This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/
by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
†
*
**
***
****
This research, ‘Geospatial Big Data Management, Analysis and Service Platform Technology Development’, was supported by the MOLIT(The Ministry of Land, Infrastructure and Transport), Korea, under the national spatial information research program supervised by the KAIA(Korea Agency for Infrastructure Technology Advancement)"(14NSIP–
B081011-01)
Seon Cheol Yu, Research Professor, Smart Urban Space Institute, Anyang University. [email protected] (Primary author) Won Wook Choi, Researcher, Smart Urban Space Institute, Anyang University. [email protected]
Dong Bin Shin, Professor, Urban Information Engineering, Anyang University. [email protected]
Jong Wook Ahn, Professor, Urban Information Engineering, Anyang University. [email protected] (Corresponding Author)
공간 빅데이터의 개념 및 서비스 프레임워크 구상에 관한 연구
A Study on Concept and Services Framework of Geo-Spatial Big Data
유선철*․ 최원욱**․ 신동빈***․ 안종욱****
Seon Cheol Yu ․ Won Wook Choi ․ Dong Bin Shin ․ Jong Wook Ahn
요 약 본 연구는 수요 및 관심이 증대되고 있는 공간 빅데이터의 개념설정과 이를 기반으로 공간 빅데이터 기술을 활 용할 수 있는 서비스 프레임워크를 개념적으로 제시하는데 목적이 있다. 공간 빅데이터는 정형ㆍ반정형ㆍ비정형 공간 빅데이터를 효율적으로 수집ㆍ저장ㆍ관리하는 동시에 공간정보와 융합된 다양한 속성정보에 대해 실시간ㆍ통합 분석 을 수행하여 의미 있는 정보를 추출함으로써 미래에 대응할 수 있는 기술이라 할 수 있다. 또한 공간 빅데이터는 기존 빅 데이터가 가지는 3V(Volume, Variety, Velocity) 특성에 4V(Veracity, Visualization, Versatile, Value)가 추가된 특성을 가지며, 저장ㆍ관리, 분석, 서비스로 구분하여 활용범위를 설정할 수 있다. 그리고 공간 빅데이터를 활용하기 위한 서비 스 측면에서의 프레임워크를 제시하였다. 구체적으로 서비스 관리, 서비스 콘테이너, 서비스 모니터링의 구성요소로 구상안을 제시하였다. 이러한 연구결과를 참조로 새로운 기술 및 기법들을 적용하여 수정ㆍ보완하고, 향후 개발예정인 저장ㆍ관리, 분석 기술개발과 연계하여 구체적인 서비스 제공방안에 대한 연구가 지속적으로 이루어져야 할 것이다.
키워드 : 공간 빅데이터, 빅데이터, 공간 빅데이터 개념, 서비스 프레임워크
Abstract This study defines concept and service framework of Geo-Spatial Big Data(GSBD). The major concept of the GSBD is formulated based on the 7V characteristics: the general characteristics of big data with 3V(Volume, Variety, Velocity); Geo-spatial oriented characteristics with 4V(Veracity, Visualization, Versatile, Value). GSBD is the technology to extract meaningful information from Geo-spatial fusion data and support decision making responding with rapidly changing activities by analysing with almost realtime solutions while efficiently collecting, storing and managing structured, semi-structured or unstructured big data. The application area of the GSBD is segmented in terms of technical aspect(store, manage, analyze and service) and public/private area. The service framework for the GSBD composed of modules to manage, contain and monitor GSBD services is suggested. Such additional studies as building specific application service models and formulating service delivery strategies for the GSBD are required based on the services framework.
Keywords : Geo-Spatial Big Data, Big Data, Concept, Services Framework
1. 서 론
1.1 연구배경 및 목적
최근 전 세계적으로 정보통신기술(ICT)의 발달과 함께 관련된 데이터 양의 증가와 데이터 유형의 다양 화에 따라 이러한 데이터를 수집, 축적, 분석, 활용하 여 새로운 가치를 만들어 내는 빅데이터가 정보통신
분야 및 산업 전 분야에 새로운 이슈로 부각되고 있다 .
이러한 빅데이터에 대한 관심 증대로 인하여 기존의
정보화 시대를 넘어 새로운 빅데이터 시대로 진입하
였다고 할 수 있다. 빅데이터 중에서도 데이터의 형식
이 복잡하고 그 볼륨도 급증할 것으로 예상되는 공간
빅데이터와 관련된 기술의 수요가 크게 증가할 것으
로 예상되고 있다 . 이러한 수요 증가에 따라 이미 해외
유수의 기업, 대학, 연구소 등에서는 공간 빅데이터의
Figure 1. Concept of Big Data
Source: Gartner(2012), Gartner IT Glossary, Accessed Nov. 15.
