개발밀도와 아파트 가격의 비선형적 관계 탐색: 설명 가능한 인공지능 적용을 중심으로
Exploring the Nonlinear Relationship between Development Density and Housing Price: Focusing on eXplainable AI (XAI)
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
아파트의 개발밀도 증가는 기반시설 용량 부족, 일조 및 프라이버시가 침해되는 배치 등으로 이어져 일반적으로 주거환경을 악화시키고 아파트 가격을 하락시킨다고 여겨진다. 이에 적정수준의 개발밀도를 관리하기 위해 용적률 규제를 하고 있지만, 사회적으로 용인되는 개발밀도의 범위는 주택시장 상황이나 사회경제적 요구를 반영하여 완화되거나 강화되었다. 한편 2000년대 초중반부터 주상복합으로 불리는 초고층 아파트가 유행하고, 2010년대 이후 지어진 아파트단지는 전면 지하주차장화 등을 통하여 쾌적한 주거환경을 제공하고 있어, 고밀 아파트단지에 대한 사람들의 인식 또한 달라지고 있다. 따라서 본 연구는 용적률로 대표되는 개발밀도와 아파트 가격의 관계를 살펴보기 위해 2019년 1월부터 2021년 12월까지 거래된 아파트 실거래가격 자료를 바탕으로 머신러닝 기반 헤도닉 가격 모형을 구축하고, 주택 유형(일반, 주상복합)과 단지 규모(세대수)를 구분하여 분석을 진행하였다. 특히, 용적률과 아파트 가격의 비선형적 관계를 탐색하고 모형의 설명력을 높이기 위해 CatBoost 알고리즘과 설명 가능한 인공지능 기법 중 하나인 SHAP를 활용하여 머신러닝 모형의 예측치에 대한 개별 설명변수 기여도를 함께 살펴보았다. 분석결과 일반 아파트와 주상복합 아파트에서는 각각 용적률 약 290~310%와 490~510% 이상 구간에서 용적률이 아파트 가격에 마치는 부정적인 영향이 커지는 것으로 나타났다. 대단지 아파트는 용적률 증가로 인한 가격 하락 폭이 상대적으로 적고, 일부 고급단지에 속하는 주상복합 아파트의 경우 용적률이 약 900%를 넘더라도 용적률의 부정적 영향이 나타나지 않을 수 있음을 확인할 수 있었다. 본 연구의 결과는 고밀개발이 필요한 경우 그에 맞는 적절한 주거단지계획을 제시하여 주거환경 쾌적성을 확보하는 것이 중요하다고 볼 수 있다.
Abstract
This study aimed to investigate the association between development density and housing prices in Seoul, utilizing a machine learning driven hedonic price model. The model employed actual transaction data of high-rise condominiums (apartments) spanning from January 2019 to December 2021. The study employed CatBoost algorithm and eXplainable AI techniques (SHAP) to explore the non-linear relationships between floor area ratio(FAR) and housing prices. The findings revealed that overall FAR had a negative relationship with housing prices for both general apartments and mixed-use development. However, the negative impact of FAR was relatively small in large-scale development. Furthermore, the negative impact of FAR may not be significant in some high-end mixed-use development. These findings imply the importance of proposing appropriate site plans to ensure a desirable residential environment when high-density development is necessary.
참고문헌 (33)
- 고세범, "서울시 도시 가구(街區)내 100세대 미만 소형아파트단지의 개발 및 입지 특성 연구", 대한건축학회논문집, 28(07), pp.79~89 (2012), 대한건축학회[DOI]
- 김경민, "기계학습을 통한 공동주택 가격결정요인 분석", 주거환경, 14(3), pp.29~40 (2016), 한국주거환경학회
- 김정섭, "개발밀도와 아파트가격 관계 탐색: 설명가능 인공지능 기법을 중심으로,", 프롭빅스(PROBIX), (9), pp.23~28 (2022), 한국주택학회
- 김정호, "용적률 변화에 따른 공동주택단지내 녹지구조 변화특성", 한국환경생태학회지, 18(1), pp.42~52 (2004), 한국환경생태학회
- 김주영, "아파트가격에 내재한 개발밀도 가치의 차이에 관한 연구", 주택연구, 11(2), pp.5~24 (2003), 한국주택학회
- 김천일, "경과년수와 용적률의 상호작용을 고려한 아파트 가격 형성 분석", 부동산분석, 4(1), pp.1~14 (2018), 한국부동산원[DOI]
- 김창석, "아파트 용적율이 주택가격에 미치는 영향에 관한 연구 -주택 재개발아파트를 중심으로-", 국토계획, 37(4), pp.123~132 (2002), 대한국토·도시계획학회
- 문근식, "데이터마이닝기법을 활용한 강남구 중소형 오피스빌딩의 매매가격 결정요인 분석", 한국콘텐츠학회 논문지, 15(7), pp.414~427 (2015), 한국콘텐츠학회[DOI]
- 주거지역 개발밀도 설정방안에 관한 연구, "민범식", 국토연구원, ~ (2004)
