본문 바로가기

ALL

OpenStreetMap과 GTFS 데이터를 이용한 도시 자원 접근성 분석 방법
Function 2025. 3. 27. OpenStreetMap과 GTFS 데이터를 이용한 도시 자원 접근성 분석 방법 한국도시설계학회 세미나 발표자료입니다.별도의 설명 없이 슬라이드를 이미지로 올립니다.
전세계 기온 시각화
Function 2024. 12. 2. 전세계 기온 시각화 지구 위에 데이터의 흐름을 올려본 일들은 있었는데 그건 C++에서 했던 작업이었다. GPU의 VRAM 용량이 충분하니 지구 전체를 한 판으로 만들어 돌렸었고, 미리 VRAM에 복사해놓은 데이터의 주소들을 여러시점에 따라 다르게 참조해서 그리는 방식이었다. 비슷해보이는 표현이라도 웹으로 구현하려고 하면 여러가지 제약이 따른다. 가장 첫 번째 제약은 데이터의 용량이다. 특정 시점에서화면에 그리는 데이터가 몇 MB를 넘어가버리게 되면, 아니, 1MB 정도라도 전송속도로 인해 끊김없이 보기에는 제약이 따른다. 물론 이런 상황에 대한 해법으로는 '타일맵'이라는 기술이 오래전에 나와 있다. 단, 이번에 한 '전 세계 기온 시각화' 작업에서는 시간 변화에 따라 3시간 간격의 원본 데이터를 자엽스럽게 이어서 보여주는 ..
OD 시각화 6 : OD 시각화 프로토타입
Function 2024. 10. 31. OD 시각화 6 : OD 시각화 프로토타입 od 시각화는 계속 진행 중인 시각화의 탐구 주제다.최근 참여했던 프로젝트에서 지도상의 OD데이터 표현 방식에 있어 새로운 프로토타입을 개발해봤다. OD데이터는 출발지와 목적지가 모두 여러개인 경우를 전제로 하지만, 이 프로토타입은 출발지나 목적지가 하나로 고정된 경우에 해당한다. 아래에서의 예시는 모두 출발지가 한 곳으로 고정되고 목적지가 다수인 일대다(多) 상황이다. 데이터는 2022년 전국 읍면동 인구이동 데이터를 사용했다. 통계청 MDIS에서 받아서 가공했다.  우선 그리고자 하는 결과물을 파워포인트로 간단하게 만들어봤다. 지도상의 이동 여러개를 한 번에 나타내고자 할 때 가장 어려운 부분은 '가까운 곳의 이동이 많다'는 점이다.근거리와 원거리를 한 번에 표현해야 하는데 이동량까지 선의 굵기 등으..
OD 시각화 5 : deck.gl.TripsLayer 의 커스터마이징
Function 2024. 10. 30. OD 시각화 5 : deck.gl.TripsLayer 의 커스터마이징 TripsLayer란? deck.gl의 TripsLayer를 이용하면 아래와 같은 표현을 할 수 있다. 물론 경로와 시각(timestamp) 정보가 들어간 데이터가 미리 준비되어야 한다. 이를테면 아래와 같은 데이터다. const data = { coords : [[0,0], [0,1], [0,2], [0,3], [1,3], [2,3], [3,3]], timestamp : [0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6]]}; 위의 데이터를 TripsLayer에 잘 넣고 시간을 0부터 0.6까지 변화시켜 렌더링해본다면, 원점에서 [0,3]까지 수직으로 이동하다가 꺾어서 오른쪽으로 [3,3]까지 이동하게 된다. 머리가 밝고 꼬리로 갈수록 어두워지는 TripsLayer의 ..
deck.gl로 만든 웹 지도의 hillshade 표현
Function 2024. 10. 28. deck.gl로 만든 웹 지도의 hillshade 표현 최근 작업에서 만든 지도가 위 그림에서 보이는 정도로 확대되는 경우가 있었다.시군구 단위의 수치를 보여주면 그만이지만, 그래도 약간은 허전해보인다. 상세한 지도를 겹쳐 넣으면 단순하게 전달해야 할 지표들이 잘 보이지 않게 되고, 그래도 그냥 두자니 좀 허전해서 지형과 도로 정도의 희미한 디테일을 덧붙여보기로 했다.  그래서 위의 그림 정도로 지형을 새겨넣었다. 이제 허전함이 좀 사라졌다.이 글에서는 간단한 몇 가지 절차를 거쳐 만들 수 있는 이 지도의 표현 방법을 살펴보겠다.  절차는 크게 보면 다음과 같다.1. Qgis에서 음영기복도(hillshade) 역상으로 만들기2. Qgis에서 래스터 타일맵 생성3. Deck.gl에서 여러 레이어 중 적절한 순서에 타일맵을 reverse subtract 방식으로..
