A Parametric Workflow – Auditorium Design

2016년 3월에 열린 알파고와 이세돌의 바둑 첼린지에 전세계인들의 이목이 집중되었었다. 왜냐하면 엄청난 경우에 수의 바둑에 대한 인공지능의 인간에 도전 때문에 말이다. 사람들이 놀라는 것은 아마 2진수의 조합에 의한 단순한 빠른 의사결정에 놀라는 것이 아니라, 스스로 학습할 수 있는 진화된 신경회로망에 의해 많은 경우의 수를 스스로 결정할 수 있는 능력에 감탄하는 것일 것이다. 결국에 알파고도 사람에 의해서 만들어진 것인데, 이런 능력을 부여한 기술은 바로 알고리즘 기술일 것이다. 지금도 여러 분야에서 알고리즘을 이용해서 사람의 직관력으로 판단하기 힘든 영역의 복잡한 계산을 쉽게 계산하거나 최적화하는 알고리즘을 개발 중에 있다. 결국 로봇 기술의 핵심은 단순한 컴퓨터의 연산능력이 아니라 복잡한 의사결정 구조를 컴퓨터의 빠른 연산능력을 활용해 알고리즘을 디자인하는 것일 것이다. 최근의 중앙일보에 실린 기사를 보면,

알파고의 AI(인공지능)은 갑자기 하늘에서 뚝 떨어진 게 아니다. ‘와이어드(WIRED)’라는 과학지는 지난해 12월 AI를 특집으로 다뤘다. 딥 마인드 창업자 데미스 허사비스와 알파고를 소개했다. 2014년 허사비스는 와잉드 콘퍼런스에서도, 과학전문지 ‘네이처’에도 알파고에 대한 논문을 발표했다. 딥 마인드는 그가 2010년에 창업한 회사다. 이를 구글이 2014년에 4억 달러에 인수했다. 그동안 구글이 인공지능 관련 기업들을 사냥해 왔다는 사실을 알고 있었다면 놀랄 일이 아니다.

인공지능이란 말을 처음 만든 미국의 과학자이자 소설가 존 매카시는 2050년쯤이면 무어의 법칙처럼 인공지능 기술이 기하급수적으로 가속이 붙어 그 기술이 ‘특이점’에 이른다고 예측했다. 딥마인드가 개발한 DQN(Deep Neural Network·신경 네트워크)과 구글의 딥러닝(Deep Learning)이 결합하면서 한국의 서울에서 한국인 프로 기사의 손을 통해 가시화되었다.

구글과 상대하게 될 우리의 기업가들은 그 실황중계를 보며 무슨 생각을 했을까. 알파고가 개발한 AI는 바둑에서만이 아니라 다른 곳에서도 응용 가능한 AGI(Artificial General Intelligence·범용 인공지능)로 발전할 수 있다. 그리고 그 인공지능 기술의 IT(정보공학)가 NT(나노공학)와 BT(생명공학)의 미래 기술과 손을 잡게 되면 터미네이터 로봇에 지배당하는 신인종 ‘포스트 휴먼’의 새 문명의 역사가 쓰여질 것이다.

물은 잠잠하다가도 100도의 비등점이 되면 갑자기 끓는다. 인공지능과 같은 기술도 갑자기 어느 날 인간이 감당할 수 없는 상태로 비약한다. 그것을 기술 용어로 ‘특이점(Singularity)’이라 부른다. 2050년이면 인공지능이 바로 그 지점에 이른다는 게 대체로 인공지능 전문가들의 예측이다.

[출처: 중앙일보] '신인종'이 온다···이어령이 본 '알파고' 그 후

그렇다면 많은 영역에서 이런 ‘특이점’이 발생할 것인데, 음향 영역들은 어떻게 진화할 것인가가 우리가 궁금해 하는 부분일 것이다. 여기서 우리는 음향 업계의 진화 양상을 한번 점검해 볼 필요가 있다. 우선 스피커 시스템의 진화 형태를 검토해 보면 초기 아날로그 형태의 진동체와 네트웤으로 결합된 제품을 최적화하기 위해서 개별 통들도 튜닝 기술자에 의존해야만 하는 시대가 있었다. 지금도 부분적으로 이런 영역이 존재하지만, 개별 제조사들은 파워 팩(Powered Pack)를 출시하면 내부적으로 최적화된 프리셋(Preset)을 제공하여 공장에서 최적화된 제품을 생산하고 있고, 더 나아가 디지털 기술을 활용해서 객석의 형태에 맞는 스피커 어레이를 구현하기 위한 적응형 제어기술을 활용해 최적의 타임 옵셋(Time offset), 레벨 옵셋(level offset)값을 정확히 계산하여 레벨, 타임 테퍼링(level tapering, time tapering)를 자동화는 영역까지 진화되고 있다. 이런 자동화 기술도 알파고와 같은 학습능력을 가진 알고리즘을 적용한다면, 많은 빅데이터를 활용해 최적의 환경에 대한 스스로의 답을 찾아서 적정한 간격의 마이크만 객석에 설치하고 연결만 한다면 스스로 홀의 상황에 맞는 최적화된 결과물을 오퍼레이터에게 제공할 수도 있을 것이고, 더 나아가 곡의 상황에 맞는 오퍼레이션을 알파고가 대신할 날도 온다고 해도 부정하진 않을 것이다. 이런 날이 오면 정말 재미가 없겠지만 말이다.

