의사결정나무와 서포트 벡터 머신 모델을 활용한 토지이용 변화 시뮬레이션: 통일 후 북한 도시를 대상으로 = Simulating Land Use Change Using Decision Tree and SVM Model : A Case Study of North Korea’s City after the Unification

다국어 초록 (Multilingual Abstract)

This study aims to estimate land-use changes in North Korea’s city after the unification through simulation. The simulation analysis consists of exploration of urban patterns, validation of simulated results, and analysis of the land-use changes in the future. The estimation accuracy of land use change was measured by polynomial regression analysis, decision tree analysis and support vector machine analysis. On this basis, suitable methodologies were selected for the modeling of the urban pattern search. The hybrid model uses the ‘C5.0’, a kind of decision tree algorithm and the ‘RBF kernel’, a kind of support vector machine algorithm. The land use change of North Korea’s city (Nampo City) was estimated based on this model. The scenario of newly constructing roads and railroad stations, and developing new urban areas was used in the simulation. The simulated results showed that the urban sprawl impact through improvement of traffic accessibility and the development of new urban areas could be linked to the region and other regions. This study could provide a strategic guidance for policy when the unification of Korea will be on the process.

국문 초록 (Abstract)

본 논문의 목적은 시뮬레이션 분석을 통한 통일 이후 북한 특정 도시를 대상으로 하여 토지이용 변화를 추정하는 것이다. 시뮬레이션 분석은 도시화 패턴 탐색을 위한 모델 적합도 연구와 시뮬레이션 결과에 따른 유효성 검증, 북한 도시 토지이용 변화 시뮬레이션 분석으로 구분된다. 도시화 패턴 탐색을 위한 모델링에 있어 적합한 방법론을 선정하기 위해서 통계 분석의 일종인 다항로지스틱 회귀분석과 머신러닝의 일종인 의사결정나무, 서포트 벡터 머신 알고리즘을 활용한 분석을 통해 토지이용 변화 추정 정확도를 비교 분석하였다. 이를 통해 시뮬레이션 단계 및 기준 토지이용별 추정 정확도가 가장 높은 모델을 결합한 시뮬레이션 통합 모델을 구축하였다. 해당 모델을 활용하여 북한 도시(남포특별시)의 시나리오별 토지이용 변화를 추정하였다. 남포특별시의 토지이용 변화 시뮬레이션 분석은 단계별 비포장도로 일부의 포장화, 철도역 신설, 신규 도심지역 개발을 가정한 시나리오로 진행하였다. 분석결과, 지역의 교통 접근성 변화와 신규 도심지역의 개발 영향은 해당 지역의 도시화는 물론이며 타 지역까지 연계되어 도시화 현상이 나타나게 되는 것을 확인할 수 있었다. 본 논문은 통일 한국 시대의 북한 도시화 현상을 미시적으로 추정하여, 향후 북한 도시의 개발정책 수립 시 전략적인 대응을 할 수 있는 측면에서 연구의 의의를 지닌다.

참고문헌 (Reference)

1 변병설, "통일시대에 대비한 국토환경관리 방안" 한국환경정책․평가연구원 2001

2 이상준, "통일기반 강화를 위한 북한 거점도시 발전모형과 남북협력 실천전략 연구" 국토연구원 2014

3 이상준, "통일 한반도 시대에대비한 북한 주요 거점의 개발잠재력과 정책과제(I)" 국토연구원 2011

4 "통계청"

5 원석환, "접근성 변동에 따른 도시토지이용의 시·공간적 변화에 관한 연구 : 경기도 남양주시를 대상으로" 경희대학교 대학원 2010

6 김영민, "자연재해 분석을 위한 빅데이터 마이닝 기술" 한국데이터정보과학회 26 (26): 1105-1115, 2015

7 김종윤, "의사결정트리를 이용한 개별 공시지가 비교표준지의 자동선정" 한국지리정보학회 7 (7): 9-19, 2004

8 강영옥, "의사결정나무와 시공간 시각화를 통한 서울시 교통사고 심각도 요인 분석" 한국국토정보공사 47 (47): 233-254, 2017

9 구유희, "의사결정나무와 로지스틱 회귀분석을 이용한태권도 수련생 이탈 예측을 위한 비교 연구" 한양대학교 2007

10 배정수, "의사결정나무 분석 기법을 활용한 고등학생 진로결정수준 및 진로준비행동 결정요인 우선순위 탐구" 순천향대학교 대학원 2014

11 박선영, "원격탐사와 기계학습을 이용한 산사태 취약성 평가" 5 : 307-309, 2013

12 정재준, "수도권의 도시성장 분석 및 예측을 위한 셀룰라 오토마타 모델링" 서울대학교 대학원 2001

13 통계청, "북한의 주요통계지표" 통계청 2016

14 국토지리정보원, "북한 위성영상 자료"

15 전주원, "벌점화 부분최소제곱과 벌점화 서포트 벡터머신의 성능 비교" 성균관대학교 2011

16 신은주, "데이터마이닝 기법 비교 연구: 단일및 복수 의사결정나무" 361-369, 1999

17 다비드 제구, "다중 에이전트의 상호 협력과 경쟁을 통한 호이스트 스케쥴링 기법에 관한 연구" 한국과학기술원 2005

18 "국토교통부 국가공간정보센터"

19 원석환, "공간적 도시 유사도 분석: 남·북한 도시를 사례로" 국토지리학회 52 (52): 127-137, 2018

20 Narangerel Gantulga, "고해상도 위성영상 자료로부터 토지피복분류를 위한 다중 SVM 비교 연구" 전북대학교 대학원 2014

21 UN, "World Urbanization Prospects" UN 2014

22 Srivastava, P. K., "Selection of classification techniques for land use/land cover change investigation" 50 (50): 1250-1265, 2012

23 USGS, "SRTM 30m"

24 Dixon, B., "Multispectral landuse classification using neural networks and support vector machines" 29 (29): 1185-1206, 2008

25 Alghais, N., "Modelling future impacts of urban development in Kuwait with the use of ABM and GIS" 22 : 20-42, 2018

26 Lantz, Brett, "Machine Learning with R" Packt Publishing Ltd 2013

27 Chan, J. C., "Detecting the Nature of change in an urban environment: A comparison of machine learning algorithms" 67 (67): 213-225, 2001