연구 목적: 본 연구의 목적은 공간 자기상관성을 고려하여 노후 건축물의 근린단위의 빈집화 가능성을 예측하기 위한 이론적 틀을 마련하고 실증연구를 수행하는 것이다. 연구 방법: 빈집에 대한 선행연구 검토와 데이터에 기반한 알고리즘적 예측 방법을 적용한다. 연구 내용: 첫째 선행연구를 통해 빈집의 개념과 공간상관성을 검토한다. 둘째 건축물대장 데이터와 인구데이터를 수집하고 자연어처리를 통해 건축물의 위치, 크기, 건축연수, 소유주의 나이, 네 가지 속성을 추출하여 건축물 공간빅데이터를 구축한다. 셋째 빈집 여부를 예측하기 위해서 다차원 데이터의 차원 축소와 비지도학습 군집분석 모형을 응용한 판별 분석 방법을 제시한다. 넷째 GIS를 활용하여 공간 분포의 특징을 분석하고, 빈집화 가능성이 높은 밀집 구역을 탐색하여 빈집화의 공간상관성을 판단한다. 결론 및 제언: 빈집밀집구역 예방을 위한 선제적인 공간관리방안에 대한 시사점을 논의한다.

The aim of this study is to establish a theoretical and methodological framework to predict the possibility of neighborhood units becoming vacant in old buildings by considering spatial autocorrelation. To this end, this study reviews the concept of vacant houses and spatial autocorrelation, and data-based algorithmic prediction methodologies. Next, building spatial big data is constructed by collecting building data and population data and extracting four attributes, such as the location, size, construction age, and owner's age, of the building through natural language processing. A K-means cluster analysis is applied to predict whether a house is vacant. GIS spatial distribution analysis is applied to show the spatial characteristics and spatial autocorrelation of vacant house dense areas. Finally, implications for proactive space management to prevent empty houses dense area were discussed.