피
피 터터 로로 저저 슨슨 (( PP ee tt ee rr RR oo gg ee rr ss oo nn ))
대담 | 신정엽
서울대학교 지리교육학과와 동 대학원에서 학사와 석사과정을 마친 후, 2005년 NCGIA가 있는 뉴욕주립대학(버펄로)에서 박사학 위를 받았다. 2005년 7월부터 국토연구원 GIS 연구센터에서 책임연구원으로 재직 중이다. 주요 연구분야로는 도시∙경제지리, GIS, 공간분석 및 통계이고, 대표적인 연구논문으로는“Spatio-temporal Dynamics of Economic Clusters in Urban Polynucleation:
A Case Analysis of Erie County, NY(2005, 박사학위논문)”, “효율적인 수치지도 제작, 유통을 위한 GIS 통합 표준화 방안에 관한 연구(2003)”, “지역자료의 공간단위 재구성 기법 및 에러 검증(2004)”, “VCEC(Variable Clumping method for Economic Clusters) 를 이용한 도시 내 경제클러스터 탐색방법에 대한 연구(2005)”, “The Statistically and Economically Significant Clustering Method for Economic Clusters in Urban Region(2005)”, “상이한 공간 스케일 효과와 유의한 작동 스케일(operational scale)에 대한 경험적 탐색 연구(2005)”등이 있다.
피터 로저슨 교수는 미국 뉴욕주립대학(올버니) 지리학과를 졸업하고, 1982년 뉴욕주립대학(버펄로)에서 박사학위를 받았다. 이후 노스웨스 턴(Northwestern)대학에서 6년간 재직하였고 1986년에 뉴욕주립대학(버펄로) 지리학과로 옮겨 현재까지 재직하고 있다. 로저슨 교수는 1982년 인구학회, 1986년과 1992년 NSF(National Science Foundation), 2002년에는 뉴욕주립대학에서 학술상을 수상하는 등 다양 한 수상경력이 있다. 현재 그는 미국 GIS분야의 핵심인 NCGIA(National Center for Geographic Information Analysis)가 소재한 뉴욕주립대학(버펄로)에서 GIS와 공간분석 연구를 주도하고 있으며, 특히 공간통계 분야에 있어서 세계적인 명성을 쌓고 있다. 80여 편이 넘는 학술논문을 발표하였으며, 120여 편이 넘는 논문을 집필하는 등 활발한 연구활동을 전개하고 있다. 1995년 Fotheringham 교수와 공저한‘Spatial Analysis and GIS’는 GIS, 공간분석 분야의 바이블로 여겨지고 있으며, 2001년에 저술한‘Statistical Methods for Geographers’는 전 세계의 많은 대학에서 공간통계학, 계량지리학, 공간분석 분야의 교과서로 사용되고 있다. 특히 공간통계 분야에서 로 저슨 교수는 매우 큰 공헌을 하였는데 특히 공간자기상관지수로 새로운 R’s statistics를 개발하였으며, 시공간 관점의 공간패턴 모니터링 기법인 Geosurveillance 방법을 개발하여 공간통계의 새로운 패러다임을 주도함은 물론 이 분야의 발전을 선도하고 있다.
- interview
Peter
Rogerson
▶ 신정엽(이하‘신’): 바쁘신 가운데 인터뷰에 응해주셔서 감사드립니다.
먼저 공간통계의 정의와 특성에 대해 일반적인 질문을 드리겠습니다. 많은 사람들이 공간통계에 대해 알고 있지만, 상당수가 공간통계를 제대로 이해 하지 못하고 또한 여전히 공간통계에 대해 궁금한 점이 많은 것 같습니다.
그리고 공간통계는 기존의 공간분석, GIS 등과 밀접한 관련성을 가지고 있 는 것으로 알려지고 있습니다. 이러한 측면에서 공간통계의 성격이나 특성 에 대해 말씀해 주시겠습니까?
