Do Walkable Streets Influence Neighboring Commercial Property Prices? The Application of Explainable Machine Learning and Deep Learning Algorithms

상업용 부동산 가치에 대한 보행 편의성의 중요성을 실증하는 연구가 증가하고 있음에도 불구하고, 보행환경 특성이 상업용 부동산 가치를 결정하는 데 얼마나 기여하는지에 대해서는 충분한 연구가 이루어지지 않고 있다. 본 연구는 다양한 규모의 보행환경 특성이 서울의 상업용 부동산 가치에 미치는 경제적 영향을 조사함으로써 기존 연구들의 격차를 해결하고자 한다. 본 연구에서는 보행환경을 거시적, 중시적, 그리고 미시적 규모로 분류하고 다양한 공간 데이터 및 심층신경망 기반의 의미론적 분할 모델을 사용하여 상업용 부동산 주변의 거리 환경을 추정하였다. 이러한 추정 결과를 바탕으로 본 연구는 다양한 머신 러닝 알고리즘을 사용하여 보행환경이 상업용 부동산 가격에 미치는 경제적 영향을 예측하는 최적의 자동 평가 모델(automated valuation model)을 개발하였다. 또한, 설명 가능한 인공지능(eXplainable Artificial Intelligence, XAI) 알고리즘을 사용하여 블랙박스 모델에서 기여가 가장 많은 변수를 확인하고 보행환경과 상업용 부동산 가격과의 비선형적 관계를 조사하였다. 이 연구는 보행환경의 경제적 효과가 생활인구 밀도를 바탕으로 분류된 하위 시장에서 차이가 발생하는 지 확인하기 위해 추가적인 분석을 수행하였다. 본 연구의 결과는 다양한 규모의 보행력(walkability)이 상업용 부동산 가격에 상당한 영향을 미치며 이러한 영향관계가 하위시장에 따라 서로 다른 영향을 줄 수 있음을 보여주었다. 본 연구의 결과는 보행 친화적인 환경을 조성하여 상업용 부동산의 경제적 이윤을 더욱 상승시킬 수 있는 개발방법에 대한 유용한 통찰력을 제공할 수 있다. 마지막으로, 이 연구의 방법론은 머신 러닝 기반의 블랙박스 모델을 해석하기 위한 실용적인 접근법이 될 수 있다.