KR102350248B1 - 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법 - Google Patents

재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법 Download PDF

Info

Publication number
KR102350248B1
KR102350248B1 KR1020210048258A KR20210048258A KR102350248B1 KR 102350248 B1 KR102350248 B1 KR 102350248B1 KR 1020210048258 A KR1020210048258 A KR 1020210048258A KR 20210048258 A KR20210048258 A KR 20210048258A KR 102350248 B1 KR102350248 B1 KR 102350248B1
Authority
KR
South Korea
Prior art keywords
grid
information
score
data
spatial
Prior art date
Application number
KR1020210048258A
Other languages
English (en)
Inventor
이준우
이소희
박진이
김옥주
김구윤
이동만
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020210048258A priority Critical patent/KR102350248B1/ko
Application granted granted Critical
Publication of KR102350248B1 publication Critical patent/KR102350248B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Emergency Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 다수의 공간정보를 쉽고 빠르게 융합함으로써 사람들에게 직관적인 통찰이 가능하도록 제공하기 위한 재난정보의 격자 기반 데이터 변환방법에 관한 것으로,
점, 선, 면 등의 다양한 벡터 데이터를 쉽고 빠르게 격자로 변환한 후 융합할 수 있는 기반을 제공함으로써, 향후 쏟아지는 다양한 재난대응 정보들을 활용할 수 있도록 벡터의 격자 변환 기술을 개발하였다.
즉, 자연재난과 관련된 수많은 정보들과, 상기 정보들에 의해 풍수해를 예측하기 위한 프로그램이 내장된 운영컴퓨터와, 풍수해를 시뮬레이션하기 위한 모니터로 구성되어진 시스템에서, 상기 프로그램에 의해 다음과 같은 과정으로 수행되는 것을 특징으로 한다.
1) 상기 자연재난과 관련된 수많은 정보들이 유입되면 피해시설에 대한 위치정보를 토대로 점,선,면 등의 벡터 유형 별 격자 데이터로 변환하기 위해, 먼저 국가지점번호를 기반으로 격자사양을 정의하는 과정으로서, 격자 기반의 공간정보서비스에서 제공하는 격자사양에 대한 정의, 개념적 모델, 상세사항(원점, 공간적 범위, 좌표참조체계, 구성격자의 크기, 계층구조, 격자셀의 형태/크기/식별자 등) 등의 메타데이터 정보를 결정하는 과정,
2) 데이터를 공간상에 표현하기 위한 위치정보와 개체 특성을 묘사하기 위한 속성정보로 이루어진 공간데이터들을 격자기반 데이터로 변환하는 과정으로서, 속성정보 측면에서 벡터 데이터를 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 유형별로 격자 변환하기 위해, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 대푯값을 결정하되, 먼저 PRIORITY에 의해 결정하고, PRIORITY가 같은 경우에는 METHOD에 따라 결정함으로써, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)을 각각 격자 레스터로 변환하며, 선이나 면 데이터를 격자로 변환하기 위해 중첩되는 격자의 면적에 따라 속성값을 분배하는 면적분배법에 의한 격자변환방법을 함께 사용하는 격자 변환과정과,
3) 2)과정에서 격자 변환된 데이터를 표준 점수화하는 과정으로서, 원점수(raw score)의 상대적 위치를 확인하기 위해, 어떤 점수와 평균 간의 차이, 즉 편차를 표준편차로 나누어서 변환해줌으로써 Z-Score와 T-Score로 표준화한 값을 할당해주는 표준점수(standard score)화 과정,
4) 지표 간 상대적 중요도와 각 지표들이 평가 결과에 미치는 영향 정도를 고려하여 3)과정에서 얻은 표준점수에 가중치를 적용해줌으로써 최종 융합 격자를 생성하게되는 가중치 산정과정,
5) 4)과정에서 얻은 가중치가 적용된 표준점수들을 모두 융합하여 하나의 수치를 도출하는 융합 격자 생성과정.

