야간위성 이미지를 이용한 격자 단위 인구 추정모형 개발

변상영(Sangyoung Byeon),이동찬(Dongchan Lee),김기환(Keewhan Kim) 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.1

인구는 여러 가지 국가정책의 근간이 되는 자료이므로 이를 파악하는 것은 매우 중요한 일이나 모든 나라가 자국의 인구를 측정하는 제도를 잘 갖추고 있는 것은 아니다. 이런 경우는 실제인구가 아닌 추정인구로 국가의 인구를 대신한다. 주로 저개발국으로 분류되는 국가들의 인구를 추정하는 방법은 여러 가지가 있을 수 있으나 본 연구에서는 야간위성 이미지를 이용한 간접적 인구추정 방법을 제안하였다. 기존의 방법들이 야간위성 이미지를 인구추정을 위한 보조 정보로 사용하였다면, 본 연구에서 제안한 방법은 야간위성 이미지만으로 인구를 추정하는 모형을 제안하였다. 미국 해양대기청(National Oceanic and Atmospheric Administration, NOAA)에서 제공하는 Defense Meteorological Satellite Program(DMSP-OLS) 야간위성 이미지를 사용하여 격자 인구를 추정할 수 있도록 모형을 제안하였다. 모형개발을 위해 서울·수도권을 제외한 우리나라 야간위성 이미지와 격자 인구를 사용하였으며, 제안된 모형에서 최적의 결과를 얻기 위해 통계적 모형과 기계학습의 앙상블 모형을 비교하였다. 비교 결과 일반화 성능 관점에서 기계학습의 앙상블 모형이 우수한 것으로 나타났다. 본 연구에서 제안된 모형은 우리나라를 기반으로 작성되어 아직은 일반적으로 적용할 수 없으나 추후 연구에서 사례를 보강하여 이를 개선해나갈 것이다. Population data is the basis for many national policies. Therefore, it is very important to understand the population data. However, not all countries are well equipped with a system to measure their own population, so in this case, the estimated population rather than the actual population is substituted for the national population data. There may be several methods of estimating the population of countries classified as underdeveloped, but in this study, an indirect population estimation method using night satellite image was proposed. While known methods use night satellite images as auxiliary information for population estimation, the method proposed in this study proposes a model that estimates the population only with night satellite image. A model was proposed to estimate the grid population using the DMSP-OLS (Defense Meteorological Satellite Program) nighttime satellite image provided by the US NOAA (National Oceanic and Atmospheric Administration). For model development, South Korea s night satellite image and grid population were used excluding Seoul and the metropolitan area, and statistical models and ensemble models of machine learning were compared to obtain optimal results from the proposed model. As a result of comparison, it was found that the ensemble model was superior in terms of generalization performance. The model proposed in this study is based only on South Korea and cannot be generally applied yet, but it will be improved by reinforcing cases in future studies

CNN 기반 주간 위성 이미지를 활용한 격자 단위 인구추정

변상영(Sangyoung Byeon),이동찬(Dongchan Lee),김기환(Keewhan Kim) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.2

인구 자료를 수집하는 전통적인 방법은 인구센서스와 인구동태조사이다. 대부분의 국가에서 이와 같은 방법을 현재까지도 사용하고 있지만 ICT 환경과 공공데이터 개방 추세에 따라 인구자료의 수집과 활용에 변화가 일어나고 있다. 우리나라가 2015년 도입한 행정자료 활용 등록센서스와 행정구역보다 상세한 소지역에 대한 인구추정이 예가 될 수 있다. 특히 소지역 인구추정에 위성이미지를 사용하는 연구들이 소개되고 있다. 초기에는 주로 야간 위성 이미지를 활용하였으나 딥러닝의 CNN 알고리즘이 소개된 이후 주간 위성 이미지를 활용하는 연구들이 소개되고 있다. 본 연구에서는 우리나라의 주간 위성 이미지와 CNN 이전학습을 이용하여 1km 격자인구 추정을 시도하였다. 추정 결과 추정 가능성은 확인하였으나, 기존 연구들처럼 만족스러운 결과는 얻지 못하였다. 개선된 격자 인구 추정값을 얻기 위해서는 국가 전체와 같은 큰 지역이 아닌 도시 단위와 같이 상대적으로 작은 지역에서 1km 보다 작은 격자를 대상으로 CNN 알고리즘을 적용하는 것이 유리할 수 있음을 확인하였다. The traditional methods of collecting population data are population census and vital data surveys. Although most countries still use this method, changes are taking place in the collection and utilization of population data according to the ICT environment and the trend of opening public data. An example is the register-based census using administrative data introduced by Korea in 2015 and population estimation for subregions that are more detailed than administrative districts. In particular, studies using satellite images for population estimation of subregions are being introduced. In the early days, night-time satellite images were mainly used, but after the deep learning CNN algorithm was introduced, studies using day-time satellite images have been introduced. In this study, we tried to estimate the 1km gridded population using day-time satellite images and CNN transfer learning in Korea. As a result of the study, the possibility of estimation was confirmed, but satisfactory results were not obtained like previous studies. In order to obtain improved gridded population estimates, it was confirmed that it may be advantageous to apply the CNN algorithm to a grid smaller than 1 km in a relatively small area such as a city rather than a large area such as the entire country.

