[논문]모바일 GIS를 위한 벡터 데이터 경량화 기법

윤근정; 김혜영; 전철민

문제 정의

또한 유선에서 사용되는 단말기의 메모리 크기에 비하여 무선 단말기의 메모리 크기가 상대적으로 작기 때문에 데이터 크기를 축소해야만 한다. 본 논문에서는 이러한 데이터를 최소화하기 위한 기법을 제시하고 있다.
0)를 기반으로 하는 자동지도제작 시스템을 구축하였다. 이 시스템은 대축척의 1/5, 000 수치지도를 기반으로 1/25,000 수치 지도를 생성하기 위해 지도 일반화를 통하여 자동으로 변환하기 위한 시스템을 개발하는데 목적이 있다. 시스템은 크게 3단계로 구분되며 다음과 같다.
또한 하나의 좌표를 2byte 형태로 보내는 것도 Ibyte가 표현할 수 있는 수치의 범위가 0~255이고 클라이언트의 단말기의 화면 해상도가 최근 들어 최고 가로X세로 640x480pixel 이상의 기기도 출시되고 있어 화면의 해상도가 255 pixel을 넘는 단말기의 화면에 좌표를 표현하는데 문제가 발생한다. 따라서 본연구에서는 이러한 서버에서 발생하는 오버헤드와 클라이언트 객체 재사용 기법, 그리고 단말기의 화면 해상도에 대한 문제점을 극복하기 위하여 좀 더 효과적인 일반화 기법 및 공간 데이터 포맷 경량화 기법에 관하여 제시하였다.
이를 극복하기 위하여 서비스 이전에 축척 단계별로 구분하여 각 축척 단계에 대한 일반화 방법을 제시하려고 한다. 여기서의 일반화란 기존의 종이 지도를 구축하기 위한 일반화의 개념에 모바일 단말기의 해상도에서 발생할 수 있는 오차 범위에 대한 일반화 개념이 포함되어 있다.
본 연구에서는 모바일 환경에서 전자 지도 서비스를 하는데 있어서 여러 제약사항들을 극복하기 위한 경량화 기법을 제시하였다. 서비스에서 요구되는 정밀도를 분석하고 결정된 정밀도의 범위 내에서 공간 데이터를 경량화하는데 목적이 있으며, 그 과정은 다음과 같이 요약된다.
본 연구에서는 기존의 공간 데이터에 관한 경량화 연구에 대한 분석을 통하여 문제점을 도출하였다. 이러한 문제점을 극복하고 서비스에서 요구되는 정밀도를 고려한 네 단계의 수치 지도 경량화 모델을 정의하였고 이는 다음과 같다.

