직접 가보지 않고도
일조량을 확인할 수 있을까?

이-커머스(E-commerce)의 발달에 따라 부동산 거래에도 이-커머스 기술이 널리 적용되고 있다. 부동산 거래를 위한 웹 사이트 및 애플리케이션 등과 같은 다양한 플랫폼 개발이 활성화된 것이다. 이러한 부동산 거래 플랫폼들은 기본적으로 매물에 대한 검색 기능이나 검색된 매물에 대한 다양한 정보를 제공해왔다. 가격, 위치 관리비, 층수, 면적, 방향, 냉난방, 주차, 엘리베이터, 용도, 매물 사진, 부대 시설 및 주변 시설 등이 그것이다. 이외에도 사용자의 요구와 기술 발전에 힘입어 최근에는 직접 발품을 팔지 않고도 매물을 정확하게 파악할 수 있는 정보들이 추가로 제공되고 있다.

그중 하나가 다름 아닌 일조량이다. 문제는 실내공간의 일조량에 대한 정보를 수집하는 것은 쉽지 않다는 점이다. 이론적으로는 집의 위치와 방향에 따라 일조량 정보를 산출할 수 있지만, 우리나라의 경우 문제가 복잡하다. 아파트와 오피스텔, 빌라 등 수직으로 올라가 있는 공동주택이 60% 이상에 달하는 만큼 광원(태양)의 위치 및 인접한 외부 건물의 위치까지 함께 고려해야 하게 때문이다. 그래서 이사 갈 집을 고르기까지 직접 방문하는 일은 필수 코스처럼 여겨졌다. 하지만 시간을 들여 한두 번 방문을 해도 일조량을 정확히 파악할 수는 없다. 시간은 물론 계절별로도 일조량이 달라지기 때문이다. 이에 여러 회사들이 정확한 일조량 정보를 제공하는 일에 힘쓰고 있고, 이미 서비스를 하고 있는 곳도 많다. 그중 ㈜평행공간은 3D 모델링을 기반으로 하는 기술에 주목했다.

먼저 실내공간에 대한 복수의 포인트 클라우드를 수신하고, 복수의 포인트 클라우드에 기초해 실내공간에 대응하는 복수의 폴리곤을 포함하는 3D 오브젝트를 생성한다. 다음으로 통신 회로를 이용해 외부 서버로부터 실내공간을 포함하는 건축물 및 건축물에 인접한 하나 이상의 외부 건축물에 대한 건물 정보를 수신하고 건물 정보에 기초해 실내공간 및 하나 이상의 외부 건축물에 대응하는 건축물 좌표 정보를 획득한다. 이렇게 생성하고 획득한 3D 오브젝트 및 건축물 좌표 정보를 그래픽 API에 입력함으로써 미리 설정된 광원과 실내공간에 대한 레이 트레이싱(Ray Tracing)을 수행하고, 레이 트레이싱의 결과에 기초하여 실내공간에 대한 일조량 정보를 제공할 수 있다는 판단이었다.

실내 일조량 정보 제공 장치는 통신회로, 메모리 및 프로세서를 포함한다. 예를 들어, 사용자 단말로서 데스크톱, 랩톱, 태블릿 또는 스마트폰 등과 같은 컴퓨팅 디바이스일 수 있다. 구현 형태의 경우, 서버 형태라면 물리적으로는 온 프레미스(on premise) 또는 클라우드에 위치할 수 있다. 이와 달리 2대 이상의 컴퓨팅 디바이스(예: 2개의 사용자 단말, 2개의 서버 또는 1개의 사용자 단말 및 1개의 서버)로 구현될 수도 있다. 통신회로는 라이다 카메라(LiDAR camera) 및 외부 서버와 무선 또는 유선으로 통신하도록 구성해 라이다 카메라 및 외부 서버와 데이터를 주고받을 수 있다. 이때 라이다 카메라는 통합 외부 장치일 수도 있지만 라이다와 카메라를 별개로 구성해 라이다 및 카메라 각각과 통신할 수 있다. 메모리는 휘발성 메모리 및/또는 비휘발성 메모리를 두루 포함하는데, 장치 내부에서 처리된 데이터를 저장할 수 있고 라이다 카메라나 외부 서버로부터 수신된 데이터를 저장할 수도 있다. 프로세서는 통신 회로 및 메모리와 전기적으로 연결되어 이들을 제어하거나 다양한 데이터 처리 및 연산을 수행한다. 프로세서 역시 단일한 것은 물론 복수의 구성으로 구성하는 것도 가능하다.

