최근 대두되는 대중교통지향형 도시개발을 위해서는 대중교통 결절점 주변의 공간구조에 대하여 국지적 차원의 해석이 선행되어야 한다. 이에 본 연구에서는 개별 필지 단위에 지리가중회귀모델을 적용하여 역세권 주변의 공간구조를 분석하였다. 분석 결과 역세권마다 다른 특징을 가지고 있으며, 같은 역세권 안에서도 공간적 이질성이 존재하고 있었다. 또한, AIC값을 이용하여 모델을 비교한 결과 지리가중회귀모델이 일반회귀모델보다 적합한 모델로 판정되었으며 모델의 설명력도 향상되었다. 지리가중회귀모델을 통하여 분석된 결과는 GIS 환경에서 지도화함으로써 국지적 차원의 공간구조 해석이 가능하였다. 역세권마다 모델분석을 통하여 도출된 개별적 공간구조 특성을 고려하여 대중교통 중심개발이 이루어진다면 정책 운용시 보다 효율적일 것으로 판단된다.
최근 대두되는 대중교통지향형 도시개발을 위해서는 대중교통 결절점 주변의 공간구조에 대하여 국지적 차원의 해석이 선행되어야 한다. 이에 본 연구에서는 개별 필지 단위에 지리가중회귀모델을 적용하여 역세권 주변의 공간구조를 분석하였다. 분석 결과 역세권마다 다른 특징을 가지고 있으며, 같은 역세권 안에서도 공간적 이질성이 존재하고 있었다. 또한, AIC값을 이용하여 모델을 비교한 결과 지리가중회귀모델이 일반회귀모델보다 적합한 모델로 판정되었으며 모델의 설명력도 향상되었다. 지리가중회귀모델을 통하여 분석된 결과는 GIS 환경에서 지도화함으로써 국지적 차원의 공간구조 해석이 가능하였다. 역세권마다 모델분석을 통하여 도출된 개별적 공간구조 특성을 고려하여 대중교통 중심개발이 이루어진다면 정책 운용시 보다 효율적일 것으로 판단된다.
For the sake of the Transit-Oriented Development that has been prominent recently, an analysis of the spatial structures of transit centers, above all, should be carried out at a local level. This study, thus, analyzes the spatial structures of subway influence areas by applying a Geographically Wei...
For the sake of the Transit-Oriented Development that has been prominent recently, an analysis of the spatial structures of transit centers, above all, should be carried out at a local level. This study, thus, analyzes the spatial structures of subway influence areas by applying a Geographically Weighted Regression (GWR) model to individual parcels. As a result of the validity analysis of the model, it has turned out that the subway influence areas have different characteristics respectively, and there is spatial heterogeneity even in the same single area. Also, the result of the comparison among models has proved that the GWR model is more adequate than the Ordinary Least Square (OLS) model and $R^2$ has been also increased in the GWR model. Then, the results have been mapped by means of the GIS, which have made it possible to understand the spatial structures at a local level. If the Transit-Oriented Development is fulfilled in consideration of the spatial structural characteristics of the subway influence areas drawn respectively from the model analysis, it will be helpful in adopting effective policies.
For the sake of the Transit-Oriented Development that has been prominent recently, an analysis of the spatial structures of transit centers, above all, should be carried out at a local level. This study, thus, analyzes the spatial structures of subway influence areas by applying a Geographically Weighted Regression (GWR) model to individual parcels. As a result of the validity analysis of the model, it has turned out that the subway influence areas have different characteristics respectively, and there is spatial heterogeneity even in the same single area. Also, the result of the comparison among models has proved that the GWR model is more adequate than the Ordinary Least Square (OLS) model and $R^2$ has been also increased in the GWR model. Then, the results have been mapped by means of the GIS, which have made it possible to understand the spatial structures at a local level. If the Transit-Oriented Development is fulfilled in consideration of the spatial structural characteristics of the subway influence areas drawn respectively from the model analysis, it will be helpful in adopting effective policies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
역세권 주변 도시공간구조의 특성파악과 같이 공간정보가 요인이 되어 영향력을 분석하는 과정에서는 분석에 사용되는 공간적 변인 간의 연관성과 상호작용으로 분석결과의 신뢰성에 문제가 있을 수 있다. 따라서 본 연구에서는 기존의 문제를 해결하기 위해 국지적 모수추정방법인 지리가중회귀모델(Geographically Weighted Regression: GWR)을 이용하여 역세권 내의 공간구조를 분석하고자 한다.