효율적 처리ㆍ분석ㆍ활용에 대한 활발한 연구가 진행 되고 있다. 공간 빅데이터는 국가 공공정보의 근간이 되는 핵심정보인 공간정보를 바탕으로 경제ㆍ사회ㆍ 문화ㆍ환경ㆍ외교 등 다양한 분야와의 융합 활용이 가능한 기본 빅데이터라고 할 수 있다. 따라서 이러한 공간 빅데이터에 대한 기술개발을 통해 국내 기술 경 쟁력을 확보하고, 이를 반영한 서비스 산업 활성화가 필요하다고 할 수 있다. 하지만 아직까지 공간 빅데이 터에 대한 명확한 개념정립과 이를 적용하기 위한 구 체적인 서비스체계에 대한 연구가 미흡하다고 할 수 있다. 따라서 본 연구는 공간 빅데이터에 대한 개념을 정립하고, 이를 기반으로 공간 빅데이터 기술을 활용 할 수 있는 서비스 프레임워크 구상안을 제시하는 것 을 목적으로 한다.
1.2 연구방법
공간 빅데이터의 개념정립 및 활용체계 구상을 위 해 크게 공간 빅데이터의 개념정립, 공간 빅데이터의 서비스프레임워크 구상으로 구분하여 연구를 진행하 였다. 공간 빅데이터의 개념정립에서는 빅데이터와 공간 빅데이터로 구분하여 국내외 선행연구 검토를 통해 공간 빅데이터의 개념을 정립하고, 이에 따른 특 성과 역할 및 범위를 설정하였다. 다음으로 공간 빅데 이터 서비스 프레임워크 구상을 위해 교통빅데이터, 공간정보 시맨틱 웹 , GIS기반 LBS 서비스 프레임워크 사례연구 검토를 통해 시사점을 도출하였다. 그리고 이를 기반으로 저장ㆍ관리 , 분석, 서비스 체계로 구분 하여 아키텍쳐를 구상하고 , 서비스체계 부문에 대해 플 랫폼, 관리, 콘테이너, 모니터링 등의 구성요소로 이루 어진 공간 빅데이터 서비스 프레임워크를 제시하였다 .
2. 공간 빅데이터의 개념정립
2.1 공간 빅데이터의 개념
2.1.1 빅데이터의 개념
빅데이터의 개념에 대한 선행연구를 살펴보면 빅데 이터에 대한 정의는 아직까지 구체적으로 일치되지 않고 있으며 , 기관들에 따라 빅데이터를 정의하고 있는 것으 로 나타났다. 맥캔지(McKinsey)나 가트너(Gartner), IDC(International Data Group) 등 여러 기관에서 빅 데 이터를 BI(Business Intelligence), DW(Data Warehouse) 등 기존 IT 시스템이 수집, 저장, 관리, 분석 할 수 있는 범위 이상의 데이터 및 이로부터 효과적으로 가치를
추출할 수 있도록 고안된 새로운 기술 등으로 정의하 고 있다.
구체적으로 살펴보면 IDC[3]는 다양한 데이터로 구 성된 방대한 데이터로부터 고속 캡쳐 , 데이터 탐색 및 분석을 통해 경제적으로 필요한 가치를 추출할 수 있 도록 디자인된 차세대 기술과 아키텍쳐로 정의하고 있다.
가트너 [4]에서는 대량의 데이터가 실시간으로 끊임없 이 다양한 형태로 들어오는 것으로 3V(Volume, Velocity, Variety) 1) 와 1C(Complexity) 2) 의 특성을 갖고 있다고 정의하고(Figure 1 참조), 맥캔지[12]는 빅데이터를 전 형적으로 수집ㆍ저장ㆍ관리ㆍ분석하는 데이터베이 스 소프트웨어 도구(tool)의 기능력을 넘어선 광범위 한 크기의 데이터셋(dataset) 혹은 데이터 덩어리라고 정의하고 있다. 국내연구 중 국토연구원[10]에서는 정 보를 생산하고 공유하는 기술이 급속히 발달하면서 데이터의 양이 폭팔적으로 증가하였으며, 이러한 정 보를 저장 , 관리, 처리하기 위해 새로운 기술을 필요로 하며, 이러한 데이터를 빅데이터라고 정의하고 있다.
