“공적 마스크, 필요한 곳에 필요한 만큼 있을까?” -마스크편차 분석 자동화 지도-

요즘 뉴스를 보면 코로나 19  확산에 맞서기 위해 다양한 기술들이 사용되고 있는 것을 어렵지 않게 볼 수 있습니다.

공간정보활용분야에서도 ‘확진자 동선 확인’이나 ‘공적마스크 판매처 위치’와 같은 정보들이 웹과 모바일을 통해 실시간으로 제공되며 일반 시민들의 스마트한 위기대처를 돕고있습니다. 

그런 와중에, 얼마전 눈에 띄는 기사를 봤습니다. 

KBS NEWS: 여기는 남고, 저기는 부족한 ‘마스크 편차’

<출처: https://news.v.daum.net/v/20200324214908097 >

해당 기사에서 언급하고있는 것 처럼, 지금처럼 마스크가 공급되는 절대적인 양을 더이상 늘릴 수 없는 비상상황에서는 공급량 만큼이나 중요한것이 필요한 곳에 적절한 수량의 마스크가 공급 되는것일 것입니다. 

또한, 위급한 시기에 복잡하고 정교한 분석을 실제 행정에 구현하기 위해서는 빠르고 간편한 적용을 할 수있어야 된다는 전제조건이 있는데요. 

공간분석 전문가 그룹 GBS Korea 에서 이러한 요구를 충족시켜줄 수 있는 ‘마스크편차’ 를 주제로 한 공간 정보분석 및 시각화 작업을 소개해 드리겠습니다.


‘마스크 편차 분석 지도’ 는 절대적인 수치(공급량,공급처 수, 인구수 등)보다는 데이터의 실제 의미를 파악하기 위한 상대적인 지수를 표현하고 비교, 분석하는데 더 집중하고있습니다. 

따라서 절대적인 마스크 공급지수와 더불어 비교되는 수치(행정단위별 인구지수, 확진자지수, 공급처지수)가 함께 매핑되어있어 각 지수들을 쉽게 비교해 볼 수있고 그 과정에서 상대적인 의미를 얻어낼 수 있습니다. 

해당 지도의 핵심적인 개념과 의미는 다음과 같습니다. 

1. 서울시 행정단위별 공적 마스크 공급량을 해당지역 거주인구와 비교하여 개인에게 공급되는 마스크수량의 정도(인구대비공급지수)를 매핑하고 차트로 그려냄으로써 서울시내 행정단위별 마스크 수요-공급 편차를 보여줍니다. 

2.데이터의 크기는 절대 수치가 아닌 모두 상대적인 index로 변환되어 있으며 그 값의 범위는 0부터 5까지입니다. 

3.각 용어들은 아래와 같이 정의합니다. 

인구대비공급지수 : 행정단위별(시군구) 인구대비 마스크 공급량.

(Σ(총공급지수) / Σ(인구)) x 1000

총공급지수 : 해당 지역의 절대적인 마스크 공급량.

Σ(개별 공급처 마스크 공급지수)

공급지수 : 개별 공급처의 마스크 재고수량.

100개이상= index 5, 30-100개=index4, 2-29개=index2, 1개이하=index1, 판매중지=index0 

*공급지수는 ‘공적마스크 API’ 를 사용하고 해당 API 권고기준에 따름 

*공적마스크 API 출처: 공공데이터 포털<https://www.data.go.kr/>

확진자지수 : 행정단위별(시군구) 확진자 수.

(해당지역확진자/최대확진자지역수치) x Max(index)

확진자 데이터 출처: 서울시 코로나 확진자 현황 웹페이지 <http://www.seoul.go.kr/coronaV/coronaStatus.do>

인구지수 : 행정단위별(시군구) 거주인구. 

(해당지역인구수/최대인구지역수치) x Max(index)

*해당지역 인구수는 행정안전부 ‘주민등록 인구 및 세대현황’ 의 데이터를 사용함.

공급처지수 : 행정단위별(시군구) 공급처의 총합.

(해당지역공급처/최대공급처지역수치) x Max(index)

*공급처지수는 ‘공적마스크 API’ 의 데이터를 사용함 

해당 분석을 통해서 얻을 수 있는 상대적 의미는 아래와같이 그래프로 표현되어있습니다.

그래프 1: 아래의 그래프에서 보라색의 ‘총공급지수’가 노란색의 ‘인구지수’, 초록색의 ‘확진자지수’와 어느정도 연관성을 가지며 공급되고 있는것을 볼수있습니다.

하지만, 일부지역(동대문,구로)에서 확진자 수가 인구수와 비례하지않게 급격히 증가하는 반면, 공급량은 증가폭을 반영하지 못하는 경우를 확인할수있습니다.

그래프 2: 이러한 공급편차로 인해 실제 개인별로 마스크를 확보할수있는 정도인 ‘인구대비공급지수’를 지역별 공급량의 총합인 ‘총공급지수’와 비교해 보면 종로일대 일부 상업지역에서는 지나치게 높은 ‘인구대비공급지수’를 가져 마스크가 남고, 강남,강서를 비롯한 거주밀집지역에서는 마스크가 부족한 현상이 나타남을 알수있습니다. 

