[논문]MMAS 기법에 의한 지적불부합지 탐색기법

조성환; 허용

doi:10.22640/lxsiri.2015.45.2.149

MMAS 기법에 의한 지적불부합지 탐색기법
Detecting Cadastral Discrepancy Method based on MMAS 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.45 no.2 = no.371, 2015년, pp.149 - 160

조성환 (한국국토정보공사 공간정보사업실) , 허용 (한국국토정보공사 공간정보연구원)

초록
AI-Helper

본 논문은 현재의 지적불부합지 탐색 방법이 지적경계의 현행화 과정 없이 이루어지는 것을 보완하기 위하여 지적경계 현행화 기반의 탐색 기법인 MMAS를 제안하고자 한다. MMAS는 지적측량 시 취득한 측정점 주변 고정물을 이용하여 지적경계를 현행화한 후 지적불부합지를 탐색하는 기법이다. MMAS 처리 순서는 우선 지적도와 지형도로부터 동일한 대상 영역을 추출하여 대상 영역에 존재하는 지적측량 시 취득한 측정점 주변 고정물과 이에 대응하는 수치지형도의 시설물 그리고 지적 필계점과 담장 경계점을 이용하여 대응쌍을 생성한다. 생성된 대응쌍을 기준으로 현행화를 수행하고, 마지막으로 현행화 후의 면적 오차를 계산하여 공차범위 내 포함 여부를 확인하여 잠재적 지적불부합 대상 필지를 분류한다. 제안 기법은 현재의 지적불부합지 탐색기법이 지적경계의 현행화가 배제된 토지(임야)대장 상의 면적만을 고려한 방법의 한계점을 보완하고, 현행화된 지적경계에 의한 좌표면적의 산출을 통해 지적불부합지 현황 조사의 범위를 잠재된 지적불부합지까지 확장하는데 의의가 있다. 제안 기법에 의해 잠재된 지적불부합지 필지를 탐색한 결과 지적경계의 현행화 이전의 결과보다 증가된 불부합 필지를 탐색할 수 있었다. 제안 기법은 현재 잠재되어 있는 지적불부합 필지를 탐색할 수 있는 방법이 없는 상황에서 지적재조사를 위한 지적불부합지 탐색에 적용 가능할 것으로 판단된다.

Abstract ▼ AI-Helper

This paper suggests the MMAS(Map Matching using Additional Surveying) method to improve the cadastral discrepancy search algorithm that currently does not include corrections of mis-represented parcel data. The MMAS is a method to search for cadastral discrepancy after correcting mis-represented parcel data using nearby anchor points confirmed by surveys. The MMAS first transforms the coordinate system of the digital cadastral map by overlaying anchor points obtained in the field surveying process over the corresponding edges of buildings and facility points on the digital topographic map. Then, it searches for cadastral discrepancy by checking if the area differences exceed the tolerance limit. This method improves the current method for searching for cadastral discrepancy by performing the process after correcting extortion of the digital cadastral map. This helps to identify cadastral discrepancies that are not detectable within the distorted digital cadastral map. With our experiment, this method identified more discrepancies compared to the method without the correcting the distortion of the digital cadastral map. We believe this method will be able to help the national cadastral re-survey by identifying potential cadastral discrepancy more accurately.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 현재의 지적불부합지 탐색방법이 지적경계의 현행화 과정 없이 이루어지는 것을 보완하기 위하여 지적경계 현행화를 통한 지적불부합지 탐색 방법인 MMAS를 제안하였다. 제안기법에서는 지적경계를 현행화하기 위한 방법으로 지적도와 현실세계에 동일하게 존재하는 지적측량 과정에서 측정점위치설명도 작성을 위해 취득되는 측정점 주변 고정물과 수치지형도의 시설물 그리고 필계점과 담장의 경계점으로부터 대응쌍을 추출하였고, 현행화를 수행하였다.
본 연구는 지적불부합지 현황조사의 범위를 잠재된 지적불부합지까지 확장할 수 있는 기반을 마련하였다. 따라서 제안기법을 통한 보다 넓은 범위의 지적불부합지 탐색은 지적재조사의 시행착오를 줄여줄 것이다.
본 연구는 지적측량 시 측정점위치설명도 제작을 위해 취득된 측정점 주변의 고정물과 그에 대응하는 수치지형도의 시설물과의 대응쌍의 생성하고 이와 함께 수치지형도의 담장의 경계점을 이용하여 지적도의 경계를 현실세계의 경계와 일치시키기 위한 현행화를 수행한 후 이에 따른 지적불부합지를 탐색하고자 한다. 지적경계 현행화란 서로 다른 위치체계의 지적도와 수치지형도를 두 데이터 집합에 동일하게 존재하는 현실세계의 점을 기준으로 매칭한 개념으로 정의하고자 한다.
본 연구에서는 지적불부합지를 탐색하는 방법으로 MMAS(Map Matching using Additional Surveying) 기법을 제안한다. 다음과 같이 5가지 순서로 진행된다.

