---
type: paper
slug: hyunhong-choi-2018-cvm-arboretum-location
title: >-
  Using Contingent Valuation and Numerical Methods to Determine Optimal
  Locations for Environmental Facilities: Public Arboretums in South Korea
authors:
  - '[[hyunhong-choi]]'
  - '[[yunmokoo]]'
year: 2018
venue: '[[ecological-economics]]'
doi: 10.1016/j.ecolecon.2018.03.017
categories:
  - '[[environmental-economics]]'
  - '[[decision-methods]]'
methods:
  - '[[contingent-valuation-method]]'
  - '[[nested-partitions]]'
  - '[[stockholm-location-method]]'
themes:
  - '[[public-arboretum]]'
  - '[[environmental-facility]]'
  - '[[multi-facility-location]]'
aliases: []
last_updated: '2026-05-20T02:10:50+09:00'
---
# Using Contingent Valuation and Numerical Methods to Determine Optimal Locations for Environmental Facilities: Public Arboretums in South Korea

*[[hyunhong-choi]], [[yunmokoo]] (2018)* · [[ecological-economics]] · [DOI ↗](https://doi.org/10.1016/j.ecolecon.2018.03.017)

> 한국 *공공 수목원 (public arboretum) 다수 시설 최적 입지* 결정을 *(소비자 편익 [[contingent-valuation-method]]) + (수치 최적화 [[nested-partitions]])* 의 통합 프레임으로 해결. 통행시간이 편익에 미치는 영향을 CVM 으로 추정 후, NP 알고리즘으로 *다수 입지의 결합* 최적화. 결과: **NP solution 이 SL (Stockholm Location) benchmark 대비 *USD 40M 추가 사회적 편익***, 가장 최근 건립된 3 수목원 위치가 *NP 최적과 다름* — 정책에 *재배치 / 신규 입지* 자료 제공.

- **RQ**: 한국 공공 수목원 *다수 시설 최적 입지* 를 어떻게 결정하는가? 통행시간 - 편익 - 입지의 통합 최적화 프레임은?
- **방법론**: [[contingent-valuation-method]] (CVM, 입장료·재방문 의향 → WTP) + [[nested-partitions]] (NP, simulated annealing 풍 다중영역 분할 최적화) + [[stockholm-location-method]] (SL benchmark)
- **데이터**: 한국 가구 SP 설문 (통행시간 vs 입장료 trade-off), 한국 행정구역별 가구 수 + 토지비용 + 기존 16 수목원 위치
- **주요 발견**: (1) **NP solution > SL solution** 모든 시나리오에서 (예: 2 신규 수목원 시 NP performance 163.7 vs SL 162.56 백만 USD). (2) 기존 수목원 위치는 *행정구역 자체보다 인접 (높은 가구 수) 구역에 더 큰 편익 유발* — *지역 간 협력* 의 정량적 근거. (3) **최근 건립 3 수목원 재배치 시나리오: USD 40M 추가 편익**.
- **시사점**: *공공시설 입지 결정* 에 정량 분석 도입의 정당화. 행정구역별 *예산 분담 + 협력 메커니즘* 의 필요성. 단, "decision support data" 로만 사용 — 강한 가정 (CVM 가상 응답, 통행시간 외 변수 미고려) 때문에 *최종 결정* 대용 X.

![](/papers/201807_ChoiH_Using_Contingent_Valuation_and_Numerical_Methods_to_Determine_Optimal_Locations_for_Environmental_Facilities_Public_Arboretums_in_South_Korea/fig5.jpeg)

*Fig. 5 — SL (red) vs NP (blue) solution 의 한국 지도 시각화. 기존 수목원은 녹색.*

## 요약

이 paper 는 [[yunmokoo]] 의 *2기 (2017-2021) CVM + 환경시설* 라인의 대표작. [[hyojung-choi]] (제 1 저자) 가 [[yunmokoo]] 와 *환경 가치평가 + 최적화 결합* 의 새 도구를 시도한 작업. [[contingent-valuation-method]] 단독으로는 *편익 측정* 만 가능하지만, *다수 시설 입지 결정* 이라는 *결합 최적화 문제* 까지 풀려면 *수치 최적화 알고리즘* 결합 필요.

