A Sampling Approach for Visualization of Spatial Big Data
Jung Hee Jo · Journal of Korean Society for Geospatial Information Science · 2020
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.