그렇다면 과연 공연장의 디자인 프로세스에서는 어떠한 기술들이 요구되는가를 알아보고, 이런 알고리즘 기술을 조금이나마 들여다 보도록 하자.

우선 공연장의 디자인에서 앞서 다룬 여러 가지 기하학적인 방법론들을 통한 측벽 구속조건들에 대해서 알아보았다. 이 측벽의 형상에 대한 제어 알고리즘의 연구는 좀더 깊은 연구가 필요하리라 판단되고, 이번에는 콘서트 홀에 객석 배열 설계가이드의 파라메트릭 관계에 대해서 한번 탐구해 보고, 특별히 인간공학적 관계, 사이트 라인, 피난 동선의 의미와 발코니의 위치, 잔향시간과 시간지연 차이의 많은 고려사항들과의 관계를 알아 보자.

파라메트릭 환경에서의 오디토리움에 대한 객석의 배열에 대한 연구는 엘리 멜트저[5]에 의해서, 연구 되었는데, 여기 엘리는 파라메트릭 툴을 이용하고, 툴은 기본적으로 이런 파라미터를 테스트하고 표현하고, 시각적 모델을 위한 Autodesk Inventor와 Rhino 3D를 위한 Grasshopper를 활용하였다. 이들 두 개의 소프트웨어 플랫 폼 사이의 상호작용성은, 더욱이 그의 연구의 주 영역이고, Inventor suite의 강력한 생산 툴과 함께 Grasshopper의 개방적인 설계능력들을 결합시키는 것이었다. 연구의 초점은 다양한 객석 배열을 반복 재생하는 것, Inventor에 iParty factory 테이블에 적용하고, Excel에 파라미터 값들을 추출하는 것, Grasshopper을 위한 gHowl add-on을 활용한 데이터의 공유에 초점이 맞춰질 졌다. 양 소프트웨어 플랫폼의 최적화와 특화가 연구의 핵심 키였다. 특별하게, 우리는 Inventor의 “piece-by-piece” logic을 보완하기 위해, Grasshopper의 반복과 회귀의 파라미터 모델링 능력을 이용하였다. 반면 Inventor는 프리젠테이션 품질의 드로윙과 BIM을 만들기 위해서 기본적으로 사용되었다.

또한 Costin V. Alexandru와 Popescu S Cornelia Victoria는 오디토리움의 객석 레이아웃의 연구를 위한 툴에 대해 기술했는데, 관객들의 시야각을 확보하기 위한 단면의 커브와 정확한 객석의 배열과 빠른 생성을 위해서 라이노3D 환경 내부에서 Python프로그래밍 언어의 힘을 활용하고 있다. [6]

콘서트 홀의 설계는 기능적 관점에서 요구되는 프로세스가 미세하게 조정되어야 함으로 홀의 음향적 행위에 가능한 한 방해적 요소가 적어야 한다. 콘서트 홀의 음향에 가장 영향력 있는 인자 중에 하나는 관객들이 차지하고 있는 영역이라고 할 수 있을 것이다. 객석의 레이아웃의 전개는 지루한 과정이고, 객석의 각각의 열은 앞의 객석에 의해 영향을 받는다. 그래서 이런 객석의 열을 위한 최적 단의 높이를 결정하기 위한 그래픽적 방법을 있다. 그러나, 단순한 홀을 조정하는 문제 조차도, 과정에 매우 많은 시간이 소요된다. 이번 글에서 사전의 연구 프로젝트 사례에서 의자의 타입이나 통로, 무대의 기하학적 성격을 정의할 수 있는 변수들에 기초한, 프로세스를 자동화할 수 있는 개발 된 툴을 활용하고 있다. 그 툴은 Python, C##과 VB을 위한 스크립팅 툴들과 보완할 수 있는 파라메트릭 디자인들과 같은 잘 알려진 컴퓨터 모델링 프로그램으로, 라이노 내부에서 돌아가는 python 스크립트이다. 기사는 콘서트 홀 설계를 위한 성능-기반의 설계적 관점에서 제공할 수 있는 내용과 툴을 소개하고자 한다.

오디토리움 설계는 매번 어려운 힘든 과정의 일이고, 건축적으로 보아도 다차원적 성격의 프로그램이다[7]. 더욱이 오늘날, 비교적 긴 프로그램 역사와 소프트웨어 디자인 툴의 혁명과 함께, 세계 많은 사람들에 항상 극복해야 할 임무로 도전 받고 있는 것 같다. 그리고 당연히 건축 설계는 최선의 기능적 해답을 제공해야 할 뿐만 아니라 사회 문화적 삶을 위한 촉매역할을 하여야만 한다; 또한 그것은 모든 규범과 기준을 준수해야 하고, 무엇보다도, 프로그램에 적합한 최상의 음향 환경을 제공해야 한다. 그것이 음악이든, 극이든 컨퍼런스든 간에. 이런 복잡한 요구를 극복할 수 있는 단 한가지 방법은 적절한 설계 프레임 워크와 본래에 빅 데이터의 연산능력과 협업을 지원할 수 있는 툴을 사용하여야만 한다.

