CNN 기반 주간 위성 이미지를 활용한 격자 단위 인구추정 = Estimating Gridded Population using Day-Time Satellite Image by CNN

다국어 초록 (Multilingual Abstract)

The traditional methods of collecting population data are population census and vital data surveys. Although most countries still use this method, changes are taking place in the collection and utilization of population data according to the ICT environment and the trend of opening public data. An example is the register-based census using administrative data introduced by Korea in 2015 and population estimation for subregions that are more detailed than administrative districts. In particular, studies using satellite images for population estimation of subregions are being introduced. In the early days, night-time satellite images were mainly used, but after the deep learning CNN algorithm was introduced, studies using day-time satellite images have been introduced. In this study, we tried to estimate the 1km gridded population using day-time satellite images and CNN transfer learning in Korea. As a result of the study, the possibility of estimation was confirmed, but satisfactory results were not obtained like previous studies. In order to obtain improved gridded population estimates, it was confirmed that it may be advantageous to apply the CNN algorithm to a grid smaller than 1 km in a relatively small area such as a city rather than a large area such as the entire country.

국문 초록 (Abstract)

인구 자료를 수집하는 전통적인 방법은 인구센서스와 인구동태조사이다. 대부분의 국가에서 이와 같은 방법을 현재까지도 사용하고 있지만 ICT 환경과 공공데이터 개방 추세에 따라 인구 자료의 수집과 활용에 변화가 일어나고 있다. 우리나라가 2015년 도입한 행정자료 활용 등록센서스와 행정구역보다 상세한 소지역에 대한 인구추정이 예가 될 수 있다. 특히 소지역 인구추정에 위성이미지를 사용하는 연구들이 소개되고 있다. 초기에는 주로 야간 위성 이미지를 활용하였으나 딥러닝의 CNN 알고리즘이 소개된 이후 주간 위성 이미지를 활용하는 연구들이 소개되고 있다. 본 연구에서는 우리나라의 주간 위성 이미지와 CNN 이전학습을 이용하여 1km 격자인구 추정을 시도하였다. 추정 결과 추정 가능성은 확인하였으나, 기존 연구들처럼 만족스러운 결과는 얻지 못하였다. 개선된 격자 인구 추정값을 얻기 위해서는 국가 전체와 같은 큰 지역이 아닌 도시 단위와 같이 상대적으로 작은 지역에서 1km 보다 작은 격자를 대상으로 CNN 알고리즘을 적용하는 것이 유리할 수 있음을 확인하였다.

참고문헌 (Reference)

1 김민호, "토지피복도와 야간 인공위성 영상을 활용한 남한 광역시도 인구 추정" 국토지리학회 54 (54): 243-254, 2020

2 김영덕, "우리나라 4대 도시의 인구이동과 수렴속도의 관계에 대한 실증분석" 한국자료분석학회 22 (22): 2001-2009, 2020

3 변상영 ; 김기환, "오픈 데이터와 격자 시스템을 이용한 세종시 실제 인구 추정" 한국자료분석학회 22 (22): 1793-1807, 2020

4 김기환 ; 이동찬 ; 변상영, "야간위성 이미지를 이용한 격자 단위 인구 추정모형 개발" 한국자료분석학회 24 (24): 83-92, 2022

5 이동찬 ; 김기환, "모바일 기지국 데이터를 이용한 격자인구 추정" 한국자료분석학회 23 (23): 1535-1548, 2021

6 최내영, "도시환경변수를 이용한 격자 인구추정에 있어서의 유전적 알고리즘기법 활용 연구" 한국지리정보학회 13 (13): 119-130, 2010

7 이창호 ; 전새봄 ; 김기환, "국내 인구이동 예측모형에 관한 연구" 한국자료분석학회 19 (19): 159-173, 2017

8 김영동 ; 이충기 ; 김기환, "광주광역시, 호남지역 시군 성·연령별 인구이동 분석" 한국자료분석학회 21 (21): 2351-2363, 2019

9 Tobler, W., "Satellite Confirmation of Settlement Size Coefficients" 1 (1): 30-34, 1969

10 Liu, Q., "Relationships between nighttime imagery and population density for Hongkong" 31 : 79-90, 2011

11 Park, S., "Predicting demographics from satellite imagery based onconvolutional neural network and transfer learning" 996-998, 2019

12 김민호, "DMSP/OLS와 SNPP/VIIRS DNB 야간영상을 이용한 광역시도와 시군구 인구추정 비교" 국토지리학회 53 (53): 311-320, 2019

13 유수홍 ; 한수희 ; 허준 ; 손홍규, "DMSP-OLS 야간 영상을 이용한 인구 추정 모델 변수 선정 연구" 대한원격탐사학회 27 (27): 69-74, 2011

14 Robinson, C., "A deep learning approach for population estimation from satelliteimagery" 2017

15 Sutton P., "A comparison of nighttime satellite imagery and populationdensity for the continental united states" 63 (63): 1303-1313, 1997

16 홍성국, "1993/2008 년 북한 인구센서스 : 인구구조와 변화" 북한연구소 35 (35): 109-143, 2010