$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 유전 알고리즘을 적용한 토지이용 최적화 배분 연구 - 양평군 양평읍 일대를 대상으로 -
Land Use Optimization using Genetic Algorithms - Focused on Yangpyeong-eup - 원문보기

환경영향평가 = Journal of environmental impact assessment, v.26 no.1, 2017년, pp.44 - 56  

박윤선 (서울대학교 대학원) ,  이동근 (서울대학교 대학원) ,  윤은주 (서울대학교 대학원) ,  모용원 (서울대학교 대학원) ,  임지훈 (서울대학교 대학원)

초록
AI-Helper 아이콘AI-Helper

지속가능한 발전은 도시의 효율적인 개발과 경제, 사회, 환경적 측면의 보전을 목표로 하기 때문에 중요하다. 그러나 우리나라의 빠른 도시화로 경제적 발전은 이루었지만 자원의 비효율적인 배분현상을 경험하게 되었고 이는 토지이용 배분도 예외가 아니다. 토지이용 배분의 문제가 어려운 이유는 다양한 목적을 고려해야하기 때문이며 이는 다목적 최적화의 방법에서 그 해결책을 찾을 수가 있다. 본 연구에서는 생태적으로 보존이 잘 되어있으며 인구 증가가 일어나고 있는 경기도 양평지역의 양평읍과 그 일대를 대상지로 선정하였다. 그리고 넓은 공간 탐색에 유리하고 토지이용 배분의 문제에서 널리 사용되고 있는 유전 알고리즘을 사용하였다. 유전알고리즘(GA)는 더 좋은 자손을 얻기 위하여 염색체의 교차 및 돌연변이의 과정을 거치는 적자생존의 원리가 작용하는 진화의 단계가 그 출발점이다. 본 연구는 변이의 방식에 변화를 주었으며 공간적 목적, 토지이용 전환 최소화, 생태계 보전 최대화, 경제적 이익 최대화라는 네 가지 목적과 특정 토지이용의 면적제한과 고정지역 설정이라는 제약요건을 두고 최적 안을 도출해내었다. 생태적으로 보존시켜야 할 곳에는 시가지가 형성되지 않았고, 시가지 면적 증가율이 높은 결과는 최적화의 방향인 '경제적 이익의 최대화'라는 점과 상응하였다. 적합도 값이 최소인 지점이 수렴지점임을 고려했을 때, 1500세대 부근에서 최적화가 일어났음을 알 수 있었다. 본 연구의 결과는 양평읍과 그 일대에 적용시킬 수 있는 효과적인 지원방안을 마련하는데 도움이 될 수 있을 것으로 판단된다.