이 과정에서 모델 적용 시 고려되어야 할 사항을 검토하고, 모델 적용의 타당성을 검증하고자 한다. 모델의 분석결과는 GIS 환경에 연계함으로써 국지적 차원의 역세권 공간구조 특성을 도출하고자 한다.
본 연구의 목적은 대중교통 지향형 도시개발을 위하여 지하철 역세권 주변공간의 공간구조 특성을 분석하는 것이다. TOD는 Calthope(1993)의 저서 『The Next American Metropolis』에서 처음 정립한 용어로 대중교통 역을 중심으로 자동차에 대한 의존도를 줄이며 대중교통이용률을 높임으로써 교통 혼잡과 도시에너지 소비를 경감시키는 기법으로 정의되고 있다.
이에 본 연구에서는 지하철 역세권 주변공간을 대상으로 접근성과 공간적 연관성이 모든 지역에 동일하게 적용되지 않는 공간적 변이를 효율적으로 해결할 수 있는 지리가중회귀모델을 개별 필지 단위로 분석함으로써 역세권 주변의 공간구조를 해석하고 한다. 이 과정에서 모델 적용 시 고려되어야 할 사항을 검토하고, 모델 적용의 타당성을 검증하고자 한다. 모델의 분석결과는 GIS 환경에 연계함으로써 국지적 차원의 역세권 공간구조 특성을 도출하고자 한다.
이 연구는 대중교통 결절점인 역세권 TOD 계획의 선행요건으로 지하철 역세권 주변의 공간구조 특성을 분석하였다. 역세권 공간구조는 공간적 연관성이 모든 지역에서 동일하게 적용되지는 않기 때문에 변수의 독립성과 오차의 등분산성을 기본 전제로 하는 일반 회귀분석의 적용은 적합하지 않았다.
성현곤 등(2006)은 고밀도시에서 근린지구단위의 토지이용과 교통과의 연관성을 분석하여 토지이용 변화에 따른 통행패턴의 변화를 분석하였다. 이런 분석을 통해 역세권 위주의 토지이용에 대한 차별적 전략을 도출하는 한편 역세권의 유형을 주거중심 역세권과 고용 중심 역세권으로 분류하여 각 특성에 맞는 도시개발전략을 수립할 필요성을 제기하였다. 이창무 등(2007)은 수도권의 공간적 확장은 토지가격이 낮은 곳부터 개발밀도가 높아지는 특성이 있는데, 수도권의 고용 중심성이 유지되는 상황에서 주변 택지개발은 수도권 전체의 주택가격을 상승시키는 효과를 야기한다고 하였다.
이에 본 연구에서는 지하철 역세권 주변공간을 대상으로 접근성과 공간적 연관성이 모든 지역에 동일하게 적용되지 않는 공간적 변이를 효율적으로 해결할 수 있는 지리가중회귀모델을 개별 필지 단위로 분석함으로써 역세권 주변의 공간구조를 해석하고 한다. 이 과정에서 모델 적용 시 고려되어야 할 사항을 검토하고, 모델 적용의 타당성을 검증하고자 한다.
제안 방법
즉, 도시현상을 최종적으로 반영하는 지표인 동시에 도시구조에 큰 영향을 미치는 단일한 지표로서 공간구조를 파악하려고 할 때 지가에 대한 접근이 가장 적절하다(김원경과 이미영, 2002). 독립변수는 필지 내 건물의 평균층수, 건물의 용적률, 필지 별 토지이용, 지하철역과의 거리, 버스정류장과의 거리, 도로(폭 15m 이상)와의 거리, 철도와의 거리를 사용하였다.
하지만 분석대상인 역세권은 최소 행정단위보다 작으므로 동 단위의 정보는 역세권 내의 지역적 특성을 반영하지 못한다. 따라서 본 연구에서는 집계단위를 개별 필지로 설정하였다.
서경천(2003)은 부산광역시 서부산권을 대상으로 토지가격에 내재한 공간적 변동성을 분석하면서, 종속변수인 지가와 독립변수인 토지의 여러 가지 특성변수들의 관계가 공간상에서 항상 고정적이라고 가정하는 포괄적 모수 추정치의 가정 대신 공간적 특이성을 감안하여 종속변수와 독립변수들의 관계가 공간상에서 고정적이지 않고 모수의 변동을 허용하기 위해 GWR 모델을 이용하였다. 본 연구에서도 이런 공간계량모델의 특징인 공간적 특이성을 감안하여 GWR 모델을 분석에 사용하였다.
