공간빅데이터 개념 및 체계 구축방안 연구

안종욱,이미숙,신동빈,Ahn, Jong Wook,Yi, Mi Sook,Shin, Dong Bin 한국공간정보학회 2013 한국공간정보학회지 Vol.21 No.5

본 연구에서는 최근 이슈가 되고 있는 공간빅데이터에 대한 개념과 효과적으로 공간빅데이터체계를 구축하기 위한 방안을 제시하였다. 공간빅데이터는 3V(volume, variety, velocity)로 정의되고 있는 빅데이터를 6V(volume, variety, velocity, value, veracity, visualization)의 빅데이터로 진화시키는 기반이라 할 수 있다. 공간빅데이터를 효과적으로 구축하기 위해서는 공간빅데이터체계 구축으로 추진되어야 하며, 공간빅데이터체계는 국가공간정보기반, 융합플랫폼, 서비스제공자, 생산요소제공자로서의 역할을 수행해야 한다. 이러한 공간빅데이터체계의 구성요소는 인프라(하드웨어), 기술(소프트웨어), 공간빅데이터(데이터), 인력, 법 제도 등이며, 공간빅데이터체계 구축을 위한 목표로 공간기반 정책수립 지원, 공간빅데이터 플랫폼 기반 산업활성화, 공간 빅데이터 융합기반 조성, 공간관련 사회현안의 적극적 해결로 제시하였다. 그리고 목표에 대한 추진전략은 범정부적 협력체계 구축, 신산업 창출 및 활용 활성화, 성과활용 중심의 공간빅데이터 플랫폼 구축, 공간빅데이터 관련 기술경쟁력 확보로 제시하였다. In this study, the concept of spatial big data and effective ways to build a spatial big data system are presented. Big Data is defined as 3V(volume, variety, velocity). Spatial big data is the basis for evolution from 3V's big data to 6V's big data(volume, variety, velocity, value, veracity, visualization). In order to build an effective spatial big data, spatial big data system building should be promoted. In addition, spatial big data system should be performed a national spatial information base, convergence platform, service providers, and providers as a factor of production. The spatial big data system is made up of infrastructure(hardware), technology (software), spatial big data(data), human resources, law etc. The goals for the spatial big data system build are spatial-based policy support, spatial big data platform based industries enable, spatial big data fusion-based composition, spatial active in social issues. Strategies for achieving the objectives are build the government-wide cooperation, new industry creation and activation, and spatial big data platform built, technologies competitiveness of spatial big data.

공간빅데이터 개념 및 체계 구축방안 연구

안종욱,이미숙,신동빈 대한공간정보학회 2013 Spatial Information Research Vol.21 No.5

In this study, the concept of spatial big data and effective ways to build a spatial big data system are presented. Big Data is defined as 3V(volume, variety, velocity). Spatial big data is the basis for evolution from 3V's big data to 6V's big data(volume, variety, velocity, value, veracity, visualization). In order to build an effective spatial big data, spatial big data system building should be promoted. In addition, spatial big data system should be performed a national spatial information base, convergence platform, service providers, and providers as a factor of production. The spatial big data system is made up of infrastructure(hardware), technology (software), spatial big data(data), human resources, law etc. The goals for the spatial big data system build are spatial-based policy support, spatial big data platform based industries enable, spatial big data fusion-based composition, spatial active in social issues. Strategies for achieving the objectives are build the government-wide cooperation, new industry creation and activation, and spatial big data platform built, technologies competitiveness of spatial big data. 본 연구에서는 최근 이슈가 되고 있는 공간빅데이터에 대한 개념과 효과적으로 공간빅데이터체계를 구축하기 위한 방안을 제시하였다. 공간빅데이터는 3V(volume, variety, velocity)로 정의되고 있는 빅데이터를 6V(volume, variety, velocity, value, veracity, visualization)의 빅데이터로 진화시키는 기반이라 할 수 있다. 공간빅데이터를 효과적으로 구축하기 위해서는 공간빅데이터체계 구축으로 추진되어야 하며, 공간빅데이터체계는 국가공간정보기반, 융합플랫폼, 서비스제공자, 생산요소제공자로서의 역할을 수행해야 한다. 이러한 공간빅데이터체계의 구성요소는 인프라(하드웨어), 기술(소프트웨어), 공간빅데이터(데이터), 인력, 법‧제도 등이며, 공간빅데이터체계 구축을 위한 목표로 공간기반 정책수립 지원, 공간빅데이터 플랫폼 기반 산업 활성화, 공간 빅데이터 융합기반 조성, 공간관련 사회현안의 적극적 해결로 제시하였다. 그리고 목표에 대한 추진전략은 범정부적 협력체계 구축, 신산업 창출 및 활용 활성화, 성과활용 중심의 공간빅데이터 플랫폼 구축, 공간빅데이터 관련 기술경쟁력 확보로 제시하였다.