그림 1. BIM 툴을 활용한 부채형태의 예배공간이 설계 사례

오디토리움의 설계의 관점중의 하나는 객석 배열의 설계이다. 홀의 독특한 타입은 기능적 요구조건에 적합하여야만 할 뿐만 아니라 홀의 미적 조건에 적합한 특별한 객석의 배열을 가지고 있어야 한다. 객석의 레이아웃의 설계는 일반적으로 평면과 단면에서 이루어지고 지루한 작업으로 잘 알려져 있다. 만약 작은 오디토리움이 백에서 몇 백의 객석 수용 능력을 가지고, 큰 오디토리움이 사백이나 그 이상의 달한다고 할 수 있다면, 이런 작업을 위한 일이나 연구를 위해 요구되는 시간의 양은 쉽게 상상할 수 있을 것이다. 이런 경우의 주요 문제는 드로윙 프로세스를 자동화 할 수 있는 가능성과 설계 프로세스에서 얼마나 많은 자유로움을 가지느냐 일 것이다. 이번 글에서 우리는 Rhino3D의 스크립팅 가능성에 기초한 객석의 레이 아웃 연구를 위한 툴에 대한 사전 연구에 대한 다룰 것이다. Python에 쓰여진, 스크립트는 기초적 명령들을 강력하고 유연하게 단계별로 제공하는 동시에 일반적 설계 요구조건들을 통합할 수 있다.

오디토리움 사이트 라인

오디토리움 사이트 라인 정의를 위한 규칙은 1838년에 “Treatise on Sightlines”에서 그책을 출판한 스코트랜드 엔지니니어 John Scott Russel(1808-1882)에 의해서 처음으로 발전되었다[8]. 그는 홀의 단차가 무대와 리스너 사이의 각도나 무대에서 객석의 거리에 따른 변수라는 것을 관찰하였고 가시선의 다이어그램에 의한 결과물을 보여주었다. 비록 결과가 옳다고 하더라도, 오늘날 우리는 안락함, 인간공학적 변수, 안전, 경제적 인자들, 그리고 최소한 중요하게 고려되어야 하는 음향적인 변수들 등 다양한 인자들이 고려되어야 한다. 그런 것의 대부분은 직접적인 수치적 특징을 가짐으로 그들은 비교적 쉽게 측정하고 가시적으로 해석할 수 있어야 한다.

그림 2. BIM 툴을 활용한 가시선 점검

비록 CAD 소프트웨어가 과거 반세기 보다 많이 사용되었지만, 그것은 일반적인 종이와 펜슬을 대체하기 위한 툴 -그리는 도구- 로 제공되었다. 비록 최근에 BIM의 진보가 활발하지만, 우리는 바로 오디토리움의 객석 레이아웃을 생성하기 위한 도구들과 명령들을 아직 발견하지 못하고 있다. 주요 이유는 그것들에 대한 요구가 거의 존재하지 않고 거의 사용되고 있지 않는 다는 사실이다. 또 다른 이유는 일반적으로 각각의 소프트웨어가 특별한 작업을 위해서 커스텀 도구을 위한 스크립트를 해야만 하는 부가적인 작업으로 스크립팅 환경을 만들어야 한다는 것이다. 그래서 만은 연구자들이 주요 연구 프로젝트의 부분으로서 콘서트 홀의 객석 레이아웃을 연구의 임무를 위해 솔류션를 개발하고 있다.

다른 사전 사례들

최근 몇 년간에 비슷한 몇몇 사례가 있었다. 앞서 서두에 소개했지만 Eli Meltzer[9]는 어떤 디자인 구속조건에 따라서 객석 레이아웃을 생성하기 위해서 Grasshopper안에서 파라메트릭 정의를 이용하고, 그리고 그것을 Excel spreadsheet로 데이터를 추출하고 마지막으로 오디토리움의 단면의 커브를 생성하기 위해서 inventor에 데이터를 입력하게 하는 객석 레이아웃 디자인을 위한 파라메트릭적 접근을 제안하였다. 이런 워크 플로우는 inventor내에 모델을 입력하기 위한 요구에 따른 특별한 경우에 따라 결정되지만 첫 번째 단계로 상호적인 파라메트릭 모델을 가지기에 위해 충분하다. 하지만, 좋은 솔루션과 나쁜 솔루션 사이의 차이를 만들 수 있는 정의에 사용되어야 하는 특별한 파라미터에 관한 디테일이 부족하다.

또 다른 예로 Franciso Farias[10]는 비슷한 도구로 그의 접근 방법을 기술하고 있고, 이것은 전적으로Revit’s API으로 스크립트했다. 그 스크립트는 관찰자에서 무대까지의 거리와 두 개의 연속적인 사이트 라인 사이의 각도라는 두 가지 요소에 따른 수학적 공식을 사용하였다. 아주 단순하고 좋은 방법이지만, 이 솔루션은 너무 계산이 정교해서 한계를 가지게 되었다. 이런 이유 때문에, 결과가 그래픽적 의미와 함께 결정되어야 하는 솔루션의 타당성을 가지지 못했고, 에러는 무대와의 거리가 증가함에 따라 점점 커지는 현상을 보이기도 했다.