GWR 모델의 분석 결과를 토대로 역세권 주변공간구조의 특성을 분석하는 과정에서 local R 2는 역세권별 설명력을 나타내며, 각 변수별 계수는 종속변수에 영향을 미치는 정도를 의미한다. 분석결과는 개별 필지 단위인 국지적 수준으로 전체지역에 대하여 동일하게 적용할 수 없으므로, 설명변수의 평균계수를 이용하여 특성 위주로 해석하면서 분석결과를 지도화 하여 공간상 분포시킴으로써 공간적 특성을 참조하였다.
이와 함께 필지 단위별 데이터의 획득 여부를 종합적으로 고려하여 선정하였다. 분석을 위한 종속변수는 개별 필지별 지가를 이용하였다. 지가는 토지의 용도 및 이용방법에 따라 영향을 받으면서 다시 토지의 용도와 이용을 규제하는 순환관계에 있으며, 토지이용을 최종적으로 반영하고 있고 토지이용에 대해서 가장 큰 영향을 미치는 지표이다.
역세권 공간구조를 분석하기 위하여 본 연구에서 사용한 변수들은 앞서 논의한 선행연구의 TOD의 계획요소 중 현재 구축 가능한 토지이용의 복합화, 토지이용 밀도, 대중교통 시설 접근성 등의 요소를 참조하였다. 이와 함께 필지 단위별 데이터의 획득 여부를 종합적으로 고려하여 선정하였다.
즉, 국지적 선형 회귀계수를 추정하기 위해 이웃해 있는 값들의 거리조락에 따른 가중치를 산출하여 모형을 추정한다. 위의 GWR 모델 수식은 관련 성의 공간적 변이를 인식하고 이를 측정하는 방법을 제공하고 있으며 본 연구에서는 역세권 주변지역 개별 필지별 공간적 변이의 추정과 모델의 검증을 위하여 GWR 4.0과 ArcGIS 10.1 소프트웨어를 이용하였다.
역세권 공간구조는 공간적 연관성이 모든 지역에서 동일하게 적용되지는 않기 때문에 변수의 독립성과 오차의 등분산성을 기본 전제로 하는 일반 회귀분석의 적용은 적합하지 않았다. 이에 본 연구에서는 GWR 모델을 이용하여 공간구조를 분석하였으며, 분석결과에서도 역세권마다 국지적 결정계수가 다른 공간적 이질성이 존재하였다.
역세권 공간구조를 분석하기 위하여 본 연구에서 사용한 변수들은 앞서 논의한 선행연구의 TOD의 계획요소 중 현재 구축 가능한 토지이용의 복합화, 토지이용 밀도, 대중교통 시설 접근성 등의 요소를 참조하였다. 이와 함께 필지 단위별 데이터의 획득 여부를 종합적으로 고려하여 선정하였다. 분석을 위한 종속변수는 개별 필지별 지가를 이용하였다.
GWR 모델은 전역적 모수가 아닌 국지적 모수가 추정되도록 전통적인 회귀모델을 확장하였다. 즉, 다중선형회귀분석에 알려진 어떤 위치에 대한 좌표를 부여함으로써 모형을 지역적인 구조로 확장하였다.
대상 데이터
선행연구에서 제시하는 역세권은 역으로부터 거리에 따라 역연접권, 직접역세권(1차 역세권), 간접역세권(2차 역세권)등으로 구분하고 있다. 본 연구에서는 역으로부터 직접적으로 영향을 받는 1차 역세권을 대상으로 하였으며, 선행연구의 경향을 준용1)하여 지하철역을 중심으로 반경 500m를 역세권의 범위로 설정하였다.
본 연구에서는 지하철 역세권을 분석 대상으로 하였다. 역세권은 역을 일상적으로 이용하는 주변 거주자가 분포하는 범위로, 역세권의 범위는 접근성, 이용세력권, 공간적 특징 등에 따라 결정될 수 있지만, 일반적으로 역세권의 범위를 결정하는 기준은 거리에 의해 결정된다(유승환과 강준모, 2012).
