데이터 컨플레이션 (Data Conflation)
쉽게 풀면
두 개의 서로 다른 지도에 같은 도로가 조금씩 다른 모양이나 위치로 그려져 있는 경우가 있습니다. 데이터 컨플레이션은 이런 서로 다른 자료 속에서 "이건 같은 도로다"라고 판단한 뒤, 둘 중 더 정확하거나 더 풍부한 정보를 골라 하나로 합치는 작업입니다. 여러 장의 사진을 비교해 가장 좋은 부분들만 골라 하나의 완성된 사진을 만드는 것과 비슷한 개념입니다. 같은 지역을 다룬 서로 다른 두 지도 데이터를 하나로 합칠 때, 위치가 조금씩 어긋난 것을 맞춰가며 통합하는 작업입니다.
왜 중요한가
정부기관, 민간기업, 시민 참여형 지도 등 다양한 출처의 공간자료를 통합하여 활용하는 경우가 늘면서, 중복되거나 상충하는 정보를 정리하고 최선의 자료를 골라내는 컨플레이션 기법이 중요해지고 있습니다. 이는 자료의 최신성과 정확성을 동시에 높이는 데 기여합니다. 출처가 다른 두 데이터셋의 장점을 하나로 합칠 수 있어, 각 데이터셋을 따로 쓸 때보다 더 완전하고 정확한 데이터베이스를 구축할 수 있습니다.
논문에서는 이렇게 쓰입니다
서로 다른 출처의 도로 정보를 하나로 합쳤다는 의미입니다.
같은 객체인지 판단하는 기준을 설명한 예문입니다.
조금 더 깊게 보면
데이터 컨플레이션은 크게 동일 객체를 찾는 매칭(matching) 단계와, 매칭된 객체의 정보를 병합하는 병합(merging) 단계로 구성됩니다. 위치, 형상 유사도, 속성값 등을 종합적으로 비교하여 동일 객체 여부를 판단하며, 도엽접합이나 데이터 통합과 개념적으로 연결됩니다. 데이터 결합은 두 데이터셋에서 같은 대상을 가리키는 객체 쌍을 찾아내는 대응(matching) 단계와, 대응된 객체의 기하나 속성 중 어느 쪽을 최종 값으로 채택할지 정하는 병합 단계로 구성되며, 도로명이나 형태 유사도를 기준으로 자동 대응을 시도하는 경우가 많습니다. 컨플레이션은 정확도가 높은 기준 자료에 다른 자료의 위치를 맞추는 방식과, 한 자료의 속성을 다른 자료의 형상에 옮겨 붙이는 방식 등으로 수행되며, 도로망처럼 선형 네트워크를 통합할 때는 형상 유사도와 속성 일치도를 함께 비교하는 매칭 알고리즘이 활용됩니다.
주의할 점
동일 객체 판단 기준이 부정확하면 서로 다른 객체를 잘못 합치거나, 같은 객체를 별개로 남겨두는 오류가 생길 수 있습니다.
자동 대응 알고리즘이 서로 다른 대상을 같은 객체로 잘못 판단할 수 있어, 결합 결과를 표본 검수하는 절차가 함께 필요합니다. 결합 대상 데이터의 축척이나 정확도가 크게 다르면 어느 쪽 기하를 기준으로 삼을지 정하는 규칙이 결과에 큰 영향을 줍니다. 자동 매칭이 잘못된 짝을 연결하는 오정합이 발생할 수 있어, 특히 법적 경계나 재난 대응처럼 정확도가 중요한 분야에서는 사람이 결과를 검수하는 단계가 필수적입니다.