최근, 지적도 이용에 대한 요구사항이 공공기관과 민간부문에서 높아지고 있는 추세이다. 지적도를 웹 환경 또는 모바일 환경에서 활용하기 위해서는 원 지도자료를 임의 단계의 축척 별로 압축해 놓은 다축척 공간표현 데이터베이스로 구축되어야 할 필요가 있다. 본 연구에서는 기존의 연속지적도를 다축척 공간표현 데이터베이스로 구축하는데 있어서 지형도와의 중첩과 폴리곤 지도 일반화 기법을 적용하는 방안에 대해서 제안하였다. 이 과정은 크게 지형도 네트워크 데이터 재구조화, 네트워크 위계에 따른 필지경계선 병합, 선형 단순화 기법 적용의 세 단계로 이루어져 있다. 본 연구에서 제안된 일반화 기법을 수원지역의 연속지적도에 적용한 결과, 1:5,000, 1:20,000, 1:100,000 세 축척의 연속지적도로 각각 일반화 되었으며, 데이터 압축률은 각각 15%, 8%, 1% 수준으로 나타났다.
최근, 지적도 이용에 대한 요구사항이 공공기관과 민간부문에서 높아지고 있는 추세이다. 지적도를 웹 환경 또는 모바일 환경에서 활용하기 위해서는 원 지도자료를 임의 단계의 축척 별로 압축해 놓은 다축척 공간표현 데이터베이스로 구축되어야 할 필요가 있다. 본 연구에서는 기존의 연속지적도를 다축척 공간표현 데이터베이스로 구축하는데 있어서 지형도와의 중첩과 폴리곤 지도 일반화 기법을 적용하는 방안에 대해서 제안하였다. 이 과정은 크게 지형도 네트워크 데이터 재구조화, 네트워크 위계에 따른 필지경계선 병합, 선형 단순화 기법 적용의 세 단계로 이루어져 있다. 본 연구에서 제안된 일반화 기법을 수원지역의 연속지적도에 적용한 결과, 1:5,000, 1:20,000, 1:100,000 세 축척의 연속지적도로 각각 일반화 되었으며, 데이터 압축률은 각각 15%, 8%, 1% 수준으로 나타났다.
Recently, demand for the use of cadastral map is increasing in both public and private area. To use cadastral map in web or mobile environment, construction of the multi-representation database(MRDB) that is the compressed into multiple scale from the original map data is recommended. In this study,...
Recently, demand for the use of cadastral map is increasing in both public and private area. To use cadastral map in web or mobile environment, construction of the multi-representation database(MRDB) that is the compressed into multiple scale from the original map data is recommended. In this study, the map generalization methodology for the cadastral map by applying overlay with topographic map and polygon generalization technique is suggested. This process is composed of three steps, re-constructing the network data of topographic map, polygon merging of parcel lines according to network degree, and applying line simplification techniques. Proposed methodologies are applied to the cadastral map in Suwon area. The result map was generalized into 1:5,000, 1:20,000, 1:100,000 scale, and data compression ratio was shown in 15% 8% 1% level respectively.
Recently, demand for the use of cadastral map is increasing in both public and private area. To use cadastral map in web or mobile environment, construction of the multi-representation database(MRDB) that is the compressed into multiple scale from the original map data is recommended. In this study, the map generalization methodology for the cadastral map by applying overlay with topographic map and polygon generalization technique is suggested. This process is composed of three steps, re-constructing the network data of topographic map, polygon merging of parcel lines according to network degree, and applying line simplification techniques. Proposed methodologies are applied to the cadastral map in Suwon area. The result map was generalized into 1:5,000, 1:20,000, 1:100,000 scale, and data compression ratio was shown in 15% 8% 1% level respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 연속지적도를 원자료로 하고 지형도를 보조자료로 하여 가구계 단위로 필지경계선을 병합하는 방식으로 다축척 데이터베이스를 자동으로 생성하는 지도 일반화 과정을 제안하고자 한다. 가구계는 도로로 둘러싸인 영역을 의미하는데 도로의 위계를 고려하여 단계적으로 가구계를 구성 할 수 있어 다축척 데이터베이스를 만드는데 유용 할 수 있다.
