도트 분포도

도트 분포 지도(또는 도트 밀도 지도 또는 단순 도트 지도)는 점 기호를 사용하여 다수의 관련 현상의 지리적 분포를 시각화하는 주제 지도의 일종이다. 도트 맵은 공간 패턴, 특히 밀도의 분산을 나타내기 위해 시각적 산포에 의존하는 단위 시각화의 한 유형이다.^[1][2] 점들은 개별 현상의 실제 위치를 나타내거나 다수의 개인을 나타내기 위해 집합 구역에 무작위로 배치될 수 있다. 비록 이 두 가지 절차와 그 기초적인 모델은 매우 다르지만, 일반적인 효과는 동일하다.

역사

점들을 사용하여 상대적 밀도를 보여주려는 생각은 1830년대와 1840년대에 영국과 프랑스의 산업 시대에 생겨났는데, 대부분의 현대적인 형태의 주제 지도가 비교적 현대적인 형태로 발전된 시기였다.^[3] 그들은 통계 데이터의 가용성이 증가하고 과학적인 이해를 위한 그들의 가치에 대한 인식이 증가함에 따라 가능해졌다. 다른 유형들과 마찬가지로, 이 기술의 초기 발명품들은 종종 눈에 띄지 않게 되었고, 이후 출판물들은 훨씬 더 많은 명성을 얻었다.

최근 뉴욕에서 발생한 황열병을 분석한 1797년 기사에서 발렌타인 시먼이 만든 최초의 도트 유통 지도가 만들어졌다는 주장이 제기됐다. 비교적 적은 수의 사례 위치가 다수의 개인을 전체적으로 시각화하기 위한 이 기법의 일반적인 사용과 일치하지 않지만, 사회과학, 공간분석 및 전염병의 분석 및 의사소통 도구로서 지도를 사용한 첫 번째 사례로서 여전히 주목할 만하다.로지(그의 결론이 잘못된 것으로 밝혀졌음에도 불구하고)^[4]

가장 일찍 알려진 지역 기반 도트 밀도 지도가 1830년에 Armand Joseph Frer de Montizon (1788–??)에 의해 만들어졌다.?), 프란시스칸 변호사, 학교 선생님, 프린터.^[5] 프랑스의 각 지방(행정구)별 비교적 간단한 인구지도로 점 하나 하나가 1만 명의 개인을 나타내고 있다.^[6] 지도는 다음 2세기 동안 연습된 것과 같은 기법을 사용하여 그린 것으로 보이며, 오늘날에도 여전히 컴퓨터로 수행되고 있다: 각 부서의 총 인구에서 계산된 다수의 점들이 각 부서에 무작위로 분포되어 있다. 그 결과는 행정 경계 내에서 높은 인구 수준이 점의 더 가깝고 밀도가 높은 패턴을 나타내기 때문에 인구 밀도를 시각적으로 직관적으로 보여주는 것이다. 점들은 일정한 간격을 두고 있기 때문에, 한 부서 내에서 사람들이 사는 실제 위치를 나타내지 않는다는 것은 명백하다. 이것은 생태학적 오류의 한 예로서, 한 지역에 대한 가치가 그 지역 내의 모든 것을 일반화하여 그 가치를 나타낸다.^[7]

몬티존의 지도는 그 유형의 최초의 도트맵이었지만, 스웨덴 육군 장교인 투레 알렉산더 폰 멘처가 1859년 스웨덴과 노르웨이의 인구 분포 지도에서 지역 기반의 도트 밀도 지도가 재창조되기 전까지 그의 혁신은 거의 30년 동안 실천에 영향을 미치지 않았다.^[8] 그의 지도에 있는 점들(각각 200명의 주민을 나타냄)은 1855년 인구조사에 근거한 것으로 보이지만, 인구 분포에 대한 추가적인 지식을 바탕으로 한 조정을 분명히 보여주고 있다.^[9]

포인트 피쳐 맵 역시 19세기 중반에 재조명되었는데, 역학은 다시 주도적인 동인이 되었으며, 특히 명확한 지리적 패턴에서 발생하는 것으로 인식된 콜레라의 원인을 찾아내는 역학 연구가 두드러졌다.^[10] 1820년에서 1850년 사이에 만들어진 다양한 지도들 중에는 한 지역의 모든 사건들의 위치를 보여주는 지도들이 있다. 주목할 만한 예가 토마스 샤프터가 1832-1834년 엑세터 콜레라 발병 역사에 남긴 1849년 지도였다.^[11] 지도는 각기 다른 점 기호를 사용하여 각각의 3년 동안의 사례를 나타내는데 있어 혁신적이다. Shapter는 자신이 관찰한 질병 군집의 원인을 규명하는 데까지 이르지 않았고, 그의 지도는 영향력이 있었다; John Snow는 나중에 그것을 자신의 작업에 대한 영감으로 인용했다.

