본문 바로가기
KERD
논문KCI 등재

가로 보행환경은 주변 상업용 부동산 가격에 영향을 주는가? 해석 가능한 머신러닝과 딥러닝 기법의 적용

Do Walkable Streets Influence Neighboring Commercial Property Prices? The Application of Explainable Machine Learning and Deep Learning Algorithms

우아영|신형섭|전준형
한국부동산분석학회 (Korea Real Estate Analysts Association(Kreaa))|2024.09|부동산학연구 (Journal of the Korea Real Estate Analysts Association)|제30권 제3호|pp. 27-47|DOI 10.19172/KREAA.30.3.2

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

딥러닝Deep Learning자동화평가모형보행환경가로경관 환경해석 가능한 머신러닝Automated Valuation ModelWalkable EnvironmentsStreetscape EnvironmentsInterpretable Machine Learning
주제분류경제학

초록

상업용 부동산 가치에 대한 보행 편의성의 중요성을 실증하는 연구가 증가하고 있음에도 불구하고, 보행환경 특성이 상업용 부동산 가치를 결정하는 데 얼마나 기여하는지에 대해서는 충분한 연구가 이루어지지 않고 있다. 본 연구는 다양한 규모의 보행환경 특성이 서울의 상업용 부동산 가치에 미치는 경제적 영향을 조사함으로써 기존 연구들의격차를 해결하고자 한다. 본 연구에서는 보행환경을 거시적, 중시적, 그리고 미시적 규모로 분류하고 다양한 공간 데이터 및 심층신경망 기반의 의미론적 분할 모델을 사용하여 상업용 부동산 주변의 거리 환경을 추정하였다. 이러한추정 결과를 바탕으로 본 연구는 다양한 머신 러닝 알고리즘을 사용하여 보행환경이 상업용 부동산 가격에 미치는경제적 영향을 예측하는 최적의 자동 평가 모델(automated valuation model)을 개발하였다. 또한, 설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI) 알고리즘을 사용하여 블랙박스 모델에서 기여가 가장 많은 변수를 확인하고 보행환경과 상업용 부동산 가격과의 비선형적 관계를 조사하였다. 이 연구는 보행환경의 경제적 효과가 생활인구 밀도를 바탕으로 분류된 하위 시장에서 차이가 발생하는 지 확인하기 위해 추가적인 분석을 수행하였다. 본 연구의 결과는 다양한 규모의 보행력(walkability)이 상업용 부동산 가격에 상당한 영향을 미치며 이러한 영향관계가 하위시장에 따라 서로 다른 영향을 줄 수 있음을 보여주었다. 본 연구의 결과는 보행 친화적인 환경을 조성하여 상업용부동산의 경제적 이윤을 더욱 상승시킬 수 있는 개발방법에 대한 유용한 통찰력을 제공할 수 있다. 마지막으로, 이연구의 방법론은 머신 러닝 기반의 블랙박스 모델을 해석하기 위한 실용적인 접근법이 될 수 있다.

Abstract

Despite the growing evidence demonstrating the importance of walkability for commercial property value, there is limited knowledge of which environmental characteristics contribute more or less to determining their values. Our study fills this gap by investigating the economic effects of walkable environments at different scales on commercial property values in Seoul, Korea. This study specifies walkable environments into macro-, meso-, and micro-scale and uses a computer vision technique to estimate streetscape features surrounding commercial properties. Based on these estimations, we employed various machine learning algorithms to produce optimal automated valuation models for the economic effects of walkable environments on commercial property values. Additionally, explainable artificial intelligence methods were used to identify variables that contributed the most to the black box models and to explore the non-linear relationships between walkable environments and commercial property values. Furthermore, our research demonstrated how the economic effects of walkable environments vary across submarkets classified by living population density. Our results indicate that various scales of walkability influence commercial property values, and these impacts differ according to submarkets. The findings of this study provide helpful insight into how to increase the economic benefits of commercial properties by creating walkable environments. Lastly, this study suggests practical approaches to explain the black box models with greater interpretability and transparency.