오픈 데이터와 격자 시스템을 이용한 세종시 실제 인구 추정

변상영(Sangyoung Byeon),김기환(Keewhan Kim) 한국자료분석학회 2020 Journal of the Korean Data Analysis Society Vol.22 No.5

최근 인구자료는 용도의 다양화로 높은 공간 해상도에서도 활용할 수 있는 자료의 필요성이 높아지고 있다. 우리나라는 인구총조사를 2015년 서베이 방식에서 등록센서스 방식으로 전환한 후 매년 발표되는 공식인구는 작성과정에서 여러 행정자료가 사용되지만, 주민등록인구가 기반이 되고 있다. 매월 행정안전부에서 읍·면·동 수준까지 발표하는 주민등록인구는 17개 시도 인구보다 소규모 지역에 관한 자료이지만 적지 않게 발생하는 행정구역의 변화는 다양한 분야에서 인구자료의 활용에 걸림돌이 되고 있다. 이의 극복을 위해 필요한 것이 격자(grid) 기반의 인구이다. 이에 부응하여 통계청의 SGIS plus에서는 격자 기반의 인구를 제공하고 있지만 SGIS plus에서 제공하는 격자 인구는 실제로 활용하기에 문제점과 오류를 포함하고 있다. 따라서 본 연구에서는 세종특별자치시를 대상으로 SGIS plus에서 제공하는 격자 인구(gridded population)의 문제점과 오류를 해결하고, 월별 주민등록인구를 이용한 새로운 성·연령·월별 격자 인구를 추정하였다. 세종시를 대상으로 새로 추정된 격자 인구는 발표된 주민등록인구로 실거주 인구를 추정하는데 긍정적인 효과가 있음을 확인하였다. Recently, the demand for demographic data at a spatially downscaling level is increasing due to various uses. The official population, which is announced every year after the conversion of the register-based census from survey-based census in 2015, uses several administrative data during the preparation process, but the resident population is the basis. While the resident populations released by the Ministry of the Interior and Safety every month to the level of Eup, Myeon, and Dong are data on small areas compared to the population of 17 Sido, but the need for a grid-based population is increasing to utilize demographic data in various fields. In response, the National Statistical Office s SGIS plus provides a gridded population. However, the gridded population provided by SGIS plus contains problems and errors in its practical use. Therefore, this study solved the problems and errors of the gridded population provided by SGIS plus for Sejong-si and estimated the new gender, age, and monthly specific gridded population using the monthly resident population. It was confirmed that the newly estimated gridded population at Sejong city has a positive effect in estimating actual residence population using the resident population announced.

CNN 기반 위성 이미지를 활용한 북한의 도시 인구추정

변상영(Sangyoung Byeon),이충열(Choong Lyol Lee),김기환(Keewhan Kim) 한국자료분석학회 2024 Journal of the Korean Data Analysis Society Vol.26 No.2

