부산시 공적 마스크 판매 청년 일자리 분석

부산시가 1인 약국 250곳의 공적 마스크 판매 지원을 한 달 간 청년 일자리로 전환한다는 발표를 하면서 많은 사람들의 긍정적인 호응을 받았습니다. 코로나19 사태로 인한 구직난과 마스크 판매 약국의 혼란 현상을 해결할 수 있는 부산시의 정책을 본보기로 삼아 여러 행정 구역에서도 이와 같은 일자리를 제공했으면 하는 바람입니다.

한국지비에스에서는 부산시의 청년 일자리 모집 정책을 아래 대시보드로 구현하였으며 주민등록상 부산시에 거주하는 만 18세-34세 청년의 인구 수를 행정동 기준으로 비교하여 볼 수 있고 해당 행정동에 위치한 약국의 수를 차트로 확인할 수 있습니다. 이로 인하여 예상되는 경쟁률이 심한 곳, 덜한 곳을 분석할 수 있으며 나이대 별로도 확인 가능합니다. 행정동 기준 청년 인구 수는 통계청 기준 2020년 데이터를 다운받아 부산시 행정구역 shp과 병합하였고 공적 마스크 판매 약국은 전국 데이터를 모아놓은 api를 연동하여 부산시에 위치한 포인트만 추출하였습니다.

상단 이미지 클릭 시 해당 대시보드로 이동합니다.

해당 대시보드는 Esri 제품 중 Web AppBuilder를 사용하여 대시보드 테마로 만들었으며 사용자가 직접 선택을 하며 지도와 연관된 결과를 볼 수 있다는 장점이 있습니다. 위 대시보드로 이동하여 사용 방법을 따라 행정동과 나이대별을 선택할 수 있는 위젯을 이용해 나오는 결과값을 비교해 볼 수 있습니다. 코로나 19 사태 이후 전염병 유행 시 경로 분석이나 예방책을 위한 지리기반 시스템의 중요성이 더욱 강조되며 이러한 시스템이 더욱 활발히 사용될 예정입니다.

구현한 대시보드의 대상인 마스크 판매 일자리에 지원하는 청년들 그리고 이러한 정책을 마련하는 각 층의 관계자들에게도 큰 도움이 될 것을 예상하고 직접 위젯을 사용해보며 원하는 결과 값을 얻어내길 기대합니다. 또한, 부산시에서 시초로 도입 후 다른 행정구역에서도 이와 같은 일자리 정책이 생겨나길 기대하고 해당 지역 내 청년 인구 수와 마스크 지원 약국 수를 비교, 분석한다면 지금 사태에서 좀 더 효과적으로 마스크 판매 안정화를 실현해 낼 수 있을 것입니다.

 

3D 침수 피해 시각화

‘3D’ 맵핑이란 2D로써의 한계를 가진 데이터를 더욱더 효과적으로 시각화 할 수 있는 최선의 방법이고 여러 다양한 데이터를 하나의 씬에 구현해 내기에 최적의 선택일 것입니다. 이번 글에서는 침수 피해를 시각화 할때 3D가 탁월함을 설명하고자 하는데 이는 강수량 데이터를 수집, 분석하여 침수지역을 보다 현실적으로 보여주고 더 나아가 어느 정도의 강수량을 예측할 경우 피해 정도를 미리 분석하여 결론적으로 피해를 최소화까지 가능하게 할 수 있습니다.


위 사진을 예시로 들어, 이 정도의 비가 왔을 경우 자동차, 가로수, 빌딩, 가로등의 높이를 참조하여 물이 대략 어느 높이까지 찼는지 알 수 있습니다. 만약 이러한 상황이 웹맵에서 미리 예측되고 시각화 된다면 상황 보고를 포함한 시각화가 필요한 부분에서 굉장히 유용하게 사용될 것입니다. 실제로 침수 피해를 3D로 나타내고 자동차, 가로수 모형 피처와 빌딩을 추가한다면 맵에서도 위 사진과 비슷하게 나타낼 수 있으며 더욱 자세하게 자동차 바퀴까지, 빌딩 1층 가게 바닥까지 등 침수 피해 정도를 정확히 알 수 있습니다.

위의 예시는 뉴질랜드의 Queenstown 이라는 곳에서 강수량 레벨이 1일 경우를 시각화한 데모입니다. 현실 높이를 반영한 차와 사람 피쳐를 추가하여 어느 높이까지 침수 피해를 입을지 그리고 또 침수 피해를 입을 건물의 개수와 피해 정도도 예측이 가능합니다. 이와 같이 첫번째 이미지였던 실제 침수 피해 현황과 예측 데모 이미지는 시각적으로 굉장히 비슷하고 3D 맵에서는 세세하게 수치적 분석까지 가능합니다.

강수량 데이터를 3D로 변환하기 위해서는 raster 데이터에서 실제 지형의 고도를 raster calculator를 이용하여 더해야 하고 실제 지형을 반영하여 침수 높이를 계산하는 것이 중요합니다.

추가적으로 침수 피해를 입은 빌딩을 3D로 표현하고자 하는 경우에는 빌딩 레이어와 침수 지역이 맞닿는 부분을 intersect (교차)하여 다른 심볼로 저장한다면 전체 지역을 크게 보았을때 효과적으로 침수 지역에 위치한 빌딩들을 찾을 수 있고 그 주위 지역 상황을 알 수 있습니다.

끝으로, 침수 피해를 3D로 시각화함으로써 예측이 불가한 자연재해에 대한 피해를 조금이라도 줄일 수 있을 것을 예상합니다. 예를 들어, 침수 피해가 심할 것으로 예상 되는 지역에는 배수 시설을 확충할 수 있으며 건물 건설을 피하는 등의 노력으로 예측을 통한 피해의 최소화가 가능할 것입니다.