맵핑의 기법

3-1. 면형 맵핑

1) 단계 구분도 맵핑

단계 구분도 맵핑choropleth mapping은 기본 공간 단위 내에서 균등하게 분포하 고 공간 단위 경계에서만 변화가 발생하는 현상들을 재현할 경우 사용한다.

그림 28. Distribution and Intensity of Illiteracy in France, Baron Pierre Charles Dupin, 1826

단계 구분도는 1826년 바론 피에르 샤를 뒤팡Baron Pierre Charles Dupin(1784-1873)에 의해 고안되었고(그림 28), 그 용어는 1938년 지리학자인 존 커트랜드 라이트

John Kirtland Wright가 『Notes on Statistical Mapping, with Special Reference to the Mapping of Population Phenomena』(1938)에서 처음 사용하였다(Wright 1938).

이 맵핑에서 중요하게 고려해야 되는 사항은 기본 공간 단위의 크기와 형태이

공간 단위(예: 행정 구역 등) 내에 균등하게 분포하지 않을 경우 사용한다. 1911년 러시아의 경제 지리학에 관한 정보를 체계화하는데 일생을 바친 벤야민 세미나 시옹샨스키Benjamin Semenov-Tian-Shansky가 고안하고, 1919년에는 이 기법을 활용한 지도가 처음으로 제작되었다(Petrov 2012:256). 이 맵핑은 단계 구분도 와 같이 면형 기호를 사용하지만, 기호의 범위가 기본 공간 단위와 반드시 일치 할 필요는 없다(Slocum et al. 2014:299). 주 데이터를 기반으로 공간적 보조 데 이터를 활용하여 주 데이터의 구역 경계를 보다 더 세밀한 공간 단위로 나누어 주 데이터의 세부 내용을 재현하는 방법으로, 통계적 표면의 가장 적합한 표현 을 목적으로 한다(이석준 et al. 2014:90). 일반적으로 대시메트릭 맵핑은 인구와 관련된 데이터를 다룰 때 사용하며, 이 맵핑의 장점은 온전히 수학적으로 계산

그림 29. A: Dasymetric Population Density Map, B: Percent Error, C: Count Error, Cory L.

Eicher and Cynthia A Brewer, 2011

된 숫자가 아닌 인구 분포의 서로 다름의 이면에 나타나는 추가적인 정보를 제

등치선도를 맵핑하는데 가장 중요한 점은 인터폴레이션interpolation 과정이다.

보간법이라고도 하는 인터폴레이션은 일정한 속성 값을 갖는 데이터들을 일관 된 규칙으로 연결하기 위해 필요한 과정으로 수동 인터폴레이션과 자동 인터폴 레이션으로 구분할 수 있다. 자동 인터폴레이션은 컴퓨터의 개발과 함께 활발히 발전되어온 분야로 입력된 정보 값이 자동으로 데이터를 분류하고 동일한 값을 연결하는 것을 말한다. 수동 인터폴레이션은 눈을 이용한 방법으로 이웃한 기준 점을 연결하고, 동일한 값을 같은 등치선을 생성하기 위해 선형으로 데이터 값 을 구분하고 연결하는 것이다(Slocum et al. 2014:313)

그림 30. 일본 기상청의 아시아 기상해석도

3-3. 기호형 맵핑

1) 비례적 도형 표현도

비례적 도형 표현도는 기하학적 기호나 그림기호를 이용하여 데이터 값을 표현하는 맵핑이다. 기하학적 기호geometric symbol는 원, 정사각형, 구와 같은 기 호를 사용하는 것으로 지도화되는 현상을 직접 반영하지 않는 반면, 그림 기호

pictographic symbol는 현상을 직접 반영한다(Slocum et al. 2014:337-338). 비례적 도형 표현도에서는 비례 기호의 수학적 스케일링mathematical scaling이 중요한데, 이것은 데이터 그기에 비례하여 기호의 크기를 결정하는 것이다(Slocum et al.

2014:341). 만일 데이터의 값이 어떤 데이터보다 20배 크다면, 그 기호는 20배 커지는 것이다. 정확한 비례로 표현하는 것이 그렇지 않은 경우보다 옳은 맵핑 이라고 판단할 수 있지만, 사람들이 인지하는 기호의 크기가 실질적 기호의 크 기와 다르다는 점을 고려해야 한다. 에빙하우스 착시Ebbinghaus illusion 현상에서 알 수 있듯이 사람들의 과소 혹은 과대 추정을 고려하여 수학적인 스케일링을 조정할 필요가 있다. 이 과정을 인지적 스케일링perceptual scaling이라고 한다.

그림 31. Ebbinghaus Illusion, kodaklens.co.uk, 2014

또 다른 문제는 기호의 중첩에 관한 것이다. 기호가 중첩되고, 그 맵핑의 목 적이 정보 전달에 있는 경우 기호의 중첩을 조정하여 공간적 패턴을 명확히 보 여주는 과정이 필요하다.

2) 점묘도 맵핑

점묘도는 개별 공간 단위에서 총합의 개념적 데이터를 수집했지만 공간 단 위에 표현되는 현상이 균일하지 않은 것을 보여주고자 할 때 활용할 수 있는 맵핑이다. 이는 일정한 크기의 점 한 개가 현상의 양을 나타내도록 하고, 공간 현상이 가장 발생하기 쉬운 곳에 점을 찍는 방식으로 맵핑할 수 있다. 최초의 점묘도는 한 아망 제프 페레 드 모티종Armand Joseph Frere de Montizon의 프랑스 인 구를 맵핑한 것(그림 32)이다. 이 지도에서 하나의 점은 10,000명을 의미한다.