0을 바탕으로 개별지공시지가, 건축물대장, 국가교통DB센터 교통지도를 이용하였으며, GIS 환경에서 접근성 분석 및 Network 분석을 통하여 데이터를 구축하였다. 분석대상의 역세권은 대상지역 내에 존재하는 9개 지하철역의 역세권 중에서 데이터의 획득 여부와 공간적 특성을 고려하여 선정하였으며, 가야역과 부암역을 제외한 7개 지하철역 역세권에 대하여 분석을 시행하였다.
분석을 실행하기 위한 공간구조 자료는 KLIS 및 수치지도 2.0을 바탕으로 개별지공시지가, 건축물대장, 국가교통DB센터 교통지도를 이용하였으며, GIS 환경에서 접근성 분석 및 Network 분석을 통하여 데이터를 구축하였다. 분석대상의 역세권은 대상지역 내에 존재하는 9개 지하철역의 역세권 중에서 데이터의 획득 여부와 공간적 특성을 고려하여 선정하였으며, 가야역과 부암역을 제외한 7개 지하철역 역세권에 대하여 분석을 시행하였다.
역세권 공간구조 분석을 위하여 본 연구는 부산광역시의 부산진구를 연구 대상지로 선정하였다. 부산광역시는 「2030 부산시도시기본계획」을 통하여 광복동과 서면을 도심으로 설정한 2도심 6부도심의 도시공간구조 체계를 설정하고 있다.
데이터처리
이와 같이 GWR 모델의 적용 결과는 필지별 국지적 수준으로 도출되므로, 대상지역의 7개 역세권에 대하여 분석한 추정결과와 설명변수의 값을 최소·최대·평균·표준편차로 나타냈으며, 이는 표 4와 같다.
이론/모형
공간적 자기상관을 측정하는 방법으로 Moran's I, Geary's C, Getis and Ord's G 등이 있으며, 본 연구에서는 전역적 Moran's I 방법을 사용하였다.
, 2008). 본 연구에서는 가우시안 함수를 이용하여 대역폭이 고정되어 있지 않은 적응적 커널(adaptive kernel)기법을 활용하였으며, bandwidth는 황금분할법(Golden section search)을 이용하여 최적의 값을 추적하여 각 역의 AICc값이 가장 낮게 나타나는 대역폭을 선정하였다.
허윤경과 이주영(2009)은 인구밀도, 고용밀도, 지가를 중심으로 울산 도시공간구조의 변화를 분석하면서 기존의 모수적 접근방법들이 변수 간의 다중공선성 문제가 발생하고 밀도 경사의 기복을 보이는 도시의 공간구조를 해석하기에 한계가 있음을 지적하였다. 이에 비모수적 방법인 LWR(locally weighted regression)모형을 적용하여 분석을 하였다. LWR은 가중치 행렬의 개념을 공간자기회귀모델(Spatial Autoregressive)로 확장하는데 기원하여 GWR로 불리기도 한다.
성능/효과
GWR 모델을 이용하여 부산진구 역세권에 대하여 분석한 결과는 표 3과 같다. AICc 값을 비교해보면 OLS 모델보다 GWR 모델의 AICc 값이 낮게 나타났다. 일반적으로 비교되는 두 모델에서 AICc 값의 차이가 4보다 작은 경우 사실상 차이가 없는 것으로 판정하며, AICc 값이 낮은 모델이 더 적합한 모델이라 할 수 있다(Fotheringham et al.
AICc값을 이용한 모델의 비교결과 GWR 모델이 OLS 모델보다 적합한 모델로 판정되었으며, 모형의 설명력을 의미하는 R2도 모든 대상지에서 GWR 모델이 적게는 1.2배에서 많게는 2.4배 높게 나타났다. 설명변수별로 살펴보면 ‘도로와의 거리’는 부(-)의 영향력이, 용적률은 정(+)의 영향력이 나타났으며, ‘철도와의 거리’, ‘버스정류장과의 거리’, ‘지하철역과의 거리’ 변수는 정(+)과 부(-)의 영향력이 혼재하여 나타났다.
OLS 모델 결과에서 오차의 비정규성, 이분산성, 공간적 종속성이 존재하는가를 검정한 결과 먼저, Jarque-Bera 통계량에 대한 검정 결과를 보면 모든 역세권에서 99% 수준으로 유의하게 나타나 오차의 정규성 가정을 준수하고 있지 않았다. 또한, Koenker 통계량에 관한 검정결과도 모든 역세권에서 99% 수준으로 매우 유의하게 나타났다.