공간 빅데이터의 개념 및 요구사항을 반영한 서비스 제공 방안

김근한(Kim, Geun Han),전철민(Jun, Chul Min),정휘철(Jung, Hui Cheul),윤정호(Yoon, Jeong Ho) 대한공간정보학회 2016 대한공간정보학회지 Vol.24 No.4

본 연구에서는 빅데이터와 공간 빅데이터 선행연구들을 기반으로 공간 빅데이터를 빅데이터를 구성하는 하나의 구성요소로 인식하고, 위치정보를 이용하여 공간화 할 수 있으며, 시계열 변화에 따라 계속적으로 누적되는 모든 데이터들과 이를 이용할 수 있는 활용체계를 공간 빅데이터라 정의하였다. 따라서 공간 빅데이터는 기존 빅데이터와 분리하여 구분할 것이 아니라, 기존 빅데이터를 구성하는 하나의 구성요소로서 이해하고, 이러한 활용체계 안에서 공간 빅데이터의 활용방안을 검토해야 한다. 본 연구에서는 공간 빅데이터가 제공해야 하는 서비스 요구사항들을 제시하였다. 공간정보를 포함한 공간 빅데이터는 기본적으로 다양한 공간분석이 가능해야 하고, 기존에 구축된 공간정보와 향후 구축될 공간정보까지 고려할 수 있는 서비스 고려가 필요하다. 시간의 흐름에 따른 위치별 시계열 변화의 탐지는 물론 공간정보의 속성정보들을 이용하여 다양한 빅데이터 관련 분석이 가능해야 한다. 공간정보가 아닌 빅데이터 또한 공간정보와 연계하여 공간 분석이 가능해야 한다. 이러한 공간 빅데이터 요구사항들을 만족시키기 위해 다양한 형태의 빅데이터들과 공간 빅데이터의 연계가 가능한 분석 서비스 제공을 위한 샘플링 포인트 생성 및 속성정보 추출 방안을 제시하였다. 이러한 빅데이터와 연계된 공간정보의 활용 증대는 공간정보 산업 및 기술발전에 크게 기여할 수 있을 것이라 판단된다. By reviewing preceding studies of big data and spatial big data, spatial big data was defined as one part of big data, which spatialize location information and systematize time series data. Spatial big data, as one part of big data, should not be separated with big data and application methods within the system is to be examined. Therefore in this study, services that spatial big data is required to provide were suggested. Spatial big data must be available of various spatial analysis and is in need of services that considers present and future spatial information. Not only should spatial big data be able to detect time series changes in location, but also analyze various type of big data using attribute information of spatial data. To successfully provide the requirements of spatial big data and link various type of big data with spatial big data, methods of forming sample points and extracting attribute information were proposed in this study. The increasing application of spatial information related to big data is expected to attribute to the development of spatial data industry and technological advancement.