벡터 타일 3 : 웹에서 대용량 공간 데이터 시각화하기
Function 2024. 8. 11. 벡터 타일 3 : 웹에서 대용량 공간 데이터 시각화하기 이 글은 앞서 설명한 벡터 타일맵 만들기 1,2 편에 이어지는 3편이다. 1부 : 폴리곤 데이터 벡터 타일링  벡터 타일 : 웹에서 대용량 공간 데이터 시각화하기 - 1웹에서 대용량 공간 데이터를 시각화하는건 2024년이라는 시점에서 이미 새로운 기술은 아니다. 구글 맵이나 카카오 네이버 맵에서는 오래 전부터 전세계나 우리나라 전체의 지도를 브라우징하www.vw-lab.com 2부 : 라인, 포인트 데이터 벡터 타일링 벡터 타일 : 웹에서 대용량 공간 데이터 시각화하기 - 2이 글에서는 라인과 포인트 데이터를 벡터 타일로 만드는 방법을 설명한다.앞서 폴리곤 먼저 진행했고, 이 글은 두 번째 글이다. 앞에서 제시한 코드들을 대부분 이용한다.  라인 shape  전처리www.vw-lab.com 앞에서 행정동..
벡터 타일 2 : 웹에서 대용량 공간 데이터 시각화하기
Function 2024. 8. 11. 벡터 타일 2 : 웹에서 대용량 공간 데이터 시각화하기 이 글에서는 라인과 포인트 데이터를 벡터 타일로 만드는 방법을 설명한다.앞서 폴리곤 먼저 진행했고, 이 글은 두 번째 글이다. 앞에서 제시한 코드들을 대부분 이용한다. 앞의 글은 다음의 링크에 있다. 벡터 타일 : 웹에서 대용량 공간 데이터 시각화하기 - 1웹에서 대용량 공간 데이터를 시각화하는건 2024년이라는 시점에서 이미 새로운 기술은 아니다. 구글 맵이나 카카오 네이버 맵에서는 오래 전부터 전세계나 우리나라 전체의 지도를 브라우징하www.vw-lab.com  라인 shape  전처리 라인 shape 파일은 LineString와 MultiLineString 으로 된 도형을 말한다. 폴리곤 처럼 단순화 작업 먼저 수행한다. 단선으로 된 도로 레이어를 작업했고, 6레벨부터 14레벨까지 만들었다.inpu..
벡터 타일 1 : 웹에서 대용량 공간 데이터 시각화하기
Function 2024. 8. 11. 벡터 타일 1 : 웹에서 대용량 공간 데이터 시각화하기 웹에서 대용량 공간 데이터를 시각화하는건 2024년이라는 시점에서 이미 새로운 기술은 아니다. 구글 맵이나 카카오 네이버 맵에서는 오래 전부터 전세계나 우리나라 전체의 지도를 브라우징하면서 필요한 장소들을 찾을 수 있도록 서비스 해 왔다. 브이월드 같은 3차원 지도 역시 서비스된 지 10년이 넘었다.그런데 그런 대규모 기업형 서비스가 아니라 다소 소박한 환경에서 웹 컨텐츠를 만든다고 해보자. 로컬에서 파일을 올려 웹브라우저에서 시각화하는 경우라면 그리 문제는 안 된다. 보통의 컴퓨터들의 성능이 많이 좋아졌기 때문에 웬만한 컴퓨터에서 웹브라우저로 100MB 남짓의 데이터를 올려서 그리는건 큰 문제가 되지 않는다.kepler.gl 같은 deck.gl 기반의 서비스가 바로 그러한 경우다. 사이트에 접속한 후 ..
