〈그림 1-1〉 연구의 추진배경 36

〈그림 1-2〉 빅데이터와 공간정보 기술의 융합 필요성 37

〈그림 1-3〉 연구개발 최종목표 40

〈그림 1-4〉 중점추진 내용 41

〈그림 1-5〉 공간 빅데이터 저장관리 인프라기술 개발의 주요연구내용 및 구조 42

〈그림 1-6〉 1세부의 세세부별 연구수행 내용 및 구조 43

〈그림 1-7〉 연차별 연구내용 44

〈그림 1-8〉 공간 빅데이터 분석 및 가시화 기술 개발의 주요연구내용 및 구조 49

〈그림 1-9〉 연차별 연구내용 50

〈그림 1-10〉 공간 빅데이터 서비스 활성화 및 실증 연구의 주요연구내용 및 구조 56

〈그림 1-11〉 연차별 연구내용 57

〈그림 2-1〉 Hadoop 기반 공간 빅데이터 저장 프레임워크(핵심성과 A) 78

〈그림 2-2〉 공간 빅데이터 저장 관리 시스템 구조 80

〈그림 2-3〉 공간 빅데이터 처리 시스템 내부 표현(예시) 83

〈그림 2-4〉 Record 형식 데이터 저장 및 접근 84

〈그림 2-5〉 공간 빅데이터 연산의 예 : ExecSlope 84

〈그림 2-6〉 연산자 기반 공간 빅데이터 처리 구조 85

〈그림 2-7〉 공간 빅데이터 처리 연산자 85

〈그림 2-8〉 복합 연산의 예 : 지하철역 50m 이내 지적 검색 85

〈그림 2-9〉 MR 작업 최적화 86

〈그림 2-10〉 Hadoop을 이용한 R-Tree 색인 구축 87

〈그림 2-11〉 색인 공간의 크기 비교 88

〈그림 2-12〉 겹침 영역의 크기 비교 88

〈그림 2-13〉 공간 연산자 및 색인 생성 및 활용 성능평가 결과 89

〈그림 2-14〉 인메모리 Quad-Tree를 활용한 공간 분할의 예 89

〈그림 2-15〉 서울지역의 공간 색인 구성의 예 90

〈그림 2-16〉 공간 색인 생성 관련 연산자 수행 과정 90

〈그림 2-17〉 Map/Reduce 기반 공간 색인 생성 과정 91

〈그림 2-18〉 공간 빅데이터 언어 규격 정의(예시) 91

〈그림 2-19〉 공간분석 plan 저작 언어 프로토타입 92

〈그림 2-20〉 기존의 데이터 적재 과정 및 데이터 분석 과정 92

〈그림 2-21〉 기존 공간 빅데이터 플랫폼에서의 데이터 적재와 분석 과정 93

〈그림 2-22〉 공간 빅데이터 플랫폼에서 고속 데이터 적재와 분석 과정 93

〈그림 2-23〉 데이터 적재 방식에 따른 성능 비교 94

〈그림 2-24〉 기존 중첩 루프 공간 조인 방법 95

〈그림 2-25〉 개발된 중첩 루프 공간 조인 방법 95

〈그림 2-26〉 공간 조인 성능 평가 96

〈그림 2-27〉 '10분 정책지도 테스트' 공간 분석 응용 97

〈그림 2-28〉 10분 정책지도 테스트 분석 결과 97

〈그림 2-29〉 연구단-사업단 플랫폼 성능 평가 결과 98

〈그림 2-30〉 대용량 DTG 데이터를 활용한 차량통행량 분석 98

〈그림 2-31〉 C#용 클라이언트 모듈 활용 응용 100

〈그림 2-32〉 GeoServer 플러그인 활용 100

〈그림 2-33〉 GUI 기반 공간 빅데이터 응용 개발 도구 101

〈그림 2-34〉 스크립트 공간 분석(10분 정책지도 중 일부) 102

〈그림 2-35〉 워크플로우 가시화 도구(Composite Analysis 보기) 103

〈그림 2-36〉 워크플로우 가시화 도구(Module Analysis 정의 화면) 104

〈그림 2-37〉 워크플로우 가시화 도구(Plan Analysis 정의 화면) 104

〈그림 2-38〉 사업단 실증 과정 105

〈그림 2-39〉 공간분석 워크플로우 저작 도구 107

〈그림 2-40〉 공간빅데이터 탐색기 107

〈그림 2-41〉 대용량 공간 빅데이터 원격 접근 가시화 109

〈그림 2-42〉 GeoServer 연동을 통한 레이어 계시 기능 화면 110

〈그림 2-43〉 공간색인 파티션 기반 클라이언트 캐싱 110

〈그림 2-44〉 추가된 공간 연산자 112

〈그림 2-45〉 공간 빅데이터 질의처리 엔진(핵심성과 B) 113

〈그림 2-46〉 공간 빅데이터 질의처리 엔진 구조 116

〈그림 2-47〉 공간 빅데이터 질의언어 정의 117

〈그림 2-48〉 공간 빅데이터 DBMS 인터페이스 시스템 118

〈그림 2-49〉 공간 빅데이터 DBMS 인터페이스 기본기능 모듈 119

〈그림 2-50〉 공간 빅데이터 DBMS 인터페이스 기본기능 테스트 119