Description

재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법 {Grid-based data conversion method for constructing, managing, and utilizing disaster information}
본 발명은 다수의 공간정보를 쉽고 빠르게 융합함으로써 사람들에게 직관적인 통찰이 가능하도록 제공하기 위한 재난정보의 격자 기반 데이터 변환방법에 관한 것으로,
점, 선, 면 등의 다양한 벡터 데이터를 쉽고 빠르게 격자로 변환한 후 융합할 수 있는 기반을 제공함으로써, 향후 쏟아지는 다양한 재난대응 정보들을 활용할 수 있도록 벡터의 격자 변환 기술을 개발하였다.
최근에는 기술의 발전으로 정확한 위치 정보가 생산됨에 따라 다양한 지형지물에 대해 고정밀 공간정보가 생산되고 있다. 또한, 정부 3.0, 한국판 뉴딜정책인 ‘데이터댐’, 데이터3법 개정 등 정부 기조나 정부 정책이 데이터 통합과 연계 방향으로 전환되면서 보다 다양한 정보 공유 기반이 마련되고 있다.
이러한 정보들을 격자로 변환하여 활용하기 위해서는 기본적인 격자체계의 정의가 선행되어야 하는데, 국내 공공 재난안전 서비스 분야에서는 격자체계가 적극적으로 활용되지 않고 있는 실정이다.
격자체계는 전국토를 빠짐없이 식별할 수 있는 주소체계로의 기능이 가능하므로 데이터의 융합, 통계, 분석, 활용에 용이하다는 장점이 있고, 국토 및 지역 계획, 통계조사 및 컨설팅, 공간통계 데이터베이스 구축 및 응용시스템 개발, 정보서비스 제공 등의 분야에서 국토관련 고정밀의 시계열 비교가 가능한 통계자료의 공유를 활성화하는 장점이 있는데, 이러한 목적에 도달하기 위해서는 격자 기반의 공간정보서비스에서 제공하는 격자사양에 대한 정의, 개념적 모델, 상세사항(원점, 공간적 범위, 좌표참조체계, 구성격자의 크기, 계층구조, 격자셀의 형태/크기/식별자 등) 등의 메타데이터 정보가 제공되어야 한다.
그러나 현재까지의 격자 기반 공간정보서비스에서는 격자체계에 대한 정확한 메타데이터를 제공하는 사례는 드물다. 격자체계에 대한 메타데이터가 명확히 공개되어야 데이터의 연계, 활용을 높일 수 있으나, 기존의 격자 서비스 사례들은 타 정보와의 연계 및 호환성을 고려하여 설계되지 않은 것으로 사료된다.
재난 대응분야에서 필요한 정보는 다양한 부처에서 생산되는 정보를 연계, 활용하여야 하고, 재난 대응분야에서 생산된 정보는 다양한 부처에서 다시 연계, 활용될 수도 있으므로, 격자사양에 대한 상세사항을 명확하게 정의할 필요가 있다.
특허문헌 1: 대한민국 특허공개공보 제 2013-0043422호 특허문헌 2: 대한민국 특허공개공보 제 2010-0112304호
본 발명에서는 위 문제점을 해소하기 위한 것으로서, 다수의 공간정보를 쉽고 빠르게 융합함으로써 사람들에게 직관적인 통찰이 가능하도록 제공함에 첫번째 목적이 있는 것이다.
또한, 점, 선, 면 등의 다양한 벡터 데이터를 쉽고 빠르게 격자로 변환한 후, 융합할 수 있는 기반을 제공함으로써 향후 쏟아지는 다양한 재난대응 정보들을 활용할 수 있도록 벡터의 격자 변환 기술을 개발함에 두번째 목적이 있는 것이다.
상기한 목적을 달성하기 위한 본 발명의 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법에서는;
자연재난과 관련된 수많은 정보들과, 상기 정보들에 의해 풍수해를 예측하기 위한 프로그램이 내장된 운영컴퓨터와, 풍수해를 시뮬레이션하기 위한 모니터로 구성되어진 시스템에서, 상기 프로그램에 의해 다음과 같은 과정으로 수행되는 것을 특징으로 한다.
1) 상기 자연재난과 관련된 수많은 정보들이 유입되면 피해시설에 대한 위치정보를 토대로 점,선,면 등의 벡터 유형 별 격자 데이터로 변환하기 위해, 먼저 국가지점번호를 기반으로 격자사양을 정의하는 과정으로서, 격자 기반의 공간정보서비스에서 제공하는 격자사양에 대한 정의, 개념적 모델, 상세사항(원점, 공간적 범위, 좌표참조체계, 구성격자의 크기, 계층구조, 격자셀의 형태/크기/식별자 등) 등의 메타데이터 정보를 결정하는 과정,
2) 데이터를 공간상에 표현하기 위한 위치정보와 개체 특성을 묘사하기 위한 속성정보로 이루어진 공간데이터들을 격자기반 데이터로 변환하는 과정으로서, 속성정보 측면에서 벡터 데이터를 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 유형별로 격자 변환하기 위해, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 대푯값을 결정하되, 먼저 PRIORITY에 의해 결정하고, PRIORITY가 같은 경우에는 METHOD에 따라 결정함으로써, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)을 각각 격자 레스터로 변환하며, 선이나 면 데이터를 격자로 변환하기 위해 중첩되는 격자의 면적에 따라 속성값을 분배하는 면적분배법에 의한 격자변환방법을 함께 사용하는 격자 변환과정과,
3) 2)과정에서 격자 변환된 데이터를 표준 점수화하는 과정으로서, 원점수(raw score)의 상대적 위치를 확인하기 위해, 어떤 점수와 평균 간의 차이, 즉 편차를 표준편차로 나누어서 변환해줌으로써 Z-Score와 T-Score로 표준화한 값을 할당해주는 표준점수(standard score)화 과정,
4) 지표 간 상대적 중요도와 각 지표들이 평가 결과에 미치는 영향 정도를 고려하여 3)과정에서 얻은 표준점수에 가중치를 적용해줌으로써 최종 융합 격자를 생성하게되는 가중치 산정과정,
5) 4)과정에서 얻은 가중치가 적용된 표준점수들을 모두 융합하여 하나의 수치를 도출하는 융합 격자 생성과정.
상기 격자는 통계 및 융합분석을 위한 속도향상을 위해 격자의 레벨과 좌표 로 구성된 수 표기 방법을 적용하고, 변환하고자 하는 격자 기반의 공간정보는 지도상에 임 의의 속성정보를 표현할 수 있게 하는 공간데이터로서 격자로의 데이터 변환방법은 이러한 공간데이터의 특성을 고려하여 위치 정보 측면과 속성정보 측면을 구분하여 변환방법이 제시될 수 있다.
상기 2)과정에서 공간정보가 격자로 올바르게 변환되기 위해서는 격자가 공간정보를 중첩(포함하거나 교차)하도록 정의되어야하는데 이는 공간정보의 누락 없이 격자로 대응되기 위함이며, 폴리곤이나 폴리라인이 중첩할 경우에는 해당 객체를 격자별로 분할할 수 있다.
상기 2)과정에서 기하는 한 개 이상의 교차된 꼭짓점으로 구성되어 있으며, 꼭짓점은 x, y축(z축은 선택)을 활용하여 공간 상에서의 위치를 설명하는데, 벡터 피처는 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 형태를 가지고, 피처의 기하가 한 개의 꼭짓점으로 구성되어 있다면 포인트 피처이며 두 개 이상의 꼭 짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같지 않다면 폴리라인 피처이고, 세 개 이상의 꼭짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같다면 폴리곤 피처이다.
상기 2)과정에서 공간정보와 격자 사이의 공간관계 정의를 통해 기하의 중첩 여부를 판단하였다면 격자에 공간정보가 표현하고자 하는 속성값을 반영하도록 속성정보 변환을 수행하며, 격자 내에 중첩되는 지형지물(feature)을 격자로 변환하기 위해서는 격자의 대푯값을 결정해야한다.
상기 2)과정에서 포인트(point)를 레스터로 변환하는 기능은 포인트를 격자 래스터로 변환하기 위해 아래 도표와 같이 8가지 집계함수를 이용할 수 있다.
Figure 112021043297417-pat00001
상기 3)과정에서 사용한 Z-Score 방법은, 표준점수의 하나로서 평균으로부터의 편차 점수를 그 분포의 표준편차로 나누어 얻어진 전환점수의 하나로서, 편차점수를 그 집단의 표준편차로 나누어 줌으로써 Z-Score는 평균이 0, 표준 편차 1인 분포로 전환되고, 원점수를 X, 평균과 표준편차를 각각 M, S라고 하면 Z- Score를 계산할 수 있는데, Z-Score는 표준점수의 원형적인 것으로 평균과 단위가 다른 점수들을 평균이 0, 표준편차 1인 단위분포로 전환시켜 줌으로써 점수분포의 출발점과 단위를 갖게 하므로 다른 점수 간에 상대적인 의미에서 그 비교를 가능케하며, 출발점과 단위를 갖게 함으로써 여러 다른 점수의 통합도 가능케한다.
또한, Z-Score에 10을 곱하고 50을 더해주어 평균 50, 표준편차 10인 분포로 전환하는 T-Score 방법이 함께 사용될 수 있다.
상기 4)과정에서 가중치를 산정하는 방법은 의사결정의 전 과정을 여러 단계로 나눈 후 이를 단계별로 분석 해석 함으로써 합리적인 의사결정에 이를 수 있도록 지원해주는 방법으로, 평가 대상이 되는 지표가 여러 가지일 때 각 각의 상대적 중요도를 한 번에 모두 고려하는 것은 어렵기 때문에 각 단계별 지표 를 두 개씩 뽑아서 1:1로 비교하고, 상대적 중요도 비교 결과를 바탕으로 비교 행렬 구축을 통해 가중치를 결정하며 CR(Consistency Ratio)값을 도출하여 답변의 일관성 정도를 평가한다.