공간빅데이터를 위한 정보 시각화 방법

서양모,김원균 대한공간정보학회 2015 Spatial Information Research Vol.23 No.6

In this study, define the concept of spatial big data and special feature of spatial big data, examine information visualization methodology for increase the insight into the data. Also presented problems and solutions in the visualization process. Spatial big data is defined as a result of quantitative expansion from spatial information and qualitative expansion from big data. Characteristics of spatial big data id defined as 6V (Volume, Variety, Velocity, Value, Veracity, Visualization), As the utilization and service aspects of spatial big data at issue, visualization of spatial big data has received attention for provide insight into the spatial big data to improve the data value. Methods of information visualization is organized in a variety of ways through Matthias, Ben, information design textbook, etc, but visualization of the spatial big data will go through the process of organizing data in the target because of the vast amounts of raw data, need to extract information from data for want delivered to user. The extracted information is used efficient visual representation of the characteristic, The large amounts of data representing visually can not provide accurate information to user, need to data reduction methods such as filtering, sampling, data binning, clustering. 본 연구에서는 공간빅데이터의 개념과 특징을 정의하고 데이터에 대한 통찰력을 높일 수 있는 정보 시각화 방법론을 조사하였다. 또한 시각화 과정에서 발생할 수 있는 문제점 및 해결방법을 제시하였다. 공간빅데이터를 공간정보의 정량적인 확장의 결과와 빅데이터의 정성적인 확장의 결과로 정의하였다. 공간빅데이터는 6V(Volume, Variety, Velocity, Value, Veracity, Visualization)의 특징을 갖고 있으며, 최근 활용・서비스 측면이 이슈화 되면서 공간빅데이터에 대한 통찰력을 제공하여 데이터의 활용 가치를 높이기 위해 공간빅데이터의 시각화가 주목받고 있다. 정보 시각화의 방법은 Matthias, Ben, 정보디자인교과서 등을 통하여 다양한 방법으로 정의 되어 있으나 공간빅데이터의 시각화는 방대한 양의 원시 데이터를 대상으로 하기 때문에 데이터의 조직화 과정을 거쳐야 하며 이를 통해 사용자에게 전달하려는 정보를 추출해야 하는 차이점이 있다. 추출된 정보는 특성에 따른 적합한 시각적 표현 방법을 사용해야 하며, 많은 양의 데이터를 시각적으로 표현하는 것은 사용자에게 정확한 정보를 제공 할 수 없으므로 필터링, 샘플링, 데이터 비닝, 클러스터링 등을 이용하여 데이터를 축소하여 표현하는 방법이 필요하다.

공간빅데이터를 위한 정보 시각화 방법

서양모,김원균,Seo, Yang Mo,Kim, Won Kyun 한국공간정보학회 2015 한국공간정보학회지 Vol.23 No.6

본 연구에서는 공간빅데이터의 개념과 특징을 정의하고 데이터에 대한 통찰력을 높일 수 있는 정보 시각화 방법론을 조사하였다. 또한 시각화 과정에서 발생할 수 있는 문제점 및 해결방법을 제시하였다. 공간빅데이터를 공간정보의 정량적인 확장의 결과와 빅데이터의 정성적인 확장의 결과로 정의하였다. 공간빅데이터는 6V(Volume, Variety, Velocity, Value, Veracity, Visualization)의 특징을 갖고 있으며, 최근 활용 서비스 측면이 이슈화 되면서 공간빅데이터에 대한 통찰력을 제공하여 데이터의 활용 가치를 높이기 위해 공간빅데이터의 시각화가 주목받고 있다. 정보 시각화의 방법은 Matthias, Ben, 정보디자인교과서 등을 통하여 다양한 방법으로 정의 되어 있으나 공간빅데이터의 시각화는 방대한 양의 원시 데이터를 대상으로 하기 때문에 데이터의 조직화 과정을 거쳐야 하며 이를 통해 사용자에게 전달하려는 정보를 추출해야 하는 차이점이 있다. 추출된 정보는 특성에 따른 적합한 시각적 표현 방법을 사용해야 하며, 많은 양의 데이터를 시각적으로 표현하는 것은 사용자에게 정확한 정보를 제공 할 수 없으므로 필터링, 샘플링, 데이터 비닝, 클러스터링 등을 이용하여 데이터를 축소하여 표현하는 방법이 필요하다. In this study, define the concept of spatial big data and special feature of spatial big data, examine information visualization methodology for increase the insight into the data. Also presented problems and solutions in the visualization process. Spatial big data is defined as a result of quantitative expansion from spatial information and qualitative expansion from big data. Characteristics of spatial big data id defined as 6V (Volume, Variety, Velocity, Value, Veracity, Visualization), As the utilization and service aspects of spatial big data at issue, visualization of spatial big data has received attention for provide insight into the spatial big data to improve the data value. Methods of information visualization is organized in a variety of ways through Matthias, Ben, information design textbook, etc, but visualization of the spatial big data will go through the process of organizing data in the target because of the vast amounts of raw data, need to extract information from data for want delivered to user. The extracted information is used efficient visual representation of the characteristic, The large amounts of data representing visually can not provide accurate information to user, need to data reduction methods such as filtering, sampling, data binning, clustering.