▶▶ 피터 로저슨(이하‘로저슨’): 우선 통계학은 크게 기술적 통계 (descriptive statistics)와 추론적 통계(inferential statistics)의 두 가지 접근방 법으로 구성됩니다. 기술적 통계 접근방법의 주목적은 데이터가 가지고 있 는 특성을 탐색하고 기술하는 것입니다. 데이터가 가지는 중심성 경향 (central tendency)의 측정방법, 즉 평균치, 중간치, 표준편차와 분산 등의 측정방법이 한 예입니다. 이때 시각화 기법(visualization) 또한 중요한 기술 요소이며 히스토그램, 박스 플롯(box plot) 등의 시각화 기법을 이용하여 데 이터에 대한 정보를 효과적으로 표현할 수 있습니다. 반면 추론적 통계 접 근방법은 모집단(population)의 일부인 샘플집합의 정보만 이용할 수 있는 경우 이 정보를 이용하여 모집단에 대한 추론을 이끌어내는 데 사용하는 방 법입니다. 예를 들어 평균의 차이가 유의한지를 검증하는 표준가설 검증, 그 리고 선형∙비선형 회귀분석 등의 모델 등은 이러한 맥락에서 사용됩니다.
연속선상에서 공간통계는 지리적 맥락에서 기존 통계방법과 모델을 응
피터 로저슨:
공간통계 연구의 현재와 미래
대담, 정리｜신정엽(국토연구원 책임연구원)
신정엽
▶ Jungyeop Shin(‘Shin’): First of all, let me ask some general questions
for definitions and characteristics of spatial statistics. Many peoples might have already known about spatial statistics, but many of them may do not understand spatial statistics clearly and exactly, and they may still want to know about it with more details. It is usually known that spatial statistics are closely related to the spatial statistics and GIS. Would you introduce spatial statistics briefly with this regard?
▶▶ Peter Rogerson(Rogerson): Statistics is commonly divided into two
parts: descriptive statistics and inferential statistics. With descriptive statistics, the intent is to describe a set of data; common ways of doing this include measures of central tendency such as the mean and the median, and measures of variability, such as the standard deviation and variance.
Visualization is also an important component of description, and here such devices as histograms and box plots convey information about the data.
Inferential statistics are used when one wishes to make statements about some larger population, when information is only available from a sample of that population. Standard hypothesis tests such as difference of means tests and common models such as linear and nonlinear regression models are used in this context.
Spatial statistics is the field defined by both the application and the
Peter Rogerson:
Spatial Statistics - the Past and Future
Peter Rogerson
용하거나, 또 공간통계 분야를 위한 새로운 방법을 개발함으로써 만들어진 분야입니 다. 기술적 공간통계(descriptive spatial statistics)는 공간상의 위치정보인 평균 중심위 치(mean center)를 측정하는 등 여러 가지 공간정보를 탐색해줍니다. 반면 추론적 공 간통계(inferential spatial statistics)는 공간데이터에 대한 추론문제(problems of inference)를 다루고 있습니다. 대표적인 방법은 공간적으로 의존적인 관찰값을 다루 기 위해 회귀분석 등 전통적인 방법을 일반화하는 것과, 범죄나 질병이 가진 유형의 지 리적 클러스터를 탐색하기 위해 공간문제를 명시적으로 다루는 방법의 개발 등이 있 습니다.
앞에서 설명한 공간통계 분야는 기존의 공간분석 연구 중 일부분으로 인식될 수 있 습니다. 그러한 관점에서 보면 공간분석은 입지∙할당분석 기법 등의 최적화 기법과 같이 지리데이터에 적용된 다양한 공간분석 기법들을 포괄한다는 점에서 공간통계보 다 더 포괄적이고 일반화된 것으로 설명할 수 있습니다. 한편 GIS는 다양한 정의가 있 겠지만, 기술 측면에서 볼 때 지리정보의 저장, 질의, 디스플레이, 분석 등의 과정을 위 한 분석도구라고 할 수 있습니다. 그런데 최근까지의 연구경향을 살펴보면 GIS 분야에 서는 공간통계와 공간분석이 활발하게 이루어지지 않고 있습니다.
