Urban Form Classification under Local Climate Zone Framework for Energy Efficient City Development

Abstract

With the focus on energy efficient development, the role of urban form as influencer of building energy efficiency has been an area of interest in recent researches. However, the research literature lack common methodology and definition of urban form to measure its efficiency, has been diverse and subjective at best. Parallelly, Local Climate Zone (LCZ) framework, primarily developed in the urban climatology field to study urban heat island and microclimate, has been gaining traction, both in classification methodology advancements and its applications. The framework defines 17 classes based on urban and natural features with existing research showing that each class has a unique air and surface temperature profile. Based on the hypothesis that microclimate is indeed the major cause of urban forms impact on building energy consumption, this researcher investigates the relationship between LCZ classes and building electricity and gas consumption. Firstly, the appropriate unit to determine urban form is established with care (to minimize modifiable area unit problem) using LCZ parameters spatial autocorrelation and distribution curve. At this point, as has been described by past literature, due to heterogeneous nature, parts of urban area do not fall within any LCZ class. To address it, this research explores the use of machine learning algorithms to identify the closest resembling LCZ class for unidentified areas. Results from algorithms are compared using surface temperature to determine the most suitable classification. Finally, using this LCZ classification of Seoul and building electricity and gas consumption data (2015-18), the research investigates how energy consumption varies for each LCZ class as compared to sparsely built area which lacks any urban context. For this, two way fixed effect panel data analysis is used so that the effect of both LCZ classes and time can be modeled simultaneously, since the influence of urban form can vary depending upon broader seasonal conditions. The research indicates that overall, open low rise and compact low rise are the only urban LCZ classes which are energy efficient. Rest of classes appears to have higher energy consumption (per sq. m of floor space) as compared to sparsely built areas. Lastly, we compare residential zoning classes with LCZ classes to determine what zoning parameters results in a specific LCZ class. Thus, this research helps urban planners to determine urban form which is energy efficient. So far, the focus on achieving energy efficiency has been limited to improvement in building technology or transportation energy demand, but it is hoped that using this research, it would be possible to identify urban form which is most energy efficient when all the energy consumption aspects are assimilated.

에너지 효율적인 개발에 중점을 두면서 건축물 에너지 효율성에 영향을 미치는 도시형태의 역할이 최근 많은 연구자들의 관심 영역이 되었다. 하지만 도시형태의 에너지 효율성에 관한 연구는 명확하게 구분되지 않고 주관적인 정의와 공통적인 방법론에 국한되여 있다. 이와 동시에, 도시 열섬현상과 미기후를 연구에서 도시 기후학 분야에서 개발된 지역 기후 구역(LCZ) 프레임워크는 도시형태의 분류 방법론과 적용 모두에서 주목을 받고 있다. LCZ프레임워크는 도시와 자연적 특징을 바탕으로 도시형태를17개의 클래스로 분류하며, 기존 연구에서는 각 클래스에서 특정한 공기온도와 표면온도를 나타내고 있음을 보여준다. 본 연구에서는 미기후가 건축 에너지 효율성에 미치는 도시형태의 주요 원인이라는 가설을 바탕으로 LCZ클래스와 건물 전기 및 가스 소비 사이의 관계를 연구한다. 첫째, 도시형태를 결정하는 적절한 단위는 LCZ 매개변수의 공간적 자기 상관관계 및 분포 곡선을 이용하여 (수정 가능한 면적 단위 문제를 최소화하기 위해) 주의하여 설정한다. 다음, 선행연구에서 설명한 바와 같이, 일부 도시형태의 이질적인 특성 때문에 어떤 LCZ 클래스에도 속하지 않는다. 이를 해결하기 위해, 본 연구는 명확하지 않은 도시형태 영역에 대해 가장 유사한 LCZ 클래스를 식별하기 위한 인공지능 기계 학습 알고리즘의 사용하였다. 알고리즘 적용 결과의 적합성을 위하여 표면 온도데이터와 비교한다. 마지막으로, 서울의 이러한 LCZ 클래스와 건물 전기 및 가스 소비 데이터(2015-18)를 사용하여, 도시적 환경이 전혀 없는 낮은 밀도 건축 면적에 비해 LCZ 클래스별로 에너지 소비량이 어떻게 달라지는지 분석한다. 이를 위해 도시형태의 영향은 광범위한 계절 조건에 따라 달라질 수 있으므로 LCZ 클래스와 시간의 효과를 동시에 모델링할 수 있도록 양방향 고정 효과 패널 데이터 분석 기법을 사용한다. 본 연구는 전반적으로, '넓은 부지의 고층건물 지역'과 '넓은 부지의 저층건물 지역'이 에너지 효율이 높은 유일한 도시 LCZ 클래스라는 것을 보여준다. 나머지 등급은 낮은 건설밀도 부지에 비해 에너지 소비량이 높은 것으로 보인다(건축부지 1㎡ 당). 마지막으로, 용도지구와 LCZ 클래스과 비교하여 어떤 구역제 매개 변수가 특정 LCZ 클래스를 초래하는지 결정한다. 하여 본 연구는 도시 계획가들이 에너지 효율성이 높은 도시 형태를 결정하는데 도움을 준다. 지금까지 에너지 효율성 달성에 초점을 맞춘 것은 건축 기술이나 교통 에너지 수요의 향상에 국한되어 왔지만, 본 연구를 통해 가장 에너지 효율성이 높은 도시형태를 파악하는 것이 가능하기를 희망한다.