기상청 AWS/ASOS 관측자료와 도시형태(urban morphology) 정보를 결합하여 서울시 전역의 격자점별 기온을 실시간으로 예측하는 웹 서비스를 개발하였다. 기존의 도시열섬 연구는 위성 열적외 영상이나 수치모델에 의존하여 시공간 해상도에 한계가 있었으나, 본 연구에서는 XGBoost 기반 머신러닝 모델을 활용하여 10m 해상도의 포인트 단위 기온 예측을 실현하였다. 모델은 서울시 전역의 S-DoT 센서 관측 기온과 AWS 보간 기온 간의 잔차(residual)를 학습하며, 151개의 입력 변수를 사용한다. 이 변수에는 기상관측 데이터(기온, 풍향·풍속, 습도, 일사량 등), 시간 기반 특성(UHI phase, 태양 고도 등), 국토지리정보원 1:1,000 수치지형도로부터 4개 해상도(10m, 100m, 250m, 1000m)에서 산출한 도시형태 지표(건물 높이, SVF, 협곡 폭, 건폐율, FAI 등), 그리고 환경부 세분류 토지피복지도(41개 분류)에서 추출한...

건물 에너지 모델링(Building Energy Modeling, BEM) 은 건물의 에너지 소비를 예측하거나 분석하기 위한 시뮬레이션 기술로, 냉난방, 조명, 환기 등 다양한 에너지 요소들을 시간 단위로 정량적으로 모사한다. 이러한 모델은...

Ontology -enabled AI agent-driven intelligent digital twins for building operations and maintenance 본 논문은 AI 에이전트와 온톨로지 기반 프레임워크를 활용해 지능형...