공간 빅데이터의 가시화를 위한 샘플링 방안 연구

조정희(Jo, Jung Hee) 대한공간정보학회 2020 대한공간정보학회지 Vol.28 No.4

공간 빅데이터는 빅데이터의 일반적인 특징인 양이 많고, 생성속도가 빠르고, 형태가 다양할 뿐만 아니라 공간 데이터가 가지는 복잡성도 가지고 있으므로 기존의 가시화 시스템을 그대로 적용할 수 없다. 가시화 시스템에 적재할 데이터의 양이 많아서 가시화 성능이 급격히 저하되거나, 대규모 데이터로 인하여 가시화 과정에서 오랜 시간이 소요되므로 공간분석을 제대로 수행할 수 없고, 메모리의 부족으로 인해 시스템이 비정상 종료되기도 한다. 본 논문에서는 대용량의 공간 빅데이터를 가시화하는 경우 발생 되는 이러한 문제점을 해결하기 위해 ‘샘플링(sampling)’을 활용한 공간 빅데이터의 가시화 방법을 제안한다. 기존의 샘플링 기반의 가시화 방법은 서버로부터 가시화 시스템에 전송될 데이터의 양을 줄일 수는 있어도 샘플링 과정에서 가시화 영역에 포함된 모든 공간 데이터에 접근함으로써 발생 되는 성능 저하의 문제는 해결하지 못한다. 본 논문은 공간 빅데이터 가시화의 성능 향상을 위해 사용자의 질의 영역에 속하는 모든 데이터에 접근 없이도 원래의 데이터가 갖는 의미를 변화시키지 않는 범위에서 가시화의 대상이 되는 샘플을 선정하는 알고리즘을 제안한다. Spatial big data has the general characteristics of big data as well as the complexity of spatial data and so it cannot be applied to the conventional visualization system. Due to huge volumes of data to be loaded into the visualization systems the performance is rapidly degraded, resulting in difficulties to be used in spatial analysis. Even, the visualization system can be abnormally terminated due to insufficient memory. To address this issue, we have proposed a high performance sampling approach for visualizing spatial big data. Although existing sampling-based solutions can reduce the amount of data transmitted from the server to the visualization system, it cannot solve the problem of performance limitation due to the high number of input/output operations while reading disks during accessing all spatial data included in the visualization area. To improve the performance in spatial big data visualization, we propose an algorithm that selects samples without accessing all spatial data to be visualized, but still preserving the characteristics of the original data.

