본문 바로가기

ALL

15분만에 전국 음식점 개폐업 지도 만들어보기
Function 2021. 7. 12. 15분만에 전국 음식점 개폐업 지도 만들어보기 로컬데이터(localdata.kr)의 개폐업 데이터를 바탕으로 위와 같은 히트맵을 만들어보려고 한다. 언론에서 종종 작년과 올해 사이에 폐업이 증가한 곳들을 보도하는데, 실제 데이터를 보면 개업과 폐업은 순환하는 신진대사처럼 일어난다. 잘 되는 곳 역시 개업도 많겠지만 폐업도 많다. 드는 곳이 있으면 나는 곳도 있고 나는 곳이 있으면 드는 곳도 있기 마련이다. 그래서 일반적인 히트맵 그리는 방식에서 개업과 폐업에 가중치를 양과 음으로 부여하여 많이 늘어난 지역과 많이 줄어든 지역을 동시에 보려고 한다. 그럼 만들어보자. 정말 15분만에 될까? Qgis와 Rstudio가 깔려있다면 가능할 것 같기도 하다. 물론 R과 Qgis의 기본적인 기능은 사용할 수 있어야 한다. 데이터 준비 localdata.kr 에..
이동의 범위, 삶의 테두리
Content 2021. 7. 10. 이동의 범위, 삶의 테두리 서울에 사는 어떤이는 한 달 동안 광주와 부산을 오고 간다. 서울에 사는 또 다른 이는 한 달 내내 집과 30분 거리의 직장만 시계추처럼 오고 간다. 어떤 이는 주말에 비행기를 타고 제주에 가서 드라이브를 하다가 온다. 신나는 여행길이다. 또 다른 이는 한달 내내 전국을 돌며 물건을 팔지만 그에게는 그 여정이 힘든 외근길에 불과하다. 이동은 자유일 수도 있고, 동시에 이동은 속박일 수도 있다. 이동에 담긴 각자의 사연은 쉽사리 알아낼 수 없지만, 어디로 다녀갔는지는 일단 그려볼 수 있다. 이 글에서는 KT 휴대폰 위치데이터로 사람들이 각자 한 달간 다녀간 권역들을 겹쳐 그려봤다. 어떤 사람이 한 달 동안 다녀간 곳들을 점으로 표시하면 위와 같은 그림을 그릴 수 있다. 그리고 그 점들을 온전히 포함하는 볼..
KT 휴대폰 위치데이터로 본 현지인과 외지인
Content 2021. 7. 2. KT 휴대폰 위치데이터로 본 현지인과 외지인 2020년 5월 11일 오후 2시의 명동에는 누가 얼만큼 있을까? 그 동네에 집이나 직장이 있는 20대는 얼마나 있을까? 외지에서 온 30대는 몇 명이나 있을까? 우리가 들고 다니는 휴대폰은 기지국과 신호를 주고 받으며 대략적인 위치를 남긴다. 그래서 GPS처럼 정밀하지는 않더라도 몇십미터나 몇백미터 정도의 오차로 대략적인 위치를 알 수 있다. 그래서 충분히 넓은 범위로, 예를 들어 전국을 1km x 1km의 격자로 나누어 사람들을 세어본다면 꽤 높은 정확도로 언제 어디에 몇 명이 있는지 알 수 있다. 데이터는 세분화할 수록 대체로 활용가치가 높아진다. "언제 어디에 몇명이 있는가?"라는 물음에 한 가지를 더 붙여보자. "언제 어디에 어떤 연령대의 사람들이 몇명 있는가?" 서울로 보자면 홍대 쪽은 20대..
OD 시각화 2 : 전국 인구 순이동
Function 2021. 4. 25. OD 시각화 2 : 전국 인구 순이동 앞의 글에서 여러가지 사례를 들어 OD 시각화에서 고민했던 점들을 썼다면, 이번에는 전국 인구 순이동 시각화를 조작해보면서 설명해보겠다. 앞의 글이란 이것 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 그리고 여기서 계속 다루게 될 "전국 시군구간 인구 순이동"은 조금 밑에서 소개하기로 하고, 일단 첫 시도로 거슬러 올라가보겠다. 첫 시도와 표현의 규칙들 이 작업의 출발은 2017년이었다. 대구MBC에서 제작하는 기획프로그램에 짧게 삽입될 목적이었는데, 요청사항은 '인구이동 데이터..
