최근 빅데이터 기술시장의 성장과 함께 시각화 기술에 관한 관심은 지난 몇 년간 꾸준히 증가해왔다. 데이터 시각화는 현재 정보과학, 컴퓨터과학, 인간·컴퓨터 상호작용, 통계, 데이터마이닝, 지도학, 저널리즘 등의 광범위한 학문 분야에서 각기 조금씩 다른 의미로 사용되고 있다. 다학제적 연구가 필요한 스마트시티에서의 빅데이터 시각화는 사용자 중심의 스마트시티 서비스와 관련 정책을 전개하는데 있어 객관적이고 과학적인 접근을 가능하게 한다. 특히 공간 기반의 데이터 시각화는 도시정책 수립 과정에서 시각화 자료를 통해 다양한 이해관계자들의 효율적인 협업을 가능하게 한다. 본 논문은 선행연구를 통해 단순히 시각화 도구가 아닌 효과적인 정보전달 관점에서 공간기반의 빅데이터 시각화 표현 프로세스와 원리에 대해 고찰하였다. 데이터 시각화 모델 프로세스 및 시각화목적에 따른 시각화 표현기법, 디자인조형요소에 따른 특징과 시각화기법을 각각 도출하여 사용자 중심의 공간빅데이터 시각화 표현에 대한 방향성과 시사점을 제시하였다.
최근 빅데이터 기술시장의 성장과 함께 시각화 기술에 관한 관심은 지난 몇 년간 꾸준히 증가해왔다. 데이터 시각화는 현재 정보과학, 컴퓨터과학, 인간·컴퓨터 상호작용, 통계, 데이터마이닝, 지도학, 저널리즘 등의 광범위한 학문 분야에서 각기 조금씩 다른 의미로 사용되고 있다. 다학제적 연구가 필요한 스마트시티에서의 빅데이터 시각화는 사용자 중심의 스마트시티 서비스와 관련 정책을 전개하는데 있어 객관적이고 과학적인 접근을 가능하게 한다. 특히 공간 기반의 데이터 시각화는 도시정책 수립 과정에서 시각화 자료를 통해 다양한 이해관계자들의 효율적인 협업을 가능하게 한다. 본 논문은 선행연구를 통해 단순히 시각화 도구가 아닌 효과적인 정보전달 관점에서 공간기반의 빅데이터 시각화 표현 프로세스와 원리에 대해 고찰하였다. 데이터 시각화 모델 프로세스 및 시각화목적에 따른 시각화 표현기법, 디자인조형요소에 따른 특징과 시각화기법을 각각 도출하여 사용자 중심의 공간빅데이터 시각화 표현에 대한 방향성과 시사점을 제시하였다.
With the recent growth of the big data technology market, interest in visualization technology has steadily increased over the past few years. Data visualization is currently used in a wide range of disciplines such as information science, computer science, human-computer interaction, statistics, da...
With the recent growth of the big data technology market, interest in visualization technology has steadily increased over the past few years. Data visualization is currently used in a wide range of disciplines such as information science, computer science, human-computer interaction, statistics, data mining, cartography, and journalism, each with a slightly different meaning. Big data visualization in smart cities that require multidisciplinary research enables an objective and scientific approach to developing user-centered smart city services and related policies. In particular, spatial-based data visualization enables efficient collaboration of various stakeholders through visualization data in the process of establishing city policy. In this paper, a user-centered spatial big data visualization expression request method was derived by examining the spatial-based big data visualization expression process and principle from the viewpoint of effective information delivery, not just a visualization tool.
With the recent growth of the big data technology market, interest in visualization technology has steadily increased over the past few years. Data visualization is currently used in a wide range of disciplines such as information science, computer science, human-computer interaction, statistics, data mining, cartography, and journalism, each with a slightly different meaning. Big data visualization in smart cities that require multidisciplinary research enables an objective and scientific approach to developing user-centered smart city services and related policies. In particular, spatial-based data visualization enables efficient collaboration of various stakeholders through visualization data in the process of establishing city policy. In this paper, a user-centered spatial big data visualization expression request method was derived by examining the spatial-based big data visualization expression process and principle from the viewpoint of effective information delivery, not just a visualization tool.
본 연구의 연구방법으로는 문헌연구에 기반을 둔 내용분석법으로 수행된다. 공간빅데이터 시각화 및 스마트시티와 빅데이터의 개념과 활용과 관련한 선행연구와 문헌을 통해 공간빅데이터 시각화표현의 원리와 원칙을 고찰한다. 이를 통해 공간데이터 시각화 프로세스별로 탐색되고 논의되어야 할 분석항목을 비교 검토하여 가이드라인으로 제시하고자 한다.
이는 최근 시각화에 대한 관심이 증가하면서 그에 대한 기법이 점차 다양해지고 있으나, 시각화 기법의 가장 근본이 되는 기본 원리와 원칙은 디자인 표현의 기본요소로 모두 함축되고 있다. 그에 따라 본 논문에서는 근본적인 시각화기법의 요소를 파악하기 위해 디자인 조형요소를 기반으로 제시하였다.
