거래사례 기반 기계학습 공간군집화를 이용한 서울 오피스 시장 권역 분석

• 영문명: Regionalization of Seoul Office Market Using Machine Learning Algorithm for Spatial Clustering Based on Transaction Data
• 발행기관: 한국부동산연구원
• 저자명: 민성훈
• 간행물 정보: 『부동산연구』제33권 제3호, 37~58쪽, 전체 22쪽
• 주제분류: 사회과학 > 지역개발
• 파일형태: PDF
• 발행일자: 2023.09.30

국문 초록

본 연구는 거래가격, 거래량 등 투자의 관점에 주목하여 서울 오피스시장 권역화를 시도하였다. 분석자료로는 국토교통부가 발표하는 업무용 부동산 실거래가 자료를, 분석모형으로는 기계학습 공간군집화 기법인 퍼지 C-평균 알고리즘을 사용하였다. 분셕결과는 다음과 같다. 첫째, 다양한 퍼지 C-평균 알고리즘을 비교한 결과 ‘공간 퍼지 C-평균 알고리즘’이 가장 우수한 군집화를 수행하였다. 둘째, 일반적인 인식과 같이 서울 3대 오피스 권역이 기타 지역과 차별화된 군집을 형성하였다. 셋째, 하지만 각 권역에 속하는 행정동은 일반적인 공감대에 비해 적었다. CBD의 경우 종로구와 중구의 일부만, YBD의 경우 여의도동만, GBD의 경우 강남구와 서초구 일부 행정동만 포함되었다. 넷째, 오피스 권역을 확대 해석할 경우 각 권역별로 확대의 범위가 크게 달랐다. CBD에 서대문구와 용산구의 행정동이 포함된 반면, YBD는 마포구나 영등포로 확대되지 않았다. 특히 GBD의 경우 강남구와 서초구의 상당히 많은 행정동으로 확대되었다. 다섯째, 분석기간을 나누어 권역화를 시행한 결과 오피스 시장이 활성화된 시기에는 각 권역의 범위가 넓어지고, 반대의 시기에는 각 권역의 범위가 축소되었다. 이상의 결과는 오피스 권역에 대한 일반적 인식과 달리 CBD가 서대문구와 용산구로 확장하고 있다는 점, 여의도와 인근 마포구 및 영등포를 하나의 권역으로 보기에는 동질성이 낮다는 점. GBD는 과거와 같이 강남대로와 테헤란로를 중심으로 한 선형의 권역이 아니라는 점, 그리고 송파구가 서초구 및 강남구와 공간적으로 연결된 권역을 형성하고 있지 않다는 점 등을 시사한다.

영문 초록

This study attempts to regionalize the Seoul office market by focusing on the investors’ perspectives. The study uses the transaction price data announced by the Ministry of Land, Infrastructure, and Transport and applies the Fuzzy C-Means algorithms, which are machine learning-based clustering techniques. The study found the following: First, as a result of comparing various algorithms, the Spatial Fuzzy C-Means algorithm performs the best clustering. Second, the three major office districts in Seoul form clusters differentiated from other areas. Third, the number of Dongs belonging to each district is smaller than the general consensus. The traditional business district (CBD) includes only parts of Jongno-Gu and Jung-Gu, the Yeouido business district (YBD) is composed of only Yeouido-Dong, and the Gangnam business district (GBD) comprises not many Dongs of Gangnam-Gu and Seocho-Gu. Fourth, by weakening the criteria, the clustering results in different spatial expansions by district. CBD has expanded to Seodaemun-Gu and Yongsan-Gu, whereas YBD has not expanded to Mapo-Gu or Yeongdeungpo. In particular, GBD expands to a considerable number of Dongs in Gangnam-Gu and Seocho-Gu. Fifth, the range of each district changes by period. When the office price increases rapidly, the range of each district is widened, and vice versa. These results show that, unlike the general perception of office districts, the CBD is expanding to Seodaemun-Gu and Yongsan-Gu. Moreover, Yeouido and nearby Mapo-Gu and Yeongdeungpo are not homogenous enough to be viewed as one district, and GBD is not linear but rectangular. Furthermore, Songpa-Gu does not form a spatially connected district with Seocho-Gu and Gangnam-Gu.

목차

Ⅰ. 서 론

Ⅱ. 권역 설정 사례와 선행연구

Ⅲ. 분석모형과 분석자료

Ⅳ. 분석 결과

Ⅴ. 결 론

참고문헌

키워드

오피스 권역 기계학습 공간군집화 퍼지 C-평균 거래사례 Office Districts Machine Learning Spatial Clustering Fuzzy C-Means Transaction Data