대상지역 7개 지하철역 역세권은 설명력(local R2)도 모두 다르게 나타났으며, 요인에 따라 정(+)의 영향력과 부(-)의 영향력, 그리고 두 개의 영향력이 혼합하여 나타났다. 이것은 같은 요인이라도 지역에 따라 미치는 영향력에 차이가 있는 것으로, 역세권 주변의 공간구조에 영향을 주는 요인들의 차이에 의해 존재하는 공간적 이질성을 의미한다.
4배 향상되었다. 동의대역은 R2=0.75로 분석내용 중 설명력이 가장 낮게 나타났지만 OLS 모델의 결과보다 설명력이 약 1.4배 향상되었다. 특히, 서면역은 GWR 모델의 R2값이 OLS 모델보다 최고 약 2.
OLS 모델 결과에서 오차의 비정규성, 이분산성, 공간적 종속성이 존재하는가를 검정한 결과 먼저, Jarque-Bera 통계량에 대한 검정 결과를 보면 모든 역세권에서 99% 수준으로 유의하게 나타나 오차의 정규성 가정을 준수하고 있지 않았다. 또한, Koenker 통계량에 관한 검정결과도 모든 역세권에서 99% 수준으로 매우 유의하게 나타났다. Koenker 검정결과가 유의할 경우 종속변수와 설명변수 간의 관계가 이분산성이 있음을 판정할 수 있다.
, 2002). 또한, 모델의 설명력을 나타내는 수정된 R2값을 살펴보면 개금역의 R2=0.88로 가장 높은 설명력을 나타내고 있으며, OLS 모델 결과와 비교하여 설명력이 약 1.4배 향상되었다. 동의대역은 R2=0.
)은 개금역(78%), 범내골역(76%), 동의대역(69%), 부 전역(68%), 전포역(61%), 서면역(61%), 범일역(59%)의 순으로 나타났다. 모형의 설명력을 의미하는 R2를 기준으로 모든 역에서 GWR 모델이 OLS 모델보다 설명력이 높게 나타났지만, 역세권마다 설명변수별로 부호의 방향에서는 다른 경향이 나타났다. 그림 2는 서면역의 GWR 모델 분석결과로 각 독립변수 마다 역세권내에 미치는 영향이 다르게 나타났으며, 같은 독립변수에서도 필지마다 다른 계수가 나타났다.
분석결과 모든 설명변수가 유의하게 나타났으며, 범일역이 개별지가 총 분산의 약 75%를 설명하는 가장 높은 설명력(R2=0.75)을나타냈고, 서면역이 가장 낮은 설명력(R2=0.32)을 나타냈다. 잔차(residual)에 대한 공간적 자기상관성을 측정한 결과 99% 이상의 신뢰수준에서 Moran's I 값이 0.
설명변수별로 살펴보면 ‘도로와의 거리’는 부(-)의 영향력이, 용적률은 정(+)의 영향력이 나타났으며, ‘철도와의 거리’, ‘버스정류장과의 거리’, ‘지하철역과의 거리’ 변수는 정(+)과 부(-)의 영향력이 혼재하여 나타났다.
연구결과 지하철 역세권은 지역마다 다른 특징을 가지고 있으며 같은 역세권 안에서도 공간적 변인이 존재하고 있었다. GWR 모델을 통하여 도출된 지역적 공간구조의 특징은 GIS 환경에서 도형정보와 속성정보의 결합을 통한 지도화를 통하여 공간적 특성을 도출할 수 있는 장점이 있다.
4배 높은 결과 값을 나타내고 있다. 이러한 결과를 종합해 보면 공간 효과를 통제하는 GWR 모델이 OLS 모델보다 모델의 적합도뿐만 아니라 설명력도 높게 나타났다.
잔차(residual)에 대한 공간적 자기상관성을 측정한 결과 99% 이상의 신뢰수준에서 Moran's I 값이 0.18(동의 대역)에서 0.56(전포역)으로 나타났다.
후속연구
공간계량모델인 GWR 모델은 기본적으로 선형회귀모델의 형태를 취하고 있다. 따라서 GWR 모델을 적용하기에 앞서 일반회귀분석 (OLS) 모델을 사용하여 모델을 추정한 후 산출된 결과들을 토대로 OLS 모델의 적합도를 검정하여야 한다. 특히, 공간적 상관성을 고려할 수 없는 OLS 모델을 활용하여 회귀분석을 수행하게 되면 추정 값에 대한 신뢰성에 문제점을 가지게 된다(Anselin, 1995).
