[논문 리뷰] UrbanVCA: a vector-based cellular automata framework to simulate the urban land-use change at the land-parcel level

Yao Yao, Linlong Li외 10명|arXiv (Cornell University)|2021. 03. 15.

Land Use and Ecosystem Services참고 문헌 34인용 수 8

한 줄 요약

UrbanVCA는 실제 토지구역 데이터를 사용하여 토지구역 수준에서 도시 토지 이용 변화를 시뮬레이션하는 벡터 기반 셀룰러 오토마타 프레임워크이다. 다양한 기계학습 모델을 통합하고, 정확도 평가를 위한 새로운 벡터 기반 경관 지표(이하 VecLI)를 도입하였다. 중국 순이에선 Figure ofMerit (FoM)가 0.243이고, 경관 지표 유사도가 87.3%로 나타나 높은 시뮬레이션 정확도를 입증하였으며, 지속 가능한 도시 발전을 위한 시나리오 기반 계획 수립을 지원한다.

ABSTRACT

Vector-based cellular automata (CA) based on real land-parcel has become an important trend in current urban development simulation studies. Compared with raster-based and parcel-based CA models, vector CA models are difficult to be widely used because of their complex data structures and technical difficulties. The UrbanVCA, a brand-new vector CA-based urban development simulation framework was proposed in this study, which supports multiple machine-learning models. To measure the simulation accuracy better, this study also first proposes a vector-based landscape index (VecLI) model based on the real land-parcels. Using Shunde, Guangdong as the study area, the UrbanVCA simulates multiple types of urban land-use changes at the land-parcel level have achieved a high accuracy (FoM=0.243) and the landscape index similarity reaches 87.3%. The simulation results in 2030 show that the eco-protection scenario can promote urban agglomeration and reduce ecological aggression and loss of arable land by at least 60%. Besides, we have developed and released UrbanVCA software for urban planners and researchers.

연구 동기 및 목표

• 토지구역 수준에서 도시 토지 이용 변화를 고정확도로 시뮬레이션할 수 있는 확장 가능하고 벡터 기반의 셀룰러 오토마타 프레임워크를 개발하기 위해.
• 벡터 기반 CA 모델의 광범위한 도입을 저해하는 기술적 및 데이터 복잡성을 해결하기 위해.
• 다양한 기계학습 모델을 탄력적인 시뮬레이션 아키텍처 내에 통합하기 위해.
• 정확도 있는 토지구역 수준의 시뮬레이션 평가를 위한 새로운 벡터 기반 경관 지표(VecLI)를 도입하기 위해.
• 시나리오 기반 도시 발전 계획을 위한 실용적인 소프트웨어 도구를 도시 계획가들에게 제공하기 위해.

제안 방법

• UrbanVCA 프레임워크는 기존 래스터 격자 대신 실제 토지구역 경계를 기본 공간 단위로 사용한다.
• 지역 규칙과 이웃 상호작용 기반으로 토지 이용 전환을 모델링하는 벡터 기반 셀룰러 오토마타 엔진을 구현한다.
• 사회경제적 및 환경적 요인을 바탕으로 토지 이용 변화 확률을 예측하기 위해 다수의 기계학습 모델(예: 랜덤 포레스트, XGBoost)을 통합한다.
• 시뮬레이션된 경관 패턴과 관측된 경관 패턴을 토지구역 수준에서 정량적으로 비교하기 위해 새로운 벡터 기반 경관 지표(VecLI)를 제안한다.
• 환경 보호 및 도시 확장 시나리오를 포함한 시나리오 기반 시뮬레이션을 지원한다.
• 소프트웨어 구현을 통해 도시 계획가와 연구자들이 상호작용식 시뮬레이션, 시각화 및 검증을 수행할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 높은 정확도로 토지구역 수준에서 도시 토지 이용 변화를 시뮬레이션할 수 있는 벡터 기반 셀룰러 오토마타 모델을 효과적으로 설계할 수 있는가?
• RQ2 기계학습 모델은 벡터 기반 CA 프레임워크에서 토지 이용 전환 예측 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 제안된 벡터 기반 경관 지표(VecLI)는 기존 래스터 기반 지표와 비교해 실제 경관 패턴을 얼마나 잘 반영하는가?
• RQ4 특히 환경 보호 정책을 포함한 다양한 도시 계획 시나리오는 도시 형태와 생태적 결과에 어떤 영향을 미치는가?
• RQ5 UrbanVCA와 같은 소프트웨어 프레임워크는 도시 계획가들이 시나리오 기반 의사결정 지원을 위해 실제로 활용할 수 있는가?

주요 결과

• UrbanVCA 프레임워크는 중국 순이에서 Figure ofMerit (FoM)가 0.243로 높은 시뮬레이션 정확도를 입증하였으며, 관측된 도시 토지 이용 변화를 잘 재현하였다.
• 시뮬레이션된 패턴과 관측된 패턴 간의 경관 지표 유사도가 87.3%에 도달하여 강력한 공간 패턴 유사성(정밀도)을 보였다.
• 환경 보호 시나리오에서는 도시 집적도가 증가하였고, 생태계 압박도와 내한지 손실률이 최소 60% 감소하였다.
• 기계학습 모델의 통합은 벡터 기반 CA 프레임워크의 예측 능력을 크게 향상시켰다.
• 제안된 VecLI 지표는 토지구역 수준에서 경관 유사성을 효과적으로 정량화하였으며, 공간 해상도 측면에서 기존의 래스터 기반 지표를 능가하였다.
• UrbanVCA 소프트웨어는 도시 계획가와 연구자가 상호작용식으로 시나리오 기반 도시 시뮬레이션을 수행할 수 있도록 성공적으로 개발 및 배포되었다.