OD 시각화 1 : 여러가지 시도
Function 2021. 4. 24. 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 시각화와는 조금 다른데, 되도록이면 정점의 위치를 움직이지 않음으로써 실제 지리 공간의 거리를 유지해야 한다는 전제가 있기 때문이다. 비교적 간단한 OD 시각화 처음 시도해봤던 OD 시각화는 d3.js를 공부해보던 시절에 그려봤던 패스 분포도였다. 지도 위의 공간 정보는 아니었지만 선수들 포지션에 따라 대략적으로 위치가 정해졌다고 전제로 깔고 그렸다. 전후반 출전 선수를 모두 포함하여 열댓개의 노드가 있는 OD 데이터였는데, 링크의 수는 이론적으로 노드의 제곱수까지 가능하므로 사실 노드가 열개만 되어도..
보궐선거 득표율 반응형 지도 사용법
Content 2021. 4. 21. 보궐선거 득표율 반응형 지도 사용법 웹 상에서 시도해볼 수 있는 인터랙티브 지도가 세상에 본격적으로 많아지기 시작한지 거의 10년이 다 되어간다. 뉴욕 타임즈 같은 해외의 언론사에서 한동안 다양한 시도를 했지만, 생각보다 사람들이 반응형 그래프나 지도 위에서 그리 오랜 시간을 보내지 않았던 것 같다. 그래서 그런지 데이터 저널리즘의 경우도 최근의 경향을 보면, 그저 단순히 한방향으로 마우스 휠을 긁어내리는 조작만으로 볼 수 있는 기사들을 많이 만들고 있다. 반응형 지도는 데이터를 좀 더 능동적으로 관찰하고 싶어하는 사람에게는 좋은 도구지만, 그렇지 않은 사람들에게는 복잡하고 쓸모없는 장난감일뿐이다. 그렇지만 또 어떤 사람들의 경우, 데이터에는 관심이 있는데 이용하는 방법에 익숙하지 않아서 이것저것 건드려보다가 그저 덮어두게 되는 대상이기도..
서울 생활인구 데이터를 격자로 재할당하기 ver2
Function 2020. 12. 19. 서울 생활인구 데이터를 격자로 재할당하기 ver2 이글에서는 서울시에서 KT와 협약을 맺어 공개하는 데이터인 '생활인구'데이터를 격자로 재할당하는 방법을 다룬다. 이 글은 전에 올렸던 두 개의 글과 연관이 있다. 첫번째로, 2년전에 올렸던 서울 생활인구 데이터를 격자 단위로 재할당하기 글 : 김승범 이 글은 불규칙한 형상의 집계구 단위로 배포된 서울 생활인구 데이터를 정사각형 격자 단위로 재할당하는 방법에 대해 다룬다. 여러가지 방법이 있겠지만, 건물 연면적 데이터를 www.vw-lab.com 생활인구를 건물 연면적에 가중치를 두어 50m 격자로 재할당했는데, 이 방식은 몇 가지 문제가 있다. 1. 건물 연면적을 가중치로 두기 때문에, 공원 처럼 건물이 없는 곳은 인구를 배분하지 않는다. '생활인구'의 개념 자체가 집에 거주하는 인구가 아닌, 움직이는 ..
10만개의 수를 draw call 한번으로 그리기
Function 2020. 12. 18. 10만개의 수를 draw call 한번으로 그리기 (이 글은 shader 작업이 가능한 사람에게만 유용합니다) 공간 데이터 시각화를 하다보면 많은 양의 숫자를 렌더링해야 할 경우가 종종 있다. 어떤 경우에는 몇 개의 숫자가 크고 명료하게 보여야 하지만, 때로는 '데이터스러운 느낌'을 주기 위해서 많은 양의 숫자가 필요할 때도 있다. 물론, 그 숫자들은 임의로 생성한 것이 아니라 데이터에서 비롯된 정확한 숫자가 되어야 한다. 인터랙션의 경우를 생각한다면 선택적으로 확대해서 볼 수도 있어야 하기 때문이다. 여기서는 많은 양의 숫자들을 빠르게 렌더링하는 간단한 팁을 소개한다. 최적화를 고민했던 누군가는 아래에 소개한 내용을 이미 당연하게 쓰고 있을 것 같기도 한데, 검색해도 잘 나오지 않아서 약간의 코드로 직접 만들어봤다. 셰이더를 통해 텍스쳐 작업을 하는 ..
