[논문]CNN 모형을 이용한 서울 아파트 가격 예측과 그 요인

이현재; 손동희; 김수진; 오세인; 김재직

doi:10.5351/kjas.2020.33.5.603

CNN 모형을 이용한 서울 아파트 가격 예측과 그 요인
Prediction and factors of Seoul apartment price using convolutional neural networks 원문보기

응용통계연구 = The Korean journal of applied statistics, v.33 no.5, 2020년, pp.603 - 614

이현재 (성균관대학교 통계학과) , 손동희 (성균관대학교 통계학과) , 김수진 (성균관대학교 통계학과) , 오세인 (성균관대학교 스포츠과학과) , 김재직 (성균관대학교 통계학과)

초록
AI-Helper

본 연구는 이미지 데이터에 대한 예측 모형으로 뛰어난 성능을 보여온 convolutional neural networks (CNN) 모형을 이용하여 서울 아파트 가격의 예측과 서울 각 지역 아파트들의 가격결정요인들을 연구한다. 이를 위해 강, 녹지, 고도와 같은 자연환경요인, 버스정류장, 지하철역, 상권, 학교 등과 같은 기반시설요소, 일자리수, 범죄율 등의 사회경제요소들을 설명변수로 고려하고, CNN 모형이 이미지 데이터에 좋은 성능을 보여온 것을 기반으로 이 설명변수들의 값들을 CNN 모형 입력층으로써 이미지 채널의 픽셀값과 같은 역할을 하도록 변환하여 아파트 가격의 예측과 가격결정요인에 대한 해석을 시도한다. 덧붙여 본 연구에서 사용된 CNN 모형은 자연환경요인과 기반시설요인 변수들을 각 아파트를 중심으로 하는 각 입력층의 채널에 이진의 이미지로 표현함으로써 각 아파트의 공간적인 특성을 고려할 수 있다.

Abstract ▼ AI-Helper

This study focuses on the prediction and factors of apartment prices in Seoul using a convolutional neural networks (CNN) model that has shown excellent performance as a predictive model of image data. To do this, we consider natural environmental factors, infrastructure factors, and social economic factors of the apartments as input variables of the CNN model. The natural environmental factors include rivers, green areas, and altitudes of apartments. The infrastructure factors have bus stops, subway stations, commercial districts, schools, and the social economic factors are the number of jobs and criminal rates, etc. We predict apartment prices and interpret the factors for the prices by converting the values of these input variables to play the same role as pixel values of image channels for the input layer in the CNN model. In addition, the CNN model used in this study takes into account the spatial characteristics of each apartment by describing the natural environmental and infrastructure factors variables as binary images centered on each apartment in each input layer.

주제어

표/그림 (10)

그림 Figure 2.1. The structure of convolutional neural networks model used in this study.
그림 Figure 3.1. Transformation of polygon data into point data.
그림 Figure 3.2. Transformation of polygon data into matrix format.
그림 Figure 3.3. Structure of the fully connected layer.
표 Table 4.1. Convolutional neural networks models considered in this study
그림 Figure 4.1. Trends of training and test root mean squared error by epochs.
그림 Figure 4.2. Change of residuals for apartment price.
그림 Figure 4.3. Scatter plot of real apartment prices and predicted values from M7.
표 Table 4.2. Test root mean squared error (RMSE) of each model
표 Table 4.3. Test root mean squared error (RMSE) values of models with two factors