한국행정연구원[9]에서는 미래사회의 불확실성, 리스 크 , 융합 등의 특성을 반하여 예측 및 위험감소, 생산 성 제고를 위해 활용되는 정형 및 비정형 자료를 빅데 이터라고 정의하고 있다.
국내외 빅데이터에 대한 개념을 종합하여 보면, 3V
1) Volume은 데이터의 크기를 의미하며, Velocity는 데이 터가 실시간으로 변할 수 있음을, Variety는 기존의 정형 데이터가 아닌 비정형 데이터를 다루어야 한다는 것을 의미한다.
2) Complexity는 빅 데이터 접근방식이 한 가지가 아니라 경우에 따라 다른 접근방식을 택해야 함을 의미한다.
Table 1. Concepts of Big Data
References Definition
Foreign
IDC (2011)
A new generation of technologies and architectures designed to extract value economically from very large volumes of a wide variety of data by enabling high-velocity capture, discovery, and/or analysis.
Mckinsey (2013)
Datasets whose size is beyond the ability of typical database software tools to capture, store, manage, and analyze.
Gartner (2012)
High-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.
Domestic
KRIHS (2013)
A new technology to store, manage, and process exponentially increasing information caused from various information production and development of information sharing technology.
KIPA (2013)
All kinds of structured and unstructured datasets for forecasting, risk management, and productivity enhancement.
Table 2. Concepts of Geo-Spatial Big Data
References Definition
Shashi(2012) Spatial datasets exceeding capacity of current computing systems to manage, process, or analyze the data with reasonable effort due to Volume, Velocity, Variety
Ahn(2013) The basis for evolution from 3V's big data to 6V's big data(volume, variety, velocity, value, veracity, visualization)
KRIHS(2013) Newly created information fussed with geo-spatial data and geo-referenced data of users Kim(2014) System of producing meaningful analysis result by applying spatial analytics to big data 의 특성을 가진 데이터 혹은 이를 처리하기 위한 기술
등에 한정하여 용어적 측면에서 그 개념을 설정하고 있었다. 향후 빅데이터와 관련된 기술 개발과 사회의 각 분야에 이를 적용하여 활용하기 위한 광의적인 개 념으로 설정되어야 한다. 이를 위해서는 빅데이터를 활용하여 가치를 생성하고, 다양한 서비스를 제공하여 다양한 활동을 지원할 수 있는 체계적인 접근이 필요 하다. 이러한 관점에서 빅데이터는 ‘정형 및 비정형 데이터를 포함한 대용량 데이터의 관리 , 분석, 활용체 계 ’라고 정의 할 수 있다. 즉, 정형 및 비정형 데이터를 포함한 대용량의 데이터를 이용하여 빠른 속도로 분 석하여 가치 있는 내용을 창출하는 일련의 체계라고 할 수 있다. 이러한 측면에서 빅데이터는 3V(Volume, Variety, Velocity)의 특성을 가진 데이터에 대한 저장, 관리와 이를 활용한 분석과 서비스 등을 포함한다고 할 수 있다.
2.1.2 공간 빅데이터의 개념
공간 빅데이터의 개념은 빅데이터의 개념과 마찬가 지로 일치된 명확한 정의가 이루어지지 못하고 , Table 1 과 같이 공간정보와 빅데이터의 특성을 반영하여 공 간 빅데이터를 개념적으로 정의하고 있는 것으로 타
나났다.
구체적으로 Shashi[11]는 현재의 컴퓨팅 시스템의
용량을 초과하는 공간데이터 집합으로 정의하고, 데
이터의 양, 속도, 다양성 때문에 합리적인 노력으로
관리, 분석, 활용 등을 위해 현재 컴퓨터 시스템의 능
력을 초과하는 공간데이터 집합이라고 설명하고 있
다 . 안종욱 외[2]의 연구에서는 공간 빅데이터는 공간
정보의 특성과 빅데이터의 특성을 고려하여 데이터의
관리, 처리, 분석에 있어 데이터의 양(Volume), 데이터
생성속도(Velocity), 형태의 다양성(Variety)이 현재 시
스템으로 수용이 어려운 공간데이터라 정의하였으며 ,
국토연구원[9]의 연구에서는 공간정보와 연결하여 새
로운 형태로 만들어지는 정보를 공간 빅데이터라고
정의하였다. 김희수[9]는 공간정보와 공간정보 기반
의 공간분석기법을 빅데이터 분석에 접목하여 보다
신속하고 정확하게 의미 있는 분석결과를 도출하기
위한 체계라고 정의하고 있다. 공간 빅데이터와 관련
된 주요 연구에서의 개념을 검토한 결과 공간 빅데이
터를 기술적ㆍ활용적인 측면까지 고려하지 않고 공간
정보와 빅데이터의 특성을 반영한 용어적인 측면에서
의 정의하고 있는 것으로 나타났다. 따라서 공간 빅데
이터의 개념을 선행연구에서 제시하고 있는 개념적
Table 3. Characteristics of GSBD in terms of 4V
4V Description
Veracity
Refers to truthfulness of information extrac- ted from managing, analysing, delivering GSBD. The truthfulness could be identified by examining the authenticity and discrimi- nation of the information derived from the GSBD.
