A study on the Spatial Sampling Method to Minimize Spatial Autocorrelation of Spatial and Geographical Data

본 연구의 목적은 공간적 또는 지리적 데이터인 도시구조특성 요소의 공간자기상관성을 최소화 시킬 수 있는 공간샘플링 기법에 대해 제시하고자 한다. 연구의 주요결과와 시사점은 다음과 같다. 첫째, 공간적 또는 지리적 자료가 지니고 있는 공간자기상관성을 제거하기 위해서는 적절한 공간샘플링 방법을 사용하여야 한다는 점이다. 서울시 전체 행정구역별 대중교통 분담률에 관한 공간자기상관성을 측정한 결과 간 의존성이 상당히 높은 것으로 분석되었다. 하지만 적정한 거리(400m)이상을 이격 시켜 공간샘플링을 실시한 후 공간자기상관성이 제거됨을 확인하였다. 공간샘플링을 실시하지 않으면, 공간적 자료의 왜곡으로 인한 잘못된 결과가 도출되며, 이를 해결하기 위해서는 공간샘플링을 하여 표본을 추출하는 과정이 필수불가결 하다는 점이다. 둘째, 공간샘플링 전후의 대중교통 분담률에 영향을 미치는 도시공간구조 특성 요인이 달라진다는 점이다. 그러나 이는 공간적 자료에 존재하는 공간자기상관성을 통제하지 못한 왜곡된 결과이다. The study focused on analyzing spatial sampling by minimizing autocorrelation of spatial based on spatial and geographical data. The study concluded two different ways of minimizing autocorrelation. First, it was important to use suitable spatial sampling method to alienate spatial autocorrelation from spatial or geographical data. The shear distribution rate of public transportation in Seoul resulted in high rate of autocorrelation. However, the study showed samples eliminated autocorrelation when samples were extracted with reasonable distance(above 400m) apart. Without spatial sampling the distortion of spatial data leads to false results; therefore, spatial sampling is indispensable. Second, factors which fluctuates shear distribution of public transportation spatial sampling changed before and after spatial sampling. This was caused by incapable of controling inherent spatial autocorrelation of the data.