〈그림 2-51〉 질의실행계획 생성기와 질의실행기 120

〈그림 2-52〉 XML로 표현된 질의 플랜(일부) 120

〈그림 2-53〉 질의언어 파서와 검증기 121

〈그림 2-54〉 웹 기반 클라이언트 인터페이스 122

〈그림 2-55〉 공간 빅데이터 질의처리 엔진 실행 흐름 123

〈그림 2-56〉 공간 빅데이터 JDBC 드라이버를 활용한 클라이언트 124

〈그림 2-57〉 기존 공간분석 처리 방식 125

〈그림 2-58〉 스트림 기반 분석 처리 방식 125

〈그림 2-59〉 이벤트 처리 시스템 구조 126

〈그림 2-60〉 공간 빅데이터 인터페이스 프레임워크 전체 구조 127

〈그림 2-61〉 공간 빅데이터 클라이언트 128

〈그림 2-62〉 건물 영역의 중첩 조사에 의한 잠재적 오류 식별 129

〈그림 2-63〉 공간 빅데이터 질의처리 시스템 구조 및 외부 연동 129

〈그림 2-64〉 공간 빅데이터 질의처리 엔진 테스트 구조 130

〈그림 2-65〉 공간 빅데이터 클라이언트 프로그램에 의한 기능 테스트 130

〈그림 2-66〉 스트림 기반 분산 공간 ETL 도구(핵심성과D) 131

〈그림 2-67〉 실시간 고속 ETL 기술의 필요성 및 요구사항 132

〈그림 2-68〉 공간 빅데이터 웨어하우징 주요 기능 133

〈그림 2-69〉 워크플로우 기반 ETL 기능 프레임워크 134

〈그림 2-70〉 ETL 시스템 구조 및 처리 플로우 134

〈그림 2-71〉 ETL 규칙(예시) 135

〈그림 2-72〉 ETL 수집 알고리즘 136

〈그림 2-73〉 실시간 분산 병렬 ETL 구조 137

〈그림 2-74〉 다중 공간 데이터 수집 모듈 설계도 138

〈그림 2-75〉 Spatial ETL ToolKit 기본 화면 138

〈그림 2-76〉 공간 스트림 빅데이터 수집 및 변환 모듈 순서도 139

〈그림 2-77〉 공간 스트림 빅데이터 적재 모듈 연구개발 결과 139

〈그림 2-78〉 병렬 및 분산처리 모듈 구현도 140

〈그림 2-79〉 스트림 기반 공간 ETL 처리 엔진 141

〈그림 2-80〉 스트림 기반 공간 ETL 처리 엔진 연동 API 흐름도 142

〈그림 2-81〉 제공 API 리스트 Lite 버전 143

〈그림 2-82〉 스트림 기반 공간 ETL 규칙 처리 엔진 구성도 144

〈그림 2-83〉 공간 센서 스트림 데이터 수집 및 분산처리 모듈 설계안 145

〈그림 2-84〉 스트림 기반 공간 ETL 규칙처리 엔진 구성도 146

〈그림 2-85〉 스트림 기반 공간 ETL 처리 프로그램에 직관적 표현 방식 147

〈그림 2-86〉 CSV to Shapefile 변환 (QGIS) 147

〈그림 2-87〉 Shapefile 내 공간 좌표계를 EPSG:4326으로 변환하고 CSV file 포맷으로 HDFS에 저장한 결과 148

〈그림 2-88〉 부가 기능 : 레코드의 수를 출력하는 기능 148

〈그림 2-89〉 부가 기능 : 일부 저장된 공간 레코드 정보를 출력하는 기능 148

〈그림 2-90〉 (좌)Ambari Metrics 메인화면, (우)공간 스트림 ETL 관리도구 메인화면 149

〈그림 2-91〉 공간 ETL 워크플로우 관리 주기 149

〈그림 2-92〉 공간 ETL 워크플로우 관리 화면 150

〈그림 2-93〉 공간 ETL 파일 Browsing 화면 150

〈그림 2-94〉 Apache NiFi 메인화면 및 10종의 API 라이브러리 목록 151

〈그림 2-95〉 Shapefile을 CSV, GeoJson 포맷으로 변환 후 로컬에 저장 151

〈그림 2-96〉 (좌)HUE를 이용한 결과 파일 생성 확인, (우) QGIS를 이용한 결과 파일 가시화 152

〈그림 2-97〉 QGIS를 이용한 컬럼 정보 변환 확인 152

〈그림 2-98〉 인메모리 기반 공간빅데이터 저장관리 프레임워크 개념구조(핵심성과 O) 153

〈그림 2-99〉 실시간 공간빅데이터 처리시스템안의 데이터 흐름 154

〈그림 2-100〉 실시간 공간 빅데이터 처리시스템 개념 구성도 154

〈그림 2-101〉 실시간 공간 빅데이터 플랫폼 아키텍쳐 155

〈그림 2-102〉 인메모리 기반 공간색인 모듈 156

〈그림 2-103〉 색인 생성 성능 비교 157

〈그림 2-104〉 색인 조회 성능 비교 157

〈그림 2-105〉 공간연산자 성능 비교(10회 평균) 158

〈그림 2-106〉 이동객체 빅데이터 저장 플랫폼 개념설계 158