접근 방법

이 팀은 이 툴을 만들기로 결정했을 때 어떤 특별한 소프트웨어를 선택해야만 했다. 초기에 언급한 것과 같이, 거의 모든 디자인 소프트웨어는 스크립팅을 좀더 쉽게 하기 위한 자신의 API를 함께 제공한다. 그래서 라이노3D를 선택했는데 이유는 좋은 모델링 능력을 가지고 있고 좋은 Python API 보정능력을 가지고 있었기 때문이다. 라이노3D는 유전적 접근을 위해서 Grasshopper를 활용해 복잡한 표면을 작업할 때 사용된다. Grasshopper의 사용과 Python 스크립팅의 사용상의 차이는 Grasshopper에서는 프로그램 내부의 특별한 로직과 툴을 사용하여야만 하지만, 반면 Python의 경우에는, 툴의 디자인에서뿐만 아니라 그것의 다른 툴과의 통합에서의 좀더 자유롭다는 것이다.

스크립팅을 위해 python을 사용하는 장점은 그것의 핵심 특징의 줄기이다. Python은 “1991년 Guido van Rossum에 의해 만들어진 아주 강력한 높은 레벨, 동적 객석 지향 프로그래밍 언어이다”[11]. 그것은 비교적 배우기에 쉽기 때문에 과학 분야와 학교 프로젝트에 널리 사용되었고, 그것은 표현하기 쉽고, 모튤러 방식을 채택하고 있고 사용하기에 준비된 수백 개의 모듈들을 가지고 있는 많은 유저 커뮤니티를 가지고 있다. Python에 스크림팅 툴에 의한 매우 단순하고 중요한 개선에 의해서 다른 도구에서 후에 클래스로 사용할 수 있다.

라이노3D에서는 python과 함께 스크립팅을 위한 두 가지 옵션을 가지고 있다. 하나는 API를 통해서 직접 라이노3D에 구현하는 것과 두 번째는 Grasshopper를 통해서이다. 우리는 Grasshopper와 상호 연동하기 위한 스크립트가 필요하지 않았기 때문에 전자를 선택했다. 또한, Grasshopper 통합은 구현할 수 있는 명령어가 아주 작고 일반적으로 자신의 환경에 맞게 지정되어 있다. 라이노3D API는 대부분 라이노3D 명령어에 접근할 수 있도록 제공하고 또한 기준에 포함될 수 없는 다른 Python 모듈의 사용을 허용한다.

오디토리움 객석 레이아웃의 파라미터 정의하는 것

오디토리음의 객석 영역은 많은 룰과 규칙을 따라야만 한다[12]. 그런 규칙들은 의자들의 다른 부분의 성질과 크기, 그들의 배치와 구성, 열에서의 최대 객석 수, 또한 사용될 재료와 같은 품질적 관점, 기타 기술적인 점에 관한 수치적 성격에 관련되어 있다. 특히 콘서트 홀의 디자인에서 객석 영역은 가장 큰 흡음 값을 갖는 표면이고 바닥의 대부분을 차지하고 있기 때문에 음향에 중요한 영향을 준다. 또한, 객석의 방향은 음의 반사에 영향을 미치고 직접 객석에 나쁜 영향으로 바운드될 수 있다[13]. 이 프로그램 과정에서 단면과 평면에서 객석의 위치와 객석 사이 공간의 크기와 의자의 치수에 관심을 가졌다. 객석의 성격은 주로 인간공학에 관련되어있으나, 앞서 언급한 것처럼, 객석은 오디토리움의 음향에 직접적인 영향을 미치고 있다.

오디토리움의 의자는 몇 가지 조건을 만족해야만 한다. 그들은 충분하게 안락해야만 한다 그래서 사람이 콘서트나 공연하는 동안 안락하게 앉아있을 수 있어야 하고, 동시에 충분히 컴팩트해서 홀의 많은 수의 관객들이 충분히 조화를 이룰 수 있어야 한다. 또한, 그들은 모든 관객들을 위한 동일한 시야와 듣기 조건을 제공해야만 한다. 밀집된 레이아웃은 일반적으로 아티스트와 대중들에 의해서 양쪽 모두에게 기분 좋은 일인 일체적 감정과 사회적 결속력의 감흥을 줄 것이다[12].

여기에 하나라도 부족하다면 객석의 편안함을 위해 그 품질이 개선되어야만 할 것이다. 객석을 디자인 할 때 보통의 치수는 전체 객석의 깊이, 기울어진 객석의 깊이, 객석통로(열 사이의 공간), 등대 등의 객석 공간, 객석 깊이, 객석 폭, 객석 높이, 수평으로부터의 기울기, 백 높이, 수직으로부터의 백 기울기, 팔 걸이 폭과 팔 걸이 높이이다. 이런 치수들을 위해서 우리는 눈의 높이와 사람의 머리 높이를 추가할 수 있다. 모든 치수의 타입은 또한 모든 디자인 실행에서 보통 값과 최소 최대의 값을 가진다. 이런 치수 값은 다른 사람들을 위한 주요한 사례에 대응해야만 한다. 예로, 미국의 객석은 유럽의 객석에 비해서 일반적으로 클 수 있다는 것이다.

