김대종 외
지적재조사를 위한 인공지능기술 활용방향 연구
A Study on Utilization of Artificial Intelligence Technology for Cadastral Resurveying
수시 |
17-22지적재조사를 위한 인공지능기술 활용방향 연구
17-22
A Study on Utilization of Artificial Intelligence Technology for Cadastral Resurveying
김대종 국토연구원 연구위원(연구책임) 황명화 국토연구원 책임연구원
임시영 국토연구원 책임연구원 임거배 국토연구원 연구인턴
김영민 한양대학교 교수 홍성언 청주대학교 교수
임은선 국토연구원 연구위원 이영주 국토연구원 연구위원
, ,
, , ,
, ,
AI 3
,
, ,
, ,
,
AI , ·
· , ,
FINDINGS & SUGGESTIONS
CONTENTS
···i
1 1. ···3
2. ···4
3. ···6
4. ···7
2 1. ···11
2. ···25
3 1. ···37
2. ···48
3. ···52
4. ···64
17-22
4
1. ···69
2. ···72
3. ···79
···87
SUMMARY···92
···94
1. | 03
2. | 04
3. | 06
4. | 07
CHAPTER
1
CHAPTER 1
1.
1)
□ 2012 2030
∙ 지적재조사사업은 토지소유권의 경계와 면적을 바로 잡는 국가사업으로 맹지해 소, 건축물 저촉 해소, 토지형상 정형화, 국공유지 점유해소 및 가치상승, 도시 관리 계획선 변경, 위치이동 등의 효과를 얻기 위함임
□ ,
∙ 반복적인 민원발생, 사업지구 선정의 어려움, 지적불부합지 경계결정의 어려움, 경계변경에 따른 면적증감으로 발생하는 조정금 산정의 어려움 등으로 자동화 및 과학화에 대한 수요 발생
∙ 사업추진 과정에서 다양한 문제 발생뿐만 아니라 예산부족 등으로 당초 지적재 조사 사업 완료 목표연도인 2030년까지 사업을 완료하기 어려운 상황임
□ ,
∙ 인간의 영역으로 여겨졌던 바둑에서 ‘알파고’라는 인공지능이 승리를 거두면서 인공지능기술과 활용에 대한 관심이 급증함
∙ 인공지능은 패턴을 찾아낼 수 있을 정도로 충분한 양의 데이터, 즉 빅데이터를 저장, 처리, 분석할 수 있는 기술이 보편화되면서 가능해짐
∙ 인공지능기술에 대한 관심은 급증하였으나, 지적재조사사업에 어떻게 활용가능 한지에 대한 연구는 전무한 상황임
- 예상보다 늦어지고 있는 지적재조사사업에 탄력을 불어넣으려면 최신기술을 활용한 새로운 추진방식 도입 등이 필요한 시점임
- 지적재조사 과정에서 축적되고 있는 자료, 경험, 지식을 빅데이터로 축적하는 동시에 이를 활용할 수 있는 인공지능 기술을 도입하는 것에 대한 수요가 매우 높은 상황임
2)
□ /
∙ 지적재조사사업 추진과정에서 생산되는 자료의 형태를 살펴보고, 인공지능이 학습하여 패턴을 찾아낼 수 있는 자료가 무엇인지 어떤 방향으로 인공지능 기술 을 활용할 수 있는지를 밝히는 것이 본 연구의 목적임
2.
1)
□
∙ 지적재조사사업을 추진하는 과정에서 발생하고 있는 문제점이 무엇인지 파악
∙ 지적재조사 추진과정에서 생산되는 자료의 종류와 특성, 그리고 계획수립, 의사 결정, 민원대응 및 평가 등의 지능활동 분석
□ ,
∙ 인공지능이 무엇이고 어떤 유형이 있으며, 유형별로 어떻게 작동하는지를 설명 하고, 활용 가능한 SW는 무엇인지 등을 조사
∙ 민원응대 등 공공부문과 토지피복분류 등 국토관련 연구에서 인공지능 기술을 활용한 사례들을 조사 및 분석하여 시사점 제시
□
∙ 인공지능기술을 활용하기 위한 정보환경 개선방향과 지능활동별 활용 가능한 인공지능기술 유형과 적용방안 제시
∙ 지적재조사사업에서 인공지능기술을 활용하기 위한 과제 도출
2)
□
∙ 기존 보고서, 인공지능 관련 서적, 인터넷 등 조사 분석
□
∙ 인공지능 국내전문가를 초빙하여 특강을 개최하고 관련 인터넷 강의를 수강하 여 인공지능에 대한 이해도 제고
□
∙ 인공지능기술의 특징과 이를 지적재조사사업에 적용하기 위한 조건에 대한 연구
∙ 지적재조사 업무 수행과정에서 필요한 입출력 데이터와 업무처리 방식을 검토 하여 인공지능 기술 활용전략 도출
□
∙ 지적재조사 업무담당자와 전문가, 인공지능기술 전문가를 대상으로 연구에 필 요한 정보 수집 및 의견 청취
□
∙ 지적재조사 업무담당자와 전문가 인공지능기술 전문가 등이 브레인스토밍 등을 통하여 지적재조사사업에 인공지능기술을 어떻게 활용할 수 있는지를 도출하고 확인
3.
1)
□
∙ 본 연구와 관련 있는 선행연구는 ｢빅데이터를 활용한 지적재조사사업지구 분류 체계 연구｣(국토교통부. 2016)가 유일함
- 그간 추진된 지적재조사사업지구의 추진현황을 난이도로 등급화하고 사업지구의 유 형을 분류하여 사업추진의 효율성을 향상시키기 위한 전략 마련
- 도시지역이 농촌지역보다 난이도가 높았으며, 경계결정, 소유자 동의, 조정금 산정, 경 계확정, 민원대응 순으로 업무난이도가 높았음
- 항공사진, 드론영상, 건축물 정보 등을 이용하여 지적불부합지 현황과 필지별 정보를 분석하여 활용하는 방안 제시
□
∙ 한가인(2016)은 빅데이터에 인공지능기술 중 하나인 k-Means 군집기법을 활용
∙Kim & Lee(2016)는 기계학습 알고리즘을 이용하여 옥수수 수확량 추정모델의 정확도를 개선하는 연구를 수행함
2)
□
∙ 국토교통부(2016)에서 수행한 사업지구 유형분류는 사업난이도에 대한 설문조 사를 바탕으로 구분한 것으로 인공지능기술을 활용한 사례는 아님
4.
1)
□
∙ 지적재조사사업을 추진하는 과정에서 이루어지는 다양한 활동 중 사람의 지능 을 활용하는 활동이 무엇이며, 이때 생산되는 자료가 무엇인지를 제시할 수 있 어 향후 다양한 연구에서 기초자료로 활용될 것으로 기대함
□
∙ 인공지능의 개념에서부터 최근 화제가 되고 있는 딥러닝까지 작동원리와 활용 사례를 파악할 수 있어 인공지능을 연구할 때 기초지식으로 활용 가능할 것임
2)
□ , ,
∙ 사업지구 선정에서부터 경계결정 및 보상금 산정에 이르기까지 인공지능기술을 활용할 수 있는 방향을 제시하여 후속연구 추진 및 인공기술개발에 기초자료로 활용 가능함
□
∙ 정책담당자가 본 연구결과를 바탕으로 지적재조사사업에서 인공지능기술을 활 용하는데 필요한 과제를 발굴하여 추진하는데 기여
1. | 11
2. | 25
CHAPTER
2
CHAPTER 2
1.