〈그림 2-107〉 이동객체 저장 구조 설계안 159

〈그림 2-108〉 DTG 자료 저장 내용 159

〈그림 2-109〉 자료량에 따른 초당 처리 속도 160

〈그림 2-110〉 고유 속성수에 따른 처리시간 160

〈그림 2-111〉 이동경로 최적화 예시 161

〈그림 2-112〉 시공간 색인 구조 개념도 161

〈그림 2-113〉 시간축 분할 예 162

〈그림 2-114〉 시공간 색인을 통한 조회 162

〈그림 2-115〉 시공간 질의 프로세스 163

〈그림 2-116〉 공간 질의 프로세스 163

〈그림 2-117〉 SparkSQL 기반 Spatial SQL 목록 164

〈그림 2-118〉 OpenSource(GeoSpark) Vs 연구 성과물 165

〈그림 2-119〉 공간 빅데이터 소셜 분석 기술 및 공간 빅데이터 분석 및 가시화... 168

〈그림 2-120〉 소셜 데이터에 대한 공간 빅데이터 분석 모델 기법 169

〈그림 2-121〉 공간 빅데이터 분석 모델 설계도 170

〈그림 2-122〉 연구흐름도 170

〈그림 2-123〉 트윗(point), 주택가격지수(polygon) 및 격자망 데이터(grid) 173

〈그림 2-124〉 트윗 격자 데이터의 핫스팟 분석 결과 173

〈그림 2-125〉 주택매매가격지수 격자 데이터의 핫스팟 분석 결과 174

〈그림 2-126〉 주택전세가격지수 격자 데이터의 핫스팟 분석 결과 174

〈그림 2-127〉 소셜 미디어 데이터의 공간자료화 프로세스 176

〈그림 2-128〉 중복 데이터 제거 프로세스 177

〈그림 2-129〉 제안된 변환 기법을 적용한 사례 179

〈그림 2-130〉 소셜 미디어 데이터 분석 서비스 필터링 결과 화면 180

〈그림 2-131〉 캐싱 Work-flow 180

〈그림 2-132〉 버퍼링 프로세스 Work-flow 181

〈그림 2-133〉 감성 분석기반 장소선호도 분석 분포 및 차트 서비스 사례 188

〈그림 2-134〉 GPS 정보 추정 분포 및 차트 서비스 189

〈그림 2-135〉 장소명 대체어 분석 분포 및 차트 서비스 사례 191

〈그림 2-136〉 LDA 문서생성 과정 191

〈그림 2-137〉 공공시설 매력도 및 접근성 분석 차트 및 분포서비스 192

〈그림 2-138〉 시간정보를 표시하는 방법의 예 193

〈그림 2-139〉 (a) 시간공간의 불연속성으로 인한 공간겹침의 예, (b) S-GAP 을 통한 평면상에... 194

〈그림 2-140〉 장소 감성어 사전 분포 및 차트 서비스 사례 195

〈그림 2-141〉 장소 테마 분석 차트 서비스 197

〈그림 2-142〉 머신러닝 기반 문서분류 서비스 198

〈그림 2-143〉 머신러닝 기반 문장분류 서비스 199

〈그림 2-144〉 key player 탐지 차트 및 분포 서비스 200

〈그림 2-145〉 유사 장소 검색 서비스 화면 예시 202

〈그림 2-146〉 토픽 기반 장소 검색 서비스 화면 예시 202

〈그림 2-147〉 임베딩 알고리즘 203

〈그림 2-148〉 사용자 맞춤 추천 연구흐름도 204

〈그림 2-149〉 사용자 맞춤 POI 추천 204

〈그림 2-150〉 단어 임베딩을 활용한 사용자 관심 이벤트 추출 서비스 화면 예시 205

〈그림 2-151〉 단어 임베딩을 활용한 사용자 관심 이벤트 추출 서비스 화면 예시 206

〈그림 2-152〉 공공자전거 수요예측 기술 전체 흐름도 207

〈그림 2-153〉 통행목적을 고려한 공공자전거 수요예측 가시화 서비스 208

〈그림 2-154〉 O2 Overall Architecture 210

〈그림 2-155〉 SAP HANA Geo-Spatial Features 212

〈그림 2-156〉 SAP HANA 아키텍처 213

〈그림 2-157〉 GIS Tools for Hadoop 214

〈그림 2-158〉 GIS Tools for Hadoop 217

〈그림 2-159〉 소셜 미디어 공간 빅데이터 수집 흐름 218

〈그림 2-160〉 SNA(Social Network Analysis) 분석용 실행파일 구성 218

〈그림 2-161〉 환경설정 파일내용 219

〈그림 2-162〉 수집 모듈 실행 화면 219

〈그림 2-163〉 수집 정보 결과 219

〈그림 2-164〉 인스타그램(Instagram) 실행파일 구성 220

