마지막 업데이트: 2023-08-24
현재 위도, 경도 좌표값으로 존재하는 부동산 매물의 지리공간 데이터에 h3 인덱스를 적용해서 필터링 및 클러스터링을 수행해요.
전달드린 결과물은 프로덕션 데이터로 추출했지만, 이 문서는 알파 데이터 일부로 샘플 데이터셋의 모양새 등만 간단하게 서술해요.
테스트에서 사용한 샘플 폴리곤은 강남역을 포함하는 작은 구역이에요.
아무래도 알파 데이터가 강남역과 신논현역 인근 게시글 밀집도가 높아 샘플 폴리곤도 아래와 같이 잡았어요.
샘플 폴리곤에서 벗어나는 지역은 테스트 전이라, 지역의 매물량에 따른 (그리고 줌 레벨에 따른) 해상도를 적절하게 사용해야할 것 같아요. (산악지대 같은 낮은 매물 밀집도의 지역도 테스트를 해보고 싶었는데 적절한 resolution과 k값 등을 찾는 작업은 피터에게 토스할게요...)
{
"polygonArg": "37.49816335,127.02411088|37.5014358,127.0330441|37.49241499,127.02683671|37.49510531,127.03600921"
}
데이터셋 추출을 위해 사용한 쿼리
SELECT id, region_depth2_id, coord_lat, coord_lon FROM article// sample-data/articles-all.csv
1365,340,37.478184413414,126.95672990873
1377,340,37.482538491727,126.95216518118
1379,1305,37.484866071815,126.95493825278
데이터셋에 해상도별 h3 인덱스 추가하는 스크립트 실행
** 해상도는 임의로 6, 7, 9로 했는데, 적절히 조절해서 적용해주시면 될 것 같아요.
npm run process:all// outputs/articles-processed.csv
ID,Lat,Lon,H3Index_6,H3Index_7,H3Index_9
1365,37.478184413414,126.95672990873,8630e036fffffff,8730e036dffffff,8930e036d73ffff
1377,37.482538491727,126.95216518118,8630e036fffffff,8730e036dffffff,8930e036d03ffff
1379,37.484866071815,126.95493825278,8630e036fffffff,8730e036dffffff,8930e036d17ffff
1380,37.329702260639,127.11437290308,8630e024fffffff,8730e0248ffffff,8930e02482bffff
1381,37.331111087747,127.11393272195,8630e024fffffff,8730e0248ffffff,8930e02482bffff
구현해둔 엔드포인트는 다음과 같아요
주어진 폴리곤 내 데이터 포인트를 필터링해요. 요청 본문은 polygonArg 문자열과 resolution 숫자를 포함해야 해요.
// request body
{
"resolution": 11,
"polygonArg": "37.49816335,127.02411088|37.5014358,127.0330441|37.49241499,127.02683671|37.49510531,127.03600921"
}// response
{
"count": 244,
"articles": [
{
"id": 1383,
"coords": [
37.497295939571,
127.02961902596
],
"h3Index": {
"6": "8630e1ca7ffffff",
"7": "8730e1ca2ffffff",
"9": "8930e1ca2abffff"
}
},
{
"id": 1384,
"coords": [
37.495417109124,
127.03320108332
],
"h3Index": {
"6": "8630e1ca7ffffff",
"7": "8730e1ca2ffffff",
"9": "8930e1ca233ffff"
}
},
{
"id": 2046,
"coords": [
37.497252881891,
127.0295773935
],
"h3Index": {
"6": "8630e1ca7ffffff",
"7": "8730e1ca2ffffff",
"9": "8930e1ca2abffff"
}
},주어진 폴리곤 내 데이터 포인트를 필터링하고, 필터링된 데이터를 클러스터링해요. 요청 본문은 polygonArg 문자열과 resolution 숫자를 포함해야 해요.
주어진 폴리곤 (혹은 줌 레벨 등)에 따른 resolution 값 조절이 필요해요.
// request body
{
"resolution": 11,
"polygonArg": "37.49816335,127.02411088|37.5014358,127.0330441|37.49241499,127.02683671|37.49510531,127.03600921"
}// response
{
"count": 24,
"clusters": [
{
"type": "Cluster",
"h3Index": "8b30e1ca2ab5fff",
"centerCoords": [
37.497461925384954,
127.02976409500404
],
"label": 0,
"count": 118,
"articles": [
{
"id": 1383,
"coords": [
37.497461925384954,
127.02976409500404
]
},
{
"id": 10155,
"coords": [
37.497461925384954,
127.02976409500404
]
},
{
"id": 10159,
"coords": [
37.497461925384954,
127.02976409500404
]
},npm installnpm run start- 매물 밀집도와 지도뷰 줌 레벨에 따른
resolution값 찾기 - 각 클러스터별 대표 좌표 (지도뷰에서 넘버포인트 찍어줄 좌표)
- 기존
article테이블에 주요resolution별 h3 인덱스 칼럼 생성
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent