이언배 연구노트

Task:CSV 파일을 파이썬으로 읽어 PostGRES 데이터베이스로 만들어보자. CSV 를 데이터베이스로 옮기는 일은 매우 귀찮다.사실 PostGRES 에서 테이블을 만든 후, Import 기능을 활용하는 것이 가장 쉽긴 하지만,안타깝게도 이것을 위해서는 우선 테이블을 생성해야 한다는 번거로움이 있다.  열어보고 싶지 않은 파일을 데이터베이스화 하려고 하는 건데,데이터베이스 내부에서 테이블을 생성하기 위해 파일을 열어봐야하는 이 아이러니 함. 귀찮을 때에는 파이썬한테 시키는 게 제일 좋다. 1. Connect 생성지금껏 파이썬+PostGRES 호환을 위해 psycopg2 모듈을 믿어왔건만,Pandas 는 sqlalchemy 에서 더욱 호환이 잘된다고 한다.그리고 1.4.16 버젼 이상에서 호환이 더 잘..

Digital Geography 의 개념을 수립하는 데에 영향을 준 서적,Kitchan and Dodge 의 "Code/Space" 를 찬찬히 살펴보자. Kitchin, R., & Dodge, M. (2014). Code/space: Software and everyday life. Mit Press. Prefaceㅁ 소프트웨어는 전 세계에 막강한 영향력을 가지고 있다. 성장하고 있는 그 영향력을 이해하고 저변의 논리와 장기적 영향력을 이해하는 것은 사회, 그리고 공간적 해석을 필요로 한다.ㅁ Code/Space 는 소프트웨어와 공간의 상호작용을 통해 새로이 발생하고 있는 그 권력과 영향력으로 인해 우리의 일상에서 발생하는 새로운 공간성을 탐구한다. 우리의 공간은 code에 의존하고 있으며, 공간을 창조..

Task:특정 도로가 어떠한 공간적 속성을 가지고 있는지 구분할 때, 인접한 건축물의 용도가 중요하다.도로에 인접한 건축물들을 용도별로 구분하여 Join 시키자.  오후 2시에 북촌 어느 골목에는 몇 명이 지나갈까.이 물음에 답하려면, "그 골목은 어디에 있습니까?" 와 같이,"그 골목은 뭐하는 골목입니까?" 에 대한 질문도 답해야 한다. 뭐하는 골목인지 아는 데에 가장 좋은 방법은 어떤 건물이 주변에 있습니까? 와도 같은 질문일 터. 1. Data Preprocessing필요한 준비물은 2개. 도로 중심선 데이터와 건축물 데이터다.경험 상, 도로 중심선 데이터와 건축물 데이터 모두 juso.go.kr 에서 제공하는 주소를 받는 것이 가장 정밀하다.제공하는 주소 (juso.go.kr) 도로데이터는 연구하..

Digital Geography 관련 논문에 빼놓지 않고 등장하는 바이블과 같은 논문, Ash et al. 의 "Digital turn, digital geographies?" 를 찬찬히 살펴보자. Ash, J., Kitchin, R., & Leszczynski, A. (2018). Digital turn, digital geographies?. Progress in Human Geography, 42(1), 25-43. Introduction ㅁ 지리학은 디지털 전환 (Digital turn) 과정에 있다. ㅁ 디지털 기기 (컴퓨터, 인공위성, GPS, 디지털 카메라, 비디오, 스마트폰 등) 와 소프트웨어 (통계 툴, 공간 분석 툴, 데이터베이스, GIS, 질적분석 패키지, 문서 편집기 등) 는 실증적..

Task: 도로 geometry 를 바탕으로 Network Centrality 분석에 활용하기 위한 Adjacency Matrix 생성 및 결과 값을 기반으로 한 shp 파일을 만들자. 네트워크 분석은 도시 공간 분석에서 빼놓지 않고 등장하는 떡밥이다. 공간을 수치화하여 정량적으로 분석할 수 있다니, 군침이 줄줄 흐른다. 위와 같은 task를 위해 물론 Boeing 이 개발한 Open Street Map 과 NetworkX 를 활용할 수 있고, 충분한 결과물을 내주지만 해당 분석은 "도로의 결절점" 을 중심으로 포인트를 내어준다는 점에서 도로 기반의 분석을 하고픈 우리에게 썩 기분좋은 일은 아니다. 도로의 인접 여부를 바탕으로 Adjacency Matrix 를 구성하고, Network centrality..

Task: 특정 음식점에 가기 위해서는 길을 통해서 진입해야 한다. 어떠한 길이 접근 가능한 음식점을 가장 많이 가지고 있는가? 특정 도로의 공간 특성을 설명할 때에, Nearest Point 의 갯수로 할당하는 것만큼 속편한 방법도 없다. 북촌로와 삼청로에 얼마나 많은 음식점들이 줄지어져 있는지, 골목길과는 얼마나 다른지 갯수 할당을 통해서 분석해보자. 준비물 준비물은 2개. Road Geometry -juso.go.kr 에서 취득, Point Geometry - 여기에서는 인허가 데이터를 사용했다. 여기저기 많이 구해본 결과, 주소정보누리집에서 제공하는 도로중심선 데이터가 가장 확실하고, 정밀하다. 제공하는 주소 (juso.go.kr) 제공하는 주소 제공하는 주소 ※ 주소정보 이용 및 활용 시, 도로..

Task: POI 중에서 음식점들을 골라서 뽑아내고 싶은데, 별도의 용도 지정이 없다. 그래서 음식점 인허가 데이터랑 비교해서 음식점인 포인트들은 제거하고자 한다. 서로 다른 소스에서 취득한 공간 데이터의 경우, 좌표도 미세하게 다르고, 이름도 미세하게 다르다. 위와 같은 상황에서 겹치는 포인트를 하나하나 체크하면서 제거하는 것은 매우 번거로운 일. SQL 의 buffer join 과 text similarity 는 위와 같은 문제를 쉽게 해결할 수 있게 도와준다. SHP to Database 1. 데이터베이스 탭 -> DB 관리자 (Ctrl + Shift + D 단축키 로도 이동 가능) 2. 기존에 연동시켜둔 PostGIS 로 연결하여 원하는 Schema 선택 3. 레이어/파일 불러오기로 이동 4. 입..