빅데이터 시대로 진입하게 되면서 전 세계적으로 생산 및 공유되어지는 무수한 양의 데이터를 활용하고자 하는 노력이 곳곳에서 이루어지고 있다. 특히, 이러한 데이터와 발전된 기술을 통해 국토와 도시 공간에서 일어나는 현상들을 분석함으로써 기존의 전통적 방식에서 보여주지 못하던 새로운 정보를 제공 할 수 있는 가능성과 이에 대한 기대가 커지고 있다. 따라서 기존의 틀을 넘어서는 정보의 구득 방식, 활용 및 전달을 위한 과학적이고 효과적인 방법과 수단이 필요하며 이를 공공의 의사결정의 지원수단으로 활용하려는 노력도 함께 요구된다. 이 연구는 국토도시계획지원(planningsupport)의 한 수단으로 공간 빅데이터의 동태적 시각화 모형의 개발과 실증적용에 주요한 목적을 두고 수행하였다. 주요한 내용은 다음과 같다. 첫째, 데이터 시각화의 개념과 의미와 함께 계획지원 또는 의사결정에서의 공간 빅데이터 시각화의 적용이 가지는 효용성을 살펴보고 시사점을 고찰하였다. 둘째, 공간 빅데이터 동태적 시각화 모형을 개발하고, 제주도를 대상으로 실증적용을 수행하였다. 도시 공간의 현황 파악과 문제 해결을 지원하기 위한 데이터의 시각화 자체는 새로운 것은 아니다. 그러나 빅데이터와 새로운 시각화 툴을 활용할 경우 기존의 방식과는 차별되는 결과를 도출할 수 있다. 본 연구는 위와 같은 내용을 바탕으로 향후 계획지원을 위한 데이터 시각화의 활용성을 체계적으로 검토하고, 이를 확대하기 위한 방안을 구축하는데 필요한 시사점을 제시하였다.
빅데이터 시대로 진입하게 되면서 전 세계적으로 생산 및 공유되어지는 무수한 양의 데이터를 활용하고자 하는 노력이 곳곳에서 이루어지고 있다. 특히, 이러한 데이터와 발전된 기술을 통해 국토와 도시 공간에서 일어나는 현상들을 분석함으로써 기존의 전통적 방식에서 보여주지 못하던 새로운 정보를 제공 할 수 있는 가능성과 이에 대한 기대가 커지고 있다. 따라서 기존의 틀을 넘어서는 정보의 구득 방식, 활용 및 전달을 위한 과학적이고 효과적인 방법과 수단이 필요하며 이를 공공의 의사결정의 지원수단으로 활용하려는 노력도 함께 요구된다. 이 연구는 국토도시계획지원(planning support)의 한 수단으로 공간 빅데이터의 동태적 시각화 모형의 개발과 실증적용에 주요한 목적을 두고 수행하였다. 주요한 내용은 다음과 같다. 첫째, 데이터 시각화의 개념과 의미와 함께 계획지원 또는 의사결정에서의 공간 빅데이터 시각화의 적용이 가지는 효용성을 살펴보고 시사점을 고찰하였다. 둘째, 공간 빅데이터 동태적 시각화 모형을 개발하고, 제주도를 대상으로 실증적용을 수행하였다. 도시 공간의 현황 파악과 문제 해결을 지원하기 위한 데이터의 시각화 자체는 새로운 것은 아니다. 그러나 빅데이터와 새로운 시각화 툴을 활용할 경우 기존의 방식과는 차별되는 결과를 도출할 수 있다. 본 연구는 위와 같은 내용을 바탕으로 향후 계획지원을 위한 데이터 시각화의 활용성을 체계적으로 검토하고, 이를 확대하기 위한 방안을 구축하는데 필요한 시사점을 제시하였다.
The advancement and the spread of information and communication technology (ICT) changes the way we live and act. Computer and ICT devices become smaller and invisible, and they are now virtually everywhere in the world. Many socio-economic activities are now subject to the use of computer and ICT d...