상기 4)과정에서 폴리라인과 폴리곤의 경우 면적가중치방법을 추가 적용하여 대푯값으로 사용하며, 아래도표와 같이 벡터 데이터 유형에 따라 속성값 변환을 위해 적용한다.
Figure 112021043297417-pat00002
상기 4)과정에서 격자 정보 융합을 위해 일반적인 방법인 가중치 기반의 격자 중첩방법을 적용하는데, 이를 위해 각 DB별 표준화 방법으로는 Z-Score 방법을 채택하였으며, 음수로 표시되는 단점을 보완하기 위해 T-Score 방법도 함께 적용할 수 있다.
가중치 선정을 위해 AHP 방법을 적용할 수 있고,
상기 5)과정에서 속성값(val)은 원천데이터의 격자변환 방법에 따라 달라질 수 있으며, 데이터 융합을 위해 표준화된 데이터 Z-Score와 T-Score값을 제공하는데, 격자의 위치를 위한 값으로는 xindex와 yindex를 가진다.
본 발명에서는, 다수의 공간정보를 쉽고 빠르게 융합함으로써 사람들에게 직관적인 통찰이 가능하도록 제공하는 효과가 있다.
또한, 점, 선, 면 등의 다양한 벡터 데이터를 쉽고 빠르게 격자로 변환한 후, 융합할 수 있는 기반을 제공함으로써 향후 쏟아지는 다양한 재난대응 정보들을 활용할 수 있도록 벡터의 격자 변환 기술을 제공하는 효과가 있으며,
격자 기반의 공간정보서비스에서 제공하는 격자사양에 대한 정의, 개념적 모델, 상세사항(원점, 공간적 범위, 좌표참조체계, 구성격자의 크기, 계층구조, 격자셀의 형태/크기/식별자 등) 등의 메타데이터 정보가 함께 제공됨으로써, 데이터의 연계,활용을 높일 수 있는 효과도 있는 것이다.
도 1은 본 발명에 따른 재난대응 업무기반 맵 라이브러리 구축방법을 수행하기 위한 기본 시스템 구성도이고,
도 2는 본 발명에 따라 격자 변환하기 위해 포인트를 레스터 데이터로 변환하는 과정의 예시도이고,
도 3은 본 발명에 따라 격자 변환하기 위해 폴리라인을 레스터 데이터로 변환하는 과정의 예시도이고,
도 4는 본 발명에 따라 격자 변환하기 위해 폴리곤을 레스터 데이터로 변환하는 과정의 예시도이고,
도 5는 본 발명에 따라 면 데이터의 격자 변환 시 면적 가중치를 산정하는 과정의 예시도이고,
도 6은 본 발명에 따라 격자 융합하는 과정을 나타낸 예시도이고,
도 7은 본 발명에 따라 파일럿 시스템에서 구현한 격자 데이터 융합 화면을 나타낸 예시도이다.
이하, 본 발명의 바람직한 실시형태를 첨부된 도면들을 참조하여 보다 상세히 설명하기로 한다. 하지만, 본 발명의 범주가 여기에 한정되는 것이 아님은 물론이다.
본 명세서에서, 본 실시형태는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로서, 본 발명의 범주는 단지 청구항에 의해 정의될 뿐이다. 따라서, 몇몇 실시형태들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
본 명세서에서 사용된 용어들은 실시형태를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 결코 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않은 한 복수형도 포함한다. 또한, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
지구상의 위치를 나타내기 위한 기준체계와 지구의 형상을 나타내는 타원체를 일컬어 측지기준계라고 한다. 우리나라는 1910년부터 한국측지계를 사용하던 중 전세계 공통으로 사용할 수 있는 측지기준계 필요에 따라 201년 측량법 개정을 통해 ITRF계에 따른 세계측지계를 도입하기로 결정하였으며, 2010년 1월 1일부터 공공측량성과에서는 변경된 세계측지계 사용을 의무화하고 있다.
따라서 재난대응을 위한 격자체계도 세계측지계를 사용하는 것이 바람직하며, 국가지점번호도 세계측지계를 적용한다.
기준점은 격자체계에서 식별자를 부여하는 방향과 밀접한 관계가 있다. 식별자를 표시하고자 하는 범위를 포함하는 최상위 격자의 좌측하단 지점을 기준점으로 설정하는 경우와 기준점을 전체 영역 내부에 설정하는 경우가 있는데, 아래 도표에서와 같이 이 기준점을 좌측하단 지점으로 설정할 경우에는 식별자를 우측과 상단 방향으로 확장해 나갈 수 있으며, 기준점을 전체 영역 내부에 위치시킬 경우 식별자를 좌우 상단 방향으로 확장해 나갈 수 있다.
Figure 112021043297417-pat00003
건설교통부 고시 제204-131호(측량법시행령 제2조의 5 제2항)에 의거 전국 규모의 연속적인 자료구조를 가진 기본지리정보 구축을 위해 고시한 좌표체계로 UTM-K 좌표계가 있다. 국토지점번호는 UTM-K 좌표계의 기준점을 기준으로 왼쪽으로 30km, 아래쪽으로 70km 이동시켜 전체 격자체계의 좌측하단에 위치시키는 방법을 채택하였다. 재난대응을 위한 격자체계에서는 국가지점번호와의 호환성을 위해 같은 기준을 적용한다.
국내 영토를 모두 포함할 수 있도록 하고, 격자는 가로와 세로의 길이를 동일하게 하며, 평면상 면적이 동일하도록 10m, 10m, 1㎞, 10㎞, 10㎞ 구획의 격자를 사용한다. 예를 들어, 10㎞ 격자는 100㎞ 격자를 하위 10개로 분할하여 생성한다.
국가지점번호는 주소를 위해 최초 개발된 격자체계이므로 사용자의 가독성 향상을 위해 한글문자와 숫자, 영어문자와 숫자의 조합이 고려되었으나, 본 발명에서 사용되는 격자는 통계 및 융합분석을 위한 속도향상을 위해 격자의 레벨과 좌표로 구성된 수 표기 방법을 적용하였으며, 다만, 국가지점번호와 본 발명의 격자는 1:1 관계이므로 본 발명에서의 식별자를 통해 국가지점번호 식별자를 손쉽게 도출할 수 있도록 하였다.
공간데이터는 데이터를 공간상에 표현할 수 있게 하는 위치정보와 객체의 특성을 묘사할 수 있는 속성정보로 구성되어야하므로, 본 발명에서 변환하고자 하는 격자 기반의 공간정보는 지도상에 임의의 속성정보를 표현할 수 있게 하는 공간데이터로서 격자로의 데이터 변환방법은 이러한 공간데이터의 특성을 고려하여 위치정보 측면과 속성정보 측면을 구분하여 변환방법이 제시되어야 한다.
공간 관계 정의 단계의 목적은 원천 데이터와 격자 간의 공간 관계를 변환될 수 있는 관계로 정의하여 원천 데이터가 어느 격자 객체로 변환될지를 정의하는 단계이다.
데이터 변환을 위한 원천 데이터와 격자와의 공간 관계는 두 객체 사이의 공간 관계를 정의하는 아래 그림들의 DE-9IM(Dimensionaly Extended Nine-Intersection Model)과 같은데, DE-9IM(Clementini-Matrix)은 두 기하(Geometry) 간의 공간관계를 정의하는 수학적인 접근 방식으로 두 객체의 내부, 외부·경계가 만나는 영역의 차원수를 행렬식으로 작성하는 것으로써, 두 객체의 위상관계를 표현하여 8가지의 공간관계 연산자를 정의하고 있다.
Figure 112021043297417-pat00004
Figure 112021043297417-pat00005
공간정보가 격자로 올바르게 변환되기 위해서는 격자가 공간정보를 중첩(포함하거나 교차)하도록 정의되어야하는데, 이는 공간정보의 누락 없이 격자로 대응되기 위함이며, DE-9IM에서 이러한 관계에 해당하는 것은 contains, covers, inside, coverdBy, equal, overlap 등이 있다. 만일 폴리곤이나 폴리라인이 중첩할 경우에는 해당 객체를 격자별로 분할하여야 한다
본 발명에서는 공간정보의 기본특성을 고려하여 공간정보의 격자 변환을 위치정보 측면과 속성정보 측면으로 조사하였다. 위치정보 측면에서 공간데이터와 기본 격자 간 변환을 위하여 공간데이터와 포함 혹은 교차관계(DE-9IM의 contains, covers, inside, covered By, equal, overlap)의 격자로 변환을 한다.
벡터 데이터는 실세계의 피처(feature)를 GIS 환경에서 보여주는 방법을 제공하는데, 해당 피처의 정보를 나타내는 텍스트나 숫자 형태의 속성을 가지며 기하(geometry)를 사용하여 그 형상을 나타낸다.
기하는 한 개 이상의 교차된 꼭짓점으로 구성되어 있으며 꼭짓점은 x, y축(z축은 선택)을 활용하여 공간상에서의 위치를 설명하는데, 벡터 피처는 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 형태를 가지고, 피처의 기하가 한 개의 꼭짓점으로 구성되어 있다면 포인트 피처이며 두 개 이상의 꼭짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같지 않다면 폴리라인 피처이고, 세 개 이상의 꼭짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같다면 폴리곤 피처이다.
벡터 피처는 포인트, 폴리라인, 폴리곤의 세 가지 서로 다른 기하 형태를 가지고 있어서 벡터 데이터를 격자로 변환하기 위해서는 벡터 피처를 세 가지 형태로 나누어 고려할 필요가 있으며, 각 형태 및 활용목적에 따라 격자로 변환하는 과정에서 다양한 방법이 존재할 수 있으므로 벡터 데이터 형태별 사례 위주로 조사를 수행한 뒤 유형화하였다.