두 과정은 상호 보완적인 관계에 있으며 모델 일반화 과정이 지도 학적 일반화 과정의 예비단계인 성격을 보인다[9]. 본 연구에서는 연속 지적도 데이터에 대해 모델 일반화 과정과 지도학적 일반화 과정을 동시에 고려하여 축척 수준에 맞게 데이터의 용량을 압축하는 동시에 시각적으로 도해력을 극대화시키고자 하였다.
간에는 약간의 차이가 발생할 수 있다. 본 연구에서는 단독으로 존재하는(isolated) 도로 영역 폴리곤 집합 중 2개 이하의 폴리곤으로 이루어진 폴리곤 집합은 지목 입력 오류에 해당하는 영역으로 판단하고 도로 영역에서 제거하는 방식으로 실제 도로 영역과의 불일치를 줄이고자 하였다.
본 연구에서는 연속지적도를 다양한 축척으로 일반화 시키기 위해 수치지형도의 도로중심선을 중첩하여 지적도의 필지경계선을 도로영역과 가구계 영역으로 구분하여 병합시키는 기법을 제시하였다. 이 과정에서 도로 네트워크 데이터의 위계를 재설정하고 위계에 따라 단계적으로 필지경계선을 병합하였다.
제안 방법
대한 연구흐름도이다. 크게 세 단계로 구분되어 있는데 우선, 수치지형도 데이터를 입력자료로 하여 도로중심선 레이어를 추출한 후 도로 네트워크 위계 재설정 과정을 거쳐 일정 너비로 버퍼를 적용한다, 이 버퍼 폴리곤을 지적도와 중첩(overlay) 하여 지적도 내의 도로영역과 가구계영역을 탐색하여 각 영역 내에서의 지적경계선들을 병합한다. 병합된 폴리곤은 선형단순화 과정을 거쳐 축척별 일반화 결과에 저장된다.
그러나 실제 지형도의 도로구분 속성정보를 항공사진과 비교분석한 결고]-, 도로중심선 상의 구분과 실제 도로 간에 다소 차이가 있어 이 구분만으로 지적경계선의 병합을 위한 기준정보로 사용하기에 한계가 있다-. 본 연구에서는 지형도 도로중심선의 '도로 구분, 속성정보 외 에 도로폭 정보를 주가적 으로 이용하였다. 또한 위계 재설정 과정에서 도로선형 간의위상적, 기하학적 관계를 반영하기 위해 stroke 개 님을 추가적으로 사용하였다.
본 연구에서는 지형도 도로중심선의 '도로 구분, 속성정보 외 에 도로폭 정보를 주가적 으로 이용하였다. 또한 위계 재설정 과정에서 도로선형 간의위상적, 기하학적 관계를 반영하기 위해 stroke 개 님을 추가적으로 사용하였다. stroke는 교차로에 서동 일한 방향성을 가지는 두 인접한 개체를 하나의 연결 개체로 묶는 과정을 반복함으로써 최종적으로 생성된 각각의 연결된 개체를 의미한다.
단일 stroke 내에 존재하는 교차로의 개수를 계산하여 stroke degree 라는 속성값으로 저장하는데, stroke degree 가 클수록 네트워크 상에서의 중요도가 높으며 작을수록 중요도도 낮아진다[10]. 본 연구에서는 도로 선형의 도로폭, 도로구분, stroke degree를 이용하여 도로의 선형을 4단계(고속도로, 국도, 시내도로, 소로)로 구분하였다. 위의 의사코드(표 1)는 도로 선형의 위계를 재설정하는데 사용된 조건식이다.
본 연구에서는 필지경계선의 병합을 위해 우선위계별 네트워크 데이터와 지적도를 중첩시킨 후, 지적도의 필지경계선을 도로영역과 가구계 영역으로 나누어 병합시키는 방법론을 사용하였다.
도로 영역을 탐색하기 위해 우선, 지형도의 도로 중심선에 버퍼를 적용하여 폭을 가지는 도로경계폴리곤을 형성한다. 이때 버퍼의 폭은 각 도로 선형의 속성값으로 입력되어 있는 도로폭에 오차한 계을 더한 값으로 부여한다.
위의 과정을 통해 추출된 도로 영역을 제외한 필지들 중 도로영역으로 둘러싸인 필지경계선 집합을 하나의 가구계 폴리곤 집합으로 지정하였다. 하나의 가구계 폴리곤에는 하나 이싱-의 지목으로 구성된다.
