설계단계 의사결정 지원을 위한 모듈러 건축물의 탄소배출량 예측모델 개발

Abstract

본 연구는 모듈러 건축물의 탄소배출량 예측모델을 개발하고 이를 통해 설계단계에서 이해관계자들에게 의사결정에 도움을 주기 위한 지원 도구 개발을 목적으로 한다. <br> <br>국내의 경우 탄소배출량 예측모델에 대한 연구가 부족한 상태이며 국외의 경우 RC조를 대상으로 하여 신축 또는 리모델링시 의사결정 지원 도구로써 예측모델에 대한 연구가 진행되고 있다. 모듈러 건축물을 대상으로 한 탄소배출량 예측모델은 부족한 상황이므로, 이에 본 연구에서는 설계단계에서 설계 대안에 대한 신속한 탄소배출량 평가가 가능하여 의사결정을 지원할 수 있는 예측모델을 개발하였으며, 적은 개수의 입력변수로도 사용이 용이하도록 하였다. <br> <br>(1) 전 생애주기 탄소배출량 산정방법에 대해 고찰하였으며, 연구대상을 모듈러 생활관으로 한정하였다. 전 생애주기 탄소배출량 예측모델 개발과 관련된 선행연구를 분석하여 본 연구의 개발 방향을 설정하였다. <br> <br>(2) 모듈러 건축물의 자재내역서와 국내·외 문헌자료들을 통해 생산, 시공, 폐기단계의 탄소배출량을 산정하고 동적에너지시뮬레이션 프로그램을 활용하여 운영단계의 탄소배출량을 산정하였다. 이를 바탕으로 각 단계별 탄소배출량의 초기 데이터를 생성하였다. <br> <br>(3) 생성된 초기데이터를 바탕으로 기계학습 데이터를 생성하기 위해 향, 창면적비, 부위별 열관류율, SHGC, VT 등 총 10개의 입력변수를 설정하였으며, 출력변수는 전 생애주기 탄소배출량으로 설정하였다. 10개의 변수의 변화에 따라 출력변수가 달라질 수 있도록 입력변수를 LHS 방법을 통해 10,000개의 데이터로 샘플링을 하였으며, JePlus를 이용하여 머신러닝 데이터를 생성하였다. <br> <br>(4) 설계단계에서 사용이 용이하도록 모델의 입력변수를 줄이기 위해, 변수들간 상관관계 분석을 하여 10개의 입력변수 중 5개를 제거하였다. 향, 창면적비, SHGC, VT, 창호 열관류율의 5개의 입력변수를 최종적으로 기계학습의 입력변수로 설정하였다. <br> <br>(5) 생성된 데이터세트를 바탕으로 MLR, RF, GBRT, KNN, SVR의 알고리즘을 이용하여 예측모델을 생성하였으며, 4가지의 평가지표와 소요시간을 고려하였을 때 RF모델이 가장 적절한 것으로 도출되었다. <br> <br>본 연구에서는 모듈러 건축물의 탄소배출량 예측모델을 개발하는 것을 주요 목적으로 하였다. 현재 개발된 예측모델은 연구의 초기 단계로 지역은 서울로 고정되어 있으며, 모듈러 건축물 중 생활관을 대상으로 한정하고 있다. 따라서 향후 연구에서는 지역 및 용도 범위의 확장으로 유연하고 광범위한 예측모델로 개발하는 것이 필요하며, 타 프로그램과 연동하여 건축물의 설계 초기단계에서 통합적인 정보제공을 할 수 있는 연구가 필요할 것으로 판단된다.