통계청 집계구 인구를 격자로 재할당하기
Function 2020. 12. 15. 통계청 집계구 인구를 격자로 재할당하기 통계청 SGIS에서 신청하면 받을 수 있는 공개 자료 중, 집계구 기반 데이터들은 꽤 자세하기 때문에 상세하게 들여다보고 싶을 때는 아주 유용하다. 그렇지만 자세하다는 장점은 늘 다루기 까다롭다는 단점과 함께하기 마련이다. 빠르게 훑어보고 싶거나 전체를 놓고 비교해보고 싶을 때는 그 커다란 덩치 때문에 다소 불편하다. 그리고, 형상이 불규칙하고 크기도 제각각이다. 거주 인구를 기반으로 구획되었기 때문에 사람이 많이 살지 않는 곳은 아주 넓게 잡혀 있고, 반대로 집계구 하나가 아파트 한 동 크기에 불과한 경우도 있다. 때문에, 집계구 경계에 인구를 그대로 join 시켜서 GIS에서 인구에 연동되도록 색상을 설정하게 되면 한 눈에 밀도를 파악하기 어렵다. 여기서는 집계구에 할당된 인구를 격자로 재분배하는 작..
Nvidia Mesh Shader 코드를 작성해보자
Function 2020. 5. 17. Nvidia Mesh Shader 코드를 작성해보자 얼마 전 Unreal Engine 5의 데모가 공개되면서 엄청난 디테일의 표현을 가능하게 한 Nvidia 의 Mesh Shader 방식이 화제가 되었다. A first look at Unreal Engine 5 Get a glimpse of new and improved real-time rendering features currently in development. www.unrealengine.com 이 글에서는 Mesh Shader 를 직접 구성해보는 방법에 대해 설명한다. OpenGL 기준이며, 최소한 glDrawArrays 와 같은 드로우 명령을 통해 vertex shader - geometry shader - fragment shader 를 통과시키면서 개체들을 그려본 경험이 있는 사람들을 대..
실거래가 데이터 탐색 - 신축연도와 거래가격
Content 2020. 5. 8. 실거래가 데이터 탐색 - 신축연도와 거래가격 실거래가 데이터 탐색 두 번째 글 아래의 첫 번째 글에서 이어지는 내용이다. 실거래가 데이터 탐색 - 60-85㎡ 아파트 매매 가격 이번에는 국토교통부 실거래가 데이터를 살펴보자. 지난번에 데이터 전처리에 대해 올린 바 있다. 국토교통부 실거래가 데이터 전처리 이 글에서는 국토교통부에서 공개중인 실거래가 데이터를 지도에 표시하기 위.. www.vw-lab.com 신축연도와 아파트 매매 실거래가 앞의 글에서 아래와 같은 그래프들을 올린 바 있다. 앞의 글과 다소 다른 부분은 이번에는 60-85제곱미터 뿐만 아니라 모든 면적을 넣었고, 대신 제곱미터당 실거래가격으로 두어 면적 차이를 표준화했다. 위의 그래프를 보면 최근 들어 군산의 아파트 가격 상위 10%가 급상승한 것처럼 보인다. 이게 틀린 말은 아니지만..
실거래가 데이터 탐색 - 60-85㎡ 아파트 매매 가격
Content 2020. 5. 8. 실거래가 데이터 탐색 - 60-85㎡ 아파트 매매 가격 이번에는 국토교통부 실거래가 데이터를 살펴보자. 지난번에 데이터 전처리에 대해 올린 바 있다. 국토교통부 실거래가 데이터 전처리 이 글에서는 국토교통부에서 공개중인 실거래가 데이터를 지도에 표시하기 위해 주로 좌표값을 연결하는 과정을 설명한다. 간단히 말해 '지오코딩'하는 과정 + 알파 정도가 되겠다. 형식적으로는 다음의 내용을 담.. www.vw-lab.com 이제 전처리를 했으니 대쉬보드 형식으로 만들어 이리저리 둘러보자. 그림의 형식 일단 이 글에 등장하게 될 그림들은 아래의 형식이다. 지도부터 설명하자면, 지도에 솟아오른 막대 하나하나는 실거래가 1건을 가리킨다. 막대의 높이는 실거래가에 비례하도록 두었고, 색상 역시 그러하다. 저 그림에서는 푸른색 -> 붉은색 -> 노란색일수록 실거래가 높다. ..
