이언배 연구노트

Space Syntax 중에서 angular segment analysis 를 돌리면,도로를 자근자근 쪼개서 각 segment로 분리한 뒤,각 segment끼리의 각도를 중심으로 네트워크 분석을 시행한다. 이거로 끝나면 다행이지만, 문제는DepthmapX로 돌려 나온 결과물은 좌표도 딱히 없고, 도로 객체랑 매치도 안된다.그리고 ID column도 사라져있기 때문에, geometry 로 매칭시켜야 한다. 그리고 도로 geometry 는 linestring이기 때문에,"딱 맞는다" 또는 "포함관계" 를 보기가 어렵기 때문에, 도로geometry 에 약간의 buffer를 주고,그 안에 포함되는 segment 의 평균과 합으로 계산해보자는 전략을 취해보자. CREATE TABLE seoul_ped_spaces..

네이버에 등록이 안된 음식점들은 도대체 어디 몰려있는가...네이버에 등록하지 않은 곤조있는 자영업자들은 어디 계신 건가...이것을 위해 격자별로 NDTP, DTP, ADTP 의 갯수와 비율을 세보고, HOTSPOT 분석까지 해보자. 시작은 데이터를 늘어놓는 것 부터.우선 서울에 250m 그리드를 만들어보자. 그리드를 만들고 싶은 만큼의 레이어를 올려놓고"그리드 생성" 에서 "그리드 유형" 은 사각형 폴리곤으로 둔다."그리드 범위" 를 서울 행정동 전체로 두고,간격은 각각 250m 씩으로 둔다. 250m인 이유는, 250m단위 이동데이터를 쓸 요량도 있고, 적당해보여서다. 이 중에서 서울에 해당하는 부분만 살리고 싶다면"위치로 선택" 에서그리드 레이어에서 행정동 레이어를 비교해서 선택을 하고 반대 객체를 ..

누가 어딜 얼만큼 방문하는가.누가 방문하는 곳에 NDTP의 비율이 높은가.일단, 데이터부터 물어오자. 빅데이터캠퍼스에 가서 50m 단위 데이터를 얻을 수도 있지만, 몇가지 이슈가 있다.1. 50m 단위의 이동 데이터가 생각보다 정확하지 않다는 점2. 연령대, 시간대, 방문목적 별로 분류가 되어있지만, 쟤들을 한번에 엮은 table은 없다는 점 (그러니까, 방문목적에 따른 시간대별, 연령대별 시간대별 등이 없다)3. 종로구 데이터로 이것저것 해봤는데 별 의미가 없더라4. 내 연구의 공간적 단위를 50m로 하는 게 의미가 있나? 없을 수도 있겠다.5. 가기 귀찮다. 그렇다면, 대체할 수 있는 데이터를 서울 열린데이터 광장에서 데이터를 물어와보자.서울 생활이동> 서울빅데이터 | 서울열린데이터광장 열린데이터광장..

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..