculiarity of the 7th cluster is that the building is large, but some of the blocks belonging to the 7th cluster are often far from the big road.

아파트와 주택은 넓은 도로를 피하는 경향이 있기 때문이다.Apartments and houses tend to avoid wide roads.

제7클러스터의 또 다른 특징은

Figure pat00223
값의 변화가 너무 커 평균값이 제7클러스터의 특성을 나타낼 수 없어 7-1유형 및 7-2유형으로 구분된다.Another characteristic of the 7th cluster
Figure pat00223
The change in the value is so large that the average value cannot represent the characteristics of the seventh cluster, so it is divided into types 7-1 and 7-2.

7-1유형과 7-2유형으로 구분되는 가장 큰 요소는 각 유형의

Figure pat00224
값이다.The largest element that is divided into types 7-1 and 7-2 is
Figure pat00224
Value.

다른 지표 값 변화는 크게 영향을 미치지 않는다.Changes in other indicator values have little effect.

7-1유형의 아파트 비율은 42%로 모든 유형에서 가장 높게 나타난다.The proportion of apartments of type 7-1 is 42%, the highest among all types.

그러나 7-2유형은 낮은

Figure pat00225
값으로 아파트 비율이 상대적으로 낮게 나타난다. But type 7-2 is low
Figure pat00225
The proportion of apartments is relatively low.

도 10을 참조하면, 제8클러스터는 0에 가까운

Figure pat00226
및
Figure pat00227
값과
Figure pat00228
의 낮은 값을 특징으로 한다.Referring to FIG. 10, the eighth cluster is close to zero.
Figure pat00226
And
Figure pat00227
Value and
Figure pat00228
It is characterized by a low value of.

Figure pat00229
가 작기 때문에 건물들의 부피가 크지 않음에도 불구하고,
Figure pat00230
값이 작다.
Figure pat00229
Although the buildings are not bulky because of their small size,
Figure pat00230
The value is small.

그리고, 제8클러스터는 오히려 큰

Figure pat00231
값을 갖는 경향이 있고,
Figure pat00232
값이
Figure pat00233
값보다 더 높은 값을 가짐에 따라 제8클러스터의 대부분 건물은 납작한 모양을 가진다고 볼 수 있다.And the eighth cluster is rather large
Figure pat00231
Tend to have a value,
Figure pat00232
Value is
Figure pat00233
As the value is higher than the value, most buildings of the eighth cluster can be considered to have a flat shape.

제8클러스터는 8-1유형 및 8-2유형으로 구분된다.The eighth cluster is divided into 8-1 type and 8-2 type.

8-1유형은 유형 8-2에 비해

Figure pat00234
및
Figure pat00235
의 값이 상대적으로 낮다.Type 8-1 compares to Type 8-2
Figure pat00234
And
Figure pat00235
The value of is relatively low.

반면 8-2유형은 8-1유형보다

Figure pat00236
값이 작고,
Figure pat00237
및
Figure pat00238
값이 더 크다.Type 8-2, on the other hand,
Figure pat00236
The value is small,
Figure pat00237
And
Figure pat00238
The value is larger.

8-2유형은 모든 유형 중에서 단독주택의 비율이 76%로 가장 높게 나타난다.Type 8-2 has the highest proportion of single-family homes (76%).

이후, 도 13에 도시된 것처럼, 2차원 도시 지도에 블록과 건물 형태를 구분하여 표현할 수 있고, 표시된 지도를 통해 도시 형태별 에너지 소비 패턴을 인식할 수 있어 향후 도시 관리 및 재개발시 고려 요소로 사용할 수 있다.Thereafter, as shown in FIG. 13, the block and the building type can be separately expressed on the two-dimensional city map, and the energy consumption pattern for each city type can be recognized through the displayed map, so that it can be used as a factor for future city management and redevelopment. have.

실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described with reference to the examples, those skilled in the art can understand that the present invention can be variously modified and changed without departing from the spirit and scope of the invention described in the claims below. There will be.

