Abstract
Recently, data gathering and algorithm developing are in progress for the GIS application using point feature. Several researches prove that verification of the spatial clustering and evaluation of inter-dependencies between event and control are possible. On the other hand, most of the point features as GIS data are gathered by indirect method, such as address geo-coding, rather than by direct method, such as field surveying. Futhermore, lots of statistics by administrative district based on the point features have no coordinates information of the points. In this study, calculating the K-index in GIS environment, to evaluate the effect of aggregation of raw data on K-index, K-indices estimated from raw data (parcel unit), topographically aggregated data (block unit), administratively aggregated data (administrative district unit) are compared and evaluated. As a result, point feature, highly clustered in local area, is largely distorted when aggregated administratively. But, the K-indices of topographically aggregated data is very similar to the K-indices of raw data.
최근 점사상을 활용하는 GIS 분야에서 많은 양의 점사상 축적과 함께 점분포 패턴을 정량적으로 평가하기 위한 알고리즘의 개발이 이루어지고 있다. 여러 연구에서 K-지표를 활용하여 점사상의 공간적 밀집 여부의 검증이 가능하며, 사건과 배경의 상호 관련성 평가가 가능함을 증명하고 있다. 한편 GIS 데이터로서의 점사상은 측량에 의해 실좌표가 관측된 사상보다는 주소와 같은 위치참조에 의해 간접적으로 좌표가 주어지는 경우가 많으며, 경우에 따라서는 통계자료와 같이 행정구역과 같은 지역단위의 집계자료로 대표되어 점사상 각각이 좌표를 가지지 못하는 경우도 많다. 본 연구에서는 GIS를 이용한 공간 분석 기법으로서 K-지표를 계산할 때, 집계자료의 사용이 K-지표의 산출에 미치는 영향을 평가하기 위하여, 원데이터(지번단위), 지형적인 집계(블록 단위), 행정적인 집계(행정구역 단위) 등 세 가지 형태의 데이터로부터 산출된 K-지표를 비교, 분석하였다. 연구결과 가까운 거리에서 밀집이 심하게 일어나는 점사상의 경우에는 행정구역과 같은 큰 지역단위를 이용하면 결과의 왜곡이 심하게 발생하여 활용이 곤란하나, 블록단위의 K-지표는 원데이터의 K-지표와 거의 유사함을 알 수 있었다.