벡터필드 : 웹에서 해류데이터 표현하기
Function 2024. 2. 24. 벡터필드 : 웹에서 해류데이터 표현하기 벡터 필드 형식의 데이터로 웹에서 해류를 표현해보자. 이 글에서 설명하는 우리나라 주변 해류 시각화는 한국해양과학기술원의 의뢰를 받아 작업한 결과물이다. 아래의 링크에서 서비스되고 있다. 독도종합정보시스템 이 서비스는 해양수산부의 지원으로 한국해양과학기술원에서 개발한 운용해양예보시스템(KOOS)자료를 사용합니다 한국해양과학기술원 www.kiost.ac.kr www.dokdo.re.kr 2년 전에 OpenGL로 구현한 내용을 올린 적이 있다. 벡터필드의 기본적인 개념과 구현 방식에 대한 설명이 있다. 벡터필드 : 풍속 데이터로 바람 그리기 풍속 데이터로 바람을 표현해보자. 이 글은 두 개의 레퍼런스와 본 글로 구성된다. 이 글에서는 OpenGL을 이용해서 그리는 방식을 설명한다. 필요한 데이터와 기본적인 ..
OD 시각화 4 : python에서 그리는 화살표 머리 이동선
Function 2023. 8. 16. OD 시각화 4 : python에서 그리는 화살표 머리 이동선 오랜만에 올리는 OD 시각화 시리즈. 이번에는 파이썬에서 pydeck을 이용해서 이동선들을 그려보겠다. 예전에 올렸던 OD 시각화 시리즈는 아래 링크들에 있다. 세 번째 생활이동 데이터 시각화에서 QGIS 를 이용했다면, 이번에는 python에서 그려보려고 한다. OD 시각화 1 : 여러가지 시도 지도 위에 데이터를 표현할 때 아주 까다로운 대상 중 하나는 OD 데이터다. Origin-Destination 데이터는 지도 위의 두 지점을 선으로 이어야 한다. 노드와 링크가 있는 추상공간 위의 네트워크 시각화 www.vw-lab.com OD 시각화 2 : 전국 인구 순이동 앞의 글에서 여러가지 사례를 들어 OD 시각화에서 고민했던 점들을 썼다면, 이번에는 전국 인구 순이동 시각화를 조작해보면서 설명해보겠다...
고령화된 2070년 대한민국의 모습은 현재의 OOO에 있다
Content 2023. 6. 6. 고령화된 2070년 대한민국의 모습은 현재의 OOO에 있다 매 해마다 태어나는 아이들이 점점 줄어들어가는 우리나라는 매우 급격한 고령화의 한 가운데에 있다. 통계청의 인구 중위 추계에 따르면, 2070년의 연령별 남녀 인구는 아래 그림처럼 된다고 한다. 각각의 막대는 5세 인구 구간이고, 좌측이 남성, 우측이 여성이다. 가장 많은 인구 구간은 75~79세. 그러니까 1991년~1996년에 태어난 사람들이 2070년에 다다르면 70대의 노년층이 되어 우리나라에서 가장 흔한 나이대가 된다. 그래프에서 볼 수 있듯이 75세에서 젊어질수록 인구는 대체로 점차 줄어든다. 그렇다면 2023년 현재의 인구 분포는 어떨까? (2020년에 예측한 2023년의 중위 추계 인구를 사용했다. 현재와 크게 다르지 않다.) 사실 현재의 인구 분포도 그다지 건강해보이지 않는다, 50~55..
서로 간섭이 덜 되어 보이는 네트워크 링크 그리기
Function 2023. 2. 24. 서로 간섭이 덜 되어 보이는 네트워크 링크 그리기 2만개의 노드와 2만6천개 정도의 링크를 구성된 네트워크를 그렸던 작업에 대해 개략적으로 기록해보려 한다. (데이터는 비공개 보안 데이터였으므로 그림에서 표현했던 텍스트들은 모두 제거했다.) 노드들은 1,2,3 계열로 크게 구분되었고, 2,3 계열은 각각 20여개의 그룹으로 구분되었다. 주어진 링크 그대로 그렸더니, 알아볼 수 있는 자연스러운 force 네트워크는 그려지지 않았으며 실타래처럼 뭉쳐져버렸다. 그래서 일단 노드들을 계열과 그룹으로 구분해보기로 했다. 계열은 중심으로부터 떨어진 반지름으로 구분했으며, 하나의 원을 이루는 동일 계열들을 20여개의 그룹으로 분리해서 그룹 각각이 구심점을 갖도록 했다. 네트워크의 정착과 드로잉에 다른 라이브러리를 사용했다 처음에 노드들을 입력해서 자리를 잡는 과정에..