Claims (11)

도시의 형상 및 에너지 소비 패턴을 이용한 도시 유형 구분하기 위하여,
2차원 벡터형태로 구성된 도시의 복수의 블록 중 어느 한 블록의 형상 수치와 상기 블록에 포함된 복수의 건물의 형상 수치를 입력하고,
복수의 상기 건물의 형상 수치를 이용하여 복수의 상기 건물 및 상기 블록의 에너지 소비 패턴을 파악하기 위한 복수의 인자를 측정하여 복수의 도시유형을 도출하며,
상기 도시의 복수의 상기 블록에 상기 도시유형을 표시하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.In order to distinguish the city type using the shape of the city and the energy consumption pattern,
Input the shape value of any one of the plurality of blocks in the city in the form of a two-dimensional vector and the shape value of the plurality of buildings included in the block,
Deriving a plurality of city types by measuring a plurality of factors for grasping the energy consumption pattern of the plurality of buildings and the block using the shape value of the plurality of buildings,
City type classification method using the shape of the city and the energy consumption pattern to display the city type on the plurality of blocks of the city. 제1항에 있어서,
복수의 상기 인자는,
표면 대 부피의 비율, 둘레 대 면적의 비율, 건물의 방향, 협곡 폭에 대한 방해물 높이의 비율 및 그림자 비율인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 1,
A plurality of the above factors,
The urban type classification method using the shape and energy consumption pattern of the city, characterized in that the ratio of the surface to volume, the ratio of the perimeter to the area, the direction of the building, the ratio of the height of the obstacle to the canyon width and the shadow ratio. 제2항에 있어서,
상기 표면 대 부피의 비율 함수식은,
Figure pat00239
이며,
상기
Figure pat00240
은 도시 블록의 표면 대 부피 비율이고, 상기
Figure pat00241
는 각 빌딩의 표면적이며,
Figure pat00242
는 도시 블록의 각 빌딩의 부피인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 2,
The ratio function of surface to volume is
Figure pat00239
Is,
remind
Figure pat00240
Is the surface-to-volume ratio of the illustrated block, and
Figure pat00241
Is the surface area of each building,
Figure pat00242
The urban type classification method using the shape and energy consumption pattern of the city, characterized in that the volume of each building of the city block. 제3항에 있어서,
상기 둘레 대 면적의 비율 함수식은,
Figure pat00243
이며,
상기
Figure pat00244
는 각 건물의 둘레 대 면적의 비율이고, 상기
Figure pat00245
와 상기
Figure pat00246
는 각 건물의 둘레와 면적이며, 상기
Figure pat00247
은 도시 블록의 둘레 대 면적의 비율인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 3,
The ratio function of the perimeter to the area is
Figure pat00243
Is,
remind
Figure pat00244
Is the ratio of the perimeter to the area of each building,
Figure pat00245
And above
Figure pat00246
Is the perimeter and the area of each building,
Figure pat00247
The urban type classification method using the shape and energy consumption pattern of the city, characterized in that the ratio of the circumference to the area of the city block. 제4항에 있어서,
상기 건물의 방향값 함수식은,
Figure pat00248
이며,
Figure pat00249
는 각 건물의 방향값이고, 상기
Figure pat00250
는 각 건물의
Figure pat00251
번째 X 좌표, 상기
Figure pat00252
는 각 건물 풋 프린트의
Figure pat00253
번째 Y 좌표이며, 상기
Figure pat00254
는 각 건물의 둘레이고,
Figure pat00255
는 블록의 방향값인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 4, wherein
The direction value function of the building is,
Figure pat00248
Is,
Figure pat00249
Is the direction value of each building,
Figure pat00250
Of each building
Figure pat00251
Th X coordinate, above
Figure pat00252
Of each building footprint
Figure pat00253
Is the second Y coordinate,
Figure pat00254
Is the perimeter of each building,
Figure pat00255
Urban type classification method using the shape of the city and the energy consumption pattern, characterized in that the direction value of the block. 제5항에 있어서,
상기 협곡 폭에 대한 방해물 높이 비율의 함수식은,
Figure pat00256
이며,