Visualization
Refers to the ability of graphically delivering the result from analyzing GSBD to common user.
Versatile
Refers to the ability of delivering the information extracted from GSBD to various application fields.
Value
Refers to making the value added informa- tion by forecasting and speculating the information extracted from GSBD
Figure 2. Characteristics of GSBD
정의에서 확대된 개념으로 설정할 필요가 있다 . 즉 빅 데이터의 특성에 한정된 저장ㆍ관리에서 미래사회에 서 요구되는 다양한 부문별 범주에서 분석 및 활용을 위한 서비스 등의 통합적 개념이 필요하다. 기존의 선 행연구에서의 공간 빅데이터는 이러한 분석, 활용측 면에서의 접근이 부족했던 것으로 판단된다. 따라서 공간 빅데이터의 개념을 정형ㆍ반정형ㆍ비정형 공간 빅데이터를 효율적으로 수집ㆍ저장ㆍ관리하는 동시 에 공간정보와 융합된 다양한 속성정보에 대해 실시 간ㆍ통합 분석을 수행하여 의미 있는 정보를 추출함 으로써 미래에 대응할 수 있는 기술로 정의할 수 있다.
이는 빅데이터가 가지는 3V의 특징에 추가로 4V의 특징을 추가하여 설명할 수 있으며, 기존의 용어적 정 의에서 벗어나 기술과 활용방법까지 포함한 광의의 큰 체계라고 할 수 있다. 기존의 빅데이터가 가지고 있는 3V의 특성은 데이터의 저장, 관리, 분석 단계에
서 나타나는 것으로 공간 빅데이터는 공간속성을 가 진 대용량의 정형ㆍ반정형ㆍ비정형 데이터의 저장, 관리 분석 단계에서 이러한 특성이 반영될 수 있다고 할 수 있다. 공간 빅데이터에서는 이러한 3V의 특성 외에 저장된 데이터를 활용하여 다양한 분석기술을 적용하여 의미 있는 가치를 창출해 나가는 과정이며, 분석기술을 통해 미래 예측에 대한 불확실성을 낮추고 수요자에게 다양한 서비스를 제공하는 것을 의미 한다 . 따라서 기존 빅데이터의 3V 특성 외에 4V(Veracity, Visualization, Versatile, Value)의 특성을 가지고 있다 고 할 수 있다(Table 3, Figure 2 참조).
2.2 공간 빅데이터의 역할 및 범위 2.2.1 공간 빅데이터의 역할
공간 빅데이터는 앞서 언급한 공간정보와 융합된 다양한 속성정보에 대해 실시간ㆍ통합 분석을 통해 의미 있는 정보를 추출하여 미래에 대응할 수 있는 기술이라 정의하였다. 이러한 공간 빅데이터 기술은 트렌드 분석을 통해 미래사회에서 예견되는 다양한 문제점들을 해결에 활용할 수 있다. 미래 분야별 트렌 드 변화에 따라 예상되는 미래사회의 특성을 검토해 보면 크게 4가지로 구분하여 설명할 수 있으며, 공간 빅데이터는 이러한 미래사회의 이슈를 해결할 수 있 는 하나의 도구로 활용될 수 있을 것이다.
첫째, 미래사회의 특징 중의 하나는 불확실성으로 미래에 어떠한 현상이 나타나는지에 대해 예측하기 매우 어려워 질것으로 예상된다. 공간 빅데이터는 이 러한 불확실성을 상쇄하기 위해 빅데이터가 가지고 있는 통찰력을 바탕으로 정책 시나리오에 따른 미래 사회를 예측하여 다양한 변화에 유연하게 대처 할 수 있을 것으로 판단된다. 둘째, 환경ㆍ경제ㆍ정치 등의 미래 트렌드에 따라 각 분야에서의 위험요소들이 발 생할 수 있으며, 공간 빅데이터는 이러한 위험성에 대 응하기 위한 하나의 도구로서 이상 징후를 미리 발견 하고 , 이를 해결하기 위한 의사결정을 지원할 수 있다.
