머신러닝 기반 분석을 통한 도시계획위원회 의사결정 영향요인에 관한 연구: 화성시를 중심으로

국문 초록 (Abstract)

본 연구는 도시계획위원회의 심의결정이 어떤 요인에 의해 좌우되는지 실증적으로 규명하고, 분석 결과를 바탕으로 제도 운영의 개선 방향을 제시하는 것을 목적으로 한다. 특히 도시계획위원회 의사결정 과정에서 축적되는 ‘심의의견’은 핵심 근거자료임에도 불구하고 비정형 서술 자료로 남아 체계적 분석과 정책 환류에 한계가 있다. 이에 본 연구는 심의결정 자료와 심의의견을 구조화하고, 트리 기반 기계학습 알고리즘을 활용하여 심의결정 영향요인을 정량적으로 도출하는 한편, 위원회 운영과 영향 요인에 대한 참여 집단의 인식을 설문조사로 분석하여 제도개선 논의를 다층적으로 확장하였다. 연구 방법은 다음과 같다. 첫째, 화성시 도시계획위원회 상정안건 및 심의결과 데이터를 구축하고, 안건 특성, 입지 및 계획 관련 변수 등을 분석에 적합한 형태로 구축하였다. 둘째, 심의의견을 ‘입지·토지이용계획·교통계획·환경계획·녹지계획’ 등으로 분류 가능한 기준에 따라 구조화하여, 비정형 텍스트 기반의 심의 논거를 정형 데이터로 전환하였다. 셋째, 트리 기반 머신러닝 분석을 수행하여 심의결정에 대한 변수 중요도와 분기 규칙을 도출하고, 설명 가능한 결과 해석을 통해 영향요인의 조합적 작동방식을 확인하였다. 넷째, 도시계획위원·실무 담당 공무원·민간 사업자를 대상으로 설문조사를 실시하여 도시계획위원회 운영에 대한 인식 수준, 심의결정 영향요인에 대한 평가, 문제점 인식 및 제도개선 필요사항을 분석하였다. 분석 결과, 심의결정은 단일 요인보다 복수 요인의 결합에 의해 설명되며, 심의의견 구조화 항목에서 도출된 쟁점들이 결정 과정의 주요 분기점으로 기능하는 경향이 확인되었다. 또한 계획유형 및 안건 속성에 따라 영향요인 의 상대적 비중이 달라지고, 동일한 변수라도 조건 조합에 따라 심의결정에 미치는 방향과 강도가 상이하게 나타나는 등 비선형적 특성이 관찰되었다. 설문 분석에서는 집단별로 위원회 기능과 공정성에 대한 인식 차이가 존재 하였으며, 심의의견의 구체성·일관성 제고, 운영 절차의 투명성 강화, 심의 기준의 명확화 등 제도 운영 측면의 개선 요구가 두드러졌다. 이상의 결과를 종합하면, 도시계획위원회 의사결정은 ‘데이터로 확인 가능한 결정 규칙’과 ‘운영 주체가 인식하는 제도적 한계’가 동시에 작동 하는 영역이며, 심의의견 구조화와 분석 기반 환류 체계를 구축할 경우 위원회 운영의 예측가능성과 책임성을 제고할 수 있다. 이에 본 연구는 제도 개선 방향으로 (1) 데이터 기반 심의지원 및 의견 관리 체계 구축을 통한 심의결정의 일관성 강화, (2) 심의결정 기록·공개 방식의 구조화를 통한 투명성과 설명가능성 제고, (3) 머신러닝 기반 심의 기준 관리 및 지속적 개선 체계 구축을 제시하였다. 종합하면 본 연구는 도시계획위원회 심의제도의 실효성·투명성·신뢰성을 제고하고, 궁극적으로 도시공간의 공공성·안전성·환경성 강화를 도모할 수 있는 실증적 근거를 제시하였다는 점에서 학술적·정책적 기여를 갖는다. 아울러 향후 도시계획위원회 운영 개선과 심의지원시스템 설계, 제도 평가 연구의 기초 자료로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study aims to empirically identify the factors influencing the decision-making of Urban Planning Committees and to propose directions for institutional improvement based on the findings. Despite being core evidence, deliberation opinions have traditionally remained as unstructured narrative data, which has limited systematic analysis and policy feedback. To address this issue, the study structures deliberation data and opinions, utilizes tree-based machine learning algorithms to quantitatively derive influencing factors, and conducts surveys to analyze the perceptions of various stakeholders, thereby expanding the discussion on institutional reform from multiple perspectives. The research methodology involved building a dataset from the Hwaseong-si Urban Planning Committee, structuring unstructured opinions into formal data categories—such as land use, transportation, and environment—and performing tree-based machine learning analysis to identify the combinatorial mechanisms of factors through explainable AI interpretation. Additionally, surveys were conducted with committee members, public officials, and private developers to analyze perceptions of committee operations and the need for institutional improvement. The results revealed that deliberation decisions are explained by a combination of multiple factors rather than a single variable, with issues derived from the structured deliberation opinions functioning as key branching points in the process. Furthermore, non-linear characteristics were observed, where the relative importance and direction of influencing factors varied depending on project types and specific condition combinations. Survey results also highlighted perceptual gaps between groups regarding the committee's function, emphasizing demands for enhanced transparency and clarified standards. These findings suggest that establishing a feedback system based on structured opinions can enhance the predictability and accountability of committee operations. Accordingly, this study proposes the construction of data-driven deliberation support systems, the enhancement of transparency through structured recording, and the establishment of machine learning-based management for deliberation standards. Ultimately, this research contributes academically and politically by providing empirical evidence to enhance the effectiveness and reliability of the Urban Planning Committee system, while promoting public interest and environmental sustainability in urban spaces.