• 토지주택연구
• /
• 제7권2호
• /
• pp.67-75
• /
• 2016

본 연구에서는 임대주택에 대한 수요가 많은 서울을 중심으로, 최저소득계층을 대상으로 하는 매입임대주택의 공급 현황과 문제점을 구체적으로 파악함으로써 이에 대한 개선 방안을 제시하고자 한다. 주거비 부담 문제의 심화로 매입임대주택의 공급 확대가 필요함에도 불구하고, LH공사와 SH공사에 의해 서울에 공급되는 신규 매입임대주택 호수는 2009년 이후 감소 추세를 보이고 있다. 매입임대주택은 지역 거주민을 입주 대상으로 하기 때문에, 지역별 공급 규모가 주거복지 수혜의 형평성 문제를 야기하게 되는데, 전반적으로 저소득층이 많이 거주하는 도심에 공급이 적고, 서울 외곽의 특정구에 공급이 편중되어 있다. 이와 같은 신규 공급 정체와 지역 편중 문제의 원인은 정부의 낮은 지원 기준단가로 인해 재원 구조가 취약하기 때문이다. 따라서 실거래가 기준으로 정부 기준단가를 인상하고, 실거래가 변동률과 정부 기준단가를 연계하는 것이 필요하다. 수요에 기반한 공급물량 배분을 위한 종합계획이 수립되어야 하며, 매입임대주택을 비롯한 저렴임대주택 공급이 많은 지역들에서는 차상위계층 및 저소득 청년으로 입주 대상이 확대되어야 한다.

• 한국주거학회논문집
• /
• 제25권6호
• /
• pp.39-47
• /
• 2014

The background of this study is to examine the structure of housing price of which characteristics are not equal but hierarchical in the apartment complexes. So, the purpose of this study is to analyze the influences of apartment complex characteristics on the housing price within the same regional boundary by HLM. The data used as dependent variables were the market prices of 938 units from 29 apartment complexes by stratified sampling. The 2nd level independent variables is the Housing complex characteristics which are composed of the housing complex & locational variables and the 1st level independent variables are the unit characteristics. The results are as follows. First, the first model shows that the 2nd level variables explains 68% of the housing prices. Second, the influential variables of the 1st level unit variable are 'dwelling exclusive area', 'floor of dwelling' and 'direction of dwelling'. Third, the influential variables of the housing complex variables in the 2nd level are 'lot area', 'the building-to-land ratio', 'the number of unit', 'the number of parking lots per unit', 'Green space area' and 'open space area per unit'. The last, the influential variables of the housing locational variables in the 2nd level are 'distance to subway and park' and the number of school and park within a radius of 1km.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2016년도 춘계학술대회
• /
• pp.217-218
• /
• 2016

국내 물류창고는 기업에 있어 재고관리 및 상품배송을 위한 전략적인 요충지로써 발전해 왔다. 물류창고는 역할에 따라 보관형 물류창고와 택배와 같은 통과형 물류창고, 이를 복합한 물류창고가 존재한다. 현재 국내 물류창고의 입지를 고려할 때 임대료 또는 지가와 같은 가격적인 요소와 물류적 기능을 동시에 고려하고 있다. 가격적인 요소의 경우 평가요소가 명확하나 물류적 기능에 대한 구체적인 평가요소는 현재 없는 실정이다. 본 연구에서는 국내의 보관형 물류창고 입지선택에 있어 물류적 기능을 고려한 입지요소들의 우선순위를 전문가 설문조사를 통해 추출하려 한다.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.63-70
• /
• 2014

본 연구는 국토교통부에서 제공하는 아파트 실거래가자료를 이용하여 2006~2010년까지 5년간의 서울시 아파트실거래가 변화패턴을 시공간적으로 분석하는데 그 목적이 있다. 이를 위해 아파트별 평균 실거래가, 동별 평균 아파트 실거래가 자료를 위치정보자료와 연결하여 GIS데이터로 구축하였다. 분석방법으로는 먼저 공간보간기법 중 크리깅(kriging)을 이용하여 개별 아파트의 시기별/면적별 실거래가의 변화패턴을 분석하였다. 둘째 행정구역(행정동)별 아파트실거래가의 변화패턴을 분석하기 위해 단위 면적별 실거래가의 평균을 계산하여 Moran I 값으로 변환한 후 거래가격의 공간상의 군집도를 분석하였다. 이를 통해 시공간상의 분포패턴을 파악하고, 변화유형까지 유추할 수 있어 주택 및 지역정책에 기초자료로 활용할 수 있다. 시계열 자료를 바탕으로 종적인 변화패턴과 GIS를 이용한 횡적 변화패턴을 분석하기 때문에 아파트가격의 지역 불균형을 한눈에 살펴 볼 수 있다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권2호
• /
• pp.147-163
• /
• 2021