AI 본문요약
AI-Helper

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

문제 정의

또한, 기본적으로 입력변수들의 출력변수에 대한 해석 및 예측에서의 중요도를 측정하기 힘든 신경망 모형을 사용하였기 때문에 각 지역들의 가격결정요인들을 명확하게 밝히는 것은 쉬운 일이 아니었다. 그럼에도 본 연구에서는 서울 각 지역들에 대해 아파트 매매가를 결정하는 요인들을 알아보기 위해 여러 입력변수들의 조합을 고려한 모형들의 잔차들의 변화를 살펴보았고, 이를 통해 가격결정 요인들에 대한 해석을 시도하였다. 그러나 신경망 모형 그 자체는 모든 입력변수들의 비선형 변환들이 여러 개의 층을 통해 연결되어 있기 때문에 모형들의 잔차의 변화가 단지 특정 변수의 추가 또는 삭제만으로 명확하게 설명되기 어려운 한계가 있다.
본 연구는 서울 시내의 개별 아파트들이 아닌 각 아파트 단지들을 분석 대상으로 하고 그 아파트들의 가격 예측과 가격 결정 요인 분석을 목적으로 한다. 개별 아파트가 아닌 아파트 단지를 분석 대상으로 정한 이유는 같은 아파트 단지 내의 아파트들은 같은 환경요인 및 기반 시설과 사회경제적 지표들을 가지고 있다고 가정할 수 있기 때문이다.
본 연구는 이미지 데이터에 대한 예측 모형으로 뛰어난 성능을 보여온 CNN 모형을 이용하여 서울 아파트 가격의 예측과 서울 지역 아파트들의 가격결정 요인들을 전차의 변화를 통해 조사하는데 집중하였다. 이를 위해 자연환경요소, 기반시설요소, 사회경제요소들을 입력변수로 고려하였고, CNN 모형이 이미지데이터에 좋은 성능을 보여온 것에 착안하여 이 입력변수들의 값들을 CNN 모형 입력층으로써 이미지 채널의 픽셀값과 같은 역할을 하도록 변환하여 예측모형을 만드는 시도를 하였다.
본 연구에서는 1년 동안 발생된 매매가에 대해 분석을 진행하였다. 특정 아파트 단지 내에서도 선호하는 동과 층수에 따라 가격이 천차만별일 수 있고, 단지내 아파트 면적별 구성에 의해서도 가격이 달라질 수 있기 때문에 이러한 요소들도 고려하고 더 긴 기간에 대해 자료를 수집한다면 본 연구에서 제안한 모형이 좀 더 향상될 수 있을 것으로 기대한다.
오늘날 딥러닝(deep learning) 모형들은 인공지능 분야의 핵심기술로 떠오르고 있고, 이미지(image) 또는 자연어 처리 등에서 독보적인 성능을 보유하며 널리 활용되고있다. 본 연구에서는 딥러닝 모형의 하나로 이미지 데이터에 대한 예측모형으로 널리 활용되고 있는 convolutional neural networks (CNN) 모형을 이용하여 서울 아파트 가격을 예측하고 그들의 가격결정요인들을 분석하고자 한다.
본 연구에서는 아파트 가격의 예측및 요인을 찾기 위해 이미지 데이터에 대한 예측 및 분류 문제에서 뛰어난 성능을 보여온 CNN 모형을 사용하여 분석을 진행한다. 이러한 이미지 데이터를 이용한 예측 문제에 있어 랜덤포레스트(random forests)와 서포트벡터회귀(support vector regression) 모형 등도 고려될 수 있으나, 이러한 모형들은 CNN 모형의 풀링(pooling) 과정과 같이 입력변수의 차원을 줄이지 않는다면 문제가 있을 수 있다.
아파트의 가격은 그 아파트가 가지는 다양한 요인들에 의해 결정되어지는데 지금까지의 연구는 거시경제학적인 지표에 기반하여 설명하려는 경향이 있었고, 개별 아파트의 가격 결정 요인에 대한 분석이라기보다는 한국, 수도권, 또는 서울 전체 아파트 가격 변동과 예측에 집중하였다. 이에 본 연구에서는 아파트의 위치에 기반한 주변자연환경 및 기반시설 요소와 사회경제적 요소들을 고려하여 개별 아파트들의 가격을 예측하고 각 지역 아파트들의 주요한 가격 결정 요인들을 탐색하고자 한다. 특히 아파트 주변환경과 기반시설 요소들의 공간적 특성을 고려하기 위해 각 아파트를 중심으로 그러한 요소들의 위치를 나타내는 이미지 데이터(image data)를 입력변수로 이용한다.