참고문헌 (72)

  1. 공영은, "보행친화적 근린환경이 주택가격에 미치는 영향-아파트와 연립다세대 주택의 비교를 중심으로", 부동산분석, 8(1), pp.85~107 (2022), 한국부동산원
  2. 권기영, "중소규모 상업용 빌딩 가격 형성 요인에 관한 연구-울산광역시를 중심으로", 부동산도시연구, 12(1), pp.45~70 (2019), 건국대학교 부동산·도시연구원
  3. 김숙희, "스테이션 없는 공유자전거 통행 특성 분석 : 수원시 사례를 중심으로", 대한교통학회지, 37(2), pp.110~123 (2019), 대한교통학회
  4. 김신성, "문화소비공간의 확산에 따른 저층주거지 변화 특성 연구 : 연남동 일대를 중심으로", 한국주거학회논문집, 27(4), pp.77~88 (2016), 한국주거학회
  5. 김현철, "서울시 골목상권 매출액에 영향을 미치는 요인에 관한 연구", 서울도시연구, 20(1), pp.117~134, 서울연구원
  6. 김형근, "중소형 빌딩의 매매가격 형성요인에 관한 연구", 부동산학연구, 20(3), pp.69~88 (2014), 한국부동산분석학회
  7. 김홍진, "상업용 부동산의 활성화 방안에 관한 연구", 부동산학보, 44, pp.236~250 (2011), 한국부동산학회
  8. 박수훈, "저층주거지 물리적 환경의 야간 범죄 두려움 인지에 영향을 미치는 시각적 요인 분석", 국토계획, 56(3), pp.5~20 (2021), 대한국토·도시계획학회
  9. 백희은, "상업가로 가로환경 개선사업에 대한 주야간 평가 연구-광진구 미가로를 중심으로", 도시설계, 23(2), pp.107~122 (2022), 한국도시설계학회지
  10. 신형섭, "가로 보행환경이 상업용 부동산 가격에 미치는 영향 연구 : 머신러닝 및 딥러닝 기법을 중심으로", 석사, pp.2022
  11. 윤나영, "서울시 상업가로 보행량과 보행 환경 요인의 관련성 실증 분석", 국토계획, 48(4), pp.135~150 (2013), 대한국토·도시계획학회
  12. 임하나, "상업시설의 다양성과 가로 활력과의 관련성 실증분석 : 서울시 상업지역과 주거지역을 구분하여", 도시설계, 18(6), pp.37~49 (2017), 한국도시설계학회
  13. 전준형, "네트워크 분석을 활용한 자연발생적 노후 주거지역의 상업 확산 연구-경리단길 사례를 대상으로", 도시설계, 20(4), pp.5~20 (2019), 한국도시설계학회지
  14. 전준형, "보행환경이 근린환경 만족도에 미치는 조절효과 분석 : 서울시 주거실태조사 2017 자료를 중심으로", 국토계획, 55(3), pp.29~42 (2020), 대한국토·도시계획학회
  15. 정재훈, "위치기반 빅데이터를 활용한 서울시 활동인구 유형 및 유형별 지역 특성 분석", 국토계획, 54(3), pp.75~90 (2019), 대한국토·도시계획학회
  16. 최막중, "보행량이 소매업 매출에 미치는 영향에 관한 실증분석", 국토계획, 36(2), pp.75~83 (2001), 대한국토·도시계획학회
  17. 최진도, "정보통신기술 발전에 따른 상업용 부동산의 이용 행태 변화와 기계학습을 활용한 지역별 미래전망 연구", 국토연구, 114, pp.111~135 (2022), 국토연구원
  18. 인구주택총조사, "통계청", ~ (2019)
  19. 홍정의, "랜덤 포레스트 알고리즘을 통한 주택 대량 평가모형 연구", 부동산분석, 7(1), pp.1~28 (2021), 한국감정원
  20. Alfonzo, M. A., "To walk or not to walk? The hierarchy of walking needs", Environment and Behavior, 37(6), pp.808~836 (2005)
  21. Apley, D. W., "Visualizing the effects of predictor variables in black box supervised learning models", Journal of the Royal Statistical Society: Series B (Statistical Methodology), 82(4), pp.1059~1086
  22. Bartholomew, K., "Hedonic price effects of pedestrian-and transit-oriented development", Journal of Planning Literature, 26(1), pp.18~34 (2011)
  23. Bergstra, J., "Random search for hyper-parameter optimization", Journal of Machine Learning Research, 13(2), pp.281~305 (2012)
  24. Breiman, L., "Random forests", Machine Learning, 45(1), pp.5~32 (2001)
  25. Cervero, R., "Travel demand and the 3Ds : Density, diversity, and design", Transportation Research Part D : Transport Environment, 2(3), pp.199~219 (1997)
  26. Chen, L. -C., "Deeplab : Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs", IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), pp.834~848 (2017)
  27. Chen, L. -C., "Encoder-decoder with atrous separable convolution for semantic image segmentation", Proceedings of the European Conference on Computer Vision (ECCV), pp.801~818 (2018)
  28. Chen, L., "Measuring impacts of urban environmental elements on housing prices based on multisource data—a case study of Shanghai, China", ISPRS International Journal of Geo-Information, 9(2), pp.106~ (2020)
  29. Chen, T., "Xgboost : extreme gradient boosting", R Package Version 0.4-2, 1~4 (2015)
  30. D'Orso, G., "A GIS-based method for evaluating the walkability of a pedestrian environment and prioritised investments", Journal of Transport Geography, 82, pp.102555~ (2020)
  31. Dumbaugh, E., "The built environment and the incidence of pedestrian and cyclist crashes", Urban Design International, 18(3), pp.217~228 (2013)
  32. Ewing, R., "Travel and the built environment : A meta-analysis", Journal of the American Planning Association, 76(3), pp.265~294 (2010)
  33. Ewing, R., "Measuring the unmeasurable : Urban design qualities related to walkability", Journal of Urban Design, 14(1), pp.65~84 (2009)
  34. Ewing, R., "Relationship between urban sprawl and physical activity, obesity, and morbidity", American Journal of Health Promotion, 18(1), pp.47~57 (2003)
  35. Frank, L. D., "Linking objectively measured physical activity with objectively measured urban form : findings from SMARTRAQ", American Journal of Preventive Medicine, 28(2), pp.117~125 (2005)
  36. Gehl, J., "Cities for people", pp.73~79 (2013), Island Press
  37. Gehl, J., "Close encounters with buildings", Urban Design International, 11(1), pp.29~47 (2006)
  38. Han, L., "Prediction and evaluation of spatial distributions of ozone and urban heat island using a machine learning modified land use regression method", Sustainable Cities and Society, 78, pp.103643~ (2022)
  39. Handy, S. L., "How the built environment affects physical activity : views from urban planning", American Journal of Preventive Medicine, 23(2), pp.64~73 (2002)
  40. Harvey, C., "Measuring urban streetscapes for livability : A review of approaches", The Professional Geographer, 68(1), pp.149~158 (2016)
  41. Jacobs, J., "The death and life of great American cities" (1961), Random House
