많은 피처가 있는 레이어는 시각화하기가 어려운 경우가 많습니다. 이러한 고밀도 레이어에는 일반적으로 서로 가까이 있거나 중첩된 피처가 있어 이를 구분하거나 공간 패턴을 확인하는 것이 어렵거나 불가능합니다. 고급 기술일수록 더 많은 피처를 표시할 수 있지만 모든 피처를 그릴 수 있다고 해서 반드시 모두 그려야 하는 것은 아닙니다. 반대로 피처를 추가하여 맵이 더 혼란스러워지는 경우가 많이 있습니다. 고밀도 데이터를 효과적으로 시각화하는 것은 모든 피처를 표시하는 것과 다릅니다.
피처 밀도는 맵 축척에 상대적입니다. 예를 들어 포인트셋은 소축척(축소)에서는 조밀하지만 대축척(확대)에서는 분산된 것처럼 보일 수 있습니다. 조밀한 데이터를 표현하는 가장 좋은 방법을 결정할 때는 먼저 사용자가 일반적으로 데이터를 보는 축척 수준을 파악해야 합니다. 예를 들어 도시에서 가장 혼잡한 교차로를 중심으로 교통 충돌 상황을 확인할 때 교차로 주변에 여러 포인트가 그룹화되어 있는 것을 볼 수 있습니다. 그러나 더 작은 축척으로 축소하면 모든 포인트가 시각적으로 병합되어 표시할 그룹화가 숨겨집니다. 전국의 모든 사고를 맵에 많은 점으로 표시하면 충돌이 발생한 것은 알 수 있지만 어떻게, 왜, 어디서 발생했는지에 대한 통찰력은 제공하지 않습니다.
Map Viewer는 다양한 축척의 고밀도 데이터셋의 피처 분포에서 의미를 추출하는 다양한 방법을 제공합니다. 히트 맵 또는 클러스터링과 같은 시각적 효과만 있으면 되는 경우도 있습니다. 많은 경우 이러한 방법으로 드러난 시각적 패턴은 데이터에 대해 더 나은 질문을 유도하며, 결과적으로 답변을 위해 영역별로 집계해야 합니다.
다음 섹션에서는 고밀도 데이터를 적용하기 위한 모범 사례와 함께 Map Viewer에서 고밀도 데이터를 시각화하는 몇 가지 방법에 대해 설명합니다.
클러스터링
포인트 피처가 많은 레이어는 현혹적일 수 있습니다. 몇 개로 보였던 포인트가 실제로는 수천 개일 수 있습니다. 맵에서 많은 포인트가 서로 가까이 있거나, 겹쳐 있거나, 쌓여 있는 경우 데이터의 사실적인 뷰를 얻기가 어렵습니다.
클러스터링은 이 문제에 대한 빠른 솔루션을 제공합니다. 포인트 레이어에 클러스터링을 적용하면 맵의 특정 거리 내에 있는 포인트 피처가 하나의 심볼로 그룹화됩니다. 일반적으로 클러스터는 각 클러스터의 피처 수에 따라 배율에 맞도록 크기가 지정된 심볼로 표시됩니다. 작은 클러스터 심볼에는 포인트가 더 적게 포함되고 큰 클러스터 심볼에는 포인트가 더 많이 포함됩니다. 클러스터 반경을 설정하여 클러스터로 그룹화된 포인트 피처의 수를 조정할 수 있습니다.
클러스터는 여러 축척에 동적으로 적용됩니다. 즉, 축소하면 더 많은 포인트가 더 적은 수의 그룹으로 집약되고, 확대하면 더 많은 클러스터 그룹이 생성됩니다.
레이어에 클러스터링을 적용할 경우 다음 모범 사례가 권장됩니다.
- 레이어에 기본 클러스터 설정을 적용하여 시작합니다. 그런 다음 클러스터 반경, 심볼 크기, 클러스터 심볼 스타일 변경을 포함하여 클러스터 설정을 사용해 봅니다.
- 클러스터 수를 표시하는 레이블을 구성하거나 속성을 사용하여 레이어의 스타일을 지정하는 경우 클러스터 레이블에 이 속성을 사용합니다. 예를 들어 레이어에 제곱피트당 값으로 필지가 표시되는 경우 각 클러스터에 있는 모든 포인트의 제곱피트당 평균 값을 표시하도록 클러스터 레이블을 구성할 수 있습니다.
- 클러스터 레이블을 추가로 사용자 정의하려면 레이블 클래스를 사용합니다. 예를 들어 각 속성에 대해 다른 레이블 스타일을 사용하여 두 개의 속성(예시: 평균 지진 진도 및 지진 횟수)을 기반으로 각 클러스터에 레이블을 지정할 수 있습니다.