공간정보와 격자 사이의 공간관계 정의를 통해 기하의 중첩 여부를 판단하였다면 격자에 공간정보가 표현하고자 하는 속성값을 반영하도록 속성정보 변환을 수행한다.
격자 내에 중첩되는 지형지물(feature)을 격자로 변환하기 위해서는 격자의 대푯값을 결정하여야 하는데, 대푯값을 결정하기 위해서는 지형지물의 패턴을 분석하기 위해 다양한 값과 알고리즘을 참조하는 방법이 있지만, 계산과정이 복잡해지고 결과적으로 DB 테이블을 여러 번 참조해야 하므로 연산의 성능을 저하할 수 있다.
이와 같은 상황에서 대푯값을 결정하기 위해서는 OLAP(On-Line Analytical Procesing)의 집계함수가 주로 사용된다. OLAP의 집계함수는 Count, SUM, MIN, MAX의 분배적 함수와 AVG의 대수적 함수, MEDIAN의 전체관적 함수로 구성된다. 잘 알려진 상용 GIS 도구인 ESRI사의 ArcGIS에서도 점, 선, 면 타입의 지형지물을 Grid Raster로 변환하는 기능 Feature to Raster 기능을 지원하고 있으며, 변환방법으로 집계함수 방법을 지원하고 있다.
ArcGIS의 Point to Raster 기능은 포인트를 격자 래스터로 변환하기 위해 아래 도표와 같이 8가지 집계함수를 이용한 방법을 지원한다.
Figure 112021043297417-pat00006
ArcGIS에서 포인트, 폴리라인, 폴리곤의 대푯값을 결정하기 위한 선택항목으로는 PRIORITY(우선순위)와 METHOD(방법)이 있는데, 대푯값은 먼저 PRIORITY에 의해 결정되며, PRIORITY가 같은 경우에는 METHOD에 따라 결정된다. PRIORITY 옵션을 선택하지 않는 경우에도 METHOD에 따라 대푯값이 결정되는데, 도 2의 우측 상단에 있는 예시는 MOST_FREQUENT(최다빈도) METHOD에 의해 격자와 가장 많이 중첩되는 초록색 속성을 대푯값으로 선택된 예시이다.
최다빈도 속성이 다수일 경우 가장 낮은 FID의 속성을 대푯값으로 선택하게 되는데, 도 2의 우측 중앙에 있는 예시는 MOST_FREQUENT 방법과 PriorityFID(우선순위 속성)에 의해 PRIORITY의 값이 가장 큰 파란색 속성이 대푯값으로 선택된 예시이다. 두 예시는 모두 MOST_FREQUENT 방법을 사용하였으나 PriortyFID의 유무에 따라 대푯값이 달라지는 것을 확인할 수 있다.
도 2의 우측 하단에 있는 예시는 STANDARD_DEVIATION(표준편차) METHOD에 의해 격자와 중첩되는 모든 격자의 표준편차값을 대푯값으로 선택된 예시로서, 집계함수에 따른 결과값을 대푯값으로 활용하는 경우에는 PRIORITY 속성을 무시하게 된다. 도 2의 하단에 있는 예시는 MOST_FREQUENT(최다빈도) METHOD과 PRIORITY 속성에 의해 PRIORITY의 값이 가장 큰 파란색 속성이 대푯값으로 선택된 예시로서, 초록색 속성의 최다빈도가 많더라도 PRIORITY에 의해 대푯값이 우선 결정되는 것을 확인할 수 있다
또한, ArcGIS의 Polyline to Raster 기능은 포인트를 격자 래스터로 변환하기 위한 METHOD로 아래 도표와 같이 2가지 방법을 지원한다
Figure 112021043297417-pat00007
도 3의 우측 상단에 있는 예시는 MAXIMUM_LENGHT(최대길이) METHOD에 의해 가장 긴 파란색의 속성이 대푯값으로 선택된 예시이고, 도 3의 우측 중단에 있는 예시는 MAXIMUM_COMBINED_LENGTH(최대 결합 길이) METHOD에 의해 같은 속성의 길이의 합이 가장 긴 초록색 속성이 대푯값으로 선택된 예시이며, 도 3의 우측 하단에 있는 예시는 MAXIMUM_LENGHT(최대길이) METHOD과 PriortyFID에 의해 PRIORITY의 값이 가장 큰 빨간색 속성이 대푯값으로 선택된 예시이다.
ArcGIS의 Polyline to Raster 기능은 폴리곤을 격자 래스터로 변환하기 위한 METHOD로 아래도표와 같이 3가지 방법을 지원한다.
Figure 112021043297417-pat00008
도 4의 우측 상단에 있는 예시는 CEL_CENTER(셀 중심) METHOD에 의해 셀 중심과 겹치는 초록색의 속성이 대푯값으로 선택된 예시이고, 도 4의 우측 중단에 있는 예시는 MAXIMUM_AREA(최대 면적) METHOD에 의해 가장 면적이 넓은 파란색 속성이 대푯값으로 선택된 예시이다. 도 4의 우측 중단에 있는 예시는 MAXIMUM_COMBINED_AREA(최대 결합 면적) METHOD에 의해 같은 속성의 면적의 합이 가장 긴 빨간색 속성이 대푯값으로 선택된 예시이다.
면 데이터의 격자 변환은 크게 면 데이터를 점 데이터로 변환하여 중첩하는 격자의 값을 할당하는 방법과 면이 다수의 격자와 중첩될 시 가중치에 따라 값을 분배하는 방법이 있는데, 일반적으로는 중첩되는 면의 비율에 따라 값을 분배하는 면적가중치 방법이 있으며, 새로운 보조정보를 추가로 활용하여 가중치로 추정하는 방법이 있다.
면적가중치(Areal weighting method) 방법은 파편화된 다각형 내부 어디에서나 정보가(이를 테면 인구수) 균질하게(homogeneously) 분포한다는 전에서 출발한 가장 간단한 형태의 공간보간 방법으로서, 아래의 도 5는 면적 가중치법의 방법론 구성 원리를 예시하고 있다.
도 5에서 SL1??과 TL1?Ю? 교차하는 영역 즉 파편화된 다각형의 면적은 a1이고 마찬가지 방식으로 SL1??이 TL2, TL3, TL4와 교차하는 생성된 영역의 면적은 각각 a2, a3, a4이다.
PT1S1 은 SL1??과 SL2 과 TL1 이 교차하는 영역 내에 거주하는 인구 추정치로 TL2의 인구수인 PS1 에다가 SL1 전체 면적 대비 해당 파편화된 다각형의 면적(a1)의 비율을 곱하여 추정할 수 있다.
그러나 이와 같은 방법은 폴리곤의 전체영역 내에 모든 값이 일정하다는 가정을 하고 있으며 정보의 정확도를 보정할 수 있는 보조정보(ancilary information)를 활용하여 가중치를 달리 적용할 수도 있다.
동일한 격자 구조를 가지는 공간정보를 중첩분석하여 융합하는 것은 간단하다. 중첩분석은 GIS에서 대표적으로 수행하는 공간분석 기법 중의 하나이며, 여러 자료 층을 중첩하여 속성 값에 대한 산술적인 연산을 수행할 때 사용한다.
도 6과 같이 먼저 융합할 대상을 식별하여 격자로 변환하고, 표준화를 진행하는데, 표준점수(standard score)는 원점수(raw score)의 상대적 위치를 알려주는 점수로서, 어떤 점수와 평균 간의 차이, 즉 편차를 표준편차로 나누어서 변환시킨 점수를 의미한다.
정보들을 융합하여 하나의 수치를 도출할 때 단순 합산으로는 합리적인 값을 도출할 수 없기 때문에 각 정보에 알맞은 가중치를 산정하고 이를 반영하는 것이 중요하다. 가중치를 산정하는 방법은 매우 다양하며 조사목적, 항목의 중요도, 설문조사의 용이성 등에 따라 적용하는 방법이 다르다.
일반적으로 위험요인을 통해 가중치나 지수를 산정하는 경우 반드시 표준화가 필요하며 평가항목의 지표들을 가중치로 만드는 과정에서 표준화(normalization), 가중치부여(weighting) 등의 방법이 있다. 융합하고자 하는 정보들은 정보의 성격과 단위가 다르기 때문에 각 정보들이 가지는 의미를 명확하게 도출하고 평가하기 위해서 표준화 과정이 선행되어야 한다.
표준화 방법 중에서 가장 쉬운 방법은 순위 정렬(ranking) 방법으로 단순 나열하는 방식인데, 이 방법은 이상치나, 자료의 분포 특성 등을 전혀 고려하지 않기 때문에 일반적인 통계분석에서는 잘 이용되지 않는다.
또 다른 표준화 방법인 스케일 재조정(re-scaling)방법은 지표의 최댓값과 최솟값을 이용하는 방법으로 어떤 변수에서 한 값인 X가 있을 때 X에서 변수의 최솟값을 빼고 이를 다시 변수내의 최댓값에서 최솟값을 뺀 값으로 나누어 산정하는 방법인데, 최댓값 및 최솟값에서 극값이 존재할 경우 신뢰할 수 없는 이상치가 발생 할 수 있어 이러한 요인들이 왜곡된 효과를 발생시킬 수 있어 Re-scaling적용 시 자료의 이상치에 대한 확인을 한 후 분석을 수행하여야 한다.
이와 함께 많이 사용되는 방법은 Z-Score 방법인데, 표준점수의 하나로서 평균으로부터의 편차점수를 그 분포의 표준편차로 나누어 얻어진 전환점수의 하나이다. 편차점수를 그 집단의 표준편차로 나누어 줌으로써 Z-Score는 평균이 0, 표준편차 1인 분포로 전환된다. 원점수를 X, 평균과 표준편차를 각각 M, S라고 하면 Z-Score를 계산할 수 있는데, Z-Score는 표준점수의 원형적인 것으로 평균과 단위가 다른 점수들을 평균이 0, 표준편차 1인 단위분포로 전환시켜 줌으로써 점수분포의 출발점과 단위를 갖게 하므로 다른 점수 간에 상대적인 의미에서 그 비교를 가능케 하며, 출발점과 단위를 갖게 함으로써 여러 다른 점수의 통합도 합리적인 것이 된다.