〈그림 2-165〉 인스타그램(Instagram) 환경설정 파일 예시 220

〈그림 2-166〉 인스타그램(Instagram) 수집 모듈 실행 화면 220

〈그림 2-167〉 인스타그램(Instagram) 수집 모듈 인증 화면 221

〈그림 2-168〉 인스타그램(Instagram) 수집 화면 221

〈그림 2-169〉 유투브(Youtube) 실행파일 구성 221

〈그림 2-170〉 유투브(Youtube) 환경설정 파일 예시 222

〈그림 2-171〉 유투브(Youtube) 수집 모듈 실행 화면 222

〈그림 2-172〉 유투브(Youtube) 수집 화면 222

〈그림 2-173〉 수집 데이터 DB 적재 흐름 223

〈그림 2-174〉 파일변환(JSON→CSV) 흐름 223

〈그림 2-175〉 V-World의 Geocoder API 기능 224

〈그림 2-176〉 필터링 설정 화면 225

〈그림 2-177〉 행정검색 설정 화면 225

〈그림 2-178〉 검색어 입력에 의한 위치검색 설정 화면 226

〈그림 2-179〉 캐시 모듈 구조 226

〈그림 2-180〉 버퍼링 모듈 구조 227

〈그림 2-181〉 프리패칭 모듈 구조 228

〈그림 2-182〉 정합 모듈 분석 흐름도 228

〈그림 2-183〉 주제도 모듈 분석 흐름도 230

〈그림 2-184〉 OpenAPI 처리 흐름도 233

〈그림 2-185〉 OpenAPI 연동 규격 시스템 구조 233

〈그림 2-186〉 OpenAPI 응답 결과 화면 233

〈그림 2-187〉 공간 빅데이터 분포 분석 모듈의 시스템 구조도 234

〈그림 2-188〉 관광 POI 사전의 데이터 현황 236

〈그림 2-189〉 행정동 단위의 데이터 현황 237

〈그림 2-190〉 시군구 단위의 데이터 현황 237

〈그림 2-191〉 분포 표출용 정보의 데이터 현황 238

〈그림 2-192〉 시도 레벨 238

〈그림 2-193〉 시군구 레벨 238

〈그림 2-194〉 읍면동 레벨 239

〈그림 2-195〉 시설물 레벨 239

〈그림 2-196〉 분포 데이터 현황 및 상세 정보 239

〈그림 2-197〉 공간 빅데이터 차트 분석 모듈의 시스템 구조도 240

〈그림 2-198〉 차트 표출용 정보의 데이터 현황 241

〈그림 2-199〉 차트 데이터 현황 및 상세 정보 241

〈그림 2-200〉 예측 지수 Z 산정을 위한 연구 흐름도 242

〈그림 2-201〉 유동인구 예측용 가공 도구 242

〈그림 2-202〉 유동인구 예측 가시화 243

〈그림 2-203〉 json 형식 결과 243

〈그림 2-204〉 xml 형식 결과 243

〈그림 2-205〉 이벤트 탐지를 위한 분석 흐름도 244

〈그림 2-206〉 시계열 분석을 통한 이상치 탐지 244

〈그림 2-207〉 단어 임베딩 및 이상 시점의 핫키워드들을 워드클라우드 표출 245

〈그림 2-208〉 json형태의 장소 정보 추출 결과 화면 245

〈그림 2-209〉 통행 목적을 고려한 공유자전거 수요예측을 위한 분석 흐름도 246

〈그림 2-210〉 바플롯(barplot) 시계열 분석 246

〈그림 2-211〉 박스플롯(boxplot) 시계열 분석 247

〈그림 2-212〉 산점도(regplot) 시계열 분석 247

〈그림 2-213〉 히트맵(heatmap) 시계열 분석 248

〈그림 2-214〉 예측 모델 및 수요 예측의 시계열 분석 248

〈그림 2-215〉 json형태의 공공자전거 수요 예측 결과 화면 248

〈그림 2-216〉 1세부 연계 구조도 249

〈그림 2-217〉 데이터 저장 249

〈그림 2-218〉 데이터 목록 확인 250

〈그림 2-219〉 데이터 스키마 확인 250

〈그림 2-220〉 데이터 내용 확인 250

〈그림 2-221〉 데이터 조회를 위한 시스템 구조 251

〈그림 2-222〉 사업단 및 연구단 구성 개념도 252

〈그림 2-223〉 R&D 성과물의 사업단 적용 후 구성 개념도 253

〈그림 2-224〉 R&D 성과물의 사업단 실증을 위한 H/W 구성 253

〈그림 2-225〉 R&D 성과물의 사업단 실증을 위한 S/W 구성 254

〈그림 2-226〉 머신러닝 기반 문서분류 모듈 처리 흐름도 255

〈그림 2-227〉 형태소 분석(도구1) 255

〈그림 2-228〉 공공시설 관련 문서분류(도구2) 255

〈그림 2-229〉 토픽분석(도구3) 256