  42. Jeon, J., "Deep learning analysis of street panorama images to evaluate the streetscape walkability of neighborhoods for subsidized families in Seoul, Korea", Landscape and Urban Planning, 230, pp.104631~ (2023)
  43. Ke, G., "Lightgbm: A highly efficient gradient boosting decision tree", Advances in Neural Information Processing Systems, pp.30~ (2017)
  44. Kim, J., "Physical and psychological factors in sense of community : New urbanist Kentlands and nearby Orchard Village", Environment and Behavior, 36(3), pp.313~340 (2004)
  45. Koschinsky, J., "Spatial heterogeneity in spillover effects of assisted and unassisted rental housing", Journal of Urban Affairs, 31(3), pp.319~347 (2009)
  46. Kok, N., "Big data in real estate? From manual appraisal to automated valuation", The Journal of Portfolio Management, 43(6), pp.202~211 (2017)
  47. Koo, B. W., "How are neighborhood and street-level walkability factors associated with walking behaviors? A big data approach using street view images", Environment and Behavior, 54(1), pp.211~241 (2022)
  48. Koo, B. W., "Can good microscale pedestrian streetscapes enhance the benefits of macroscale accessible urban form? An automated audit approach using Google street view images", Landscape and Urban Planning, 237, pp.104816~ (2023)
  49. Koo, B. W., "Streetscapes as part of servicescapes : Can walkable streetscapes make local businesses more attractive?", Computers, Environment and Urban Systems, 106, pp.102030~ (2023)
  50. Kotler, P., "Atmospherics as a marketing tool", Journal of Retailing, 49(4), pp.48~64 (1973)
  51. Koschinsky, J., "Spatial heterogeneity in spillover effects of assisted and unassisted rental housing", Journal of Urban Affairs, 31(3), pp.319~347 (2009)
  52. Li, W., "Assessing benefits of neighborhood walkability to single-family property values : A spatial hedonic study in Austin, Texas", Journal of Planning Education and Research, 35(4), pp.471~488 (2015)
  53. Pivo, G., "The walkability premium in commercial real estate investments", Real Estate Economics, 39(2), pp.185~219 (2011)
  54. Quan, S. J., "Comparing hyperparameter tuning methods in machine learning based urban building energy modeling : A study in Chicago", Energy and Buildings, 317, pp.114353~ (2024)
  55. Qiu, W., "Subjective or objective measures of street environment, which are more effective in explaining housing prices?", Landscape and Urban Planning, 221, pp.104358~ (2022)
  56. Rauterkus, S. Y., "Residential land values and walkability", Journal of Sustainable Real Estate, 3(1), pp.23~43 (2011)
  57. Real Capital Analytics, "Capital Trends Asia Pacific", ~ (2021)
  58. Saelens, B. E., "Environmental correlates of walking and cycling : Findings from the transportation, urban design, and planning literatures", Annals of Behavioral Medicine, 25(2), pp.80~91 (2003)
  59. Sallis, J. F., "Is your neighborhood designed to support physical activity? A brief streetscape audit tool", Preventing Chronic Disease, 12, pp.150098~ (2015)
  60. Shin, H. S., "Analyzing the effects of walkable environments on nearby commercial property values based on deep learning approaches", Cities, 144, pp.104628~ (2024)
  61. Sohn, D. W., "The economic value of walkable neighborhoods", Urban Design International, 17(2), pp.115~128 (2012)
  62. Talen, E., "The walkable neighborhood : A literature review", International Journal of Sustainable Land Use and Urban Planning, 1(1), pp.42~63 (2013)
  63. Tang, Jingxian, "Measuring visual quality of street space and its temporal variation : Methodology and its application in the Hutong area in Beijing", Landscape and Urban Planning, 191, pp.103436~ (2019)
  64. The National Bicycling and Walking Study: 15-Year Status Report, "USDOT", U.S. Department of Transportation, Federal Highway Administration, ~ (2010)
  65. "Valuemap system" (2022)[URL]
  66. Woo, A., "Unpacking the impacts of the Low-Income Housing Tax Credit program on nearby property values", Urban Studies, 53(12), pp.2488~2510 (2016)
  67. Woo, A., "Beyond affordable shelters : Subsidized housing and surrounding environments for pedestrian safety", Applied Geography, 83, pp.37~45 (2017)
  68. Woo, A., "Neighborhood walkability for subsidized households : Revisiting neighborhood environments of Housing Choice Voucher and Low-Income Housing Tax Credit households", Cities, 89, pp.243~251 (2019)
  69. Wu, C., "Does visual contact with green space impact housing prices? An integrated approach of machine learning and hedonic modeling based on the perception of green space", Land Use Policy, 115, pp.106048~ (2022)
  70. Yang, L., "Walking accessibility and property prices", Transportation Research Part D : Transport and Environment, 62, pp.551~562 (2018)
  71. Yin, L., "Measuring visual enclosure for street walkability : Using machine learning algorithms and Google Street View imagery", Applied Geography, 76, pp.147~153 (2016)
  72. Zhou, B., "Semantic understanding of scenes through the ADE20K dataset", International Journal of Computer Vision, 127(3), pp.302~321 (2019)

