[논문 리뷰] Ghost Cities Analysis Based on Positioning Data in China

Guanghua Chi, Yü Liu외 2명|arXiv (Cornell University)|2015. 10. 28.

Human Mobility and Location-Based Analysis참고 문헌 5인용 수 42

한 줄 요약

이 연구는 중국의 유령도시—주택 공실률이 높은 도시 지역—를 식별하고 분석하기 위해 바이두 위치 기반 데이터를 사용한다. 이는 공간 분포를 맵핑하고, 도시 또는 관광지로 분류한다. 이는 빅데이터를 활용한 유령도시에 대한 최초의 세밀한 분석을 제시하며, 공실 도시 지역에서의 인간 이동 패턴의 차이를 드러내고, 이동 위치 데이터가 도시 감지 및 정책 관련 도시 분석에 얼마나 강력한지를 입증한다.

ABSTRACT

Real estate projects are developed excessively in China in this decade. Many new housing districts are built, but they far exceed the actual demand in some cities. These cities with a high housing vacancy rate are called ghost cities. The real situation of vacant housing areas in China has not been studied in previous research. This study, using Baidu positioning data, presents the spatial distribution of the vacant housing areas in China and classifies cities with a large vacant housing area as cities or tourism sites. To the best of our knowledge, it is the first time that we detected and analyzed the ghost cities in China at such fine scale. To understand the human dynamic in ghost cities, we select one city and one tourism sites as cases to analyze the features of human dynamics. This study illustrates the capability of big data in sensing our cities objectively and comprehensively.

연구 동기 및 목표

• 대규모 모바일 위치 기반 데이터를 사용하여 중국 내 공실 주택 지역의 공간 분포를 식별하고 맵핑하는 것.
• 인간 이동 패턴을 기반으로 공실률이 높은 도시를 도시 중심지 또는 관광지로 분류하는 것.
• 공실 도시에서의 인간 행동 역학을 조사하여, 주거가 부족한 도시 지역의 사회적 및 행동적 특성 이해하는 것.
• 빅데이터가 객관적이고 대규모의 도시 모니터링 및 정책 관련 도시 분석 가능성을 입증하는 것.
• 기존 부동산 또는 인구 조사 지표를 초월해 도시 공실을 탐지하고 분석할 수 있는 데이터 기반 프레임워크 제공하는 것.

제안 방법

• 개인 사용자의 위치를 시간에 따라 추적할 수 있도록 바이두의 모바일 위치 기반 데이터를 활용하여 일일 이동 패턴을 재구성하는 것.
• 시간-공간 패턴을 기반으로 주거지 및 직장지 위치를 식별하기 위해 홈-워크 탐지 알고리즘을 적용하는 것.
• 이주 유동량과 인구 밀도 변화를 계산하여 주거지와 비주거지 도시 지역을 구분하는 것.
• 저야간 인구 밀도와 높은 주간 공실 지표를 기반으로 도시 지역을 유령도시로 분류하는 것.
• 공간 클러스터링과 히트맵 시각화를 활용해 중국 도시 전역의 공실 주택 지리적 패턴을 드러내는 것.
• 한 도시와 한 관광지에서 사례 연구를 수행하여 공실 도시 지역과 관광지 지역의 인간 이동 역학을 비교하는 것.

실험 결과

연구 질문

• RQ1 중국의 주요 유령도시는 어디에 위치해 있으며, 도시 지역 전역에서 공간 분포는 어떻게 되는가?
• RQ2 유령도시와 활성 도시 중심지 또는 관광지 간의 인간 이동 패턴은 어떻게 다를까?
• RQ3 이동 위치 기반 데이터가 얼마나 정확하게 높은 주택 공실 지역을 식별하고 분류할 수 있는가?
• RQ4 공실 도시 지역 내 인구의 구체적인 행동 및 인구통계적 특징은 무엇인가?
• RQ5 모바일 위치 기반 빅데이터는 어떻게 활용되어 도시 공실을 모니터링하고 도시 정책에 기여할 수 있는가?

주요 결과

• 연구는 공실률이 높은 여러 도시를 중국 내에서 식별하였으며, 특히 제2·제3선 도시에서 뚜렷하게 나타나 도시 확장 사업에서의 과잉 개발을 시사한다.
• 공간 분석 결과, 유령도시는 특히 신속하게 건설된 신도시 개발이 집중된 중국의 서북부 및 중부 지역에 집중되어 있음을 확인하였다.
• 유령도시 내 인간 이동 패턴은 저야간 인구 밀도가 낮고 평일-주말 전환도 미미하여 주거 활동이 극히 낮음을 나타낸다.
• 반면, 관광지는 주말 및 공휴일에 활동이 높은 강한 일일 리듬을 보이며, 영구적으로 공실 상태인 도시 지역과 뚜렷이 구별된다.
• 사례 연구를 통해 유령도시에는 주거 인구가 극히 적으며, 대부분의 위치 신호가 일시적 또는 비주거 활동에서 기인하는 것으로 확인되었다.
• 이 방법은 세밀한 공간 해상도에서 유령도시를 성공적으로 탐지하여, 실시간 도시 감지 및 공실 모니터링에 빅데이터를 활용할 수 있음을 입증하였다.