▶신: 기존 통계학의 기술적, 추론적 통계방법론과 같이 공간통계에서도 공간데이터 를 다루는 기술적, 추론적 공간통계 방법론이 있습니다. 물론 공간통계는 기존 통계분 야의 기법이나 접근방법을 그대로 따르지 않는 것 같습니다. 공간데이터를 다루는 데 있어서 공간데이터 간의 의존성을 근본적으로 가정하고 있다는 점이 기존 통계학과 다른 점이라고 생각합니다. 기반으로 하고 있는 가정이 서로 다르기 때문에 구체적인 기법이나 모델도 다르게 발전하는 것으로 생각됩니다. 이러한 관점에서 볼 때 공간통 계는 GIS, 공간분석 연구분야와 밀접한 관련성을 가지고 있습니다. 한편 최근 GIS의 발전은 시스템(system)에서 학문(science)으로 발전하고 있습니다. 특히 이러한 연구 패러다임 변화의 중심에 공간분석과 공간통계를 기반으로 한 다양한 연구들이 존재하 고 있다는 사실을 다시 한번 상기하게 됩니다. 공간통계 분야에서 최근 각광받고 있는 주제인 ESDA(Exploratory Spatial Data Analysis)에 대해 말씀해 주십시오.
▶▶로저슨: ESDA는 용어가 가진 의미 그대로 탐색적 공간데이터 분석을 말합니다. 최 근의 연구경향에서 ESDA는 매우 중요하게 인식되고 있습니다. 일반적으로 통계는 탐 색적(exploratory) 접근방법과 확증적(confirmatory) 접근방법으로 구성됩니다. 탐색적
development of additional methods for use in a geographic context. Descriptive spatial statistics include measures such as the mean center, to identify accessible locations in space.
Inferential spatial statistics are used to address problems of inference for spatial data. These can include generalizations of traditional methods such as regression, to handle dependent observations (which are common with geographic data, since observations that are close in space are often dependent), and the development of methods to handle explicitly spatial problems, such as the search for geographic clusters of crime and disease.
Spatial statistics may be thought of as one part of spatial analysis. Spatial analysis is more general, in the sense that it encompasses other methods applied to geographic data, such as optimization methods (including, e.g., location-allocation problems).
Geographic information systems (GIS) constitute a tool for the storage, retrieval, and display, and analysis of geographic information. Until recently, provisions for spatial statistics and spatial analysis were not commonly found within GIS, but this limitation is now less severe than it was a decade ago.
▶ Shin: According to your explanation, spatial statistics has both the descriptive
and inferential approach for spatial data, as statistics. Spatial statistics does not tend to use the original methods and techniques in statistics as they are, in order to solve spatial problems. It might be mainly explained from the reason that spatial statistics has the underlying assumption of spatial dependency among spatial data, as quite different from the statistics. It can be also thought that different assumption (e.g. spatial dependency) might trigger the development of its own methodologies and techniques in spatial statistics.
From this viewpoint, spatial statistics rather is closely related to spatial analysis and GIS, which is quickly shifting from the systematic to scientific paradigm. In the center of GISs (Geographic Information Science) there are significant researches on spatial analysis and spatial statistics. With this regard, would you tell us ESDA as
방법은 말 그대로 데이터의 특성을 탐색하는 것인데 데이터, 특히 대규모 용량의 데이 터 탐색에 적합하도록 고안되었고, 탐색을 통해 취득한 정보를 이용하여 새로운 가설 을 제안하는 데 도움이 됩니다. 반면, 확증적 통계기법은 주로 가설을 검증하기 위해 사용됩니다. 통계적 접근방법에 대한 이러한 정의는 공간통계에서도 그대로 사용할 수 있습니다. 특히 최근에는 사용가능한 데이터의 종류뿐만 아니라 크기가 점점 커짐 에 따라 이들 데이터의 특성을 파악하고 새로운 가설을 어떻게 설정해야 하는지에 대 한 요구가 점점 커지고 있습니다. 대표적으로 Geocomputation 기법, 데이터 마이닝 (Data Mining), 공간데이터 마이닝(Spatial Data Mining) 기법 등은 대규모 용량의 데 이터 특성, 주요한 측면을 밝혀내기 위한 새로운 접근방법이고, 궁극적으로는 새로운 가설을 개발하는 데 목적을 가지고 있습니다. 이러한 데이터 탐색과정에서 시각화 기 법은 매우 유용하게 사용되고 있습니다.