Muzammil Khan, Sarwar Shah Khan은 시각화 기법으로 데이터 시각화와 정보시각화 유형을 제시하였다. 데이터 시각화로는 Table, Pie chart, Bar chart, Histogram, Line chart, Area chart, Scatter plot, Bubble chart, Multiple Data Series을 제시하였다. 정보시각화로는 Parallel Coordinates, Tree Map, Entity Relationship Diagram, Cone Tree, Time Line, Flow Chart, Data Flow Diagram, Venn Diagram, Semantic Network을 구분하여 설명하였다.
또한 본 연구는 선행연구의 빅데이터 시각화 프로세스와 표현원리를 통해 시각적 조형요소인 점, 선, 면, 형, 음영, 색, 질감, 공간이라는 특성을 기반으로 유형화하였다. 이는 최근 시각화에 대한 관심이 증가하면서 그에 대한 기법이 점차 다양해지고 있으나, 시각화 기법의 가장 근본이 되는 기본 원리와 원칙은 디자인 표현의 기본요소로 모두 함축되고 있다.
본 연구는 선행연구를 통해 공간기반의 빅데이터 시각화 표현의 프로세스와 원리를 고찰하고 비교 검토하였다.
본 연구는 선행연구의 고찰을 통해 데이터 시각화 모델 프로세스와 시각화 목적에 따른 시각화표현기법, 디자인 조형 요소에 따른 특징과 시각화기법을 도출하였다. 이러한 연구결과는 관련 연구자들이 스마트시티 공간 빅데이터 시각화연구의 주요 현황을 파악하는데 기초자료로 활용될 수 있다.
본 연구는 선행연구의 시각화 표현기법이 Stephen Few의 Bar, Box, Line, Point 네 가지 시각적 요소를 중심으로 주로 유형화됨을 확인하였으나, 이는 정량적 데이터에 제한된 것으로 타 선행연구의 표현기법에 따라 반정형데이터와 비정형데이터 시각화가 가능한 개념시각화와 지리데이터 기법을 추가하여 6가지 요소로 범위를 재유형화하였다.
본 연구의 연구방법으로는 문헌연구에 기반을 둔 내용분석법으로 수행된다. 공간빅데이터 시각화 및 스마트시티와 빅데이터의 개념과 활용과 관련한 선행연구와 문헌을 통해 공간빅데이터 시각화표현의 원리와 원칙을 고찰한다.
Tamara Munzner(2009)는 데이터 시각화 프로세스로 4단계 모델을 제시하였다. 시각화 설계 및 검증을 위한 중첩모델로 Domain problem characterization, Data/operation abstraction design, Encoding/interaction technique design, Algorithm design 의 네 개의 생성모델을 제시하였다.
‘올빼미 버스’는 대중교통 서비스가 중단된 자정부터 오전 5시까지 운행되는 대중교통 수단으로 수익성이 높은 서비스가 아니고, 많은 노선을 개설할 수도 없는 특징이 있었다. 이 문제를 해결하기 위해 통신사의 인프라를 활용하여 늦은 시간에 발생한 통화 및 문자 데이터를 분석하여 사람들의 위치지점과 목적지 정보를 활용하여 노선을 최적화하였다. ‘올빼미 버스’는 모두 9개의 노선이 운행되는데, 심야버스 정류장을 기준으로 500m 근처에 살고 있는 서울 시민들이 전체 시민의 약 40%에 해당하는 놀라운 결과도 얻을 수 있었으며, 그해 서울시민이 뽑은 가장 좋은 정책으로 선정되었다.
공간빅데이터 시각화 및 스마트시티와 빅데이터의 개념과 활용과 관련한 선행연구와 문헌을 통해 공간빅데이터 시각화표현의 원리와 원칙을 고찰한다. 이를 통해 공간데이터 시각화 프로세스별로 탐색되고 논의되어야 할 분석항목을 비교 검토하여 가이드라인으로 제시하고자 한다. 특히 본 연구는 스마트시티 개념을 기반으로 한 빅데이터 시각화 표현 가이드라인으로 다소 광범위한 빅데이터 시각화 표현기법에 대한 연구들과 비교하여 연구의 범위를 특화한 점에 의의가 있다.
성능/효과
넷째, 운영적인 측면에서 공간기반의 빅데이터를 활용하여 지속적으로 갱신되어야 한다.
둘째, 빅데이터의 형태에 따른 시각화 기법을 고려하여야 한다. 정형, 비정형, 반정형의 데이터 특성에 따라 가능한 시각화 기법을 고려하여야 한다.
셋째, 공간기반의 빅데이터는 무엇보다 도시공간의 다양한 인프라가 기반이 되는 만큼 기존의 다양한 민관데이터와 연계되어야 한다. 각 정보의 연계와 융합이 가능하도록 공간정보의 표준화기술이 지원되어야 한다.
둘째, 빅데이터의 형태에 따른 시각화 기법을 고려하여야 한다. 정형, 비정형, 반정형의 데이터 특성에 따라 가능한 시각화 기법을 고려하여야 한다. 다양한 빅데이터 간의 관계, 패턴, 비교, 분포와 같은 다양한 공간분석이 이루어져야 하며, 시각적인 조형요소로 이에 대한내용이 구분되어야 한다.