데이터로서의 이미지 : 수백만개 선들의 적층과 재분해
Function 2020. 4. 25. 데이터로서의 이미지 : 수백만개 선들의 적층과 재분해 데이터로 만든 이미지 3년 전에 프로세싱으로 한 해 동안의 인구 이동을 표현했었다. 580만개 가구 이동 각각을 선 하나로 나타냈는데, 적절한 결과물을 얻기 위해 선의 굵기와 색, 그리고 투명도를 바꿔가면서 수십장의 다른 이미지들을 만들었었다. 수치를 조금 작게 하면 너무 흐려지거나 조금 크게하면 모두 하얗게 날아가기도 했고, 선들이 모두 겹쳐진 최종 색상이 마음에 들지 않아 다시 작업하기도 했다. 그래서 결국 마지막에는 위와 같은 코드로 마무리했다. 랜덤하게 발생시킨 색상을 겹치고, 중간 진행 정도를 나타내는 t값을 세제곱 네제곱해보면서 적절한 변화 정도를 찾고, 굵기와 진하기는 영쩜 몇몇몇몇을 해야 적절한지를 여러차례 시도한 끝에 결정지었다. 그렇게 얻은 이미지를 마지막으로 포토샵에서 약간 조정했는데..
국토교통부 실거래가 데이터 전처리
Function 2020. 4. 19. 국토교통부 실거래가 데이터 전처리 이 글에서는 국토교통부에서 공개중인 실거래가 데이터를 지도에 표시하기 위해 주로 좌표값을 연결하는 과정을 설명한다. 간단히 말해 '지오코딩'하는 과정 + 알파 정도가 되겠다. 형식적으로는 다음의 내용을 담고 있으며 실거래가 데이터를 예로 들어서 설명한다고 보면 된다. - 법정동 주소 형식을 PNU 코드로 바꾸기 - PNU 코드의 좌표값 얻기 - 현재 존재하지 않는 과거 주소의 좌표값 얻기 - 한 좌표점으로 겹치는 좌표값 처리하기 - 전월세 전환율 적용시켜 월세를 전세가로 만들기 이 데이터를 처리하기 위해서는 어떤 파이썬이든 R이든 자바든 파일 입출력과 문자열 처리 정도는 할 수 있어야 한다. 세세한 디테일은 설명하지 않으므로, 혹시 설명이 부족한 부분이 있다면 각자 익숙한 언어와 도구에서 검색하기를 권한..
서울 아파트 매매 실거래가를 살펴보다가
Content 2020. 4. 16. 서울 아파트 매매 실거래가를 살펴보다가 60~85제곱미터규모 아파트 매매 실거래가 세 곳. 각각 2006년부터 2020년 3월까지 시간에 따른(x축) 산포도다. 규제가 만들어놓은 실질적(혹은 심리적)제한선의 영향이 보인다. 첫번째 성동구 옥수동 부근을 보면 2014년부터 2017년까지는 취득세가 2%에서 3%로 오르는 9억 제한선 위로 좀처럼 거래금액이 올라오지 못하는 상황이 보인다. 사는 사람 입장에서는 취득세 때문에 9억 미만으로 끌어내리려 했을 것이고 파는 사람은 양도세 제한을 약간 고려했을 수도 있다. 그런데 전반적인 시세 자체가 9억을 확실히 넘어가는 순간 9억이라는 제한은 무의미해지는 것 같다. 두 번째는 소위 잠실 '엘.리.트.레.오' 중 다섯번째 파크리'오'다. 여기야말로 9억이라는 규제의 영향이 아주 확실하게 보이는데, 201..