▶ 신: 언급하신 것처럼 ESDA는 공간통계 분야뿐만 아니라 공간데이터베이스 분야, 데이터 마이닝 분야, 공간분석 분야, Geocomputation 분야 등 다양한 분야에서 사용되 고 있습니다. 지적하신 대로 많은 대규모 데이터들을 수집, 저장, 관리하는 것도 중요 하지만, 또한 이 데이터를 어떻게 사용할 것인지도 중요한 연구주제인 것 같습니다. 이 러한 관점에서 과연 데이터가 어떠한 성격과 특성을 가지고 있으며, 전체 데이터 중에 서 연구목적에 맞는 데이터를 어떻게 추출해야 하는지가 매우 중요하게 다루어져야 할 것입니다. 특히 GIS 분야가 발전하면서 다양한 공간데이터가 구축되고 있는데, 이러한 데이터의 홍수 속에서 데이터를 탐색하는 방법이 이후 연구를 위해 선행되어 야 할 필수 과정인 것 같습니다. 때문에 ESDA의 역할이 매우 중요하게 다루어져야 합니다.
다음 질문입니다. 공간통계 분야에서 가장 활발하고 두드러지게 연구하는 주제로 공간 클러스터링 기법이 있습니다. 물론 기존의 통계기법, 공간분석 분야, 원격탐사와 GIS 분야에서 개발된 다양한 공간클러스터링 기법들이 있습니다. 공간의존성 정보를 토대로 하여 공간통계 분야에서 수행되는 공간통계 기법은 타 분야의 기법들과는 다 른 점이 많습니다. 공간통계 분야에서 공간클러스터링 기법의 특성과 주요 연구경향 에 대해 말씀해 주십시오.
▶▶로저슨: 어떤 측면에서 보면 공간클러스터링 기법은 1950년대에 생태학 분야에서 시작되었다고 볼 수 있습니다. 당시의 클러스터 연구는 공간상에서 식물 또는 동물 종
one of the hottest issues in spatial statistics?
▶▶ Rogerson: ESDA is exploratory spatial data analysis. Methods of ESDA
constitute an important part of current research. Statistics is often subdivided into exploratory and confirmatory approaches.
Exploratory methods are designed in particular for large datasets, and are also designed to suggest new hypotheses.
Confirmatory statistical methods are designed to test hypotheses. These definitions are also used for spatial statistics. Because large datasets are increasingly available, there is now great need for exploring the datasets to develop new hypotheses. Geocomputational methods, data mining, and spatial data mining are all new approaches to uncovering interesting aspects of large datasets, with the goal of developing new hypotheses. Visualization is also an important exploratory tool.
▶ Shin: As you said, ESDA is widely being researched in various fields: spatial
statistics, spatial database, spatial data mining, spatial analysis, geocomputation, and so on.
One of the important things is how to use large sized spatial datasets, as important as how to collect, retrieve, manage them. With this regard, it became important to know how to explore characteristics of the datasets and how to mine them for research purposes. As a various kinds of spatial data are being constructed with the development of GIS, it should be important to consider how to explore an interesting data from them. The role of ESDA must be important for this purpose.
Let me ask another question. One of the outstanding research themes in spatial statistics is the spatial clustering method. There are many clustering techniques developed in various fields such as statistics, spatial analysis, remote sensing, and GIS. The clustering methods in spatial statistics can be differentiated from those from others in that they mainly use information of spatial dependency (often measured as spatial autocorrelation). With this regard, would you explain the characteristics and current research paradigm of the spatial clustering methods?
▶▶ Rogerson: Spatial clustering methods were developed the field of species
의 분포가 클러스터를 이루었는지, 아니면 산재해 있는지를 파악하기 위해 개발된 기 법들이 주를 이루고 있습니다. 이후 공간클러스터 기법 연구는 생태학뿐만 아니라 질 병이나 전염병의 공간분포와 지역탐색에 관심이 있는 의료생태학 분야(epidemiology) 에서 크게 발전하게 되었습니다. 최근 공간클러스터 기법의 발전은 공간자기상관으로 측정되는 공간의존성에 대한 모델의 고급화, 점형 또는 면형 데이터의 클러스터링 과 정에서 발생하는 문제들을 다루는 능력의 향상, 그리고 위치정보 외에 추가적인 주요 변수를 고려한 클러스터링 기법의 발전을 기반으로 가능하였습니다. 이외에도 지도화 와 관련된 베이시안 접근방법(bayesian approach)도 중요하게 다루어지고 있습니다.