Figure pat00257
는
Figure pat00258
번째 방향에서 협곡 폭에 대한 방해물 높이의 최대 비율이고,
Figure pat00259
는 f층에서 방해가 되는 건물의 높이이며,
Figure pat00260
는 대상 건물의 각 층의 높이이고,
Figure pat00261
는 대형 건물의 수이며, 상기
Figure pat00262
는 협곡의 너비이고,
0.5 이하의 상기
Figure pat00263
값은 0.5로 나타내며, 상기
Figure pat00264
의 최대값은 15로 제한되는 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 5,
The function formula of the obstacle height ratio to the canyon width is,
Figure pat00256
Is,
Figure pat00257
Is
Figure pat00258
The maximum ratio of blockage height to canyon width in the second direction,
Figure pat00259
Is the height of the building on the f floor
Figure pat00260
Is the height of each floor of the target building,
Figure pat00261
Is the number of large buildings and said
Figure pat00262
Is the width of the canyon,
Above 0.5
Figure pat00263
The value is represented by 0.5, and
Figure pat00264
The maximum value of the urban type classification method using the shape and energy consumption pattern of the city, characterized in that limited to 15. 제6항에 있어서,
상기
Figure pat00265
값을 이용한 건물의 동쪽, 서쪽, 남쪽 및 북쪽의 협곡 폭에 대한 방해물 높이 비율 함수식은,
Figure pat00266
이며,
Figure pat00267
,
Figure pat00268
,
Figure pat00269
및
Figure pat00270
는 각각 건물의 북쪽, 동쪽, 남쪽 및 서쪽 방향의 협곡 폭에 대한 방해물 높이의 최대 비율인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 6,
remind
Figure pat00265
Using the values, the function of the obstruction height ratio for the canyon widths east, west, south, and north is
Figure pat00266
Is,
Figure pat00267
,
Figure pat00268
,
Figure pat00269
And
Figure pat00270
The urban type classification method using the shape and energy consumption pattern of the city, characterized in that the maximum ratio of the height of the obstacle to the width of the canyon in the north, east, south and west directions of the building, respectively. 제7항에 있어서,
블록의 모든 건물에 대해 상기
Figure pat00271
,
Figure pat00272
,
Figure pat00273
및
Figure pat00274
의 평균을 계산하면 블록의 각각 북쪽, 동쪽, 남쪽 및 서쪽 협곡 폭에 대한 방해물 높이의 최대 비율을 나타내는
Figure pat00275
,
Figure pat00276
,
Figure pat00277
및
Figure pat00278
를 계산할 수 있는 것을 특징으로 하는 도시 에너지 성능 및 도시 기하학적 유형을 이용한 도시 설계 방법.The method of claim 7, wherein
Remind about all the buildings in the block
Figure pat00271
,
Figure pat00272
,
Figure pat00273
And
Figure pat00274
Calculating the mean of represents the maximum ratio of blockage height to the width of each north, east, south and west canyon of the block
Figure pat00275
,
Figure pat00276
,
Figure pat00277
And
Figure pat00278
Urban design method using urban energy performance and urban geometric type, characterized in that it can be calculated. 제8항에 있어서,
상기 그림자 비율은 각 빌딩 및 블록에 형성되는 그림자의 비율을 나타내고,
상기 그림자 비율은 빌딩 그림자 비율 및 블록 그림자 비율을 포함하며,
상기 빌딩 그림자 비율의 함수식은,
Figure pat00279
이며,
상기
Figure pat00280
는 그림자 비율이고, 상기
Figure pat00281
는 건물 표면에 투영되는 그림자의 양이며, 상기
Figure pat00282
는 그림자가 투영되는 시간이고, 상기 w와 상기 s는 겨울과 여름이며, 상기 f와 상기 r은 파사드와 옥상이고, 상기
Figure pat00283
는 각 빌딩의 부피인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 8,
The shadow ratio represents the ratio of shadows formed in each building and block,
The shadow ratio includes a building shadow ratio and a block shadow ratio,
The function of building shadow ratio is
Figure pat00279
Is,
remind
Figure pat00280
Is the shadow ratio, said
Figure pat00281
Is the amount of shadow projected on the building surface,
Figure pat00282
Is the time at which the shadow is projected, w and s are winter and summer, f and r are the facade and rooftop,
Figure pat00283
Urban type classification method using the shape and energy consumption pattern of the city, characterized in that the volume of each building. 제9항에 있어서,
상기 블록 그림자 비율의 함수식은,
Figure pat00284

