earticle

영어

Recently, individual-level analysis and demand for fine-scale spatial data have increased, but most of the currently accessible data is aggregated on the basis of administrative units. In order to overcome these difficulties associated with data procurement, this study proposes a method to generate fine-scale spatial data by integrating easily accessible open data. The building selection algorithm that estimates the destination of a trip by building unit is based on areal interpolation and dasymetric mapping. The weights for the building selection process are derived from various ancillary data. The results showed that the proposed algorithm is more accurate than the existing interpolation method. This study suggests a new population estimation model based on trip records and has a significance in that high-resolution data is generated by combining various easily accessible data.

한국어

최근 미시적 규모의 연구가 증가하며 기존보다 세밀한 공간 단위의 데이터에 대한 요구가 증가하였지만, 현재 접근 가능한 대부분의 공간 데이터는 행정구역 단위를 기반으로 집계되어 제공되고 있다. 따라서 고해상도 공간 데이터를 얻기 위해 기존의 공간 데이터를 세밀한 공간 단위로 전환하는 연구가 활발히 진행되어 왔다. 본 연구에서는 다양한 공간 데이터의 융합을 통해 직장인구를 건물 단위로 추정하는 알고리즘을 제시한다. 개별 통행의 목적지를 건물 단위로 추정하는 건물선택 알고리즘은 영역내 삽법과 대시메트릭 매핑을 기반으로 하며, 보조 데이터를 통해 건물별로 가중치를 정의한 뒤 이를 기반으로 통행의 목적지를 추정하였다. 본 연구는 통행을 기반으로 하며 기존의 내삽법에 비해 높은 정확도를 보이는 새로운 인구 추정 모형을 제시하고, 쉽게 접근할 수 있는 다양한 데이터를 결합하여 고해상도 데이터를 생성한다는 점에서 의의를 지닌다.