<화물차를 쉬게 하라> - 2. 타이어 같은 운행 기록의 표현
Content 2023. 2. 15. <화물차를 쉬게 하라> - 2. 타이어 같은 운행 기록의 표현 이 글에서는 시사IN 기사 를 위해 했던 작업을 다룬다. 시사IN x VWL 특별기획 화물차를 쉬게 하라 DTG 데이터로 본 365일 24시간의 노동 truck.sisain.co.kr 두 번째 글로, 한 달의 운행 기록을 타이어 모양의 시간표로 표현했던 과정을 적어보았다. 사실, 한 달의 시간표가 나오기 전까지 꽤 많은 주제로 탐색을 했다. trip의 기종점만 모아보기도 하고, 사고다발구간과 비교해보기도 하고, 특정 지역을 지나는 궤적만 분석해보기도 하는 등, 운전자의 피로도와 사고의 관계를 찾아보려고 했지만, 데이터의 한계로 인해 명확하게 말할 수 없는 부분들이 있었다. 서울대학교 환경대학원 한상진 교수님, 시사IN의 변진경, 전혜원 기자님 이렇게 세 분과의 여러 차례 논의 끝에 시간표 형식의 그래프 ..
<화물차를 쉬게 하라> - 1. DTG 데이터의 처리
Function 2023. 2. 15. <화물차를 쉬게 하라> - 1. DTG 데이터의 처리 이 글에서는 시사IN 기사 를 위해 했던 작업을 다룬다. 시사IN x VWL 특별기획 화물차를 쉬게 하라 DTG 데이터로 본 365일 24시간의 노동 truck.sisain.co.kr 첫번째 글로, DTG 데이터를 처리하는 R 코드와 시각화에 사용된 자바스크립트 코드일부를 기술해본다. DTG 데이터는 용량이 매우 크다. 20여개의 항목들을 차량마다 1초 단위로 기록하는데, 한행 한행마다 200자 넘는 텍스트로 구성되어 있다. 예를 들어 교통안전공단에 제출된 전국 화물차 DTG 한 달 치의 용량은 333GB정도가 된다. 물론 압축을 했을 때 그렇고 압축을 풀면 4.4TB 정도로 커진다. 사실 아예 빅데이터 시스템을 갖춘 상황이라면 4.4TB는 그렇게 큰 용량이 아니다. 그런데 이 데이터를 PC에서 분석하려..
Vulkan 에서 Mesh Shader + Ray Tracing
Function 2023. 2. 14. Vulkan 에서 Mesh Shader + Ray Tracing 작업 환경을 OpenGL에서 Vulkan으로 바꿨다. 물론 Vulkan 같은 경우 삼각형 하나 그리는데 1000줄 정도의 코드가 필요하고 동기화 문제 등 여간 작업이 까다로운게 아니라 아직 경우에 따라 OpenGL 기반 작업을 병행하고 있다. Vulkan은 DirectX12 처럼 차세대 라이브러리라서, Nvidia 와 AMD의 최신 하드웨어가 제공하는 기술들을 모두 지원해준다. 반면 OpenGL을 사용할 경우 Ray Tracing 관련 API가 좀 제한적이다. Optix와 병행해야 하는데, 이종의 라이브러리를 결합하는 격이라 어딘가 매끄럽지 못하다. Vulkan으로 넘어온 김에 Mesh Shader와 Ray Tracing 기능을 결합해봤다. Mesh Shader Mesh Shader 관련해서는 지난번에 ..