1854년 런던에서 대규모 발병이 일어났을 때 존 스노우 박사는 오염수가 질병 벡터라는 결론을 내리기 위해 초기 공간 분석과 접촉 추적 방법을 사용하여 개별 사례, 특히 소호(런던)에 위치한 위치에 대한 데이터를 수집하여 성공적으로 원천 차단시켰다.^[12] 그의 1855년 보고서에 첨부된 지도에는 각각의 주택 위치에 쌓여 있는 개별 사례들이 나타나 있으며, 브로드 스트리트 펌프 주변의 집중도와 다른 상수원이 있는 위치의 차이를 분명히 보여주고 있다.^[13] 이 지도는 이제 혁명적인 것으로 환영 받고 있다; 비록 조사 자체에서의 그것의 역할과 질병의 원인에 대한 논쟁을 해결하는데 그것의 효과가 종종 과장되어 있지만,^[14] 그것은 지도가 이 질병의 공간 패턴을 전달하는 가장 효과적인 도구였다는 스노우의 통찰력을 인정받을 만하다.

만년에 도트 맵은 다른 유형의 주제 맵에 비해 다작하지 않은 것으로 보이며, 도트 맵을 만드는 데 필요한 시간 때문일 수 있다. 많은 사람들이 그들 스스로 학술적으로 출판할 가치가 있는 업적으로 여겨졌다.^[15] 20세기 초 인구밀도 지도에서 하이브리드 기법이 등장했는데, 주요 도시를 나타내기 위해 비례 원이 있는 농촌 지역의 대표적인 점을 사용했다. 이 시기 도트밀도법은 표준화되었고, 20세기 중반의 지도학 교과서에서 이 기술을 가르칠 수 있도록 설계 지침이 개발되었다.^[16][17][18]

지리적 정보 시스템은 개별 점의 배치를 자동화하여 도트 밀도 맵의 생성을 비교적 용이하게 만들어 주었지만, 그 결과는 수작업으로 제작한 것에 비해 만족도가 떨어지는 경우가 많다. 수백만 개의 지오케이드 소셜 미디어 포스트와 같은 매우 큰 데이터셋의 가용성과 그것들을 시각화하는 방법에 대한 혁신은 상당한 기술적 진보였다. 결과 지도는 지리적 분포의 상세한 패턴을 보여줄 수 있다.

도트 맵의 최근 발전은 구역 내에 점을 보다 정확하게 배치하기 위해 dasymetric 매핑 기법을 사용하는 것,^[19] 다양한 확대축소 수준에서 사람당 점의 비율을 표시하기 위해 도트 맵을 스케일링하는 것,^[20] 시간 보간법을 사용하여 도트 맵을 애니메이션화하는^[2] 것을 포함한다.

도트 맵의 종류

매우 다른 두 종류의 도트 맵이 개발되었고, 종종 용어의 혼동을 초래한다. 사실, 많은 지도 제작자들은 그것들을 단일 유형의 주제 지도로 묶지 말 것을 제안했다. 그들은 매우 다른 데이터 출처에 기초하여 매우 다른 기법을 사용하지만, 결과에서 다른 의미론을 사용하지만, 일반적인 목적은 그룹 현상의 지리적 분포(즉, 많은 수의 개인)를 시각화하는 것이다.

일대일(포인트 피쳐)

일대일 도트 맵은 현상의 개별 발생 위치를 나타내는 많은 수의 점 기호를 표시한다. 많은 종류의 지도는 도시와 같이 지리적 특징을 점 기호로 표시한다. 이 범주는 각각 익명으로 묘사된 많은 인스턴스(예: 라벨이 표시되지 않음)를 보여주는 사례에만 적용되므로 개인보다는 전체적인 분포에 관심이 집중된다. 수년 동안, 이 접근법은 역학에서 원래 사용되었던 것 외에 범죄 지도 작성 분야의 핵심 부분이 되어왔다. 이 지도들이 사생활에 대한 우려를 불러일으키긴 했지만 수백만 개의 지리정보 소셜미디어 게시물이나 휴대전화 위치를 지도화하는 등 최근 빅데이터 시대에 특히 인기를 끌고 있다.^[21][22][23]