제안 방법

둘째, 제안 기법은 지적경계의 현행화를 통하여 잠재된 지적불부합지를 탐색한다. 제안 기법의 대응쌍 탐색을 기반으로 현행화를 수행한 후, 면적오차가 공차범위에 포함되는지 여부를 확인하여 기존 지적불부합지 탐색방법을 보완하고 이를 통해 잠재된 지적불부합지를 탐색한다.
첫째, 지적경계 현행화를 위하여 지적측량 시 취득되는 측정점 주변 고정물과 수치지형도 상의 이에 대응하는 시설물 그리고 지적필계점과 수치지형도의 담장 경계점을 사용하여 대응쌍을 생성하였다. 둘째, 현재의 지적불부합지 탐색기법이 기하학적인 오류가 배제된 토지(임야)대장 상의 면적만을 고려한 방법을 보완하고, 현행화된 지적경계에 의한 좌표면적의 산출을 통해 잠재된 지적불부합지를 추가적으로 탐색하였다.
맨홀과 같이 측량폴을 그 위에 위치할 수 있는 경우는 가능하지만 전신주, 신호등과 같이 중심에 폴대를 위치할 수 없는 경우 최단거리의 좌표를 취득하고 해당위치를 도면에 표시하기도 한다. 따라서 본 실험에서는 이러한 상황을 고려하여 고정물의 중심 좌표가 취득된 고정물을 사용한다.
MMAS 처리 순서는 우선 지적도와 지형도로부터 동일한 대상 영역을 추출하여 대상 영역 주변에 존재하는 측정점 주변 고정물과 이에 대응하는 수치지형도의 시설물로부터 대응쌍을 생성하고 지적 필계점과 담장 경계점으로부터 대응쌍을 생성한 후, 생성된 대응쌍을 기준으로 좌표변환을 하여 지적경계의 현행화를 수행한다. 마지막으로 현행화 후의 면적오차를 계산하여 공차범위 내 포함 여부에 따른 지적불부합지를 탐색하였다.
측정점위치설명도의 경우, 대행법인지적측량업무처리지침(1984년도 내무부 예규 595호에 이은 예규 676호)에는 측량성과 차이에 대한 우려를 방지하기 위한 방안의 하나로 측정점위치설명도 작성을 의무화하였다. 본 실험에서 현행화 결과의 평가는 건물의 경계가 자신의 필지에 포함되어있지않은 면적의 크기를 비교하였다.
사용자가 직접 대응쌍을 선택하는 과정은 동일한 고정물 레이어와 수치지형도 레이어만을 화면에 띄운 채 대응쌍 생성 작업을 진행하였다. 예를 들어 대응쌍 생성을 위한 고정물 레이어가 맨홀이라면 수치지형도 레이어도 맨홀 레이어를 화면에 띄운 채 작업하였다.
좌표변환 작업은 사용자에 의해 생성된 대응쌍을 기준으로 Rubber Sheeting 알고리즘을 적용하여 지적도와 수치지형도의 변환을 수행하였다. 앞 과정에서의 Rubber Sheeting 알고리즘에 의해 변환된 지적도를 기준으로 각 필지의 좌표면적과 공차를 계산하여 면적오차가 공차범위를 벗어나는 필지를 탐색하였다.
MMAS 적용 전후의 탐색된 지적불부합지를 비교해볼 때, 테스트지역 1을 대상으로 한 실험에서는 전체 278개 필지를 대상으로 MMAS 전후 각각 15개([그림 6] (a))와 32개([그림 6] (b))의 공차범위 외의 필지를 탐색하여 약 2배의 필지를 탐색하였고, 테스트지역 2를 대상으로는 전체 1,415개 필지 중 MMAS 전후 결과 189개([그림 6] (c))와 272개([그림 6] (d))를 추출하여 약 40%의 불부합 필지를 추가적으로 탐색하였다. <표 3>에 MMAS 적용 전후의 실험결과를 비교하였다.
둘째, 제안 기법은 지적경계의 현행화를 통하여 잠재된 지적불부합지를 탐색한다. 제안 기법의 대응쌍 탐색을 기반으로 현행화를 수행한 후, 면적오차가 공차범위에 포함되는지 여부를 확인하여 기존 지적불부합지 탐색방법을 보완하고 이를 통해 잠재된 지적불부합지를 탐색한다.
본 논문은 현재의 지적불부합지 탐색방법이 지적경계의 현행화 과정 없이 이루어지는 것을 보완하기 위하여 지적경계 현행화를 통한 지적불부합지 탐색 방법인 MMAS를 제안하였다. 제안기법에서는 지적경계를 현행화하기 위한 방법으로 지적도와 현실세계에 동일하게 존재하는 지적측량 과정에서 측정점위치설명도 작성을 위해 취득되는 측정점 주변 고정물과 수치지형도의 시설물 그리고 필계점과 담장의 경계점으로부터 대응쌍을 추출하였고, 현행화를 수행하였다.
첫째, 제안 기법은 지적도와 수치지형도간의 매칭을 위해 두 데이터 집합에 모두 존재하는 현실세계의 점을 사용한다. 지금까지의 연구는 두 데이터 집합에서 동일한 실세계 위치의 기지점을 알 수 없었기 때문에 전문가가 개입하여 양 데이터 집합에서 동일하다고 생각되는 점을 선택해야 했다.
제안 기법은 다음과 같은 차별성을 갖는다. 첫째, 지적경계 현행화를 위하여 지적측량 시 취득되는 측정점 주변 고정물과 수치지형도 상의 이에 대응하는 시설물 그리고 지적필계점과 수치지형도의 담장 경계점을 사용하여 대응쌍을 생성하였다. 둘째, 현재의 지적불부합지 탐색기법이 기하학적인 오류가 배제된 토지(임야)대장 상의 면적만을 고려한 방법을 보완하고, 현행화된 지적경계에 의한 좌표면적의 산출을 통해 잠재된 지적불부합지를 추가적으로 탐색하였다.