코로나 바이러스로 인한 항공기 운행 감소
Content 2020. 3. 25. 코로나 바이러스로 인한 항공기 운행 감소 코로나 바이러스로 인해 운행하지 않는 항공 노선이 많아졌다. 중국을 제외하고도 미국, 이탈리아, 스페인, 독일, 프랑스, 스위스 등 여러 나라에서 확진자가 만명을 넘어서면서 국제선 운항을 중단하는 국가들이 늘어나고 있다. opensky-network.org 에는 수 많은 장소에서 모은 항공기 트래킹 데이터를 집계하고 있다. flightradar24.com 같은 곳이 데이터는 더 많은 것 같은데, opensky-network.org의 경우에는 일주일에 하루씩 무료로 다운받을 수 있는 데이터가 올라온다는 장점이 있다. 최근에 올라온 데이터는 3월 16일과 3월 23일. 두 데이터의 용량을 비교해보면 3월 16일이 7GB, 그리고 3월 23일이 55% 수준이다. 다시말해, 항공기 운행이 절반 가까이 줄어들었단..
코로나19 감염회복 시뮬레이션
Content 2020. 3. 21. 코로나19 감염회복 시뮬레이션 일주일 전 쯤 워싱턴포스트에 코로나 확산과 회복에 관한 시뮬레이션 기사가 올라왔다. 아래의 기사는 사회적 거리두기가 코로나19가 빠르게 확산되지 않도록 하는데 얼마나 효과적인지를 아주 잘 보여주고 있다. https://www.washingtonpost.com/graphics/2020/world/corona-simulator/ 기사를 보고 몇 가지 조건을 바꾸거나 넣어보면 어떻게 바뀔까 궁금해하다가 시간을 내어 한번 만들어봤다. 이렇게 개별적인 개체에 조건을 주어 시뮬레이션 하는 방식을 agent-based modeling 이라고도 하는데, 화재 탈출 시뮬레이션처럼 군집의 행동을 예측해보는데 널리 쓰인다. 어떤 조건들을 설정하느냐, 혹은 얼마나 세밀하게 셋팅하느냐에 따라 결과가 많이 달라지기도 한다. 워싱..
공시지가 - 전국 모든 땅의 가격은 얼마나 높고 낮은가?
Function 2020. 3. 2. 공시지가 - 전국 모든 땅의 가격은 얼마나 높고 낮은가? 국토교통부 지적통계에 따르면, 2018년 말 기준으로 전국의 필지는 38,786,795개가 있다.*** 우리나라는 1990년부터 모든 토지에 대해 개별공시지가를 산정해서 발표했는데, 작년 말에 처음으로 전국 모든 토지의 30년간 공시지가 변동 이력을 csv 형식으로 공개하기 시작했다. ***. 국토부 통계누리 지적통계 참고 http://bitly.kr/MTojEnUl 국가공간정보 포털에 30년치가 한번에 올라와 있다 데이터는 국가공간정보 포털에 있다. http://openapi.nsdi.go.kr/nsdi/eios/ServiceDetail.do?svcSe=F&svcId=F012&provOrg=NIDO 서울같은 경우는 엑셀로 이미 공개하고 있었지만 다른 시도의 데이터는 잘 찾기가 어려웠는데, 기존에 이 곳..
서울 공공자전거 따릉이 대여반납량 순위
Content 2019. 11. 1. 서울 공공자전거 따릉이 대여반납량 순위 2018년 6월 1일부터 2019년 5월 31일까지 365일 동안의 서울 전역 따릉이 대여반납 회수를 합산해봤다. 특정 대여소에서 대여 2회, 반납 5회가 이루어졌다면 총 2+5=7회의 대여반납량으로 계산하였다. 즉, 어떤 사람이 따릉이를 한 번 이용하였다면 어딘가에 대여 1회, 반납 1회 했을 것이므로 서울 전체로 볼 때 총 2회의 대여반납량을 발생시기케 된다. 그럼 간단히 순위만 보자. 아래 그림에서 빨간 동그라미는 순위 대여소, 그리고 삼각형들은 순위 대여소에서 대여한 자전거를 반납한 장소, 혹은 반납한 자전거를 대여한 장소들의 대여반납량을 표시한 것이다. 1위 여의나루역 1번출구 앞(207번 대여소), 총 158,194회 물론, 같은 여의도 안에 있는 대여소와의 상호작용량이 가장 많지만, 그 외에..