The advancement and the spread of information and communication technology (ICT) changes the way we live and act. Computer and ICT devices become smaller and invisible, and they are now virtually everywhere in the world. Many socio-economic activities are now subject to the use of computer and ICT devices although we don't really recognize it. Various socio economic activities supported by digital devices leave digital records, and a myriad of these records becomes what we call'big data'. Big data differ from conventional data we have collected and managed in that it holds more detailed information of socio-economic activities. Thus, they offer not only new insight for our society and but also new opportunity for policy analysis. However, the use of big data requires development of new methods and tools as well as consideration of institutional issues such as privacy. The goals of this research are twofold. Firstly, it aims to understand the opportunities and challenges of using big data for planning support. Big data indeed is a big sum of microscopic and dynamic data, and this challenges conventional analytical methods and planning support tools. Secondly, it seeks to suggest ways of visualizing such spatial big data for planning support. In this regards, this study attempts to develop a dynamic visualization model and conducts an experimental case study with mobile phone big data for the Jeju island. Since the off-the-shelf commercial software for the analysis of spatial big data is not yet commonly available, the roles of open source software and computer programming are important. This research presents a pilot model of dynamic visualization for spatial big data, as well as results from them. Then, the study concludes with future studies and implications to promote the use of spatial big data in urban planning field.
The advancement and the spread of information and communication technology (ICT) changes the way we live and act. Computer and ICT devices become smaller and invisible, and they are now virtually everywhere in the world. Many socio-economic activities are now subject to the use of computer and ICT devices although we don't really recognize it. Various socio economic activities supported by digital devices leave digital records, and a myriad of these records becomes what we call'big data'. Big data differ from conventional data we have collected and managed in that it holds more detailed information of socio-economic activities. Thus, they offer not only new insight for our society and but also new opportunity for policy analysis. However, the use of big data requires development of new methods and tools as well as consideration of institutional issues such as privacy. The goals of this research are twofold. Firstly, it aims to understand the opportunities and challenges of using big data for planning support. Big data indeed is a big sum of microscopic and dynamic data, and this challenges conventional analytical methods and planning support tools. Secondly, it seeks to suggest ways of visualizing such spatial big data for planning support. In this regards, this study attempts to develop a dynamic visualization model and conducts an experimental case study with mobile phone big data for the Jeju island. Since the off-the-shelf commercial software for the analysis of spatial big data is not yet commonly available, the roles of open source software and computer programming are important. This research presents a pilot model of dynamic visualization for spatial big data, as well as results from them. Then, the study concludes with future studies and implications to promote the use of spatial big data in urban planning field.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 이러한 배경 속에서 공간 빅데이터의 시각화가 가지는 정책지원수단으로의 특징과 장점을 밝히고자 하며, 이를 위한 동태적 시각화 모형을 개발하고자 하였다. 그리고 실증 분석을 통해 시각화의 활용성을 검토하고 시사점을 제공하고자 한다. 공간 빅데이터의 동태적 시각화를 위해 오픈소스 소프트웨어인 프로세싱 (Processing)의 라이브러리를 활용하여 자바 (Java) 언어로 모형을 설계하였으며, 제주도를 대상으로 휴대폰 기반의 유동인구 데이터를 활용하여 시간별 활동의 변화를 미시적이고 동태 적으로 시각화하였다.
따라서 본 연구에서는 GIS와 함께 Java 기반의 오픈소스 공간정보시각화 프로그램인 Processing을 활용하여 분석함으로써, 이러한 한계를 극복하고 공간 빅데이터가 가지는 동태적이고 미시적인 특성을 시각화하여 나타내고자 한다.
본 연구는 이러한 배경 속에서 공간 빅데이터의 시각화가 가지는 정책지원수단으로의 특징과 장점을 밝히고자 하며, 이를 위한 동태적 시각화 모형을 개발하고자 하였다. 그리고 실증 분석을 통해 시각화의 활용성을 검토하고 시사점을 제공하고자 한다.
