배경

• 빅데이터의 시대인 현대 사회에서 방대한 데이터를 분석하기 위해 데이터 시각화에 대한 중요성이 증가하고 있다.

• 기존 데이터 시각화의 경우 대부분 2D를 기반으로 하여 자료의 차원이나 종류가 다양한 빅데이터에 적용하기에는 한계가 있다.

• 현재 실감형 미디어 기술의 발전과 3D 제작 기술의 발전으로 3D 콘텐츠의 중요성이 증가하고 있다.

연구 목표

기존 2D 데이터 시각화의 표현 범위를 확장하여 3D로 데이터를 시각화하고,

이용자에게 새로운 관점을 제공하는 것을 목표로 함

서울과 뉴욕의 데이터 비교를 중심으로 COVID-19의 심각성을 3D로 시각화하여 표현

• 서울과 뉴욕은 우리나라와 미국을 대표하는 대도시로서 유사한 삶의 방식을 영위한다고 볼 수 있다.

• 인구수와 인구밀도가 다른 도시들과 비교하여 유사하다.
  서울 - 인구수 : 약 970만명 / 인구밀도 : 15,865/km²
  뉴욕 -인구수 : 약 855만명 / 인구밀도 : 11,314/km²

• COVID-19 발생 양상의 확연한 차이를 확인 할 수 있다.

• 다양한 종류의 빅데이터를 시각화하기 위해 기존의 그래프 방식 외에도 다양한 분석 기법들이 개발되고 있다.

Ex) 텍스트 마이닝, 소셜 네트워크 분석, 공간 데이터 분석, 수치형 분석 – 선형 회귀분석, 로지스틱 회귀, 라쏘 등

• 빅데이터 분석을 위한 시각화 툴 또한 다양해지고 있다.

Ex) R 패키지, BigVis, ggplot, Tableau, Polymaps 등

• 데이터의 중요성이 증가하며 예술적인 관점에서 데이터를 분석하기 위한 시도들도 증가하고 있다.

• 예술가는 데이터를 분석하고 관련된 사회과학적 현상과 상호 연관성을 연구한 뒤 자신의 해석을 바탕으로 데이터를 표현한다.

선행 연구들을 바탕으로 추상적인 데이터 시각화에 초점을 맞추어 연구를 진행함

추상적인 형태의 시각화를 통해 사람들에게 직관적으로 데이터에 대한 의미를 전달하고

3D와 애니메이션 등의 요소들로 확장하여 통찰력을 제공하는 것을 구체적인 목표로 함

• 서울 : 서울특별시 코로나19 확진자 발생 동향 데이터(https://data.seoul.go.kr/dataList/OA-20461/S/1/datasetView.do), 서울특별시 제공

• 뉴욕 : 뉴욕 주 전체 COVID-19 데이터(https://health.data.ny.gov/Health/New-York-State-Statewide-COVID-19-Testing/xdss-u53e ), 뉴욕주 보건부 제공

• 원본 데이터를 그래프로 변환하여 분석하였다.

• 서울과 뉴욕에서 공통적으로 제공하는 데이터 중 COVID-19의 심각성을 표현하기에 적합한 데이터 선택하였다. (추가 확진자 수, 누적 사망자 수)

• 기간 : 2020년 3월 1일 ~ 2022년 5월 31일 (822일)

• 추가 확진자 수 : 코로나 확산 양산을 보여주고 심각성을 대표할 수 있는 수치로, 시기에 따라 변동하는 COVID-19의 확산 추세를 확인 할 수 있음

• 누적 사망자 수 : 각 도시 별 위급도의 변화를 보여줄 수 있는 수치

• 원본 데이터(CSV) > 선택한 데이터 저장 (XLSX) > HOUDINI에서 이용 가능한 형식으로 저장 (JSON)

• JSON 형식의 파일을 HOUDINI에서 이용할 수 있도록 Python 노드를 이용하였다.

구체 표면의 진동을 이용한 COVID-19 변화 양상 표현

색상을 이용한 COVID-19 누적 사망자 수 표현

파티클 효과와 공간감 표현

• 애니메이션을 통해 두 도시의 COVID-19 확산 양산을 직관적으로 비교할 수 있다.

• 영상의 앞부분에는 그래프와 확진자 수, 누적 사망자 수를 함께 표기하여 관찰자의 이해도를 높였다.

• 시간에 따라 변화된 모습을 보면 서울의 경우 사망자 수가 뉴욕에 비해 낮아 아직 녹색으로 나타나지만 뉴욕은 빨간색으로 나타나는데,
  이를 통해 COVID-19로 인한 뉴욕의 위급도가 증가하였음을 알 수 있다.

결론

• 빅데이터를 3D 애니메이션 형태로 시각화하여 COVID-19의 심각성을 직관적으로 느낄 수 있도록 하는 것에 의의가 있다.

• 3D 형태의 표현이 기존 2D에서의 한계를 극복하고 데이터의 의미를 전달함에 있어 이점이 될 수 있을 것이라고 기대한다.

• 또한 애니메이션 효과는 기존의 정적인 표현보다 효과적으로 데이터의 변동을 표현할 수 있다.

• HOUDINI의 절차적 모델링은 노드 방식을 이용하여 다른 도시의 데이터도 간단하게 변환이 가능하여 이용이 용이하다.

상대적으로 코로나에 대해 위급도가 높지 않았던 우리나라와 위급도가 빠르게 증가한 뉴욕을 비교하여

관찰자로 하여금 코로나의 위험성에 대해 다시 한번 상기시키고

개인뿐만 아니라 사회, 경제적으로 끝나지 않은 팬데믹의 후유증을 생각하도록 하였다.

구현된 영상을 실제 미술관과 유사한 3D공간을 구성하여 디스플레이가 설치됐을 때의 공간의 분위기를 테스트하고, COVID-19 관련 정보들을 옆에 배치하여 관람객들이 더 많은 통찰력을 얻을 수 있도록 하였다.

발전 방향

• API와 같은 실시간 데이터 전송 기술을 이용하여 데이터가 즉각적으로 반영될 수 있도록 한다.

• VR 또는 AR과 같은 실감형 미디어 형태로 확장하여 데이터를 표현하는 방법을 연구하고자 한다.

• 인터렉션과 멀티 모달을 추가하여 사용자가 보다 직관적으로 데이터를 분석하고 탐색할 수 있게 한다면 더 효과적일 것으로 기대된다.

• UX분석을 통해 사용자가 쉽게 접근할 수 있는 인터페이스를 개발하여 어렵게 느껴지는 데이터를 누구나 쉽게 접근할 수 있도록 한다.

• Kim, D. J., & Kim, J. D. (2014). 빅 데이터 시각화 방법 및 시각화 프로세스. Korea Multimedia Society, 18(1), 24-31.

• 김형년. (2014). 빅데이터 비주얼라이제이션 사례분석: 시각화 표현 방식을 중심으로. Journal of Integrated Design Research, 13(4), 125-136.

• 박진완, & 김효영. (2011). 예술적 데이터 시각화 고찰. 디지털디자인학연구, 11(3), 193-202.

• Bartram, L., Patra, A., & Stone, M. (2017, May). Affective color in visualization. In Proceedings of the 2017 CHI conference on human factors
  in computing systems (pp. 1364-1374).

• 서울특별시 코로나19 확진자 발생 동향 데이터(https://data.seoul.go.kr/dataList/OA-20461/S/1/datasetView.do), 서울특별시

• 뉴욕 주 전체 COVID-19 데이터(https://health.data.ny.gov/Health/New-York-State-Statewide-COVID-19-Testing/xdss-u53e ), 뉴욕주 보건부 제공