머신러닝을 활용한 인구감소지역의 빈집 발생 요인 분석 및 추정 모델 개발 - 충청남도 공주시를 대상으로 (Analysis of Factor Influencing Vacant House Occurrence in Depopulation Regions and Development of an Estimation Model using Machine Learning: A Case Study of Gongju-si)

본 연구는 인구감소지역을 대상으로 빈집 발생 영향요인을 도출하고 머신러닝을 활용하여 빈집 추정 모델을 개발하는 데 목적이 있다. 이에 충남 공주시를 대상으로 연구를 진행하였으며, 주요 연구 결과를 정리하면 다음과 같다. 첫째, 관련 선행연구 검토를 통해 빈집 발생에 영향을미치는 요인들을 3개 부문 20개 지표로 정리하였다. 둘째, 공주시 확정 빈집 데이터를 타겟 데이터로 설정하고 3가지 머신러닝 모델을 활용하여 학습한 결과, XGBoost 모델이 가장 높은 성능을 보였으며, 건축물 및 토지 특성뿐만 아니라 사회ㆍ경제적 요인의 중요도 또한 높은 것으로나타나 복합적인 데이터를 기반으로 빈집을 추정할 필요가 있음을 확인하였다. 셋째, 머신러닝모델을 활용하여 공주시의 빈집을 예측한 결과, 신도심 지역의 경우 다가구ㆍ다세대주택 밀집지역의 빈집 발생 가능성이 높게 나타났고, 원도심 지역과 읍면 지역은 경사지 및 노후 단독주택 밀집 지역의 빈집 발생 가능성이 높은 것으로 나타났다. 본 연구는 빅데이터 기반의 빈집 추정 모델 개발을 통해 보다 효율적인 빈집 추정 방법을 제시하였다는 측면에서 의의가 있다.

The purpose of this study is to derive factors influencing the occurrence of vacant houses and develop a vacant houses prediction model using machine learning to improve the efficiency of the vacant house estimation method in depopulation region. To summarize the research results, first, in a review of previous research on factors affecting the occurrence of vacant houses, it was confirmed that vacant houses occur due to a complex effect of influencing factors of various scales and fields, which were divided into 20 influencing factors in Three sectors. Second, as a result of learning three models by setting the vacant house impact factors derived through previous research review and the confirmed vacant house data in Gongju City as learning data and target data, the XGBoost model showed the highest performance. In addition, it was confirmed that social and economic factors were also factors of high importance and that it was necessary to estimate vacant homes based on complex data. Third, when we compared the prediction results with the spatial environmental characteristics of Gongju City, it was predicted that areas with dense multi-household housing in the new downtown were likely to have vacant houses. In the old downtown and rural areas, it was predicted that areas with old detached house on slopes would have a high possibility of vacant houses. This study suggested a way to streamline the vacant house estimation process by developing a comprehensive data-based vacant house estimation model.