• 스마트미디어저널
• /
• 제11권3호
• /
• pp.62-73
• /
• 2022

국내 아파트 매매가 예측에 관한 연구는 현재까지 지속적으로 수행되어 왔지만, 아파트 가격은 다양한 특성이 복합적으로 작용하기 때문에 예측하는데 어려움을 겪고 있다. 아파트 매매가를 예측하는데 앞서 정확도를 높이기 위해서는 주요 변수 선정 및 영향요인 분석이 무엇보다 중요하다. 이에 본 연구는 현재 꾸준한 상승률을 보이는 광주광역시를 대상으로 아파트 매매가에 영향을 주는 요인을 분석해보고자 한다. 이를 위해 6년간의 광주광역시 아파트 실거래가와 각종 사회적 요인 데이터를 토대로, 다중회귀분석, 랜덤 포레스트, 심층인공신경망 알고리즘을 적용하여 각 모델에서 주요 영향요인을 파악하였으며, 모델의 성능은 평균 제곱근 오차, 평균 절대 오차 그리고 결정계수를 통해 비교 분석하였다. 본 연구에서는 딥러닝의 일종인 심층인공신경망의 성능이 가장 우수함을 보였고, 매매가에 영향을 미치는 주요 요인으로 건축경과연수, 계약연도, 적용면적, 양도성예금증서, 주택담보대출금리, 선행지수, 생산자물가지수, 동행지수 등이 도출되었다.

• 한국주거학회논문집
• /
• 제15권4호
• /
• pp.45-54
• /
• 2004

This study systematized synthetically to use internet GIS and real estate appraisal method in computing system for the real estate decision. First, indicated the method of using GIS and databases to appraise the real estate by using the cost approach. Second, used the artificial neural network to predict the change of land prices and the artificial neural network convinced us that it indicates easily the result of land prices without complicated processes. Third, examined land prices using the artificial neural network but there is limits for the land price prediction because of difficult data gathering. also, this study may heighten information levels of the real estate field according to 21th century information level if use actively a internet, information users who should pay much moneys in existent real estate decisions may can approach easily.

• 디지털산업정보학회논문지
• /
• 제19권1호
• /
• pp.109-118
• /
• 2023

Data-based analysis methods have become used more for estimating or predicting housing prices, and neural network models and decision trees in the field of big data are also widely used more and more. Neural network models are often evaluated to be superior to existing statistical models in terms of estimation or prediction accuracy. However, there is ambiguity in determining the input feature of the input layer of the neural network model, that is, the type and number of input features, and decision trees are sometimes used to overcome these disadvantages. In this paper, we evaluate the existing methods of using decision trees and propose the method of using decision trees to prioritize input feature selection in neural network models. This can be a complementary or combined analysis method of the neural network model and decision tree, and the validity was confirmed by applying the proposed method to house price estimation. Through several comparisons, it has been summarized that the selection of appropriate input characteristics according to priority can increase the estimation power of the model.

• 한국건설관리학회논문집
• /
• 제25권4호
• /
• pp.45-52
• /
• 2024

공동주택 개발 사업의 분양가 예측은 입지, 환경 및 경제 상황과 같은 여러 복잡한 변수들의 작용으로 어려운 영역에 속한다. 대부분의 선행연구에서 분양가 산정 영향요인에 대해 전문가 조사를 통하여 분석하는 것이 대부분이지만, 실제 판매 가격과 비교하는 연구는 매우 부족한 실정이다. 이에 본 연구에서는 공동주택 개발사업의 분양가 산정에 영향을 미치는 요인을 도출하고 실거래가와 비교하여 도출한 요인들과의 상관관계를 분석하여 연관성을 확인 한 후 분양가 산정 시 고려 사랑으로 적합한지 확인하는 것을 목적으로 한다. 이를 위해 첫째, 이론적 고찰을 통해 선행연구를 분석하여 앞선 연구에서 고려한 요인들을 파악하였다. 둘째, 선행연구에서 공통으로 제시하는 요인(경제, 입지, 주택, 금융환경요인)들과 추가로 세부 요인(실거래가 상승률, 편의시설 개소, 대출금리 등)을 선정하였다. 셋째, 실거래가 및 선정한 요인들에 대한 데이터 수집을 진행하였다. 마지막으로 실거래가와 요인들을 비교 분석하고 상관분석을 시행한 후 요인을 도출하였다. 분석 결과 모든 요인들에서 결정계수가 0.5 이상으로 확인되었다. 그러므로 본 연구에서 선정한 요인들은 분양가 산정 시 고려해야 하는 유의미한 요인들로 분석된다. 본 연구의 결과는 새로운 분양가 산정모델 연구 개발의 기초자료로서 활용할 것이라 기대된다.

• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.47-53
• /
• 2021

4차 산업에 대한 관심이 증폭되면서 데이터를 활용한 과학적 방법론이 발전하고 있지만 부동산 분야에 대한 연구는 데이터 수집의 한계점을 내포하고 있다. 더불어 일반 시장 참여자들의 지식이 확장되면서 정성적인 심리가 부동산 시장에 미치는 영향이 커지고 있다. 때문에 본 연구에서는 기존의 원천 데이터가 아닌 심리적 부분을 반영한 정량 데이터를 텍스트마이닝과 k-meas 알고리즘을 통해 수집하는 방안을 제안하고 수집된 데이터를 바탕으로 인공신경망 학습을 통해 주택 지수의 방향성을 예측하고자 한다. 2012년부터 2019년까지의 데이터를 학습 기간으로 하고 2020년도를 예측 기간으로 설정하여 실험을 진행한 결과, 두 가지 CASE에서 예측 능력이 약 80% 이상으로 우수하였고 주택지수의 상승 구간에서의 예측 강도 또한 우수한 결과를 보였다. 본 연구를 통해서 의사결정에 있어서 부동산 시장 참여자들에게 인공신경망과 같은 과학적 방식의 활용도 증가 및 고전적 방식에서 벗어난 원천 데이터의 대체 데이터 확보 등에 대한 노력이 증진되기를 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.27-29
• /
• 2023

불안정한 부동산 가격은 지속적인 사회 문제로 거론되고 있는데 이는 부동산 매매 가격을 예측할 수 있는 정확한 지표가 체계적이고 구체적으로 확립되지 않았기 때문이다. 본 논문은 가격변동에 주요하게 영향을 미치는 특성을 파악하여 가격 예측 지표로 활용하기 위해 머신러닝 모델을 적용하여 특성 분석을 수행한다. 이를 위해 한국부동산원에서 제공하는 2021년 10월부터 2022년 9월까지 1년간의 역 주변 500M 이내 거래 데이터 약 30만 6천 개를 어떠한 과정으로 전처리하여 머신러닝 모델에 적용하였는지 기술한다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.228-234
• /
• 2021

부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE1, 미시적 요인은 CASE2 그리고 두 요인을 조합해서 요인을 구성한 CASE3 으로 나눠서 실험한다. 그 결과 CASE1 과 CASE2 는 약 2년 동안 87.5%의 예측을 보이고 CASE3은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.