Purpose The study aims to predict real estate prices by utilizing regional characteristics. Since real estate has the characteristic of immobility, the characteristics of a region have a great influence on the price of real estate. In addition, real estate prices are closely related to economic development and are a major concern for policy makers and investors. Accurate house price forecasting is necessary to prepare for the impact of house price fluctuations. To improve the performance of our predictive models, we applied LSTM, a widely used deep learning technique for predicting time series data. Design/methodology/approach This study used time series data on real estate prices provided by the Ministry of Land, Infrastructure and Transport. For time series data preprocessing, HP filters were applied to decompose trends and SOM was used to cluster regions with similar price directions. To build a real estate price prediction model, SVR and LSTM were applied, and the prices of regions classified into similar clusters by SOM were used as input variables. Findings The clustering results showed that the region of the same cluster was geographically close, and it was possible to confirm the characteristics of being classified as the same cluster even if there was a price level and a similar industry group. As a result of predicting real estate prices in 1, 2, and 3 months, LSTM showed better predictive performance than SVR, and LSTM showed better predictive performance in long-term forecasting 3 months later than in 1-month short-term forecasting.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.274-283
• /
• 2022

Korea is facing a number difficulties arising from rising housing prices. As 'housing' takes the lion's share in personal assets, many difficulties are expected to arise from fluctuating housing prices. The purpose of this study is creating housing price prediction model to prevent such risks and induce reasonable real estate purchases. This study made many attempts for understanding real estate instability and creating appropriate housing price prediction model. This study predicted and validated housing prices by using the LSTM technique - a type of Artificial Intelligence deep learning technology. LSTM is a network in which cell state and hidden state are recursively calculated in a structure which added cell state, which is conveyor belt role, to the existing RNN's hidden state. The real sale prices of apartments in autonomous districts ranging from January 2006 to December 2019 were collected through the Ministry of Land, Infrastructure, and Transport's real sale price open system and basic apartment and commercial district information were collected through the Public Data Portal and the Seoul Metropolitan City Data. The collected real sale price data were scaled based on monthly average sale price and a total of 168 data were organized by preprocessing respective data based on address. In order to predict prices, the LSTM implementation process was conducted by setting training period as 29 months (April 2015 to August 2017), validation period as 13 months (September 2017 to September 2018), and test period as 13 months (December 2018 to December 2019) according to time series data set. As a result of this study for predicting 'prices', there have been the following results. Firstly, this study obtained 76 percent of prediction similarity. We tried to design a prediction model of real estate transaction price with the LSTM Model based on AI and Bigdata. The final prediction model was created by collecting time series data, which identified the fact that 76 percent model can be made. This validated that predicting rate of return through the LSTM method can gain reliability.

• 농촌계획
• /
• 제30권2호
• /
• pp.1-11
• /
• 2024

Farmland transaction prices are affected by various factors such as politics, society, and the economy. The purpose of this study is to identify multiple factors that affect the farmland transaction price due to changes in the actual transaction price of farmland by farmland unit from 2016 to 2020. There are several previous studies analyzed the determinants of farmland transaction prices by considering spatial dependency. However, in the case of land transactions where the time and space of the transaction affect simultaneously, if only spatial dependence is considered, there is a limitation in that it cannot reflect spatial dependence that occurs over time. In order to solve these limitations, To address these limitations, this study builds a spatio-temporal autoregressive model that simultaneously considers spatial and temporal dependencies using farmland transactions in Jinju City as an example. As a result of the analysis, it was confirmed that there was significant spatio-temporal dependence in farmland transactions within the previous 30 days. This means that if the previous farmland transaction was carried out at a high price, it has a spatio-temporal spillover effect that indirectly affects the increase in the price of other nearby farmland transactions. The study also found that various location attributes and socioeconomic attributes have a significant impact on farmland transaction prices. The spatio-temporal autoregressive model of farmland prices constructed in this study can be used to improve the prediction accuracy of farmland prices in the farmland transaction market in the future, and it is expected to be useful in drawing policy implications for stabilizing farmland prices