폴리곤을 삼각형 격자로 분할하기
Function 2023. 2. 14. 폴리곤을 삼각형 격자로 분할하기 위와 같은 연두색 폴리곤 하나를 아래와 같은 폴리곤들로 분할해 주는 방법에 대해 개략적으로 설명해보겠다. 폴리곤의 분할 기준은 크기가 입력된 정사각형 격자를 대각선으로 가르는 직각삼각형들이다. 직각삼각형 하나가 폴리곤 안에 온전히 포함된다면 그대로 온전히 포함되고, 직각삼각형 하나가 폴리곤의 경계와 만난다면 만나는 부분들의 계산해서 부정형의 도형을 만들어준다. 구멍(hole)이 있는 폴리곤도 문제없이 분할해준다. 단, 여러개의 독립된 도형으로 이루어지는 MultiPolygon 은 Polygon 단위로 나누어 함수에 넣어야 한다. 이러한 작업은 Qgis에서 폴리곤과 삼각형 그리드를 미리 만들어놓고, intersect 기능을 이용해서 만들어낼 수 있다. 다만, 그리드 분할에 최적화된 함수가 아니기 때문에 대..
Deck.gl 의 기초
Function 2023. 2. 10. Deck.gl 의 기초 deck.gl 은 WebGL 기반으로 만들어진 라이브러리다. deck.gl 라이브러리를 사용하면 경위도 좌표가 있는 공간정보 표현을 쉽게 할 수 있다. GPU 성능을 활용할 수 있기 때문에 수십만개의 점이나 선들을 웹에서 화면 끊김 없이 돌려볼 수 있다. 물론 공간정보 표현만 가능한 것은 아니다. d3.js를 이용해 위치를 정한 force 다이어그램의 좌표들을 넘겨주면 복잡한 네트워크도 빠르게 표현할 수 있다. 차트 표현에 최적화된 라이브러리를 별도로 제공해주지는 않지만, 점선면 도형과 축선을 직접 그린다고 생각하면 복잡한 산포도와 선형 그래프 등도 빠르게 그릴 수 있다. deck.gl에서 만들 수 있는 시각화의 유형이 궁금하다면 아래 페이지에서 '레이어'들을 하나씩 클릭해보면 된다. Deck.gl에서는..
하천범람지도를 QGIS에서 이용하는 방법
Function 2022. 10. 3. 하천범람지도를 QGIS에서 이용하는 방법 이 글은 지난 9월 29일 에서 발표했던 내용 중, 하천범람지도 이용 방법만 별도로 발췌하여 정리한 내용입니다. 현재 행안부에서 서비스되고 있는 생활안전지도 중 하천범람지도를 QGIS에서 읽어들이고, 래스터와 벡터 형식의 파일로 변환 및 저장하는 방법을 다루었습니다. 현재 서비스되고 있는 방식으로는 웹 브라우저에서 지점별 조회만 가능하고 막상 분석에 이용할 수 없었습니다. 그래서 일단 임시로 내부 통신 방식(웹서버~클라이언트) 중 일부를 이용하여 Qgis에서 배경지도 레이어로 읽어들인 후 QGIS의 메뉴를 이용하여 분석 가능한 레이어로 변환하게 됩니다. 원래 발표에서는, 정식으로 WMS 방식으로 개방하거나, 이런 불필요한 과정을 거치지 않도록 GeoTIFF나 SHP 파일로 다운로드 받게 해 주었으면 좋겠..
레이 마칭(Ray-Marching) 방식의 인구막대 시각화
Function 2022. 2. 2. 레이 마칭(Ray-Marching) 방식의 인구막대 시각화 레이 마칭(Ray Marching)이란 3차원 물체를 렌더링하는 방식 중 하나다. 물체가 모두 그려진 2차원 이미지 한 장이 있다고 가정하고, 픽셀 하나하나의 색을 어떻게 칠할지를 결정하는 방식으로 접근한다. 아래 그림처럼, 3차원 실제 공간이 2차원의 투영막에 투영된다고 하자. 그 투영된 이미지가 화면에 렌더링 될 이미지가 된다. 이때 아래 그림에서 카메라의 시점이 곧 관찰자의 시점이 된다. 시선과 물체의 한 점을 잇는 선분을 만들어볼 수 있고, 이 투영막의 어떤 픽셀 하나가 있다고 가정할 때, 그 선분과 투영막이 교차하는 지점이 바로 그 픽셀이 된다. 여기까지의 서술이 잘 이해가지 않고 생소하다면, 잠시 이 글을 덮어두고 3차원 렌더링 방식의 기본 지식들을 공부할 것을 권한다. 트라이앵글 기반의 3차..
