연구동향 분석
박사

머신러닝 기반 의사결정트리를 이용한 서울시 저층주거지의 개별 건축행위 발생구조 분석 = Analysis on Mechanism of Individual Building Development in Low-Rise Residential Area of Seoul using Machine Learning-based Decision Tree

김기중 2020년

논문상세정보
인용/피인용
' 머신러닝 기반 의사결정트리를 이용한 서울시 저층주거지의 개별 건축행위 발생구조 분석 = Analysis on Mechanism of Individual Building Development in Low-Rise Residential Area of Seoul using Machine Learning-based Decision Tree' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 개별 건축행위
  • 머신 러닝
  • 발생구조
  • 신증축
  • 용도변경
  • 의사 결정 트리
  • 저층 주거지
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
996 0

0.0%

' 머신러닝 기반 의사결정트리를 이용한 서울시 저층주거지의 개별 건축행위 발생구조 분석 = Analysis on Mechanism of Individual Building Development in Low-Rise Residential Area of Seoul using Machine Learning-based Decision Tree' 의 참고문헌

  • 주택공급 과정의 불확실성과 정책적 시사점, 부동산포커스, 제72권, 한국부동산연구원
    지규현 대구, 50-59쪽 [2014]
  • 저성장시대 서울의 도시정책을 말하다
    서울연구원 서울 [2016]
  • 저성장기의 도시기본계획제도 방향, 국토정책Brief, 국토연구원
    구형수 김성수 경기도 안양, 1-6쪽 [2015]
  • 인구저성장시대의 도시관리정 책 방향 연구
    김중은 박경현 이왕건 경기도 안양, 국토연구원 [2005]
  • 서울시 저층주거지 실태와 개 선 방향
    맹다미 백세나 장남종 서울연구원 [2017]
  • 사회과학 통계분석 제3판, 양서원
    채구묵 파주 [2014]
  • 사회과학 통계분석 SPSS/PC+ Windows23.0, 나남
    최현철 파주 [2016]
  • 사람과 장소, 과정 중심의 주거지종합관 리를 위한 2025 서울특별시 도시 주거환경정비기본계획
    서울특별시 서 울 [2015]
  • 박지만, , “머신러닝 기법을 적용한 지 가 예측 연구”, 국토지리학회지, 제51권, 제4호, 국토지리학 회
    원석환 이창규 서울, 347-355쪽 [2017]
  • 도시개발론 전정판
  • 다층모형, 학지사
    강상진 서울 [2017]
  • “행위자 기반 도시모형의 장점 및 한계 분석 에 관한 연구”
    김동한 국토연구, 제75권, 국토연구원, 경기도 안양, 69-85쪽 [2012]
  • “행위자 기반 도시모 형의 개발과 실증적 적용”
    구형수 김동한 김은빈 김현중 국토연구, 제86권, 국토연구원, 경 기도 안양, 17-31쪽 [2015]
  • “토지이용-교통 통합모형의 이론 및 적용사례의 고찰과 구축방안 논의”
    유건화 조성진 국토연구, 제94권, 국토 연구원, 경기도 안양, 3-19쪽 [2017]
  • “철도역 접근성이 건축물 개발밀도에 미치는 영향”
    성현곤 최막중 국토계획, 제49권, 제3호, 대한국토 도시계획학 회, 서울, 63-77쪽 [2014]
  • “주거지역의 상업적 젠트리피케이션 에 따른 물리적, 경제적, 사회적 효과”
    양욱제 최막중 국토계획, 제53권, 제 1호, 대한국토 도시계획학회, 서울, 123-136쪽 [2018]
  • “주거지내 상업화 발생영역에서 군집 형성현상과 영향요인 연구”
    구자훈 홍하연 지적과 국토정보, 제46권, 제2호, 한국국토정보공사, 전라북도 전주, 57-77쪽 [2016]
  • “주거지 상업화 젠트리피케이션 이 빈곤밀집지역에 끼치는 영향”
    김건 김경민 김다윤 서울도시연구, 제18권, 제2 호, 서울연구원, 159-175쪽 [2017]
  • “저층주거지 특성에 따른 관리방향 및 검토과제 도출 연구”
    김소라 김지엽 배웅규 정종대 한국도시설계학회지, 제12권, 제3호, 한국도시설계학회, 서울, 137-152쪽 [2011]
  • “저층 주거지 내 도시형 생활주택의 개발 특성과 도시설계적 시사점”
    김세훈 유영수 한국도시설계학회지, 제16 권, 제5호, 한국도시설계학회, 서울, 59-76쪽 [2015]
  • “의사결정트리 기반 머신러닝 기법을 적용한 멜트다운 취약점 동적 탐지 메커니즘”
    이재규 이형우 융합정보논문 지, 제8권, 제6호, 중소기업융합학회, 충청남도 천안, 209-215 쪽 [2018]
  • “의사결정나무와 서포트 벡터 머신 모 델을 활용한 토지이용 변화 시뮬레이션: 통일 후 북한 도시 를 대상으로”
    원석환 황철수 국토연구, 제97권, 국토연구원, 경기도 안양, 41-56쪽 [2018]
  • “의사결정나무 분석 기법을 활용한 고등학생 진로결정수준 및 진로준비행동 결정요인 우선순위 탐구”
    배정수 순 천향대학교 청소년교육학과, 박사학위논문, 충남 아산 [2014]
  • “우리나라 토지이용규제의 문 제점 및 개선과제”
    김동근 김상조 김성수 국토연구, 제78권, 국토연구원, 경기도 안 양, 91-104쪽 [2013]
  • “서울시 홍대상권 내 업종변 화 필지의 공간적 특성 분석”
    김기중 김동준 이승일 국토계획, 제54권, 제2호, 대한 국토 도시계획학회, 서울, 5-16쪽 [2019]
  • “서울시 역세 권개발 역사, 현황 그리고 전망”
    구자훈 김태현 성현곤 이승일 최창규 도시정보, 제367호, 대한국 토 도시계획학회, 서울, 3-19쪽 [2012]
  • “서울시 상업 젠트리피케이션 발생 주거지역의 입지적 요인과 변화 특성 분석”
    이기훈 이수기 천상현 지역연구, 제34권, 제1호, 한국지역학회, 서울, 31-47쪽 [2018]
  • “서울시 경복궁 서측지역의 문화시설 입지와 소비공간 변화과정의 공간적 특성 실증 연구”
    김동준 양승우 서울 도시연구, 제18권, 제2호, 서울연구원, 서울, 1-21쪽 [2017]
  • “도시공간 구조에서 젠트리피케이션 의 비판적 재고찰과 향후 연구 방향 모색”
    김감영 신정엽 한국지리학회지, 제3권, 제1호, 한국지리학회, 전라도 전주, 67-87쪽 [2014]
  • “데이터마이닝 의사결정나무의 응용”