셋째, 기술의 발전에 따라 스마트한 미래사회가 구축
될 것으로 예상되며 이에 따라 공간 빅데이터는 대규
모 데이터의 분석을 통해 상황인지, 인공지능 등의 다
양한 서비스 제공이 가능할 것이다. 넷째, 다양한 분야
의 융합화가 이루어질 것으로 예상되며, 공간 빅데이
터에서도 타 분야와의 결합 및 통합을 통해 새로운
가치를 창출하고, 보다 나은 생활을 위한 도구와 새로
운 시장을 창출 할 수 있을 것이다. 공간 빅데이터 기
술은 이러한 미래사회의 특성인 불확실성, 리스크, 스
Table 4. Roles and Characteristics of GSBD Copping with Future Trends
Domain Key Word of
Future Trends Role of GSBD Characteristics
Demographic and Social
Aspect
Uncertainty
ㆍSpatially forecasting future status with spatial big data generated from demographic and social domain ㆍSpatial simulation under several scenarios designed
with certain policy strategies
ㆍFlexible responding to rapidly changing environment
Insight Veracity Versatile
Environment Economic
Politics
Risk
ㆍIdentifying and understanding symptom though analysis of exhaustion of resource, environmental Risk, and economic recession
ㆍSupporting decision making by rapidly analyzing main issues
Response Velocity Visualization
Technology Smart
ㆍProviding context area service by analyzing very large volumes of a wide variety of data with artificial intelligence technology
ㆍProviding customized and intelligent services
Competitiveness Volume Visualization
Fusion
ㆍCreating value-added services or products fusing with various technologies in other domains
ㆍAnalyzing, understanding, and responding complex interaction between interrelated domains
ㆍCreating new market areas using geo-spatial fusion data
Creativity
Variety Versatile
Value
Figure 3. The Scope of The GSBD 마트, 융합에 맞추어 통찰력, 대응력, 경쟁력, 창조력
을 갖추어야 한다 . 그리고 앞서 정의한 공간 빅데이터 의 특성을 연계하여 정의할 수 있다 . 불확실성을 낮추 기 위해 공간 빅데이터의 통찰력이 요구되며, 신뢰성, 다목적성 등의 특성과 연계할 수 있다. 리스크 감소를 위해 대응력이 요구되며, 이는 신속성과 시각성 등의 특성과 연계하여 고려할 필요가 있다. 또한 스마트한 미래사회를 위해 경쟁력이 요구되며, 이는 대용량성, 시각성 등의 특성과 연계할 수 있고, 융합을 위해 공간 빅데이터가 창조력을 가져야 하며, 다양성, 다목적성, 가치 등의 특성과 연계되어야 한다.
2.2.2 공간 빅데이터의 범위
공간 빅데이터는 앞서 정의한 바와 같이 공간 빅데 이터를 수집ㆍ저장ㆍ관리하는 동시에 융합된 속성정 보의 분석을 통해 미래에 대응할 수 있는 기술을 의미 한다. 따라서 공간 빅데이터의 정의와 연계하여 공간 빅데이터의 범위를 관리, 분석, 서비스 3가지로 구분 할 수 있다(Figure 3 참조). 먼저 관리(Resource)는 복 잡한 대용량의 공간 빅데이터를 수집하여 생산하거나 가공하여 저장 및 관리하는 것으로 공간분석을 위한 공간 빅데이터의 검색 및 처리 등이 가능할 것이다.
분석(Analysis)은 관리를 통해 생성되는 공간 빅데이
터를 활용하여 공간 빅데이터와 이동객체에 대한
Batch분석 및 공간 빅데이터의 Interactive 분석 등을
수행하는 것을 의미하며 , 마지막으로 서비스(Service)
는 공간 빅데이터의 관리와 분석을 통해 수행되는 내
용을 기반으로 공공 /민간 등을 대상으로 활용할 수 있
는 체계를 제공할 수 있을 것이다.
Figure 4. Concept of Traffic Analysis and Service Framework
Source: Chung, D. W(2014), A Real-Time Analysis and Prediction Service Framework for Road Traffic Big Data.