〈그림 2-230〉 공간접근성 분석(도구4) 256

〈그림 2-231〉 학습 데이터 증강 도구(도구1) 256

〈그림 2-232〉 문장 추출 모델 학습 도구(도구2) 257

〈그림 2-233〉 특정 주제 포함 문장 추출 도구(도구3) 257

〈그림 2-234〉 분석모듈 설치위치 258

〈그림 2-235〉 머신러닝 기반 문서분류 모듈의 크롬브라우저 사용 258

〈그림 2-236〉 머신러닝 기반 문서분류 모듈의 가시화 도구 259

〈그림 2-237〉 가시화 결과 259

〈그림 2-238〉 공공시설 매력도 측정 및 접근성 분석의 크롬브라우저 사용 259

〈그림 2-239〉 공공시설 매력도 측정 및 접근성 분석의 가시화 도구 260

〈그림 2-240〉 가시화 결과 260

〈그림 2-241〉 머신러닝 기반 특정주제 문장분류 모듈의 크롬브라우저 사용 260

〈그림 2-242〉 머신러닝 기반 특정주제 문장분류 모듈의 가시화 도구 261

〈그림 2-243〉 가시화 결과 261

〈그림 2-244〉 주요연구내용 261

〈그림 2-245〉 연간 공간 빅데이터 관련 문헌 빈도 263

〈그림 2-246〉 공간 빅데이터 관련 문헌의 저자가 소속된 상위 10개 기관 263

〈그림 2-247〉 국가별 공간 빅데이터 문헌 빈도 263

〈그림 2-248〉 공간 빅데이터 연구 분야 264

〈그림 2-249〉 미들웨어 간 인터페이스 관계도 267

〈그림 2-250〉 공간 빅데이터 Batch 분석 컴포넌트 아키텍쳐 267

〈그림 2-251〉 분석 요청 처리에 대한 시퀀스 다이어그램 268

〈그림 2-252〉 오전 8시 최종 대중접근성 지수 270

〈그림 2-253〉 오후 3시 최종 대중접근성 지수 270

〈그림 2-254〉 Parking Lot Footprints 결과 270

〈그림 2-255〉 공간 빅데이터 분석 컴포넌트 프로토타이핑 271

〈그림 2-256〉 대중교통 접근성 분석 진행 UI 271

〈그림 2-257〉 그리드 인덱싱 과정 Pseudo-Code 272

〈그림 2-258〉 강남구 상업지역의 통합 공시지가 이상지역 분석 결과 273

〈그림 2-259〉 강남역-역삼역 사이의 통합 공시지가 이상지역 분석 결과 273

〈그림 2-260〉 의사결정나무 기능 Framework 274

〈그림 2-261〉 의사결정나무 기능 분석 결과 274

〈그림 2-262〉 AWS와 Spark를 활용한 공간 빅데이터 분석 시스템 275

〈그림 2-263〉 AWS에 구성된 분석 클러스터 275

〈그림 2-264〉 웹 콘솔의 Analysis Module 탭과 Component 탭 276

〈그림 2-265〉 DBSCAN에 대한 설명 팝업 화면 276

〈그림 2-266〉 외부 전문가 소프트웨어 성능 평가 확인서 277

〈그림 2-267〉 서울시 행정동별 보행자 교통사고 이상치 지점 탐색 결과 277

〈그림 2-268〉 18대 대선 결과 및 중요 지역인자 검출 278

〈그림 2-269〉 인구 유동패턴 기반 도시 군집 결과 278

〈그림 2-270〉 빈집 발생 영향 요인 탐색 Flow Chart 279

〈그림 2-271〉 신규주택 비율(좌) 및 노후주택 비율(우)에 대한 빈집발생 영향요인 분석 결과 280

〈그림 2-272〉 시간대별 생활인구 이상치 탐색 280

〈그림 2-273〉 Random Forest 분산처리 모니터링 화면 281

〈그림 2-274〉 딥러닝을 활용한 대기오염물질 농도 예측 281

〈그림 2-275〉 서울시 6개구 일산화탄소 예측 결과 282

〈그림 2-276〉 Recurrent Neural Network(RNN) 282

〈그림 2-277〉 따릉이 자전거 대여소별 부족/과다량 도시화 283

〈그림 2-278〉 행정중심복합도시 내 유동인구 패턴 분석 결과 284

〈그림 2-279〉 LISA 알고리즘 분산처리 성능 테스트 결과 286

〈그림 2-280〉 서울시 공시지가 이상지역 분석 결과 286

〈그림 2-281〉 공간제약 클러스터링의 Workflow 286

〈그림 2-282〉 2차년도 공간 군집화 결과와, 공간 제약 클러스터링의 결과 비교 287

〈그림 2-283〉 특정 지역, 특정 시점의 인구 유동량 예측 기능의 Workflow 287

〈그림 2-284〉 예측 유동인구의 분포와 실제 유동인구 분포의 시각화 288

〈그림 2-285〉 유동인구 주요 패턴도출 기능의 Workflow 288

