• Spatial Information Research
• /
• v.10 no.2
• /
• pp.233-246
• /
• 2002

The purpose of this paper is to quantitatively measure the effect of location in evaluating the land value through the implementation of GIS coupled with spatial statistical analysis. We assumed that the hedonic price model, which was commonly used in modelling the land value, could not explain the spatial factor effectively. In order to add the spatial factor, the analysis of the spatial autocorrelation was used. The present project used 54 standard land price samples from 1421 parcel land values and applied Kriging to predict stochastically the unsampled values on the basis of spatial autocorrelation between location of vector data. This study confirms that the spatial variogram analysis has an advantage of predicting spatial dependence process and revealing the positive premium and the negative penality on location factor objectively.

• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.85-90
• /
• 2004

이 논문에서는 시계열자료을 이산코사인변환을 이용하여 주파수 공간으로 변환시킨 후 이산코사인변환 계수를 이용하여 재표본을 추출하는 방법에 대해 알아본다.

• Proceedings of the Conference
• /
• 2005.12a
• /
• pp.40-47
• /
• 2005

카토그램(Cartogram)은 통계데이터를 이용하여 지리공간에 나타나는 현상을 효과적으로 표현하는 방법 중 하나이다. 카토그램이란 넓은 의미에서 모든 통계지도를 포함하지만, 좁은 의미에서 지도의 변형을 통해 통계데이터의 특징을 표현하는 시각화 방법을 의미한다. 이 연구에서는 후자의 의미에서 카토그램이란 용어를 사용하였으며, 우리나라를 대상으로 절대적 공간을 시간거리 접근성에 의한 공간 카토그램으로 재구성하여 지도화하고, 변화된 공간패턴을 분석하고자 하였다. 카토그램은 특정한 목적을 위해 기본도의 형상이나 지역간의 연속성을 강조시켜서 만든 변형된 지도의 일종으로 전통적인 지도와는 매우 다른 이미지를 주게 되지만, 표현하고자 하는 현상의 공간적 구조를 매우 효과적으로 나타낼 수 있다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.463-468
• /
• 2004

이 연구에서는 원격탐사 자료를 이용하여 얻어진 분류 결과로부터 분류 정확도의 공간적 불확실성을 추정하고자 하였다. 기존 분류결과로부터 얻어지는 토지 피복별 확률값을 지구통계학적 시뮬레이션 기법을 이용하여 참조자료의 공간적 분포와 통합하였다. 다중센서 화상 통합에 적용한 결과, 각 토지피복 항목별로 공간적인 정확도 분포를 얻을 수 있을 수 있었으며 이러한 자료는 분류결과를 해석하는데 유용하게 사용될 수 있을 것으로 기대된다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.09a
• /
• pp.93-94
• /
• 2010

본 연구는 공간통계적 방법을 이용하여 산불발생의 위험도를 통계적으로 예측하고자 하였다. 연구 재료는 전국에서 발생한 1991년부터 2008년까지 산불발생 위치자료를 이용하였다. 점사상을 양적데이터로 전환하기 위해 전국을 공간격자로 구성하여 격자형 자료화 하여 사용하였다. 전국산불 발생위치를 산불발생위치들 간의 공간상관성을 고려하여 일반적인 통계모형에 공간통계적인 기법을 더하여 산불발생의 위치를 더욱 정확하게 추정하고자 하였다. 이를 위해 회귀모형과 공간모형의 혼합모형의 한 방법인 regression kriging 방법을 적용하였다. 그 결과 공간상관성을 고려한 공간통계적 방법은 산불발생의 공간적 군집을 더욱 정확하게 예측할 수 있었다.