가설 설정

이를 통해 해당 아파트 단지 주변 750m 반경의 환경/기반시설요소들이 고려될 수 있다. 본 연구에서는 아파트를 중심으로 750m를 아파트 거주자들이 도보로 접근할 수 있는 최대 거리로 간주하였고, 이 거리 내의 시설 및 환경들은 거주자가 상대적으로 쉽게 이용 가능하기 때문에 아파트 가격을 결정하는데 있어 중요한 정보들이 그 거리 내에 대부분 존재한다고 가정한다. 본 연구에서는 서울시내 전체를 100m 간격의 격자로 나누었기 때문에 반경 750m의 정보는 15 × 15 행렬로 표현되었다.

제안 방법

1. The structure of convolutional neural networks model used in this study.
또한, 모형의 과적합을 피하기 위해 탈락(dropout)기법을 적용하였다. 각 모형에 대한 최적의 조정모수(tuning parameter)들은 원 자료를 트레이닝(training)과 테스트셋(test set)으로 무작위로 나누는 것을 반복하여 테스트 오차(test error)를 측정하여 최소가 되도록 설정하였다.
그러나 본 연구에서는 아파트 주변의 각 환경 변수를 각 입력층에 할당하고 개개의 입력층의 각 픽셀(pixel)에 환경적 요인들의 유무 및 가중값을 입력하는 방식으로 특정 아파트의 자세한 공간적 특성들을 CNN 모형에 반영하는 시도를 하였다. 예를 들어 아파트 주변에 버스 정류장 개수만을 단순히 이용하는 것이 아니라 아파트를 중심으로 버스 정류장이 어느 방향으로 얼마나 떨어져있는지 등에 대한 자세한 정보가 이미지를 통해 입력층에 반영된다.
개별 아파트가 아닌 아파트 단지를 분석 대상으로 정한 이유는 같은 아파트 단지 내의 아파트들은 같은 환경요인 및 기반 시설과 사회경제적 지표들을 가지고 있다고 가정할 수 있기 때문이다. 따라서, 반응변수로는 2018년도 서울 아파트 매매가의 1m² 당 가격을 통해 얻은 각 단지별 1m² 당 평균가격을 사용하였고, 이는 국토교통부에서 제공하는 아파트 실거래가 데이터를 통해 계산하였다. 입력변수는 크게 자연환경요소(natural environment factor), 기반시설요소(infrastructure factor), 사회경제적요소(social economic factor)로 구분할 수 있다.
또한, 이러한 환경적인 변수 뿐만 아니라 건축연도, 학군정보, 치안, 일자리 등과 같은 사회경제학적인 변수들도 하나의 입력층으로 모형에 사용된다. 따라서, 본 연구에서는 환경적/기반시설 요인들의 공간적 정보와 사회경제학적 변수들을 고려하는 CNN 모형에 대한 새로운 시도를 하였고, 이 모형을 이용하여 각 지역의 아파트 가격이 어떠한 요인들에 의해 주로 영향을 받는지 CNN 모형으로 부터 나온 잔차(residual)를 분석하여 조사한다.
모형의 예측력을 올리기 위해 학습 데이터가 약 4,900개로 많지 않기 때문에 데이터의 양을 늘리는 방법을 시도하였다. 이를 위해 CNN 모형에서 사용하는 기본적인 방식인 회전(rotation) 기법을 사용하였다.