- 기본 클러스터 팝업을 유지하거나 각 클러스터에 대해 강조할 정보를 표시하도록 사용자 설정 팝업을 구성합니다. ArcGIS Arcade 식을 사용해 데이터에 대한 계산 결과 및 기타 정보를 표시하는 것을 검토합니다. 예를 들어 맵 레이어에 교통 충돌 데이터가 표시되는 경우 식을 작성하여 각 클러스터에 나타나는 사망자 수와 이전 보고 기간 이후로 해당 수치의 증감 여부를 표시할 수 있습니다.
히트 맵
클러스터링, 투명도, 블룸과 마찬가지로 히트 맵을 사용하여 많은 수의 중첩 포인트 피처를 시각화할 수 있습니다. 히트 맵은 포인트 피처를 래스터 표면으로 표시하여 연속 색상 램프를 따라 포인트의 상대 밀도가 더 높은 영역을 강조합니다. 히트 맵은 해당 위치를 기반으로 피처의 밀도를 표시하며, 레이어의 숫자 데이터 값을 기반으로 포인트 밀도에 가중치를 부여하는 효과적인 방법도 제공합니다.
레이어에 히트 맵을 적용할 경우 다음 모범 사례가 권장됩니다.
- 포인트 피처가 극소수인 경우 히트 맵을 사용하지 않도록 합니다. 대신 실제 포인트를 매핑합니다.
- 히트 맵을 적용할 경우 데이터에 적합한 색상 램프를 선택하고 슬라이더를 조정하여 색상이 밀도 표면에 적용되는 방식을 변경합니다. 영향받는 영역을 조정하여 밀도 클러스터를 더 크고 부드럽게 또는 더 작고 뚜렷하게 설정할 수 있습니다.
- 전달할 스토리나 메시지에 따라 히트 맵의 밀도 계산에 포함할 레이어에서 숫자 데이터 값을 선택하는 것이 좋습니다. 그러면 위치만 사용하여 계산된 밀도와 다른 패턴이 나타날 수 있습니다.
- 히트 맵은 몇 가지 축척 수준에서만 시각적으로 적절합니다. 축소할수록 히트 맵이 더 붉은색으로 나타나며 확대할수록 더 푸른색으로 나타납니다. 히트 맵을 확대/축소할 때 의미를 유지할 수 있도록 하려면 레이어의 가시 범위를 설정하여 의도한 메시지를 적절하게 전달하는 확대 수준에서만 히트 맵을 표시합니다.
투명도
중첩 피처가 많은 레이어를 시각화할 때 개별 피처의 투명도를 변경하여 밀도를 효과적으로 시각화할 수 있습니다. 맵에 여러 레이어가 있는 경우 각 레이어에 투명도를 적용하여 각 레이어 간의 가시성을 변경할 수도 있습니다. 클러스터링 및 히트 맵 등의 다른 방법은 포인트 피처 레이어에만 사용할 수 있으므로 투명도는 서로 겹쳐진 폴리곤 및 폴리라인을 시각화할 때 특히 효과적입니다.
예를 들어 투명도를 사용하여 10년 동안 갑작스러운 홍수 경보가 발생한 영역을 표시할 수 있습니다. 해당 영역에서 발생한 경보 수를 기반으로 중첩 폴리곤에 투명도를 적용하면 갑작스러운 홍수 경보가 적었던 영역(더 밝고 더 투명한 영역)과 비교하여 경보 수가 많았던 영역(더 어둡고 더 불투명한 영역)을 구분할 수 있습니다.
레이어의 피처에 투명도를 적용할 경우 다음 모범 사례가 권장됩니다.
- 90~99%의 투명도 값은 대부분의 고밀도 데이터를 시각화하는 데 가장 적합합니다.
- 여러 레이어가 있는 맵에서 특정 레이어를 100% 불투명하게 설정하고(투명도 없음) 다른 레이어에 투명도를 추가하여 특정 레이어를 강조할 수 있습니다.
- 맵에 다양한 유형의 피처를 나타내는 여러 레이어가 있는 경우 투명도와 혼합 모드를 결합하여 맵에 다양한 유형의 피처 밀도를 표시하는 것을 검토합니다. 예를 들어, 각 레이어에 서로 다른 색상 및 동일한 수준의 투명도를 적용해 스타일을 지정하고 평균 블렌드 모드를 최상위 레이어에 적용하여 토네이도 밀도가 높은 영역과 비교해서 홍수 밀도가 높은 영역을 시각화할 수 있습니다.
블룸
블룸은 레이어의 피처를 밝게 하여 밝은 영역의 경계에서 확장된 빛의 가장자리로 마치 빛나는 것처럼 보이게 하는 효과입니다. 블룸 효과는 많은 피처가 서로 중첩되는 영역에서 더 밝고 강렬하며, 밀도가 높은 데이터를 시각화하는 효과적인 방법입니다.
블룸 효과의 강도 또는 농도, 피처를 경계로 하는 흐리기 효과의 반경, 블룸을 적용하기 위한 색상의 밝기 정도를 정의하는 임계치를 사용자 정의할 수 있습니다. 블룸 효과는 화재, 화산 분출, 기타 데이터를 시각화하는 데 사용되는 경우가 많습니다.