또한, 정상분포의 면적과 Z-Score와는 일정한 관계를 갖고 있으므로 원점수의 분포가 정상분포를 이루는 경우에는 이를 Z-Score로 전환시킴으로써 분포상에서 상대적인 위치를 파악하는 데 사용된다. Z-Score가 하나의 표준점수로 갖는 단점은 대개 -3과 +3사이의 값을 갖게 되며, 또한 소수점을 갖는 문제가 있다.
Z-Score 방법은 음수 값이 발생하기 해당 값의 수준을 직관적으로 파악하기 어려움이 있어 McCal(1923)은 Z-Score에 10을 곱하고 50을 더해주어 평균 50, 표준편차 10인 분포로 전환하는 T-Score를 제시하였다. Z-Score가 정상분포에 가까우면 주로 -3≤Z≤+3의 값을 가지므로, 여기에서 얻어진 T-Score는 주로 20∼80 사이의 값을 갖게 되어 전통적인 10점 단위와 유사하게 된다.
가중치는 지표 간 상대적 중요도와 각 지표들이 평가 결과에 미치는 영향 정도 등을 판단하여 정량화된 수치로 도출한 것으로, 표준화한 평가지표에 도출한 가중치를 적용하여 최종 융합 격자를 생성한다.
가중치를 산정하는 방법으로는 아래 도표와 같이 엔트로피(Entropy), AHP(Analytic Hierarchy Proces), 매트릭스 평가표, 델파이(Delphi), 주성분 분석방법 등이 있다.
Figure 112021043297417-pat00009
엔트로피 방법은 정보에 포함된 속성값 분포를 기반으로 수리적 계산을 통해 가중치를 도출하는 방법으로, 지표의 자료행렬 구축, 정규화, 지표별 엔트로피 계산, 가중치 산정 과정을 통해 이루어지는데, 각 정보에 포함된 속성값 간의 차이가 크면 엔트로피값은 작아지고 차이가 작으면 엔트로피값은 커진다.
엔트로피값이 작을수록 속성값의 응집도가 높은 정보로 판단하여 높은 가중치를 부여하는데, 이 방법은 데이터가 가지는 정량적 특성만을 이용함으로써 객관성을 확보할 수 있다.
AHP 방법은 분석적 계층화 방법 또는 계층적 분석과정으로 의사결정의 전 과정을 여러 단계로 나눈 후 이를 단계별로 분석 해석함으로써 합리적인 의사결정에 이를 수 있도록 지원해주는 방법으로, 평가 대상이 되는 지표가 여러 가지일 때 각각의 상대적 중요도를 한 번에 모두 고려하는 것은 어렵기 때문에 각 단계별 지표를 두 개씩 뽑아서 1:1로 비교하고, 상대적 중요도 비교 결과를 바탕으로 비교 행렬 구축을 통해 가중치를 결정하며 CR(Consistency Ratio)값을 도출하여 답변의 일관성 정도를 평가한다.
매트릭스 평가표는 각 대안에 대해 대안이 실행되었을 때 영향을 받을 평가항목을 결정하고 영향도에 대해 점수를 매겨 작성하고, 각 대안의 합계점수를 계산하여 가장 점수가 높은 대안을 최적안으로 선택한다.
델파이 방법은 적절한 해답이 없거나 일정한 합의점에 도달하지 못한 문제에 대해 다수의 전문가들을 대상으로 설문조사나 우편조사를 통해 시행되는 방법으로, 익명성을 보장하여 실시하며 전문가 의견의 반복적인 수집과 교환을 통해 집단적 합의를 도출한다.
주성분 분석방법은 변수 간의 상관관계가 있는 다차원 데이터를 저차원 데이터로 요약하는 방법이다. 변수들의 연관되지 않은 선형조합, 즉 주성분을 찾아 변수들의 정보를 간단하게 선형조합으로 표현한다. 주로 복합적인 지표의 가중치를 결정하기 위해 사용되는 통계적 방법이다.
속성정보 측면에서 기본적으로 잘 알려진 상용GIS 도구인 ArcGIS의 Feature to Raster 알고리즘의 대푯값 설정 방법을 참조할 수 있는데, ArcGIS의 Point to Raster에서 등간척도나 비율척도를 통해 표현되는 데이터들은 양을 표현할 수 있기 때문에 연산이 가능하며, 이러한 척도를 표현하는 데이터는 온도, 점수, 인구, 연령, 가격, 소득 등 대표적인 통계정보들이 등간척도나 비율 척도에 속한다.
등간척도나 비율척도를 표현하는 통계정보가 점으로 표현되는 경우에는 격자 객체 내 존재하는 통계정보 객체들의 집계(Agregation)를 통해 공간단위에 값을 할당하면 되는데, 집계를 위한 연산은 데이터가 표현하고자 하는 목적에 따라 합계, 평균, 표준편차, 최댓값, 최솟값 등을 수행할 수 있다.
다만, ArcGIS의 Feature to Raster 알고리즘은 공간데이터를 Raster데이터로 변환하기 위한 기능으로 본 연구의 격자 변환과 완벽하게 부합하지 않는데, 본 발명에서 벡터의 격자 변환은 수치화 되어 있는 속성값을 연산하여 격자의 대푯값으로 할당하는 과정이 필요하나 Point to Raster의 Most Frequent, Polyline to Raster와 Polygon to Raster는 수치화되어 있는 속성값을 연산하여 대표객체를 선정하고, 대표객체의 또 다른 특성을 대푯값으로 할당하게 된다.
따라서 본 발명에서는 기존상용도구에서 제공하는 기능과 다르게 연산에 사용한 속성값을 그대로 대푯값으로 사용한다. 반면, ArcGIS의 Feature to Raster에서는 다루고 있지 않으나 실제로 폴리곤 공간정보의 격자변환 사례에서는 면적가중치 방법과 같이 폴리곤을 교차하는 격자의 교차비율만큼 속성값을 분배하여 대푯값을 결정한다.
따라서 본 연구에서는 폴리라인과 폴리곤의 경우 면적가중치방법을 추가 적용하여 대푯값으로 사용하며, 아래도표와 같이 벡터 데이터 유형에 따라 속성값 변환을 위해 적용한다.
Figure 112021043297417-pat00010
벡터 데이터의 격자 변환기법에 따라 다음과 같은 기능을 파일럿 시스템에 적용하였는데, 잘 알려진 상용 GIS 소프트웨어 도구에서 제공하는 격자 변환기법과 기존 연구에서 활용되는 격자 변환기법을 벤치마킹하여 개발하였다.
파일럿 시스템에서의 격자변환은 레이어 선택, 변환 레이어명 입력, 변환 레벨 선택, 변환 방법 선택, 속성 컬럼 명 선택, 시간속성 컬럼명 선택, 시간격자 단위 선택 과정을 통해 이루어지는데, 시간속성 컬럼명과 시간격자 단위는 시계열 분석격자를 생성하기 위한 것으로 단순격자 변환 시에는 선택하지 않는다. 레이어를 선택하면 해당 레이어의 기하 형태에 따라 변환 방법과 속성 컬럼 명 선택지가 다르게 제시된다. 변환 레벨은 1레벨 해상도 10m, 2레벨 10m, 3레벨 1km, 4레벨 10km, 5레벨 10km의 총 5개로 이루어져 있으며 기본값은 해상도 10km의 4레벨이다.
본 발명에서는 격자 정보 융합을 위해 일반적인 방법인 가중치 기반의 격자 중첩방법을 적용하는데, 이를 위해 각 DB별 표준화 방법으로 가장 보편적으로 사용되고 있는 방법인 Z-Score 방법을 채택하였으며, 음수로 표시되는 단점을 보완하기 위해 T-Score 방법도 적용하였다.
본 발명에서는 가중치 선정을 위해 AHP 방법을 적용하였는데, AHP는 적용방법이 용이하여 의사결정과정을 쉽게 표현할 수 있으면서도 이론적인 근거가 확실하여 공공과 민간부문의 집단의사 결정지원 시스템으로 널리 사용되고 있다.
특히 의사 결정자가 판단대상의 다른 측면이나 다른 요소들을 고려하지 않고 오직 한 가지 성질을 기준으로 두 개의 요소만을 상호 비교하므로 비교의 단순화가 가능하다는 점에서 인간의 정보처리능력을 제고할 수 있는 이점이 있다. 도 7은 파일럿 시스템에서 구현한 격자 데이터 융합 화면이다.
벡터 데이터를 격자로 변환한 데이터는 모두 동일한 자료구조를 가진다. 아래도표의 속성값(val)은 원천데이터의 격자변환 방법에 따라 달라질 수 있으며, 데이터 융합을 위해 표준화된 데이터 Z-Score와 T-Score값을 제공한다. 격자의 위치를 위한 값으로는 xindex와 yindex를 가진다.
Figure 112021043297417-pat00011
격자로 융합한 데이터는 원천데이터에 따라 다른 컬럼을 자료구조로 가지고, 변환격자와 달리 융합에 활용한 대상의 T-Score값이 모두 저장되게 되는데, 예를 들어 태풍취약지역 융합격자 정보의 예시는 아래도표와 같다.
Figure 112021043297417-pat00012
이상 살펴본 바와 같이 본 발명에서는, 태풍 피해이력 시각화 분석을 위해 재해연보 피해통계와 태풍정보를 데이터베이스화하고, 위기관리 매뉴얼과 지자체 현업 의견조사를 거쳐 태풍 피해이력을 시각화함에 따라, 유사재난 시 피해범위와 규모 파악, 재해우려지역과 같은 위험지역 현황과 사전점검을 위해 유용하게 사용할 수 있도록 하는 효과가 있다.
또한, 시도/시군구 단위 과거 사례별/유형별 피해이력과 규모 순위, 피해원인 등에 대한 통계정보와 지도, 그래프 등 직관적 해석이 가능한 시각화를 가능케하는 한편, 기상, 피해이력 등 필요정보 제공 창구의 일원화 및 조작이 용이하도록 단순 시스템화함으로써,
재난 등의 특수상황에 대한 전문성과 노하우를 갖추지못한 자라도 용이하게 분석할 수 있도록 하고, 지자체 업무담당자의 데이터 접근, 분석, 표출 및 활용에제한을 받지않도록 하는 효과도 있는 것이다.
본 발명의 기술적 사상은 바람직한 실시형태에서 구체적으로 기술되었으나, 상기한 실시형태는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 명백한 것이며, 따라서 이러한 변형 및 수정이 첨부된 특허청구범위에 속함은 당연한 것이다.

