합성곱 신경망(CNN)을 이용한 토지이용현황조사 연구

CNN을 활용한 토지이용현황조사 방법을 연구했다.

Land use has been perceived as a main issue. In particular, the division between those who provide land and those who use it has been clarified because the national land has been divided clearly in modern society. In terms of providing land, the state recognizes land as an object of taxation and in terms of land use, the public recognizes land as an object of ownership or utilization. On the other hand, for efficient and balanced land use, the state could subdivide land use into various forms, encouraging or restricting the use of specific forms. From this point of view, various types of surveys has been conducted to investigate land use at the national level.

The research questions are divided into four parts and they are follows: 1. What kinds of surveys have been conducted in South Korea regarding the land use status(LUS)? 2. Are there any elements that are investigated repeatedly in each survey? 3. If so, how could it be integrated, connted and shared in a research system? 4. Is there a method to automatically investigate the elements? The purpose of this study is to a) analyze the surveys related to LUS, b) review duplication of elements of investigation(EI) and c) suggest a method for automating EI through empirical analysis for an efficient land use status survey(LUSS).

In order to achieve the purpose of this study, the research was limited in terms of duplication of EI and automation of survey. The duplication of EI is mainly reviewed from the legal perspective such as land categories, zoning systems, characteristics of land and housing, etc. The automation of survey reviews EI, which could be classified, based on EI of LUSS that could be visually identified through images, applying the Convolutional Neural Network(CNN). In this study, both literature and experimental studies are conducted. Through literature review about LUSS and CNN, the distinction of the study is suggested.

In the experimental study, EI, which could review possibilities of automation applying CNN, is selected, and accuracy of models related to the CNN based on learning data is compared. The study then moves on to analyse the extraction rate for the previously selected EI through the most accurate model, and an improvement plan for LUSS was suggested based on the analysis results. Surveys related to LUS cause ineffective administration because overlapping EI are conducted individually. In addition, the method of survey is also carried out in different ways such the site visit, satellite, air, or drone, which causes uncertainty. Depending on the methods, results of survey could be different.

In particular, in the case of the site visit, it is difficult to conduct an accurate survey in an area where access is difficult. Therefore, it is necessary to establish an environment in which duplicated EI are integrated into a single research system and they are linked and shared, and image-based investigations need to be activated for efficient investigation. In addition, if an image-based investigation is conducted, a method for automatically examining EI showing a similar pattern could be considered. This study has shown that EI could be identified automatically in roads, forests, residential/commercial areas, paddy, special crop, orchards, forestry and other facilities.

This study suggests the following implications from the legal, technical, and practical aspects. Legally, it is necessary to unify LUSSs as a single survey project representing LUS in the short term and amend the related laws in order to secure artificial intelligence(AI) technology for LUSS. In the long term, a manual and regulation need to be established for LUSS. In particular, in terms of AI technology, security, responsibility and personal information protection need to be considered in the regulation. Technically, both high-resolution drone images applying in LUSS, and aviation images applying in a relatively wide area need to be used in the short term.

In the long-term, time series data need to be secured through satellite. In terms of utilization, in the short-term, reliability and accuracy of technology need to be improved with the visual inspection through images based on EI that has possibilities of automation. In the long-term, EI the could be automated through application of advanced algorithms and utilization of satellite imagery need to be reviewed additionally. Ultimately, EI that could be automated through securing time series satellite image data are fully automated and linked to official document. 토지의 이용에 대해 사람들은 과거부터 현재까지 최대 관심사로 인식되고 있다. 특히 현대사회는 영토에 대한 구분이 확실해짐에 따라 토지를 제공하는 주체와 이용하는 주체의 구분이 명확하게 되었다.

즉, 토지의 제공 측면에서 국가는 토지를 세금부과의 대상으로, 토지를 이용하는 측면에서 국민은 토지를 소유하거나 활용하는 대상으로 인식한다. 한편 효율적이고 균형적인 토지이용을 위해서 국가는 토지의 이용을 다양한 형태로 세분화하여 특정 형태로 사용을 독려하기도 하고 제한하기도 한다. 이러한 관점에서 국가차원에서 토지의 이용현황을 조사하는 다양한 형태의 조사들이 이루어지게 되었다. 이에 본 연구는 토지이용현황 관련 국내에서 진행되고 있는 조사는 어떠한 것들이 있는지, 각각의 조사에서 중복적으로 조사되고 있는 항목은 존재하는지, 존재한다면 하나의 조사체계로 활용하여 연계 및 공유하는 방법은 무엇인지, 마지막으로 이러한 조사항목을 자동으로 조사할 수 있는 방법은 없는지에 대한 해답을 얻고자 하는 데서 시작되었다. 따라서 본 연구의 목적은 효율적인 토지이용현황조사를 위해 현재 수행 중인 토지이용현황과 관련된 조사들을 분석하여 조사항목의 중복성을 검토하고 실증분석을 통해 조사항목의 자동화 방안을 제시하는 것이다. 이러한 연구의 목적을 달성하기 위하여 조사항목의 중복성과 조사의 자동화 측면으로 한정하여 수행하였다.

우선 조사항목의 중복성은 국내에서 법제도적 근거를 기반으로 수행하고 있는 지목조사, 용도지역·지구·구역 등, 토지피복지도, 토지특성조사, 주택특성조사, 지적재조사의 토지현황조사와 법률적 근거는 없지만 고해상도 영상을 취득하고 있는 국토이용현황조사의 조사항목을 토대로 중복성을 파악하였다. 조사의 자동화는 영상을 기반으로 육안으로 식별 가능한 각종 토지이용현황조사 조사항목들을 토대로 합성곱 신경망 기법을 적용하여 자동으로 분류할 수 있는 조사항목을 검토하였다. 본 연구는 문헌연구와 실험연구를 병행하였으며, 문헌연구로 합성곱 신경망과 토지이용현황조사에 대한 각종 이론과 법률, 선행연구를 검토하여 본 연구의 차별성을 제시하였다. 실험연구는 사례지역을 선정하여 합성곱 신경망을 이용하여 자동화 가능성 검토를 수행할 조사항목의 선정과 학습된 데이터를 토대로 합성곱 신경망과 유사하거나 관련된 모델들을 대상으로 정확도 비교를 수행하였다. 이어서 가장 정확도가 높은 모델을 활용하여 앞서 선정된 조사항목에 대한 분류정확도를 분석하였으며, 분석결과를 토대로 토지이용현황조사의 개선방안을 제시하였다. 현행 토지이용현황과 관련된 조사들은 서로 중복된 조사항목을 개별적으로 수행하고 있어 행정력이 낭비되는 비효율적인 형태를 보이고 있다.

또한, 조사하는 방법도 직접 현장에 방문하는 방식과 위성이나 항공, 드론으로 얻어진 영상을 기반으로 하는 방식 등 각기 다른 방식으로 수행되고 있어 조사유형에 따라 상이한 결과가 나타날 수 있는 불안요소를 지니고 있으며, 특히 현장조사 방식의 경우 접근이 어려운 지역의 경우 정확