Abstract AI-Helper 아이콘AI-Helper

Sustainable development is important because the ultimate objective is efficient development combining the economic, social, and environmental aspects of urban conservation. Despite Korea's rapid urbanization and economic development, the distribution of resources is inefficient, and land-use is not...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 에너지 상에서 불이익을 갖는 파편화된 토지이용을 방지하고자 도입한 목적인 ‘군집성 극대화‘와 ’클러스터 수 최소화‘는 연속된 패치의 개수가 5개로 줄어들어 양호 한 수준의 목적 달성율을 보인다. 다음 토지이용 전환 최소화의 목적 또한 경제적이고 에너지 측면에서 손실을 방지하기 위한 목적으로 달성 시 자원낭비를 최소화시킨다. 이는 적합도 값의 하락으로 목적 달성 여부를 확인할 수 있다.
  • 적합도 값 변화양상을 고려하였을 때 소폭 감소한 것으로 추정컨대 이는 최적화에 기여하는 바가 다른 요소에 비하여 적음을 알 수가 있다. 다음으로 생태계 보전을 극대화하는 목적으로 본 연구의 가장 큰 목적이 달성되었다. 마지막으로 공시지가의 감소 최소화 목적을 고려하여 토지이용 재분배가 이루어짐으로서 토지이용 분배 시 토지의 금전적 가치 또한 고려되었다.
  • 따라서 본 연구에서는 유전 알고리즘을 사용하여 다양한 목적들을 달성하기 위하여 종합적으로 판단하여 최적의 토지이용 배분 안을 제안하고자 하였다. 본 연구에서 고려한 목적은 총 4 가지로, 1) 지속가능한 발전의 취지와 맞는 자원의 효율적 배분을 고려한 군집성이 있는 토지이용, 2) 토지이용 전환의 최소화, 3) 환경적인 측면을 생각한 생태계의 보전 최대화, 그리고 4) 경제적 발전의 요소를 고려하여 경제적 이익의 최대화이다.
  • 이 과정을 통하여 국토환경성평가지도 활용의 실효성을 높여주었다. 또한 결과 해석에 있어 양평군의 수역은 상수원보호구역이므로 도시 계획적 차원에서 현실성이 높은 안이 도출되도록 하였다.
  • 본 연구에서는 개발이 예상되는 지역의 토지이용 계획 지침을 제공하고자 네 가지 목적을 바탕으로 토지이용 최적 분배 안을 제안하였다. 서로 상충하는 목적들을 달성하고자 토지피복지도를 기준으로 제약 요건을 도입하여 분석하였다.
  • 본 연구는 국토환경을 고려하여 지속가능한 토지 이용 분배가 그 목적인만큼 자연으로부터 얻을 수 있는 이익의 정량화를 통하여 공간계획과 환경계획의 연계를 도모하고(Choi 2013), 이를 토지이용 변화 시에 나타나는 결과로 가시화하는 단계에서 직접적인 가치판단이 이루어진다면 사람과 기계가 제시하는 조화로운 계획안 도출이 가능할 것이다. 본 연구에서는 토지이용의 틀을 바꾸는 계획을 제안함으로써 더 근본적인 해결책을 찾으려하였다.
  • 본 연구의 목적은 토지이용의 압축적인 배분, 토지 이용 전환 최소화, 생태계 보전 최대화, 경제적 이익 최대화로 이루어져있다. 이는 특정한 제약조건 하에 성립된다.
  • 양평읍과 그 주변지역의 토지이용을 위한 본 연구는 네 가지 목적을 기반으로 수행되었다. 에너지 상에서 불이익을 갖는 파편화된 토지이용을 방지하고자 도입한 목적인 ‘군집성 극대화‘와 ’클러스터 수 최소화‘는 연속된 패치의 개수가 5개로 줄어들어 양호 한 수준의 목적 달성율을 보인다.
  • ‘경제적 이익 최대화’는 토지이용이 변함에 따라 경제적 가치가 변한다는 점에서 제안되었다. 이 목적은 생태계 보전 목적과 상충된다는 점에서 다목적 최적화 방법이 본 문제를 해결함에 있어 적절함을 보여준다. 경제적 가치를 추정하기 위한 공시지가 관련 매트릭스 도출은 다음과 같은 순서로 이루어졌다.
  • 초기 해 집단은(적합도)평가를 통해 현 상태를 진단하고 교차 및 변이를 통해 특징을 변화시켜간다. 이러한 과정을 거치는 GA는 공학 분야를 비롯하여 매우 널리 쓰이는 방법이고 본 연구에서는 토지이용을 배분함에 있어 다양한 목적을 가지고 있을 때 최적 안을 도출해 내기 위하여 사용하고자 한다. 진화는 반복적인 과정을 거쳐 적합도를 높여가며 최적해 집단으로 변화해나간다.