Claims (13)

  1. 자연재난과 관련된 수많은 정보들과, 상기 정보들에 의해 풍수해를 예측하기 위한 프로그램이 내장된 운영컴퓨터와, 풍수해를 시뮬레이션하기 위한 모니터로 구성되어진 시스템에서, 상기 프로그램에 의해 다음과 같은 과정으로 수행되는 것을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
    1) 상기 자연재난과 관련된 수많은 정보들이 유입되면 피해시설에 대한 위치정보를 토대로 점,선,면 등의 벡터 유형 별 격자 데이터로 변환하기 위해, 먼저 국가지점번호를 기반으로 격자사양을 정의하는 과정으로서, 격자 기반의 공간정보서비스에서 제공하는 격자사양에 대한 정의, 개념적 모델, 상세사항(원점, 공간적 범위, 좌표참조체계, 구성격자의 크기, 계층구조, 격자셀의 형태/크기/식별자 등) 등의 메타데이터 정보를 결정하는 과정,
    2) 데이터를 공간상에 표현하기 위한 위치정보와 개체 특성을 묘사하기 위한 속성정보로 이루어진 공간데이터들을 격자기반 데이터로 변환하는 과정으로서, 속성정보 측면에서 벡터 데이터를 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 유형별로 격자 변환하기 위해, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 대푯값을 결정하되, 먼저 PRIORITY에 의해 결정하고, PRIORITY가 같은 경우에는 METHOD에 따라 결정함으로써, 포인트(point), 폴리라인(polyline), 폴리곤(polygon)을 각각 격자 레스터로 변환하며, 선이나 면 데이터를 격자로 변환하기 위해 중첩되는 격자의 면적에 따라 속성값을 분배하는 면적분배법에 의한 격자변환방법을 함께 사용하는 격자 변환과정과,
    3) 2)과정에서 격자 변환된 데이터를 표준 점수화하는 과정으로서, 원점수(raw score)의 상대적 위치를 확인하기 위해, 어떤 점수와 평균 간의 차이, 즉 편차를 표준편차로 나누어서 변환해줌으로써 Z-Score와 T-Score로 표준화한 값을 할당해주는 표준점수(standard score)화 과정,
    4) 지표 간 상대적 중요도와 각 지표들이 평가 결과에 미치는 영향 정도를 고려하여 3)과정에서 얻은 표준점수에 가중치를 적용해줌으로써 최종 융합 격자를 생성하게되는 가중치 산정과정,
    5) 4)과정에서 얻은 가중치가 적용된 표준점수들을 모두 융합하여 하나의 수치를 도출하는 융합 격자 생성과정.
  2. 제 1항에 있어서,
    상기 격자는 통계 및 융합분석을 위한 속도향상을 위해 격자의 레벨과 좌표 로 구성된 수 표기 방법을 적용하고, 변환하고자 하는 격자 기반의 공간정보는 지도상에 임의의 속성정보를 표현할 수 있게 하는 공간데이터로서 격자로의 데이터 변환방법은 이러한 공간데이터의 특성을 고려하여 위치 정보 측면과 속성정보 측면을 구분하여 변환방법이 제시된 것을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  3. 제 2항에 있어서,
    상기 2)과정에서 공간정보가 격자로 올바르게 변환되기 위해서는 격자가 공간정보를 중첩(포함하거나 교차)하도록 정의되어야하는데 이는 공간정보의 누락 없이 격자로 대응되기 위함이며, 폴리곤이나 폴리라인이 중첩할 경우에는 해당 객체를 격자별로 분할함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  4. 제 2항에 있어서,
    상기 2)과정에서 기하는 한 개 이상의 교차된 꼭짓점으로 구성되어 있으며, 꼭짓점은 x, y축(z축은 선택)을 활용하여 공간 상에서의 위치를 설명하는데, 벡터 피처는 포인트(point), 폴리라인(polyline), 폴리곤(polygon)의 세 가지 형태를 가지고, 피처의 기하가 한 개의 꼭짓점으로 구성되어 있다면 포인트 피처이며 두 개 이상의 꼭 짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같지 않다면 폴리라인 피처이고, 세 개 이상의 꼭짓점으로 구성되어 있고 첫 번째와 마지막 꼭짓점이 같다면 폴리곤 피처인 것을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  5. 제 2항에 있어서,
    상기 2)과정에서 공간정보와 격자 사이의 공간관계 정의를 통해 기하의 중첩 여부를 판단하였다면 격자에 공간정보가 표현하고자 하는 속성값을 반영하도록 속성정보 변환을 수행하며, 격자 내에 중첩되는 지형지물(feature)을 격자로 변환하기 위해서는 격자의 대푯값을 결정해야함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  6. 제 2항에 있어서,
    상기 2)과정에서 포인트(point)를 레스터로 변환하는 기능은 포인트를 격자 래스터로 변환하기 위해 아래 도표와 같이 8가지 집계함수를 이용한 것을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
    Figure 112021043297417-pat00013