맵 매칭(Map Matching)
Function 2022. 2. 2. 맵 매칭(Map Matching) 맵 매칭(map matching)은 GPS처럼 측정된 궤적(trajectory)을, 노드와 링크로 구성된 기존의 지도(map)에 맞추는(matching) 작업이다. 차량 내비게이션의 경우에도 GPS의 궤적들을 기존에 입력된 지도 위에 매칭시킴으로써 주행하고 있는 도로의 전방 상황을 미리 안내해주기도 한다. 간혹 안내된 경로 밖으로 벗어나서 주행할 경우, 일정 시간이 지나면 경로 이탈을 인지한 후 다시 돌아가는 길을 안내해 주기도 하는데, 이는 측정된 궤적을 토대로 가장 그럴법한 링크들로 매칭시키는 작업이 끊임없이 반복되고 있기 때문이다. 가장 쉽게 해 볼 수 있는 맵 매칭 방식은 측정된 점으로부터 가장 가까운 링크에 곧바로 점들을 수선을 내려 투영시켜주는 방식이다. GPS 측정 주기가 매우 짧고 보행처럼..
벡터필드 : 풍속 데이터로 바람 그리기
Function 2022. 1. 24. 벡터필드 : 풍속 데이터로 바람 그리기 풍속 데이터로 바람을 표현해보자. 이 글은 두 개의 레퍼런스와 본 글로 구성된다. 이 글에서는 OpenGL을 이용해서 그리는 방식을 설명한다. 필요한 데이터와 기본적인 원리들을 설명하고 있으므로, 다른 방식으로 그리려면 글 내용을 이해한 후 스스로 시도해봐야 한다. 그리기 위한 전체 코드를 설명하지는 않고 핵심적인 부분만 다루므로 OpenGL의 기본적인 부분들은 알고 있어야 한다. 예시 1 : Cameron Beccario의 아래 사이트에 들어가면 둥근 지구 표면 위에서 바람이 흐르는 모습을 볼 수 있다. (바람 이외에도 여러가지 기상 정보를 볼 수 있다) earth :: a global map of wind, weather, and ocean conditions See current wind, weat..
겹치지 않는 원으로 인구 그려보기
Function 2021. 12. 29. 겹치지 않는 원으로 인구 그려보기 여기서는 시군구 인구를 원으로 시각화한 과정의 기술적인 내용에 대해 적어보겠다. 관련된 두 글은 다음과 같다. 대한민국 시군구 인구 변화 시각화(1975~2020) 우리나라 인구 변화를 지도 위에 시군구 단위로 시각화 한 이 글에 새로운 발견은 없다. 인구 변화에 관심있던 사람이라면 대부분 아는 내용이다. 서울-인천-경기를 포괄하는 '수도권'으로 인구 www.vw-lab.com 시군구별 연령별 인구 변화 시각화(2000~2020) 앞의 글에 이어 이번에는 성연령별로 구분해본 인구의 변화를 본다. 앞의 글(아래 링크)에서 대체적인 취지와 개요를 설명했다. 대한민국 시군구 인구 변화 시각화(1975~2020) 우리나라 인구 변화 www.vw-lab.com 데이터 두 글에서 사용한 데이터가 다르다. 첫번째 1..
시군구별 연령별 인구 변화 시각화(2000~2020)
Content 2021. 12. 29. 시군구별 연령별 인구 변화 시각화(2000~2020) 앞의 글에 이어 이번에는 성연령별로 구분해본 인구의 변화를 본다. 앞의 글(아래 링크)에서 대체적인 취지와 개요를 설명했다. 대한민국 시군구 인구 변화 시각화(1975~2020) 우리나라 인구 변화를 지도 위에 시군구 단위로 시각화 한 이 글에 새로운 발견은 없다. 인구 변화에 관심있던 사람이라면 대부분 아는 내용이다. 서울-인천-경기를 포괄하는 '수도권'으로 인구 www.vw-lab.com 데이터 이번에는 성연령 인구 변화를 보기 위해 통계청 통계지리정보서비스(SGIS)의 자료신청을 통해 집계구별 인구를 받아서 가공했다. 과거의 인구를 2021년 행정구역에 맞춰 재집계해 주므로 행정구역의 시계열 변화에 따라 인구를 재조정하는 작업을 해 주지 않아도 된다. 단, 집계구 인구이므로 특정 성연령이 5명 미만..
