[GIS] 데이터의 시각적 표현을 위한 분포Map 만들기

서론

• 웹에서 위치 정보 기반 데이터를 표현 하기 위해서는 Backend에서 위치 기반의 데이터(ex. GeoJSON, WKT 등) 조회하여 브라우저에서 라이브러리(OpenLayers, Leaflet) 이용하여 랜더링 한다.
• 몇천건의 백터 데이터의 정보들을 웹브라우저에서 랜더링 하는것은 별 문제는 없지만 만건이상의 데이터들을 웹브라우저에서 랜더링하기에는 클라이언트는 대기하는 시간으로 짜증을 유발 할 수도 있다ㅠ
• 전략적으로 모든 데이터들을 다 표현하기 보다는 한 눈에 데이터에 대한 분포 현황 정도만 표현 할 수 있도로록 지도에 가시화 할 수 있도록 만들 필요성이 생겼다.

• 제주 지역의 팜맵(현실적인 농경지정보를 표현하는 지도)을 기준으로 필지의 Land(밭, 과수원, 논 ...등)에 대한 분포맵을 제작하기로 하였다.

준비

• 대상 지역 : 제주도
• 필요 RAW 데이터
  - 분포도를 표현 하기 위한 대상 지역의 Index Map 을 다운로드 하여 제주지역만 QGIS를 통하여 추출 한다.
  - 팜맵(농경지 지도)는 국가공간정보포털 에서 다운로드하여 제주지역만 QGIS를 통하여 추출한다.
• 필요 소프트웨어
  - postgresql 10 + PostGIS 2.4
  - DBeaver
  DBMS 설치나 소프트웨어 설치 과정은 생략한다.

과정

사전 준비

• 1:1000의 인덱스 데이터와 팜맵을 QGIS를 통하여 DBMS(Postgresql)
  
• index 데이터의 테이블명은 jeju_index_map
• 팜맵의 데이터의 테이블명은 farm_map_2020

데이터 가공

1. Index 데이터와 팜맵이 일치 되는 부분 찾기

• 분포맵을 만들기 위해서는 Index 맵과 팜맵과 겹치는 부분을 먼저 찾아야 한다. PostGIS의 st_intersection 함수로 찾을수 있다.

select 
	count(jim.id) as "cnt",
	jim.geom
from
	jeju_index_map jim,
	farm_map_2020 fm 
where
	st_intersects(jim.geom, fm.geom) = true
group by 
	jim.id

쿼리 수행 시간 : 17.586 초

• 팜맵과 Index 맵을 조인하고 중복되는 데이터만 st_intersection으로 처리해주면 아래 그림과 같이 중복되는 데이터만 가져온다.

2. 선택된 Index에 대한 가장 많이 분포된 Land 판별하기

• 뒤에 노란색으로 선택된 객체가 Index 맵이고 나머지는 팜맵에 Geometry이다.
  선택된 Index 객체에 안에 가장 많이 존재하는 팜맵의 Land가 어떤 것이 있는지 확인 하는 쿼리를 작성 해보겠다.

select
	fm."LAND_CODE",
	count(fm.id)  
from
	farm_map_2020 fm,
	(select geom from jeju_index_map where id = 8313) as tile
where st_intersects(tile.geom, fm.geom)
group by fm."LAND_CODE"
order by count(fm.id) desc
limit 1;

쿼리 수행 시간 : 0.012초

• 해당 쿼리의 limit를 제외하고 쿼리를 실행 하면 해당 Index에는 밭이 가장 많이 존재하는걸로 판단이 된다.

3. 전체에 대해서 분포된 객체 구하기

• 1번과정과 2번과정 조합해서 이제 분포 맵을 만들어 보자
• 먼저 2번 분포를 판단하기 위한 쿼리를 함수로 생성한다.

CREATE OR REPLACE FUNCTION public.get_farm_distribution_map(tileId INT)
 returns varchar
 LANGUAGE sql
 STABLE STRICT
AS $function$
		select
			fm."LAND_CODE"
		from
			farm_map_2020 fm,
			(select geom from jeju_index_map where id = tileId) as tile
		where st_intersects(tile.geom, fm.geom)
		group by fm."LAND_CODE"
		order by count(fm.id) desc
		limit 1
	$function$
;

• 이제 완성된 쿼리를 보자. 위에서 만든 get_farm_distribution_map 함수를 이용하여 index map에 분포도를 구한다.

select
	jim.geom,
	get_farm_distribution_map(jim.id)
from
	jeju_index_map jim,
	farm_map_2020 fm 
where
	st_intersects(jim.geom, fm.geom) = true
group by 
	jim.id

쿼리 수행 시간 : 1.399초

• 조회한 결과를 확인해보자.
  
  위의 사진을 보면 제주도에는 밭이 가장 많이 분포 되어 있고 다음으로는 과수, 시설 등으로 한눈에 제주도에 Land속성에 대한 분포도를 확인해 볼 수 있다.
  조회된 객체 수를 보면 4000건 이상 조회가 되는데 QGIS에서나 Openlayers를 통해 랜더링 하기에는 부담이 될 수도 있다. 쿼리 개선해서 좀더 심플하게 표현해보자.

4. 쿼리 개선

• 같은 객체들을 하나로 합치자.
  - 쿼리 결과를 보면 같은 분류라도 분할 되어 표시되는 것을 확인 할 수 있다. st_union 함수를 이용하여 Geometry를 합쳐 보자.
  • 이전 결과와 비교를 해보면 확실히 Geometry가 깔끔하게 표현되는 확인 할 수 있다.

with t as (
	select
		jim.geom as "geom",
		get_farm_distribution_map(jim.id) as "land"
	from
		jeju_index_map jim,
		farm_map_2020 fm 
	where
		st_intersects(jim.geom, fm.geom) = true
	group by 
		jim.id
)
select st_union(t.geom), t.land from t 
group by t.land

쿼리 수행 시간 : 26.067초 (확실히. ST_Union으로 객체를 합치기 때문에 시간이 더 오래 걸리는것 같다.)

• Geometry를 좀더 심플하게 만들어 보자
  - 생성된 분류맵에 Geometry를 st_simplify함수를 이용하여 심플하게 만들어 랜더링 부담이 덜 되도록 만들어 보자
  • 아래 결과를 보면 그닥 st_simplify 이전과 이후 차이가 없어 보인다.

with t as (
	select
		jim.geom as "geom",
		get_farm_distribution_map(jim.id) as "land"
	from
		jeju_index_map jim,
		farm_map_2020 fm 
	where
		st_intersects(jim.geom, fm.geom) = true
	group by 
		jim.id
)
select 
	ST_Simplify(st_union(t.geom), 1), 
	t.land 
from t 
group by t.land

쿼리 수행 시간 : 27.646초

결론

• 웹에서 많은 데이터들을 가시화 하기위해서 대안으로 분포맵을 만들어 보았다.
  생각보다 분포맵을 만다는것은 어렵지는 않았는데. 아무래도 Geometry 연산이 있다보니 퍼포먼스가 그렇게 좋아 보이지 않아 실시간으로 서비스 하는것은 어려울 것 같고 특정 테이블에 저장해 놓았다가 업데이트 주기에 맞춰 쿼리를 실행하면될 것 같기도 하다.
• 다음에는 이러한 분포맵 보다 Vecter Tile 서비스를 구현해 보겠다.