도시 구역 기능의 인식은 도시 계획 및 관리의 중요한 기초이다. 도시화 속도가 빨라짐에 따라 단일 용도의 구분만으로는 복잡한 도시 공간의 요구를 충족시키기 어렵다. 도시 다기능 융합의 표현으로서 혼합 기능 구역의 인식, 특히 자동 인식은 도시 기능 다양성 이해와 토지 이용 효율성 향상에 중요한 의미를 가진다. 이러한 배경 하에 본 논문은 오픈소스 관심면(AOI)과 관심점(POI)에 내재된 기능 라벨을 기반으로, 오픈 지도(OSM)와 센티널2호 영상을 결합하여 순수 및 혼합 기능 샘플을 자동으로 추출하는 방법을 제안하고, 이후 ResNet34 모델을 이용해 구역의 구체적 기능 인식을 구현하였다. 먼저 POI 분포 정보 엔트로피를 이용해 단일 용도와 혼합 용도 구역을 구분한 후, 센티널2호 영상과 단일 기능 토지 샘플을 기반으로 다중 시점 차이 학습 모듈을 설계해 단일 및 혼합 클래스 샘플을 더 추출하였다. 또한 AOI 범위와 실제 구역의 규모 차이를 고려해 샘플 자동 추출 방안을 AOI와 구역 두 단위에 각각 적용하여 샘플 수와 규모 다양성을 증가시켰다. 본 논문에서 제안한 자동 분류 방법은 베이징, 허페이, 웨이팡 및 청두 4개 도시에서 전체 정확도가 각각 72.9%, 78.3%, 73.4% 및 75.1%로 나타났으며, POI 분포 정보 엔트로피만을 이용한 방법에 비해 AOI와 POI를 결합한 방식이 혼합 범주의 인식 정확도를 각각 7%, 18%, 20% 및 13% 향상시켰다. 이 결과는 다양한 도시 환경에서 본 방법의 실현 가능성과 효과성, 그리고 시민 참여 지리 데이터와 원격 탐사 영상의 결합이 도시 구역 용도, 특히 혼합 용도 인식 연구에 가진 잠재력을 입증한다.

혼합 용도 구역; 센티널2호 영상; 딥러닝; 관심점; 관심면; 도시 기능 구역; 다중 시점 학습