그림 3. 일반 대중 공연장의 오디토리움의 뷰.

연주자와 객석, 객석과 객석 간의 상호 상관관계를 고려한 오디토리움 구성

효과적인 디자인 도구를 정의하기 위해, 오디토리움의 종단면과 객석 배열에 영향을 주는 치수를 선정해야만 한다. 이런 치수들은 등대 등의 객석 공간, 객석 폭, 객석 높이, 눈 높이와 머리 높이가 있다. 그들은 단면과 평면 뷰에서 의자의 사이즈로 결정된다. 그들이 다른 치수들과 연결되어 있다면, 우리는 정의에 모든 치수들이 단지 계산 시간과 파일 크기를 증가시키는 것을 포함해 고려해야 한다. 또한, 우리는 쉽게 체크되어야 하는 것을 고려해야 하고, 이 체크가 하나 하나의 의자를 위해 고려해야 하기 때문이다. 이런 치수들을 위해서 선택된 기본 값은 등-등 객석 공간이 0.9m, 객석 폭이 0.5m, 객석 높이 0.44m, 객석 높이에 따른 눈의 높이는 1.12m, 머리의 높이는 1.25m이다[8]. 이들은 최소와 최대 사이에서 필요로 했던 것으로 조정된 값이다[14].

스크립트의 알고리즘

바닥 단면의 정의를 위해서 각 객석의 위치를 위한 수학적 공식을 사용할지 그래픽적 방법을 사용할지 둘 사이 하나를 선택해야만 한다. 여기선 두 가지 이유에서 후자를 선택했다. 첫째는 수학적 작업의 정교함에 따르는 어떤 에러를 소거할 수 있고, 둘 째는 그것이 만약 주어진 솔루션이 적절한지 아닌지를 알기 위해서나 에러를 쉽게 체크할 수 있게 만든 시각적 피드백을 제공하기 때문이다. 이런 방법에서 모든 곳으로부터 가시적이어야 하는 무대에 점을 선택해야만 한다. 이점으로부터 뒤쪽 사람의 눈에서 앞에 사람을 지나가는 시각적 선을 긋는다. 앞의 사람의 거리와 무대 점의 높이에 따라, 뒤의 사람은 적적히 볼 수 있도록 높은 위치를 가져야만 한다. 이것은 대수 곡선에 근접한 특별한 프로파일을 이끌어내게 된다. 이 시점에서 우리는 이 커브가 엄격하게 따라야 할 것인지 단순화할 것인지, 나름 오디토리움 타입에 대한 말을 해야만 한다. 후자는 적은 비용과 함께 단순한 시공, 음향적으로 매우 급하지 않는 곳의 경우이다. 중급이나 큰 오디토리아를 위해나 특별히 콘서트 홀을 위해서는, 바닥의 단차는 매우 중요하다.

그림 4. 단면 프로파일과 스크립트와 함께 생성된 사이트 라인[6]

입력 몇몇 파라미터들을 위한 알고리즘 질문들은 : 무대의 점의 위치나 뷰 포인트 VP, 첫 번째 의자 열에 거리나 초기 거기 ID, 두 개의 연속된 사이의 거리나 열의 폭 RW, 눈의 높이 EH, 머리의 높이 HH, 그리고 열의 수 NR. 다음 순서로 세가지 새로운 요소들을 연산하는 것이다 : 눈의 위치 EP, 시각적 선 VR과 가시율 C. 눈의 위치는 초기 거리 ID, 열의 폭RW, 열의 수 RN과 눈의 높이 EH에 종속적이다. 반면에 가시율을 가시선에 종속된다. 만약 가시선이 앞의 관객의 머리를 가로지른다면, 이것은 가시율이 만나지 않아다는 신호의 블리안 값인 거짓으로 표현하게 된다. 이런 경우에 관객의 위치는 가시율에 만나기 위해 필요로 하는 최소의 값과 함께 조정되어질 것이다. 이런 체크는 첫 째 열 후에 각 열로 만들어진다. 스크립트는 알고리즘을 단계별로 실행하고, 동시에 하나의 열을 추가한다. 스크립가 실행되고 난 후에, 각 의자는 x와 z축에 되돌려진다. 그들 좌표들로부터 그것은 더욱이 프로파일의 커브로 유도되거나 어떤 다른 요소는 그들에 종속되고 좌표들은 만약에 필요한 하는 다른 프로그램으로 입력될 수 있는 텍스트 파일로 추출될 수 있다.

알고리즘의 의해 결정된 점들은 스크립트에 다른 함수에 의해서 사용되어진다. 그림 4에서 우리는 머리의 위치와 의자의 단순한 모양을 볼 수 있다. 입력좌표들로서 가져갈 분리된 함수에 의해 생성된 것들은 미리 생성되었다. 또 다른 함수는 의자에만 필요로 하는 결론적 공간을 나눈다거나 접근 통로에만 필요한 영역을 제하고, 열의 폭에 따른 열의 수를 연산한다. 그것은 또한 결국에 활용할 수 있는 공간을 채우기 위한 의자의 폭을 조정한다. 또 다른 함수는 다른 레이아웃 – 직선 열, 커브 열이나 직선과 경사된 열 –을 생성하기 위해 사용된다. 3차원 객석 레이아웃의 생성을 위해 사용될 때에, 스크립트는 대다수의 좋아하는 않는 자리나 각각의 관객의 뷰의 수평각를 위해 되돌릴 수 있다. 이런 레이아웃의 연구는 상관관계가 높은데, 스크립트와 함께 많은 장소들을 위해서 좋은 솔루션들이 제공되길 바란다.

