QGIS를 통한 최단거리 계산
이번에는 QGIS를 이용해 농가와 상권 사이의 거리를 계산하여, 농가에서 필요한 커피박만큼만 수거할 상권을 선택하겠습니다. 상권의 커피박 배출량이 많기 때문에, 필요한 양만큼만 수거하는 것이 목표입니다. 이를 위해 최단거리로 필요한 커피박 양을 수거하는 상권을 선택하는 과정을 설명하겠습니다.
작업 절차
- QGIS에서 점과 점 사이 거리 계산:
- 농가 위치와 상권 위치 데이터를 QGIS에 로드합니다.
- QGIS의 도구를 이용해 점과 점 사이의 거리를 계산합니다.
- 최단거리 상권 선택:
- 농가에서 상권까지의 최단거리를 계산하여, 필요한 커피박 양만큼만 수거할 수 있는 상권을 선택합니다.
단계별 설명
- QGIS에서 점과 점 사이 거리 계산:
- QGIS에서 농가 위치와 상권 위치 데이터를 불러옵니다.
- 'Vector' 메뉴에서 'Distance Matrix' 도구를 이용해 농가와 상권 사이의 거리를 계산합니다.
- 계산된 거리 데이터를 CSV 파일로 내보냅니다.
- 최단거리 상권 선택:
- 내보낸 거리 데이터를 불러와 필요한 커피박 양을 기준으로 상권을 선택합니다.
OD MATRIX
QGIS의 유명한 OD MATRIX를 통해 거리를 구해볼게요. OD MATRIX를 사용하기 위해서는 거리망 데이터와 거리를 구할 데이터가 필요합니다. 위의 데이터는 상권과 농가의 경도, 위도를 통해 위치를 보여주는 데이터입니다. 주의할 점은 저의 부족한 QIGS 지식으로 OD MATRIX를 사용했을 때 서울의 거리망 데이터와 위도, 경도 점 데이터들의 좌표가 같아야 한다는 것입니다. 만약 다르면 거리가 구해지지 않더라고요. 또한 거리를 구할 데이터는 구역이 아닌 점으로 표시되어야 사용이 가능한 것 같더라고요.
**OD MATRIX 사용법
OD MATRIX는 플러그인에서 다운받은 후 사용할 수 있습니다. 다운받으시면 툴 박스에서 사용하면 됩니다. OD MATRIX에도 종류가 다양해요. 그래서 제가 표시한 부분은 점과 점 사이의 모든 거리를 구해서 지도에 이쁜 선으로 연결해 줘요. 만약 30개의 점이 있다면 30*30 해서 900개의 데이터가 생성됩니다. 점과 점 사이의 모든 거리를 구해주거든요. 그래서 시간이 생각보다 많이 걸려요.
Network Layer는 도로망 데이터를 대입해 주면 됩니다. Point Layer는 거리를 구할 데이터를 대입해 주면 되고 Unique Point ID Field는 기준이 되는 컬럼을 입력하면 됩니다. 여기서 문자가 아닌 정수, 실수여야 한다고 하네요.
** OD MATRIX를 통해 산출된 데이터
위의 방법으로 점과 점 사이의 최단거리를 계산할 수 있습니다. 데이터가 많아 식별이 어려운 경우, 보고 싶은 데이터만 조건을 부여하여 새로 만들겠습니다. 데이터 양이 많아 시간이 조금 걸릴 수 있습니다.
- origin_id: 출밤점의 인덱스
- detination: 도착점의 인덱스
- entry_cost: 출발 지점과 도로를 가기 전까지의 거리
- network_cost: 출발 지점과 도착점의 실제 도로의 거리
- exit_cost: 도착지점과 도로를 가기 전까지의 거리
- total_cost: 전체 거리
저도 처음에 이해하는데 어려워서 그림으로 나타낼게요. 파란색 라인이 entry_cost,exit_cost 보시면 될 것 같아요. 검은색 라인은 network_cost 됩니다. 파란색+검은색은 total_cost가 됩니다.
표현식으로 선택해서 조건을 주면 모든 거리가 아니라 특정 거리만 선택됩니다. 그렇게 선택한 객체만 내보내기 하면 새로운 데이터가 생성됩니다. 626은 임의로 제가 선택한 번호입니다
**특정 ODMATIX
지금 보는 데이터는 서울 농가와 상권 간의 최단 거리 데이터입니다. 이 데이터에서 상권의 개수는 농가의 필요한 퇴비만큼 커피박을 획득할 수 있도록 설정했습니다. 이는 저희 팀의 목표입니다. 더 쉽게 이해할 수 있도록 추가 설명을 드리겠습니다.