이 풀링 과정을 거친 값들은 완전히 연결된(fully connected) 일반적인 신경망 모형의 입력값으로 들어가고 최종적으로 출력층에서 반응변수의 값을 얻게된다. 본 연구에서는 Figure 2.1에서 보이는 바와 같은 2개의 컨볼루션 층, 하나의 풀링 층, 완전히 연결된 신경망 모형으로 이루어진 CNN 모형을 분석에 사용한다.
모수의 추정이 진행됨에 따라 트레이닝 RMSE는 계속 감소하고 테스트 RMSE는 작아지다가 다시 약간 커지는 추세를 보여준다. 본 연구에서는 과적합을 방지하기 위해 테스트 RMSE가 가장 작아지는 지점에서 최종적인 CNN 모형을 구하였다.
단일층은 색상이 아닌 수치적 변수들을 추가할 수 있는 기본적인 신경망 모형의 구조이다. 본 연구에서는 이미지 데이터의 픽셀이 행렬의 형태로 적용되는 CNN 모형의 일반적인 입력방식에서 기반하여 각 채널마다 색상이 아닌 픽셀단위의 공간정보 행렬(자연환경요소 및 기반시설 요소)을 만들어 모형이 특정 공간에 대한 정보를 학습하게 한다.
본 연구에서는 자연환경요소, 기반시설요소, 사회경제적요소를 입력변수로 하고, 2018년도 아파트 1m² 당 평균매매가를 출력변수로 하는 CNN 모형을 고려한다. 이처럼 다양한 형태의 데이터를 적절한 방식으로 CNN 모형에 입력하기 위해 이미지 특성 저장소인 채널과 이미지가 아닌 입력값을 받는 단일층 두 가지 방식이 사용된다.
다만, 모든 변수들이 모형에 입력변수로 사용되었을 때 그 변수들의 어떤 조합이 가격을 예측하는데 중요한 역할을 한다고 볼 수 있다. 이러한 관점에서 자연환경요소, 기반시설요소, 사회경제요소 중 서울 아파트 가격 예측에 필수적인 요소가 무엇인지 알아보기 위해 M7의 테스트 RMSE를 기준으로 각 요소를 제거한 세 개의 모형들의 테스트 RMSE를 살펴보았다.
점데이터와 폴리곤 데이터를 통합하여 분석에 사용하기 위해 두 데이터를 행렬로 변환하는 과정이 필요한데, 본 연구에서는 폴리곤 데이터와 점데이터를 통합하기 위해 폴리곤 데이터를 점데이터의 형태로 변환하였다. 이를 위해 서울시내에 일정한 간격으로 포인트를 부여하고 폴리곤 데이터를 이용해 폴리곤 내에 있는 점들만 남기는 방식을 사용하였다. 이를 이용해 남겨진 점들은 해당 데이터가 존재하는 지역 이라는 정보를 담고 있다.
본 연구는 이미지 데이터에 대한 예측 모형으로 뛰어난 성능을 보여온 CNN 모형을 이용하여 서울 아파트 가격의 예측과 서울 지역 아파트들의 가격결정 요인들을 전차의 변화를 통해 조사하는데 집중하였다. 이를 위해 자연환경요소, 기반시설요소, 사회경제요소들을 입력변수로 고려하였고, CNN 모형이 이미지데이터에 좋은 성능을 보여온 것에 착안하여 이 입력변수들의 값들을 CNN 모형 입력층으로써 이미지 채널의 픽셀값과 같은 역할을 하도록 변환하여 예측모형을 만드는 시도를 하였다.
점데이터와 폴리곤 데이터를 통합하여 분석에 사용하기 위해 두 데이터를 행렬로 변환하는 과정이 필요한데, 본 연구에서는 폴리곤 데이터와 점데이터를 통합하기 위해 폴리곤 데이터를 점데이터의 형태로 변환하였다. 이를 위해 서울시내에 일정한 간격으로 포인트를 부여하고 폴리곤 데이터를 이용해 폴리곤 내에 있는 점들만 남기는 방식을 사용하였다.

