1) 문제점
- 기존 친환경 인증 준비 과정은 전문가 의존도가 높고, 비용과 시간이 과도하게 소요
- 인증 기준이 복잡하고 가변성이 높아 사전 예측이 매우 어려움

2) 프로젝트 목표
- 건축물의 사양 정보만으로 인증 등급 달성 가능성을 사전에 예측
- 최적의 설계 방향을 시뮬레이션하고 개선 피드백 제공
- 검토 시간을 단축하고 비용을 절감하는 시스템 제공

3) 주안점
- LEED, G-SEED, BREEAM 등 인증 데이터를 구조화·표준화
- 다양한 건축 설계 조건(에너지, 자재, 지역 조건 등)을 입력해 예측 가능
- 분석 결과를 시각화하여 사용자가 직관적으로 이해 가능하도록 설계
- 공공기관·설계사·건설사 등 사용자별 대시보드 역할 분리 및 공유 기능 탑재

본 프로젝트는 LEED, G-SEED, BREEAM 등 친환경 건축물 인증 제도를 준비하는 기업과 기관을 대상으로,
예측 모델과 시뮬레이션 기반의 인증 달성 가능성 분석 플랫폼을 구축한 사례입니다.
다양한 프로젝트 데이터를 기반으로 AI/ML 모델을 학습시켜
건축물 조건에 따른 인증 등급 달성 가능성을 예측하고, 최적화된 설계 피드백을 제공합니다.

1) 포트폴리오 소개
- 서비스 카테고리: 빅데이터 분석 / 환경·건축 / 시뮬레이션 플랫폼
- 메인 타깃: 건축설계사무소, 공공기관, 건설사 ESG 부서, 친환경 인증 담당자

2) 작업 범위
- 데이터 수집 및 전처리 (설계도서, 인증 결과 등)
- 예측 모델 기획 및 ML 기반 알고리즘 개발
- 플랫폼 UI/UX 기획 및 설계
- 관리자 페이지 및 리포트 자동 생성 시스템 개발
- 반응형 웹 및 PC 중심 관리자 환경 구축
- 환경 인증 기준별 데이터셋 구축 (LEED, G-SEED 등)

3) 주요 업무
- 건축물 조건 입력 → 인증 등급 예측 시뮬레이터 구현
- 건물 유형·용도별 인증 성공률 시각화
- 개선 시나리오 추천 (에너지 효율, 자재 선택 등)
- 프로젝트별 분석 보고서(PDF) 자동 생성 기능
- 관리자 페이지: 데이터 학습/모델 관리, 사용자 활동 추적, 리포트 관리
- 설계사·컨설팅사가 결과 공유 가능한 대시보드 구성

4) 주안점
- 국내외 인증 기준을 통합 적용할 수 있는 확장성 있는 데이터 구조 설계
- 건축 비전문가도 쉽게 사용할 수 있는 시뮬레이터 UI 구성
- 모델 정확도 향상을 위한 지속적인 데이터 학습 구조 마련
- 환경/건축 데이터를 기반으로 가시적인 수치와 인사이트 제공