공간기반 빅데이터 시각화 자료는 도시정책의 수립과정에서 다양한 이해관계자들의 효율적인 협업을 지원하여야 한다. 정확한 정보 전달을 기반으로 사용자 중심의 공간정보 서비스 도출이 가능하도록 시각화되어야 한다.
즉시 각화 자료를 통해 ‘무엇을 볼 것인가’에 대한 목표가 정확히 설정될 수 있도록 다양한 시각화의 가시성을 최대한 고려하여야 한다
첫째, 공간기반 빅데이터 시각화표현은 궁극적으로 다양한 도시 서비스 도출을 지원할 수 있어야 한다. 즉시 각화 자료를 통해 ‘무엇을 볼 것인가’에 대한 목표가 정확히 설정될 수 있도록 다양한 시각화의 가시성을 최대한 고려하여야 한다.
후속연구
즉시 각화 자료를 통해 ‘무엇을 볼 것인가’에 대한 목표가 정확히 설정될 수 있도록 다양한 시각화의 가시성을 최대한 고려하여야 한다. 공간기반 빅데이터 시각화 자료는 도시정책의 수립과정에서 다양한 이해관계자들의 효율적인 협업을 지원하여야 한다. 정확한 정보 전달을 기반으로 사용자 중심의 공간정보 서비스 도출이 가능하도록 시각화되어야 한다.
정형, 비정형, 반정형의 데이터 특성에 따라 가능한 시각화 기법을 고려하여야 한다. 다양한 빅데이터 간의 관계, 패턴, 비교, 분포와 같은 다양한 공간분석이 이루어져야 하며, 시각적인 조형요소로 이에 대한내용이 구분되어야 한다.
이러한 연구결과는 관련 연구자들이 스마트시티 공간 빅데이터 시각화연구의 주요 현황을 파악하는데 기초자료로 활용될 수 있다. 또한 다학제적 연구가 필요한 스마트시티에서의 공간빅데이터 시각화에 대한 중요성과 효율성을 강조함으로써 사용자 중심의 스마트시티 서비스 개발과 정책수립을 위한 활용이 증대될 것으로 기대된다.
본 연구는 시각화 표현 프로세스와 원리에 대한 고찰로 실질적인 공간 서비스 및 정책개발 단계에서 각 시각화 표현 방법에 대한 가독성 및 의미전달성에 대한 검증이 이루어지지 않은 점에 한계가 있다. 향후 공간 빅데이터 시각화 요구사항을 바탕으로 실제 도시공간의 빅데이터를 시각화하여 실질적인 활용과 검증연구가 필요할 것으로 보인다.
본 연구는 선행연구의 고찰을 통해 데이터 시각화 모델 프로세스와 시각화 목적에 따른 시각화표현기법, 디자인 조형 요소에 따른 특징과 시각화기법을 도출하였다. 이러한 연구결과는 관련 연구자들이 스마트시티 공간 빅데이터 시각화연구의 주요 현황을 파악하는데 기초자료로 활용될 수 있다. 또한 다학제적 연구가 필요한 스마트시티에서의 공간빅데이터 시각화에 대한 중요성과 효율성을 강조함으로써 사용자 중심의 스마트시티 서비스 개발과 정책수립을 위한 활용이 증대될 것으로 기대된다.
최근 미디어기기사용보편화로 도시민들이 생성하는 문자나 이미지, 동영상 등과 같은 비정형데이터가 증가하고 있다. 즉 도시민들의 개인정보 속성값(위치, 성별, 연령 등)에 따라 다양한 분석이 가능하며, 이에 따라 정형데이터와 반 정형데이터와 같은 다양한 범주의 시각화가 가능할 것으로 보인다.
본 연구는 시각화 표현 프로세스와 원리에 대한 고찰로 실질적인 공간 서비스 및 정책개발 단계에서 각 시각화 표현 방법에 대한 가독성 및 의미전달성에 대한 검증이 이루어지지 않은 점에 한계가 있다. 향후 공간 빅데이터 시각화 요구사항을 바탕으로 실제 도시공간의 빅데이터를 시각화하여 실질적인 활용과 검증연구가 필요할 것으로 보인다.
참고문헌 (16)
김동한, 김다윗, "공간빅데이터를 위한 동태적 시각화 모형의 개발과 적용," 한국지리정보학회지, 제21권, 제1호, pp.57-70, 2018.
M. Khan and S. S. Khan, "Data and Information Visualization Methods, and Interactive Mechanisms:A Survey," International Journal of computer Applications, Vol.34, No.1 pp.1-12, 2011.
Tamara Munzner, "A Nested Model for Visualization Design and Validation," IEEE Transactions on Visualization and Computer Graphics, Vol.15, Issue 6, pp.921-928, 2009.
Christa Kelleher and Thorsten Wagener, "Ten guidelines for effective data visualization in scientific publications," Environmental Modelling and Software, Vol.26, No.6, pp.822-827, 2011.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.