클러스터링 기법의 발전경향은 분야에 따라 조금씩 다르게 나타나고 있으며 이러한 경향을 살펴보면 흥미롭습니다. 우선 시각화 기법이 중요하게 여겨지는 범죄분석 연 구에 있어서 GIS는 전통적인 종이지도에서 범죄발생 위치를 확인하고 공간분포를 파 악하였습니다. 그런데 지금은 컴퓨터 화면에서 보다 정교하게 범죄정보의 저장, 질의, 디스플레이를 실행할 수 있고, 범죄발생 위치 또한 파악할 수 있게 되었습니다. 그러나 이러한 발전에도 불구하고 범죄분석 분야는 새롭고 고도화된 공간분석 접근방식을 채 택하는 데 상대적으로 더딘 것이 현실입니다. 반면, 의료생태학 분야에서는 반대의 경 향을 보여 왔습니다. 즉 기존에는 시각화 기법에 대한 신뢰문제뿐만 아니라, GIS가 공 헌할 수 있는 부분에 대해 부정적인 견해가 지배적이었습니다. 그러나 의료생태학 분 야에서는 공간클러스터 기법들을 매우 빠르게 채택하여 왔고, 따라서 현재 새로운 기 법을 개발하기 위해 연구를 거듭하고 있습니다.
▶신: 공간클러스터의 고전 연구로 손꼽히고 있는 Clark과 Evans(1954)1)에 의해 개발 된 최근린 분석(Nearest Neighbor Analysis)은 공간클러스터 유형을 살펴보는 대표적 인 방법입니다. 이외에도 공간통계 분야에서는 공간통계량으로서 공간자기상관 정보 를 이용한 다양한 클러스터링 기법들이 개발되어 있습니다. 대표적으로 공간자기상관 의 측정지수인 Morans’I, Getis’G, Geary’s C 통계지수 등을 이용하여 hotspot, coldspot을 탐색하는 방법도 최근 많이 사용되고 있는 방법입니다. 지적하신 공간클러 스터 기법의 발전은 생태학 분야의 식물과 동물의 분포유형 분석, 범죄유형 분석, 의료 생태학 분야의 질병, 전염병 분포유형 분석, 그리고 경제지리 분야의 경제클러스터 탐
1) Clark, P. and Evans, F. 1954. “Distances to nearest neighbor as a measure of spatial relationships in populations”. Ecology.
35. pp445-453
ecology near the middle of the last century, to discover whether species were clustered or dispersed in space. They have since been advanced significantly in the field of epidemiology, where there is interest in finding geographic areas of raised disease risk.
Sophisticated modeling of spatial dependence, the ability to handle questions of clustering for either point or areal data, and the ability to count for important explanatory variables in addition to location represent some of the advances that have been made over recent decades. Bayesian approaches to mapping have also become important.
It is interesting to examine the trends in spatial clustering research in different fields. In crime analysis, visualization has always been important, and GIS facilitated the change from maps on walls with pins used to designate crime locations to more sophisticated storage, retrieval, and display of crime information on computer screens. But with the exception of police departments in small cities, the field of crime analysis has been relatively slow to adopt new and sophisticated approaches to spatial analysis. In epidemiology, the trend has been the opposite ─ there has been an unwillingness to put trust in visualization alone, and a skepticism with respect to what GIS can contribute. But epidemiologists have been very quick to adopt methods of spatial clustering analysis, and have indeed been at the forefront of the development of new methods.
▶ Shin: As you concerned, the Nearest Neighbor Analysis by Clark and Evans
(1954) is one of the classical and most popular methods for exploring a spatial pattern. In addition to this, there are several clustering methods developed using the information of spatial autocorrelation.
For example, the spatial clustering methods adopting Moran’s I, Getis’ G, Geary’s C statistics are trying to explore hotspot or coldspots of spatial patterns.
Developments of spatial clustering methods were found in various applications such as cluster analysis of plant or animal distributions, crime analysis, detections of diseases patterns, and cluster analysis for economic activities in economic
색 등 많은 연구들이 수행되고 있습니다. 의학 분야에서 개발되고 있는 다양한 공간클 러스터 기법들은 해당 질병을 연구하는 데 적합한 알고리즘으로 개발되었기 때문에 그 기법을 그대로 다른 분야에 적용하기는 어려운 것이 현실입니다. 다만 기본적인 원 리를 토대로 다른 공간분포 유형의 특성에 맞도록 수정, 변경하면 보다 다양한 분야에 서 공간클러스터 연구가 활성화될 것으로 예상됩니다.
