지리 공간 데이터베이스란 무엇인가요?

지리 공간 데이터베이스 정의

'지리 공간'이라는 용어는 맵, 이미지, 데이터 세트, 도구 및 모든 이벤트, 기능 또는 엔티티를 특정 위치와 연결하고 다양한 애플리케이션에 해당 정보를 사용하는 절차와 같은 상호 의존적인 리소스를 의미합니다. 위치를 간단히 이해하기 위해서는 좌표계 상의 위치, 위치명 또는 주소와 같은 표준 매개변수를 사용하여 데이터를 표시해야만 합니다.

지리 공간 데이터베이스는 벡터 데이터 및 래스터 데이터와 같이 기하학적 공간에 정의된 객체를 나타내는 데이터를 저장하고 쿼리하는 데 최적화되어 있습니다. 데이터 볼륨이 기하급수적으로 증가하는 오늘날 지리 공간 데이터베이스는 크고 복잡한 이기종 공간 데이터를 분석할 수 있는 최고의 관리 용이성과 보안을 제공합니다.

지리 공간 데이터베이스 플랫폼은 복잡한 지리 공간 데이터에 필요한 특수 관리, 처리 및 분석 엔진을 제공합니다. 이러한 시스템의 확장성과 성능은 개발 및 통합 지원 제공과 함께 성공을 위한 두 가지 핵심 요소입니다.

호환성을 위해 지리공간 데이터베이스 플랫폼은 Open Geospatial Consortium(OGC)에서 정의한 표준을 지원합니다. 이 표준은 통합된 프레임워크와 웹 서비스를 제공하며, 벡터 데이터용 Web Feature Services(WFS), 래스터 데이터용 Web Coverage Service(WCS), 분산된 지리공간 데이터 애플리케이션 및 서비스를 검색, 관리, 유지보수하는 데 사용되는 Catalog Services(CSW)를 포함합니다.

지리 정보 시스템(GIS)은 지리 공간 데이터를 편집하고 유지 관리할 수 있는 지리 공간 데이터베이스 상의 도구입니다. GIS는 시각적으로 또는 논리적으로 둘 다 중첩될 수 있는 도면층으로 구성된 지형 공간 객체를 지원합니다.

지리 공간 분석은 지리적 관계를 기반으로 복잡한 상호 작용을 이해하고 사람, 자산 및 리소스의 위치를 기반으로 질문에 답변하는 작업입니다. 지리 공간 인사이트를 통해 사용자는 더 나은 고객 서비스를 제공하고, 인력을 최적화하고, 소매 또는 유통 센터를 찾고, 자산을 관리하고, 상황 분석을 수행하고, 판매 및 마케팅 캠페인을 평가할 수 있습니다.

지리 공간 데이터의 기본 개념

'지리 공간 데이터'는 지구 표면 또는 우주의 피쳐, 오브젝트 및 클래스에 대한 정보를 나타냅니다. 지리 공간 데이터는 일반적으로 크고 복잡한 데이터 유형으로 저장되며 특수한 인덱싱, 쿼리, 처리 및 분석 알고리즘이 필요합니다.

지리 공간 데이터는 다음을 의미합니다.

• 단순 2D 및 3D 벡터 기하학적 객체(예: 점, 선 및 다각형)
• 이미지 및 그리드 데이터와 같은 복잡한 래스터 데이터

지리 공간 데이터는 지오메트리 및 '속성'이라는 카트리지 표현으로 구성됩니다. 기하학적 형상은 해당 요소들의 점, 선, 다각형 및 컬렉션일 수 있습니다.

• 포인트는 첨부된 속성 테이블이 있는 위치 좌표로서, 예를 들면 거주지, 상점 위치 또는 이동 전화 위치를 나타낼 수 있습니다.
• 선에는 시작점, 끝점이 있고 곡선의 경우 여러 중간점도 있으며 속성 테이블이 있습니다. 이것은 도로망이 탐색 시스템에 표시되는 방식이며, 교차로에서의 속도 제한 및 대기 시간에 대한 정보와 함께 연결된 선 및 노드를 사용합니다.
• 다각형은 영역 단위로, 테두리가 속성 테이블이 있는 선으로 설정됩니다.

이러한 형상에는 색상, 지도(표시용)인 선 두께 및 모집단(다각형 내부)과 같은 기타 속성, 또는 측정하거나 축척할 수 있는 항목 등의 속성이 있을 수 있습니다.

지오메트리 및 속성 데이터는 모두 Oracle의 공간 데이터베이스와 같은 관계형 데이터베이스 관리 시스템을 통해 연결됩니다. 데이터베이스 관리 시스템은 최고의 성능, 확장성 및 보안성을 기반으로 가장 까다로운 지리 공간 프로세스도 구동할 수 있습니다. 또한 다른 GIS 및 nonGIS 애플리케이션과의 손쉬운 통합을 통해 개발 작업을 줄일 수 있습니다.