이 연구는 도시공간 내에서 무수히 발생되는 공간 빅데이터와 발전된 컴퓨팅 기술이라는 기회요인의 도시계획적 또는 도시정책적 활용가능성을 탐색하기 위해 출발하였다.
한편 공간 빅데이터의 특성을 잘 나타내는 시각화를 위해서는 기존의 전통적인 GIS소프트 웨어로는 일정한 한계가 있어, 차별화된 시각화 도구와 수단이 필요하며, 이와 같은 문제인식하에 이 연구에서는 오픈소스 소프트웨어인 프로세싱을 활용하여 공간 빅데이터를 시각하고자 하였다. 그러나 해당 소프트웨어는 공간 빅데이터가 가지고 있는 다양한 속성정보를 효과적으로 표현하는데는 한계가 있으며, 이 연구에서 개발한 시각화 모형도 공간 빅데이터의 내용적 속성을 다양하게 시각화하는 데에는 한계가 있다.
제안 방법
그리고 실증 분석을 통해 시각화의 활용성을 검토하고 시사점을 제공하고자 한다. 공간 빅데이터의 동태적 시각화를 위해 오픈소스 소프트웨어인 프로세싱 (Processing)의 라이브러리를 활용하여 자바 (Java) 언어로 모형을 설계하였으며, 제주도를 대상으로 휴대폰 기반의 유동인구 데이터를 활용하여 시간별 활동의 변화를 미시적이고 동태 적으로 시각화하였다.
동일 시간대의 활동정보를 한 화면(한 프레임)에 표현을 한 후, 정적인 이미지를 시간에 따라 애니메이션(animation)형태로 표현하였다.
이와 같은 한계를 극복하기 위해서는 다른 형태의 시각화 방법이 필요한데, 이를 위해 시 각 디자인 분야의 오픈소스 소프트웨어인 Processing을 활용하였는데, Processing은 MIT의 벤플라이(Ben Fry)와 카세이레스(Casey Reas)가 고안한 자바(Java) 기반의 오픈 프로그램으로 서로 다른 운영체재간 호환성이 높고, 상대적으로 빠른 구현속도를 가지고 있다. 또한 공간데이터의 시각화 및 애니메이션을 지원하는 라이브러리를 제공하고 있는 점 등을 고려하여 이 연구에서 공간 빅데이터 시각화 모형개발을 위한 수단으로 활용하였다.
또한 시각화된 자료가 의사소통 수단으로 가지는 특징과 장점을 살펴 보았는데, 시각자료는 뇌의 지각(perception) 능력을 활용하여 많은 정보를 빠르고 효과적인 방식으로 전달하고, 의사소통의 장애(언어, 문 화, 다른 전공 등)을 극복할 수 있으며, 많은 자료를 한 눈에 파악하게 함으로써 전체적인 현상의 관찰과 직관적인 통찰력을 제공할 수 있다는 것을 알 수 있었다. 마지막으로, 공간 빅데이터의 특징과 장점을 검토해 보았고 민간 부문의 공간 빅데이터인 유동인구 빅데이터를 동태적으로 시각화하여 실증분석을 수행하였다.
시점에 따라 다소 유동성은 있으나 제주도 내의 휴대폰 기반의 유동인구는 아래의 그림과 같은 약 6만여개 포인트에 대해 매 시간 단위로 수집, 구축되고 있는데, 각 포인트의 X, Y 좌표값을 활용하여 지오코딩을 수행하여 공간 정보화하였다. 이렇게 구축된 유동인구 자료를 제주도의 상주인구 통계 수집단위와 비교하면 아래의 그림과 같다.
애니메이션3)은 정적인 여러 이미지를 빠르게 순차적으로 보여줌으로써 점차적인 시간의 흐 름에 따른 변화를 볼 수 있게 해 주는 기술로 본 연구에서는 이를 활용하여 시간의 변화에 따른 실제적인 인구의 미시적 움직임에 대한 이해를 넓히기 위해 이와 같은 시각화 방법을 적용하였다.
