Blog

BIST 연구원을 위한 맞춤형 논문 추천 서비스가 개발되었다. 본 서비스는 연구원의 관심 연구 분야, 기존 논문, 참고문헌 등의 정보를 분석하여 연구자별 관심 주제를 파악하고, 관련 최신 논문을 지속적으로 모니터링하는 것을 목표로 한다. 향후 주기적인 논문 모니터링과 사용자 피드백을 바탕으로 서비스의 추천 성능과 활용성을 고도화할 예정이며, 연구원의 접근성을 높이기 위해 모바일 버전도 개발할 계획이다. 서비스는 아래 링크를 통해 접속 가능하다. https://bist.t-ranno.com/literature

본 연구는 도시 건물 에너지 모델링(UBEM) 분야의 대표적인 세 가지 기술 유형인 모니터링, 피처 엔지니어링, 시뮬레이션을 기반으로, 각각 EUI 모니터링 서비스, 창면적비(WWR) 예측 서비스, EnergyPlus 기반 에너지 시뮬레이션 서비스를 대표 사례로 선정하여 서울시 실제 건물 데이터에 적용하였다 (그림 1). 세 서비스는 서로 다른 데이터 유형, 실행 절차, 출력 형식을 가지며, 동일한 생성 프레임워크 내에서 이질적인 서비스 요구를 처리할 수 있음을 보여준다. EUI 모니터링 서비스에서는 서울시 85,646개 건물을 대상으로 연간 단위 에너지 소비강도를 산출하였고, WWR 예측 서비스는 YOLO 기반 객체 탐지를 통해 건물 입면 이미지로부터 창면적비를 자동 추정하며, EnergyPlus 시뮬레이션 서비스는 건물 등록 정보로부터 IDF 파일을 자동 생성하여 연간 에너지 시뮬레이션을 수행한다. 이를 통해 제안된 UBES 생성 프레임워크가

본 연구에서는 건물 중심의 나무 식재 전략을 제안함. 기존 연구는 주로 어떤 나무를 어디에 심을지에 초점을 두었지만, 본 연구는 어떤 건물에 나무를 심어야 에너지 절감 효과가 더 크게 나타나는지를 분석함. 이를 위해 건물의 물리적 특성, 에너지 사용 특성, 그리고 주변 도시환경을 종합적으로 반영한 Tree-Based Cooling Potential Index (TBCPI)를 개발함. 또한 실제 도시 적용 가능성을 높이기 위해 LLM 기반 멀티 에이전트 시스템을 구현함. 이 시스템은 후보 건물의 우선순위를 산정하고, 선택된 건물에 대해 자동으로 에너지 시뮬레이션 입력파일을 생성한 뒤, 실제 에너지 사용량을 바탕으로 보정을 수행하여 나무 식재에 따른 냉방 에너지 절감 효과를 정량적으로 분석함. 본 연구는 1) 도시 나무 식재를 ‘건물 중심’ 관점에서 재해석하고 2) TBCPI를 통해 식재 우선 건물을 선별할 수 있는 정량적 기준을 제시했으며, 3) L