대상 데이터

측정점 주변 고정물은 결정된 지적필지 경계점을 측량의뢰인에게 설명하기 위한 측정점위치설명도 작성에 필요한 보조자료로서 각각의 측량작업을 수행함에 따라 개별 측량원도에 기록되므로 일정기간 동안 실험지역에 누적된 고정물 데이터를 활용할 수 있다. 본 실험에 사용된 고정물 데이터는 실험 지역의 대단위 업무에서 취득된 데이터를 활용하였다.
수치지형도에서 사용한 시설물 레이어는 의 대응 레이어를 기준으로 선택하였고, 대응쌍 취득은 사용자가 직접 선택하는 방법을 사용하여 총 387개의 대응쌍을 생성하였다.
실험대상 지역은 대한민국의 경기도의 시·군·구 중에서 수원시 지역의 두 곳을 선정하였고 각각 데이터 집합은 275개 필지(지역1)와 1,415개 필지(지역2)를 포함하고 있다.
• Step 1. 지적도와 수치지형도로부터 대상 영역을 추출한다.

데이터처리

제안하는 MMAS 기법의 평가를 위해서 동일한 데이터 집합에 대해 MMAS에 의한 탐색결과와 기존의 작업자에 의한 분류결과와 비교하였다. 기존 작업자의 분류결과로는 지적재조사사업 초기 지적불부합지 현황을 파악하기 위하여 각 지자체에서 보유하고 있는 지적불부합지로 분류되어 있는 필지를 기준으로 하였다.