대상 데이터
시각화 모형개발과 적용을 위한 사례지역으로 제주도를 선정하여 자료를 구득하였다. 제주도는 우리나라 최남단, 최대의 섬으로 면적은 약 1,845㎢이며, 2015년을 기준으로 인구는 약 62만명이다
이 데이터는 전국을 50m× 50m의 셀로 구획하고(전국 약 300만 포인트) 그 범위 내 신호의 양을 측정하여 해당 셀에서의 유동 인구를 매 시간 단위로 표시하여 제공하고 있다.
공간 빅데이터의 유형은 다양하게 정의될 수 있으나, 실제로 구득하여 가용한 공간 빅데이터는 상대적으로 많지 않은 실정이다. 현재 연구용 또는 업무용으로 자주 활용되는 대표적인 공간 빅데이터로는 버스 승하차 정보를 포함하는 교통카드 데이터, 소비활동 위치를 나타내는 신용카드 데이터와 휴대폰 사용자의 위치정보를 나타내는 휴대전화 사용자 데이터 등이 있는데, 이 연구에서는 SKT 지오비전에서 제공하는 유동인구 데이터(2013년 3월~2014년 2 월)를 활용하였다. 이 데이터는 전국을 50m× 50m의 셀로 구획하고(전국 약 300만 포인트) 그 범위 내 신호의 양을 측정하여 해당 셀에서의 유동 인구를 매 시간 단위로 표시하여 제공하고 있다.
성능/효과
2) 기술적, 제도적 문제 등으로 인하여 시간과 장소에 관한 구체적 정보까지 제공되지 않는 경우가 많으나, 공간 빅데이터의 근본적인 특성은 시간과 장소의 구체성을 보유하고 있다는 것이다.
3) 많은 사람들이 애니메이션을 움직임과 같은 뜻으로 이해하지만, 애니메이션은 시각적 효과를 가지는 모든 변화를 포함한다. 즉, 형태의 변화, 색체, 투명도, 구조, 그리고 객체의 텍스처, 빛의 변화, 카메라의 위치, 각도, 그리고 포커스 등을 포함한다(Langendorf, 2001).
예를 들어 제주도의 경우 대부분의 상주인구는 제주시와 서귀포시의 도시부에 거주하고 있는데, 미시적 공간 단위를 유동인구 빅데이터를 시각화한 결과, 상주인구가 많지는 않으나, 유동인구는 많은 다양한 장소들에 대한 위치를 손쉽게 파악할 수 있었다. 그리고 더 나아가 동일한 위치와 장소의 무수히 많은 서로 다른 시간 차원을 시각화 함으로써 해당 장소의 시간대별 변화, 요일별 변화, 계절별 변화 등을 직관적으로 파악할 수 있었다.
동태적 시각화 모형을 개발하고 이를 통해 시각화를 수행한 결과 단일한 화면 또는 도면 형태의 정태적 시각화에서는 확인할 수 없었던 새로운 사실관계롤 손쉽게 파악할 수 있었다. 먼저 50m 셀 단위의 공간 빅데이터 시각화는 기존의 통계 데이터로는 파악할 수 없었던 구체적인 사실관계를 보여주었다.
이러한 노력의 일환으로 먼저 공간 빅데이터의 시각화가 계획지원에 있어서 가질 수 있는 장점을 살펴보았는데, 복잡해지는 도시의 문제 해결을 위하여 비전문가를 포함한 다양한 배경의 사람들이 참여하고 협력하는 과정에서, 효과적인 의사소통과 협력을 돕는 자료로 활용할 수 있음을 제시하였다. 또한 시각화된 자료가 의사소통 수단으로 가지는 특징과 장점을 살펴 보았는데, 시각자료는 뇌의 지각(perception) 능력을 활용하여 많은 정보를 빠르고 효과적인 방식으로 전달하고, 의사소통의 장애(언어, 문 화, 다른 전공 등)을 극복할 수 있으며, 많은 자료를 한 눈에 파악하게 함으로써 전체적인 현상의 관찰과 직관적인 통찰력을 제공할 수 있다는 것을 알 수 있었다. 마지막으로, 공간 빅데이터의 특징과 장점을 검토해 보았고 민간 부문의 공간 빅데이터인 유동인구 빅데이터를 동태적으로 시각화하여 실증분석을 수행하였다.