그림 5. 단면을 생성하기 위한 알고리즘[6]

그림 6. 가시선을 적용한 객석의 랜더링[6]

이런 프로그램들은 오디토리아 뿐만 아니라 경기장 등 다른 공공 시설 등, 대중 객석의 문제를 다루는 어디에서든 사용할 수 있을 것이다. 스크립트는 다른 툴에서 적절하게 잘 통합될 수 있도록 모듈러 형태로 만들어져야하고 어떤 요구들에도 쉽게 적용될 수 있도록 할 수 있어야 한다.

가장 중요하게, 콘서트 홀의 설계에서, 이런 설계 결정의 모든 것은 이런 공간의 퀄리티를 결정함에 있어서 중요한 요소인 잔향시간과 시간지연 차이의 설계 파라미터들에 아주 크게 영향을 미치게 될 것이다(see Beranek). 객석 배열의 설계 파라미터들과 홀의 음향 성능의 설계 파라미터 사이의 상호작용은 매우 빠르게 복잡한 설계 문제가 되었다. 예를 들어, 어떤 객석의 스타일이 지금 유행하는지, 테라스-스타일 객석으로 알려진, 그들의 앞에 객석과 평면 위에 조금씩 올라가고 객석의 블록은 홀의 구석구석에 배치하게 된다(그림 8). 이것은 홀의 음향 설계에서 효과적으로 이득을 줄 수 있는 이들 테라스들의 측면과 앞의 반사적 표면들을 제공한다. 물론, 이들의 테라스의 아크의 깊이, 피치, 높이를 변화시키는 것은 객석 설계 파라미터에서 넒은 영역의 효과를 가지게 될 것이다.

전통적인 설계 방법이 지루한 프로세스에 이런 효과를 결정짓게 만들었고, 파라메트릭 컴퓨터를 이용한 툴과 함께, 그들은 음향학적 성능과 객석 배열 성능 양쪽을 위해서, 실시간으로 분석할 수 있다.

7-1

7-2

그림 7. 좌 : Gehry Partners와 Nagata Acoustics에 의해 설계된

Los Angeles에 있는 테라스-스타일의 좌석 The Disney concert hall, 우: BIM model

불행하게도, 거기엔 이런 문제의 복잡한 성격을 효과적으로 분석하고, 그런 프로젝트를 정확하게 관리할 수 있는 능력의 설계와 생산 소프트웨어가 인터페이스 되어 있는 있는 현재의 소프트웨어 플랫폼이 없다. Grasshopper와 같은 알고리즘 솔버는 문제를 분석하고, 그래픽적 피드백을 제공하나, 전 프로젝트의 과정에 대한 적응성을 아주 지루하게 하게 반복한다. 반면에 Inventor와 같은 BIM program은 다양한 변수들을 적용하기에 충분히 유연하여야 한다. 하지만, 소프트웨어 내에서 정확한 분석을 하고 수행하는 것은 아주 다른 것이고, 어떤 충분한 소스 코딩을 쉽게 요구한다. 이런 제약조건들이 워크 플로우의 발전을 이끌었고, 객석의 문제인 반복적인 성질로 인해 필요로 하게 되었다. 특히, 레이아웃에서 어떤 개별 객석의 배치는 객석 시야각에 장애가 될 수 있는 평면상에 모든 다른 객석의 위치의 사전 지식이 필요하다. 전형적 “piece-by-piece” Inventor 워크 플로우에서, 이것은 순차적으로 각 열의 지루한 배치를 요구할 것이다. 더욱이 파라메트릭 iParts를 사용하는 것은 각 열을 위해서 iFactory에 새로운 라인을 수동으로 추가해야만 한다. 그러나, Grasshopper에서는 우리는 수학적 배열 내에서 객석의 배치를 묘사함에 있어서 객석을 관계 기하학의 생성을 할 수 있는 하나의 수식으로 감소할 수 있게 된다. 우리는 실시간으로 기하학을 업데이트하고, 수치적 입력, 다이나믹 슬라이더를 통해서, 또는 더욱이 라이노 기하학의 직접적인 조작을 통해서, 모든 다른 변수들 뿐만 아니라, 열의 수를 업데이트 할 수 있다. 업데이트된 기하학을 운용할 수 있는 데이터 모델은 적절한 포멧된 Excel 스프레드 쉬트로 내보낼 수 있고 iPart 테이블에서 단순한 복사와 붙이기를 통해서, 파트(이런 사례의 열)의 전체 배열이 생성된다. 그들은 단지 어셈블리 파일에 배치될 필요가 있다. 이 점에서, 우리는 Inventor의 큰 장점을 극대화하기 시작하고, 기본 어셈블리 파일이 실제 객석에서부터 홀의 구조와 형태, 마감재료까지 어떤 디테일과 함께 층을 이룰 수 있기 때문이다. 더욱이 우리는 이런 데이터를 추가의 분석을 위해서 어떤 적절한 프로그램이나, Grasshopper에 다시 보내 추진할 수 있다. 이것은 예를 들어, 다양한 재료의 흡음 특성과 마감재를 관찰함에 있어 특별히 유용할 것이다.