공칭 포인트 맵, 포인트 피쳐 맵, 핀 맵 등 다른 접근 방식과 구별하기 위해 이 기법에 대한 다양한 용어가 제안되었다.^{[24][25]: 135} 또 다른 제안은 두 지도 모두 분포와 밀도를 표시하는 것을 목표로 하기 때문에 혼동을 명확히 하지는 않지만, 이 유형(다른 유형에 대해 점 밀도가 예약된) 전용의 점 분포 지도라는 용어를 사용하는 것이다.

일대다(대표 포인트)

일대다 도트맵에서 지도상의 각 점은 개별 인스턴스를 나타내지 않고, 오히려 집계 데이터에서 파생된 하나 이상의 개인이 존재하는 것을 나타낸다. 이 데이터는 미리 정의된 지리적 지역(예: 카운티, 지방, 국가, 인구조사국)을 기반으로 하며, 총 인구와 같은 통계적 요약 변수로 개인에 대한 데이터가 집계되었다. 즉, 초로플레스 맵과 많은 비례 기호 맵에 사용되는 데이터 집합과 같은 유형이다. 초인종 지도와 달리 도트밀도 지도에 사용되는 유일한 유효한 변수는 개인의 총계수다.^[24] 도트 값(각 점으로 표현되는 개인 수)을 선택하면 각 구역에 필요한 점의 개수를 계산할 수 있으며, 점들은 구 전체에 랜덤하게 분포한다. 이러한 전체 면적 분포는 인구 밀도의 시각적 인상을 준다.^[18]

대부분의 지도교재에서는 1 대 다수 도트 맵에 대해서만 도트 밀도 맵이나 도트 맵이라는 용어를 사용하는 것을 선호한다.^[24][26][18] 개인별 위치를 알고 있다는 착각을 불러일으킨다는 비판을 자주 받지만,^[27] 이 방법을 사용하면서도 각 점이 한 사람을 나타내는 쌍방향 지도가 개발되면서 일대다라는 용어가 문제가 됐다. 이 기법을 구별하기 위해 제안된 다른 용어로는 대표 도트맵, 지구 기반 도트맵, 초로플레스 도트맵, 포인트 스프레드맵 등이 있다.^[28]

대표 도트 설계

두 가지 유형의 도트 맵 설계에는 개별 점 기호(특히 그 크기)의 설계와 점 사이의 간격의 균형을 맞추는 것이 포함된다. 일대일 도트맵에서는 개인의 분포와 지도척도에 의해 후자가 고정되지만, 대표 도트맵에서는 각 점이 나타내는 개인 수인 도트 값을 선택한 지도자의 영향도 받는다. 이러한 선택은 여러 가지 경쟁적 고려사항과 함께 상호의존적이라는 것이 오랫동안 인식되어 왔다.^[18][24]

• 점 기호의 크기를 늘리면 분포가 일정하더라도 점 기호 사이의 간격을 줄일 수 있다.
• 모든 도트 크기와 분포의 경우, 어느 정도의 밀도에서, 개별 점들은 고체 덩어리로 합쳐진다. 일단 이런 일이 일어나면, 어떤 높은 밀도도 알아낼 수 없다.
• 큰 점 기호는 작은 기호보다 보기 쉽지만 비교적 낮은 밀도로 결합한다.
• 점 값이 작을수록(즉, 점이 많을수록) 지리적 분포에서 큰 점 값보다 훨씬 미세하게 표시되며, 가장 작은 구역이 최소 몇 개의 점을 가질 가능성이 높아지지만 상대적으로 낮은 밀도로 결합된다.

이러한 요인의 이상적인 균형은 점들이 가장 밀도가 높은 지역에서 합쳐지기 시작하고, 개별 점들이 개별적으로 볼 수 있을 정도로 크며, 가장 낮은 값을 가진 지역들조차 점 하나 이상을 가질 수 있을 정도로 도트 값이 작을 때 발생한다. 1949년, J. 로스 맥케이는 혁신적인 노모그래프를 포함하여, 이 도트 크기와 도트 값의 균형을 계산하기 위한 일련의 지침을 개발했는데, 이것이 이 직업의 표준이 되었다.^[16] 이후 도트 생성과 인쇄, 표시 기술 향상으로 잔액 계산이 수정되어 대부분의 GIS 소프트웨어에서 자동화가 되었다.^[29]