하나의 가구계 폴리곤에는 하나 이싱-의 지목으로 구성된다. 가구계 내의 지목들 중 대표 지목을 선정하기 위해본 연구에서는 가구계 영역 내 폴리곤의 지목 별면적을 계산하여 전체 가구계 영역 면적과의 비율을 구한 후, 그 중 가장 넓은 면적 비율을 차지하는 지목을 해당 가구계의 대표 지목으로 지정하였다.
임계치가 과도하게 적용되면 데이터의 용량은 감소하는 반면에 위치오차나 기하학적 왜곡(sliver polygon, selfintersection 등)이 발생할 확률은 높아지며 임계치가 너무 낮게 적용되면 불필요한 굴곡과 절점이 덜 제거되어 충분한 단순화 효과를 기대할 수 없다. 본연구에서는 선형 단순화 후의 최대 위치오차 값이 도상 0.7nim> 넘지 않도록 하는 최대한의 임계치를 실험적으로 결정하여 적용하였다’
위에서 제시한 일반화 방법론을 검증하기 위한 실험데이터로 수원시 팔달구 행궁동 지역의 연속지적도와 수치지형도를 사용하였다. 두 지도데이터는 상이한 좌표체계를 가지고 있기 때문에 좌표계 변환을 통해서 좌표체계를 통일시켰다.
본 연구에서 제안한 일반화 기법을 적용하였을 때의 데이터 감소율을 폴리곤 수 감소율과 절점 수 감소율로 분석하였다. 표 2와 3은 각각 easel에서 case3까지의 실험지역 데이터를 단계 별로 일반화 한 결과에 대해 두 요소를 비교하여 백분율로 나타낸 표이며, 그림 7과 8은 이에 대한 그래프이다.
이 과정에서 도로 네트워크 데이터의 위계를 재설정하고 위계에 따라 단계적으로 필지경계선을 병합하였다. 연구 결과, 다음과 같은 결론을 도출하였다.
1. 지형도의 도로중심선을 이용해서 지적도의 도로영역을 추출하기 위해 도로구분, 도로폭 그리고 stroke 개념을 사용하여 도로 네트워크의 위계를 재설정하였다.
2. 도로중심선에 실제 도로폭에 지형도와 지적도간의 불부합 정도를 더하여 버퍼를 적용한 폴리곤에 90% 이상 포함되는 지적도 상의 필지경계선을 지적도의 도로영역, 그 외 지역을 가구계 영역으로 설정하는 방식으로 필지 경계선을 병합하였다.
대상 데이터
지목, 면적, 소유주, 가격 등의 정보는 필지의 속성정보에 해당하며, 필지 간의 인접관계, 거리 등 필지 간 위치관계에 대한 정보는 필지의 위상정보에 해당한다. 필지 간의 위상정보를 파악하기 위해 본연구에서는 지형도의 도로 네트워크 데이터를 사용하였다. 필지경계선의 위상관계 파악에 도로 네트워크를 사용하는 이유는 도로로 둘러싸인 지역을 하나의 가구계라고 정의할 수 있어 가구계 단위로 필지 경계선을 병합시킬 수 있기 때문이다.
이론/모형
가구계는 도로로 둘러싸인 영역을 의미하는데 도로의 위계를 고려하여 단계적으로 가구계를 구성 할 수 있어 다축척 데이터베이스를 만드는데 유용 할 수 있다. 이를 위해 본 연구에서는 지형도의 도로 중심선을 이용하여 위계를 재설정한 후, 위계에 따른 도로중심선을 지적도와 중첩하여 도로영역과 가구계로 구분하고 각 영역에서의 필지경계선을 적절히 병합시키는 빙-법을 사용하였다.
필지 경계선들이 병합된 결과에 대하여 불필요한 굴곡과 절점들을 제거하기 위해 선형 단순화 기법을 적용하였다. 필지 경계선은 정리되지 않은 선형의 형태로 표현되어 있어 축척을 줄여서 표현하게 되면 불필요한 굴곡뿐만 아니라 불필요한 절점들이 발생하게 된다.