이중 라이다 카메라는 라이다를 이용해 실내공간을 이루는 표면의 위치를 감지한다. 또 라이다 및 카메라를 이용해 획득한 정보에 기초해 실내공간의 표면을 이루는 다수의 지점 각각에 대한 좌표 정보(x, y, z) 및 색상 정보(R, G, B)를 획득하고 다수의 지점 각각의 좌표 및 색상 정보를 결합해 이에 대응하는 다수의 포인트 클라우드(x, y, z, R, G, B)를 생성한다.

프로세서는 건물 정보에 포함된 위치. 면적 및 높이 정보에 기초하여 실내공간 및 하나 이상의 외부 건축물에 대응하는 건축물 좌표 정보를 산출할 수 있다. 그래픽 API를 이용하여 광원의 위치, 각도, 밝기, 색상 및 노출 값을 설정하고, 3D 오브젝트, 건축물 좌표 정보 및 광원에 기초하여 복수의 폴리곤에 대한 라이트 맵 및 복수의 폴리곤 각각에 대한 반사광 정보를 생성하고, 라이트 맵 및 반사광 정보에 기초하여 복수의 폴리곤 각각에 대응하는 밝기 정보도 획득할 수 있다. 또한 복수의 폴리곤 중 광원과 가장 가까운 폴리곤에 대응하는 밝기 정보를 일조량 정보로서 획득하고, 실내공간의 일조량 정보와 다른 실내공간의 일조량 정보를 표현하는 비교 데이터도 제공한다.

[그림 2]처럼 3D 모델링을 이용한 실내 일조량 정보 제공 장치는 서비스 제공자에 의해 사용되는 컴퓨팅 디바이스로서 PC 등과 같은 사용자의 단말(100)로 구현될 수 있다. 사용자 단말(100)은 수집된 정보를 이용하여 실내공간의 일조량 정보를 산출한다. 발명의 구현 형태에 따라 실내 일조량 정보 제공 장치는 서버 형태로 구현될 수도 있고, 사용자 단말에서의 입력에 따라 일조량 정보를 산출할 수도 있다.

구체적으로, 라이다 카메라(11)는 실내공간에서 라이다 및 카메라를 이용하여 실내공간에 대한 좌표 정보 및 색상 정보를 포함하는 포인트 클라우드를 획득한다. 서비스 제공자에 의해 사용되는 제1 사용자 단말(100)은 라이다 카메라(11)로부터 부동산 매물의 실내공간에 대한 포인트 클라우드를 수신하며, 공공 데이터 서버를 비롯한 제1 서버(12)는 다수의 건축물에 대한 정보를 저장할 수 있다. 제1 사용자 단말(100)은 제1 서버(12)로부터 상기 실내공간을 포함하는 건축물 및 인접한 외부 건축물에 대한 정보를 수신한다.

제1 사용자 단말(100)은 라이다 카메라(11)로부터 수신된 포인트 클라우드를 이용해 다수의 폴리곤을 포함하는 3D 오브젝트를 생성하고 제1 서버(12)로부터 수신된 정보를 이용하여 해당 건축물 및 인접한 외부 건축물에 대한 건축물 좌표 정보를 생성할 수 있다. 제1 사용자 단말(100)은 생성된 3D 오브젝트 및 건축물 좌표 정보를 그래픽 API에 입력하고, 광원을 설정함으로써, 실내공간에 대한 레이 트레이싱을 수행한다. 제1사용자 단말(100)은 레이 트레이싱의 결과에 기초하여 일조량 정보를 산출하고, 산출된 일조량 정보를 제2 서버(13)(예: 웹 서버)로 제공할 수 있다. 제2 서버(13)는 웹 페이지 또는 애플리케이션 등을 통해 제2 사용자 단말(14)로 일조량 정보를 제공한다.

