건조 기후에서의 지속가능한 도시 설계: AI 기반 도시 형태 분석


본 연구는 건조하고 더운 기후에서 도시 형태의 에너지 및 환경 성능에 대한 영향을 XAI를 활용하여 분석한 연구입니다. XGBoost 모델을 통해 높은 정확도를 달성했으며, 건물 형태, 창문 대 벽면 비율 등이 에너지 효율에 중요한 영향을 미치는 것으로 나타났습니다. 이 연구는 고밀도 환경에 적용 가능한 기후 친화적인 도시 설계 프레임워크를 제시합니다.

related iamge

급속한 도시화가 진행되는 건조하고 더운 기후 지역에서, 기후에 반응하는 도시 형태 설계는 지속가능한 발전을 위한 중요한 요소입니다. 이러한 맥락에서, Pegah Eshraghi 등의 연구진은 최근 설명 가능한 AI(XAI) 기술을 활용하여 도시 형태가 에너지 소비 및 환경 성능에 미치는 영향을 심층적으로 분석한 획기적인 연구 결과를 발표했습니다.

이 연구는 테헤란의 고밀도 도시 환경을 사례 연구로 삼아, 도시 블록 단위에서 30가지 도시 형태 매개변수(건물 형태, 창문 대 벽면 비율, 상업 비율 등)가 에너지 지표(냉방, 난방, 조명 수요)와 환경 성능(햇빛 노출, 태양광 발전, Sky View Factor)에 미치는 영향을 평가하고 순위를 매겼습니다. 도시 건물 에너지 모델링(UBEM) 과 머신러닝(ML) 기법, 특히 Shapley Additive Explanations (SHAP) 을 결합하여 이러한 분석을 수행한 점이 특징입니다.

평가된 7가지 ML 알고리즘 중 XGBoost 모델이 가장 효과적인 예측 모델로 나타났습니다. 놀라운 점은 R2 값 0.92라는 높은 정확도를 달성하면서도 훈련 시간은 단 3.64초에 불과했다는 것입니다. 이는 XGBoost의 효율성과 이 연구의 분석적 강점을 보여주는 결과입니다.

연구 결과, 건물 형태, 창문 대 벽면 비율, 상업 비율이 에너지 효율에 가장 큰 영향을 미치는 매개변수로 밝혀졌습니다. 또한 인접 건물의 높이와 거리는 냉방 수요와 태양열 접근성에 큰 영향을 미치는 것으로 나타났습니다. 다양한 밀도와 구성의 도시 블록을 평가함으로써, 이 연구는 다른 건조하고 더운 지역에도 적용 가능한 일반적인 통찰력을 제공합니다.

결론적으로, 이 연구는 UBEM과 XAI의 통합을 통해 고밀도 환경에 적용 가능한 기후 친화적인 도시 설계를 위한 확장 가능하고 데이터 중심적인 프레임워크를 제시합니다. 이 연구는 지속가능한 도시 개발을 위한 중요한 이정표를 제시하며, 앞으로 AI 기반 도시 설계 분야의 발전에 크게 기여할 것으로 예상됩니다. 향후 연구에서는 더욱 다양한 기후대와 도시 맥락에 대한 분석을 확장하여 범용적인 지침을 제공하는 것이 필요할 것입니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates

Published:  (Updated: )

Author: Pegah Eshraghi, Riccardo Talami, Arman Nikkhah Dehnavi, Maedeh Mirdamadi, Zahra-Sadat Zomorodian

http://arxiv.org/abs/2412.12183v1