일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- Kepler.gl
- GIS
- CARTO
- 인스톨
- AI
- 설치
- mapping
- data visualization
- 플러그인
- install
- 빅데이터
- 공간데이터 분석
- Spatial Data Analysis
- 웹지도
- 데이터 시각화
- QGIS
- Data Analysis
- 우버
- machine learning
- map
- 머신러닝
- Uber
- Web Mapping
- 인공지능
- 데이터 분석
- Web GIS
- Mapbox
- Big data
- 지도
- plugin
- Today
- Total
GIS & Spatial Analysis in KOREA
CARTO - 사례 02 : '17년 서울특별시 관광데이터 지도 본문
[CARTO]
#GIS #CARTO #Data Analysis #Spatial Data Analysis #Big Data #AI #Data Visualization #Map
#데이터 분석 #공간데이터 분석 #빅데이터 #인공지능 #데이터 시각화 #지도
#2017 #Seoul #Tour #Tourgo #Public Data #Map #Local #Foreigner
#서울특별시 #관광 #공공데이터 #관광지식정보시스템 #주요관광지점입장객통계
[ 2017년 서울특별시 관광데이터 지도 시각화 ]
한국문화관광연구원에서는 관광지식정보시스템을 이용해 전국 주요관광지점별 내외국인 입장객 데이터를 월별, 분기별, 연도별로 제공하고 있으며, 데이터를 엑셀 형태로 다운로드 받을 수 있다. 다운로드 받은 데이터를 토대로 공간데이터 셋을 구축해 각 지역별 주요 관광지점의 내외국인 관광객 방문 현황을 시각적으로 비교할 수 있다. 물론 각각의 관광지점(유료 관광지 1,392개, 무료 관광지 677개) 주소를 찾아 데이터 결합 및 지오코딩 (Geocoding)을 해야 하는 번거로움은 있다.
번거로움에도 불구하고 이 데이터가 유용한 이유는 월별, 내외국인별로 데이터를 제공할 뿐만 아니라 주요관광지점을 국가 관광정보 KS 표준을 기준으로 유형분류(대중소) 해 놓았다. 유형 분류를 이용해 관광 지점 유형별로 현재 내외국인 관광객이 증가하는 관광 유형, 감소하는 관광 유형은 어디인지 데이터 분석을 통해 알 수 있다. 물론 관광객의 성, 연령, 국적까지 알 수 있다면 더 없이 좋겠으나, 공공데이터로써는 한계가 있다.
아래에 간단하게 CARTO를 이용해 지도를 제작해 보았다.
( 지도가 잘 보이지 않는 경우 여기를 클릭하세요! )
- 끝 -
'CARTO > CARTO 사례' 카테고리의 다른 글
CARTO - 사례 01 : '17년 라돈 검출 학교 지도 (1) | 2018.07.03 |
---|