천안시 유동인구 밀집지역과 버스노선 집중 지역의 불일치 시각화
카테고리 없음 2019. 9. 6. 천안시 유동인구 밀집지역과 버스노선 집중 지역의 불일치 시각화 충청남도 천안시의 경우 천안 종합터미널 주변에 유동인구가 가장 많으며 이 구역을 통과하는 버스노선 또한 많다. 그런데 천안시 서측, 즉 천안아산역과 배방역 주변 지역에는 시간대에 따라 유동인구가 변하는데, 노선이 많이 편성되어 있지 않아 유동인구가 증가할때도 버스를 타기가 매우 어렵다고 한다. 충남연구원은 이러한 조사연구를 바탕으로, 버스가 시로부터 받는 보조금 규모를 생각할 때 충분히 공적 성격을 띠고 노선을 조정하여 균형있게 차량을 편성해야 한다고 말한다. 이런 맥락에서 충남 연구원측의 의뢰를 받아, 시간대에 따른 유동인구와 버스노선이 일치하지 않는 곳들이 있음을 보여줄 목적으로 아래 영상을 만들었다. 이제 한 장면씩 보자. 버스 한대 한대는 빛나는 머리와 긴 꼬리를 가진 개체로 표현했다. 꼬리는 버..
우리나라 주요 도시들의 확장 연대기
Content 2019. 9. 5. 우리나라 주요 도시들의 확장 연대기 우리나라 대다수 도시들은 기존 도심의 주변을 확장해가면서 성장해왔다. 수도권을 보면 90년대부터 분당과 일산 같은 신도시가 만들어졌는데, 다른 광역시나 지방 중소도시들도 크게 다르지 않다. 몇 년 전에 개발제한구역 해제가 시도지사 권한으로 위임되고 나서는 도시와 도시 저 바깥쪽에 그나마 존재했던 녹색의 간극들이 점차 메워져가고 있는 모양새다. 물론 오래된 도심부 역시 끊임없이 재개발되었는데, 이 재개발은 두 가지 전제조건 위에서 가능했다. 한 가지는 사람들의 수요, 다른 한가지는 개발 가능한 법정 용적률의 잔여분이었다. 재개발이라는 단어에서 풍기는 뉘앙스가 그리 좋지 못하니, 요새 유행하는 '재생'이라 말해보겠다. 이 두 가지 중에 하나가 모자라도 도시재생은 이루어지기 어렵다. 사람들의 수요가 부족해서 ..
텍스트 빈도와 네트워크 인터랙티브 시각화
Function 2019. 8. 31. 텍스트 빈도와 네트워크 인터랙티브 시각화 시각화의 목적 중 하나는 빠르고 직관적인 데이터 탐색이다. 여기서는 그 목적대로 만들어졌던 시각화를 소개한다. 2014년에 다량의 텍스트 데이터셋을 크롤링한 후 빠르게 내용을 파악하기 위해 D3.js로 인터랙티브 시각화를 만들어 놓았었다. 보여주기 위해서라기보다 반복되는 분석 작업의 사이클을 조금 더 빠르게 하기 위해서 만들었던 코드다. 요새는 텍스트 분석을 하지 않으므로 2년 가까이 컴퓨터 한 구석에 잠자고 있던 코드를 깃헙에 올려놓았다. 필요한 분들은 가져다 쓰시거나 응용하는데 사용하시기 바란다. https://github.com/vuski/textFrequencyAndNetwork 나는 첫 언어로 javascript를 익혔다. 그리고 얼마 안되어 네트워크를 그리기 위해 d3.js에 곧바로 도전을 했..
옛날 사진 흥신소
Content 2019. 5. 25. 옛날 사진 흥신소 이 글의 내용은 사실 브이더블유랩에서 하는 일은 아니다. 그저 잉여스러운 개인적 '덕질'일 뿐이지만, 여러가지 지리정보를 다루면서 알게된 사실들이 사진을 찾는데 많이 도움이 되었으므로, 혹시나 비슷한 일을 해야할 경우 참고가 되었으면 하고 기록해본다. 혹은 이런 덕후스런 작업을 해봤거나 시도해보고 싶은 사람이 한 사람쯤은 어딘가 더 있겠지라는 기대도 살짝 해 본다. 그럼 그랜드 오픈! 페이스북에는 Designersparty라는 사용자가 있다. 개인인지 단체인지 잘 모르겠지만 우리나라 옛날 사진을 찾아서 시대별 컬렉션을 만들어 올리곤 한다. 페북 친구들의 '좋아요' 버튼 덕에 종종 내 피드에도 올라오는데, 어느 한가한 오후(였으면 좋겠지만 사실 이런 날은 별로 없다), 우연히 넘겨보다가 한 사진이 눈에 들..
