공간 데이터 마이닝(Spatial Data Mining)은 데이터 마이닝 기법을 공간 모델에 적용하는 것을 의미합니다. 분석가들은 지리적·공간 데이터를 활용해 비즈니스 인텔리전스나 다양한 인사이트를 도출하며, 이를 위해서는 방대한 지리 데이터를 유의미하고 활용 가능한 형태로 변환하는 전문적인 방법론과 도구가 반드시 필요합니다.
공간 데이터 마이닝에는 여러 가지 과제가 따릅니다. 대표적으로 연구 프로젝트의 목적에 부합하는 패턴을 인식하거나 관련 객체를 발견하는 작업이 있습니다. 분석가는 GIS/GPS 도구나 유사한 시스템을 활용하여 방대한 데이터베이스 또는 초대형 데이터셋 속에서 관련성 높은 데이터만을 효율적으로 추출해냅니다.
공간 데이터 마이닝의 기본 요소(프리미티브)
1. 규칙(Rules)
데이터베이스에서 발견할 수 있는 규칙에는 여러 유형이 있습니다. 예를 들어 특성 규칙, 판별 규칙, 연관 규칙, 편차 및 평가 규칙 등이 마이닝 대상이 될 수 있습니다.
공간 특성 규칙(Spatial Characteristic Rule)은 공간 데이터에 대한 일반적인 표현입니다. 예를 들어, 도시 내 여러 지역의 주택 가격대를 정의하는 규칙이 대표적인 공간 특성 규칙에 해당합니다.
판별 규칙(Discriminant Rule)은 한 클래스의 공간 레코드를 다른 클래스와 구별하거나 대조하는 특징을 나타내는 규칙입니다. 여러 지역 간 주택 가격대를 비교하는 경우가 그 예입니다.
공간 연관 규칙(Spatial Association Rule)은 공간 데이터베이스에서 한 집단의 특징이 다른 집단의 특징과 연관되어 있음을 정의하는 규칙입니다. 예를 들어 주택 가격대와 해변 같은 인근 공간적 특성 간의 연관성을 나타내는 규칙이 여기에 속합니다.
2. 주제도(Thematic Maps)
주제도는 특정 주제, 개별 공간 분포 또는 패턴을 정해진 지도 유형으로 시각화하기 위해 설계된 지도입니다. 이러한 지도는 제한된 지리적 영역 내에서 특징들의 분포를 나타내며, 각 지도는 해당 영역을 서로 겹치지 않는 닫힌 영역들의 집합으로 분할합니다. 각 영역은 동일한 특징 값을 가진 모든 지점을 포함합니다.
주제도는 개별 속성 또는 소수의 속성에 대한 공간 분포를 보여준다는 점에서, 객체의 위치와 다른 공간 객체 간의 관계를 표현하는 것이 목적인 일반 지도나 참조 지도와 차별화됩니다. 또한 주제도는 다양한 규칙을 발견하는 데 효과적으로 활용될 수 있습니다.
예를 들어, 특정 지역의 전반적인 기상 패턴을 분석할 때 기온 주제도를 참고할 수 있습니다. 주제도를 표현하는 방법에는 래스터(Raster) 방식과 벡터(Vector) 방식의 두 가지가 있습니다.
래스터 이미지 형식에서는 주제도의 픽셀이 속성 값과 연결됩니다. 예를 들어 지도에서 공간 객체의 고도를 픽셀의 깊이(또는 색상)로 표현할 수 있습니다.
벡터 방식에서는 공간 객체가 주로 경계 정의와 주제 속성으로 구성된 기하학적 형태로 정의됩니다. 예를 들어 공원은 경계를 이루는 점들과 대응되는 고도 값으로 표현될 수 있습니다.