그럼 다음 질문으로 넘어가겠습니다. 최근 공간통계 분야의 연구경향 중 하나는 시 공간 개념을 적용하는 데 있는 것 같습니다. 물론 공간분석이나 GIS에서도 시공간 관 점을 적용한 연구들이 최근 10여 년 동안 활성화되고 있는 추세입니다. 최근 이러한 경향이 공간통계 분야에서 중요하게 다루어지고 있습니다. 물론 Knox 검증방법 (1964)2)이나 Mantel 검증방법(1967)3)등은 오래 전에 개발된 시공간 관점에서의 공간 분포 검증방식입니다. 이러한 시공간 관점에서의 공간통계 방법은 보다 현실적이고 효율적으로 공간분포의 시간적 변화를 살펴본다고 할 수 있습니다. 특히 최근 교수님 께서 개발하신 Geosurveillance 기법을 이용하여 질병의 분포를 시공간적으로 모니터 링하여 측정할 수 있게 되었습니다. 공간통계 분야에서의 시공간 접근방법과 최근 제 안된 Geosurveillance 기법에 대해 설명해 주십시오.
▶▶로저슨: 최근 공간통계 분야의 연구성과를 살펴보면 시간요소를 포함하고 있는 것 을 알 수 있습니다. 다시 말하면, 지도상에서 지리적 (또는 공간) 패턴을 살펴보고 일 정한 시간간격을 가진 지도(지도 레이어)를 고찰하는 데 초점을 두며 이를 통해 새로 운 유형을 찾아내고 가급적 빨리 그 유형을 파악하고 있습니다. 예를 들어 범죄분석가 는 매일 지도를 볼 수 있기를 바랄지도 모르고, 범죄의 새로운 클러스터가 증가하는 지 역에 대해 순찰을 강화하는 등의 대처노력을 강구하고자 할 것입니다. 또한 의료 생태 학자들은 질병분포 지도를 분석하면서, 가급적 빨리 질병의 새로운 공간클러스터를 탐색하고자 할 것입니다. 새로 고안된 시공간 지리적 탐색기법인 Geosurveillance 방법 은 이러한 목적을 달성하기 위해 고안된 것입니다. 기존의 표준화된 공간통계는 Multiple Testing4) 이슈 때문에 이러한 문제를 다루기에 쉽지 않습니다. 새로 고안된 Geosurveillance 방법은 산업공학 분야에서 산업기기 장비들이 올바르게 작동되고 있
2) Knox, G. 1964. “The detection of space-time interactions”. �Applied Statistics 13�. pp25-29
3) Mantel, N. 1967. “The detection of disease clustering and a generalized regression approach”. �Cancer Research�. 27.
pp209-220
4) 충분한 검증기법들이 수행될 때, 그 중 일부는 우연히 유의하게 나타날 수 있다는 이론
geography.
In particular, the spatial clustering methods developed in epidemiology were designed for the specific purpose, that is to find the significant pattern of disease distributions, and for this reason, it is not easy to apply these methods to the other fields without changes. Rather, it can be expected that there will be growing research on spatial clustering in various fields from fundamental ideas of the clustering methods in epidemiology.
Let me ask another question. One current hot issue in spatial statistics is to deal with a spatio-temporal perspective. The spatio-temporal approach has been explicitly considered and adopted in spatial analysis and GIS, and now also in spatial statistics. Of curse, long history of spatial statistics has significant methods for spatio-temporal statistical tests such as Knox (1964) and Mantel test (1967). This approach can see more efficiently and realistically geographic patterns in the spatio-temporal context. In this line of the research, we can monitor and explore geographic patterns of disease occurrences in spatio-temporal context with geosurveillance method by you. What is geosurveillance methods in spatio-temporal statistics?
▶▶Rogerson: A recent development in spatial statistics has been the inclusion of a
temporal element. Not only is there interest in detecting geographic patterns on maps there is an interest in examining maps at regular temporal intervals, and finding new patterns as quickly as they emerge. For example, crime analysts wish to look at maps every day, and allocate their patrol efforts in areas where new clusters of crime have developed. Epidemiologists wish to examine disease maps as often as possible, to detect new geographic clusters of disease as quickly as possible.