선형 개체의 형상적 특성에 따라서 적절한 선형 단순화 기법과 임계치 수준을 결정하기 위한 연구는 많이 진행되었으나 아직까지 하나의 기법과 임계치로 모든 선형을 적절히 단순화 시켜주는 기법은 거의 없으며 선형의 특성에 따라 복수의 기법을 혼합해서 적용함으로써 단순화 효과를 극대화시킬 수 있다. 본 연구에서는 Wang and Muller(1993) 가 제안한 bend simplify 기법고)* Douglas and Peucker(1987) 가 제안한 point eemoval 기법을 순차적으로 적용하는 방식으로 불필요한 굴곡과 절점을 제거하였다. bend simplify 기법은 작은 굴곡은 효과적으로 제거하는 반면 전반적인 선형의 형태는 유지시켜주는 장점이 있다.
성능/효과
설명한 그림이다. (a)부터 (d)까지 차례대로 도로 네트워크 데이터에 버퍼를 적용한 결과, 도로 영역에 해당하는 필지경계선 집합을 탐색한 결과, 도로영역을 제외하고 남은 가구계 영역에 해당하는 필지경계선 집합을 탐색한 결과, 그리고 도로영역과 가구계 영역 내의 필지경계선들을 각각 병합시키고 병합된 폴리곤의 대표지목을 선정한 결과를 나타내고 있다.
bend simplify 기법을 7m의 임계치로 적용한 후 point removal 기법을 Im 임계치로 적용한 결과이다. 적용 결과, 전체적인 선형의 형태에는 큰 변화가 없으나 작은 굴곡은 다소 제거된 것을 그림 상에서 확인할 수 있으며, 데이터를 구성하는 전체 절점수가 1147개에서 439개로 약 30% 수준으로 감소했다.
각 단계 별 일반화 결과에 대한 축척은 도로영역의 최소 도로폭을 이용하여 인식 가능한 최소축척을 역산해볼 수 있다. 즉, 지도 상 인식가능한 최소 단위를 2라고 한다면 1단계 일반화 결과는 도로영역의 최소 폭이 약 Im 이므로, 이 길이를 위의 인식가능 최소 단위로 치환하면 해당 일반화 결과의 축척은 대략 1:5,000이 되어 이 이상의 축척으로 확대가능하나 이하의 축척으로는 인식이 불가능하다는 것을 나타낸다. 동일한 방식으로 계산하면 2단계 일반화 결과의 최소 도로폭은 4m로, 최소축척은 대략 1:20, 000 수준이며, 3 단계 일반화 결과의 최소 도로폭은 20m, 최소축척은 대략 1:10), 000 수준으로 계산된다.
즉, 지도 상 인식가능한 최소 단위를 2라고 한다면 1단계 일반화 결과는 도로영역의 최소 폭이 약 Im 이므로, 이 길이를 위의 인식가능 최소 단위로 치환하면 해당 일반화 결과의 축척은 대략 1:5,000이 되어 이 이상의 축척으로 확대가능하나 이하의 축척으로는 인식이 불가능하다는 것을 나타낸다. 동일한 방식으로 계산하면 2단계 일반화 결과의 최소 도로폭은 4m로, 최소축척은 대략 1:20, 000 수준이며, 3 단계 일반화 결과의 최소 도로폭은 20m, 최소축척은 대략 1:10), 000 수준으로 계산된다.
분석 결과, 폴리곤 수의 경우 1단계 일반화 결과에서는 원자료에 비해 6% 수준으로 감소하였으며 2단계에서는 3% 수준, 그리고 3단계에서는 1% 수준으로 감소하고 있다. 격자형태의 도로망을 띄고 있는 easel 지역에서 감소율이 10% 수준으로 상대적으로 높고 불규칙한 형태의 도로망을 띄고 있는 case3 지역에서 김소율이 4% 수준으로 상대적으로 낮았으나 3단계로 갈수록 감소율의 차이가 줄어들었다.
감소하고 있다. 격자형태의 도로망을 띄고 있는 easel 지역에서 감소율이 10% 수준으로 상대적으로 높고 불규칙한 형태의 도로망을 띄고 있는 case3 지역에서 김소율이 4% 수준으로 상대적으로 낮았으나 3단계로 갈수록 감소율의 차이가 줄어들었다. 절점 수의 경우, 1단계 일반화 결과에서는 원자료에 비해 15% 수준으로 감소하였으며, 2단계에서는 8%, 3단계에서는 1% 수준으로 감소하고 있다.