관련 논문AI추천

서울시 토지가격 영향요인의 비선형성과 공간적 이질성 탐색- GeoShapley의 적용 -강창덕한국부동산원 · 부동산분석2025 · 제11권 제3호개발밀도와 아파트 가격의 비선형적 관계 탐색: 설명 가능한 인공지능 적용을 중심으로김정섭, 서정석, 임미화, 한상욱, Sri Utami Purwaningati한국주택학회 · 주택연구2023 · 제31권 제2호인공지능 기술을 활용한 서울시 오피스 건물의 심미성 측정과 임대료 추정모형 적용연구원재웅, 황병훈, 김유리안나한국감정평가학회 · 감정평가학논집2020 · 제19권 제1호보행친화적인 환경은 상권 매출액에 영향을 미치는가? : 워크스코어와 서비스업 매출액의 연관성김은정, 김지영한국도시지리학회 · 한국도시지리학회지2025 · 제28권 제1호보행친화적 근린환경이 주택가격에 미치는 영향 - 아파트와 연립다세대 주택의 비교를 중심으로 -공영은, 김은정한국부동산원 · 부동산분석2022 · 제8권 제1호물리적 도시공간구조가 상업용 부동산시장에 미치는 영향김경민, 신상묵한국경제지리학회 · 한국경제지리학회지2013 · 제16권 제1호

이 간행물의 다른 논문 (4건)

고속도로 휴게소 상권분석에 의한 점유율 및 규모 추정 연구 - 수정된 Huff 모형을 중심으로 -이상근, 홍남주pp. 7-25주택자산이 출산에 미치는 영향 분석: 자가가구를 대상으로정의철, 오동훈pp. 49-73유형별 생활권공원이 주택가겨에 미치는 영향 - 공간헤도닉모형을 활용하여 -박승훈, 고동원, 나은지pp. 75-88투기과열지구에서 대출규제가 주택가격을 안정시켰는가? : 서울 강남 3구에서 동태적 이중차분법에 의한 증거임현묵, 이용만pp. 88-111
원문 보기