The new methods that are being developed in the area of spatial surveillance are designed to achieve these goals. Standard spatial statistics can not handle these problems because of the issue of multiple testing if enough tests are carried out, some will be found significant by chance alone. Some of the new methods borrow ideas from industrial quality control, where industrial processes are monitored to detect whether industrial equipment is operating correctly. In a geographic
는지를 탐색하기 위해 산업생산 과정을 모니터링하는 대표적인 방법인 산업품질 제어 방식(industrial quality control)에서 기본적인 아이디어를 얻었습니다. 지리적 관점에 서 Geosurveillance는 공간통계량을 시공간적으로 모니터링하면서, 시간변화에 따라 더욱 중요하게 나타나는 시점과 그 분포를 파악하기 위해 고안되었습니다.
이외에도 앞서 언급하신 대로, 시공간분석 연구에서 많은 발전이 있었습니다. 특히, 연구자들은 주민들의 이력정보를 이용하여 다양한 공간분석을 시도하고 있는데, 예를 들어 공간클러스터 유형을 탐색하기 위하여 현재의 거주지 주소뿐만 아니라 이전에 살던 주소정보를 이용하고 있습니다. 이러한 방법은 이전에 살던 위치정보를 이용하 여, 질병확산과 이동패턴을 파악하는 데 유용합니다.
▶신: 기존의 시공간 분석기법은 크게 레이어(layer)를 기반으로 한 접근방법과 특정 agent를 기반으로 하는 방법으로 나눌 수 있습니다. 레이어를 기반으로 한 접근방법은 시간적 간격을 둔 일련의 시점 레이어(temporal layer)들을 생성한 후 각 시점 레이어 가 가지는 공간분포와 패턴을 시계열적으로 파악하는 데 초점을 두고 있습니다. 특정 agent를 기반으로 하는 방법은 사례지역 전체를 목적으로 하는 것보다 시공간상에서 agent의 이동양식이 어떠한지, 변화유형이 무엇인지 파악하는 데 초점을 맞추고 있습 니다. Geosurveillance 방법은 각 시점의 공간패턴뿐만 아니라 특정 지역이나 agent의 시공간 변화를 탐지할 수 있다는 점에서 두 가지 접근방법의 장점을 다 가지고 있습니 다. 더 나아가 공간통계량을 시공간 측면에서 지속적으로 모니터링하는 체계화된 과 정을 제시하고 있고, 또 특정한 이상 수치가 발생하는 시점을 파악하고 이것이 유의미 한 이상 수치인지를 분석하여 사용자에게 경고 메시지를 준다는 점에서 장점을 가지 고 있는 것으로 보입니다. 시공간의 관점에서 본 공간통계 연구는 최근 활성화되고 있 지만, 앞으로 더욱 지속적으로 발전될 것으로 보입니다. 앞에서 공간통계 연구의 여러 가지에 대해 말씀해주셨습니다. 마지막으로 현재 공간통계 연구에서 가지고 있는 한 계와 문제는 무엇인지, 그리고 앞으로의 공간통계 연구에 대한 전망을 간략히 말씀해 주십시오.
▶▶로저슨: 최근 GIS 분야에서 공간통계 기법과 공간분석 기법들에 관련하여 많은 발 전이 있었지만, 여전히 이러한 기법들은 발전시켜야 할 여지가 많고 또한 필요하다고 생각됩니다. 또한 공간통계 기법과 공간분석 기법의 발전과 대중화를 위한 교육프로 그램을 통해 그 중요성과 적실성을 강조하고 강화해야 할 필요가 있다고 생각합니다.
surveillance context, the idea is to monitor the spatial statistic, to see if it is becoming more important over time.
There are also other important developments in space-time analysis. In particular, researchers are attempting to use residential histories to examine, for example, clusters of cancer based not on current address, but on previous address; it is important to move people back in time to place them at previous locations, since that is where they may have been exposed to disease.
▶ Shin: The existing research for spatio-temporal analysis has both the layer-based
and agent-based approach.
The former approach focuses on exploring spatial distributions and patterns of temporal layers by time sequences, with creating a series of temporal layers at a specific time interval. The latter approach focuses on finding movement patterns and changes in characteristics an agent through a spatio-temporal space (or field).
