HouseTS 대규모 다중모드 시공간 미국 주택 데이터셋과 벤치마크

초록

정확한 장기 주택 가격 예측을 위한 대규모 다중모드 시공간 데이터셋인 HouseTS를 소개합니다. 2012년 3월부터 2023년 12월까지 미국 30개 주요 대도시권, 6,000개 이상의 ZIP 코드를 월간 및 연간 단위로 커버합니다. 주택 시장 지표, 지역 편의시설(POI) 동향, 인구조사 사회경제 변수를 통합하고, 시간별 항공 이미지와 이미지 기반 텍스트 변화 설명을 제공합니다. 본 데이터를 기반으로 단변량 및 다변량 장기 예측 과제를 정의하고, 통계적 방법부터 시계열 파운데이션 모델에 이르는 16개 모델 패밀리의 성능을 벤치마킹하여 모델 평가와 해석 가능한 분석의 새로운 기준을 마련했습니다.

상세 분석

본 논문이 제시하는 HouseTS 데이터셋과 벤치마크의 기술적 핵심과 통찰은 다음과 같습니다.

첫째, 통합된 시공간 정렬 프레임워크가 핵심 기여점입니다. 기존 주택 데이터는 지리적 범위, 시간적 깊이, 모달리티 간 정렬이 부족했으나, HouseTS는 ZIP 코드-월별 패널을 기준 인덱스로 삼아 월간 주택 지표(Zillow, Redfin), 월간 POI 동향(OpenStreetMap), 연간 사회경제 변수(미국 인구조사)를 엄격하게 정렬했습니다. 특히 연간 인구조사 데이터를 월별 패널에 앞당겨 결합하지 않고, 시간적 유효성을 보장하는 방식(예: 2022년 데이터는 2023년 월별 타겟 예측에만 사용)으로 처리해 데이터 누수 가능성을 차단한 점이 주목할 만합니다.

둘째, 다양한 모델 패밀리에 대한 체계적 벤치마킹을 통해 흥미로운 통찰을 제공합니다. 통계 모델(AR, ARDL), 전통 ML(Random Forest, XGBoost), 딥러닝(LSTM, Transformer 계열, STGCN), 시계열 파운데이션 모델(Chronos, TimesFM) 등 16개 모델을 제로샷 및 파인튜닝 모드로 평가했습니다. 결과적으로, 강력한 전처리(로그 변환, 정규화)가 신경망 모델의 안정성에 중요하며, 정규화된 선형 베이스라인이 다양한 예측 구간에서 여전히 높은 경쟁력을 보인다는 점이 확인되었습니다. 이는 복잡한 딥러닝 모델이 주택 시장 예측에서 항상 최선은 아니며, 데이터 특성과 전처리의 중요성을 시사합니다.

셋째, 시각 모달리티의 확장적 활용과 해석 가능성 강화에 대한 새로운 접근을 제시합니다. 단순히 항공 이미지를 정적 특징으로 사용하는 것을 넘어, VLM(비전-언어 모델) 파이프라인과 LLM-as-Judge, 인간 검증을 결합해 다년간의 이미지 시퀀스에서 ‘텍스트 기반 변화 주석’을 생성했습니다. 이는 고차원 이미지 데이터를 인간이 이해 가능한 자연어 설명으로 변환함으로써, 지역 변화를 시간에 따라 추적하고 주택 시장 동향과 연결 지어 해석하는 새로운 길을 열었습니다. 이는 모델의 예측을 설명하는 데 활용될 수 있는 풍부한 정성적 자원입니다.

마지막으로, 이 데이터셋은 장기 예측 벤치마크 외에도 다양한 연구 시나리오를 지원합니다. 다변량 예측, 구조화된 결측치 대체, 지역 간 전이 학습, 이미지와 테이블 데이터의 다중모드 학습 등 다양한 실험 설정이 가능하도록 설계되어, 주택 시장 분석을 넘어 일반적인 시공간 인공지능 연구에도 기여할 잠재력이 큽니다.