[논문]토지 보상비 추정 모델 개발 - 건설CALS데이터와 공공데이터 중심으로

이상규; 김진욱; 서명배

토지 보상비 추정 모델 개발 - 건설CALS데이터와 공공데이터 중심으로
Development of Land Compensation Cost Estimation Model : The Use of the Construction CALS Data and Linked Open Data 원문보기

이상규 (한국건설기술연구원) , 김진욱 (한국건설기술연구원) , 서명배 (한국건설기술연구원)

본 연구는 토지 보상비의 추정 모델 개발을 위해서 건설 CALS (Continuous Acquisition & Life-cycle Support) 시스템의 내부데이터와 개별공시지가 및 표준지 공시지가 등의 외부데이터, 그리고 개발된 추정 모델의 고도화를 위한 개별공시가 데이터를 기반으로 생성된 데이터를 활용하였다. 이렇게 수집된 3가지 유형의 데이터를 분석하기 위해서 기존 선형 모델 또는 의사결정나무 (Tree) 기반의 모델상 과적합 오류를 제거할 경우 매우 유용한 알고리즘으로 Decision Tree 기반의 Xgboost 알고리즘을 데이터 분석 방법론으로 토지 보상비 추정 모델 개발에 활용하였다. Xgboost 알고리즘의 고도화를 위해 하이퍼파라미터 튜닝을 적용한 결과, 실제 보상비와 개발된 보상비 추정 모델의 MAPE(Mean Absolute Percentage Error) 범위는 19.5%로 확인하였다.

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

문제 정의

따라서, 본 연구에서는 표준지 공시지가와 개별공시지가를 토지보상금액의 주요 요인으로 판단한다. 현재 국토교통부의 공공데이터로 매년 토지 공시지가는 공개되고 있으며, 전국 표준지 공시지가는 2012년부터 제공하고 있다.
본 연구에서는 Xgboost 알고리즘을 활용하여 토지 보상비 추정 모델을 개발하고자 한다.
본 연구는 건설CALS(Continuous Acquisition & Life-cycle Support)시스템에서 축적되어 있는 내부데이터와 공공데이터 기반의 외부데이터, 그리고 모델 고도화를 위한 파생 데이터로 총 3가지데이터 영역으로 구분되어 있다. 이러한 3가지 데이터를 기반의 토지보상비를 추정하는 모델을 개발에 관한 연구이다.

제안 방법

더불어, 19자리의 지번체계(PNU: Parcel Number Unit)를 활용하여 파생 변수로 시/군/구 및 대지 코드를 추가 생성하였다.
본 연구의 모델 구축에 활용된 3가지 영역의 데이터를 시간적 범위는 2012년부터 2018년까지이며, 공간적 범위는 전국 전체 필지이다. 더불어, 해당 모델을 구축하기 위해 전체 데이터 32,216개에서 7:3의 비율로 Training 데이터와 Test 데이터로 분리하여 모델을 개발한다.
마지막으로 본 연구에서 사용되는 파생데이터로는 표준지 공시지가를 활용하여 비교표준지의 공시지가와 시/군구 코드, 대지 구분에 대한 변수를 활용하였다.
이를 기반으로 표준지들의 특성과 공시지가 가격을 적용한 후, 용도지역과 토지이용상황이 동일한 표준지를 따로 분류한다. 분류된 표준지는 7가지 토지특성(지목, 이용상황, 용도지역1, 형상, 지세명, 대지구분, 도로 교통)을 기준으로 동일한 특성에 맞추어 유사도를 점수를 측정한다. 측정된 점수가 가장 높을 경우, 해당 표준지를 비교표준지로 선정한다.
우선, 비교표준지 공시지가는 국토교통부 "2020년도 적용 개별공시지가 조사산정지침"에 의거하여 비교 표준지 선정 모듈을 개발하였다.
우선, 가장 적합한 비교표준지 공시지가를 선정하기 위해서는 대상 필지가 속한 행정동을 확인한다. 이를 기반으로 표준지들의 특성과 공시지가 가격을 적용한 후, 용도지역과 토지이용상황이 동일한 표준지를 따로 분류한다. 분류된 표준지는 7가지 토지특성(지목, 이용상황, 용도지역1, 형상, 지세명, 대지구분, 도로 교통)을 기준으로 동일한 특성에 맞추어 유사도를 점수를 측정한다.

