인공지능을 활용한 빈집 실태조사 효율화 방안에 관한 연구 : 군산시를 사례로

Abstract

최근 수도권 집중화 현상으로 인해, 지방 도시에서 빈집 수는 계속해서 증가하고 있다. 이에 정부는 빈집실태조사를 실시하고 있지만 사전조사의 정확도가 낮아 현장조사의 비용이 큰 실정이다. 따라서 빈집실태조사를 효율적으로 하기 위해서는, 사전조사 단계에서 빈집으로 의심되는 건축물들을 정확히 발견하고 이에 따른 후속 조치를 취하는 것이 필요하다. 본 연구에서는 빈집 조기 탐지에 도움을 줄 수 있도록 전기·상수도 사용량, 건축물 그리고 사회경제 변수 데이터를 활용해 인공지능을 통해 빈집 추정을 시도해 빈집실태조사의 효율성을 확대하고자 한다.

Due to the recent centralization of the metropolitan area, the number of vacant houses in local cities continues to increase. Accordingly, the government is conducting a survey on vacant houses, but the cost of on-site surveys is high due to the low accuracy of the preliminary survey. Therefore, in order to efficiently conduct an empty house survey, it is necessary to accurately find buildings suspected of empty houses in the preliminary survey stage and take follow-up measures accordingly. This study aims to expand the efficiency of the survey of vacant houses by attempting to estimate vacant houses through artificial intelligence by using data on electricity, water usage, buildings, and socioeconomic variables to help early detection of vacant houses. As a result, Decision Tree Ensemble Models showed the best performance based on Accuracy, F1-score, and AUC scores, and building data in addition to electricity usage were also identified as important variables in estimating empty houses.