Marmot: 공간 빅데이터 처리를 위한 하둡 기반의 고성능 데이터 저장 관리 시스템

조정희(Jo, Jung Hee),이강우(Lee, Kang-Woo) 대한공간정보학회 2018 대한공간정보학회지 Vol.26 No.1

빅데이터의 많은 부분을 차지하고 있는 공간 빅데이터는 빅데이터의 일반적인 특징을 보유하면서 장소에 대한 속성 또한 추가적으로 포함한다. 따라서 생성하는 데이터의 양이 방대할 뿐만 아니라 다른 종류의 빅데이터에 비하여 다양성과 복잡도가 매우 높은 특징을 가지고 있다. 대부분의 기존 빅데이터 처리 기술들은 공간 정보 처리에 특화된 처리 기능을 제공하지 않거나 제한된 기능만을 제공하여 공간 데이터 처리 성능의 한계가 존재한다. 본 연구에서는 이러한 문제점을 해결하기 위해 개발하고 있는 Marmot 시스템을 소개한다. Marmot은 공간 빅데이터의 빠른 처리를 위한 함수 기반의 고성능 공간 빅데이터 저장관리 시스템이다. 이 시스템은 하나 이상의 공간 연산들의 체인으로 분석의 대상이 되는 응용을 기술하고, 입력 공간 빅데이터의 크기에 따라 맵리듀스(MapReduce) 또는 인메모리(In-Memory) 작업을 동적으로 선택하여 수행한다. 이때, 주어진 작업을 맵리듀스 방식으로 처리하는 경우 사용되는 맵리듀스 횟수를 최소화 하는 기능을 통해 고속의 공간 분석 응용의 수행 성능을 보여준다. 또한 개방형 공간 연산 기반의 데이터 처리 기능을 제공하여 사용자 정의가 가능한 공간 연산을 통한 높은 확장성을 제공한다. Geospatial Big Data occupying a large portion of Big Data holds geospatial information while retaining the general characteristics of Big Data. Thus, the volume, variety, and complexity of Geospatial Big Data are much greater compared to other kinds of Big Data. Most of the existing Big Data technologies provide little functionalities for processing geospatial data, and therefore suffer from performance problems. To address these issues, we have developed a high-performance Geospatial Big Data management system based on Apache Hadoop, named as Marmot. Marmot provides a variety of geospatial operators, which are used to build geospatial analysis tasks. The tasks are executed by either MapReduce or In-Memory jobs according to the size of the input data. When a task is executed in MapReduce jobs, Marmot improves performance by reducing the number of MapReduce jobs in order to complete them. In addition, the extensible architecture of Marmot enables application developers to specify user-defined geospatial operators and allow them to combine with the built-in operators.

계획지원을 위한 공간 빅데이터의 분석과 활용 : 수도권 지역의 건물에너지 데이터를 대상으로

김동한 국토연구원 2015 국토연구 Vol.87 No.-

The advancement and spread of information and communication technology (ICT) has changed the way we live and act today. Computers and ICT devices have become smaller and almost invisible, and they are now virtually everywhere in the world. Most socio-economic activities are now subject to the use of computers and ICT devices, although we do not really recognize it due to pervasive computing technologies. Nevertheless, the activities supported by digital devices leave digital records, and a myriad of these records becomes what we call “big data.” Big data differs from conventional data that we have collected and managed in that it holds detailed information of people’s lives and activities. Thus, it offers new insight into our society, and hence a new opportunity for innovation. Not surprisingly, experts and scholars forecast that big data will transform various socio-economic activities as well as our societies. The goals of this research are twofold: First, it aims to understand the nature and characteristics of spatial big data. Then, it seeks to suggest ways of utilizing such spatial big data for planning support. In this regard, this study defines the concept of “planning a support system for big data,” which consists of modules and techniques for the visualization, analysis, and simulation of spatial big data. To achieve these goals, this study conducts an experimental case study with energy usage data for the Seoul Metropolitan Area. Then, the study concludes with future studies and policy measures to promote the use of spatial big data in the territorial and urban planning fields. 정보통신기술의 발전으로 국민과 기업의 각종 활동에 대한 방대한 빅데이터가 실시간 축적되고 있다. 빅데이터는 국민과 기업의 활동에 관한 세부적인 정보를 포괄하고 있어, 국토˙도시 분야에서는 국민체감형 정책을 수립하고 집행하는 데 이를 활용할 수 있다. 따라서 국토˙도시 분야에서의 빅데이터 활용 가능성과 활용방법 등을 살펴보고 이를 통해 국토˙도시 분야의 발전을 도모함과 동시에 공간 빅데이터 분야의 발전방향을 제시할 필요성이 있다. 이와 같은 배경하에 본 논문은 공간 빅데이터의 개념과 범위를 구체화하고, 국토˙도시 및 공간계획 분야에서 이를 보다 구체적으로 활용하기 위한 방안을 모색하고자 한다. 이를 위해 먼저 빅데이터와 공간 빅데이터의 개념을 고찰한 뒤, 계획 분야에서의 빅데이터의 의미와 활용방향을 모색한다. 그리고 공간빅데이터를 활용하기 위한 계획지원체계의 개념적 틀을 정립한 뒤, 이를 기반으로 시각화-분석-시뮬레이션 모형을 개발하고 건물에너지 공간 빅데이터를 활용하여 실험 연구를 수행한다. 그리고 시사점을 도출하여 국토˙도시 및 공간계획 분야에서 공간 빅데이터의 구축을 촉진하고 이를 활용하여 국민이 공감할 수 있는 국토˙도시 정책을 개발하기 위한 향후 과제를 제시하였다.