1)
□ 2011 「 」
· · ·
∙ 지적재조사사업을 위한 기본계획 수립에서 시작하여 올바른 지적공부 작성 및 등기촉탁까지 이루어지는 행정과정임
□ 2-1
① 기본계획의 수립
∙ 국토교통부장관은 지적재조사사업의 효율적 시행을 위해 기본방향, 시행기간 및 규모, 사업비의 연도별 집행계획, 인력확보에 관한 계획 등을 포함한 기본계 획을 수립해야함(「지적재조사에 관한 특별법」 제4조)
∙ 기본계획안을 수립 및 변경함에 있어 전문가 등과 공청회를 통해 작성하고 20 일내의 지적소관청의 의견, 30일내의 시·도지사 의견을 반영하여 중앙지적재 조사위원회의 심의를 거쳐 기본계획을 고시함(「지적재조사에 관한 특별법」 제 4조)
② 시·도 종합계획의 수립
∙ 시·도지사는 기본계획을 토대로 사업지구 지정의 세부기준, 사업의 연도별·소관
청별 배분 계획, 교육 및 홍보와 관련된 내용을 포함한 종합계획을 수립해야함 (「지적재조사에 관한 특별법」 제4조의2)
2-1 |
∙ 시·도 종합계획안을 수립 및 변경함에 있어 시·도지사는 14일내 지적소관청의 의견을 반영하여 시·도지적재조사위원회의 심의를 거쳐 국토교통부장관에게 제출해야함(「지적재조사에 관한 특별법」 제4조의2)
③ 실시계획의 수립(기초조사)
∙ 지적소관청은 시·도 종합계획을 통지받은 후 사업의 시행자, 사업지구 명칭, 사 업지구 위치 및 면적, 사업의 시행시기 및 기간, 사업비 추산 액, 토지현황조사 관련 사항 등을 포함한 실시계획을 수립해야함(「지적재조사에 관한 특별법」 제 5조, 제6조)
④ 사업지구 신청 및 지정
∙ 지적소관청은 실시계획 수립 후 시·도지사에게 사업지구 지정신청을 하여야함
∙ 사업지구 지정을 신청할 때 다음의 사항을 고려하여 토지소유자의 2/3 이상과 토지면적 2/3 이상에 해당하는 토지소유자의 동의를 받아야함(이때, 토지소유자 협의회가 구성되어있고 토지소유자 3/4이상이 찬성하면 우선 지정 신청 가능) (「지적재조사에 관한 특별법」 제7조)
- 지적공부 내 등록사항과 토지의 실제 현황이 다른 정도가 심해 주민의 불편이 많은 지역 - 사업시행 용이한 지역
- 사업시행 효과가 큰 지역
∙ 지적소관청은 실시계획 수립내용을 주민에게 서면통보 후 주민설명회를 개최하 고 30일 이상 공람해야함(「지적재조사에 관한 특별법」 제7조)
∙ 시도지적재조사위원회의 심의를 통해 사업지구를 지정 및 고시(「지적재조사에 관한 특별법」 제7조)
⑤ 대행자 고시
∙ 사업지구가 지정되면 입찰, 계약 또는 서면의뢰를 통해 사업 대행자를 고시함 (「지적재조사에 관한 특별법」 제5조, 「지적재조사에 관한 특별법 시행령」제4조)
⑥ 토지현황조사 및 지적재조사 측량
∙ 사업지구 지정고시 후, 대상 토지의 소유자, 지번, 지목, 경계, 공시지가 등의 현 황을 조사해야 함(「지적재조사에 관한 특별법」 제10조)
∙ 지적재조사측량은 「공간정보의 구축 및 관리 등에 관한 법률」 제2조에 따른 지 적측량으로 실시해야하며, 지적기준점 결정을 위한 기초측량과 필지의 경계 및 면적을 결정하는 세부측량으로 구분함(「지적재조사에 관한 특별법」 제11조,
「지적재조사에 관한 특별법 시행규칙」 제5조)
∙ 지적소관청은 위성측량, T/S 측량, 항공사진측량방법으로 조사된 성과에 대해 그 정확성을 검사해야하며, 조사된 측량성과와 성과에 대한 검사의 연결교차가 지적기준점 ±0.03m, 경계점 ±0.07m 범위 이내에 해당되어야 함(「지적재조사에 관한 특별법 시행규칙」 제6조, 제7조)
⑦ 경계결정
∙ 경계조정안은 경계결정위원회의 의결을 통해 경계결정이 되며 이는 토지소유자 에게 통지됨(「지적재조사에 관한 특별법」 제16조)
∙ 경계결정위원회는 경계결정 이전에 토지소유자들에게 합의토록 권고 가능함 (「지적재조사에 관한 특별법」 제16조)
⑧ 경계결정 이의신청
∙ 토지소유자는 경계결정을 통지를 받은 날부터 60일 이내에 지적소관청에 이의 신청을 할 수 있으며, 소관청은 의견서를 첨부하여 14일내에 경계결정위원회에 송부되어 심의·의결을 거쳐야 함(「지적재조사에 관한 특별법」 제17조)
∙ 토지소유자는 의결에 따른 결정서에 대해 송부 받은 날부터60일 이내에 불복의 사를 지적소관청에 알릴 수 있으며, 이 경우 행정심판 또는 행정소송으로 넘어 감(「지적재조사에 관한 특별법」 제17조)
⑨ 경계확정
∙ 토지소유자의 이의신청이 없거나, 행정소송판결의 확정 시 경계결정을 확정하 며, 경계점표지를 설치하고, 지상경계점등록부, 지적확정조서를 작성(「지적재 조사에 관한 특별법」 제18조)
⑩ 지목변경
∙ 지적재조사측량 결과 기존 지적공부상 지목과 실제 현황과 다른 경우 시·군·구 지적재조사위원회 심의를 거쳐 변경 가능(「지적재조사에 관한 특별법」 제19조)
⑪ 조정금 산정 및 통지
∙ 지적소관청은 경계확정으로 지적공부상 면적 증감이 발생하면 필지별 면적 증 감내역을 기준으로 조정금 산정하여 징수 또는 지급해야함(「지적재조사에 관 한 특별법」 제20조)
∙ 확정된 경계에 대해, 필지별 단가산출, 조정금조서 작성, 조정금액 개별 통보, 수 령통지/납부고지 등을 수행해야 하며, 통지된 조정금은 6개월 이내에 지급/징수 또는 공탁해야 함(「지적재조사에 관한 특별법」 제21조)
⑫ 조정금 이의신청
∙ 산정된 조정금에 대해 이의가 있는 경우, 고지/통지일로부터 60일 이내에 지적 소관청에 신청서를 제출할 수 있으며 시·군·구지적재조사위원회의 심의를 거쳐 결과를 통지해야 함(「지적재조사에 관한 특별법」 제21조의2)
⑬ 사업완료의 공고
∙ 지적소관청은 사업지구 내에 모든 토지에 대해 경계확정이 완료되면 지체 없이 사업완료 공고를 해야 함(「지적재조사에 관한 특별법」 제23조)
∙ 사업지구 내 경계 미확정 면적이 전체 토지면적의 1/10 또는 전체 토지소유자수
의 1/10 보다 이하인 경우 사업완료 공고 가능(「지적재조사에 관한 특별법」 제 23조)
⑭ 지적공부의 작성
∙ 지적소관청은 사업완료가 공고된 이후 기존의 지적공부를 폐쇄하고, 새롭게 지 적공부를 작성해야함(토지이동이 있은 것으로 봄)(「지적재조사에 관한 특별법」
제24조)
∙ 경계확정이 되지 않고 사업완료 공고가 된 토지는 공부에 “경계 미확정 토지”라 고 기재하고, 경계가 확정 시 까지 지적측량을 정지시킬 수 있음(「지적재조사에 관한 특별법 시행령」 제16조)
⑮ 등기 촉탁
∙ 새롭게 지적공부 작성 시 관할 등기소에 등기촉탁을 실시, 이 경우 국가가 자기 를 위한 등기를 하는 것으로 봄(「지적재조사에 관한 특별법」 제25조)
2)
□ ( )
∙PNU, 토지코드, 대장구분, 본번, 부번, 지목, 면적, 토지등급, 기수등급, 축척, 도 호, 개별공시지가, 토지이동사유코드, 토지이동일자, 성명, 소유구분, 등록번호, 주소, 소유권변동코드, 소유권변동일자 등의 기초 조서 작성
2-2 |
: .