제안 방법

1차 변환모델로는 오차 범위내의 축척 단계별 일반화, 2차 변환 모델로는 클라이 언트 화면좌표로 변환, 3차 변환 모델로는 객체 의상대 좌표 변환, 4차 변환 모델로는 요청좌표 범위에 대한 상대 좌표 변환이다. 정의된 모델을 시험하기 위하여 강남구 지역의 공간 데이터를 추출하였고 1차 변환모델을 적용하기 위하여 ESRI사의 Arcinfo 를 사용하여 데이터를 경량화 하였으며 2 차 변환 모델, 3차 변환 모델, 4차 변환 모델로 공간 데이터를 경량화하기 위하여 JAVA 언어를 사용하여 구현하였다. 구현된 결과를 평가하기 위하여 기존에 유선 환경에서 서 비스되고 있는 GIS 엔진에 본 논문의 모델을 적용하여 요청되는 공간 데이터의 크기, 초당 처리 개수, 하나의 요청에 대한 처리 시간을 측정하여 비교분석하고 분석된 결과를 토대로 결론을 도출하였다.
정의된 모델을 시험하기 위하여 강남구 지역의 공간 데이터를 추출하였고 1차 변환모델을 적용하기 위하여 ESRI사의 Arcinfo 를 사용하여 데이터를 경량화 하였으며 2 차 변환 모델, 3차 변환 모델, 4차 변환 모델로 공간 데이터를 경량화하기 위하여 JAVA 언어를 사용하여 구현하였다. 구현된 결과를 평가하기 위하여 기존에 유선 환경에서 서 비스되고 있는 GIS 엔진에 본 논문의 모델을 적용하여 요청되는 공간 데이터의 크기, 초당 처리 개수, 하나의 요청에 대한 처리 시간을 측정하여 비교분석하고 분석된 결과를 토대로 결론을 도출하였다. 본 연구의 흐름은 [그림 1] 과같다.
첫째, 원활한 축소 . 편집을 위하여 레이어를 삭제 및 분류하며, 둘째, 분류된 레이어를 단선처리, 축약, 정리, 집단화, 확대, 단순화, 완만화를 통하여 단순화 한다. 마지막으로 셋째, 일반화를 위하여 분류되어진 레이어를 합하여 1/25,000 수치지도를 생성하게 된다.
소개하고 있다. 서버와 클라이언트가 주고받는 데이터 좌표를 표현하기 위하여 기존 엔진에서는 X 좌표, y 좌표 총 16byte 나 8byte로 정의하였으나, 여기에서는 2byte 형태로 변환하여 데이터를 경량화하고, 일반화 기법과 포맷 경량화 기법을 클라이언트가 데이터를 요청할 때마다 응답 결과를 생성할 때 각각 변환기를 두어 변환하는 것으로 시스템을 정의하였다. 그러나 클라이언트가 데이터를 요청할 때마다 많은 양의 공간 데이터를 일반화와 필터링을 수행할 경우 서버에서 발생하는 오버헤드가 상당 부분 커질 것이고, 요청하는 영역의 축척마다 이러한 경량화 과정으로 변환된다면 일관성 없는 데이터로 인하여 클라이언트에서 공간 데이터 캐쉬를 하기 힘든 구조로 될 것이다.
성능 평가는 현재 네이버에서 서비스되고 있는 GIS 엔진과 본 연구에서 제시한 공간 데이터의 경량화 기법을 적용한 엔진을 비교하여 테스트하였다. 성능 테스트를 위하여 이전에 두 개의 시스템에서 동일한 영역을 선택하였는데, [그림 1이은 유선에서 현재 서비스 되고 있는 지도 화면이고 [그림 11]은 경량화가 적용된 지도화면이다.
성능 테스트를 위하여 이전에 두 개의 시스템에서 동일한 영역을 선택하였는데, [그림 1이은 유선에서 현재 서비스 되고 있는 지도 화면이고 [그림 11]은 경량화가 적용된 지도화면이다. 테스트는 첫째, 동일한 하드웨어 사양의 시스템에 GIS 엔진을 설치하고 선택된 영역을 각각 한번 씩 요청하여 서버에서 응답하는 데이터의 크기를 확인하고, 둘째, [그림 12]와 같이 처음 2분 동안 5개의 클라이언트가 계속해서 요청하고 2 분이 지나면 5개의 클라이언트를 추가로 요청하는 방식으로 진행하였다. 2분마다 테스트 장비의 CPU 사용량, 서버의 총 응답 개수, 각각 요청에 대한 평균 응답 시간을 측정하였으며 테스트 장비의 CPU 사용량이 100%에 달했을 때 요청을 중단하였다.
테스트는 첫째, 동일한 하드웨어 사양의 시스템에 GIS 엔진을 설치하고 선택된 영역을 각각 한번 씩 요청하여 서버에서 응답하는 데이터의 크기를 확인하고, 둘째, [그림 12]와 같이 처음 2분 동안 5개의 클라이언트가 계속해서 요청하고 2 분이 지나면 5개의 클라이언트를 추가로 요청하는 방식으로 진행하였다. 2분마다 테스트 장비의 CPU 사용량, 서버의 총 응답 개수, 각각 요청에 대한 평균 응답 시간을 측정하였으며 테스트 장비의 CPU 사용량이 100%에 달했을 때 요청을 중단하였다.
셋째, 공간 데이터의 시작 포인트를 제외한 나머지 연결 포인트들을 2byte(x, y 각각 Ibyte)로 표현할 수 있는 수치 범위 내에서 이전 좌표의 상대 좌표로 변환함으로써 데이터의 크기를 줄인다. 넷째, 클라이언트가 요청하는 좌표 영역을 255x255 크기의 격자 형태로 나누어서 각각의 격자 안에 포함되는 공간객체의 좌표 값을 2byte 형태로 변환한다.
본 연구에서 제시한 경량화 기법을 검증하기 위하여 기존에 웹 환경에서 서비스되고 있는 GIS 엔진과 본 논문의 경량화 알고리즘을 적용시킨 엔진과의 비교 성능 테스트를 통하여 정량적인 결과 값을 도출하였다. 테스트 결과 데이터 크기는 57% 감소하여, 기존 GIS 엔진과 비교하여본 연구의 경량화 기법이 약 두 배 정도 향상이 있었음을 확인하였다.