• The Journal of Engineering Geology
• /
• v.27 no.4
• /
• pp.367-376
• /
• 2017

Recently, tunneling under the seabed is becoming increasingly common in many countries. In Korea, there are proposals to tunnel from the mainland to Jeju Island. Safe construction requires geologic structures such as faults to be characterized during the design and construction phase; however, unlike on land, such structures are difficult to survey seabed. This study aims to develop an algorithm that uses geostatistics to automatically derive large-scale geological structures on the seabed. The most important considerations in this method are the optimal size of the moving window, the optimal type of spatial statistics, and determination of the optimal percentile standard. Finally, the optimal analysis algorithm was developed using the R program, which comprehensibly presents variations in spatial statistics. The program allows the type and percentile standard of spatial statistics to be specified by the user, thus enabling an analysis of the geological structure according to variations in spatial statistics. The geotechnical defense-training algorithm shows that a large, linear geological lineament is best visualized using a $3{\times}3$ moving window and a 10% upper standard based on the moving variance value and fractile. In particular, setting the fractile criterion to the upper 0.5% almost entirely eliminates the error values from the contour image.

• Journal of KIISE
• /
• v.45 no.2
• /
• pp.99-105
• /
• 2018

One of the spatial statistical analysis, hotspot analysis is one of easy method of see spatial patterns. It is based on the concept that "Adjacent ones are more relevant than those that are far away". However, in hotspot analysis is spatial adjacency must be considered, Therefore, distributed processing is not easy. In this paper, we proposed a distributed algorithm design for hotspot spatial analysis. Its performance was compared to standalone system and Hadoop, Spark based processing. As a result, it is compare to standalone system, Performance improvement rate of Hadoop at 625.89% and Spark at 870.14%. Furthermore, performance improvement rate is high at Spark processing than Hadoop at as more large data set.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.835-847
• /
• 2016

To analyze lattice or areal data, a conditionally autoregressive (CAR) model has been widely used in the eld of spatial analysis. The spatial neighborhoods within CAR model are generally formed using only inter-distance or boundaries between regions. Kyung and Ghosh (2010) proposed a new class of models to accommodate spatial variations that may depend on directions. The proposed model, a directional conditionally autoregressive (DCAR) model, generalized the usual CAR model by accounting for spatial anisotropy. Properties of maximum likelihood estimators of a Gaussian DCAR are discussed. The method is illustrated using a data set of median property prices across Greater Glasgow, Scotland, in 2008.

• The Korean Journal of Applied Statistics
• /
• v.18 no.3
• /
• pp.627-637
• /
• 2005

Small area estimation has been studied using various methods such as direct, indirect, synthetic and based on regression or time series model . In this paper we investigate a motel-based small area estimation which takes into account the spare time autoregressive model. The Economic Active Population Surveys in 2001 are used for analysis and the results from space-time autoregressive(STAR) and simultaneous autoregressive(SAR) model are compared with using MSE, MAE and MB.

• 한국지형공간정보학회:학술대회논문집
• /
• 2004.10a
• /
• pp.103-106
• /
• 2004

토지이용정보는 토지이용계획, 도시계획, 환경관리 등을 위한 기초자료로 사용되고 있으며, 최근에는 인구가 밀집된 도시지역에서 환경문제를 고려한 정책 수립을 위하여 상세한 토지이용정보를 필요로 하고 있다. 그러므로 본 연구에서는 작은 공간단위로 토지이용을 구분하기 위하여 통계단위자료와 기 제작된 수치지형도를 활용하여 도시지역의 토지이용 분류기법을 제시하였다. 제시된 분류기법의 활용 가능성을 확인하기 위하여 서울시 일부지역을 대상으로 실험분석 하였으며, 그 결과 산림지역을 제외하고 전체적으로 높은 정확도를 보였다. 향후 산림지역에 대한 토지이용정보 취득 방법을 보완할 경우 본 연구에서 제시한 방법은 도시지역 토지이용정보 취득에 효율적으로 사용될 수 있을 것으로 판단된다. 또한 통계단위와 토지이용정보 구분단위가 일치하므로 다양한 통계집계자료와 함께 분석하는데 유용하게 활용될 수 있을 것으로 사료된다.