〈그림 2-286〉 시간대-월간 인구 유동 특징 분석 결과 289

〈그림 2-287〉 1번 컴포넌트와 4번 컴포넌트의 공간적 분포 특징 매핑 결과 290

〈그림 2-288〉 공간 가중치를 고려한 유병율 회귀분석 Local R2 매핑 결과 291

〈그림 2-289〉 공간 빅데이터 분석 Batch 솔루션 292

〈그림 2-290〉 Drag-and-drop 및 저장/편집 기능 292

〈그림 2-291〉 E2SFCA 분석컴포넌트 결과 293

〈그림 2-292〉 Decision Tree 분석 컴포넌트 결과 293

〈그림 2-293〉 주요연구내용 293

〈그림 2-294〉 연간 이동객체데이터 관련 문헌 빈도 295

〈그림 2-295〉 이동객체 데이터 관련 문헌의 저자가 소속된 상위 10개 기관 295

〈그림 2-296〉 국가별 이동객체 데이터 문헌 빈도 295

〈그림 2-297〉 이동객체 데이터 연구 분야 296

〈그림 2-298〉 1, 2세부 간 컴포넌트 인터페이스 관계 다이어그램 302

〈그림 2-299〉 이동객체 Batch 분석 컴포넌트 아키텍처 302

〈그림 2-300〉 Workflow 등록 시퀀스 다이어그램 302

〈그림 2-301〉 서울시 00시~01시 택시 승하차 point 데이터 303

〈그림 2-302〉 서울시 집계구 단위 공간 군집화 결과 304

〈그림 2-303〉 이동객체데이터 비통계기반 분석 컴포넌트 분석결과 304

〈그림 2-304〉 이동객체데이터 분석 컴포넌트 연산자 동작 정확도 실험 결과 305

〈그림 2-305〉 공간 군집화 분석 시작 UI 305

〈그림 2-306〉 공간 군집화 분석 진행 UI 305

〈그림 2-307〉 택시 서비스 필요지역 분석 결과 306

〈그림 2-308〉 부산시 노인 복지시설 입지선정 분석 결과 307

〈그림 2-309〉 택시 공차 지역 분석 결과 307

〈그림 2-310〉 AWS와 Spark를 활용한 이동객체데이터 분석 시스템 308

〈그림 2-311〉 웹 콘솔의 Analysis Module 탭과 Component 탭 308

〈그림 2-312〉 공간 빅데이터 및 이동객체 데이터 일괄 분석 기능 TTA 인증 309

〈그림 2-313〉 Space Time Scan Statistics 기반의 시공간 택시 수요 탐지 결과 309

〈그림 2-314〉 Map Matching 결과와 이에 따른 Network 단위의 택시 유동분석 310

〈그림 2-315〉 택시 토픽 기반 LDA 클러스터링 311

〈그림 2-316〉 오전 8-9시 강남지역 단거리 택시 운행 밀집 지역 도출 결과 312

〈그림 2-317〉 소방시설 서비스 가능지역 Point 결과 도출 (전체시간) 312

〈그림 2-318〉 09~12시 Prefix-Span 군집화 결과 313

〈그림 2-319〉 개발기능을 통해 제안한 유동인구 데이터를 이용한 활동지도 314

〈그림 2-320〉 돌아가는 택시 도출 결과 316

〈그림 2-321〉 NW 알고리즘을 통해 얻어진 유사도 matrix 316

〈그림 2-322〉 비 정상적인 택시 이동 경로 도출 결과 317

〈그림 2-323〉 OD를 이용한 node 기반 분석 결과(서울, 부산, 강원도) 317

〈그림 2-324〉 OD를 이용한 link 기반 분석(서울의 주요 인구 유동 도출) 318

〈그림 2-325〉 서울 5대 생활권 및 버스 권역과의 결과 비교 318

〈그림 2-326〉 공간 빅데이터 분석 Batch 솔루션 319

〈그림 2-327〉 Drag-and-drop 및 저장 / 편집 기능 319

〈그림 2-328〉 Map Matching 및 Percentile Rank 분석 컴포넌트 결과 320

〈그림 2-329〉 핵심성과 H의 대표 이미지 321

〈그림 2-330〉 UseCase 328

〈그림 2-331〉 CEP 엔진 사업단 시범서비스 실행 화면 329

〈그림 2-332〉 OLAP 엔진 사업단 시범서비스 실행 화면 329

〈그림 2-333〉 공간 빅데이터 플랫폼의 융복합 활용방안 개발(핵심성과 I) 331

〈그림 2-334〉 V-World(공간정보 오픈플랫폼) 서비스 프레임워크 332

〈그림 2-335〉 공간 빅데이터 플랫폼의 서비스 프레임워크 334

〈그림 2-336〉 공간 빅데이터 서비스 활성화 지원을 위한 기본방향 및 대응과제 335

〈그림 2-337〉 공간 빅데이터 실증서비스 시스템의 아키텍처 구성(안) 337