수도권 신도시 개발과 지속가능한 지방도시 재생
Content 2019. 5. 21. 수도권 신도시 개발과 지속가능한 지방도시 재생 경기도 인구만 엄청나게 늘어났다. 지방도시 소멸이나 축소도시와 같은 말들이 오가는 요즈음, 시도별 인구증감을 보면 선 하나가 아주 두드러지게 눈에 들어온다. 그건 바로 경기도의 인구 증가선인데 1992년의 660만명에서 2018년에 1300만명으로, 26년동안 640만명이나 늘어났다. 거의 두배에 가까운 수치다. 같은 기간동안 전국 인구가 730만명 늘어난 점, 그리고 우리나라 지도에서 경기도가 차지하는 면적을 함께 생각해보면 1990년대 이후에 얼마나 수도권으로 인구가 집중되었는지 알 수 있다. 1990년대는 분당, 일산, 평촌, 산본, 중동과 같은 1기 신도시에 사람들이 입주하기 시작하던 시기이기도 하다. 경기도와 서울의 인구가 워낙 많은 탓에 다른 시도의 인구들이 고만고만해 보인다. 그렇다면 두 시..
새로 만드는 수도권 지하철은 시간거리를 얼마나 단축시킬까
Content 2019. 4. 1. 새로 만드는 수도권 지하철은 시간거리를 얼마나 단축시킬까 글 : 김승범 서울을 포함한 수도권은 지하철 건설이 한창이다. GTX 같은 급행철도나 경전철을 포함하여 새로 만드는 노선이 열 개도 넘는다. 이렇게 만들어지는 지하철은 서울과 수도권의 시간거리를 얼마나 단축시킬까? 예전에 한 시간 걸리던 직장을 얼마나 빨리 갈 수 있을까? 서울 도심보다 한적하고 여유로운 교외로 이주하면 직장이나 학교, 혹은 여가 시간을 위해 자주 가던 곳으로 가는데 얼마만큼의 시간이 들까? 인터랙티브 지도를 통해 직접 확인해 볼 수 있다. https://vuski.github.io/seoulsubway/
많은 양의 개체들을 시각화하는 방법, 그리고 전국의 모든 건물
Function 2019. 3. 27. 많은 양의 개체들을 시각화하는 방법, 그리고 전국의 모든 건물 글 : 김승범 공간 데이터를 시각화하다 보면 종종 양적인 문제에 맞닥뜨린다. 특수효과로 화면을 뭉개기보다는 좌표점을 입력하여 정직하고 명료하게 표현하는 일이 대부분이다. 간혹 '어선 경로'처럼 데이터에 없는 궤적들을 만들어서 그려야 할 경우에는 같은 책에 소개된 류의 알고리즘들을 알아야 한다. 그래서, 게임 개발자들처럼 다단계 매핑이나 특수효과에 신경 쓸 일은 별로 없고 건축투시도처럼 레이트레이싱으로 한참 계산해야 하는 작업들은 거의 없다. 다만, 한 가지 주로 발생하는 문제는 데이터의 양이다. 이 글에서는 차례대로 자바, 프로세싱, OpenGL을 사용하여 그렸던 절차에 대해 시행착오를 위주로 설명해보려 한다. "많은 양의 데이터를 시각화 하려고 할 때 어떻게 해야 할까"에 대해 궁금해하는 사람이라면 도..