지리 공간 래스터 데이터는 Landsat 위성으로 강화된 Thematic Mapper(ETM+) 센서로 수집한 복잡한 정보 집합으로서 빛, 적외선 반사 값 및 그리드 내 위치 정보를 기록합니다. 기하학적 형상은 점, 선, 다각형 및 이러한 요소들의 집합으로 구성될 수 있습니다. 색상, 디지털 혁신 모델의 높이 및 여러 변수 등의 위치 데이터가 모든 그리드 셀에 연결됩니다. 예시로는 주제별 지도, 디지털 고도 모델/디지털 표면 모델(DEM/DSM), 원격 감지(RS) 이미지, 사진측량 사진, 스캔된 지도, 지질물리학 이미지, 및 지질학 지도 등이 있습니다.

래스터 데이터 유형은 벡터 데이터 유형에 비해 크고 데이터 구조가 매우 다릅니다. 래스터 데이터 세트는 매우 빠르게 증가할 수 있으므로 Oracle의 공간 데이터베이스와 같은 데이터 관리 시스템을 필요로 하는 거대한 지리 공간 정보가 축적됩니다.

또한 포인트 클라우드는 라이트 감지 및 범위 지정(LiDAR) 애플리케이션에서 생성된 복잡한 3D 데이터 유형입니다. 포인트 클라우드는 3차원 형상이나 특징을 표현하는 대규모 데이터를 저장하기 위한 기하학 구조의 한 종류입니다. 각 점에는 다른 속성과 함께 고유한 X, Y 및 Z 좌표 세트가 있습니다. 포인트 클라우드는 주로 사진측량학이나 원격 감지 기술에서 LiDAR 응용 프로그램을 통해 생성됩니다.

근본적으로 다른 유형의 데이터 간 통합은 지리 공간 데이터 분석의 핵심 작업 중 하나입니다. 지리 공간 데이터 분석의 중요한 도구는 맵을 통한 데이터 시각화입니다. 지도는 일반적으로 원격 감지 데이터로부터 생성됩니다. 농지, 숲 등 자연 지형은 다각형에 할당된 디지털 속성으로 변환되며, 이후 적절한 색상으로 채워집니다.

데이터 범주에는 다음이 포함될 수 있지만 이에 국한되지는 않습니다.

• 행정 및 정치적 경계
• 농업 및 경작
• 대기 및 기후
• 생물학 및 생태학
• 경영 및 경제학
• 측량
• 문화, 사회 및 인구 통계
• 고도 및 파생 제품
• 환경 및 보존
• 시설 및 구조
• 지질 및 지구물리학
• 인간 보건 및 질병
• 이미지 및 기본 맵
• 내륙 수자원
• 위치 및 측지 네트워크
• 군사
• 해양과 연안 지역
• 교통망
• 유틸리티 및 통신

지리 공간 데이터 사용 사례

초연결된 오늘날의 세상에서 모든 물체는 디지털 풋프린트를 가지고 있으며 글로벌 네트워크의 일부로 존재합니다. 이로 인해 위치 및 위치 기반 정보는 분석, 관리, 행정, 그리고 거버넌스 측면에서 필수적인 요소로 부상하고 있습니다. 이벤트, 활동, 개인, 거리 또는 건물이 어디에 있는지 알 수 있도록 도와주는 위치 인텔리전스를 사용해 관심 대상의 위치를 추적하는 애플리케이션을 개발할 수 있습니다. 해당하는 애플리케이션들은 많은 민간 및 공공 부문 기업에 의해 다음과 같은 다양한 분야별로 폭넓게 사용되고 있습니다.

• 작업 및 청구(예시 참고)
• 부동산 및 자산 관리(예시 참고)
• 과세(예시 참고)
• 재해 및 비상 상황 관리
• 시장 및 고객 분석(예시 참고)
• 관광(예시 참고)
• 위험 관리(예시 참고)
• 자산 추적 및 분석(예시 참고)
• 텔레매틱스 및 차량 관리(예시 참고)
• 토지/환경 관리(예시 참고)
• 공중 보건 및 질병 유행 관리(예시 참고)

지리 공간 데이터베이스의 도전 과제

• 비즈니스 프로세스에 공간 데이터를 통합하기 어려움

  GIS 시스템은 많은 경우 비즈니스 시스템과 연결되지 않은, 전용으로 설계된 전문 시스템으로서 그만큼 교육, 운영 및 유지보수 비용이 증가합니다. 위치 관련 정보를 애플리케이션에 제공하는 것은 노동 집약적이고 시간이 많이 걸리며 오류가 발생하기 쉬우며 대용량 인프라 프로젝트의 경우 확장 불가능한 수작업입니다. 필수 통합이 없기 때문에 애플리케이션은 지리 공간 정보의 가치를 온전히 누릴 수 없습니다.

• 상호 운용성

  애플리케이션에 중요한 위치 기반 정보를 제공하기 위해 맵과 데이터를 통합해야 한다는 요구가 점점 커지고 있습니다. 그러나 조직은 다양한 프로젝트에 대해 다양한 솔루션을 사용할 수 있습니다. 이로 인해 조직에서 둘 이상의 GIS 또는 매핑 구성 요소가 발생하며 데이터 프라이버시 및 데이터 레지던시에 대한 우려도 높아집니다.

