DOI QR코드

DOI QR Code

도시환경변수를 이용한 격자 인구추정에 있어서의 유전적 알고리즘기법 활용 연구

An Application of the Genetic Algorithm on Population Estimation Using Urban Environmental Factors

  • 최내영 (홍익대학교 건설도시공학부)
  • 투고 : 2010.07.20
  • 심사 : 2010.09.05
  • 발행 : 2010.09.30

초록

본 논문에서 활용한 유전적 알고리즘(GA)은 격자형 인구분포자료를 기반으로 인구추정 모형을 구축하는 데 적용되고 있는 일종의 인구표면모형 중 하나이다. 본 연구는 신도시 개발 등이 활발히 진행되고 있는 화성시 동부권을 대상지로 하여 격자형 인구분포자료를 구축하고 도시환경변수를 이용해 GA 인구설명 모형을 추정하였다. 분석결과 기반시설, 지역공공서비스시설 등은 이미 동부권내에 공간적으로 균등 분포하는 관계로 설명력이 없는 것으로 나타난 반면 표고, 경사 등의 자연환경변수와 개발촉진 및 규제 관련 용도지역지구 등의 변수에 대해서는 매우 설득력 있는 계수 값들이 도출되었다. 결과적으로 본 연구에서 활용한 GA모형은 적자생존의 유전학적 원리를 기반으로한 매우 직관적이고 학제적인 적정해 탐색 기법 중 하나임을 확인할 수 있었다.

The Genetic Algorithm has been frequently applied by many researchers as one of the population surface modelling tool in estimating the regional population based on the gridded spatial system. Taking the East-Hwasung area as the case, this study first builds a gridded population data based on the KLIS and eAIS databases as well as municipal population survey data, and then constructs the attribute values of the explanatory variables by way of GIS tools. The GA model is run to maximize its fitness function measuring the correlation coefficient between the observed and predicted values of the 70 population cells. It is shown that the GA output predicted reasonably consistent and meaningful coefficient estimates for the explanatory variables of the model.

키워드

참고문헌

  1. 국토해양부. 2008a. 기반시설부담구역제도 시행 및 운영활성화를 위한 연구.
  2. 국토해양부. 2008b. 기반시설부담구역제도 운영편람.
  3. 김형복, 전병은, 최내영. 2007. 기반시설부담금에 관한 법률 및 그 운영에 대한 특강자료. 대한국토.도시계획학회 국토도시아카데미.
  4. 최내영. 2009. 인구증가 분석격자의 공간정보를 이용한 기반시설 부담구역 설정방안. 한국지리정보학회지 12(4): 74-83.
  5. 화성시. 2004. 화성시 기반시설부담구역 지정 및 부담계획 기준수립 연구.
  6. Anselin, L., N. Lozano and J. Koschinsky. 2006. Rate transformations and smoothing. A discussion paper of the Spatial Analysis Laboratory, University of Illinois at Urbana-Champaign.
  7. Balakrishnan, P.V. and V.S. Jacob. 1996. Genetic algorithms for product design, Management Science 42(8):1105-1117. https://doi.org/10.1287/mnsc.42.8.1105
  8. Holland, H.H. 1975. Adaptation in Natural and Artificial Systems. The University of Michigan Press: Ann Arbor.
  9. Koza, J.R. 1990. Genetic Programming: A Paradigm for Genetically Breeding Populations of Computer Programs to Solve Problems, Stanford University Report, Report No. STAN-CS-90-1394.
  10. Li, X. and A.G. Yeh. 2005. Integration of genetic algorithms and GIS for optimal location search. International Journal of Geographical Information Science 19(5) :581-601. https://doi.org/10.1080/13658810500032388
  11. Manson, S.M. 2005. Agent-based modeling and genetic programming for modeling land change in the Southern Yucatan Peninsular Region of Mexico. Agriculture, Ecosystems and Environment 111:47- 62. https://doi.org/10.1016/j.agee.2005.04.024
  12. Muttil, N and J. Lee. 2005. Genetic programming for analysis and real-time prediction of coastal algal blooms. Ecological Modelling 189:363-376. https://doi.org/10.1016/j.ecolmodel.2005.03.018
  13. Yue, T.X., Y.A. Wang, S.P. Chen, J.Y. Liu, D.S. Qiu, X.Z. Deng, M.L. Liu and Y.Z. Tian. 2003. Numerical simulation of population distribution in China. Population and Environment 25(2):141- 163.
  14. Yue, T.X., Z.P. Du and Y.J. Song. 2008. Spatial models and geographic information systems. Encyclopedia of Ecology, 3315-3325. https://doi.org/10.1016/B978-008045405-4.00233-0