〈그림 2-338〉 사업단 시스템 지원을 위한 연구단 성과의 단계별 적용 방안 338

〈그림 2-339〉 공간 빅데이터 플랫폼 메인화면 구성 340

〈그림 2-340〉 실증시각화 화면 구성 340

〈그림 2-341〉 공간분석프레임 화면 구성 340

〈그림 2-342〉 관리서비스 화면 구성 341

〈그림 2-343〉 OpenAPI서비스 화면 구성 341

〈그림 2-344〉 토지건물정보 기반 서비스 시나리오 적용예시(워크플로우) 342

〈그림 2-345〉 비정형텍스트정보 기반 서비스 시나리오 적용예시(워크플로우) 342

〈그림 2-346〉 네트워크정보 기반 서비스 시나리오 적용예시(워크플로우) 342

〈그림 2-347〉 공간 빅데이터의 공공/민간부문 핵심서비스 모델 도출 및 제공방안 개발(핵심성과 J) 343

〈그림 2-348〉 공간 빅데이터 서비스 차별화 방안 및 활용전략 347

〈그림 2-349〉 공간 빅데이터 서비스 분야 우선순위 도출 348

〈그림 2-350〉 서비스 유형화에 따른 핵심서비스모델 개발 절차 348

〈그림 2-351〉 공간 빅데이터 비즈니스 모델 개발 절차 350

〈그림 2-352〉 공간 빅데이터 서비스 유형 구분 358

〈그림 2-353〉 토지건물정보 기반 서비스 시나리오 359

〈그림 2-354〉 전국단위 격자분석 결과 360

〈그림 2-355〉 공시지가 이상지역 및 에너지 사용량 군집패턴 분석 결과 361

〈그림 2-356〉 비정형 텍스트정보 기반 서비스 시나리오 362

〈그림 2-357〉 도봉구 공원의 공간 감성 분석 결과 363

〈그림 2-358〉 공원 감성분석맵의 격자분석 결과 363

〈그림 2-359〉 네트워크정보 기반 서비스 시나리오 364

〈그림 2-360〉 전국 도로별 통행량 및 읍면동별 교통사고건수 분석 결과(2016년 9월) 365

〈그림 2-361〉 전국 도로별 통행량 및 읍면동별 교통사고건수 분석 결과(2016년 9월) 366

〈그림 2-362〉 공간 빅데이터 서비스 플랫폼의 시스템 아키텍처 구성 367

〈그림 2-363〉 공간 빅데이터 서비스 플랫폼의 저장관리 Layer 구성 368

〈그림 2-364〉 공간 빅데이터 서비스 플랫폼의 분석Layer 구성 369

〈그림 2-365〉 공간 빅데이터 서비스 플랫폼의 표출 Layer 구성 370

〈그림 2-366〉 공간 빅데이터 서비스 플랫폼의 분석Layer 구성 371

〈그림 2-367〉 공간 빅데이터 서비스 플랫폼의 분석Layer 구성 372

〈그림 2-368〉 공간 빅데이터 플랫폼 핵심서비스별 주요기능 374

〈그림 2-369〉 인구이동 시각화 서비스 구성 376

〈그림 2-370〉 유동인구 서비스 구성 376

〈그림 2-371〉 Open API 구성 377

〈그림 2-372〉 Open API 설계 과정 377

〈그림 2-373〉 Open API 개발환경 구성 및 테스트 데이터셋 구축 378

〈그림 2-374〉 Open API 설계 379

〈그림 2-375〉 웹페이지를 통한 Open API 레퍼런스 정보 제공 379

〈그림 2-376〉 공간빅데이터 Open API 서비스 사이트 개발 프로세스 380

〈그림 2-377〉 Open API 서비스 사이트 특징 380

〈그림 2-378〉 Open API 서비스 사이트 소개 페이지 381

〈그림 2-379〉 Open API 서비스 사이트 레퍼런스 지도서비스 페이지 382

〈그림 2-380〉 Open API 서비스 사이트 레퍼런스 데이터서비스 페이지 382

〈그림 2-381〉 성능 테스트 프로세스 383

〈그림 2-382〉 성능검증 스크립트 항목별 설명 383

〈그림 2-383〉 Nathan Shedroff의 정보 이해도 385

〈그림 2-384〉 정보전달 목적 사용자 환경 우선순위 조사 결과 385

〈그림 2-385〉 의사결정 활용 목적 사용자 환경 우선순위 조사 결과 385

〈그림 2-386〉 행동변화 유발 목적 사용자 환경 우선순위 조사 결과 386

〈그림 2-387〉 데이터 파악 목적 사용자 환경 우선순위 조사 결과 386

〈그림 2-388〉 논리모델 설계 387

〈그림 2-389〉 물리모델 설계 387

〈그림 2-390〉 시스템 기능 구조 388

〈그림 2-391〉 공간 빅데이터 서비스 제공 User Interface 구성 388

〈그림 2-392〉 메인 페이지 UI/UX 적용 389

〈그림 2-393〉 시각화 서비스 메뉴 구조 단순화 389

