With the development of information and communication technology (ICT), big data, artificial intelligence (AI), and machine learning have made remarkable progress, and are actively penetrating urban research. In particular, research using generative adversarial networks (GANs) that show high performance in generating images is drawing attention in urban design and urban design research. In this study, I explore the possibility of an AI model that automatically generates land use planning in Korea, focusing on the ’overlay zoning’ policy in Korea and the schematic and visual characteristics of land use planning. To this end, data processing is performed to produce a land use planning tiles dataset. To train the GAN-based pix2pix model, a question-answer set is created with a doughnut-shaped hole in the center. After filtering and augmenting the data for better performance models, I have succeeded in confirming that the pix2fix model implements the context of land use and the features of the road network, similar to the surrounding plans. It is expected that AI can be used for actual land use planning with better performance if it is trained with more amount of data with the questions formed with the shape of real districts so that it can handle the questions from various regions.
정보통신기술의 발달로 빅 데이터와 인공지능, 머신러닝이 비약할 만한 발전을 이룩하면서 도시 연구에도 적극적으로 활용되고 있다. 특히, 이미지나 영상 등을 생성하는 데 높은 성능을 보이는 적대적 생성 신경망을 활용한 연구가 도시 디자인과 도시 설계 연구에서 주목을 받고 있다. 본 연구에서는 한국의 도시계획은 중첩 계획이라는 점과, 토지이용계획의 개략적이고 시각적인 특징에 주목하여 토지이용계획을 자동으로 생성하는 인공지능 모델의 가능성을 탐구하였다. 이를 위해 데이터 전처리를 수행하여 토지 이용 계획 정보를 담은 이미지 데이터셋을 제작하였으며, 가운데에 도넛 모양처럼 구멍을 뚫은 이미지를 질문지로 두고 질문-답변 세트를 만들어 적대적 생성 신경망 모델에 학습시켰다. 보다 나은 성능을 보이는 모델을 위해 데이터를 필터링하고 증강한 끝에, 생성 모델이 주변 계획과 유사하게 토지 이용의 맥락과 도로망의 특징을 구현하는 것을 확인하는 데 성공하였다. 질문지를 보다 실제 계획에 맞게 지역 및 지구의 모양대로 설정하고, 더욱 많은 데이터를 구축하여 학습시킨다면 AI가 더 나은 성능으로 실제 토지이용계획에 활용될 수 있을 것으로 전망하였다.