반면 비슷한 효과는 iFactory를 구동하기 위해서(수학적 배열을 전달하는 것) 단독의 Excel 스프레드 쉬트를 이용해 이루어 낼 수 있고, Grasshopper에 의해서 제공된 기하학적 그래픽적 피드백은 이 워크 플로우를 설계 프로세스에서 좀더 풍족하게 만든다. 추가적으로 이런 워크 플로우는 Excel, 또는 VB.NET, 스크립팅에 대한 특별한 지식을 요구하지 않는다. Grasshopper를 사용함으로 설계자가 존재하는 DWG에서부터, 다른 건축도면, 평면도와 같은 조건들을 참조하여야만 할 때 더욱이 좀더 중요하게 된다. 단지 Grasshopper 워크 플로우를 통해서 설계자는 다른 툴들이 라인에 다운하고, Excel에서 데이터 모델로 접근할 수 있는 조건들로 변환할 수 있다.

그림 8. 라이노 환경에서 Grasshopper 알고리즘의 그래픽적 피드백[5]

그림 9. 알고리즘과 스크립트를 활용한 객석 디자인 사례

결론

앞으로 많은 연구는 워크 플로우에서 각각 툴의 정확한 역할에 집중하는 것을 계속할 것이고, 하나가 각각의 업무를 쉽게 하는 것보다, 하나 또는 다른 것이 적절하게 각자의 일에 적합하게 하는 가능성을 고려하는 연구로 진행될 것이다. 예를 들어, 우리가 앞서 두 연구자의 사례 연구에서, 객석 배열을 위해서 단면을 파라메틱하게 만드는 것이나, 이를 기초로 소프트웨어는 어떤 반복적이고 회귀적인 함수를 통합하는 것을 보았다. 이런 함수를 통합하는 능력은 전형적인 알고리즘 모델러의 범위에 존재한다. 반면에 평면을 풀기 위해서는, 삼각법이나 기하학적 분석이 요구되는데, 왜냐하면 객석은 구속조건 기반의 모델러를 위한 단순한 프로세스로, 일반적으로 고정된 패스를 따라서 일정한 간격이 유지되어야 하기 때문이다.

일반적으로 제안된 프로세스는 Grasshopper로부터 작업용 드로윙이나 샵에서 필요로 해야만 하는 디테일 레벨까지 드로윙을 추출해야 하는 어려움에 관하여, Grasshopper 워크 플로우에서 두 개의 큰 갭으로 다가온다. 더욱이 그것의 형태적 능력을 확장하는 것이라면, 라이노에서 모델링된 free-form NURBS 기하학적 구조를 Inventor BIM 환경으로 전환하기 위한 능력을 있는지에 대한 조사들, 예를 들어, 하나가 어떤 제어된 방법에서 그것을 바둑판 모양으로 만들고, NURBS 표면을 취하기 위해서 Grasshopper 스크립트로 쓴다고 할 수 있는데, 그때 Inventor로 Import하기 위해서는 Excel에 조절점(Vertex point)들로 추출해야 한다. 이런 작업 점들로부터, 설계자는 표면을 장착시키기 위해서 Inventor에 패널의 배열로 만들 수 있어야 한다. 결론적으로 Inventor는 BOM(Bill of Materials)과 Shop drawings으로 만들 수 있어야 한다.

반면에 구속조건 기반의 모델러는, Inventor를 포함해서, 전통적으로 NURBS 기하학적 구조에 어려움을 가지고 있고, 이 워크 플로우는 기하학적 구조를 Inventor의 “native”언어로 전환하기 위한 알고리즘 모델러를 사용함으로 이 장벽을 전부를 우회할 수 있다. NURBS 기하학적 구조를 가공하지 않은 데이터 모델로 감소시킴으로써, Inventor는 Inventor내에서 전부 정의된 워크 포인트, 평면, 축에서 기반되어진 기하학적 구조로 재창조될 수 있다. 다른 워크 플로우들은 모델의 최종 결과물에 정확성의 부족과 데이터 손실이나 손상으로 불충분하게 이끌 수 있는 파일 타입 사이의 하나 또는 이상의 대화를 거칠 것을 요구한다. 예를 들어 라이노 밖에서의 NURBS 기하학적 구조를 Inventor로 들어 보내기 위해서는 하나는 그때 Inventor속으로 이것을 import하거나, .OBJ나 .3DS 파일로 본래의 라이노 .3DM파일로 저장할 수 있어야만 한다. Inventor는 NURBS 이런 파일 타입을 위해 본래 지원하지 않기 때문에 기하학적 구조를 최대한 원래의 디자인에 매우 가깝게 다각형의 메쉬 모델로 쉽게 전환해야 할 것이다. 더욱이 이때 다각형 메쉬를 만족스럽게 적용할 수 있는 파라메트릭 모델로 전환되기 위해서 작업의 많은 작업시간이 소요될 것이고(그림8,9,10), 또한 아마 가이드 라인에 불과한 입력된 모델과 함께 중요하게 영점에서부터 시작될 것을 요구한다.