〈그림 2-394〉 공간분석 프레임 메뉴 UI/UX 개선 390

〈그림 2-395〉 공공 데이터 수집 스케줄러 Open API 서비스 390

〈그림 2-396〉 사용성 검증 체크리스트 전체 결과 391

〈그림 2-397〉 사용성 검증 체크리스트 상세 결과 391

〈그림 2-398〉 범죄 지도(Crime Map) 392

〈그림 2-399〉 서울시 심야버스노선수립 지원 시스템 393

〈그림 2-400〉 V World 오픈플랫폼 서비스 활용도 393

〈그림 2-401〉 공간 빅데이터 실증서비스 서비스 아키텍처 394

〈그림 2-402〉 공간빅데이터 프로세스 394

〈그림 2-403〉 공간빅데이터 서비스 컨테이너 395

〈그림 2-404〉 관리 서비스 구성 395

〈그림 2-405〉 공간 빅데이터 서비스 통합 기술 구성도 396

〈그림 2-406〉 공간 빅데이터 공통 데이터베이스 396

〈그림 2-407〉 공간 빅데이터 서비스 연계 구성 398

〈그림 2-408〉 공간 빅데이터 실증 시각화 서비스 구성 398

〈그림 2-409〉 공간 빅데이터 관리 서비스 구성 399

〈그림 2-410〉 공간 빅데이터 관리 패키지 399

〈그림 2-411〉 저장, 관리, 분석, 가시화 등 개별 서비스 기술 구성도 400

〈그림 2-412〉 1세부 연계 구성도 400

〈그림 2-413〉 2세부 연계 구성도 401

〈그림 2-414〉 통합 모듈 구성도 401

〈그림 2-415〉 통합 연계 흐름도 402

〈그림 2-416〉 통합 연계 기능 구성도 402

〈그림 2-417〉 공간빅데이터 통합 서비스 최종목표 403

〈그림 2-418〉 공간빅데이터 서비스 실증 시스템 404

〈그림 2-419〉 공간 분석 프레임 프로세스 404

〈그림 2-420〉 공간 연산 기능 구성 화면 405

〈그림 2-421〉 VWORLD 융합 기반 빅데이터 서비스 시스템 개요 406

〈그림 2-422〉 LOD 영상 병렬처리 개념도 406

〈그림 2-423〉 공공 공간 빅데이터 설계 개념도 407

〈그림 2-424〉 프로토 타입 모니터링/관리 화면설계 407

〈그림 2-425〉 시스템 메뉴구조 설계도 408

〈그림 2-426〉 공공 공간 빅데이터 서비스 및 확장 기술 프로세스 409

〈그림 2-427〉 공공 공간 빅데이터 서비스 연계 및 확장 기술 개발 409

〈그림 2-428〉 공공 공간 빅데이터 및 서비스, 분석 기법 410

〈그림 2-429〉 공공 공간 빅데이터 서비스 확장 410

〈그림 2-430〉 공공 공간 빅데이터 빅데이터 생성 및 공간 연산 수행 411

〈그림 2-431〉 공공 공간 빅데이터 서비스 연계 및 확장 411

〈그림 2-432〉 일원화된 형식의 데이터를 표준화된 결과데이터 생성 412

〈그림 2-433〉 공용 포맷 데이터 생성 412

〈그림 2-434〉 공간 빅데이터 서비스 시스템 확장 구축 413

〈그림 2-435〉 서비스 연계 실증 시각화 413

〈그림 2-436〉 공간 빅데이터 저장관리 시스템 성능평가(2017년) 419

〈그림 2-437〉 1세부 학술적 성과 421

〈그림 2-438〉 3세부 언론, 방송 등 홍보성과 429

〈그림 2-439〉 3세부 전시활동 참가 홍보성과 429

〈그림 2-440〉 3세부 연구단 홈페이지 구성 430

〈그림 2-441〉 3세부 웹진 발간 현황 430

〈그림 4-1〉 성과물 테스트 및 통합활용을 위한 테스트베드 482

〈그림 4-2〉 사업단 공간분석 라이브러리 482

〈그림 4-3〉 성과물 배포 및 기술지원 483

〈그림 4-4〉 택시 승하차 로그 및 유동인구 분석을 통한 지하철역 추천 분석의 연산 플로우 484

〈그림 4-5〉 택시 승하차 로그 및 유동인구 분석을 통한 지하철역 추천 분석 484

〈그림 4-6〉 대도시 상업지구내 지역활성화 정도 분석 485

〈그림 4-7〉 도시쇠퇴현황과 도시재생사업현황 분석 485

〈그림 4-8〉 공간빅데이터 사업단 플랫폼 적용 개요 486

〈그림 4-9〉 API를 활용한 개발 컴포넌트 제공 예시 491

〈그림 4-10〉 Batch 분석 솔루션 2차년도 초기 모델 492

〈그림 4-11〉 OLAP 엔진과의 Marmot 연계 492

〈그림 4-12〉 '독립 플랫폼 구축형'사업유형 예시 497

〈그림 4-13〉 '핵심요소기술 활용형'사업유형 예시 497

〈그림 4-14〉 '공간 빅데이터 서비스 연계형'사업유형 예시 497