3. 병합된 필지경계선 영역의 대표 지목은 영역 내 지목 중 영역 전체 면적 대비 지목 별 면적 비율이 가장 높은 지목을 필지 집합의 대표 지목으로 선정하였다.
4. 이러한 방식으로 병합된 세 단계 지적도의 최소 축척은 각각 1:5,000, 1:20, 0)0, 1:100,000으로 산출되었으며 이 축척을 기준으로 사용자가 입력한 축척 수준에 맞게 지적도를 디스플레이할 수 있다.
5. 선형 단순화 기법으로 bend simplify 기법과 point removal 기법을 순차적으로 적용한 결과 1단계 일반화 결과에서는 15%, 2단계에서는; 8%, 3단계에서는 1% 수준으로 데이터 감소율을 나타내었다.
후속연구
수 있었다. 뿐만 아니라 향후에 지적 재조사 사업이 시행되어 필지경계선의 형태와 지목이 현실과 불일치한 문제가 다소 해결된다면 본 연구에서 제안한 지도 일반화 기법을 통해 보다 정확하고 신속한 다축척 지적도 데이터베이스를 자동으로 생성하여 웹 환경과 모바일 환경에서 공공 및 민간 부문에게 지도서비스를 제공할 수 있을 것으로 예상된다.
본 연구에서는 사용자가 원하는 축척수준을 입력하였을 때 그에 해당하는 일반화 결과를 도출할 수 있는 정량적 접근법이 추가적으로 연구되어야 할 것으로 보-인다’ 즉, 네트워크 제거과정에서 중요 도함수를 적용하는 방안, 도로영역 필지경계선 포함 비율 조정 등에 대한 추가연구가 진행될 필요가 있다' 뿌만 아니라 다양한 케이스에서의 적용을 통해 예외사항 처리기능을 강화하거나 일반화 결과에 대한 정성적, 정량적 평가 기법을 추가하는 등의 연구가 필요하며, 이들에 대해서는 추후 연구과제로 남긴다.
참고문헌 (20)
B. Yang, 2005, "A multi-resolution model of vector map data for rapid transmission over the Internet", Computers & Geosciences, vol. 31, pp. 569 - 578.
D. Douglas and T. Peucker, 1973, "Algorithms for the reduction of the number of points required to represent a digitized line or its caricature," Canadian Cartographer, vol. 10, pp. 112 - 122.
M.F. Goodchild and G.J. Hunter, 1997, "A simple positional accuracy measure for linear features," IJGIS, vol. 11, no, 3, pp, 299-306.
H. Tveite, and S. Langaas, 1999, "An accuracy assessment method for geographical line data sets based on buffering," IJGIS, vol. 13, no, 1, pp. 24-27.
Y. Kagawa, Y. Sekimoto and R. Shibaski, 1999, "Comparative study of positional accuracy evaluation of line data," ACRS Proceedings.
Z. Li, H. Yan, T. Ai, and J. Chen, 2004, "Automated building generalization based on urban morphology and Gestalt theory," IJGIS, vol. 18, no. 5, pp. 513-534.
O. Chaudhry and W.A. Mackaness, 2008, "Automatic identification of urban settlement boundaries for multiple representation databases," Computers, Environment and Urban Systems, vol. 32, pp. 95-109.
P. Hardy, 2000, "Multi-scale database generalisation for topographic mapping, hydrography and web-mapping, using active object techniques," IAPRS, vol. 33.
R. Weibel and C.B. Jones, 1998, "Computational perspectives on map generalization", GeoInformatica, vol. 2, no. 4, pp. 307-314.
R.C. Thomson and D.E. Richardson, 1999, "The 'good continuation' principle of perceptual organization applied to the generalization of road network," International Symposium on Spatial Data Handling.
W. Shi, and C. Cheung, 2006, "Performance Evaluation of Line Simplification for Vector Generalization," The Cartographic Journal, vol. 43, no. 1, pp. 27-44.
Z. Wang and J.C. Muller, 1998, "Line generalization based on analysis of shape characteristics," Cartography and Geographic Information systems, vol. 25, no. 1, pp. 3-15.
J.C. Muller, J.P. Lagrange and R. Weibel, 1995, GIS and Generalization, p. 6, Taylor and Francis, London.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.