방법론적 핵심은 *2-step framework*: (i) CVM 으로 통행시간에 따른 *방문 가능성 + WTP* 의 거리감쇠 함수 추정. 응답자가 각 가상 통행시간 (10분 - 240분) 에서 입장료 (가상) 를 지불할 의향을 double-bounded dichotomous choice 로 조사. (ii) 추정된 편익 함수를 *공간 최적화 목적함수* 에 넣고, [[nested-partitions]] 알고리즘으로 다수 시설 위치를 동시에 결정. NP 는 시뮬레이티드 어닐링과 유사하지만 *공간 영역의 계층적 분할* 으로 *대규모 조합 최적화* 의 효율성 확보 (Shi & Olafsson 2000).

핵심 발견: NP solution 이 [[stockholm-location-method]] (SL, gravity model 기반 단일 시설 입지법) benchmark 대비 *모든 시나리오에서 우수* (Table 8). 예: 2 신규 수목원의 NP performance 163.7 백만 USD vs SL 162.56 — 비용 차이가 작아 보이지만, 3 수목원·5 수목원 시나리오로 확장 시 격차 증폭. 가장 흥미로운 결과: *가장 최근 건립된 3 공공 수목원 재배치 시 USD 40M 추가 편익* — 즉 *현실 정책이 사회적 최적과 어긋난다* 는 직접 증거.

[[yunmokoo]] 의 *연구 궤적* 안에서 이 paper 는 [[chang-seob-kim-2014-blackout-economic-cost]] (CVM 시작) → [[hyunhong-choi-2018-cvm-arboretum-location]] (CVM + 최적화) → [[kyungjin-kim-2020-renewable-local-acceptance]] (CVM 신재생 수용 비용) 의 *CVM 연구 시리즈* 의 중간 단계. *2 기 SNU 부임 초기* 의 핵심 작업.

## 핵심 결과

| 시나리오 | NP Performance (백만 USD) | SL Performance | 격차 |
|---|---:|---:|---:|
| 2 신규 수목원 | 163.70 | 162.56 | +1.14 |
| 기존 3 수목원 재배치 | +40 (추가 편익) | — | — |

- *NP solution 모든 시나리오에서 SL 대비 우수*
- *기존 수목원 위치 + 인접 행정구 가구 수 → 자연스러운 협력 필요성 입증*
- *NP*: simulated annealing 류 *공간 계층 분할* 최적화, 다수 시설 조합 문제에 효율

## 방법론 노트

[[contingent-valuation-method]] 편익 함수 (거리감쇠):

$$
B_i(t_{ij}) = \int_0^{\infty} P_{visit}(t_{ij}, p) \cdot p \, dp \cdot \text{HH}_i
$$

여기서 $t_{ij}$ 는 가구 $i$ 에서 시설 $j$ 까지 통행시간, $P_{visit}(\cdot)$ 는 통행시간·가격 conditional 방문 확률, $\text{HH}_i$ 는 가구 수.

[[nested-partitions]] (NP) 최적화 (Shi & Olafsson):
1. 전체 영역 $\Theta$ 를 K 부분영역 $\Theta_1, \ldots, \Theta_K$ + surrounding region 으로 분할
2. 각 부분영역에서 후보 입지 무작위 표본, 목적함수 평가
3. 최고 점수 부분영역 ("most promising region") 으로 zoom-in, 나머지는 다시 surrounding region 으로 합병
4. 반복 → 단일 입지로 수렴

식별 가정: (i) CVM 응답이 실제 방문 행동 근사, (ii) 거리감쇠 함수가 시간 외 변수 (대안 시설 유무) 와 *separable*, (iii) NP 의 *most promising region* 식별 정확.

## 연구 계보

이 paper 는 (i) Arrow et al. (1993) NOAA panel 의 [[contingent-valuation-method]] 정통, (ii) Shi & Olafsson (2000) 의 [[nested-partitions]] 알고리즘 본가, (iii) [[chang-seob-kim-2014-blackout-economic-cost]] 의 *CVM 한국 적용* 직접 선행 — 의 결합. [[yunmokoo]] 의 *연구 궤적* 안에서 *CVM 도구 + 수치 최적화* 의 결합 시도이며, [[hyojung-choi]] 가 [[yunmokoo]] 와 함께 *공학적 최적화 + 환경 가치평가* 라는 새 방향을 개척한 자리.

## See also

- [[yunmokoo]]
- [[hyunhong-choi]]
- [[contingent-valuation-method]]
- [[nested-partitions]]
- [[public-arboretum]]
- [[multi-facility-location]]
- [[ecological-economics]]
- [[chang-seob-kim-2014-blackout-economic-cost]]