  7. 제 2항에 있어서,
    상기 3)과정에서 사용한 Z-Score 방법은, 표준점수의 하나로서 평균으로부터의 편차 점수를 그 분포의 표준편차로 나누어 얻어진 전환점수의 하나로서, 편차점수를 그 집단의 표준편차로 나누어 줌으로써 Z-Score는 평균이 0, 표준 편차 1인 분포로 전환되고, 원점수를 X, 평균과 표준편차를 각각 M, S라고 하면 Z- Score를 계산할 수 있는데, Z-Score는 표준점수의 원형적인 것으로 평균과 단위가 다른 점수들을 평균이 0, 표준편차 1인 단위분포로 전환시켜 줌으로써 점수분포의 출발점과 단위를 갖게 하므로 다른 점수 간에 상대적인 의미에서 그 비교를 가능케하며, 출발점과 단위를 갖게 함으로써 여러 다른 점수의 통합도 가능케함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  8. 제 7항에 있어서,
    Z-Score에 10을 곱하고 50을 더해주어 평균 50, 표준편차 10인 분포로 전환하는 T-Score 방법이 함께 사용됨을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  9. 제 2항에 있어서,
    상기 4)과정에서 가중치를 산정하는 방법은 의사결정의 전 과정을 여러 단계로 나눈 후 이를 단계별로 분석 해석 함으로써 합리적인 의사결정에 이를 수 있도록 지원해주는 방법으로, 평가 대상이 되는 지표가 여러 가지일 때 각 각의 상대적 중요도를 한 번에 모두 고려하는 것은 어렵기 때문에 각 단계별 지표 를 두 개씩 뽑아서 1:1로 비교하고, 상대적 중요도 비교 결과를 바탕으로 비교 행렬 구축을 통해 가중치를 결정하며 CR(Consistency Ratio)값을 도출하여 답변의 일관성 정도를 평가함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  10. 제 9항에 있어서,
    상기 4)과정에서 폴리라인과 폴리곤의 경우 면적가중치방법을 추가 적용하여 대푯값으로 사용하며, 아래도표와 같이 벡터 데이터 유형에 따라 속성값 변환을 위해 적용함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
    Figure 112021043297417-pat00014