대한민국 시군구 인구 변화 시각화(1975~2020)
Content 2021. 12. 29. 대한민국 시군구 인구 변화 시각화(1975~2020) 우리나라 인구 변화를 지도 위에 시군구 단위로 시각화 한 이 글에 새로운 발견은 없다. 인구 변화에 관심있던 사람이라면 대부분 아는 내용이다. 서울-인천-경기를 포괄하는 '수도권'으로 인구가 집중되었고, 도시 지역이 아닌 곳들의 인구는 점점 줄어들어서 도시와 비도시 지역의 인구는 9:1 정도의 극단적인 비율에 이르렀다. 비도시 지역은 인구가 줄어들 뿐 아니라 점점 고령화되고 젊은 인구들의 유입이 적어진 탓에 '지방소멸'까지 거론되고 있다. 이 글은 익히 알고 있는 이런 내용들을 다룬다. 그렇다면 왜 이런 뻔한 내용을 굳이 시간을 들여 그리고 있을까? 데이터 시각화에는 여러가지 목적이 있는 것 같다. 무언가를 빠르게 탐색하고 발견하기 위해서 숫자들을 그림으로 바꿔보는 경우, 복잡한 사실들을 한 눈에 보기 ..
반응형 유동인구/매출액 Viewer
Function 2021. 12. 20. 반응형 유동인구/매출액 Viewer PC에서 다루기에 데이터가 커지면, 즉 대략 몇 GB정도를 넘어가면 작업 속도가 현저히 떨어지기 시작한다. 속성값을 필터링하고 group by 해서 집계해보는데도 몇 초 정도는 걸리며, 혹은 그 결과물을 서로 비교하는 그래프를 그리는데도 적지 않은 노력이 든다. 많은 양의 데이터를 탐색할 때는 생각의 끊김 없이 데이터를 헤집어볼 수 있는게 중요한데, 속성을 덜어내거나 더할 때, 혹은 날짜를 바꿔가면서 값들을 비교해볼때, 시군구 단위처럼 넓은 지역의 집계량을 비교해볼 때 실시간으로 결과물을 확인할 수 있다면 데이터가 가진 특성을 빠른 시간안에 이해할 수 있고 문제점 혹은 특별한 현상을 발견하기가 매우 용이해진다. 데이터 필터링에서 시각화로 이어지는 반복되는 작업들을, 현대의 빠른 PC성능을 최대한 활용해서..
지구를 그려보자
Function 2021. 10. 29. 지구를 그려보자 지구를 만들어보자. 아무것도 없는 공간에 구를 그리고 지구의 이미지를 덮어씌워보자. 낮과 밤을 촬영한 NASA 이미지 두 장을 태양이 비추는 곳과 그렇지 않은 곳에 적절히 맵핑해주자. 그리고 두 부분이 만나는 곳을 황혼처럼 약간 붉게 만들어보자. 푸르스름한 지구 주변의 대기도 표현하면 그럭저럭 완성이 된다. 아, 당연히 연월일시에 따라 지구의 상태가 변해야 한다. cpp에서 OpenGL 라이브러리를 사용하여 만들었다. OpenGL에서 직접적으로 코딩하는 사람들에게는 도움이 되겠지만, 그런 사람은 많지 않을테니... WebGL 사용자들은 비슷하게 응용할 수 있을 것 같고, 안써봐서 잘 모르겠지만 유니티나 언리얼엔진같이 셰이더 기반으로 작업하는 환경에서도 적절히 옮겨쓸 수 있을 것 같다. 1년 전쯤 한 포럼..
