머신러닝을 이용한 부정형 필지의 유형화

Q: 이 논문에서 정의한 부정형 필지란 무엇인가?

부정형 필지란 불규칙한 형상 또는 삼각형 모양의 토지 중 최소외접직사각형 기준 1/3 이상의 면적 손실이 발생한 토지를 의미한다. 이는 토지 특성 조사 과정에서 특정한 형태로 구분하기 어려운 필지를 지칭한다.

Q: 머신러닝을 활용하여 부정형 필지를 어떻게 유형화할 수 있는가?

연구 결과, 부정형 필지는 K-means 클러스터링을 통해 아보카도형, 감자형, 코너형, 종형, 막대형, L형의 6가지 유형으로 분류할 수 있다. 각 유형은 형상지수, 유효면적비율, 세장비 등 기존 지표와 일정한 관계를 가지며, 이를 통해 유형별 특성을 이해할 수 있다.

홍성조; 이윤서

추천

검색

질문

자료유형: 학술저널

저자정보: 홍성조 (충북대학교) 이윤서 (한국교육개발원)

저널정보: 대한건축학회 대한건축학회논문집 大韓建築學會論文集第38卷第3號(通卷第401號)

발행연도: 2022.3

수록면: 189 - 198 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The shape of land parcels greatly affects land value, the density of buildings, and the shape of a building. Although the Korean system classifies parcel shapes into 6 types, there are irregularly shaped land parcels that cannot be classified. Irregular shaped land parcels impose many restrictions on the arrangement and form of buildings, and these restrictions are even more severe with small parcels. Until now, studies on the shape of parcels have been conducted, but studies on irregularly shaped land parcels have been insufficient. Therefore, this study aims to typify irregular shaped land parcels that are difficult for humans to distinguish by applying machine learning methodology and to identify the characteristics of each type. The subject of this study is irregular shaped land parcels in the class-II general residential areas of Seoul; there were 500 sample parcels extracted and used for analysis. Irregular shaped land parcels were typified using K-means clustering, which is a representative method of unsupervised learning to solve classification problems. Afterwards, the values of Shape Index (SI), STandard Index (STI), and With-depth Ratio (WR), which are indices related to parcel shape, were compared by type. Upon analysis, the types of irregular parcels could be divided into avocado type, potato type, corner type, bell type, stick type, and L-shaped type. The stick type and L-shaped type reflected small SI values. The avocado type, corner type, and L-shaped type revealed small STI values. Lastly, the WR value was substantial for the stick type and L-shaped type.

#부정형필지 #필지형태 #기계학습(머신러닝) #K-평균 클러스터링 #도시공간구조 #Irregular Shaped Land Parcel #Shape of Land Parcel #Machine Learning #K-means Clustering #Urban Spatial Structure

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-540-001061417

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)