Figure 5. Components of Geo-Semantic Service Frame- work
Source: Ha, S. W. et al.(2011), Design of a Conceptual Gseosemantic Web Service Framework suppoting Texual Geospatial Infromation.
3. 공간 빅데이터 서비스 프레임워크 구상
3.1 서비스 프레임워크 활용사례
공간 빅데이터 서비스 프레임워크 구상을 위해 서 비스 프레임워크 구상에 대한 선행연구 사례로 교통 빅데이터, 공간정보 시맨틱 웹, GIS기반 LBS 서비스 프레임워크 사례연구를 검토하였다. 정덕원[5]의 연 구에서는 교통 빅데이터의 실시간 분석을 통한 서비 스 제공을 위해 Traffic Event Cloud, Traffic Event Elastic Load Balancer, Distributed CEP, Event Service Integration, Traffic Big Data Processing, Traffic Big
Data Storage로 구성된 서비스 프레임워크를 제시하 였다(Figure 4 참조). Traffic Event Cloud는 교통 관련 데이터들이 발생하는 데이터 소스의 집합으로, Traffic Event Elastic Load Balancer는 생성되는 방대한 양의 이벤트들을 CEP(Complex Event Processing) 서버가 처리할 수 있도록 분산처리하며, Distributed CEP는 복잡하고 많은 양의 실시간 이벤트를 처리ㆍ분석하는 기술, Event Service Integration는 교통 분석 서비스 제공을 위해 기 구축된 시스템 또는 다른 시스템과의 연동을 위해 제공되는 요소이며, Traffic Big Data Processing는 MapReduce를 적용하여 많은 양의 데이 터를 처리, Traffic Big Data Storage는 교통 관련 데이 터의 저장소로 Hadoop의 HDFS를 적용하였다.
하수욱ㆍ남광우[6]의 연구에서는 공간정보 분야에 서의 시맨틱 웹 기술을 접목한 서비스 프레임워크로 Geospatial Foundationa, Geospatial Data Layer, Geospatial Knowledge Layer, Geospatial Service Layer, Geospatial Application Layer로 구성요소로 제시하였 다(Figure 5 참조). 지오시맨틱 기반계층은 공간정보 데이터와 지식을 표한하기 위한 공통요소로 구성되 며 , 지오시맨틱 데이터 계층은 공간정보 파일과 공간 정보 테이블/데이터베이스, 공간정보 문서들로 구성, 지오시맨틱 지식 계층은 데이터 계층의 정보들이 지 오시맨틱 기반 표현방법들과 외부 지식 링크 및 도메 인 지식들과 결합되어 표현되고 모델화 되어 저장, 검 색하도록 한다. 공간정보 서비스 계층은 수평적으로 문법적 서비스와 시맨틱 서비스로, 수직적으로 서비 스 레벨과 질의 레벨로 구성하였다. 공간정보 응용계 층은 서비스 계층의 구성요소들을 통하여 특정 분야나 목적에 접합하도록 만들어진 응용들로 구성하였다.
진희채ㆍ김도현[7]의 연구는 GIS를 바탕으로 하는
GIS 기반의 위치기반서비스 제공을 위한 프레임워크
를 제시하였다(Figure 6 참조). GIS 및 데이터 서버를
통해 수치지도와 POI 정보를 수집하고, LBS 서버와의
연계를 통해 위치 검색과 위치매핑이 이루어지도록
구성하였으며, LBS 플랫폼을 통해 클라이언트 및 다
양한 응용을 위한 OpenAPI 와의 연계가 가능하도록
구상하였다. 교통빅데이터, 공간정보 시맨틱 웹, 위치
기반서비스 서비스 프레임워크 구축과 관련된 연구를
검토한 결과 다음과 같은 시사점을 도출 할 수 있었다 .
첫째 , 각종 데이터의 수집, 저장, 분석, 서비스 등 서비
스 제공을 위해 요구되는 모든 부문을 통합한 서비스
프레임워크가 제시되어야 한다. 둘째, 서비스 제공을
위해 수요자 및 목적에 적합한 구체적인 구성요소가
제시되어야 한다. 셋째, 플랫폼을 기반으로 다양한 시
Figure 6. GIS Based LBS Framework Source: Jin, H. C. et al.(2004), A Study on the Service
Framework for LBS based on GIS.
Table 5. Comparative Analysis of Service Framework of the Use Cases
Service Framework of
Use Cases Summary
Traffic Analysis and Service Framework
Defines such service framework as components to collect, analyze and manage traffic data.