□ ( )
∙ 고유번호, 지목, 건축물대장 구분, 건물의 구조 및 용도, 용도지역 및 지구, 도시 계획시설, 기타제한구역, 토지이용현황, 도로조건, 지형 고저, 형상, 방위, 시설 명, 구분지상권의 목적 및 기간, 시설물 구분 선로 및 관리시설, 연결통로, 상가, 사용수익 허가, 면적, 소유자 성명, 건축면적, 건폐율 및 용적률, 구분지상권의 면적 및 범위, 조사자의 의견, 경계의 미확정 사유, 측량자의 의견
2-3 | ( )
:「 」 3
2-4 | ( )
:「 」 3
□ ( )
∙ 번호, 토지소재지, 종전 토지 및 확정된 토지의 지번, 지목, 종전 토지 및 확정된 토지의 면적, 증가한 면적, 감소한 면적, 소유자
2-5 |
□ ( )
∙ 지번, 지목, 신청인 성명, 주소, 생년월일, 전화번호, 종전 토지 및 확정된 토지 면 적 증감, 이의신청 사유
□ ( )
∙ 실제 토지이용현황, 용도지역 및 지구 등, 경계점 부호, 경계점 표지 종류, 토지 소재, 위치도, 개별공시지가, 실측도, 경계점 위치 및 설명도, 좌표, 사진파일
□
∙ 토지(임야) 대장: 고유번호, 지번, 축척, +도면 및 장 번호, 지목, 토지등급(수확 량등급 기준), 용도지역, 토지소재, 면적, 토지 변동 원인, 소유자 성명, 개별공시 지가(원/㎡)
∙ 공유지연명부: 고유번호, 장 번호, 지번, 토지 소재, 소유권 지분, 소유권 변동원 인 및 일자, 소유자 주소, 성명 등
∙ 대지권등록부: 고유번호, 장 번호, 지번, 전유부분 건물표시, 토지소재, 대지권 비율, 건물 명칭, 소유권 변동원인 및 일자, 지분 등
∙ 지적(임야)도: 축척, 장 번호, 토지소재, 도면
∙ 경계점좌표등록부: 지번, 축척, 부호, 좌표, 토지 소재, 도면
2-6 | ( )
: .
2-7 | ( )
: .
□ ( , )
∙ 토지 소재지 지번, 지목, 면적 증감 내용, 조정금(㎡당), 납부 의무자 주소 및 성명
2-8 |
:「 」 16
□ ( )
∙ 지번, 지목, 면적증감 내용, 조정금 결정금액, 이의 신청 사유
□
∙ 토지소유자 동의서(「지적재조사에 관한 특별법 시행규칙」 별지 제1호 서식), 지 번별 조서(「지적재조사업무규정」 별지 제5호 서식), 등기촉탁서(「지적재조사에 관한 특별법 시행규칙」 별지 제12호 서식)
2-1 |
1 ( )
xls :
19 csv :
cif :
2 · (30 ) -
3 ( ) -
4 (14 ) -
5 -
6 ( , ) (pdf, jpg )
7 (14 ) -
8 -
9 hwp xls :
10 ( )
-
11 ( , ) -
12 ( ) csv :
13 ( , ) -
14 -
15 ( : 14 ) -
16 ( ) -
17 -
cif :
hwp xls :
18
hwp xls :
gdb : ( )
19 2-2 |
: .
※ (www.newjijuk.go.kr)
※ cif : (Cadastral Information File) / gdb : Geodatabase /
20 ( ) dat :
21 ( ) -
22 -
23 -
24 ( :
)
gdb :
dat : dat “ ”
hwp xls :
25 (10 ) -
26 (14 : , ) -
27 -
28 (14 : , ) -
29 (60 ) -
30 -
31 ( : 60 ) -
32 hwp xls :
33 ( , ,
, )
-
34 ( )
14 -
35 ( )
/
dat :
csv :
dxf shp :
36 hwp :
37 (60 ) -
3)
□
∙ 지적재조사 과정에서 생산되는 자료들은 인공지능 기술의 적용 가능성을 진단 하는데 활용 가능
∙ 생산 자료의 유형, 저장형식, 취득 시기, 내용 등을 구체적으로 점검하여 인공지 능 기술의 적용 가능성을 진단
∙ 인공지능기술은 결국 입력데이터와 출력데이터로 표현되므로 실효성 있는 기술 적용방안을 수립하기 위해서는 현재 지적재조사의 생산 자료를 검토하는 것이 필수적임
□
∙ 인공지능기술의 적용이 가능한 업무에 대하여 해당 업무에서 생산되는 자료를 검토, 향후 인공지능 기술의 적용을 위해 필요한 데이터 구축/관리 체계의 변화 방향을 점검
∙ 지적재조사에서 생산되는 데이터의 경우, 주로 도면이나 한글파일이 주요한 형 태로 구성될 것으로 예상되므로 향후 인공지능기술의 적용을 위해 데이터의 구 축/관리 체계 개선 방향이 필수적임
2.
1)
□ 2017
∙ 우리나라는 현실의 토지경계와 지적공부상 토지경계가 불일치하는 지적불부합 지의 문제를 해결하고자 1995년부터 지적재조사사업을 추진하기 위해 많은 노 력을 기울임(홍성언. 2015)
∙ 그 결과 2011년 「지적재조사에 관한 특별법」이 제정되었고, 2012년부터 2030 년까지 약 20년 동안 지적재조사사업 추진이 계획, 현재 6차 년도 사업을 진행하 고 있음
∙ 그러나 2017년 현재 사업 진척률은 예상했던 것 보다 낮은 수준, 이러한 상황을 고려한다면 2030년까지 사업 완료가 어려워 보임
∙ 진척률이 저조한데는 다양한 원인 존재하겠지만, 가장 큰 문제는 정부의 예산지 원이 부족하기 때문임
□ 2016 629 , 30.7
∙ 이러한 추진실적은 당초 계획하였던 목표량의 37% 정도에 해당하는 것으로 사업 진척률이 저조하다는 것을 알 수 있음
∙ 제1차 지적재조사 기본계획 수립 당시, 2012년부터 2016년까지 총 2,450억 원 의 예산이 배정되어 집행될 계획이었음
∙ 그러나 2016년까지 집행된 금액은 629억 원으로 예정의 1/5수준, 이러한 예산지 원 추이를 고려한다면 2070년에나 사업이 완료될 것으로 예상됨
∙2017년에 추진되고 있는 사업도 대략 150억 원 정도의 예산으로만 진행되고 있음
∙ 결과적으로 2030년까지 사업을 완료하기 위해서는 매년 약 600억 원 정도의 예 산이 추가 투입되어야 하는 실정임
∙ 이러한 예산지원 문제를 해결하고자 다양한 재원조달 방안을 마련하여, 관련 부 서에 건의가 이루어지고 있으나 현재까지 특별한 조치가 이루어지고 있지 못하 고 있음
2012 2013 2014 2015 2016
( )
82.5 2 10 25 37
30.7
(37%) 1.8 10.3 2.8 7.3
2-3 |
: . 2016. . p.14.
2012 2013 2014 2015 2016
( )
2,450 26 239 841 1,097
629
(26%) 34 215 80 150
2-4 |
: . 2016. . p.14.
□
2)
□ 10
,
∙ 집단불부합지와 개별불부합지는 지적재조사측량을 새로운 지적공부를 작성하 여 디지털 지적을 구축함
∙ 기본계획에서는 전체 3,761만 필지 중 집단불부합지로 약 550만 필지(직접측량 방식에 의한 실질적인 지적재조사사업 지역)로 제시되고 있음1)
∙ 지적재조사사업지구는 위와 같은 기준에 의해 당해 연도 사업예산을 반영하여 10필지 이상 집단불부합지가 발생한 지역을 기초로 면적과 필지수를 고려하여 선정하고 있음
∙ 사업지구를 선정 시, 우선 고려할 부분은 사전에 조사된 집단불부합지 약 550만 필지가 포함되어 있어야 하고, 이 중에서 사업이 시급한 지역을 우선적으로 선 정해야함(예산 부족 고려 시)
□
∙ 지적불부합지 문제가 심각하여 반드시 사업이 이루어져야 하나 토지소유자간 이해관계로 인해 해당지역이 제외되는 경우가 존재함
∙ 지적불부합지 문제가 심각하여 사업지구로 선정하였으나, 추진과정에서 어려움 이 발생해 지구를 변경해 추진하는 사례 발생함
□ ,
□
1) . 2011. . p.9.
2-9 |
: . 2017. 2017 1 < >. p.9.
3)
□
∙ 경계의 설정은 지상경계에 다툼이 없는 경우 토지소유자가 점유하는 현실경계 를 설정함
∙ 지상경계에 다툼이 있는 경우 등록당시의 측량기록을 조사한 경계, 지방관습에 의한 경계, 토지소유자들이 합의한 경우 합의된 경계(국공유지 제외)를 설정함
∙ 위의 경우 「도로법」, 「하천법」 등에 의한 경계가 변경되지 않도록 경계를 설정 함(「지적재조사에 관한 특별법」 제14조)
∙ 이후 토지소유자 입회하에 임시경계점 표지를 설치하고, 경계가 설치되면 경계 조정과 협의를 거쳐 경계를 결정함
∙ 결정된 경계에 대한 이의 신청은 경계결정 통지를 받은 날로부터 60일 이내로 하고, 이후 결정에 이의가 없다면 경계가 확정됨
∙ 이의신청이 있을시, 경계결정위원회의 의결을 통해 결정하고, 그 이후에도 불복 의사가 있을시 결정서를 송부 받은 날로부터 60일 이내에 행정심판 또는 행정소 송을 제기할 수 있음
2-10 |
①
(60 ) ⇒ ②
(14 ) ⇒ ③
(30 )
④
(7 ) ⇒ ⑤
(60 )
:「 17 」 .
□
∙ 이는 기존 등록된 경계선이 현실경계와 불일치하는 이유에서 발생
∙ 현실경계만을 기준으로 할 경우, 면적증감에 따른 토지소유자의 이의신청이 많 이 발생하기 때문임
∙ 따라서 대부분의 경계설정은 현실경계를 기초로 토지소유자간 합의에 의한 경 계로 설정되고 있음
∙ 토지소유자간 합의 유도방법은 담당 공무원이 직접 대면해 처리해야하기 때문 에 업무 과중이 필수적으로 수반됨
□
( )
∙ 완벽하게 현실경계로의 전환은 어렵다고 하더라도 최초 공부 등록당시의 각종 측량연혁 기록에 관한 자료를 자동으로 분석해 현실경계가 최대한 반영된 경계 설정 데이터를 가지고 인접 토지소유자가 만족할 수 있는 경계를 제안한다면 원 활한 합의유도와 담당 실무자의 업무과중을 최소화할 수 있을 것임
2-11 | 1( )
: . 2017. 2017 . : . p.143.
2-12 | 2( )
: . 2017. 2017 . : . p.143.
4)
□
∙ 조정금은 경계가 확정된 시점을 기준으로「감정평가 및 감정평가사에 관한 법 률」에 따른 감정평가업자가 평가한 감정평가액으로 산정함
∙ 다만, 토지소유자협의회가 요청하는 경우에는 시·군·구 지적재조사위원회의 심 의를 거쳐 「부동산 가격공시에 관한 법률」에 따른 개별공시지가로 산정할 수 있 도록 규정하고 있음(「지적재조사에 관한 특별법」 제20조)
∙ 국가 또는 지방자치단체 소유의 국유지·공유지 행정재산의 조정금은 징수하거 나 지급하지 아니함
□
,
∙ 이때, 사업지구의 모든 토지에 대한 경계확정 완료 시에 사업지구 명칭, 지적확 정조서, 조정금조서 등을 공고하고 기존 지적공부를 폐쇄한 후 새로운 지적공부 를 작성
∙ 이후 관할 법원에 등기촉탁 의뢰 과정을 거쳐 사업을 마무리함
□
∙ 표면적으로는 사업이 마무리되었으나, 이의신청이 있을 경우 실질적으로 사업 이 마무리되지 못하는 문제가 발생함
□
∙ 당초 1년 정도를 예상했던 사업 일정이 2년을 초과해서도 마무리되지 못하고 있 는 사업지구가 전국적으로 존재하고 있어 문제의 심각성이 있는 것으로 드러나 고 있음2)
□
12 7 - 19
1 10 2 13
1 - - 1
14 17 2 33
2-5 |
: · . 2017. 「 」 –
-. 51. p.372.
□
∙ 지적재조사 결과 토지경계의 변동은 없으나, 면적 오류를 바로 잡으면서 면적이 증가했을 때, 조정금을 부과할 수 있는지 여부(대구지방법원 2015구합860판결–
2015.09.02.)3)
∙ 지적재조사에 따른 경계 변경으로 인접한 토지 중 도로의 면적이 감소하고 대지 의 면적이 증가했을 때, 대지소유자가 증가한 면적의 조정금을 도로를 기준으로 산정 및 부과할 것을 요구하는 경우 조정금의 산정 방법(경기도행정심판위원회 제2015-1555호-2015.12.30.)4)
2) . 2014. . . .
p.80.
3) · . 2017. 「 」 –
-. 51. p.376.
∙ 사업공고 당시의 토지소유자에게 조정금을 부과하였으나, 이를 체납하던 중 경 매로 소유권이 이전된 경우, 경매 낙찰자에게 납부의무 승계여부(의정부지방법 원 2016구합443판결–2016.11.22.)5)
∙ 대구광역시 동구, 서구, 북구, 달성구 내 4개 지구에서 조정금 금액이 과다하다 는 사유로 재측량 요구 비율이 평균 21.2%~34.7%임(2014 5월 기준)6)
5) . 2017. p.85.
6) · · . 2014. . 30
2 . p.66.
1. | 37
2. | 48
3. | 52
4. | 64
3
CHAPTER
CHAPTER 3
1.
1)
□ “ ”( . 2016. p.24.)
□ (
. 2016.)
□ , ,
(Mehr. 2017. p.1.) “ ”( . 2016. p.18.)
∙ 지능활동은 ① 시각적, 청각적, 공간적 정보를 이해하고 처리하는 활동 ② 논리 적 사고와 예측을 요하는 활동 ③ 인간과 기계와의 상호작용 ④ 지속적으로 학 습하고 자가 발전하는 활동을 포함
(a) (b)
3-1 |
: (a) https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcSlky7lCJxEumqgsA9HqEn6f0pcasI2v_KD7EK9O7 Vf5 CV8bBu9Lg ( 2017.08.14.) ; (b) http://www.dataanalysts.org/uploadfile/image/20170811/20170811035753_
31412.jpg ( 2017.08.14.)
2)
□ (Cognitive Technologies), (Natural Language Processing) (Natural Language Generation) , (Reasoning), (Expert Systems), (Robotics), (Machine Learning)
∙ 인공지능 세부기술은 별개로 발전한다기보다 상호 융·복합을 통해 지속적 발전 하는 중이나, 최근 인공지능기술의 대중화를 이끌고 있는 핵심요소는 자연어처 리 및 생성기술과 기계학습임
- 자연어처리 및 생성기술은 인간의 고유 특징인 언어를 매개로 하여 인간-기계가 상호 작용할 수 있게 하여, 인공지능기술이 일상생활까지 확대되는 기회를 제공함(자연어 처리 기술의 세부원리는 부록 1 참고)
- 기계학습은 컴퓨터 혹은 기계가 지능활동을 수행할 수 있도록 학습(훈련)시키는 기술 로, 최근 개선된 빅데이터 활용여건을 기반으로 딥러닝 알고리즘이 성공적으로 개발, 실용화되면서 인공지능기술의 보편화에 기여함
3-2 |
□ , (machine learning)
∙ 기계학습에 활용되는 SW에 대해서는 부록 2 참조
3)
□ ( ) , ,
( 2016. p.19.)
∙ 주어진 데이터를 이용한 학습을 통해 특정 모델을 찾아내는 과정을 학습과정이 라고 함
∙ 이 결과모델이 새로운 입력 데이터를 주입하여 새로운 결과 정보를 도출하는 과 정을 추론과정이라 함
∙ 추론 정확성이 높은 모델을 도출할 수 있도록 양질의 데이터와 알고리즘으로 컴 퓨터를 학습시키는 것이 기계학습의 관건임
3-3 |
: . 2016. . : . p.23.
4)
□
∙ 학습방식에 따라 지도학습(Supervised Learning), 비지도(Un-supervised Learning), 반지도(Semi-supervised Learning), 강화학습(Reinforced Learning) 등 네 종류로 구분함
□
∙ 지도학습이란 정답과 입력값을 모두 포함한 학습데이터를 이용하여, 정답과 학 습결과(모델) 간의 차이, 즉 오차가 줄어들도록 모델을 지속적으로 수정하는 학 습방법 (김성필. 2016. p.30.)
∙ 붓꽃 분류의 예시
- 꽃잎길이와 꽃잎폭의 입력값과 붓꽃종류의 정답을 모두 포함한 학습데이터를 이용하 여, 꽃잎길이와 폭이 주어졌을 때 붓꽃 종류를 예측하는 모델을 학습결과로 도출 - 여러 학습데이터를 이용하여 학습결과 모델의 오차가 일정 수준으로 줄어들 때까지
모델을 지속적으로 갱신
3-4 |
:
∙ 지도학습에 사용하는 알고리즘은 OLS, K-NN, SVM, 의사결정나무, 신경망 기법 등 다양함
∙ 지도학습은 일반적으로 분류, 회귀(예측) 문제에 주로 적용
- 실제로, 신용카드 소지자의 신용등급 분류, 사진 속 객체(자동차, 집 등) 인식, 질병종 류 판별, 자율주행차의 주변지역 토지이용 분류, 상황기반 이미지 검색, 번역, 환자 재 입원율 예측, 동시구입 상품목록 및 곡물수확량 추정 등의 분야에서 지도학습 활용
□
∙ 비지도학습이란 정답이 없는 입력값만을 학습데이터로 이용하여, 데이터 특성 에 따라 패턴이나 유형을 찾아낸 후, 새로운 입력데이터가 들어오면 해당하는 패턴이나 유형으로 매칭하는 방법 (김성필. 2016. p.30.)
∙ 소비자 유형구분의 예시
- 패션, 디지털 제품에 대한 소비금액(x1, x2) 변수를 포함한 입력값을 이용하여, 소비자 를 3개 그룹으로 유형화
- 소비자 그룹 내부의 편차는 최소화하고 그룹 간 편차는 최대화 하는 등의 적합성 평가 기준을 반복적으로 적용하여 적합성이 더 이상 개선되지 않는 수준까지 모델을 계속 수정
3-5 |
:
∙ 비지도학습에 사용하는 알고리즘은 k-Means, DBSCAN, 신경망 기법 등 다양
∙ 비지도학습은 일반적으로 군집(그룹핑) 문제에 주로 적용
- 실제로, 고객 유형화, MRI 영상 유형화, 영화추천(넷플릭스 등) 및 제품추천(아마존 등), 직업군 분류, 인맥 추천, 사진 및 그룹 생성 등의 분야에서 비지도학습 활용
□
∙ 반지도학습이란 학습데이터 중 일부에는 입력값과 정답이 모두 존재하나, 나머 지는 정답이 없는 경우에 적용되는 방법
□
∙ 강화학습이란 입력값과 이에 대응하는 출력값 및 출력값의 평가점수가 포함된 학습데이터를 이용하여,
∙ 출력값에 대한 평가점수(보상)가 최대화되도록 모델을 지속적으로 개선하는 방법 (김성필. 2016. p.31.)
∙ 이동로봇 에이전트의 예시
- 특정 환경에 이동로봇이 있을 때, 이 로봇은 좌측이나 우측 중에 한쪽 방향으로 이동하 는 행위를 취해야 함
- 좌측으로 이동하여 불을 만나면 이동로봇은 –50점 벌칙을 받고 우측으로 이동하여 수 돗물을 얻게 되면 ＋100점의 보상 부여
- 이 환경에서 이동로봇은 무수한 시행착오를 통해 보상을 최대화하는 방향으로 이동방 향을 선택하는 방법을 배우게 됨
3-6 |
: https://qph.ec.quoracdn.net/main-qimg-b135e50fd568eac846f112ee8a0a1bbc.webp ( 2017.08.18.)
∙ 알파고, 콜센터 상품제안 로봇, 응급환자 처치 및 대응 모델, 각종 로봇 및 자율 주행자동차 개발 시 강화학습 방법 활용
- 운동장 트랙을 한 바퀴 돌아야 하는 자율주행자동차가 있을 때, 트랙의 특정 지점을 무 사히 통과하면 보상을 주고 가로에 부딪히면 처음부터 다시 출발해야 하는 벌칙 부여 - 강화학습 초반에 자율주행자동차는 트랙의 일부만 통과하다가, 위치별 주변 장애물들
을 인지하고 적정한 이동방향과 각도를 터득하게 됨
- 학습이 진행될수록 통과하는 트랙의 길이가 늘어나고 종국에는 트랙 한 바퀴를 혼자 무사히 주행하게 됨
→
↓
←
3-7 |
: https://www.youtube.com/watch?v=0Str0Rdkxxo (Neural Network Demo, 2017.08.18.)
5)
□ “ ”( 2016. p.161.) ,
, , ,
∙ 심층신경망(Deep Neural Network)이란 입력층, 다수의 은닉층, 출력층으로 구 성된 신경망으로, 신경망의 각 층을 연결하는 가중치 행렬(W)을 산출하는 것이 학습의 과정임
∙ 심층신경망에서 은닉층의 수, 개별 은닉층을 구성하는 노드의 숫자, 가중치 함 수 등은 문제에 맞게 연구자가 설정
∙ 심층신경망의 가중치 행렬 값은 신경망의 출력층에서 계산된 오차를 역방향으 로 전파하여 각 층의 가중치를 보정하는 역전파(Back Propagation)의 원리를 통
3-8 |
: Hosseini, S. H., & Samanipour, M. 2015. Prediction of Final Concentrate Grade Using Artificial Neural Networks from Gol-E-Gohar Iron Ore Plant. American Journal of Mining and Metallurgy. 3(3). p.59.
□
∙ 개와 고양이 라벨이 부여된 사진(입력값) 데이터를 학습데이터로 활용하고, 새 로운 사진이 주어졌을 때 개인지 고양이인지 분류하는 지도학습 문제
∙ 학습데이터는 심층신경망의 입력층이 되고, 개/고양이 여부를 나타내는 0/1 값 이 출력층
∙ 은닉층은 다양한 숫자와 크기의 이미지 데이터로 구성되며, 입력층의 학습데이 터에 여러 가중치 함수를 적용하여 은닉층을 1차 도출
∙ 학습데이터를 이용한 초기 신경망 모델에서 분류 오차가 산출되고 이 오차를 출 력층에서 입력층의 역방향으로 점진적으로 적용하여 은닉층에 관한 가중치를 조정하여 최종 결과모델 도출
3-9 |
: http://androidkt.com/wp-content/uploads/2017/07/neural-network.gif ( 2017.8.18.)
□ / / ,
, (Convolutional Neural
Networks; CNN)
∙CNN에서는 이미지의 특징을 추출하기 위한 은닉층과 분류를 위한 출력층이 일 렬로 연결됨
∙ 입력데이터인 원본 이미지에 다양한 필터를 적용하여 이미지의 특징을 보여주 는 은닉층을 만들고(Convolution),
∙ 필터링 결과 이미지의 크기를 축소하는(Pooling)하는 은닉층을 반복적으로 일 렬 배치하여 이미지 분류 혹은 객체인식
3-10 | CNN
: Kurylyak, Y., Paliy, I., Sachenko, A., Chohra, A., & Madani, K. 2014. Face detection on grayscale and color images using combined cascade of classifiers. International Journal of Computing. 8(1). p.63.
3-11 | CNN
: http://cs231n.github.io/convolutional-networks ( : 2017.09.05.)
4.
1)
□
∙ 미국, 캐나다, 싱가폴 등에서 정부기관 내외부의 민원응대 효율화 및 공공서비 스 접근성 확대를 위해 인공지능 기반 메신저, 챗봇 등을 활용
Innovation Center IT (2016)
(a)
EMMA
2016 9
US Army
(b)
SGT STAR , ,
(c)
IBM Watson 311( ) My Surrey(Siri for Cities)
(2015~)
- Watson 3 1
- 2018 IBM Watson
- “Conversation as a Platform”
(2016~) 3-1 |
: (a) https://www.uscis.gov/ ( : 2017.11.08.) ; (b) https://www.goarmy.com/ask-sgt-star.html ( : 2017.09.05.) ; (C) https://medium.com/cognitivebusinesSWatson-assists-cities-with-311-3d7d6898d132 ( :
□
∙ 난민의 법률서비스 지원 등 공익을 목적으로 한 인공지능 기반 챗봇 등장 - 개인 개발자가 미국, 캐나다, 영국으로 망명하고자 하는 난민들을 위해 이민지원서 작
성을 지원하고 망명 관련 법률문의에 응대하는 챗봇 앱인 로봇 변호사 DoNotPay를 개 발하여 서비스 중임
3-12 | DoNotPay
: https://www.theguardian.com/technology/2017/mar/06/chatbot-donotpay-refugees-claim-asylum-legal-aid
( 2017.9.16.)
2)
□
∙ 미국 라스베가스 보건담당 부서에서는 지오태깅된 트위터 데이터를 기계학습 알고리즘으로 분석하여 지역식당 위생환경 관리
- 식중독, 배앓이 등에 대해 언급한 트위터 이용자가 방문한 식당들을 조사하여 식당의 위생 점수를 매기고 선별적으로 현장을 점검하는 시스템 운영
3-13 |
: Eggers, W. D., Schatsky, D., Viechnicki, P. 2017. AI-augmented government using Cognitive technologies to redesign public sector work. A report from the Deloitte Center for Government Insights. p.12.
□
∙ 멕시코 정부에서는 시민탄원서를 자동 분류하는 인공지능 알고리즘을 개발하여 탄원서별 대응기관을 알려주는 서비스 운영 계획
3)
□
∙ 우리나라 한컴그룹은 평창 동계올림픽에서 외국인을 안내할 수 있는 인공지능 통역 로봇을 개발 중
- 한컴 실시간 통번역 서비스와 안내로봇(퓨로)의 로봇 기술 접목 시도
3-14 | ( )
: http://news.mk.co.kr/newsRead.php?year=2017&no=90760 ( : 2017.08.01.)
□
∙ 일본에서는 국회의 속기사 업무를 대체할 수 있는 인공지능 시스템을 개발하는 시험사업 추진 중
- 인공지능에 과거 5년분의 국회회의록을 학습시켜 정책과제나 논점을 정리하도록 훈련 시키고,
- 음성 문자간 전환, 자연어생성기술 등을 융합·활용하여 자동 속기 및 정책과제 정리를 담당할 수 있는 도구를 개발하고자 함
3.
1)
□
∙ 토지 피복 및 이용 분류, 도시계획 지원 및 사회경제지표 개발, 공간정보 최신화 및 품질개선을 위해 인공지능기술을 도입 중
□
∙Landsat 위성영상에 기계학습 알고리즘을 적용하여 토지피복 분류 정확도를 제고
∙ 위성영상에 CNN1) 딥러닝 모델을 적용하여, 도시 토지이용 및 피복(시가지, 농 경지, 녹지 등) 변화를 예측하여 도시의 성장을 시뮬레이션하는 연구사례 증가
3-15 | CNN (2000/2015/2016/2018 )
: Murayama, Y., Hao, G. 2016. Machine Learning in Geoscience. Lecture Note. p.20.
3-16 | CNN
: Längkvist, M., Kiselev, A., Alirezaie, M., & Loutfi, A. 2016. Classification and segmentation of satellite orthoimagery using convolutional neural networks. Remote Sensing, 8(4), 329. p.6.
□ (Luus et al. 2015.)
∙CNN의 입력자료를 Multiview로 세분화하여 21개 토지이용유형으로 위성영상 데이터를 분류
∙ 정확도 93% 가량의 성능을 보여, 자동 지목 추출 등에 적용가능성 높으나, 드론 이미지에 적용 시 다른 CNN 모델로 변경 필요
3-17 | Luus et al(2015) CNN (a) (b~g)
: Luus, F. P., Salmon, B. P., van den Bergh, F., & Maharaj, B. T. J. 2015. Multiview deep learning for land-use classification. IEEE Geoscience and Remote Sensing Letters. 12(12). p.2452.
2)
□
∙ 한가인(2016)은 스마트 교통카드 데이터, 심층신뢰신경망(Deep Belief Network) 기법, k-Means 군집기법을 결합하여 실제 서울시민의 대중교통 기반 통행패턴 을 토대로 서울시 생활권을 새롭게 제안
- 연구결과 기존과 다르게 지하철 2호선 라인 인접지역을 하나의 생활권으로 제시
3-18 | 5 ( A~E)
: . 2016. – -. .
. p.37.
□
∙ 민간회사인 Oribital Insight은 고해상도 위성영상 데이터에 컴퓨터 비전(Vision) 과 CNN 기반 딥러닝 모델을 적용하여,
∙ 개발도상국의 빈곤지표(농업생산성, 개발정도, 건물높이, 차량 수), 미국 대형쇼 핑몰 소매소비 지수(주차장 교통량) 등의 새로운 지표를 개발하여 제공
3-19 |
: https://orbitalinsight.com/solutions/poverty-mapping/ ( 2017.08.01.)
3-20 |
: https://orbitalinsight.com/blog ( 2017.08.01.)
3)
□
∙ 구글은 기계학습 알고리즘을 이용하여 사진이 찍힌 위치를 식별하고, 스트릿뷰 사진에서 도로 및 건물번호, 도로명 등을 추출하여 지도 데이터베이스를 갱신하 는 기술 개발
- 구글 PlaNet 프로젝트에서는 사진 내용을 보고 대상 위치를 추출하는 기술 개발 중 - 스트릿뷰 차량에서 찍은 사진에서 도로 및 건물번호를 추출하여 지도를 갱신하는 알
고리즘을 2014년에 개발하고(Geospatial World Magazine 2017년 3월호. p.30.), 2017
3-21 | : Google PlaNet
: Geospaital World Magazine 2017 3 . 2017 . p.30.
3-22 |
: Wojna, Z., Gorban, A., Lee, D. S., Murphy, K., Yu, Q., Li, Y., & Ibarz, J. 2017. Attention-based Extraction of Structured Information from Street View Imagery. arXiv preprint arXiv:1704.03549. p.2.
□
∙ 페이스북에서는 인공지능기술을 이용하여 위성영상에서 인구분포도 제작, 도로 를 자동 추출하는 기법을 개발함으로써, 개발도상국 등 지도 미구축지역에 대한 지도제작 및 최신화 지원 시도
- 페이스북 Connectivity Lab에서는 컴퓨터 비전과 기계학습 알고리즘을 이용하여, 위 성영상에서 개발도상국 지역의 건물을 추출하고 추출된 건물에 인구센서스 결과를 배 분하여 50cm급 고정밀 인구분포도 제작
- 페이스북과 MIT는 위성영상에서 도로 객체를 자동으로 추출하고 이를 토대로 주소, 지역, 주택 등에 이름을 부여하는 알고리즘을 개발하는 Robocodes 프로젝트 진행 중
3-23 |
3-24 | Robocodes
: Demir, I., Hughes, F., Raj, A., Tsourides, K., Ravichandran, D., Murthy, S., & Kermani, G. 2017. Robocodes:
Towards Generative Street Addresses from Satellite Imagery. In Computer Vision and Pattern Recognition Workshops (CVPRW), 2017 IEEE Conference on (pp.1486-1495). IEEE. p.4.
□
∙ 최근 드론 영상에 수기로 기재한 토지 경계선을 학습자료로 하여 이미지에서 토 지경계선을 자동으로 추출하는 기계학습 알고리즘 개발 중(Crommelinck et al.
2017)
- 전역화된 경계선 확률(Globalized Probability of Boundary; gPb)기법을 활용하여 드 론 영상에서 지형의 윤곽선을 검출하는 Crommelinck 등(2017)의 알고리즘은 아직 정 확도가 높지 않으나, 지적재조사의 불부합지 판정에 일부 활용 가능
- 그림 3-25의 (a)와 같이 드론 영상에서 토지 경계를 손으로 추출한 결과를 학습을 위한 정답값으로 사용
- 자동으로 윤곽선을 검출한 결과는 그림 3-25의 (b)와 같고, 경계 추출에 그대로 사용하 기에는 아직 정확도가 떨어지므로 경계불일치를 판단할 때 부분적 사용이 가능 - CNN Autoencoder 등을 이용한 객체 윤곽선 추출 알고리즘을 토지 경계선 추출 문제
에 적용하면 자동 경계선 추출 결과의 정확도를 높일 수 있을 것으로 보임(그림 3-26)
(a)
Amtsyenn Toulouse Lunyuk
(b) 3-25 |
: Crommelinck, S., Bennett, R., Gerke, M., Yang, M. Y., Vosselman G. 2017. Contour Detection for UAV-Based Cadastral Mapping. Remote Sensing. 9(2). pp.4-7.
< > CNN Autoencoder
1 2
CNN Autoencoder 3-26 |
: Yang, J., Price, B., Cohen, S., Lee, H., & Yang, M. H. 2016. Object contour detection with a fully convolutional encoder-decoder network. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. pp.195-197.
□
∙ 자율주행 자동차 개발 본격화, 무인항공기 상용화 등의 변화 이후로 도로, 강 등 과 같이 연속적으로 이어진 인공 및 자연 지형지물의 자동 검출 알고리즘 개발 활성화
- 지적재조사에서도 도로 자동검출을 통해 현실지형과 다른 지적 필지 데이터 자동 파 악이 가능할 것
- 지적재조사에서는 실시간 검출이 필요하지 않으므로 속도는 낮더라도 더 좋은 성능의 방법을 적용할 수 있을 것
∙ 최근 Zhou 등(2015)은 Gaussian Mixture Model(GMM) 기반의 알고리즘을 이 용하여 정확도가 98%에 이르는 도로 자동검출 방법 개발
- 그림 3-27은 이 연구의 도로 검출 결과로, (a)는 천천히 움직이는 무인항공기에서 실시 간으로 검출한 결과이며 (b)는 가까운 거리에서 빠른 속도로 움직이는 자동차로부터 실시간으로 검출한 결과임
(a)
(b) 3-27 |
: Zhou, H., Kong, H., Wei, L., Creighton, D., & Nahavandi, S. 2015. Efficient road detection and tracking for unmanned aerial vehicle. IEEE Transactions on Intelligent Transportation Systems, 16(1). p.308.
4)
□
∙Kim & Lee(2016)는 위성영상 및 기상 데이터, 기계학습 알고리즘을 이용하여 옥수수 수확량 추정모델의 정확도 개선2)
∙ 미국 Descartes Labs는 위성영상 이미지, 기상 데이터, 농작물 가격예측 데이터, 기계학습 기법을 융합하여, 미래 식량공급 상황을 예측(Geospatial World Magazine 2017년 3월호. p.47.)
3-28 | 2016
: Geospaital World Magazine 2017 3 . 2017. p.47.
2) Kim, N. Lee, Y. W. 2016. Machine Learning Approaches to Corn Yield Estimation Using Satellite Images and Climate Data. Journal of the Korean Society of Surveying. Geodesy.
Photogrammetry and Cartography 34(4). pp.383-390.
□
∙MogIA 인공지능 시스템은 미국 소셜미디어 사용자의 위치정보를 이용하여 미 국 대선에서 트럼프 당선을 예측(Geospatial World Magazine 2017년 3월호.
p.4.)
4.
1)
□ ,
∙ 메신저, 챗봇, 자연어처리 등 비교적 성숙된 기술을 손쉽게 적용할 수 있으면서 많은 노동력이 필요하지만 공공인력이 부족한 업무 중심으로 인공지능기술은 도입 시작
- 내부 민원처리, 속기 등 인공지능 기반 자동화의 투입 비용 대비 예산, 노동력, 시간비 용 절감효과가 높은 영역이 인공지능기술의 우선 적용 대상
- 인공지능기술은 기존 노동력의 대체 수단이기 보다는, 현재 노동력이 부족한 업무에 일손을 보태거나 업무량을 줄여주는 방향으로 도입되는 중
- 민원자료 등 관련 데이터의 축적 및 디지털 변환이 중요 성패 요인
∙ 지적재조사에 있어서도 대응인력이 부족한 민원업무를 인공지능기술 적용의 우 선대상으로 검토 필요
2)
□ , ,
∙ 토지경계선, 도로선 등의 자동추출은 지적재조사가 필요한 불부합지의 선정을 일정 부분 자동화함으로써 지적재조사 사업지구 선정의 객관성 및 합리성 확보 에 기여 가능
∙ 옥수수 수확량 예측 등의 기법을 변용하면 지적재조사에 따른 조정금 자동 추정 등 가능
□ ,
,
∙ 지적재조사 현안 자체는 인공지능 기반 완전 자동화가 가능한 업무가 아니며 관 계자의 생각, 의견, 합의결과 등의 반영이 불가피하므로, 실무 업무과정을 분해 하여 인공지능기술이 적절히 도입될 수 있는 영역을 파악하는 것이 관건
3)
□ , ,
∙ 이미지 처리, 문서 자료, 지도 데이터 등 기존에 구득하기 어려웠으나 최근 급증 한 새로운 데이터에 인공지능기술을 적용하여 다양한 혁신 창출
- 스트릿뷰 사진에서 도로 및 건물번호, 도로명 추출 사례 - 트위터 자료 기반 식당 위생등급 추정 등의 사례
∙ 국가공간정보, 행정정보 등 공공데이터, 핸드폰/CCTV/드론 등을 통해 수집되는 이미지 데이터 등과 인공지능기술을 융합하여 기존 지적재조사 업무의 혁신방 안 모색 필요
- 구득가능한 데이터의 부족, 수집된 데이터의 한계 등으로 현실을 제대로 반영하지 못 했거나 다양한 대안을 충분히 검토할 수 없었던 업무들(예-다양한 조건을 만족하는 지 적경계 추출)을 중심으로 새로운 데이터와 기술 활용 모색 시도 필요
1. | 69
2. | 72
3. | 79
4
CHAPTER
CHAPTER 4
1.
1)
□
∙ 지적재조사 업무 중 사람이 개입하여 이루어지는 업무들을 ‘지능활동’으로 명명함
∙ 이러한 지능활동 중 인공지능 기술을 적용하여 효율화를 달성할 수 있는 업무를 파악하려면 지능활동의 유형을 분류할 필요가 있음
∙ 유형별로 특성을 파악하고, 이에 적합한 인공지능 기술이 무엇인지 검토하고자 함
□ 4
∙ 계획 수립 : 중장기적 관점에서 수행해야하는 역할을 정의하고, 이에 따른 일정, 예산 등을 수립하는 업무
∙ 의사결정 : 문제해결과정에서 여러 가지 조건을 고려하여 다양한 대안 중 최적 의 대안을 선택하는 과정
∙ 민원 대응 : 지적재조사 과정에서 발생하는 민원들에 대하여 각 민원들을 구분 하고, 구분된 민원들에 따라 해야 하는 대처 업무 등을 말함
∙ 평가 : 성과품의 검수, 심사, 수행능력 평가 등의 보편적 평가 업무와, 결측치의 측정 및 오류의 측정 등의 보정 업무를 말함
2) 1.
□
∙ 지적재조사사업 관련 기본 방향 설정, 사업 시행기간 및 규모 설정, 사업비의 연 도별 집행계획 수립 등이 해당함
□
∙ 지적재조사사업의 시행자, 사업지구의 명칭과 위치, 면적, 사업시행시기, 기간, 사업비 추산, 일필지 조사에 관한 사항 등이 해당함
□
∙ 토지소유자와 이해관계인, 지역 주민이 참석하여 제시된 의견들에 대해 의견을 제시하고 청취하는 활동을 의미함
3) 2.
□
∙ 지적공부에 등록되어 있는 사항과 토지의 실제 현황의 차이가 심해 주민의 불편 이 많은 지역인지를 결정하는 과정임
∙ 사업시행의 용이성과 효과성 여부 등을 고려하여 결정함
□
∙ 다양한 측량업체 중 해당 지역에 적합한 대행자를 선정하는 업무
□
∙ 경계설정 기준에 따라 경계를 설정하고, 경계점 표지를 설치하는 업무
□
∙ 지적재조사측량 후 기존 지적공부상 지목과 실제이용현황 비교하여 다를 경우 실제 토지이용으로 변경하는 업무
□
∙ 경계확정으로 인해 공부상 면적의 증감 발생시, 그 내역을 기준으로 조정금을 산정하여 징수 또는 지급하는 업무
□
∙ 기본계획 수립 및 변경, 관계 법령 제정 및 개정, 제도 개선 사항 등을 심의·의결
□ ·
∙ 지적소관청이 수립한 실시계획, 사업지구 지정 및 변경, 사업의 우선순위 조정 등에 심의·의결
4) 3.
□
∙ 경계설정에 관한 결정과 이의 신청에 관한 결정 등을 의결
□
∙ 지적재조사 사업 추진과정에서 발생하는 질의, 항의 등 다양한 민원이 발생하고 있음
5) 4.
□
∙ 지적소관청은 위성측량, 토탈 스테이션(Total Station) 측량 및 항공사진 측량 방 법 등으로 정확성 검사(지적기준점 : ±0.03m, 경계점 : ±0.07m)
□ ,
∙ 공부작성 시 토지, 토지·건물, 집합 건물로 구분하고 부동산 종합공부에 따라 작성
□
∙ 경계확정 시 사업완료 공고 및 공람, 소유자 정리, 개별 공시지가 산정 등
2.
1) AI
□
∙ 분류는 기존에 설정된 특정 기준에 따라 대상들을 구분하는 방법으로 자료에 표 지(labeling)가 되어 있어야 함
∙ 분류를 목적으로 인공지능을 적용하는 경우, 훈련데이터집합에는 자료와 자료 의 표지가 모두 있어야 하며, 해당 데이터를 학습하여 향후 특정 자료로부터 그 표지를 예측하는 것임
∙ 군집은 다양한 특징을 가지는 자료들을 군집화하여 해당 군집의 특성을 파악하 는 것을 목적으로 함
∙ 군집을 목적으로 인공지능을 적용하는 경우, 훈련데이터집합에는 표지가 없는 자료가 있으며 해당 자료를 학습하여 군집을 구성, 향후 특정자료로부터 해당 군집에 속하는지 여부를 예측하는 것임
□
∙ 지적재조사사업 시행기간 또는 규모설정을 위해 기존 재조사 사업이 완료된 지 역의 인구학적 특성, 불부합률, 지가 등의 요소를 고려하여 ‘요소 vs 시행기간 (또는 규모)’에 대한 훈련 집합을 구성
∙ 지적재조사 관련 민원 대응을 위해, 기존 민원 대응 자료에 대한 텍스트분석을 통해 ‘특정 단어들의 출현 vs 민원해결방법‘에 대한 훈련 집합을 구성
□
∙ 사업지구가 선정 또는 변경된 지역들의 자료로부터 인구학적 특성, 불부합률, 지가 등의 요소를 추가적으로 확보하여 이를 중심으로 군집화
∙ 경계확정 된 자료로부터 경계의 모양, 소유주 자산, 지가 등의 요소를 추가적으 로 확보하여 이를 중심으로 군집화
∙ 조정금 산정 자료로부터 증감 여부, 증감 크기, 주변 지가, 소유주 자산 등을 추 가적으로 확보하여 이를 중심으로 군집화
2)
□
∙ 전체적인 사업 시행 기간 및 규모, 집행 계획 등 종합적인 판단이 필요한 단계로 서 자동화하기에는 쉽지 않은 영역임
□
∙ 사업지구 지정과 경계 확정, 지목 변경 등을 포함하는데, 과거 데이터로부터 패 턴을 찾아 의사 결정을 지원할 수 있으므로 자동화의 대상이 될 수 있는 분야
□
∙ 각종 분쟁과 이의 신청 관련 질의응답에 자연어 처리를 적용할 수 있으므로 역 시 자동화의 대상임
□
∙ 사업 완료 후 발생하는 단계이므로 자동화의 주요 대상은 아니라고 판단
3)
□
∙ 소유자의 소득수준, 학력 등의 특성, 지목, 토지 이용 현황 등의 데이터를 수집하 고 이러한 정보들로부터 가장 적합하고 시급한 사업지구들을 선택하는 단계
∙ 사업지구 선정을 위해서는 우선순위를 예측하는 부분과 수집되거나 가공되는 데이터 처리 부분으로 나눌 수 있음
∙ 수집/가공되는 데이터의 처리 부분은 데이터 처리에 자동화 기법을 사용함으로 써 시간과 비용을 단축하고 사업지구 지정에 있어 참고할 수 있는 자료로 활용 가능
∙ 예측을 위해서는 정답을 포함하는 학습데이터가 존재해야 하며 이때 기존에 지 적재조사가 끝난 사업지구들을 대상으로 우선순위를 평가하는 학습과정이 필요
∙ 사전조사를 통해 수집한 각종 데이터들이 학습 샘플을 표현하는 속성이 되고, 우선순위에 따른 속성값의 변화에서 패턴을 찾아 우선순위 점수를 예측하는 모