소셜 미디어 데이터 마이닝을 통한 라이프스타일 호텔 공간 선호 요인에 관한 연구 - 2021년 이후 성수기 중심으로 -

양윤실,김용성,송석재 한국공간디자인학회 2023 한국공간디자인학회논문집 Vol.18 No.1

(Background and Purpose) Instagram, one of the social media platforms, provides image-oriented information and has a greater impact than existing information media by using it directly or leaving it after experience or visit, and the hotel industry is also actively marketing using Instagram. The scope of lifestyle hotels is gradually expanding, but currently, analysis data on architectural spaces for lifestyle hotels in Korea are insufficient. Therefore, this study aims to analyze the characteristics of the lifestyle hotel space targeting millennials with strong personality using the image of a specific platform called Instagram and suggests it as basic data for future lifestyle hotel construction. (Method) To this end, the concept and spatial composition of lifestyle hotels are reviewed through previous studies, and the characteristics thereof are identified. A framework for analysis to analyze spatial components was established, and prior analysis studies using image data from Instagram were conducted. Image data mining was conducted using a neural network model, one of the classification techniques of data mining. Based on this, the space of lifestyle hotels that mainly appear in the image was identified, and spatial preference factors were derived for this. This is to provide basic data on future lifestyle hotel construction plans and present the direction of hotel construction. (Results) Therefore, this study analyzed users' preferred spaces through image mining based on the framework of analysis on the space composition of selected lifestyle hotels, and derived the results that images appeared the most in swimming pools, rooms, lobby lounges, restaurants, bars, elevators, and corridors. After analyzing the preference factors in the main space through image mining in the same space based on the image of the upper space, it was confirmed that the preferred space characteristics of Instagram users are the preference factors for each hotel, such as exhibition elements using colorful patterns or art works, high floor height, round stairs, huge columns, and various color lights. (Conclusions) This analyzed information on users' direct experiences or visits through a large amount of data through a big data analysis method called image data mining for existing hotel architectural spaces. Through data mining of the image shown on Instagram, it was possible to identify the preference factors for the hotel space preferred by users. Therefore, it can be seen that the composition of the space, architecture, interior, and visual elements through exhibition in the space of the lifestyle hotel play a very important role in the hotel space. This study identified the spatial composition of lifestyle hotels and their preference factors as a method of analyzing large amounts of big data through image data mining on Instagram, and it is expected to be used as basic data for lifestyle hotel building plan research. (연구배경 및 목적) 소셜 미디어 플랫폼 중 하나인 인스타그램(Instagram)은 이미지 중심의 정보를 제공하여 직접 사용하거나 체험 또는 방문 후에 남기는 게시물을 통한 정보로 기존 정보 매체보다 큰 영향을 주고 있으며, 호텔 업계에서도 인스타그램을 활용한 마케팅을 적극적으로 펼치고 있다. 라이프스타일 호텔의 범위는 점차 확대되고 있으나, 현재 국내의 라이프스타일 호텔에 대한 건축 공간에 관한 분석 자료는 미비한 실정이다. 이에 본 연구는 개성이 강한 밀레니얼 세대를 타겟으로 한 라이프스타일 호텔 공간을 인스타그램이라는 특정 플랫폼의 이미지를 이용하여 이미지에서 주요하게 나타나는 공간에 대한 특성을 분석하고자 하는 것으로 향후 라이프스타일 호텔 건축에 대한 기초자료로 제안하려고 한다. (연구방법) 이를 위해 선행연구를 통한라이프스타일 호텔의 개념과 공간 구성을 고찰하고 그에 대한 특징을 파악한다. 공간 구성 요소를 분석하기 위한 분석의 틀을설정하고 인스타그램의 이미지 데이터를 활용한 분석 선행 연구를 진행하였다. 데이터 마이닝의 분류 기법 중 하나인 신경망 모델을 활용하여 이미지 데이터 마이닝을 진행하였다. 이를 바탕으로 이미지에서 주로 나타나는 라이프스타일 호텔의 공간을 파악하였으며 그에 대한 공간 선호 요인을 도출하였다. 이는 향후 라이프스타일 호텔 건축 계획에 관한 기초자료로 제공하고자 한다. (결과) 이에 본 연구에서는 선정된 라이프스타일 호텔의 공간 구성에 대한 분석의 틀을 기준으로 이미지 마이닝을 통한 이용자들의 선호 공간을 분석한 결과 수영장과, 객실, 로비 라운지, 레스토랑 ‧ 바, 엘리베이터, 복도 공간에서 이미지가 가장 많이나타났다는 결과를 도출하였다. 이후 상위 공간의 이미지를 기준으로 동일 공간 내 세부 분류 이미지마이닝을 통해 주요 공간에서 나타나는 선호 요인을 분석한 결과 인스타그램 이용자들의 이미지에서 배경이 되는 선호 공간 특성은 화려한 패턴이나 미술작품 등을 활용한 전시 요소, 개방감을 주는 높은 층고, 원형 계단, 거대한 기둥, 다양한 색상 조명 등 호텔별로 가지는 특정한요소가 인스타그램 이미지에서 주로 나타나는 공간 선호 요인임을 확인하였다. (결론) 이는 기존의 호텔 건축 공간에 대해 이미지 데이터 마이닝이라는 빅 데이터 분석 방법을 통해 이용객들의 직접적인 체험이나 방문에 대한 정보를 대량의 데이터를 통해분석하였다. 인스타그램에서 나타난 이미지의 데이터 마이닝을 통해 이용자들의 호텔 공간에 대한 선호 요인을 파악할 수 있었다. 따라서 라이프스타일 호텔의 공간에서 공간의 구성 여부나 건축 및 인테리어, 전시를 통한 시각적 요소는 호텔 공간에서 매우 중요한 역할을 한다는 것을 알 수 있다. 본 연구는 인스타그램의 이미지 데이터 마이닝을 통한 대량의 빅 데이터 분석 방법으로 라이프스타일 호텔의 공간구성과 그에 대한 선호 요인을 파악하였으며 라이프스타일 호텔 건축 계획 연구의 기초자료로 활용되기를 기대한다.