대상 데이터

우선, 건설CALS시스템은 건설사업의 기획,설계시공,유지관리 등의 모든 과정에 대한 정보를 관리 및 지원하는 정보화 체계를 의미한다. 국토교통정보화 기본계획에 의거해 정보 자원 및 데이터 관리체계기술을 적용한 미래 정보화 추진, 건설정보화 균형 발전 도모, ICT융복합을 통합한 스마트 건설 실현 등의 8개 중점 과제로 구성되어 추진 중이다. 국토교통부, 5개 지방국토관리청, 18개 국토관리사무소 등에서 관리 및 활용되고 있다.
다음으로, 외부데이터로는 표준지공시지가와 개별공시지가를 활용하였다.
본 연구는 건설CALS(Continuous Acquisition & Life-cycle Support)시스템에서 축적되어 있는 내부데이터와 공공데이터 기반의 외부데이터, 그리고 모델 고도화를 위한 파생 데이터로 총 3가지데이터 영역으로 구분되어 있다.
본 연구는 토지 보상비 추정 모델 개발을 위해 앞서 설명한 데이터영역에서 총 12개의 변수를 활용한다.
이러한 건설CALS시스템은 2008년부터 구축되어 데이터가 축적되고 있는 상황이다. 본 연구에서 사용되는 내부데이터는 2008년부터 2018년까지 누적된 전국 건설CALS 데이터를 바탕으로 활용한다.
현재 국토교통부의 공공데이터로 매년 토지 공시지가는 공개되고 있으며, 전국 표준지 공시지가는 2012년부터 제공하고 있다. 본 연구에서는 외부데이터로 2012년부터 2018년까지 전국 표준지 공시지가와 개별공시지가 데이터를 활용한다.
본 연구의 모델 구축에 활용된 3가지 영역의 데이터를 시간적 범위는 2012년부터 2018년까지이며, 공간적 범위는 전국 전체 필지이다.
우선, 독립변수는 총 11개의 데이터로 구성한다. 시계역적인 변수인 기준년도를 기준으로 비교표준지 공시지가, 기준년도 3개년 지가변동률 평균, 지목, 지형 고저, 지형 형상, 도로 접면, 기준년도, 대지구분, 용도지역 대분류, 이용상황 대분류, 시군구 코드를 활용한다.

이론/모형

Xgboost 알고리즘에 적용되는 파라미터의 최적화를 위해서 하이퍼 파라미터(Hyperparameter) 튜닝 기법을 통해 설정값을 찾는다. 하이퍼파라미터는 기계학습 기반의 모델을 학습할 경우, 설정 범주 내에서 값을 입력하는 변수이다.
앞서 탐색된 최적의 파라미터를 모델에 적용하여 실제 값과 예측된 값과의 오차율을 확인하기 위해 MAPE(Mean Absolute Percentage Error)을 통해 확인한다. MAPE는 크기에 의존적인 단점을 보완하기 위해 예측 값과 실제 값을 뺀 뒤 실제 값으로 나눈 비율을 의미한다.
하지만, 이전의 하이퍼파리미터의 결과값을 바탕으로 새로운 하이퍼파리미터를 탐색하는 방법인 베이지안 최적화 (Bayesian Optimization) 방식을 본 연구에 적용한다.[9]

성능/효과

56%)이다. 다시말해, 종속변수인 실제 법인평가산술평가액의 값과 예측 값의 오차율은 19.56%로나타났다.

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

토지 보상비 추정 모델 개발 - 건설CALS데이터와 공공데이터 중심으로
Development of Land Compensation Cost Estimation Model : The Use of the Construction CALS Data and Linked Open Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

토지 보상비 추정 모델 개발 - 건설CALS데이터와 공공데이터 중심으로 Development of Land Compensation Cost Estimation Model : The Use of the Construction CALS Data and Linked Open Data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

토지 보상비 추정 모델 개발 - 건설CALS데이터와 공공데이터 중심으로
Development of Land Compensation Cost Estimation Model : The Use of the Construction CALS Data and Linked Open Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper