HSR 역세권의 시가화 면적 변화 분석
Impact of High-Speed Rail on Urban Expansion
- 주제(키워드) HSR , DiD , 이벤트스터디 , 인공지능 분류 , 정사영상 , 역세권 개발
- 발행기관 서강대학교 경제대학원
- 지도교수 양현주
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 경제대학원 인공지능경제
- 실제URI http://www.dcollection.net/handler/sogang/000000082338
- UCI I804:11029-000000082338
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
본 연구는 고속철도(HSR) 개통이 역세권 주변의 시가화 건조지역(Urbanized Built-up Area) 확장에 미치는 영향을 고해상도 공간자료와 인공지능 기술을 결합하여 실증적으로 분석하였다. 기존 연구들이 역세권의 미시적인 물리적 변화를 포착하는 데 한계가 있었던 점에 주목하여, 본 연구는 역 중심 반경을 세분화한 표준 공간 단위를 적용하였다. 역×링×연도 패널 데이터를 구성하고, 이중차분법(DiD)과 이벤트 스터디(Event Study) 모형을 통해 HSR 개통의 인과적 효과를 추정하였다. 본 연구는 거리 기반 표준 단위를 통해 HSR 역세권 개발이 공간·시간적 전개를 정량적으로 규명했다는 데 의의가 있다. 향후 역세권 지역의 개발 계획 수립과 경제학 연구에 있어 원격탐사 자료와 딥러닝 방법론의 활용 가능성을 제시한다. 주제어 : HSR, DiD, 이벤트스터디, 인공지능 분류, 정사영상, 역세권 개발
more초록(요약문)
This study empirically analyzes the impact of High-Speed Rail (HSR) opening on the expansion of urbanized built-up areas within station influence zones by integrating high-resolution spatial data with artificial intelligence. Recognizing the limitations of previous studies in capturing micro-level physical changes, this research employs a standardized spatial unit that subdivides the radius around HSR stations. By constructing a station-by-ring-by-year panel dataset, the study estimates the causal effects of HSR opening through Difference-in-Differences (DiD) and Event Study models. The significance of this study lies in its quantitative characterization of the spatio-temporal dynamics of HSR station area development using distance-based standardized units. The findings provide practical implications for establishing future development plans for station influence zones and demonstrate the potential for integrating remote sensing data and deep learning methodologies within the field of economics. Keywords : HSR, DiD, Eventstudy, AI-based Classification, Orthophoto, Station Area Development
more목차
Ⅰ. 서론 1
1. 연구 배경 및 문제의식 1
2. 연구 질문과 기여 2
3. 연구 설계 개요 및 결과 요약 4
Ⅱ. 이론적 배경 및 선행연구 5
1. 역세권 개발과 도시경제학 5
2. 고속철도의 공간경제 효과에 관한 연구 6
3. 원격탐사정사영상 기반 도시화 측정 7
Ⅲ. 데이터 및 연구 대상 9
1. 정사영상 9
2. 토지피복지도와 시가화 건조지역 정의 9
3. 인공지능 학습용 자료 구성 10
4. 역 목록 및 연구 대상 지역 11
Ⅳ. 분석 방법 14
1. 정사영상 전처리 및 링 단위 구축 14
2. 토지피복 분류 및 개발 수준 지표 계산 15
3. 패널 데이터 구성 16
4. 이중차분법(DiD) 및 이벤트스터디 모형 17
Ⅴ. 실증 결과 18
1. 기술통계 18
2. 기본 DiD 결과 19
3. 이벤트스터디 결과 21
4. 결과 종합 및 해석 25
5. 강건성 검증 27
Ⅵ. 논의 28
1. 정책적 시사점 28
2. 연구의 한계와 향후 과제 29
Ⅶ. 결론 31
참고문헌 33
별첨: 패널데이터 변수설명 36