동태적 시각화 모형을 개발하고 이를 통해 시각화를 수행한 결과 단일한 화면 또는 도면 형태의 정태적 시각화에서는 확인할 수 없었던 새로운 사실관계롤 손쉽게 파악할 수 있었다. 먼저 50m 셀 단위의 공간 빅데이터 시각화는 기존의 통계 데이터로는 파악할 수 없었던 구체적인 사실관계를 보여주었다. 예를 들어 제주도의 경우 대부분의 상주인구는 제주시와 서귀포시의 도시부에 거주하고 있는데, 미시적 공간 단위를 유동인구 빅데이터를 시각화한 결과, 상주인구가 많지는 않으나, 유동인구는 많은 다양한 장소들에 대한 위치를 손쉽게 파악할 수 있었다.
Langendorf(2001)는 도시계획 및 관리와 관련한 데이터 시각화의 필요성에 대한 다음의 네 가지의 전제(premise)를 언급하였다. 첫째는 도시와 이웃, 지역은 복잡한 현상들을 내포하고 있으며 이를 이해하고 미래를 예측하는 것은 어렵다는 점, 두 번째는 시간이 갈수록 과거에 비해 생성되는 정보의 양이 무한히 증대하는 시대 에 살고 있다는 점, 세 번째는 복잡한 정보는 시각화를 통해 이해의 폭이 넓어질 수 있다는 점, 마지막으로 의사소통과 협력이 요구되어지는 복잡한 문제해결에 있어서, 시각화는 참여자 들의 소통을 돕는 효과를 가진다는 점이다.
후속연구
이는 빅데이터 시각화를 통해 많은 데이터 자료를 짧은 시간 안에 효과적인 방식으로 접하고, 직관적인 이해와 그에 따른 즉각적 상황 판단이 가능해 질 수 있기 때문이다. 그 결과 현재에 대한 좀 더 명확한 관찰과 이를 근거로 한 미래에 대한 예측이 가능할 것이다.
빅데이터 분야의 빠른 발전에 따라 이를 효과적으로 시각화하는 소프트웨어들도 급증하고 있다. 그러나 공간 빅데이터가 가지는 미시적인 시공간의 단면들과 이에 연계된 각종 속성정보를 유연하게 시각화할 수 있는 소프트웨어의 개발과 활용은 아직 미흡하다고 할 수 있는데, 일반적인 범용툴이 개발되고 보급되기 전까지는 이 연구에서 시도한 것과 같이 다양한 관점에서 공간 빅데이터의 시각화에 대한 지속적인 연구개발이 필요할 것으로 생각된다.
한편 공간 빅데이터의 특성을 잘 나타내는 시각화를 위해서는 기존의 전통적인 GIS소프트 웨어로는 일정한 한계가 있어, 차별화된 시각화 도구와 수단이 필요하며, 이와 같은 문제인식하에 이 연구에서는 오픈소스 소프트웨어인 프로세싱을 활용하여 공간 빅데이터를 시각하고자 하였다. 그러나 해당 소프트웨어는 공간 빅데이터가 가지고 있는 다양한 속성정보를 효과적으로 표현하는데는 한계가 있으며, 이 연구에서 개발한 시각화 모형도 공간 빅데이터의 내용적 속성을 다양하게 시각화하는 데에는 한계가 있다.
