[논문 리뷰] Mining GIS Data to Predict Urban Sprawl

Anita Pampoore-Thampi, Aparna S. Varde외 1명|arXiv (Cornell University)|2021. 03. 21.

Data Mining Algorithms and Applications참고 문헌 12인용 수 9

한 줄 요약

이 논문은 공간정보지리정보시스템(GIS)의 시공간 데이터를 활용하여 도시 확장을 예측하기 위해 데이터 마이닝 기법—Apriori를 이용한 연관 규칙 마이닝과 J4.8를 이용한 의사결정트리 분류—을 적용한 공간 의사결정 지원 시스템(SDSS)을 제안한다. ArcGIS를 통한 지도 제작 및 분석을 통해 인구 증가 및 인구 구성 요소와 같은 변수들을 분석함으로써 예측 가능한 패턴을 규명하고 변수 영향도를 추정함으로써 지속 가능한 도시 개발을 위한 사전 대응 계획 수립을 가능하게 한다.

ABSTRACT

This paper addresses the interesting problem of processing and analyzing data in geographic information systems (GIS) to achieve a clear perspective on urban sprawl. The term urban sprawl refers to overgrowth and expansion of low-density areas with issues such as car dependency and segregation between residential versus commercial use. Sprawl has impacts on the environment and public health. In our work, spatiotemporal features related to real GIS data on urban sprawl such as population growth and demographics are mined to discover knowledge for decision support. We adapt data mining algorithms, Apriori for association rule mining and J4.8 for decision tree classification to geospatial analysis, deploying the ArcGIS tool for mapping. Knowledge discovered by mining this spatiotemporal data is used to implement a prototype spatial decision support system (SDSS). This SDSS predicts whether urban sprawl is likely to occur. Further, it estimates the values of pertinent variables to understand how the variables impact each other. The SDSS can help decision-makers identify problems and create solutions for avoiding future sprawl occurrence and conducting urban planning where sprawl already occurs, thus aiding sustainable development. This work falls in the broad realm of geospatial intelligence and sets the stage for designing a large scale SDSS to process big data in complex environments, which constitutes part of our future work.

연구 동기 및 목표

• 도시 확장 증가 문제를 데이터 기반 의사결정 지원 시스템을 통해 해결하고자 한다.
• 인구 증가 및 인구 구성 추세를 포함한 시공간 GIS 데이터에서 실질적인 지식을 추출하고자 한다.
• 기존의 데이터 마이닝 알고리즘(Apriori 및 J4.8)을 지도 분석에 적응시켜 도시 확장과 관련된 패턴을 탐지하고자 한다.
• 도시 확장 발생 가능성과 변수 간 상호작용을 추정할 수 있는 프로토타입 공간 의사결정 지원 시스템(SDSS)을 개발하고자 한다.
• 계획자들이 도시 확장 현상을 사전에 예측하고 완화할 수 있도록 지속 가능한 도시 개발을 지원하고자 한다.

제안 방법

• 연구는 도시 확장과 관련된 지오스페이셜 변수들(예: 인구 밀도, 토지 이용 등) 간의 연관 규칙를 발견하기 위해 Apriori 알고리즘을 사용한다.
• J4.8 의사결정트리 분류기는 시공간 특징을 기반으로 확장 위험이 높은 지역을 분류하기 위해 적용된다.
• ArcGIS는 지도 제작 및 지오그래픽 영역 전반에 걸친 마이닝된 패턴과 예측 결과를 시각화하는 데 사용된다.
• 인구 및 인구 증가 지표를 포함한 시공간 데이터는 분석을 위해 추출 및 전처리된다.
• SDSS는 마이닝된 지식을 통합하여 변수 영향도를 추정하고 시나리오 기반 계획 지원을 한다.
• 실제 도시 지역의 GIS 데이터를 활용한 실제 프로토타입 구현을 통해 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 GIS 데이터 내에서 도시 확장을 가장 잘 예측하는 시공간 패턴은 무엇인가?
• RQ2 어떻게 하면 연관 규칙 마이닝과 의사결정트리 분류를 지오스페이셜 데이터에 적응시켜 확장 예측에 활용할 수 있는가?
• RQ3 도시 확장 발생에 가장 강하게 영향을 미치는 인구 및 사회경제적 변수는 무엇인가?
• RQ4 프로토타입 SDSS는 도시 확장을 효과적으로 예측하고 변수 간 상호의존성을 추정할 수 있는가?
• RQ5 데이터 마이닝 결과는 어떻게 시각화되어 지속 가능한 도시 계획 의사결정을 지원하는 데 활용될 수 있는가?

주요 결과

• Apriori 알고리즘은 인구 증가, 토지 이용 변화 및 도시 확장 패턴 간의 유의미한 연관 규칙를 성공적으로 규명하였다.
• J4.8 의사결정트리 모델은 도시 확장 위험이 높은 지역을 분류하는 데 뛰어난 예측 정확도를 보였다.
• ArcGIS 통합을 통해 예측된 확장 집중지역과 변수 간 관계를 효과적으로 시각화할 수 있었다.
• SDSS 프로토타입은 인구 밀도 및 주거-상업 구역 분리 정도와 같은 핵심 변수들이 확장 가능성에 미치는 영향을 성공적으로 추정하였다.
• 시스템은 도시 계획자들에게 실질적인 통찰을 제공하여 확장 경향을 조기에 탐지하고 완화할 수 있도록 하였다.
• 본 연구는 대규모 지오스페이셜 데이터와 기계학습을 활용한 대규모 SDSS 개발을 위한 기초 프레임워크를 구축하였다.