스마트서울 도시데이터센서(S-DoT)기온 데이터 시각화
Function 2021. 10. 11. 스마트서울 도시데이터센서(S-DoT)기온 데이터 시각화 서울 열린데이터 광장에는 서울 전역에 설치된 온도, 습도, 미세먼지 등의 센서들이 측정한 환경정보를 제공하고 있다. 여기서는 그 중 기온데이터를 지도에 등온선과 그라데이션으로 그려보는 작업을 해보겠다. 시각화는 cpp와 OpenGL 라이브러리를 통해서 작업했기 때문에 모든 과정을 설명할 수는 없지만, 핵심 방법론은 간단하므로 그 부분을 설명해보려 한다. 데이터는 아래에 있다. 지속적으로 올라오는데 포맷도 한번 바뀌어서 전체를 병합하면 안된다. 열린데이터광장 메인 데이터분류,데이터검색,데이터활용 data.seoul.go.kr 간혹 엉뚱한 시점에 40도가 넘는이상치도 있고, 누락된 곳도 있으므로 분석을 하려면 어느 정도 전처리가 필요할 것 같다. 여기서는 그저 시각화 연습이 목적이므로 이상치는 특별히 검증하..
서울시 생활이동 데이터 개략 탐색
Content 2021. 9. 23. 서울시 생활이동 데이터 개략 탐색 지난 9월 8일 서울시 생활이동 데이터 기자설명회에서 발표한 자료를 약간 수정하여 여기에 기록해둔다. 발표시간이 7분으로 매우 짧았기 때문에 만들었던 자료들을 일부 덜어내고 발표했는데, 여기에는 그 중 일부를 다시 덧붙여 올린다. 서울시 생활이동 데이터는 KT의 휴대폰 시그널을 가공하여 만든 데이터로 서울시와 KT, 그리고 한국교통연구원이 공동 개발하였다. 데이터는 서울 열린데이터 광장에 행정동 단위로 공개되고, 서울시 빅데이터 캠퍼스에서는 좀 더 자세한 버젼을 이용할 수 있다. 이 발표자료는 행정동 단위보다 조금 더 자세한, 시간대별 교통폴리곤 단위의 데이터를 바탕으로 작성되었다. 공개된 형식의 데이터를 가공하여 지도 위에 그려보는 작업은 지난번에 소개하였다.(아래 링크 참고) 서울 생활이동 데이터를 ..
OD 시각화 3 : 서울 생활이동 데이터를 지도 위에 옮겨보자
Function 2021. 9. 10. OD 시각화 3 : 서울 생활이동 데이터를 지도 위에 옮겨보자 서울시에서 '생활이동' 데이터를 공개했다. KT의 휴대폰 시그널을 바탕으로 언제 어디서 어디로 어떤 사람들이(성연령) 이동했는지에 대한 데이터다. 서울 열린데이터광장 서울 생활이동 인구란? 서울 안에서 이동하거나 서울 외부에서 서울로 오고 간 이동으로 통근, 통학, 쇼핑, 여가 등 행정수요를 유발하는 모든 이동 data.seoul.go.kr 공개된 형식은 한 달을 기준으로, 요일별, 시간대별, 행정동별, 성별, 연령별 이동량이 있는데, 부가적인 속성을 통해 출근 혹은 통학 이동인지도 알 수 있다. 서울시 빅데이터 캠퍼스에서는 좀 더 상세한 단위의 데이터를 다룰 수 있다고 한다. 이렇게 출발지와 도착지가 있어, 선으로 그릴수 있는 데이터를 OD(Origin-Destination) 데이터, 혹은 플로우(fl..
서울 공공자전거 따릉이 대여이력 시각화
Content 2021. 7. 20. 서울 공공자전거 따릉이 대여이력 시각화 따릉이 데이터는 서울 열린데이터 광장에서 받을 수 있다. 열린데이터광장에서 제공되는 데이터 중 여러가지 데이터 중 연습삼아 분석해보기 좋은 대상이라 '따릉이 데이터 분석' 정도로 구글링해봐도 읽어볼만한 좋은 글들이 많이 나온다. 여기서는 첫 대여 이력이 있는 2015년 9월부터 현재 공개된 최신자료인 2021년 1월까지의 대여이력을 시각화했다. 데이터 준비 대여이력 데이터는 아래 링크에 있다. 서울특별시 공공자전거 대여이력 정보 서울특별시 공공자전거 대여이력 정보입니다. 자전거 이동경로에 대한 데이터 분석이 가능하도록 년도별, 대여소별, 자전거별 대여이력 원천 데이터를 제공합니다. data.seoul.go.kr 대여소 위치의 경우 서울 열린데이터 광장의 다른 게시판에 있지만, 철거된 대여소의 경우 좌표가..

티스토리툴바