많은 데이터들이 모여 정보가 되고, 이는 또 지식이 되어 의사결정에 영향을 미칠 것이다. 더욱이 현재와 같이 도시 곳곳에서 빅데이터가 생성되고 이와 함께 컴퓨터 기술의 발달, 새로운 빅데이터 분석 및 시각화 소프트웨어의 등장에 따라 이전 자료에서 발견하지 못했던 새로운 정보가 시각화를 통해 효과적으로 전달된다면, 이를 활용하는 정책결정자의 통찰력은 증대될 수 있을 것이다. 이는 빅데이터 시각화를 통해 많은 데이터 자료를 짧은 시간 안에 효과적인 방식으로 접하고, 직관적인 이해와 그에 따른 즉각적 상황 판단이 가능해 질 수 있기 때문이다.
한편, 시각화된 데이터가 불특정 사용자에게 전달될 때, 같은 내용에 대한 주관적 해석으로 인해 사용자 간의 해석의 차이가 발생할 수도 있다는 문제점이 있기에(Kim, 2014) 데이터의 효과적 가공과 명확한 전달이 요구된다. 따라서 통계분석과 디자인적 요소와 함께 정보 지각, 인지 등 시각화와 인간의 정보습득에 관련된 연구도 함께 진행될 필요가 있을 것으로 보인다.
위 ①~④의 사실들은 공간 데이터의 특성인 ‘많은 양의 데이터’, ‘미시적(micro), 동태 적(dynamic) 속성’이 시각화로 표현될 때 현대 도시 내의 동태적이고 미시적인 많은 양의 활동 정보를 전달하여 직관적 판단과 빠른 대응 준비, 미래의 예측에 도움을 줄 수 있는 적합한 도구로 활용될 수 있다는 것을 말해준다. 실제 활동을 더욱 잘 나타내는 정보는 수요자가 체감할 수 있는 공공서비스 제공의 가능성을 높이는데 도움이 되리라 판단된다. 이러한 효과는 기존 전통적인 자료로부터는 알 수 없는 부분이었다.
이 연구에서는 공간 빅데이터가 가지는 시공간적 구체성과 동태성에 주목하여 매 시간 단 위의 흐름에 따른 공간적 활동의 변화를 시각화 하고자 하는데, 이 경우 전통적인 GIS 소프트웨어로는 다양한 시간차원의 시각화에 한계를 가지게 된다.
이러한 노력의 일환으로 먼저 공간 빅데이터의 시각화가 계획지원에 있어서 가질 수 있는 장점을 살펴보았는데, 복잡해지는 도시의 문제 해결을 위하여 비전문가를 포함한 다양한 배경의 사람들이 참여하고 협력하는 과정에서, 효과적인 의사소통과 협력을 돕는 자료로 활용할 수 있음을 제시하였다. 또한 시각화된 자료가 의사소통 수단으로 가지는 특징과 장점을 살펴 보았는데, 시각자료는 뇌의 지각(perception) 능력을 활용하여 많은 정보를 빠르고 효과적인 방식으로 전달하고, 의사소통의 장애(언어, 문 화, 다른 전공 등)을 극복할 수 있으며, 많은 자료를 한 눈에 파악하게 함으로써 전체적인 현상의 관찰과 직관적인 통찰력을 제공할 수 있다는 것을 알 수 있었다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 시각화의 정의는 무엇인가?
즉, 특정한 정보를 효과적으로 전달하고 전달받는 것이 그 목적이다. 좀 더 좁은 의미에서 데이터 시각화(data visualization)는 데이터를 시각적으로 표현하는 과학으로, 정보의 속성 혹은 변수 등을 포함하여 개략적인 형태의 추상화된 정보(Friendly, 2009)로 정의되고 있다. 또한, 데이터 시각화의 목적은 시각화(그래픽 수단)를 통해 명확하고 효과적으로 정보를 교류(Communication)하는 것으로 정의되고 있다(Friedman, 2008).
데이터 시각화는 어떻게 분류되는가?