대상 데이터

서비스의 공간적 범위는 강남구 행정구역을 선택하였고 단말기의 최대화면 해상도를 가로X세로 640><640pixel로 정하였으며 축척의 단계는 총 8단계로 구분하였다. 구분된 단계 중에 축척 8단계에서 축척 4 단계까지의 공간데이터를 경량화하였다.

이론/모형

오차범위 내의 축척 단계별 일반화 과정은 ESRI사의 Arclnfb를 사용하였고 클라이언트 화면 좌표 변환, 객체의 상대 좌표 변환 과정은 [그림 6]에서 설명한 바와 같이 포맷 경량화 툴로 변환하였다. 마지막 요청 좌표 범위에 대한 상대 좌표 변환은 최소화 관리기로 변환하였다.

성능/효과

[그림 1이과 [그림 11]의 지도 영역을 요청하여 서버에서 응답한 데이터의 총 크기를 측정한 결과는 와 같고 여기에서 경량화를 적용한 시스템의 데이터 크기가 기존의 시스템 보다 57% 정도 줄어들었음을 확인하였다.
초기 5개의 클라이언트가 요청한 경우 기존 GIS 엔진의 CPU 사용량은 평균 20%, 경량화가 적용된 GIS 엔진의 CPU 사용량은 평균 10%임이 확인되었고 요청이 증가함에 따라 전자의 CPU 사용량이 상대적으로 후자보다 CPU 자원을 많이 사용하는 것을 확인하였다. 또한 요청하는 클라이 언트의 개수가 30개에 도달했을 때 전자의 CPU의 사용량은 100%에 도달한 반면 후자의 CPU 사용량은 60% 정도였으며 요청클라이언트가 66개가 되었을 때 비로소 CPU 사용량이 100%에 도달 되는 것이 측정되 었다.
초기 5개의 클라이언트가 요청한 경우 기존 GIS 엔진의 CPU 사용량은 평균 20%, 경량화가 적용된 GIS 엔진의 CPU 사용량은 평균 10%임이 확인되었고 요청이 증가함에 따라 전자의 CPU 사용량이 상대적으로 후자보다 CPU 자원을 많이 사용하는 것을 확인하였다. 또한 요청하는 클라이 언트의 개수가 30개에 도달했을 때 전자의 CPU의 사용량은 100%에 도달한 반면 후자의 CPU 사용량은 60% 정도였으며 요청클라이언트가 66개가 되었을 때 비로소 CPU 사용량이 100%에 도달 되는 것이 측정되 었다.
14]와 같다. 초기 5개의 클라이언트가 요청되었을 경우 기존 GIS 엔진은 11개, 경량화가 적용된 GIS 엔진은 13개로 둘 다 비슷한 수치가 나왔고 요청이 증가함에 따라 서버에서 응답하는 개수는 늘어났으며 전자는 CPU 사용량이 100%되는 시점인 요청 클라이언트 개수 30개가 되었을 때 초당 처리 개수가 30개였고 더 이상 늘어나지 않는 것이 확인되었다. 이에 비해 후자는 요청하는 클라이언트 개수가 55개가 되었을 시점에 초당 처리 개수가 80개였고 비로소 증가량이 없음이 측정되었다.
초기 5개의 클라이언트가 요청되었을 경우 기존 GIS 엔진은 11개, 경량화가 적용된 GIS 엔진은 13개로 둘 다 비슷한 수치가 나왔고 요청이 증가함에 따라 서버에서 응답하는 개수는 늘어났으며 전자는 CPU 사용량이 100%되는 시점인 요청 클라이언트 개수 30개가 되었을 때 초당 처리 개수가 30개였고 더 이상 늘어나지 않는 것이 확인되었다. 이에 비해 후자는 요청하는 클라이언트 개수가 55개가 되었을 시점에 초당 처리 개수가 80개였고 비로소 증가량이 없음이 측정되었다. 이는 경량화로 인하여 상대적으로 데이터의 크기가 줄어들어 CPU의 자원을 적게 사용함으로써 좀 더 많은 요청 건수를 처리할 수 있음을 확인할 수 있다.
08초이며 후자가 상대적으로 빠르게 응답했다. 요청이 증가함에 따라 평균 처리 시간이 전자는 빠르게 증가하여 요청 클라이언트의 개수가 30개일 경우 평균 처리 시간이 0.22초에 도달하는 반면, 후자는 요청 클라이언트 개수가 30개 되었을 때 비로소 증가하기 시작했으며, 요청 클라이언트 개수가 66개일 때 평균 처리 시간이 0.22초에도 달하는 것을 확인하였다.