인 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 9,
The function of the block shadow ratio is
Figure pat00284

Urban type classification method using the shape of the city and the energy consumption pattern, characterized in that. 제10항에 있어서,
복수의 상기 도시유형은,
상기
Figure pat00285
,
Figure pat00286
,
Figure pat00287
,
Figure pat00288
,
Figure pat00289
,
Figure pat00290
,
Figure pat00291
,
Figure pat00292
,
Figure pat00293
,
Figure pat00294
및
Figure pat00295
을 변수로하여 단위 면적(
Figure pat00296
) 당 조명, 냉방 및 난방에 대해 회귀분석이 수행되고,
상기 회귀분석 결과를 이용하여 클러스터링 분석을 통해 도출되는 것을 특징으로 하는 도시의 형상 및 에너지 소비 패턴을 이용한 도시유형 구분방법.The method of claim 10,
A plurality of the city types,
remind
Figure pat00285
,
Figure pat00286
,
Figure pat00287
,
Figure pat00288
,
Figure pat00289
,
Figure pat00290
,
Figure pat00291
,
Figure pat00292
,
Figure pat00293
,
Figure pat00294
And
Figure pat00295
With unit as the unit area (
Figure pat00296
) A regression analysis is performed on the lighting, cooling and heating
Urban type classification method using the shape of the city and the energy consumption pattern, characterized in that derived through the clustering analysis using the regression analysis results.
KR1020180099199A 2018-08-24 2018-08-24 Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern KR20200022952A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180099199A KR20200022952A (en) 2018-08-24 2018-08-24 Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180099199A KR20200022952A (en) 2018-08-24 2018-08-24 Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern

Publications (1)

Publication Number Publication Date
KR20200022952A true KR20200022952A (en) 2020-03-04

Family

ID=69783576

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180099199A KR20200022952A (en) 2018-08-24 2018-08-24 Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern

Country Status (1)

Country Link
KR (1) KR20200022952A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689382A (en) * 2022-11-16 2023-02-03 东南大学 Method for measuring and calculating urban building energy consumption by using urban morphology on macro scale
WO2024139700A1 (en) * 2022-12-28 2024-07-04 腾讯科技（深圳）有限公司 Building identification method and apparatus, and device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689382A (en) * 2022-11-16 2023-02-03 东南大学 Method for measuring and calculating urban building energy consumption by using urban morphology on macro scale
CN115689382B (en) * 2022-11-16 2023-07-21 东南大学 Method for measuring and calculating urban building energy consumption by utilizing urban form on macro scale
WO2024139700A1 (en) * 2022-12-28 2024-07-04 腾讯科技（深圳）有限公司 Building identification method and apparatus, and device

Similar Documents

Publication Publication Date Title
Toparlar et al. Impact of urban microclimate on summertime building cooling demand: A parametric analysis for Antwerp, Belgium
Sanaieian et al. Review of the impact of urban block form on thermal performance, solar access and ventilation
Gros et al. Simulation tools to assess microclimate and building energy–A case study on the design of a new district
Gracik et al. Effect of urban neighborhoods on the performance of building cooling systems
Oh et al. Identifying urban geometric types as energy performance patterns
Eicker et al. Assessing passive and active solar energy resources in cities using 3D city models
Zhu et al. The impact of urban vegetation morphology on urban building energy consumption during summer and winter seasons in Nanjing, China
Mazzaferro et al. Do we need building performance data to propose a climatic zoning for building energy efficiency regulations?
TW201822129A (en) Green building efficiency simulation and analysis system and optimal decision method
CN104298828A (en) Method for simulating influence of urban green space patterns on thermal environments
Shareef et al. Urban block configuration and the impact on energy consumption: A case study of sinuous morphology
Shen et al. Building heating and cooling load under different neighbourhood forms: Assessing the effect of external convective heat transfer
Kohler et al. Impacts of several urban-sprawl countermeasures on building (space heating) energy demands and urban heat island intensities. A case study
Yu et al. Spatial interpolation-based analysis method targeting visualization of the indoor thermal environment
Dochev et al. Calculating urban heat demands: An analysis of two modelling approaches and remote sensing for input data and validation
Chen et al. Quantitative analysis of the building-level relationship between building form and land surface temperature using airborne LiDAR and thermal infrared data
Ghiassi et al. An enhanced sampling-based approach to urban energy modelling
KR20200022952A (en) Urban Type Identification Method Using Urban Shape and Energy Consumption Pattern
Veisi et al. Analysis of solar radiation towards optimization and location of the urban blocks in the neighborhood units
Mohsenzadeh et al. Building form and energy efficiency in tropical climates: A case study of Penang, Malaysia
Lai et al. Effectively modeling surface temperature and evaluating mean radiant temperature in tropical outdoor industrial environments
Liu et al. The influence of calculation error of hourly marine meteorological parameter on building energy consumption calculation
Nzengue et al. Planning city refurbishment: An exploratory study at district scale how to move towards positive energy districts–approach of the SINFONIA project
Yu et al. Climatic formations: Evolutionary dynamics of urban morphologies
Curreli et al. Solar access in the compact city: A study case in Barcelona

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2021101000147; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20210120

Effective date: 20210823