A.I-머신러닝 모형을 활용한 빈집발생에 관한 연구
An Empirical Study on Vacant Housing Occurrence Using an AI-Based Machine Learning Models
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 빈집발생 요인을 규명하고 축소도시의 행정동 단위 빈집발생확률을 예측하는 것을 목적으로 한다. 군산시 빈집실태자료를 활용하여 지역ㆍ주택ㆍ인구 특성을 결합한 AI 분류모형을 구축하였으며, 로지스틱 회귀, Bagged Random Forest, 단일 결정나무의 세 모형을 비교ㆍ평가하였다. 그 결과, 모든 모형이 양호한 예측력을 보였으나, Bagged Random Forest 가 예측에 있어서는 가장 우수한 것으로 나타났다. 설명변수인 주택의 개별요인, 용도지역, 생활편의시설 접근성과 인구구조는 모두 유의하게 빈집발생에 영향을 주는 것으로 분석되었다. 또한, 본 연구는 동별 예측을 통해 향후 중점 관리ㆍ정비가 필요한 우선순위 지역을 도출할 수 있었다. 이러한 결과는 주택 단위에서 산출한 확률을 행정동 단위로 집계함으로써, 현장의 정밀한 정책 타깃팅을 지원할 수 있다. 본 연구의 결과는 AI기반 머신러닝을 활용하여 행정동 또는 주택 단위의 예측모형을 통해 빈집예측, 감정평가, 도시재생 기초평가 등 실무 영역에 적용가능함을 보여준다.
Abstract
This study aims to identify the determinants of vacant housing and to predict the probability of vacancy at the administrative dong level in a shrinking city. Using vacant housing survey data from Gunsan City, an AI-based classification framework was developed by integrating regional, housing, and demographic characteristics. Three models—logistic regression, a bagged random forest, and a single decision tree—were constructed and comparatively evaluated. The results show that all models exhibit satisfactory predictive performance, with the bagged random forest achieving the highest prediction accuracy. Explanatory variables related to individual housing characteristics, zoning type, accessibility to neighborhood amenities, and demographic structure were all found to have statistically significant effects on the occurrence of vacant housing. In addition, dong-level predictions enabled the identification of priority areas requiring focused management and intervention. By aggregating housing-level vacancy probabilities to the administrative-dong level, the results support precise and targeted policy implementation in practice. Overall, the findings demonstrate that AI-based machine learning prediction models at either the administrative-dong or housing-unit level can be effectively applied to practical domains, including vacant housing forecasting, real estate appraisal, and baseline assessments for urban regeneration.