북한은 공식적인 절차를 통해 인구데이터를 공개하지 않지만, 통계청, 인터넷 검색을 통해 북한의 인구와 관련된 자료를 확인할 수 있다. 그러나 이 데이터들은 1993년, 2008년에 유엔인구기금(UNFPA)의 지원을 받아 실시한 인구총조사를 기반으로 추정된 자료이고 신뢰성도 떨어지는 것으로 알려져 있다. 이에 본 연구에서는 북한의 현재 인구를 가늠하기 위한 첫 시도로 2023년 북한의 주간 위성 이미지를 이용하여 평양과 개성의 인구를 격자 단위로 추정하였다. 연구 결과로 CNN 기반 격자 단위 인구추정 모델을 개발하였다. 이 모형은 우리나라를 대상으로 CNN 모델을 훈련하고, 북한에 적용하는 것을 목표로 한다. 모형은 CNN의 대표적인 알고리즘인 VGG16 모델을 기반으로 전이학습을 하였으며, 주간 위성 이미지에서 나타나는 남북한의 계절 차이를 조정하기 위해 U-net을 활용하여 조정된 이미지를 사용하였다. 또한, 이웃효과(neighboring effects)를 추가하여 모델의 성능을 개선하였다. 모델 적합 결과 우리나라의 4대 광역시의 인구는 실제 인구와 큰 차이 없이 추정되었으며, 북한의 평양과 개성의 인구는 2008년 센서스인구와 유사하게 추정되어 만족스러운 결과를 보여주었다. North Korea does not officially disclose population data through formal procedures. However, information related to North Korea's population can be verified through KOSTAT or internet searches. Nevertheless, these data are based on population surveys conducted with the support of the United Nations Population Fund (UNFPA) in 1993 and 2008, and are known to be of questionable reliability. In this study, as an initial attempt to estimate the current population of North Korea, we utilized daytime satellite images from 2023 to estimate the populations of Pyongyang and Kaesong at the grid level. The research resulted in the development of a gridded population estimation model based on a Convolutional Neural Network (CNN). The model was trained on CNN using data from South Korea and aimed to be applied to North Korea. It employed the VGG16 model, a representative algorithm of CNN, for transfer learning. To account for seasonal differences in the images from daytime satellite data, a U-net was used for image adjustment. Furthermore, neighboring effects were incorporated to enhance the model's performance. The model fitting results indicated that the populations of the four major metropolitan cities in South Korea were estimated without significant differences from actual populations. The populations of Pyongyang and Kaesong in North Korea were also estimated to be similar to the 2008 census data, demonstrating satisfactory results.

XAI Grad-CAM 기반 궤양병 감귤 이미지 분류 CNN 모델의 점검

이동찬(Dongchan Lee),변상영(Sangyoung Byeon),김기환(Keewhan Kim) 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.6

하드웨어의 성능 및 정보처리 기술이 급격히 발전하면서 비정형 데이터의 처리 및 가치 창출에 관한 관심이 증가하고 있다. 이를 위한 다양한 인공지능 아키텍처들이 개발되고 있으며, 모델의 의사결정 분기점이 기하급수적으로 늘어나면서 큰 성능의 개선이 이루어지고 있다. 그러나복잡한 모델 구조는 연구자의 결과 해석 용이성을 저해하는 주요한 원인이 되며, 모델 성능의발전 속도와는 달리 설명 능력에 대해서는 진척이 더딘 실정이다. 설명 가능한 인공지능, 이하XAI(eXplainable Artificial Intelligence)는 위와 같은 문제를 해결하기 위해 등장하였으며, 모델의블랙박스를 이해 가능한 수준으로 분해하여 해석 가능성 및 신뢰도 제고에 도움을 준다. 본 연구에서는 CNN(Convolutional Neural Network) 모델을 사용하여 궤양병 감귤 이미지 분류 문제에접근하였으며, 최종적으로 설계한 모델은 약 97% 수준의 정확도를 보였다. 이후 모델의 신뢰성제고 및 개선 방향 판단을 위해 XAI 기법 중 하나인 Grad-CAM(Gradient-weighted Class Activation Mapping)을 적용하였으며, 이를 통해 구축한 모델이 최종적인 판단을 내리는데 중요한 역할을한 이미지의 특정 영역을 파악하는 과정을 진행하였다. 점검 결과 이미지 외곽의 형태가 객체와구분이 되지 않아 영향을 크게 받는 경우 및 특정 객체의 고유한 형태가 오분류 원인으로 감지되었다. By the rapid development of hardware performance and information processing technology, interest in processing unstructured data and creating value is increasing. Various types of AI architectures are being developed and as the decision-making junction of the model increased exponentially, the performance is being improved. However, complex model structure is a major cause of hindering researchers' ease of interpret results and unlike the speed of development of model performance, the progress is slow on explanatory ability. Explainable artificial intelligence (XAI) has emerged to solve this problem and decomposes the model's black box to an understandable level to help improve interpretability and reliability. In this research, we approach the ucler disease citrus image classification problem by using CNN model, and the final model showed approximately 97% accuracy. After that, to improve the reliability of the model and to determine the specific area of the image that played a major role in making the final judgment, Gradient-weighted Class Activation Mapping (Grad-CAM), one of the XAI techniques was applied. As a result of the inspection, it was detected that the shape outside the image wasn't distinguished from the object which was greatly affected. So, the unique shape of a specific object was the main cause of misclassification.