추가로 변수의 적용과정에서도 지역별 차이가 적은 사회경제적 변수는 필지별로 유사한 값에 의하여 국지적 다중공선성의 문제가 발생하였다. 이러한 문제점의 해결방안을 도출하고, 개선방안을 적용하여 심도 있는 연구가 진행된다면 더욱 정확한 역세권 공간 구조의 특성 분석이 가능할 것으로 판단된다.
GWR 모델을 통하여 도출된 지역적 공간구조의 특징은 GIS 환경에서 도형정보와 속성정보의 결합을 통한 지도화를 통하여 공간적 특성을 도출할 수 있는 장점이 있다. 지하철 역세권 개발 시 분석된 지역적 수준의 공간구조 특성을 고려하여 지역을 개발하고 지역적 특성에 맞는 다양한 시스템을 연계한다면 역세권 주변공간의 공간배치와 정책 운용 시 보다 효율적일 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
커널은 가중치를 부여하는 방법에 따라 어떻게 구분되는가?
커널의 타입은 한 지역에서 다른 지역까지의 거리(d)와 대역폭 (θ: bandwidth)에 따라 달라지며, 대역폭의 고정 여부에 따라 고정된 커널(fixed kernel)과 적응적 커널(adaptive kernel))이 있다. 또한, 가중치를 부여하는 방법에 따라 가우시안 함수(Gaussian function)와 바이스퀘어 함수(Bisquare function)가 있다.
역세권이란 무엇인가?
본 연구에서는 지하철 역세권을 분석 대상으로 하였다. 역세권은 역을 일상적으로 이용 하는 주변 거주자가 분포하는 범위로, 역세권의 범위는 접근성, 이용세력권, 공간적 특징 등에 따라 결정될 수 있지만, 일반적으로 역세권의 범위를 결정하는 기준은 거리에 의해 결정된다(유승환과 강준모, 2012). 역세권의 공간구조 분석을 위한 공간적 범위는 분석의 목적에 따라 다르게 정의하고 있으며 현행법에서도 명확하게 권역의 기준을 제시하고 있지 않다.
TOD의 목적은 무엇인가?
TOD는 대중교통 결절점(A Transit Center)을 중심으로 주변지역 토지이용의 고밀 복합화와 보행 및 자전거 수단 중심의 친화적인 도시설계를 바탕으로 한 자동차 통행 배제, 쇼핑시설이나 기타 편의시설 입지 유발을 통한 지역수요 창출 그리고 통행수요 집중을 통한 대중교통수단의 효율성 향상에 목적이 있다(Europeon Union, 1990). 외국은 TOD 효과를 입증하기 위하여 많은 연구가 진행되었으나, 대부분 사례가 중·저밀도 도시들을 대상으로 하고 있어 우리나라의 서울, 부산 등 고밀화 도시들에 적용하기에는 한계가 있다.
참고문헌 (26)
김미리. 2000. 지하철 역세권 지가변화에 관한 연구-서울시 8호선 잠실역, 송파역, 문정역을 중심으로. 이화여자대학교 대학원 석사학위논문. 5-61쪽.
허창무. 2010. 복합민자역사 개발로 인한 주변 상업시설 지가 변화특성에 관한 연구. 서울시립대학교 대학원 석사학위논문. 1-69쪽.
Anselin, L.. 1995. Local indicators of spatial association LISA. Geographical Analysis 27(2):258-306.
European Commission. 1990. Green Paper on the Urban Environment. Brussels, EC.
European Union. 1990. Green Paper on the Urban Environment Communication from the Commission to the Council and Parliament. COM(90) 218pp.
Fotheringham A.S., C. Brunsdon and M. Charlton. 2002. Geographically Weighted Regression: the Analysis of Spatially Varying Relationships. Chichester, Wiley.
Fotheringham A.S., M. Charlton and U. Demsar. 2008. Looking for a relationship? Try GWR. In: Miller, H.and Han J. (2nd ed.). Geographic Data Mining and Knowledge Discovery. Taylor & Francis, London, pp.227-254.
Sa, A.C.L., J.M. Pereira, M.E. Charlton, B. Mota, P.M. Barbosa and A.S. Fotheringham. 2011. The pyrogeography of sub-Saharan Africa: a study of the spatial non-stationarity of fire-environment relationships using GWR. Journal of Geographical Systems 13(3):227-248.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.