Geo-Semantic Service Framework
Provides service framework by defining components of relevant service layers required to build geo-semantic web service.
GIS Based LBS Framework
Suggests service framework to support needs derived from various clients through GIS Based LBS platform.
스템과의 연계가 가능한 서비스 제공이 이루어져야 한다. 이러한 시사점을 고려하여 볼 때 공간 빅데이터 서비스 제공을 위한 프레임워크 구상을 위해서는 공 간 빅데이터의 저장ㆍ관리 , 분석, 서비스 체계로 구분 하여 통합적인 관점에서의 제시되어야 하며, 서비스 제공을 위해 구체적인 구성요소를 개발할 필요가 있다.
또한, 플랫폼을 기반으로 각 체계별 연계와 타 시스템 과의 통합이 이루어져야 할 것으로 판단된다(Table 5 참조).
3.2 서비스 프레임워크 구상
서비스 프레임워크 사례연구 검토를 통해 도출된 시사점을 바탕으로 공간 빅데이터 서비스 프레임워크 를 구상하였다. 공간 빅데이터 서비스 프레임 워크는
저장ㆍ관리, 분석과 연계하여 구성되며, 크게 서비스
Management, 서비스 Container, 서비스 Monitoring으
로 구성할 수 있다(Figure 7 참조). 공간 빅데이터의
저장ㆍ관리, 분석 단계와의 연계는 서비스 플랫폼을
통해 이루어지며, 서비스 플랫폼에서는 공간 정보오
픈플랫폼, 공간 빅데이터 플랫폼과의 연계 서비스와
다양한 기능들을 제공되어야 한다. 서비스 Management
에서는 타 플랫폼과의 연계관리, 사용자의 요구사항
정의 및 서비스 관리를 통해 각종 서비스를 제공하는
역할을 수행한다. 서비스 Container는 공간 빅데이터
를 활용할 수 있는 다양한 서비스 Pool을 구성하고,
사용자의 요구사항을 반영하여 적정 서비스를 제공하
는 역할을 수행한다. 서비스 Monitoring에서는 공간
빅데이터 서비스 이용을 모니터링하여 발생되는 각종
문제점을 도출하여 개선사항을 공간 빅데이터 저장ㆍ
관리, 분석 단계에서 반영되도록 한다. 서비스 프레임
워크의 구성요소를 살펴보면 먼저 서비스 플랫폼은
공간 빅데이터 저장ㆍ관리, 분석 단계의 결과와 사용
자의 요구에 따른 각종 서비스를 제공하는 역할을 한
다 . 그리고 각종 통계와 그래프 등의 제공을 통해 시각
화함으로써 의사결정을 지원과 서비스 제공에 대한
기본적인 레포팅 도구를 제공함으로써 플랫폼 관리
및 운영을 위한 정보들을 제공하도록 한다 . 서비스 관
리를 위해서는 연계관리, 사용자의 요구사항 정의, 서
비스 관리 등의 개별요소가 요구된다. 연계관리 기능
에서는 서비스 플랫폼을 통해 공간정보오픈플랫폼,
공간 빅데이터 플랫폼 등의 연계대상을 관리하도록
한다. 요구사항 정의는 수요자의 요구사항을 정의ㆍ
분석하여 어떠한 자료를 활용하여 분석할지에 대한
방법론을 선택하며, 서비스 관리는 요구사항 정의에
따라 선택된 정보 및 방법론을 이용하여 서비스를 선
택 및 적용한다 . 서비스 콘테이너는 공간 빅데이터를
활용하여 적용할 수 있는 다양한 분야에서의 풀(pool)
을 구성하고, 여기서 적정 서비스를 제공하는 역할을
한다. 서비스 풀은 국토ㆍ도시를 비롯하여, 환경, 교
통 , 경제, 사회, 에너지, 안전, 부동산 등 적용 가능한
서비스분야를 정의한다. 서비스 제공에서는 공공, 민
간, 공공 및 민간 부문으로 영역을 구분하여 서비스
제공이 이루어지도록 한다. 서비스 모니터링은 서비
스 이용을 모니터링하고, 문제점 및 개선사항을 도출
하여 서비스 전 단계인 저장ㆍ관리, 분석 단계로 피드
백하는 기능을 수행한다. 서비스 이용 모니터링은 사
용자를 분석하여, 유형, 활용데이터의 범위, 용도, 적
용기술 등을 분석하고, 모니터링을 통한 분석결과를
이용하여 문제점을 검토하여 개선사항을 도출한다.