이론/모형

기존 작업자의 분류결과로는 지적재조사사업 초기 지적불부합지 현황을 파악하기 위하여 각 지자체에서 보유하고 있는 지적불부합지로 분류되어 있는 필지를 기준으로 하였다. MMAS 기법은 윈도우즈 7 플랫폼에서 실험을 수행하였다. 실험대상 지역은 대한민국의 경기도의 시·군·구 중에서 수원시 지역의 두 곳을 선정하였고 각각 데이터 집합은 275개 필지(지역1)와 1,415개 필지(지역2)를 포함하고 있다.
3에서 생성된 대응쌍을 기준으로 좌표변환을 수행한다. 대응쌍을 통한 좌표변환 방법에는 affine, rubber sheeting, similarity, projective와 같이 4가지 변환기법이 존재하는데, 본 실험에서는 위 4가지 변환기법 중 추출한 대응쌍으로부터 변환 후 가장 낮은 위치 오차결과를 보여준 Rubber sheeting 기법을 사용한다. Rubber sheeting 기법이란 알려진 기준점의 이동을 기준으로 하는 데이터 집합을 새 위치로 이동시키는 비획일적인 조정 방법으로 고무판 기법이라고도 부른다.
대응쌍 생성 작업은 사용자가 직접 두 개의 레이어에서 동일한 실세계 위치라고 생각되는 두 점의 좌표를 기록하였다. 좌표변환 작업은 사용자에 의해 생성된 대응쌍을 기준으로 Rubber Sheeting 알고리즘을 적용하여 지적도와 수치지형도의 변환을 수행하였다. 앞 과정에서의 Rubber Sheeting 알고리즘에 의해 변환된 지적도를 기준으로 각 필지의 좌표면적과 공차를 계산하여 면적오차가 공차범위를 벗어나는 필지를 탐색하였다.

성능/효과

또한, 테스트지역 2의 탐색된 지적불부합지를 실제 조사된 지적불부합지와 비교하였을 때, 실제 조사에서는 테스트지역 2(전체 1,415개 필지)에서 5개 블록에 속하는 135개의 지적불부합지 필지가 조사되었는데, 그 중 MMAS 적용 전 지적불부합지는 2개 블록에 속하는 5개 필지가 지적불부합지로 탐색된 반면, MMAS에 의해 탐색된 지적불부합지는 4개 블록에 속하는 24개 필지가 지적불부합지로 탐색되었다. 조사에 의한 지적불부합지 지정의 기준이 하나의 필지가 지적불부합지로 판단되면 해당 블록 전체 필지를 지적불부합지로 규정하는 것으로 볼 때, MMAS 기법에 의한 테스트지역 2에서의 실험은 전체 조사된 지적불부합지 중 80%에 해당하는 블록을 탐색하였고, 그 외에도 다수의 잠재된 지적불부합지 블록을 탐색하였다.
MMAS의 적용 전후를 비교하였을 때, 건물의 경계가 자신의 필지 면적에 완전히 포함되는 건물의 수가 38개에서 61개로 약 60% 증가하였다. 오류면적을 건물의 경계가 자신의 필지 면적을 벗어난 면적으로 정의할 때, 전체 오류면적은 MMAS 적용 전 413㎡에서 적용 후 189㎡로 약 55% 감소하였다.
따라서 제안기법을 통한 보다 넓은 범위의 지적불부합지 탐색은 지적재조사의 시행착오를 줄여줄 것이다. 하지만 제안된 방법은 대상 지역이 넓어질수록 골고루 분포된 대응쌍을 취득해야만 일관성있는 결과를 얻을 수 있다. 또한, 대응쌍을 취득하는 과정을 수작업으로 수행하였기 때문에 전국을 대상으로 적용하기에는 많은 작업량을 필요로 한다.

후속연구

또한, 대응쌍을 취득하는 과정을 수작업으로 수행하였기 때문에 전국을 대상으로 적용하기에는 많은 작업량을 필요로 한다. 따라서 대응쌍을 자동으로 취득할 수 있는 자동화기법의 연구가 필요하고, 더 나아가 근본적인 문제 해결을 위한 방법으로 전국망 기준점에 대한 연구가 필요하다.
본 연구는 지적불부합지 현황조사의 범위를 잠재된 지적불부합지까지 확장할 수 있는 기반을 마련하였다. 따라서 제안기법을 통한 보다 넓은 범위의 지적불부합지 탐색은 지적재조사의 시행착오를 줄여줄 것이다. 하지만 제안된 방법은 대상 지역이 넓어질수록 골고루 분포된 대응쌍을 취득해야만 일관성있는 결과를 얻을 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	MMAS는 무엇인가?	본 논문은 현재의 지적불부합지 탐색 방법이 지적경계의 현행화 과정 없이 이루어지는 것을 보완하기 위하여 지적경계 현행화 기반의 탐색 기법인 MMAS를 제안하고자 한다. MMAS는 지적측량 시 취득한 측정점 주변 고정물을 이용하여 지적경계를 현행화한 후 지적불부합지를 탐색하는 기법이다. MMAS 처리 순서는 우선 지적도와 지형도로부터 동일한 대상 영역을 추출하여 대상 영역에 존재하는 지적측량 시 취득한 측정점 주변 고정물과 이에 대응하는 수치지형도의 시설물 그리고 지적 필계점과 담장 경계점을 이용하여 대응쌍을 생성한다.
	지적경계는 어떠한 형태로 표현되는가?	지적경계는 지적(임야)도 상의 경계점을 현장에 복원하여 연결된 선이다. 그 경계는 하나의 필지를 구성하고, 필지의 모양은 폴리곤 형태로 표현된다. 이러한 폴리곤들은 하나의 필지 경계가 끝나는 곳에서 또 다른 경계가 시작되어야 하고, 그 등록 경계는 현실세계의 경계와 정확히 일치해야 하며 소유권을 보장 받는 경계로서 정확한 위치를 가져야 한다.
	서로 다른 기준점 사용과 수치적 오류의 전이 외에 지적을 구성하는 필지들이 부정확한 위치 정확도를 가지는 원인은 무엇이 있는가?	지적을 구성하는 필지들이 부정확한 위치 정확도를 가지는 것은 도면축척의 다양성, 측량원점의 통일성 결여, 행정구역 경계의 목측등록, 지적복구의 오류, 지적 서고에 오랜 기간 보관되는 과정 중에 생긴 지적 원도의 이완, 수축이 가장 큰 원인이고, 다음으로 지적전산화를 위한 종이 지적의 벡터화 과정에서 생긴, 서로 다른 작업자의 숙련도에 따른 필계점의 위치 오차 등이 있다. 또한, 서로 다른 기준점 사용에 따른 측량성과 상이가 문제가 될 수 있고, 측량성과를 데이터베이스에 적용할 때 생기는 수치적 오류의 전이가 원인이 되기도 한다(Chrisman, 1987; Ubeda and Egenhofer, 1997).

참고문헌 (12)

행정자치부(2003), 항공사진측량기법을 이용한 지적불부합지 정리방안 연구.
홍성언.이동헌.박수홍(2004), 고해상도 위성 영상과 수치지형도를 이용한 지목 불부합의 정도 측정, 한국GIS학회, 제12권, 1호.
홍성언.김현석(2006), 지적전문가 지식 기반의 반자동 방식에 의한 지적불부합지 정리 방법 개발, 한국GIS학회, 제14권, 3호.
홍성언(2011), 지적불부합지의 유형별 조사와 정리 방법 연구, 국토지리학회지, 제45권, 3호.
Beard, M.K. and Chrisman, N.R. (1988), Zipper: a localized approach to edge matching. The American Cartographer, Vol.15, No.2, pp.163-172.

상세보기
Butenuth, M., Gosseln, G.v., Tiedge, M., Heipke, C., Lipeck, U. and Sester, M. (2007), Integration of heterogeneous geospatial data in a federated database, ISPRS Journal of Photogrammetry and Remote Sensing, Vol.62, No.5, pp.328-346.

상세보기
Cho, S., Punithan, M. X., Gim, J., & Huh, Y. (2014). Tagging-the-triangle algorithm for partitioning features with inconsistent boundaries, International Journal of Geographical Information Science, Vol.28, No.12, pp.2533-2550.

상세보기
Chrisman, R. (1987), Efficient digitizing through the combination of appropriate hardware and software for error detection and editing, Journal of Geographical Information Systems, Vol.1, No.3, pp.265-277.

상세보기
Gosseln, G. and Sester, M., (2003), Change detection and integration of topographic updates from ATKIS and geoscientific data sets, In Proceedings of international conference on next generation geospatial information, Boston, USA.
Huh, Y., Kim, J., Yu, K., & Cho, S. (2014). M:N object matching between image and map object data sets by means of latent semantic analysis, International Journal of Remote Sensing, Vol. 35, No. 18, pp.6799-6814.

상세보기
Saalfeld, A. (1988), Conflation-automated map compilation, International Journal of Geographical Information Systems, Vol.2, No.3, pp.217-228.

상세보기
Ubeda, T., Egenhofer, M. (1997), Advances in Spatial Databases, Fifth International Symposium on Large Spatial Databases, SSD'97, Lecture Notes in Computer Sciences, Berlin, Springer, pp.283-287.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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