그림 32. Dot Map of Population of France, Armand Joseph Frere de Montizon, 1830

3-4. 흐름형 맵핑

그림 33. Geological Survey Surveyors, Griffiths, 1940

보든 덴트Borden Dent(1999)에 의하면 유선을 지도 상에서 가장 중요한 정보이므

그림 34. (좌) Foursquare Check in Density, Spatial Information Design Lab, 2012 그림 35. (우) Facebook Check in Density, Spatial Information Design Lab, 2012

에 기록된 위치 정보를 지도 상에 맵핑하여 도시 내 장소 간의 관계에 관해 다 시 생각하는 기회를 만들었다. 이들은 뉴욕, 멕시코 시티, 모스코 뭄바이, 리우 데자네이로, 베이징과 도쿄를 대상으로 포스퀘어와 페이스북의 이용자들이 어디 에 “체크-인check-in”을 하였는지, 어떤 기분을 표현했는지에 관한 위치 정보를 맵핑하였다.

포스퀘어와 페이스북의 Application Programming Interfaces(API’s)는 위치-기 반 데이터를 통해 소셜 미디어의 사용자들이 “지금 여기Here Now”라고 알릴 수 있도록 한다. 이 지리적 데이터의 분석은 뉴욕 도시의 소셜 미디어 사용자들의 심리적 지리psycho-geography와 경제적 지형을 발견하게 한다. 소셜 미디어들은 사 용자들이 무엇을 하는 지뿐만 아니라 그들의 기분도 등록할 수 있다. 사용자들 은 언제 어디에서 감정적 변화를 느끼는지를 보여준다.

결과적으로 두 소셜 미디어는 서로 다른 결과를 보여준다. 포스퀘어의 이용 자들은 일상의 단조로운 분위기-어디서 잠이 드는지, 어디서 모닝 커피를 마시 는지 혹은 어디서 일을 하는지-를 말하고, 페이스북 이용자들은 그들이 방문한 상징적인 장소-타임 스퀘어, 리틀 이탤리 혹은 엠파이어 스테이트 빌딩-에 대 해 말한다. 두 경우에서 소셜 미디어의 이용자들이 도시를 탐색하는 방법을 엿 볼 수 있다. 어떻게 사람들이 도시를 여행하는지, 그 때 그들의 기분은 어떤지

(모스코의 경우 실내 몰의 이용이 높음)에 관한 정보를 파악할 수 있다. 소셜 미디어는 도시 형태와 토지 이용에 관한 풍부한 정보를 제공하고, 이러한 데이터를 맵핑 함으로써 우리는 사람들이 도시를 이용하는 행태를 볼 수 있을 뿐만 아니라, 도 시 간의 비교를 통해 각 도시 별 성격도 파악할 수 있다.

그림 36. Foursquare Check-ins, Spatial Information Design Lab, 2012

2) 세계 경제의 복잡성 맵핑The Atlas of Economic Complexity

경제학의 메커니즘에서 복잡성complexity은 정확한 역할을 규명하기 어렵다.

경제 성장의 전통적인 분석에서는 더욱 설명하기 어려운 변수이다. 경제학자 리 카도 오스망Ricardo Hausmann과 네트워크 물리학자 세자르 히달고César Hidalgo는 이 복잡성을 측정하고 시각화하는 과정에서 맵핑을 활용하였다. 그들은 책, 『The Atlas of Economic Complexity』(2014)에서 128개국의 복잡성을 국가가 생산하 는 상품 간의 관계와 수출하는 상품의 수와 양, 그리고 수출하는 국가와 수입하 는 국가를 고려하여 분석하였다.

그림 37. Graphical Explanation of Diversity and Ubiquity, Haussmsan and Hidalgo, 2014

그림 38. Map of the World Colored According to ECI Ranking, Haussmsan and Hidalgo, 2014

그림 39. The Product Space, Haussmsan and Hidalgo, 2014

복잡성을 설명하는 두 가지 변수는 다양성과 보편성으로, 다양성은 수출하는 상품의 수로, 보편성은 하나의 상품이 통용되는 국가의 수로 측정한다. 더 자세 히 보면 다음과 같다. 다양성diversity은 국가가 수출하는 품목의 수이다. 오스망 은 국가가 생산할 수 있는 상품의 품목을 그 국가의 다양성 지수로 보았다. 이 는 네트워크 내에 한 국가가 연관된 상품의 수를 의미한다.

그림 37을 예로 보면, 네덜란드는 5, 아르헨티나는 3, 가나는 1의 다양성을 가지고 있다. 보편성ubiquity은 상품이 수출되는 국가의 수이다. 그림을 보면 치 즈는 두 개의 국가에 수출품이고 이 경우 치즈의 보편성은 2, 냉동 생선은 3, 미디어 카메라는 1의 보편성을 갖는다(Hausmann 2014:20-22). 그림 38은 128 개국의 경제 복잡성 지도이다. 복잡성의 두 설명 변수인 다양성과 보편성을 고 려하여 도출한 경제 복잡성 지수Economic Complexity Index를 통해 이들은 단계 구분 도의 기법으로 복잡성의 정도를 구분하여 맵핑하였다. 또 하나의 맵핑은 각기 다른 상품에 요구되는 능력의 연관성을 특정하여 상품간의 관계를 시각화한 지 도이다. 이들은 모든 상품의 관계를 고려하여 인접성^proximity을 측정하고, 상품 공간product space을 시각화 하였다. 이 책의 내용은 The Atlas of Economic Complexity 홈페이지(http://atlas.media.mit.edu/)에서 보다 다양한 방식으로 시각화 하여 보여준다. 특히 시각화 페이지에서는 국가 간의 무역 데이터를 맵핑을 통 해 이해하기 쉽게 전달하고 있다.