Figure 7. Services Framework of Geo-Spatial Big Data
5. 결 론
본 연구는 공간 빅데이터의 수요 증가에 따라 관심 이 증대되고 있는 반면 이에 대한 명확한 개념과 구체 적 활용체계에 대한 연구가 미흡하다는 평가에 따라 공간 빅데이터에 대한 개념을 정립하고, 이를 기반으 로 공간 빅데이터 기술을 활용할 수 있는 체계를 개념 적으로 제시하는 것을 목적으로 하였다.
공간 빅데이터의 개념설정을 위해 빅데이터와 공간 빅데이터에 대한 국내외 연구 검토를 통해 기존연구 에서는 용어의 개념적 정의에 한정되어 있다는 시사 점을 도출하였다. 그리고 공간 빅데이터를 정형ㆍ반 정형ㆍ비정형 공간 빅데이터를 효율적으로 수집ㆍ저 장ㆍ관리하는 동시에 공간정보와 융합된 다양한 속성 정보에 대해 실시간ㆍ통합 분석을 수행하여 의미 있 는 정보를 추출함으로써 미래에 대응할 수 있는 기술 로 정의하였다. 이에 따른 공간 빅데이터의 특성을 기 존 빅데이터의 3V(Volume, Variety, Velocity)에 추가 로 4V(Veracity, Visualization, Versatile, Value)의 특 성을 갖는 것으로 설정하였다. 이에 따라 공간 빅데이 터의 범위를 저장ㆍ관리, 분석, 서비스로 구분 하였으 며 , 공공/민간으로 구분하여 활용범위를 제하였다. 그 리고 마지막으로 공간 빅데이터의 서비스 프레임워크 구상을 위해 선행연구 사례를 검토하였다. 이를 기반 으로 각 구성요소를 도출하여 프레임워크 구상안을
제시하였다. 이러한 연구결과를 참조로 새로운 기술 및 기법들을 적용하여 수정ㆍ보완을 통해 개발예정인 저장ㆍ관리, 분석 기술개발과 연계하여 구체적인 서 비스 제공방안 등에 대한 연구가 지속적으로 이루어 져야 할 것이다.
References
[1] Ahn, J. S. 2011, A Study on the Conceptual Frame- work for Geovisual Analysis Spatio-Temporal Data, The Geographical Journal of Korea, 45(4):
571-579.
[2] Ahn, J. W; Yi, M. S; Shin, D. B. 2013, Study for Spatial Big Data Concept and System Building, Journal of Korea Spatial Information Society, 21(5):
43-51.
[3] Gantz, J; Reinsel, D. 2011, Extracting Value from Chaos. IDC IVIEW June 2011, IDC, Massa- chusetts.
[4] Gartner, 2012, Gartner IT Glossary, Accessed Nov 15. http://www.gartner.com/it-glossary/big-data.
[5] Chung, D. W. 2014, A Real-Time Analysis and Prediction Service Framework for Road Traffic Big Data, Department of Computer, Information
& Communication Engineering Graduate School
of Konkuk University.
[6] Ha, S. W; Nam, K. W. 2011, Design of a Conceptual Geosemantic Web Service Framework suppoting Texual Geospatial Infromation, Journal of Korea Spatial Information Society, 19(4):91-97.
[7] Jin, H. C; Kim, D. H. 2004, A Study on the Service Framework for LBS based on GIS, Paper presented at the Conference of Journal of Korea Spatial Information System Society, Dec 10.
[8] Kim, H. S. 2014, The Establishment and Application for Spatial Big Data System, Planning and Policy, 2014(4):6-11.
[9] Korea Institute of Public Administration, 2013, Utilization of Big Data for Realization of Gov.
3.0, Seoul.
[10] Korea Research Institute for Human Settlement, 2013, Big Data Utilization for Monitoring Territorial Policy Responses and Predicting Policy Demand, Anayang.
[11] Shashi, S. 2012, Spatial Big Data, Paper presented at the AAG-NIH Symp. on Enabling a National Geospatial cyberinfrasturcture for Health Research, July 2012.
[12] Stefan, B; Davide, C; Paul, W. 2013, big Data:
What’s your plan?, McKinsey & Company, Accessed Nov 15. http://www.mckinsey.com/insights/business_
technology/big_data_whats_your_plan.
Received：2014.10.03 Revised ：2014.12.16 Accepted：2014.12.17