- 배성완, "기계 학습을 이용한 공동주택 가격 추정: 서울 강남구를 사례로", 부동산학연구, 24(1), pp.69~85 (2018), 한국부동산분석학회[DOI]
- 서정석, "침수위험이 주택가격에 미치는 영향: 서울 양천구를 사례로", 감정평가학논집, 16(1), pp.1~19 (2017), 한국감정평가학회[DOI]
- 손지은, "라이프스타일에 따른 아파트 주거선호 특성요인에 관한 연구－ 부산시를 중심으로 －", 주거환경, 15(4), pp.151~161 (2017), 한국주거환경학회[DOI]
- 송호창, "수도권 주상복합아파트 지역유형별 가격결정요인 연구", 주택연구, 17(1), pp.73~93 (2009), 한국주택학회
- 오지훈, "머신러닝을 활용한 서울시 아파트 물리적 특성 변수들의 비선형 영향 분석: 다변량 적응 회귀 스플라인 모형의 적용", 감정평가학논집, 17(3), pp.5~26 (2018), 한국감정평가학회[DOI]
- 유상균, "용적률 규제와 효율성", 국토계획, 52(6), pp.129~152 (2017), 대한국토·도시계획학회[DOI]
- 윤혜림, "서울시 개발밀도에 영향을 미치는 요소의 변화에 관한 연구 - 일반주거지역 종세분화 전, 후(2002-2011) 비교를 중심으로", 국토계획, 48(3), pp.165~180 (2013), 대한국토·도시계획학회
- 정은진, "서울시 주상복합건물의 지역별 주거특성", 대한지리학회지, 38(5), pp.741~753 (2003), 대한지리학회
- 정의철, "잠재개발밀도가 지가에 미치는 영향 분석", 국토계획, 39(2), pp.117~ (2004), 대한국토·도시계획학회
- 정의철, "개발밀도가 아파트가격에 미치는 효과 분석 - 주거환경효과와 자본이득효과-", 국토계획, 38(5), pp.127~138 (2003), 대한국토·도시계획학회
- 정창무, "용적률이 아파트 가격 및 사업성에 미치는 영향 - 경기도 뉴타운 사업지역을 대상으로 -", 대한건축학회논문집, 25(12), pp.137~144 (2009), 대한건축학회
- 정형철, "개발밀도특성에 따른 주상복합아파트 가격결정요인에 관한 연구 -서울시를 중심으로-", 부동산학보, (45), pp.18~32 (2011), 한국부동산학회
- 차경은, "주거지역의 최적 개발밀도 분석: 서울시 단독주택을 대상으로", 한국경제연구, 31(2), pp.161~185 (2013), 한국경제연구학회
- Chang, W., "An Improved CatBoost-Based Classification Model for Ecological Suitability of Blueberries", Sensors, 23(4), pp.1~25 (2023)
- Daniel, V. E., "Flooding Risk and Housing Values : an Economic Assessment of Environmental Hazard", Ecological Economics, 69(2), pp.355~365 (2009)
- DiPasquale, D., "Urban Economics and Real Estate Markets" (1996), Prentice Hall
- Gu, J., "Housing Price Forecasting based on Genetic Algorithm and Support Vector Machine", Expert Systems with Applications, 38(4), pp.3383~3386 (2011)
- Hainmueller J, "Kernel Regularized Least Squares : Reducing Misspecication Bias with a Flexible and Interpretable Machine Learning Approach", Political Analysis, 22(2), pp.143~168 (2014)
- Huang, H., "The Spatial Variation of Moderating Effects of Density and Natural Amenities on Housing Prices in Wuhan, China", Regional Science Policy & Practice, 13(6), pp.1778~1804 (2021)
- Lundberg, S. M., "A Unified Approach to Interpreting Model Predictions", Advances in neural information processing systems, 30, pp.4768~4777 (2017)
- Park, B., "Using Machine Learning Algorithms for Housing Price Prediction: The Case of Fairfax County, Virginia housing data", Expert Systems with Applications, 42(6), pp.2928~2934 (2015)
- Prokhorenkova, L., "CatBoost : Unbiased Boosting with Categorical Features", Advances in neural information processing systems, 31, pp.6639~6649 (2018)
- Rosen, S., "Hedonic Prices and Implicit Markets : Product Differentiation in Pure Competition", Journal of Political Economy, 82(1), pp.34~55 (1974)
- Wang, X., "Real Estate Price Forecasting based on SVM Optimized by PSO", Optik, 125(3), pp.1439~1443 (2014)