    서두성 최종후 통계분석연구, 제4권, 제1호, 통계청, 대전, 61-83쪽 [1999]
  • “닐 스미스의 불균등발전론과 자본주의의 지 리학”
    최병두 공간과 사회, 제54권, 한국공간환경학회, 서울, 11-61 쪽 [2015]
  • “건축행위 유형별 필지의 공 간적 특성 비교연구”
    김기중 김동준 이승일 국토계획, 제54권, 제6호, 대한국토 도 시계획학회, 서울, 27-42쪽 [2019]
  • “강남구 일대의 신설역 개설을 전후로 발생하는 개별 건축행위의 변화양상과 영향요인 분석”
    이승일 조윤성 국토 계획, 제53권, 제2호, 대한국토 도시계획학회, 서울, 23-43쪽 [2018]
  • Urban modeling , In Thrift , N. and Kitchin , R. ( Editors ) , International Encyclopedia of Human Geography
    [2009]
  • Urban land use change and regional access : A case study in Beijing , China
    pp . 103-113 [2016]
  • Urban economics
    [2007]
  • The real-time city ? Big data and smart urbanism
    pp . 1-14 . [2014]
  • SPSS20.0 매뉴얼, 집현재
    이학식 임지훈 서울 [2012]
  • R을 이용한 다층모형
    백영민 이용한 서울 [2017]
  • Big data , smart cities and city planning
    Vol . 3 , No.3 , pp . 274-279 . [2013]
  • - Zhang, W., Li, W., Zhang, C., Hanink, D, M., Liu, Y. and Zhai, R., 2018, “Analyzing horizontal and vertical urban expansions in three East Asian megacities with the SS-coMCRF model”, Landscape and Urban Planning, Vol. 177, pp. 114-127.
  • - Xu, M., Watanachaturaporn, P., Varshney, P, K. and Arora, M, K., 2005, “Decision tree regression for soft classification of remote sensing data”, Remote Sensing of Environment, Vol.97, No.3, pp. 322-336.
  • - Westreich, D., Lessler, J. and Funk, M, J., 2010, “Propensity score estimation: neural networks, support vector machines, decision trees(CART), and meta-classifiers as alternatives to logistic regression”, J ournal of Clinical Epidemiology, Vol.63, No.8
  • - Waddell, P., Wang, L., Charlton, B. and Olsen, A.,., 2010, “Microsimulating parcel-level land use and activity-based travel”, The Journal of Transport and Land Use, Vol.3, No.2, pp. 65-84.
  • - VnaderPlas, J., 2016, Python data science handbook: essential tools for working with data, O’Reily Media, Inc.
  • - Venkatasubramaniam, A., Wolfson, J., Mitchell, N., Barnes, T., JaKa, M. and French, S., 2017, “Decision trees in epidemiological research”, Emerging Themes in Epidemiology, Vol.14, No.1, pp. 11.
  • - Tepe, E. and Guldmann, J. M., 2018, “Spatio-temporal multinomial autologic modeling of land-use change: A parcel-level approach”, Environment and Planning B: Urban analytics and City Science, 2399808318786511
  • - Sug, H., 2009, “An effect sampling method for decision trees considering comprehensibility and accuracy”, Wseas Transactions on Computers, Vol.8, No.4, pp. 631-640.
  • - Stevens, D. and Dragicevic, S., 2007, “A GIS-based irregular cellular automata model of land-use change”, Environment and Planning B: Planning and Design, Vol.34, No.4, pp. 708-724.
  • - Spiekermann, K. and Wegener, M., 2018, “Multi-level urban models: Integration across space, time and policies”, J ournal of Transport and Land Use, Vol. 11, No.1, pp. 67-81.
  • - Schneider, A., 2012, “Monitoring land cover change in urban and peri-urban areas using sense time stacks of landsat satellite data and a data mining approach”, Remote Sensing of Environment, Vol.123, pp.689-704.
  • - Samanta, B., Bird, G., Kuijpers, M., Zimmerman, R., Jarvik, G., Wernovsky, G., Clancy, R., Licht, D., Gaynor, J. and Nataraj, C., 2009, “Prediction of periventricular leukomalacia. Part I: Selection of hemodynamic features using logistic regression and
