위성 이미지로 도시의 에너지 소비를 합성하는 AI 모델
원제 DySENSE: Dynamic Spatiotemporal ENergy Synthesis and Emulation with Satellite Imagery
추천 21댓글 3
Key Point
도시 에너지 데이터가 부족한 상황에서 AI를 이용해 합성 데이터를 생성함으로써 에너지 예측 모델의 성능을 크게 높일 수 있음을 보여주며, 탄소중립 도시 계획에 필요한 새로운 접근법을 제시한다.
핵심 요약
- 도시 에너지는 2050년 탄소중립 목표와 UN 지속가능발전목표 7, 11 달성에 필수적이지만, 기존 연구는 미래 도시용 생성 모델 부재, 월별 에너지 데이터 부족, 동적 에너지 생성의 어려움 등 한계가 있다.
- 논문은 위성 이미지와 월별 건물 에너지 소비 지도를 함께 생성하는 멀티모달 생성형AI 'DySENSE'를 제시한다.
- 정적인 도시 형태와 단기 동적 에너지 소비를 분리하여 모델링하며, 도시 토지이용을 조건으로 새로운 도시 이미지와 에너지 지도를 함께 생성할 수 있다.
- 월별·기후 조건을 입력하면 도시 형태는 유지하면서 동적 에너지 소비 지도만 생성할 수도 있다.
- 뉴욕, 워싱턴, 노퍼크, 부산 4개 도시 실험에서 25% 미만의 레이블 데이터로 고충실도 합성 에너지 데이터를 생성했으며, 다운스트림 예측 성능을 8% mIoU 향상시켰다.
- 기존 방식 대비 예측 정확도를 8.7% 개선했고, 예측 오차를 9~18% CVRMSE, ASHRAE 기준으로 감소시켰다.
- 에너지 효율 도시 계획, 첨두 부하 분석, 건물 성능 시뮬레이션, 수요반응 등에 활용할 수 있다.