대상 데이터

본 연구에 사용된 데이터들 중 등록(registration)이 필요한 데이터는 점데이터(point data)와 폴리곤 데이터(polygon data) 이다. 점데이터는 지점별로 데이터가 주어지며 버스정류장, 지하철역, 학교 등이 점데이터에 해당한다.
입력변수는 크게 자연환경요소(natural environment factor), 기반시설요소(infrastructure factor), 사회경제적요소(social economic factor)로 구분할 수 있다. 자연환경요 소로는 강, 녹지, 고도 데이터를 사용하였고 기반시설요소로서 버스정류장, 지하철역, 학교, 상권(카페, 패스트푸드점, 영화관) 데이터를 활용하였다. 강, 녹지, 고도 데이터는 국토지리정보원에서 제공하는 지리 위치 정보와 속성정보를 통해 이용 가능하다.
채널에 입력되는 변수로는 앞서 언급한 자연환경요소(녹지, 강, 고도)와 기반시설요소(버스정류장, 지하철역, 학교, 상권)의 행렬 데이터를 사용하였다. 이는 대상이 되는 아파트 단지를 중심으로 하는 행렬의 형태로 가공되어 입력변수의 값으로 사용된다.

데이터처리

4개의 사회경제적요소는 단일층으로 완전히 연결된 층에 바로 입력되는 형태를 갖는다. 입력값은 미니배치(mini batch) 형태로 넣었으며 손실함수(loss function)는 root mean squared error (RMSE)를 사용하였다. 또한, 모형의 과적합을 피하기 위해 탈락(dropout)기법을 적용하였다.

이론/모형

또한 랜덤포레스트와 서포트벡터회귀는 일반적으로 자료의 크기에 비해 차원의 수가 많은 이미지 데이터의 경우 그 예측 성능이 CNN 모형에 비해 떨어진다 (Yoo 등, 2019; Hasan 등, 2019). 따라서, 본 연구에서는 CNN 모형에 집중하여 분석을 진행한다.
입력값은 미니배치(mini batch) 형태로 넣었으며 손실함수(loss function)는 root mean squared error (RMSE)를 사용하였다. 또한, 모형의 과적합을 피하기 위해 탈락(dropout)기법을 적용하였다. 각 모형에 대한 최적의 조정모수(tuning parameter)들은 원 자료를 트레이닝(training)과 테스트셋(test set)으로 무작위로 나누는 것을 반복하여 테스트 오차(test error)를 측정하여 최소가 되도록 설정하였다.
본 연구에서는 공간 데이터의 전처리와 시각화를 통계 소프트웨어 R과 패키지(package) sp (Pebesma와 Bivand, 2005), tidyverse (Wickham, 2017), automap을 이용하였고, CNN 모형 적합을 위해 프로그래밍 언어 Python의 오픈 소스 라이브러리(open source library)인 tensoflow (Abadi 등, 2015)를 사용하였다.
본 연구에서는 서울 아파트의 1m² 당 매매가를 예측하기 위해 2개의 컨볼루션 층, 1개의 풀링층, 2개의 완전히 연결된 은닉층을 갖는 CNN 모형을 사용하였고, 활성함수로는 rectified linear unit (ReLu)를 사용하였다. 입력변수로는 녹지, 강, 고도를 고려한 자연환경요소, 학교, 버스역, 지하철역, 상권을 나타내는 기반시설요소, 교육, 치안, 일자리, 건축연도를 포함하는 사회경제적요소가 예측을 위해 사용된다.
모형의 예측력을 올리기 위해 학습 데이터가 약 4,900개로 많지 않기 때문에 데이터의 양을 늘리는 방법을 시도하였다. 이를 위해 CNN 모형에서 사용하는 기본적인 방식인 회전(rotation) 기법을 사용하였다. 본 연구에서는 이미지가 아닌 아파트 단지에 대한 행렬을 90°, 180°, 270°로 회전시킴으로써 입력 데이터를 4배로 증가시킬 수 있었다.