  11. 제 9항에 있어서,
    상기 4)과정에서 격자 정보 융합을 위해 일반적인 방법인 가중치 기반의 격자 중첩방법을 적용하는데, 이를 위해 각 DB별 표준화 방법으로는 Z-Score 방법을 채택하였으며, 음수로 표시되는 단점을 보완하기 위해 T-Score 방법도 함께 적용함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  12. 제 9항에 있어서,
    가중치 선정을 위해 AHP 방법을 적용함을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
  13. 제 9항에 있어서
    상기 5)과정에서 속성값(val)은 원천데이터의 격자변환 방법에 따라 달라질 수 있으며, 데이터 융합을 위해 표준화된 데이터 Z-Score와 T-Score값을 제공하는데, 격자의 위치를 위한 값으로는 xindex와 yindex를 가지는 것을 특징으로 하는 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법.
KR1020210048258A 2021-04-14 2021-04-14 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법 KR102350248B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210048258A KR102350248B1 (ko) 2021-04-14 2021-04-14 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210048258A KR102350248B1 (ko) 2021-04-14 2021-04-14 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법

Publications (1)

Publication Number Publication Date
KR102350248B1 true KR102350248B1 (ko) 2022-01-12

Family

ID=79339524

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210048258A KR102350248B1 (ko) 2021-04-14 2021-04-14 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법

Country Status (1)

Country Link
KR (1) KR102350248B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117195877A (zh) * 2023-11-06 2023-12-08 中南大学 一种电子病历的词向量生成方法、系统、设备及存储介质
KR102612203B1 (ko) * 2022-12-28 2023-12-12 대한민국 지역단위 사회재난 위험 분석 서비스 제공 방법, 장치 및 시스템
CN117609411A (zh) * 2023-12-08 2024-02-27 苏州空天信息研究院 一种用于多源地理高程信息的集成与融合系统及方法
CN117610898A (zh) * 2024-01-24 2024-02-27 北京玖天气象科技有限公司 电网气象监测网络装置的布点方法及装置
CN118427262A (zh) * 2024-06-28 2024-08-02 中国地震灾害防御中心 一种承灾体数据栅格化方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100112304A (ko) 2009-04-09 2010-10-19 대한민국(관리부서 : 산림청 국립산림과학원장) 재난관리용 서버와 이를 이용한 재난관리 시스템 및 이를 위한 재난관리방법
KR20130043422A (ko) 2011-10-20 2013-04-30 부경대학교 산학협력단 모바일기기를 이용한 지도기반의 실시간 재난정보서비스 운용방법
KR20180117025A (ko) * 2017-04-18 2018-10-26 대한민국(행정안전부 국립재난안전연구원장) 지능형 cctv 기반 자동 수위감지 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100112304A (ko) 2009-04-09 2010-10-19 대한민국(관리부서 : 산림청 국립산림과학원장) 재난관리용 서버와 이를 이용한 재난관리 시스템 및 이를 위한 재난관리방법
KR20130043422A (ko) 2011-10-20 2013-04-30 부경대학교 산학협력단 모바일기기를 이용한 지도기반의 실시간 재난정보서비스 운용방법
KR20180117025A (ko) * 2017-04-18 2018-10-26 대한민국(행정안전부 국립재난안전연구원장) 지능형 cctv 기반 자동 수위감지 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
비특허 1 *
비특허 2 *
비특허 3 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102612203B1 (ko) * 2022-12-28 2023-12-12 대한민국 지역단위 사회재난 위험 분석 서비스 제공 방법, 장치 및 시스템
CN117195877A (zh) * 2023-11-06 2023-12-08 中南大学 一种电子病历的词向量生成方法、系统、设备及存储介质
CN117195877B (zh) * 2023-11-06 2024-01-30 中南大学 一种电子病历的词向量生成方法、系统、设备及存储介质
CN117609411A (zh) * 2023-12-08 2024-02-27 苏州空天信息研究院 一种用于多源地理高程信息的集成与融合系统及方法
CN117609411B (zh) * 2023-12-08 2024-06-11 苏州空天信息研究院 一种用于多源地理高程信息的集成与融合系统及方法
CN117610898A (zh) * 2024-01-24 2024-02-27 北京玖天气象科技有限公司 电网气象监测网络装置的布点方法及装置
CN117610898B (zh) * 2024-01-24 2024-06-14 北京玖天气象科技有限公司 电网气象监测网络装置的布点方法及装置
CN118427262A (zh) * 2024-06-28 2024-08-02 中国地震灾害防御中心 一种承灾体数据栅格化方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
KR102350248B1 (ko) 재난정보의 구축, 관리, 활용을 위한 격자 기반 데이터 변환방법
Malczewski Spatial multicriteria decision analysis
Yan et al. A multi-parameter approach to automated building grouping and generalization
Labetski et al. 3D building metrics for urban morphology
Fisher-Gewirtzman et al. Voxel based volumetric visibility analysis of urban environments
KR20160104788A (ko) 화산재해 대응 의사결정 지원 시스템
Pickard et al. Validating land change models based on configuration disagreement
Kim et al. An integrated picture fuzzy set with TOPSIS-AHP approach to group decision-making in policymaking under uncertainty
CN117436708B (zh) 国土空间规划风险评估方法
JP7422682B2 (ja) 改良された地理的指標付け
Beirão et al. Analysis and classification of public spaces using convex and solid-void models
JP3656852B1 (ja) 防災事業計画支援方法とそのシステム
Moradi et al. A novel approach to support majority voting in spatial group MCDM using density induced OWA operator for seismic vulnerability assessment
Demir et al. GIS-based procedural modeling in contemporary urban planning practice
Hu et al. Framework for prioritizing geospatial data processing tasks during extreme weather events
Malhotra et al. CityGML model generation using parametric interpolations
Delmas et al. Towards context & climate sensitive urban design: An integrated simulation and parametric design approach
Padsala et al. From Urban Design to Energy Simulation–a Data Conversion Process Bridging the Gap Between Two Domains
Ginis et al. Development of a geoinformation project as a tool for support decision making in the subject area
Qin Local ideal point method for GIS-based multicriteria analysis: A case study in London, Ontario
CN111814080B (zh) 一种基于互联网技术的大规模数据辅助分析系统
JP2004070863A (ja) 公共事業計画立案支援方法とそのシステムとそのプログラムとそのプログラムを記録したコンピュータ読み取り可能な記録媒体
Malhotra et al. Open-Source Tool for Transforming CityGML Levels of Detail. Energies 2021, 14, 8250
Dubrovskaya et al. Computer Visualization for the Algorithmization and Programming Task of Territorial Division Based on Interactive Mapping
Sultani et al. The use of geographic information system (GIS) based spatial decision support system (SDSS) in developing the urban planning process

Legal Events

Date Code Title Description
GRNT Written decision to grant