상권 커피 배출량
위의 그림은 상권별 커피박 배출량 데이터를 QGIS를 통해 단계별로 구분한 시각화 자료입니다. 단위는 톤(t)입니다. 저희 팀은 상권의 커피박 배출량을 시각화하기 위해 많은 노력을 기울였습니다. 아래 업로드된 블로그를 보시면 그 과정을 확인할 수 있습니다
농가 커피박 필요량
위의 그림은 서울 농가의 커피박 필요량 데이터를 시각화한 자료입니다. 이 자료를 통해 농가들이 대부분 서울 중심이 아닌 외곽에 위치해 있다는 것을 확인할 수 있습니다. 농가 데이터에 대한 자세한 내용은 업로드한 블로그에서 확인할 수 있습니다. 단위는 톤(t)입니다.
비즈니스 모델
**거리 단계 구분
위는 거리를 total_cost를 기준으로 단계를 나눴습니다. 위의 범례는 m단위에요. 색은 거리에 따라 달라져요.
**SVG 마커
저는 상권의 위치를 조금 더 특별하게 설정하고 싶어서 단순 마커가 아닌 SVG 마커를 사용하여 커피잔으로 변경하였습니다.
보시면 상권 위의 마커가 설정된 것을 볼 수 있어요.
**최종 결과물
비즈니스 모델 선택: 온수동 농가
농가 중 온수동을 비즈니스 모델로 선택했습니다. 그림 옆의 커피잔 아이콘은 수많은 상권을 나타내고 있습니다. 모든 데이터를 결합하면 아래와 같은 결과물이 나옵니다.
- 라인 색상: 라인의 색상은 total_cost에 따라 구분되었으며, 이는 거리별 차이를 나타냅니다.
- 라벨: 옆의 라벨은 상권의 이름과 커피박 배출량을 의미합니다.
이렇게 종합하여 시각화한 자료는 온수동 농가의 커피박 수요를 충족시키기 위한 최적의 상권을 선정하는 데 유용합니다.
정리
프로젝트 요약 및 결론
저희 팀의 분석 목표는 환경오염의 주된 원인이 되는 커피박을 일반 쓰레기로 버려지지 않도록 수거하여 농가의 퇴비로 활용하는 순환자원 시스템을 구축하는 것이었습니다. 모든 상권의 커피박을 수거하기에는 현재의 기술과 인프라로는 한계가 있기 때문에, 농가에서 필요한 커피박만큼만 수거하는 프로세스를 설정했습니다.
분석 과정 및 결과
- 목표 설정:
- 커피박을 수거하여 농가의 퇴비로 사용하는 순환자원 시스템 구축.
- 상권별 커피박 배출량 계산:
- QGIS를 이용해 상권과 농가 간의 거리를 계산하고, 상권별 커피박 배출량 데이터를 분석했습니다.
- 최단거리 기반 수거 시스템:
- 농가의 커피박 필요량을 충족하기 위해, 최단거리 기준으로 가까운 상권부터 필요한 만큼만 수거하는 시스템을 설계했습니다.
- 비즈니스 모델 선택:
- 온수동 농가를 비즈니스 모델로 선정하고, 해당 농가의 커피박 필요량을 충족하기 위한 최적의 상권을 선정했습니다.
결론
이번 분석을 통해 농가의 커피박 필요량을 충족시키기 위한 최적의 수거 시스템을 구축할 수 있었습니다. 이 시스템은 환경오염을 줄이고, 커피박을 효율적으로 활용하여 순환자원으로 만드는 데 기여할 것입니다.
이 프로젝트를 완성하는 데 약 두 달 정도 걸렸습니다. 다음 프로젝트에서도 더욱 발전된 분석과 해결책을 제시할 수 있도록 노력하겠습니다. 감사합니다!
'Spatial Analysis > 2022 데이터 분석.활용 공모전(행안부)' 카테고리의 다른 글
| 커피박 프로젝트 H (농가 커피박 필요량 추정) (0) | 2022.11.15 |
|---|---|
| 커피박 프로젝트 G (원두+생두 수입 중량을 이용한 상권 커피박 추정량) (0) | 2022.11.15 |
| 커피박 프로젝트 E (상권 데이터 결합) (0) | 2022.11.15 |
| 커피박 프로젝트 A (상권의 카페 현황) (0) | 2022.11.04 |
| 커피박 프로젝트 F (서울 상권의 시군구와 원두 수입량) (0) | 2022.11.04 |