pCell 데이터 : 이동통신사의 기지국 신호를 기반으로 생성된 유동인구 추정값
- 위성 위치 확인 시스템(GPS)이 아닌 네트워크 방식으로 가입자의 동선을 유추해 건물 내부 등 GPS 음영 지역에서도 수십 미터 오차로 위치를 파악
- 따라서 수 km에 이르는 셀 단위의 위치 정보를 제공하는 셀 ID 방식보다 5배 이상의 정밀한 정보 제공
출처: SKT Geovision PUZZLE
좌표계 전처리
| 좌표계 | 코드 |
|---|---|
| BESSEL 경/위도 | EPSG:4004, EPSG:4162 |
| WGS84 경/위도 | EPSG:4326, EPSG:4166 |
| 서부원점(GRS80) | EPSG:5185 |
| 중부원점(GRS80) | EPSG:5181, EPSG:5186 |
| 동부원점(GRS80) | EPSG:5187 |
| 동해(울릉)원점(GRS80) | EPSG:5188 |
| UTM-K (GRS80) | EPSG:5179 |
| Google Mercator | EPSG:900913 |
- UTM-K(EPSG:5179)나 TM중부(EPSG:5186) 국가 좌표계로 제공되는 유동인구 데이터를 위경도(EPSG:4326)로 변환
import geopandas as gpd
from pyproj import Transformer
transformer = Transformer.from_crs("EPSG:5186", "EPSG:4326", always_xy=True)
x, y = transformer.transform(994283.991787, 1815479.14739)
OSMnx: 오픈스트리트맵 (OSM) 데이터 기반 네트워크 분석 및 시각화에 특화된 파이썬 라이브러리
OpenStreetMap 데이터를 Python에서 손쉽게 불러와 도로 네트워크, 보행 경로 분석, 접근성 평가 등에 활용
(OpenStreetMap? 누구나 데이터를 추가/수정 가능한 오픈소스 지도)
import osmnx as ox
import urllib3
# SSL 에러 관련
ox.settings.requests_kwargs = {'verify': False}
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
# 특정 지역(예: 뉴욕)의 도보용 도로망 불러오기
G = ox.graph_from_place('North Hempstead, New York, USA', network_type='drive')
fig, ax = ox.plot_graph(G, node_color='r')
2SFCA (Two-Step Floating Catchment Area): 공간적 접근성을 분석하는 데 사용되는 방법.
-
특히, 시설(예: 병원, 학교, 문화 공간)에 대한 사람들이 얼마나 쉽게 접근할 수 있는지를 평가하는 데 유용함
-
특정 행정구역 경계를 기준으로 넓게 분포한 서비스 시설의 접근성을 다각도로 분석하면서 개별 장소에 대해서도 정밀하게 검토할 수 있는 중력모형 방식의 하나임
-
계산은 두 단계로 진행 → 공급(시설)과 수요(사람)를 분리하여 접근성을 평가
- ① 공급지(예: 병원)에서 일정 반경 내 수요(주민, 인구)와 공급자(병원 수용력) 비율을 산출
- ② 수요지(거주지)에서 인근 공급지의 접근성 값을 다시 합산하는 공간접근성 분석
p-cell 유동인구와 공간 접근성 결합
- 2SFCA와 시간대별 유동인구를 결합하면, 특정 시간/공간에서의 수요-공급 불균형, 혼잡 패턴, 시설 추가 필요성을 쉽게 파악할 수 있다.
- 예를 들어, 공원 접근성은 높으나 실제 방문인구는 적은 지역을 찾아 정책 타깃팅이 가능하다. (from GPT)
시각화
1. 점묘도 (Dot Density Map)
2. 핫스팟 분석 (Hotspot Analysis)
3. 단계 구분도 (Choropleth Map)
4. 버블맵 (Bubble Map)
5. 도형 기반 표현도 (Symbol Map)
(GPT와 함께 그림..)