가설 설정

  • 따라서 본 연구에서는 유전 알고리즘을 사용하여 다양한 목적들을 달성하기 위하여 종합적으로 판단하여 최적의 토지이용 배분 안을 제안하고자 하였다. 본 연구에서 고려한 목적은 총 4 가지로, 1) 지속가능한 발전의 취지와 맞는 자원의 효율적 배분을 고려한 군집성이 있는 토지이용, 2) 토지이용 전환의 최소화, 3) 환경적인 측면을 생각한 생태계의 보전 최대화, 그리고 4) 경제적 발전의 요소를 고려하여 경제적 이익의 최대화이다. 본 연구에서 도출된 결과는 대상지역에 적용시킬 수 있는 지속가능한 발전을 위한 균형 잡힌 토지이용 계획을 수립하는데 도움을 줄 수 있을 것이다.
  • 2012). 국토환경성 평가지도가 국토환경을 통합적으로 평가하여 그 등급을 매겨놓은 지도임은 물론, 개발 및 보전지역을 구분해 놓았기 때문에 이를 토지이용분배의 참조 도면으로 사용할 경우 생태계 보전 목적에 부합하는 목적을 달성할 수 있음을 가정하였다. 그리고 국토환경성평가 지도와 생성된 가상의 계획안을 견주어 봄으로서 적합도 값이 계산되고 최적화 정도를 가늠할 수 있다.
  • 두 번째, 국토환경성평가지도와 토지피복 지도와의 상관관계를 나타내는 점수 매트릭스 내에서(Figure 5) 점수를 확인한다. 세 번째, 위의 작업이 모든 격자에서 이루지면 값들을 모두 더한다. 이 값의 의미는 1population(1개의 유전자 혹은 개체)의 1generation(1세대)에 대한 적합도 값이다.
  • 이 값에서 음수 값 제거를 위해 전체적으로 최소값을 더해주었다. 이 과정은 추후 오로지 덧셈으로만 이루어지는 적합도 값 계산 과정을 고려했을 때 적합한 방법이라는 가정 하에 이루어졌다. 값을 단순화시키기 위한 다음 과정으로, 계산된 값을 적당한 숫자로 나누어준 후 이를 반올림하였다.
  • 분석 시 시가지역, 산림 및 농지 면적의 범위를 특정 수치 이상 및 이하로 제약조건을 걸어주었다. 출산장려정책이 발달되어 있는(Yang-pyeonggun 2016) 양평군의 특징으로 짐작하건데 향후 인구 증가가 가속될 것이라고 가정하고 양평읍의 토지이용 상한선을 높게 설정해주었으며, 앞으로 산림 면적증가가 일어나기에는 어려울 것으로 예상하여 특정면적구간으로 설정하여 제한해주었다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
토지 이용계획에서 선형모델을 사용할 때, 단점은 무엇인가? 2003a). 그러나 선형모델의 단점은 1) 토지이용에서 중요하게 여기는 공간적인 상호작용 문제를 다룰 수 없어서 복잡한 도시문제를 다룰 수 없으며, 2) 다양한 목적을 고려하기 어렵다는 점이다 (Stewart et al. 2004).
토지이용 배분 관련 연구가 어려운 이유는 어디에 있는가? 토지이용 배분과 관련한 연구들은 공통적으로 개별토지이용 단위가 이용자를 만족시킴과 동시에 전체적 토지이용 구성도 고려해야 한다는 점, 다양한 토지이용간의 경합 문제, 다양한 이해관계자들의 요구를 만족시켜야 한다는 점 등 다양한 목적을 지녀, 비선형의 문제로 복잡하고 해결하기 어려운 양상을 띠고 있다. 따라서 하나의 정확한 해를 구하기보다는 trade-off 해법을 얻을 수 있는 다목적 최적화 문제로 간주하여 그 해답을 구할 수가 있다(Ma and Zhao 2015).
유전 알고리즘의 특징은 무엇인가? 유전 알고리즘은 더 좋은 자손을 얻기 위하여 염색체의 교차 및 돌연변이의 과정을 거치는 적자생존의 원리로부터 착안된 알고리즘이다. 이는 적자생존의 원칙하에 살아남은 최적의 부모세대의 능력이 교차와 변이를 통해 다음세대에 전해짐으로써 적응과 진화를 통해 살아남기 위한 생명체들의 능력을 반영하려고 노력한다(Moon 2009). 유전 알고리즘은 무작위로 초기 해집단을 생성하고 각각의 해들은 ‘염색체’라 불리며 또 염색체는 ‘유전자’로 구성되어 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (28)

  1. Aerts JCJH, Eisinger E, Heuvelink GBM., Stewart TJ. 2003. Using linear integer programming for multi-site land use allocation. Geographical Analysis. 35: 148-169. 

  2. Aerts JCJH, Heuvelink GBM. 2002. Using simulated annealing for resource allocation. International Journal of Geographical Information Science. 16(6): 571-587. 

  3. Balling RJ, Brown MR, Day K. 1999. Multiobjective urban planning using genetic algorithm. Journal of Urban Planning and Development. 125(2): 86-99. 

  4. Cao K, Batty M, Huang B, Liu Y, Yu L, Chen J. 2011. Spatial multi-objective land use optimization: extensions to the nondominated sorting genetic algorithm-II. International Journal of Geographical Information Science. 25(12): 1949-1969. 

  5. Cao K, Huang B, Wang S, Lin H. 2012. Sustainable land use optimization using Boundary-based Fast Genetic Algorithm. Computers, Environment and Urban Systems. 36(3): 257-269. 