• 이기종 데이터

  다양한 종류의 데이터가 파일 또는 전문 데이터 저장소에 보관되고 각 데이터에는 특수 기술이 필요하므로 통합 분석이 어려워집니다. 지리 공간 데이터를 통합할 때는 조직 전반의 메타데이터 정의 및 사용에 대한 동의를 얻는 것이 중요합니다. 메타데이터가 불완전하거나 접근/검색이 불가능하거나, 데이터 세트가 의미론적으로 일관성이 없어(즉, 동일한 용어가 반드시 동일한 의미를 나타내는 것은 아님) 적절한 데이터 세트를 찾는 것이 어려운 경우가 많습니다.

• 확장성

  확장성은 센서 데이터, GPS 스트리밍 데이터 및 3D 데이터와 같은 위치 정보가 필요한 상업용 애플리케이션과 관련해 점점 더 많은 양의 지리 공간 데이터를 효과적으로 처리하기 위한 요구 사항이 되었습니다.

• 애플리케이션 레벨 통합

  매핑 시스템과 비즈니스 시스템 간의 통합이 부족하기 때문에 고객은 일반적으로 의사결정 지원 시스템 전반에서 중앙화된 위치 정보를 활용할 수 없습니다.

지리 공간 데이터베이스의 작동 방식

• 데이터 수집

  다양한 데이터 소스(다변량 데이터)에서 공간적 속성(형태, 크기, 위치) 및 비공간적 속성(이름, 길이, 면적, 부피, 인구, 기타) 데이터를 필터링하고 통합합니다. 데이터 세트는 다양한 데이터 소스에 저장된 다수의 전용 도메인별 특정 파일 형식으로 구성될 수 있으며 이러한 다양한 데이터 유형을 변환하는 데에는 많은 시간이 소요됩니다.

• 데이터 보강

  공간 속성(예: 주소 지오코딩 및 장소명)을 데이터에 추가하여 후속 분석을 위해 데이터를 보강합니다. 텍스트 데이터를 숫자 데이터로 변경하고 다른 모든 숫자 데이터를 정규화합니다. 데이터 보강을 통해 사용자는 구조화되지 않은 지리적 데이터를 처리할 수 있으므로 정보를 분류, 비교, 필터링하고 다른 구조화된 데이터와 연결하여 공간 및 텍스트 분석을 수행할 수 있습니다.

• 지리 공간적 처리

  공간 분석 워크플로를 개발하고, 속성 데이터를 기하학적 데이터 세트와 결합해 공간 분석 및 매핑을 위한 데이터를 준비합니다.

• 인터랙티브 분석

  다른 컨텍스트 계층과 함께 인터랙티브 맵에서 데이터를 시각화합니다. 보기, 확대, 회전, 패턴 찾기 및 속성별 쿼리/필터링 등의 기능을 사용해 맵을 탐색할 수 있습니다.

• 결과 공유 및 게시

  REST, GeoJSON 및 OGC 웹 서비스를 통해 공간 콘텐츠와 분석 결과를 통합합니다.

지형 공간 데이터 관리 및 작업을 위한 모범 사례

• 컨버지드 데이터베이스에서 볼 수 있듯 지리 공간 데이터와 다른 모든 엔터프라이즈 데이터를 결합하면 운영, 전략, 개발 측면의 이점을 얻을 수 있습니다.
• 데이터 상주 위치를 처리하여 성능을 개선합니다. 데이터베이스가 제공하는 기능을 사용하여 데이터 통합, 보강, 분석, 머신러닝을 수행할 수 있습니다.
• 데이터 보안을 염두에 두고 설계된 검증된 데이터 관리 플랫폼으로 엔터프라이즈급 보안 및 거버넌스를 지원합니다.
• 고가용성 기능을 갖춘 엔터프라이즈 데이터 관리 플랫폼의 확장성과 성능을 활용하여 증가하는 데이터 볼륨과 수요를 지원합니다.
• 시스템 및 공급업체 전반의 구성 요소를 결합할 수 있는 개방형 지리 공간 플랫폼을 선택하여 미래에 대비한 투자를 수행할 수 있습니다.
• 클라우드에서 Low-Code 애플리케이션을 구축하고 클라우드로 쉽게 리프트 앤 시프트할 수 있는 플랫폼을 선택해 클라우드의 이점을 누릴 수 있습니다.

• 컨버지드 데이터베이스에 대해 알아보기
• 단계별 워크샵을 통해 공간 사용 방법 학습하기

관련 제품

Oracle Autonomous Database

세계 최초의 자율 구동 데이터베이스

Oracle Database

세계 최고 수준의 통합형 다중 모델 데이터베이스 관리 시스템

Oracle Exadata

Oracle Database의 독보적인 성능, 확장성, 가용성

오라클 자율운영 데이터 웨어하우스(ADW)

간결한 데이터 웨어하우스 운영