성능/효과

본 연구에서는 이미지가 아닌 아파트 단지에 대한 행렬을 90°, 180°, 270°로 회전시킴으로써 입력 데이터를 4배로 증가시킬 수 있었다.
아파트 매매가는 입지를 나타내는 자연환경요소, 기반시설요소, 학군, 일자리 등의 요인들 이외에도 설명하기 힘든 인간의 심리적 요인들에 의해 결정되기도 하고 같은 1년의 기간 안에서도 지역마다 변동의 차이가 크기 때문에 모형의 예측 정확성을 담보하는 것은 쉽지 않은 문제이다. 이러한 이유로 본 연구에서 사용한 이미지 데이터와 전통적인 입력변수 모두를 고려한 CNN 모형은 전체 자료 변동의 62.5%만을 설명하였다. 또한, 기본적으로 입력변수들의 출력변수에 대한 해석 및 예측에서의 중요도를 측정하기 힘든 신경망 모형을 사용하였기 때문에 각 지역들의 가격결정요인들을 명확하게 밝히는 것은 쉬운 일이 아니었다.

후속연구

또한 향후에 적절한 차원 축소 또는 변수선택 방법을 결합한 랜덤포레스트를 이용하여 서울 아파트 가격예측 및 예측에 중요한 역할을 하는 변수를 선택하여 CNN 모형의 결과와 비교해보는 것도 좋은 시도가 될 것으로 보인다.
본 연구에서는 1년 동안 발생된 매매가에 대해 분석을 진행하였다. 특정 아파트 단지 내에서도 선호하는 동과 층수에 따라 가격이 천차만별일 수 있고, 단지내 아파트 면적별 구성에 의해서도 가격이 달라질 수 있기 때문에 이러한 요소들도 고려하고 더 긴 기간에 대해 자료를 수집한다면 본 연구에서 제안한 모형이 좀 더 향상될 수 있을 것으로 기대한다.

참고문헌 (10)

Abadi, M., Agarwal, A., and Barham, P., et al. (2015). TensorFlow: Large-scale machine learning on heterogeneous systems. Available from: https://tensorflow.org
Choi, C. S. (2010). A study on the existence of price bubbles in Korean housing market, Journal of the Korea Real Estate Society, 32, 177-199.
Hasan, M., Ullah, S., Khan, M. J., and Khurshid, K. (2019). Comparative analysis of SVM, ANN and CNN for classifying vegetation species using hyperspectral thermal infrared data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W13.
Lim, S. S. (2014). A study on the forecasting models using housing price index, Journal of the Korean Data & Information Science Society, 25, 65-76.
Pebesma, E. J. and Bivand, R. S. (2005). Classes and methods for spatial data in R, R News, 5. Available from: https://cran.r-project.org/doc/Rnews/.
Wickham, H. (2017). tidyverse: Easily install and load the 'Tidyverse'. R package version 1.2.1. https://CRAN.R-project.org/packagetidyverse.
Yoo, C., Han, D., Im, J., and Bechtel, B. (2019). Comparison between convolutional neural networks and random forest for local climate zone classification in mega urban areas using Landsat images, ISPRS Journal of Photogrammetry and Remote Sensing, 157, 155-170.

상세보기
Yoo, J.-S., Lim, K.-C., and Kie, S.-D. (2007). The empirical analysis of the bubble in housing price and land price, Journal of Industrial Economics and Business, 20, 2245-2264.
Yu, L., Jiao, C., Xin, H., Wang, Y., and Wang, K. (2018). Prediction on housing price based on deep learning, International Journal of Computer and Information Engineering, 12, 90-99.
Zhang, F., Du, B., and Zhang, L. (2017). A multi-task convolutional neural network for mega-city analysis using very high resolution satellite imagery and geospatial data. arXiv preprint arXiv:1702.07985.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증