서비스 이용자는 스마트폰과 같은 제2 사용자 단말(14)을 이용하여 웹 페이지 또는 앱 등을 통해 부동산 매물에 대한 일조량 정보를 확인할 수 있다. 즉 포인트 클라우드와 건축물에 대한 공공 정보 및 그래픽 API를 활용하여 일조량 정보를 산출하면 긴 시간이 요구되는 직접적인 측정 없이 부동산 매물의 실내공간에 대한 일조량 정보를 서비스 이용자에게 제공할 수 있다.

구체적으로 [그림3]은 실내 일조량 정보 제공 장치가 외부 서버로부터 수신한 건물 정보에 기초해 대상 실내공간 및 외부 건축물에 대한 좌표 정보를 생성하는 과정을 나타낸다. 그중 건물 정보는 국토교통부에서 제공하는 것으로 건축물의 위치, 면적, 높이 등 다양한 정보를 포함한다. 이러한 정보에 기초해 실내공간을 포함하는 건축물 및 외부 건축물의 위치를 추정하거나 대상 실내공간의 위치를 추정하는 것도 가능하다.

외부 건축물의 좌표 정보는 그래픽 API에서 광원을 가리는 요소로 시뮬레이션될 수 있고, 대상 실내공간의 좌표 정보는 그래픽 API에서 3D 오브젝트 위치 설정에 사용된다. 예를 들어, 포인트 클라우드에 기초해 생성된 3D 오브젝트나 국토교통부 공공 데이터에 기초하여 생성된 건축물 좌표 정보를 그래픽 API에 입력할 수 있는 것이다. 이때 그래픽 API는 3D 오브젝트 및 건축물 좌표 정보를 획득할 수 있고 미리 설정된 값에 따라 실제 태양광에 대응하는 광원 모의실험을 할 수 있다. 또한 라이트 맵 및 반사광 등과 같은 레이 트레이싱 결과 데이터를 이용해 특정 폴리곤에 대한 일조량 정보를 산출하는 것도 가능하다. 예를 들어, 대상 실내공간을 이루는 복수의 폴리곤 중 광원과 가장 가까운 폴리곤의 조도 값을 포함하거나 조도의 최대값, 최소값, 평균값 또는 중간값 등을 산축하는 식이다.

이 과정을 거쳐 대상 실내공간의 시간별 일조량이나 건물별 일조량 정보를 나타내는 그래프가 생성된다. 1시간 간격으로 정보를 산출하는 것은 물론, 복수의 건물 각각의 3D 오브젝트를 생성한 후 인접한 외부 건물의 좌표 정보를 생성하는 것 모두가 가능하기 때문이다.

요약하자면, 이 기술의 핵심인 라이다는 빠르고 정확한 공간정보 데이터를 취득할 수 있게 하는 툴이다. ㈜평행공간은 포인트 클라우드(점군)을 취득한 후 이를 다시 메시(Mesh)로 변환하고 그 이미지를 텍스처(Texture)로 입혀 실제 공간을 기반으로 한 3차원 공간을 제작했다. 이후 3차원 공간에 공공 데이터 값을 더해 동 사이의 간섭 데이터를 덧붙였다. 이 과정에서 재미있는 점은 일조량 계산 시 WebGL 또는 게임 엔진을 활용했다는 점이다. 또한 일조량을 시각화한 것도 유의미했다고 생각한다. 이를 통해 직접 방문하지 않고도 빛이 공간 내부 어디까지 침투하는지를 보다 명확히 파악할 수 있기 때문이다. 물론 아직까지 남은 문제도 있다. 이를 적극 활용하기 위해서는 부동산 중개 매물을 실사로 매핑해야 하는 등 대규모 정보를 수집해야 하는데 여기에는 시간과 에너지가 너무 많이 든다. 하지만 신규 아파트 단지 등 새로운 건축물들에는 속속 일조량 파악을 위한 기술이 도입될 예정이다. 이를 통해 거주할 집을 찾는 수고를 덜게 되는 것, 그것이 공간정보기술과 산업이 나아갈 방향이 아닐까 생각한다.