Geosurveillance method has some advantages in that it can not only explore the spatial pattern at each temporal spot, but also detect spatio-temporal chanes of an agent or a region. Furthermore, it can consistently monitor spatial statistics of a process at spatio-temporal context with a systematic procedure, and alarm the outlier information from whole monitoring results systematically with test for the outlier. In the future, research on spatio-temporal statistics will grow consistently.
You concerned several important issues in spatial statistics in this interview. With wrapping this interview, would you tell me limitations, problems and future of spatial statistics?
▶▶ Rogerson: Although there have been recent advances in including methods of
spatial statistics and spatial analysis within GIS, the majority of geographic information systems still need to be further developed to facilitate such analysis.
Education programs need to emphasize the importance and relevance of spatial analysis and spatial statistics. These are exciting times for those in the field;
researchers in other fields are now seeing the importance of these methods, and they are looking togeographers for assistance. With good educational programs, and with
들이 이러한 방법들의 중요성을 인지하기 시작하고 있으며 또 관련 연구를 위해 지리 학자들에게 도움을 받고 있습니다. 의료 분야에서 생태학 분야에 이르기까지 다양한 분야의 연구들이 지리적 관점의 중요성을 인식하는 이 시점에서, 양질의 교육프로그 램 및 소프트웨어의 개발과 활용을 통해 공간통계 분야가 진정으로 성장할 수 있을 것 입니다.
참고로 저는 이러한 공간통계의 저변화를 목적으로‘Handbook of Spatial Analysis’
란 책을 공동으로 집필 중에 있습니다. 이 책은 30장이 넘는 방대한 양을 포괄하고 있 으며, 이 분야의 선도적인 전문 연구자들의 연구들이 포함되어 있습니다. 책에 담길 내 용 중 일부는 이 인터뷰에서 다루는 주제도 있고 공간분석의 미래에 대한 부분도 담겨 져 있습니다. 이 분야의 저명한 전문가인 Fotheringham 교수와 함께 편집 중에 있는데, 공간통계에 대한 좋은 정보가 될 것으로 생각됩니다.
▶신: 좋은 말씀 해주셔서 진심으로 감사드립니다.
Peter Rogerson의 주요 연구 업적
Rogerson, P. 2005. Spatial Surveillance and Cumulative Sum Methods. In Spatial and Syndromic Surveillance for Public Health. Eds. K. Kleinman and A. Lawson. 95-114.
Rogerson, P. 2005. Monitoring spatial maxima. Journal of Geographical Systems. 7, 101-114.
Rogerson, P. 2003. A Cumulative Sum Approach to Syndromic Surveillance in Geographic Regions (abstract).
Journal of Urban Health, 80: (Supplement) 130.
Rogerson, P. 2001. Statistical Methods for Geographers. London: Sage. (2nd ed. published in 2006).
Rogerson, P. 2001. A statistical method for the detection of geographic clustering. Geographical Analysis, 33, 215- 27.
Rogerson, P. 2001. Monitoring point patterns for the development of space-time clusters. Journal of the Royal Statistical Society, Series A, 164, 87-96.
Rogerson, P. 1999. The Detection of Clusters Using A Spatial Version of the Chi-Square Goodness-of-fit Test.
Geographical Analysis, 31, 130-47.
Plane, D. and Rogerson, P. 1994. The Geographical Analysis of Population: With Applications to Planning and Business. New York: Wiley.
Fotheringham, A. S. and Rogerson, P. Eds. 1993. Spatial Analysis and GIS. London: Taylor and Francis.
Rogerson, P. and Fotheringham, A. S. 1992. GIS and Spatial Analysis: Report on the Specialist Meeting. Buffalo:
National Center for Geographic Information and Analysis, Report 92-11.
good software tools, the field of spatial statistics should grow substantially as researchers in fields from health to ecology continue to realize the importance of a geographic perspective.
I am currently in the process of putting together the Handbook of Spatial Analysis this is a book of over 30 chapters, each written by a leading expert in the field.
Chapters will cover many of the areas touched upon in this interview, and there will also be several chapters devoted to the future of spatial analysis. The book is being published by Sage Publications, and Stewart Fotheringham and I are the coeditors.
The book should be out in about a year, and I think it will represent a very nice summary of the field.