레이어의 피처에 블룸 효과를 적용할 경우 다음 모범 사례가 권장됩니다.
- 어두운 베이스맵을 사용합니다.
- 블룸 효과는 맵의 축척, 데이터 밀도, 레이어 스타일에 사용된 색상에 따라 달라질 수 있습니다. 하나의 레이어에 잘 작동하는 매개변수가 다른 레이어에는 적합하지 않을 수 있습니다. 강도, 반경, 임계치 매개변수를 사용해 보고 원하는 효과를 얻을 수 있습니다.
- 포인트가 많은 전역 축척에서는 작은 심볼 크기와 작은 반경(약 0.1픽셀)을 사용합니다. 블룸 효과로 더 많은 색상을 취득하려면 더 낮은 임계치(예시: 15%)을 사용해 봅니다.
- 블룸 효과를 라인에 적용하여 중첩되는 라인의 밀도를 표시할 수 있습니다(예시: 고속도로). 두껍게 겹쳐진 라인은 겹치지 않은 얇은 라인보다 밝게 나타납니다.
집계
집계를 사용하면 피처가 많은 대용량 데이터셋을 피처가 적은 레이어로 요약하거나 집계할 수 있습니다. 이는 일반적으로 각 폴리곤이 해당 폴리곤에 포함된 포인트 수를 표시하는 폴리곤의 포인트를 요약하여 수행됩니다.
클러스터링이 확대/축소 시 다시 계산되는 클라이언트 측 집계 유형인 것과 달리, 이 섹션에서 설명하는 집계 방법은 서버에서 발생하며 단일 해상도에서 데이터를 정적 집계 피처로 나타냅니다.
다음과 같은 상황에서는 집계 방법이 클러스터링보다 더 적절합니다.
- 포인트 데이터셋이 너무 커서 클라이언트 측을 클러스터링할 수 없는 경우. 일부 포인트 데이터셋은 너무 커서 브라우저에 적절하게 불러올 수 없고 우수한 성능으로 시각화할 수 없습니다. 포인트를 폴리곤 레이어로 집계하면 데이터를 효과적인 방식으로 나타낼 수 있습니다. 데이터를 hexbin 또는 사각형과 같은 규칙적인 폴리곤 경계 내에서 요약할 수 있는 경우. 공간 전체에 걸쳐 포인트의 밀도를 더 정확하게 표시하려는 경우에 이를 사용합니다.
- 데이터를 불규칙한 폴리곤 경계 내에서 요약할 수 있는 경우. 카운티, 선거구별 세대, 학군 또는 경찰 관할 구역과 같이 미리 정의된 의미 있는 폴리곤 경계로 포인트 데이터를 요약해야 할 수도 있습니다. 클러스터링은 지정학적 경계와 관계없이 화면 공간에서 처리됩니다. 해당 경계 내에서는 영향력이 미치지만 인접 경계에도 영향력이 미치는지 확인하려고 하는 정책 입안자에게 미리 정의된 불규칙한 폴리곤으로 요약해야 하는 시나리오가 있습니다.
ArcGIS Enterprise에서 포인트를 집계하려면 집계할 포인트 레이어 및 요약 통계를 계산하는 데 사용되는 폴리곤 레이어를 선택합니다. 그러면 피처 레이어가 생성됩니다. 기본 설정에 따라 각 폴리곤과 교차하는 포인트 수가 결과 테이블에 포함됩니다. 포인트 레이어에서 필드를 선택하여 숫자 필드의 평균 또는 문자열 필드의 주요 값과 같은 다양한 통계로 요약할 수 있습니다. 문자열 필드의 값으로 숫자 통계를 그룹화할 수도 있습니다.
가시 축척 범위
특정 축척의 대용량 데이터셋을 시각화하는 것이 의미가 없는 경우가 있습니다. 예를 들어 인구 조사 표준 지역은 일반적으로 인접 영역 및 작은 커뮤니티를 나타내기 때문에 전역 맵 축척으로 표시하는 것은 의미가 없습니다. 해당 축척의 많은 폴리곤은 픽셀보다 작게 표시되어 사용자 매핑에 가치가 거의 없습니다.
가시 축척 범위를 설정하면 피처를 의미 있게 표시할 수 있는 축척을 지정할 수 있습니다. 브라우저로 초기 데이터를 다운로드하는 작업도 줄일 수 있습니다.
가시 축척 범위를 설정하는 작업에는 레이어의 최소 축척 및 최대 축척을 설정하는 작업이 포함됩니다. 최소 축척은 레이어를 보기 위해 축소할 수 있는 가장 먼 거리를 정의하고 최대 축척은 레이어를 보기 위해 확대할 수 있는 가장 먼 거리를 정의합니다. 최대 축척을 제외한 최소 축척만 설정할 수도 있습니다. 최소 축척만 설정하면 데이터 다운로드 크기를 크게 줄일 수 있습니다.