그러나, 이러한 이상적인 범위의 겉보기 밀도는 매핑될 수 있는 현상에 어느 정도 제약을 가한다. 밀도 범위가 너무 낮으면(예를 들어, 약 1:10 미만의 가장 희박하고 가장 밀도 사이의 비율), 지도는 너무 일관성이 있어 정보를 얻을 수 없다. 밀도 범위가 너무 높으면(1:1000 이상의 비율) 점값이 눈에 보이지 않을 정도로 줄지 않으면 너무 많은 구역이 견고해진다.^[24] 설계 기술 개선은 점들이 단지 결합하는 밀도와 점의 층이 서로 겹쳐지는 높은 밀도 사이의 차이를 보여줄 수 있는 반투명 점의 사용과 같이 이러한 제한을 다소 완화하는 데 도움을 주었다.^[27] 그러나 이것은 개별 점들을 아주 희미하게 만드는 부작용이 있다.

동일한 위치에서 복수의 지점이 발생할 경우 일대일 지도의 다른 설계 도전은 더 낮은 밀도(즉, 많은 점 대신 하나의 점처럼 보이는) 잘못된 인상을 줄 수 있다. 많은 GIS 소프트웨어 사용자들이 이 문제를 설명하지 않지만, 이를 완화하기 위해 몇 가지 자동화된 알고리즘이 개발되었는데, 보통 Shapter와 Snow의 초기 지도에서 개발한 솔루션을 기반으로 하여 포인트들이 뚜렷하지만 여전히 빽빽하게 들어차 보이도록 약간씩 포인트를 분산시키는 것이 특징이다.^[30]

비평

오랫동안 연구되어 온 점 밀도의 한 가지 우려는 지도 판독기가 겉보기 밀도를 얼마나 정확하게 해석할 수 있느냐 하는 것이다. 1930년대 이후 반복적인 연구는 점으로 표시된 영역의 밀도를 과소평가하는 경향을 보여 왔다.^[31]

또 다른 비판은 종합 지구 데이터는 생태학적 오류, 수정 가능한 면적 단위 문제 등 이러한 종류의 데이터를 바탕으로 한 다른 유형의 주제 지도와 동일한 오역을 초래할 수 있는 내재적 문제를 가지고 있다는 것이다. 사실 점 기법은 개별 점의 디테일한 외관이 초로의 고체색보다 더 디테일한 데이터의 환상을 주기 때문에 문제를 더욱 악화시킬 수 있다. 게다가 지도 판독기는 특히 희박한 지역의 점들을 실제 정착지로 쉽게 해석할 수 있다.^[24]

초인종 지도와 마찬가지로 수정 가능한 면적 단위 문제는 위에서 논의한 극밀도 변화 문제의 증가로 이어질 수 있지만 실현 가능한 한 작은 구역을 사용하여 누군가를 완화시킬 수 있다. 초르플레스 매핑과 공통되는 또 다른 해결책은 dasymetric 기법이다. 도트밀도 어플리케이션에서는 현상의 분포에 관한 외부지식을 접목하여 도트 배치를 조정한다. 가장 간단한 접근법은 2진법으로서 개인이 없는 것으로 알려진 토지의 층(인구의 경우 수체나 관유토지 등의 특징을 포함할 수 있음)을 만들어 그곳에 점들이 그려지는 것을 배제하기 위한 마스크로 사용함으로써 나머지 구역에 점들이 더 촘촘하게 배치될 수밖에 없었다.^[24] 전통적으로 점들을 수동으로 배치하여 밀도가 높다고 알려진 지역의 일부에 집중시킬 때, 지역 경계에서 갑자기 변화하기 보다는 점차적으로 밀도가 변화하는 모습을 보이도록 하는 보다 미묘한 접근법을 취하였다.^[18] GIS 소프트웨어에서는 널리 구현되지 않지만, 도시 지점 위치 등의 보조 정보를 이용하여 각 구역에 걸쳐 점의 분포를 변경하는 등, 이 기법을 모방하는 자동 알고리즘이 개발되었다.^[32]

외부 링크

• 인종 도트 맵: 2010년 인구조사에서 1:1 도트 값으로 인종과 히스패닉 상태에 대한 자세한 대화형 지역 기반 도트 맵
• OmniSci Twitmap: 키워드로 필터링할 수 있는 지오코딩 트위터 게시물의 1:1 도트맵

참조