위성 영상(Remote Sensing), 야간 조명 데이터(NTL), 그리고 도시 빅데이터에 인공지능(AI)과 머신러닝 기법을 적용하여 도시 문제를 진단합니다. 데이터 기반의 과학적 방법론을 통해 도시 쇠퇴, 상권 변화, 인구 이동 등을 정밀하게 모니터링하고 이를 바탕으로 도시 데이터를 생성 분석합니다.

Applying AI and machine learning to remote sensing data, nighttime lights (NTL), and urban big data, we diagnose complex urban problems. We develop advanced spatial analysis models to precisely monitor and predict urban decline, commercial dynamics, and population movements through data-driven scientific methodologies.

프롭테크(PropTech)와 공유 경제 플랫폼(Airbnb 등)의 확산이 기존 주택 시장과 도시 공간 구조에 미치는 영향을 탐구합니다. 디지털 플랫폼이 야기하는 젠트리피케이션, 임대료 변화, 그리고 새로운 도시 생활 양식의 등장을 실증적으로 분석하여 플랫폼 시대에 적합한 도시 관리 방안을 모색합니다. 

This theme explores how the proliferation of PropTech and sharing economy platforms transforms traditional housing markets and urban spatial structures. We empirically analyze the impacts of digital platforms on gentrification, rent dynamics, and emerging urban lifestyles to propose adaptive urban management strategies for the platform era. 

생애주기에 따른 가구의 주거 이동 경로(Housing Pathways)와 계층 간 주거 사다리의 작동 기제를 연구합니다. 주거 빈곤, 세대 간 자산 격차, 1인 가구 증가 등 사회적 이슈를 다루며, 포용적이고 지속 가능한 주거 생태계를 조성하기 위한 정책적 대안을 제시합니다. 

This theme investigates housing pathways across life cycles and the mechanisms of the housing ladder between social classes. Addressing key issues such as housing poverty, wealth inequality, and demographic changes, our research aims to suggest policy alternatives for creating an inclusive and socially sustainable housing ecosystem.

공공 재원의 운용 구조와 도시개발 사업의 타당성 조사를 중점적으로 연구합니다. 대규모 개발 사업과 인프라 투자의 경제적 타당성 및 파급효과를 데이터로 분석하고, 리츠(REITs) 등 다양한 금융 기법을 활용하여 도시 경쟁력을 극대화하는 효율적인 투자 전략을 제시합니다. 

We focus on the operational structure of public funds, such as the Housing and Urban Fund, and conduct feasibility studies for urban development projects. By analyzing the economic feasibility and impacts of large-scale developments and infrastructure investments, we propose efficient investment strategies that maximize urban competitiveness through diverse financial mechanisms like REITs.

도시계획 연구와 교육에서 생성형 AI를 활용하는 방법을 중점적으로 연구합니다. 연구 및 교육과정에서 AI가 효과적으로 수행할 수 있는 영역과 사람의 전문적 판단이 필요한 영역을 구분하고, 도시 데이터 분석 및 자료 수집, 교육 자료 제작 등에 AI를 보다 효과적으로 활용하는 방안을 제시합니다. 

This research focuses on the application of generative AI in urban planning research and education. It explores how AI can be effectively used in research and teaching processes, while distinguishing between tasks that can be supported by AI and areas that require human expertise and professional judgment. It proposes ways to apply AI to urban data analysis, planning alternatives, and educational material development.