위 내용들은 단순히 인구수와 공급량의 절대수치를 놓고 봤을때는 알수없던 현상들을 지수로 표현해 비교해 한눈에 직관적으로 포착할수 있는 사례를 보여줍니다.

블로그에서 간단히 분석의 예를 든 수치외에도 다른 각종 지수와 수치들을 함께 비교하면서 단일데이터의 절대값만으로는 알기힘들었던 데이터의 상대적 의미를 심층적으로 분석해볼 수 있습니다.  

해당 분석은 또한, 여러 지수의 수치를 보여줍니다.

그중 ‘인구대비 공급지수 표준편차’의 경우 0.822의 수치를 보여주고있습니다. 이 표준편차만 놓고 서울시의 마스크 공급이 지역별 편차가 ‘크다’, ‘작다’ 라고 말할수는 없습니다. 다만, ‘인구대비공급지수’의 평균이 2.163인것을 고려했을때 편차가 분명 작은수치는 아니라고 할 수 있습니다. 

중요한것은, 이러한 통합된 수치의 경우 실시간으로 편차변화의 추이를 보면서 평상시보다 특출나게 높은 편차가 기록되는 때에는 다시한번 지역별 공급수량을 확인하고 바로잡아주는 바로미터의 기능을 할수있다는것입니다.   


오늘 소개해 드린 작업은 분석 내용 뿐 아니라, 아래의 다이어그램에서 보듯이 ArcGIS 플랫폼으로 자동화 구현이 가능하다는 장점을 가지고있습니다. 

해당분석앱 아키텍쳐

다시 말해, 간단하게 분석하고 싶은 지역만 입력하면 위와같은 모든 분석을 사용자 별도의 노력없이 구현 가능하기 때문에, 요즘같은 재난 시기에 추가적인 인력과 시간의 투입없이 세밀한 자원의 분배가 가능한 스마트한 시스템을 구현할 수 있는 적합한 솔루션이 될수있습니다. 

한국지비에스의 ‘마스크편차분석’ 대시보드 체험하기 <CLICK> 

마스크편차분석 앱 대시보드 화면
 

지적도 변경 추적 관리 시스템



빅데이터와 같은 정보통신기술의 발달에 힘입어 광범위한 분야에 걸친 방대한 양의 데이터 수집, 공급이 가능해진 4차 산업시대에는 그 어느 때보다 ‘데이터를 어떻게 관리하고 활용하는가’가 중요해졌습니다.  

이러한 흐름에도 불구하고 우리는 여전히 데이터를 일일이 확인, 수정, 기록하고 필요한 정보를 다시 찾아 활용하는데  많은 시간과 인력을 할애하고 있는 것이 현실입니다. 

공간데이터 전문가 그룹인 한국지비에스에서는 이에 대한 고민 중 하나로써 지적도상의 형태와 속성변화가 생길때마다 이를 일일이 확인하고 추적해야했던, 그리고 전체적인 변화의 흐름을 읽기 힘들었던 기존의 한계를 극복하기 위해 ‘지적도 변경 추적 관리 시스템’을 개발하여 현재 특허 출원 중에 있습니다. 

위 시스템의 핵심은 특정지역에서 일어나는 지적도 상의 변화(형태,주소,지목 등)를 자동으로 탐지하고 여러시점에 걸친 지적도의 변화과정을 추적(통시적(通時的) 모니터링) 가능하게  해준다는 것입니다. 

해당 시스템의 장점은 다음과 같습니다. 

1.간단한 데이터 준비, 손쉬운 관리 

  • 별도의 준비과정없이 지적도를 입력하는 것 만으로 지적도 변화 탐지 실행. 
  • 단 한개의 테이블만으로 모든 추적 데이터를 관리

2. 통시적 모니터링 기법

  • 시기별로 지적도 변화를 조회,분석 가능케 함으로써, 지적도 변화의 통시적인 추적 관리가 가능합니다. 

3.효율적이고 직관적인 모니터링 대시보드

  • 지적도 변화의 추적관리뿐 아니라 현황 시각화 및 분석, 통계를 통한 다양한 인사이트 제공

4.확장과 커스텀이 가능한 유연성

  • 기본적인 기능 외에 업무특성과 분석목적에 최적화된 시스템으로 커스텀과 확장이 가능
 

한국지비에스 신규멤버를 소개합니다.

양유정 매니저는 캘리포니아 Cal Poly Pomona 조경학 석사(MLA)과정에서 도시 간 비동력 교통수단 네트워크를 계획하는 등의 GIS분석 연구를 했습니다.

졸업 후, 국내 조경설계 및 생태복원 관련 다양한 스케일의 프로젝트를 4년간 수행하였고, 이후 지자체 소속 연구원으로 도시 조경과 도시공간 구조변화에 대해 연구해온 경험이 있습니다. 

서울에서 나고 자랐으며, 쉬는 시간에는 주로 친구들과 만나 좋은 공간을 찾아 다닙니다. 서울도 좋아 하지만, 시간이 날 때마다 제주도에 자주 갑니다.