• 대한건축학회논문집:계획계
• /
• 제34권3호
• /
• pp.45-52
• /
• 2018

Currently, apartments have become an important research subject for the overall area of politics, economics, and culture as well as urban architectural study. However, there are few analyses of the research trends related to the current interest in the apartment research and prediction of the future changes of an apartment in politics and industry. In this study, the research information related to the apartment has classified, and the changes in the research trends have analyzed. Based on the classified data, the first thesis and dissertation related to the apartment and changes of academic notation have discovered. In addition, future interests and future research directions through Frequency of Appearance, Degree Centrality Analysis, and Betweenness Centrality Analysis of author keywords were predicted. As a result of the analysis, 'Space,' 'Residential Mobility' and 'Apartment Complex' studies were found to be important research topics throughout the entire period. 'Han Gang Apartment,' 'Small Size Apartment,' 'Civic Apartments,' 'Jamsil,' and 'Child' were newly interested topics until 70's era. '(Super) High-rise Apartment,' 'Perception,' 'Jugong Apartment,' 'Housing Environment,' 'Housewife,' 'Apartment Layout,' and 'Busan' were newly interested topics during the 80's and 90's era. 'Apartment Price,' 'Energy,' 'Remodeling,' 'Noise,' 'Resident Satisfaction,' 'Community,' and 'Apartment Lotting-out' were newly interested topics after the year 2000. New concerns for last decade are found to be 'Super High-rise Apartment', 'Remodeling', 'Indoor'(2007), 'Apartment Reconstruction Project', 'Brand', 'AHP', 'Housing Environment'(2008), 'Ventilation'(2009), 'Apartment Lotting-out'(2010), 'Economic Assessment'(2011), 'Cost'(2012), 'Green Building', 'Apartment Sales', 'Law', 'Society'(2013), 'Floor Impact Noise', 'Seoul'(2014), 'Noise'(2015), 'Hedonic Model'(2016). In addition, following research topics are expected to be active in the future: In maturity stage of the research development is going to be 'Apartment Price', 'Space', 'Management of Apartment Housing'; the hedonic model, which is research growth and development stage, is going to be '(Floor Impact) Noise', 'Community', 'Energy.

• 한국IT서비스학회지
• /
• 제21권3호
• /
• pp.63-72
• /
• 2022

The extinction crisis of local cities, caused by a population density increase phenomenon in capital regions, directly causes the increase of vacant houses in local cities. According to population and housing census, Gunsan-si has continuously shown increasing trend of vacant houses during 2015 to 2019. In particular, since Gunsan-si is the city which suffers from doughnut effect and industrial decline, problems regrading to vacant house seems to exacerbate. This study aims to provide a foundation of a system which can predict and deal with the building that has high risk of becoming vacant house through implementing a data driven vacant house prediction machine learning model. Methodologically, this study analyzes three types of machine learning model by differing the data components. First model is trained based on building register, individual declared land value, house price and socioeconomic data and second model is trained with the same data as first model but with additional POI(Point of Interest) data. Finally, third model is trained with same data as the second model but with excluding water usage and electricity usage data. As a result, second model shows the best performance based on F1-score. Random Forest, Gradient Boosting Machine, XGBoost and LightGBM which are tree ensemble series, show the best performance as a whole. Additionally, the complexity of the model can be reduced through eliminating independent variables that have correlation coefficient between the variables and vacant house status lower than the 0.1 based on absolute value. Finally, this study suggests XGBoost and LightGBM based machine learning model, which can handle missing values, as final vacant house prediction model.

• 한국지리정보학회지
• /
• 제22권4호
• /
• pp.72-85
• /
• 2019

본 연구는 일상생활 가운데 누구나 겪을 수 있는 성폭력 범죄 위험의 예측을 목적으로 한다. 2011-2015년 5년 간 청주시 일부 지역에서 발생한 성폭력 범죄를 대상으로 베이지안 통계 기반의 Weight of Evidence를 적용·분석하였다. Weight of Evidence를 활용하여 분석한 결과 첫째, 투입된 관련요인(Evidence) 총 26개 중 주거용도면적, 건축물 사용승인일, 개별주택가격, 용적률, 지하층 수, 대지면적, 보안등, 오락시설 8개만이 신뢰도를 만족하여 각각의 가중치(Weight)가 산출되었다. 둘째, 가중치가 산출된 8개의 관련요인을 결합하여 최종적으로 예측 지도를 도출하였다. 성폭력 범죄가 발생할 위험이 75.5%인 지역은 대상지역 전체면적의 20.7%(2.0㎢)를 차지하였으며 16.5% 지역은 3.3%(0.3㎢), 34.5% 지역은 19.0%(1.8㎢)로 나타났다. 본 연구는 성폭력 범죄 위험의 발생 확률과 이를 감소시킬 수 있는 환경적 요인 또는 조건을 도출하였다. 이와 같은 결과는 경찰의 범죄예방 활동 등 성폭력 범죄 피해 최소화를 위한 선제적 대응방안 마련의 기초자료로서 활용될 수 있을 것이다.