  • - Naegeli, H. and Sugasawa, K., 2011, “The Xeroderma pigmentosum pathway: Decision tree analysis of DNA quality”, DNA Repair, Vol. 10, pp. 673-683.
  • - Müller, A. C. and Guido, S., 2016, Introduction to machine learing with Python: a guide for data scientists, O’Reily Media, Inc.
  • - Moreno, N., Ménard, A. and Marceau, D, J., 2008, “VecGCA: a vector-based geographic cellular automata model allowing geometric transformations of objects”, Environment and Planning B: Planning and Design, Vol.35, No.4, pp. 647-665.
  • - Moon, S. S., Kang, S, Y., Jitpitaklert, W. and Kim, S, B., 2012, “Decision tree models for characterizing smoking patterns of older adults”, Expert Systems with Applications, Vol.39, No.1, pp. 445-451.
  • - Menard, A. and Marceau, D, J., 2005, “Exploration of spatial scale sensitivity in geographic cellulalr automata”, Environment and Planning B: Planning and Design, Vol.32, No.5, pp. 693-714.
  • - Martellozzo, F. and Clarke, K. C., 2011, “Measuring urban sprawl, coalescence, and dispersal: a case study of Pordenone, Italy”, Environment and Planning B: Planning and Design, Vol.28, No.6, pp. 1085-1104.
  • - Linneman, P., 1980, “Some empirical results on the nature of the hedonic price function for the urban housing market”, Journal of Urban Economics, Vol.8, No.1, pp. 47-68.
  • - García-Gutiérrez, J., Martínez-Álvarez, F., Troncoso, A. and Riquelme, J. C., 2015, “A comparison of machine learning regression techniques for LiDAR-derived estimation of forest variables”, Neurocomputing, Vol.167, pp. 24-31.
  • - Galligan. D., Ramberg. C., Curtis. C., Ferguson. J. and Fetrow. J., 1990, “Application of portfolio theory In decision tree analysis”, J ournal of Dairy Science, Vol.7, pp. 2138-2144.
  • - Diappi, L. and Bolchi, P., 2008, “Smith’s rent gap theory and local real estate dynamics: A multi-agent model”, Computers, Environment and Urban Systems, Vol.32, No.1, pp. 6-18.
  • - Chen, Y. et al., 2017, “Calibrating a Land Parcel Cellular Automaton(LP-CA) for urban growth simulation based on ensemble learning”, International Journal of Geographical Information Science, Vol.31, No.12, pp.2480-2504.
  • - Chen, M. Y., 2011, “Predicting corporate financial distress based on integration of decision tree classification and logistic regression”, Expert Systems with Applications, Vol.38, No.9, pp. 11261-11272.
  • - Carrion-Flores, C. and Irwin, E. G., 2004, “Determinants of residential land-use conversion and sprawl at the rural-urban fringe”, American Journal of Agricultural Economics, Vol.86, No.4, pp. 889-904.
  • - Bhat, C, R., Dubey, S, K., Alam, M, J, B. and Khushefati, W, H., 2015, “A new spatial multiple discrete-continuous modeling approach to land use change analysis”, Journal of Regional Science, Vol.55, No.5, pp. 801-841.
  • - Batty, M., 2005, “Agents, cells and cities: new representational models for simulating multiscale urban dynamics”, Environment and Planning A, Vol.37, No.8, pp. 1373-1394.
  • - Abdullahi, S. and Pradhan, B., 2016, “Sustainable brownfields land use change modeling using GIS-based weights-of-evidence approach”, Applied spatial analysis and policy, Vol.9, No.1, pp. 21-38.
  • "도시특성지표 기반 공간개발 패턴 추 정에 관한 연구”, 한국공간정보학회지, 제23권, 제3호, 한국공 간정보학회
    이창효 장성만 서울, 23-33쪽 [2015]