실시간 반응형 등시선도(Realtime Interactive Isochrone Map) 그리기
Function 2019. 3. 26. 실시간 반응형 등시선도(Realtime Interactive Isochrone Map) 그리기 글 : 김승범 몇 단계를 거쳐 를 그린 과정을 설명하려고 한다. 마우스를 지도 위에서 움직이면 해당 지점을 중심으로 다른 곳들이 시간적으로 얼마만큼 걸리는지를 보여주는 지도다. 등시선도(isochrone map)라는 용어는 많은 사람들에게 익숙하지 않을 수도 있는데, 한 지점으로부터 도달시간이 같은 지점들을 연속적인 선으로 이어서 표현한 지도다. 다른 예로 등고선, 즉 해발고도가 같은 지점들을 이은 지도를 쉽게 떠올릴 수 있다면 등시선도는 등고선의 높이 대신 시간을 바탕으로 그린 지도라고 생각하면 된다. 등시선도는 어디에 쓸까 이런 지도의 쓰임새 중 하나는 다음의 링크에서 잘 설명해준다. https://blog.conveyal.com/shaping-conversations-about-transit-wit..
토요일 밤의 서울 생활인구 데이터 탐색
Content 2018. 12. 9. 토요일 밤의 서울 생활인구 데이터 탐색 글 : 김승범 2018년 9월 8일 오후 일곱시. 아주 큰 사건은 없었던 것 같은 토요일 저녁. 서울 사람들은 어디에 있었을까? 서울 생활인구 데이터 중 '관내이동'과 '관외이동'의 하루치를 들여다 보았다. 데이터 소개는 지난 글의 앞부분에 적어놓았다. 사실 지난 글을 수정할까 하였으나 큰 맥락없이 그림들을 잔뜩 올렸더니 이미 올려놓은 그림들을 일부 내리기도 애매하여 그냥 다른 주제로 다시 글을 써본다. 토요일 저녁 일곱시에 서울 사람들은 무엇을 할까? 집에 있거나, 집 근처에 있거나, 지인들을 만나러 어딘가를 가거나, 가족과 함께 어딘가에서 시간을 보내고 있었을 것 같다. 물론 직장에서 일 하고 있거나 학교나 학원에서 공부를 하고 있을지도 모른다. 혹은 서울 밖이나 바다건너 어딘가로 갔을 수도 있는데,..
나는 네가 지난 여름에 간 곳을 알고 있다
Content 2018. 12. 7. 나는 네가 지난 여름에 간 곳을 알고 있다 글 : 김승범 글의 제목을 보고 공포 영화를 연상했다면 당신은 20세기에서 온 아재다. 혹은 빅브라더를 연상했다면 안심해도 된다. 우리 부라더는 사실 정말 당신이 어디 갔는지는 잘 모르기 때문이다. 다만, 예를 들어 당신이 서울 강서구에 산다면, 강서구에 함께 사는 60만명이 2018년 9월 3일 13시에 어디에 있었는지는 알고 있다. 그림을 봤다면 이제 좀 더 안심해도 된다. 60만개의 점 중에 당신이 누군지는 알 수 없다. 그리고 사실 점들은 특정 행정동 경계 안에 무작위로 발생시켜 찍은 것이고, 원천데이터 역시 절반 이상은 추정치로 만들어졌다고 하니까. 서울시 생활인구 중 관내이동 데이터 서울시에서는 지난 봄부터 KT 시그널 데이터를 바탕으로 추정한 '생활인구'를 만들어 공개하고 있다. 그리고 지난..
섬 사이로 막가는 어선 경로 그리기
Function 2018. 11. 30. 섬 사이로 막가는 어선 경로 그리기 글 : 김승범 이번에 한 작업은 어선 입출항 데이터로 16개 어항을 거쳐간 어선들이 지나다닌 경로를 그리는 일이었다. 그린 경로를 통해 16개 어항의 대략적인 영향권을 가늠할 수 있어야 했다. 분석은 아니고 시각화 작업만 했다. 사실 아직 안 끝났고 막바지 작업중인데, 기억이 생생할 때 기록해두기 위해 글을 써본다. 출발지에서 도착지까지 경로를 그리는 일이 약간 도전해볼만하다고 생각해서 시작했는데, 생각보다 훨씬 더 복잡한 작업이었다. 사실 발목을 잡는 복병은, 처음에 미처 생각못한 데이터에서부터 시작되었다. 일단 데이터 얘기부터 해보자. 우리나라에는 2000개가 넘는 어항이 있다. 그리고 어디에 있는지 아무도 모른다. 우리나라에는 소규모 어항을 포함하여 2000개가 넘는 어항이 있다. 유리 상자에 물과..

티스토리툴바