  6. Choi YG. 2013. The research of finding Cooperation of Land Use and Environment policy for Developing land harmonized with the environment. KRIHS POLICY BRIEF. 425. [Korean Literature] 

  7. Chung SS, Jeong SC. 2014. A Study on Urban Land use Drafting Plan Improvement Method through a Comparison Analysis of the Current Residential Area Status and the Demand Forecast Model -With a Focus on a Residential Area Example-. Korea Real Estate Academy. 57: 195-209. [Korean Literature] 

  8. Guldmann JM. 1979. Urban land use allocation and environmental pollution control: an intertemporal optimization approach. Socio-Economic Planning Sciences. 13(2): 71-86. 

  9. Huang B, Zhang W. 2014. Sustainable land-use planning for a downtown lake area in central China: multiobjective optimization approach aided by urban growth modeling. Journal of Urban Planning and Development. 140(2): 04014002. 

  10. Janssen R, Van Herwijnen M, Stewart TJ, Aerts JC. 2008. Multiobjective decision support for land-use planning. Environment and Planning B: Planning and Design. 35(4): 740-756. 

  11. Kim EY, Jeon SW, Song WK, Gwack JR, Lee J. 2012. Application of ECVAM as a Indicator for Monitoring National Environment in Korea. 11(2): 3-16. [Korean Literature] 

  12. Ligmann-Zielinska A, Church RL, Jankowski P. 2008. Spatial optimization as a generative technique for sustainable multiobjective land-use allocation. International Journal of Geographical Information Science. 22(6): 601-622. 

  13. Liu X, Ou J, Li X, Ai B. 2013. Combining system dynamics and hybrid particle swarm optimization for land use allocation. Ecological Modelling. 257: 11-24. 

  14. Liu Y, Tang W, He J, Liu Y, Ai T, Liu D. 2015. A land-use spatial optimization model based on genetic optimization and game theory. Computers, Environment and Urban Systems. 49: 1-14. 

  15. Liu Y, Yuan M, He J, Liu Y. 2015. Regional land-use allocation with a spatially explicit genetic algorithm. Landscape and Ecological Engineering. 11(1): 209-219. 

  16. Masnavi MR. 2000. The new millennium and the new urban paradigm: the compact city in practice. Achieving sustainable urban form, 64-73. 

  17. Ma X, Zhao X. 2015. Land Use Allocation Based on a Multi-Objective Artificial Immune Optimization Model: An Application in Anlu County, China. Sustainability. 7(11): 15632-15651. 

  18. Memmah MM, Lescourret F, Yao X, Lavigne C. 2015. Metaheuristics for agricultural land use optimization. A review. Agronomy for Sustainable Development. 35(3): 975-998. 

  19. Moon BR. 2008. Easy Classing Genetic Algorithm. Hanbit Media. Seoul. [Korean Literature] 

  20. Morio M, Schadler S, Finkel M. 2013. Applying a multi-criteria genetic algorithm framework for brownfield reuse optimization: Improving redevelopment options based on stakeholder preferences. Journal of Environmental Management. 130: 331-346. 

  21. Park CS. 2005. The Research of Considering Ecological Efficiency of Urban Land Use. [Korean Literature] 

  22. Stewart TJ, Janssen R. 2014. A multiobjective GIS-based land use planning algorithm. Computers, Environment and Urban Systems. 46: 25-34. 

  23. Stewart TJ, Janssen R, Van Herwijnen M. 2004. A genetic algorithm approach to multiobjective land use planning. Computers and Operations Research. 31(14): 2293-2313. 

  24. Wang X, Yu S, Huang GH. 2004. Land allocation based on integrated GIS optimization modeling at a watershed level. Landscape and Urban Planning. 66: 61-74. 

  25. Wardoyo W, Jordan GA. 1996. Measuring and assessing management of forested landscapes. The Forestry Chronicle. 72(6): 639-645. 

  26. WCED. 1987. Our common future. Oxford: Oxford University Press. 

  27. Yang-pyeonggun. 2016. Hope&Happiness Yangpyung. [Korean Literature] 

  28. Zhang W, Huang B. 2014. Land Use Optimization for a Rapidly Urbanizing City with Regard to Local Climate Change: Shenzhen as a Case Study. Journal of Urban Planning and Development. 141(1). 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로