기성시가지 필지별 토지이용 변화 예측을 위한 기계학습 모델 개발에 관한 연구: 서울시 신축 발생 예측을 중심으로 (Developing a Machine Learning Model for the Prediction of Parcel-based Land Use Changes in Existing Urban Areas: Focusing on the Reconstruction of Residential Buildings in Seoul)

서지정보

· 발행기관 : 한국감정평가학회
· 수록지 정보 : 감정평가학논집 / 19권 / 1호 / 27 ~ 52페이지
· 저자명 : 노승철, 김태현, 이석준, 임재욱, 고진수

초록

본 연구는 서울시를 대상으로 건물의 신축위치를 예측하는 기계학습 모델을 구축하 고 적용가능성에 대한 시사점을 제공하는데 목적을 두었다. 연구범위는 2006~ 2015년까지 서울시 전체 필지이며, 예측 대상은 건물의 신축이 일어나는 필지이다. 예측을 위해 필지, 건물, 주변환경 속성 등 총 59개의 변수를 구축하였으며, 모형은 지지벡터 머신, 인공신경망, 의사결정나무, 사례기반추론, 로지스틱 회귀분석, 그래 디언트 부스팅 등 6개 기계학습 알고리즘을 적용하였다. 예측결과 중요도 상위 4개 변수(대지면적, 지목, 주변지역의 과소필지 비율, 지가)를 사용한 의사결정나무 모형 의 정확도가 가장 높은 것으로 나타났다. 이는 예측모델이 주된 몇 개의 변수로 모 델을 구축하는 것이 더 나은 결과를 보일 수 있으며 데이터에 따라 적합한 알고리 즘이 다르다는 것을 의미한다. 따라서 예측모델의 구축과 적용을 위해서는 데이터 를 다양한 알고리즘과 환경에 적용하는 관련 연구의 축적이 필요할 것으로 보인다.

영어초록

The purpose of this study was to build a machine learning model that predicts building’s new construction location in Seoul. The predicted target is the location(parcel) where the new construction of the building takes place from 2006 to 2015. For prediction, a total of 59 variables including parcel, building, and surrounding environment properties were constructed, and the model applied six machine learning algorithms, such as a support vector machine, artificial neural network, decision tree, case-based reasoning, logistic regression, and gradient boosting. As a result of models, it was found that the decision tree model using the top 4 variables of importance(ground area, tree, and the ratio of under parcels in the surrounding area, land price) has the highest accuracy. This means that building a model with a few important variables may give better results and suitable algorithms differ depending on the data. In order to build and apply a predictive model, it is necessary to accumulate studies that apply data to various algorithms and environments.

참고자료

· 없음