데이터 시각화는 정보 시각화, 과학적 시각화, 인포그래픽스 등으로 나눌 수 있다(Choe, 2013). 정보 시각화(Information Visualization)는 대규모의 데이터를 시각화를 구성하는 색채, 통계 (도표, 그래프 등), 이미지 등을 활용하여 요약 적으로 표현하는 것이다.
두 가지 이상의 시각화 방법을 함께 사용했을 때 얻을 수 있는 효과는 무엇인가?
두 가지 이상의 시각화 방법이 함께 사용한다면 더욱 많은 정보를 효과적으로 나타낼 수도 있는데, 예를 들어 시계열 자료가 공간(지도) 상에 시간의 흐름에 따라 애니메이션으로 표현 된다면 시간에 따른 공간적 변화의 특성을 살펴 볼 수 있을 것이다. 이를 통해 특정 지역의 인구 변화, 경제활동의 변화, 부동산 가격의 변화의 패턴 등을 살펴볼 수 있을 것이며, 자료를 보는 이들에게 기존보다 더 많은 정보를 제공하게 된다.
참고문헌 (13)
Ahn, C.M. 2013. A Study on the current status of Data Visualization. Proceedings of Symposium of the Korean Institute of communications and Information Sciences. pp.868-869 (안춘모. 2013. 데이터 시각화의 현황과 전망에 관한 연구. 한국통신학회 학술대회논문집, 868-869쪽).
Bosselmann, P. 1998. Representation of places. Reality an realism in city design. University of California Press, Berkeley, California.
Choe, G.S., Y.G. Ham, and S.H. Kim. 2013. Big data visualization. KSCI review 21(1):33-43 (최광선, 함영경, 김선호, 2013. 빅데이터 시각화. 한국컴퓨터정보학회지 21(1):33-43).
Friedman, V. 2008. Data visualization and infographics. Smashing Magazine. http://www.smashingmagazine.com/2008/01/14/mondayinspiration-data-visualization-and-infographics/
Friendly, M. 2006. A brief history of data visualization. In: C. Chen et al.(ed.). Handbook of Data Visualization. Springer Handbooks Computational Statistics. Springer, Berlin, Heidelberg, pp.15-56.
Friendly, M. 2009. Milestones in the history of thematic cartography, statistical graphics, and data visualization. http://www.math.usu.edu/-symanzik/teaching/2009_stat6560/Downloads/Friendly_milestone.pdf
Kim, D.H. 2015. Spatial big data analysis and application for national and urban policy. Real Estate Focus, 84. pp.26-41. (김동한. 2015. 국토도시 정책을 위한 공간 빅데이터 분석과 활용. 부동산 포커스, 84: 26-41쪽).
Kim, H.Y. 2014. Case study of big data visualization. Journal of Integrated Design Research, 13(4):125-136). (김형년. 2014. 빅데이터 비주얼라이제이션 사례 분석. Journal of Integrated Design Research, 13(4):125-136).
Kim, M.S. 2013. Spatial big data issue. The Korean Society for Geospatial Information Science. pp.33-43 (김민수. 2013. 공간 빅데이터 이슈. 한국지형공간정보학회 학술대회, 33-43쪽).
Klosterman, R.E. 2001. Planning Support Systems: a new perspective on computer-aided planning. In: R.K. Brail and R.E Klosterman(ed.). Planning Support Systems Integrating geographic information systems, models, and visualization tools. ESRI Press. pp.1-23.
Langendorf, R. 2001. Computer-aided visualization: Possibilities for urban design, Planning, and Management. In: R.K. Brail and R.E Klosterman(ed.). Planning Support Systems Integrating geographic information systems, models, and visualization tools. ESRI Press. pp.309-359.
McCormick, B.H., T.A. DeFanti and M.D. Brown. 1987. Visualization in scientific computing. Computer Graphics 21(6). 1987.
Yau, N. 2011. Visualize this: the flowing data guide to design, visualization, and statistics. John Wiley & Sons.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.