공간 빅데이터 서비스 활성화를 위한 정책과제 도출

박준민,이명호,신동빈,안종욱,Park, Joon Min,Lee, Myeong Ho,Shin, Dong Bin,Ahn, Jong Wook 한국공간정보학회 2015 한국공간정보학회지 Vol.23 No.6

본 연구는 공간 빅데이터 서비스 활성화를 위한 정책과제 도출을 목적으로 수행하였다. 이를 위해 관련 선행연구를 검토하고, 국내 외 공간 빅데이터 관련 추진체계 및 정책현황을 분석하였다. 그 결과 미래 공간정보 융 복합 대응정책 미흡, 개인정보 보호 및 서비스 활성화 제도적 기반 미흡, 관련 기술 정책 마련 미흡, 공간 빅데이터 구축 활용을 위한 추진체계 미흡, 공공정보의 품질저하와 공유체계 미흡 등의 문제점이 도출되었다. 다음으로 도출된 문제점을 해결하기 위해 정책 추진방향을 설정하고, 공간 빅데이터 추진체계 마련, 관련 법 제도 개선, 공간 빅데이터 관련 기술 개발, 공간 빅데이터 지원 사업 추진, 공공DB 융 복합 공유체계 마련 총 5가지의 정책과제를 제시하였다. This study was conducted with the purpose of suggesting the improvement plan of political for activating the Geo-Spatial Big Data Services. To this end, we were review the previous research for Geo-Spatial Big Data and analysis domestic and foreign Geo-Spatial Big Data propulsion system and policy enforcement situation. As a result, we have deduced the problem of insufficient policy of reaction for future Geo-Spatial Big Data, personal information protection and political basis service activation, relevant technology and policy, system for Geo-Spatial Big Data application and establishment, low leveled open government data and sharing system. In succession, we set up a policy direction for solving derived problems and deducted 5 policy issues : setting up a Geo-Spatial Big Data system, improving relevant legal system, developing technic related to Geo-Spatial Big Data, promoting business supporting Geo-Spatial Big Data, creating a convergence sharing system about public DB.