성능 평가 결과 공간 데이터의 경량화로 기존의 GIS 엔진에서 응답하는 데이터의 크기가 절반 이상 줄었고, 이로 인하여 서버의 CPU 사용량이 상대적으로 줄어들었으며 줄어든 CPU 자원으로 인하여 초당 처리하는 개수가 늘어나는 것이 확인되었다. 또한 요청에 대한 평균 처리 속도도 기존 엔진에서 보다 향상되는 것이 확인되었다.
또한 요청에 대한 평균 처리 속도도 기존 엔진에서 보다 향상되는 것이 확인되었다.
서비스에서 요구되는 정밀도를 분석하고 결정된 정밀도의 범위 내에서 공간 데이터를 경량화하는데 목적이 있으며, 그 과정은 다음과 같이 요약된다. 첫째, 축척 단계를 나누어 각 단계별 오차범위 안에서 일반화 과정을 거쳐 공간 데이터의 크기를 줄인다. 둘째, 공간 데이터의 수치 좌표를 화면 좌표 값으로 변환하여 공간 객체의 수치 좌표값을 기존보다 작은 좌표값으로 변환한다.
첫째, 축척 단계를 나누어 각 단계별 오차범위 안에서 일반화 과정을 거쳐 공간 데이터의 크기를 줄인다. 둘째, 공간 데이터의 수치 좌표를 화면 좌표 값으로 변환하여 공간 객체의 수치 좌표값을 기존보다 작은 좌표값으로 변환한다. 셋째, 공간 데이터의 시작 포인트를 제외한 나머지 연결 포인트들을 2byte(x, y 각각 Ibyte)로 표현할 수 있는 수치 범위 내에서 이전 좌표의 상대 좌표로 변환함으로써 데이터의 크기를 줄인다.
테스트 결과 데이터 크기는 57% 감소하여, 기존 GIS 엔진과 비교하여본 연구의 경량화 기법이 약 두 배 정도 향상이 있었음을 확인하였다. 성능 평가 결과 본 연구의 방법론은 재의 모바일 GIS 서비스 환경에서 서버 부하 감소, 응답 데이터의 경량화로 인한 데이터 압축과정 생략, 기존 엔진대비 빠른 전송 속도 및 화면 표출, 일관된 객체 재사용 기법적용 등의 의미를 지닌다.
테스트 결과 데이터 크기는 57% 감소하여, 기존 GIS 엔진과 비교하여본 연구의 경량화 기법이 약 두 배 정도 향상이 있었음을 확인하였다. 성능 평가 결과 본 연구의 방법론은 재의 모바일 GIS 서비스 환경에서 서버 부하 감소, 응답 데이터의 경량화로 인한 데이터 압축과정 생략, 기존 엔진대비 빠른 전송 속도 및 화면 표출, 일관된 객체 재사용 기법적용 등의 의미를 지닌다.
둘째, 공간 데이터의 수치 좌표를 화면 좌표 값으로 변환하여 공간 객체의 수치 좌표값을 기존보다 작은 좌표값으로 변환한다. 셋째, 공간 데이터의 시작 포인트를 제외한 나머지 연결 포인트들을 2byte(x, y 각각 Ibyte)로 표현할 수 있는 수치 범위 내에서 이전 좌표의 상대 좌표로 변환함으로써 데이터의 크기를 줄인다. 넷째, 클라이언트가 요청하는 좌표 영역을 255x255 크기의 격자 형태로 나누어서 각각의 격자 안에 포함되는 공간객체의 좌표 값을 2byte 형태로 변환한다.

후속연구

부분이다. 이러한 모바일 GIS 서비스를 위한 관련 기술의 개발이 요구되고 있어 본 논문에서 제시한 모바일 환경의 제약사항 극복을 위한 벡터 데이터 경량화 기법은 실질적으로 적용될 수 있는 연구라 할 수 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 모바일 GIS를 위한 벡터 데이터 경량화 기법
The Optimization of Vector Data for Mobile GIS 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 모바일 GIS를 위한 벡터 데이터 경량화 기법 The Optimization of Vector Data for Mobile GIS 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김혜영 (10) 전철민 (46)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 모바일 GIS를 위한 벡터 데이터 경량화 기법
The Optimization of Vector Data for Mobile GIS 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

활용도 Top5 논문