그림 10. 반복 분할에 의한 모델 최적화[15]

그림 11. 심학 곡률 값으로 인해 생긴 면[15]

그림 12. PQ Mesh기반의 생성 디자인 시스템 구성도 : Grasshopper에서 작성[15]

그림 13. 좌 : 알고리즘에 의한 좌표값 추출, 우 : PQ Mesh에 의한 렌더링 이미지[15]

그림 14. Inventor 파라메트릭 환경에서 Part와 Assembly 파일[5]

이 번호에서 표현된 워크 플로우와 더불어, 설계자는 NURBS 기하학적 구조를 Inventor나 기타 설계 환경으로 전환할 수 있는 방법에 대한 전반을 완벽하게 제어할 줄 알아야 한다. 가장 중요하게, 엘리에 의해 연구된 프로세스는 전체 복잡화 레이어를 직접적으로 제작과 관련 있는 예를 들어서, 디자인 파라미터의 어떤 다른 수, 또 다른 프레임에 연결하는 방법, 늑골구조 방식, 패널 타입의 수에 의존한 표면(Inventor를 위한 작업 포인트들 제공한다)을 격자구조로 만드는 방법을 설계자가 선택하는 방법을 설계 프로세스에 추가했다. 더욱이 Grasshopper와 Inventor, 알고리즘적 파라미터와 구속기반의 파라미터 환경 사이의 전환을 위한 효과적인 방법을 풀기 위해서, 설계자는 프로젝트의 완성과 실제 건설에 관계된 설계 이슈들을 해결하려고 노력해야만 한다.

Inventor에서의 섬세한 표현과 효과적인 파라미트릭 모델링을 감안한 데이터 모델의 설계는 설계자들과 고용주들을 위해 요긴하고, 프로젝트의 건설과 효과적 경제적 제작을 감안한 설계 논리와 관련 있다.

이렇게 그래픽 알고리즘 툴과 기하학적 분석 방법을 위한 툴, 스크립트를 활용하여 데이터를 활용하는 방법에 대해서 사전 연구를 통해서 검토해 보았다. 모델링의 정확성과 완벽한 로직에 의한 구현이라는 목표를 위해서 지금도 많은 연구자들이 노력하고 있을 것이다. 음향 설계의 분야도 이런 노력에 기울여 문화적 자긍심을 높이는 계기가 늘어나길 소망해 본다. 다음 호에서는 홀이 형태와 알고리즘에 분석 방법에 대해서 같이 논의 하고자 한다.

그림 15. BOM(Bill of Material)을 포함하는 Inventor의해 만들어진 드로윙 파일[5]

Reference

[1] Leo Beranek, Concert Halls and Opera Houses: Music, Acoustics, and Architecture, Springer, 2004.

[2] Renee Cheng, “Computing Technologies: Building Information Modeling (BIM)”, Architectural Graphic Standards, Eleventh Edition, Hoboken, New Jersey: John Wiley & Sons, Inc., 2008.

[3] Michael Meredith, From Control to Design, Actar, 2008.

[4] Curtis Waguespack and Thom Tremblay, Mastering Autodesk Inventor 2011 and Autodesk Inventor LT 2011, Indianapolis, Indiana: John Wiley & Sons, Inc., 2010.

[5] Eli MELTZER, “A Parametric Workflow : from Grasshopper3D to Autodesk Inventor”, School of Architectural, Newark Institute of Technology, Newark, NJ 07102, USA

[6] Costin V. Alexandru, Popescu S. Cornelia Victoria “A new tools for the study of auditorium seating layout”, Technical University of Clui-Napoca, Faculty of Architecture and Urban Planning, 34-36 Obsevatorului Str., 400489, Cluj-Napoca, Romania.

[7] Vitruvius, Ten Books on Architecture. The Project Gutenberg, 2006.

[8] Forsyth, Michael. Buildings for music: The Architect, the Musician, and the Listener from the Seventh Century to the Present Day. Cambridge: Cambridge University Press, 1985.

[9] Meltzer, Eli. A Parametric Workflow: from GrassHopper3D to Autodesk Inventor. The 2nd International Conference on Design and Modeling in Science, Education, and Technology: DeMset 2012. Proceedings

[10] Farias, Francisco. Automated calculation of sightlines using Revit API. Web: http://www.thestudentexperts.com/blog/automated-calculation-sightlines-using-revit-api

[11] Harwani, B.M. Introduction to Python Programming and Developing GUI Applications with PyQT. Boston: Course Technology, 2012.

[12] Strong, Judith, editor. Theatre Buildings. A design guide. Abingdon: Routledge, 2010.

[13] Barron, Michael. Auditorium Acoustics and Architectural Design. London: Spon Press, 2010.

[14] Appleton, Ian. Buildings for the Performing Arts: A Design and Development Guide. Oxford: Architectural Press, 2008.

[15] 박홍식, 전한종, “평명사변형 메쉬기법을 활용한 비정형 건축의 형태 생성 방법에 관한 연구”, 한국문화공간건축학회 논문집 통권 제 26호 5-12.