• 대한지리학회지
• /
• 제40권3호
• /
• pp.296-309
• /
• 2005

본 연구는 공주지역의 지표변화를 분석하기 위해 우도비 기반의 베이지안 예측모델을 이용하여 지리공간 정보와 지표변화와의 연관성 및 미래의 지표변화를 탐지하였다. 지표변화 지역은 위성사진을 토지피복분류 한 후 선분류 후비교법을 이용하여 변화지역을 추출하였다. 지표변화와 관련이 있는 지리공간 정보는 GIS 환경에서 구축하였으며, 우도비를 이용하여 지표변화 예측도를 작성하였다. 분석결과, 도시지역 및 농업지역 지표변화에 가장 큰 영향을 미치는 주제도는 고도, 하계망, 인구밀도, 도로, 인구이동, 총사업체수, 지가 등이다. 또한 산림지역 지표변화에 영향을 미치는 주제도는 고도, 경사도, 인구밀도, 인구이동, 지가 등이다. 지표변화 분석결과, 도시지역은 금강을 중심으로 구도심과 신도심지역의 도시 확산이 이루어지고, 인터체인지 및 국도를 따라 시가화 지역이 확산 될 것으로 예측되었다. 농업지역은 금강의 소지류 및 인접지역과 연결되는 국도주변 지역이 변화가 일어날 확률이 높다. 산림지역은 대부분 남동쪽에 위치하고 있는데, 그 원인은 밤나무 재배단지가 본 지역에 넓게 나타나면서 산림훼손이 일어날 확률이 높은 것으로 예측되었다. 예측비율 곡선을 이용하여 검증한 결과, 지표변화가 일어날 확률이 가장 높은 상위 $10\%$지역에서 도시지역은 $80\%$, 농업지역은 $55\%$, 산림지역은 $40\%$정도의 예측능력을 보였다. 따라서, 본 통합 모델은 산림지역 예측에는 부적합한 것으로 볼 수 있어서, 향후 새로운 주제도 선정 및 예측모델 등이 필요하다. 결론적으로 본 방법은 향후 토지피복 변화 연구를 위한 효과적인 방법 중의 하나로 적용될 수 있을 것으로 기대된다.

• 부동산연구
• /
• 제27권3호
• /
• pp.51-70
• /
• 2017

이 연구는 가로망 폭을 반영하여 가로망 중심성을 측정하고 그 효과를 토지가격을 통해 규명한다. 그동안 도시공간구조를 분석한 도시경제와 정책에 대한 연구는 단핵도시구조에서 다핵도시구조로 발전하여 왔다. 그러나 이러한 시각은 여전히 도시현상을 설명하는 데 한계가 있으므로 미시공간수준의 가로망 분석이 새로운 연구영역으로 자리잡고 있다. 특히, 최근에 가로망 중심성을 다양한 방법으로 측정하고 도시현상에 대한 효과를 경험적으로 분석하는 연구가 많아지고 있다. 이 연구는 기존의 시각을 확장하기 위해 가로망 폭을 반영한 중심성을 측정한 후 주거용과 비주거용 토지가격에 대한 효과를 분석하였다. 이 연구의 다층회귀분석모형 결과는 대체로 주거용 토지의 경우 폭이 넓은 가로망에 도달하는 경유 빈도가 많고 이러한 가로망에 가까이 있으면 가격이 높은 것으로 나타났다. 비주거용 토지는 넓은 가로망에 도달하는 경유 빈도가 높고 가시성이 높은 가로망에 가까이 있으면 가격 수준이 높았다. 이러한 연구 결과는 가로망 폭을 고려한 보다 현실적인 가로망 중심성이 토지 시장에 미치는 효과를 경험적으로 검증한 것이다. 이를 통해 가로망 중심성이 향후 토지가격에 미치는 영향을 규명하고 장기적으로 토지시장의 변화를 예측할 수 있는 기초 자료가 될 것이다.

• 한국경제지리학회지
• /
• 제15권2호
• /
• pp.192-205
• /
• 2012

본 연구는 기후변수가 논과 밭이라는 경작유형별로 경지면적과 토지가치에 미친 경제적 효과를 강원도의 농업을 사례로 추정하였다. 기후, 지리 및 토양, 사회 경제적 변수들에 대한 패널자료를 1992-2010년 동안 강원도 11개 시군에 대해 구축하고 리카디언 방법을 사용하였다. 분석결과에 따르면, 기온변수가 논과 밭의 토지가치와 경작면적에 부정적인 영향을 미치고 있다는 것이 밝혀졌다. 이는 지구온난화에서 강수량변수보다는 기온변수가 더욱더 중요하다는 기존의 연구결과를 뒷받침하고 있다. 다른 한편으로, 경작지의 토지가치와 경작면적의 결정요인은 논과 밭의 경작유형에 따라 상이한 것으로 나타났다.