통계적 인접성을 중시하는 기존의 최적화 기법과는 달리 최대 BEI 지수를 추적하여 공간적 인접성을 최적화하는 새로운 최적화 기법을 개발하였다. 5가지 계급수에 대해 등간격, 시각구분법, 사분위법을 비롯해 최적화하여 얻은 최대 BEI, 최대 TEI를 나타내는 5가지 계급구분 방법으로 만들어진 25개의 단계구분도에 대해 계급구간 분류의 효율성을 분석하였다. 이때 사용된 평가기준은 TEI, BEI, $C_{F}$이다. 최대 BEI와 최대 TEI를 나타내는 계급구간에서는 비교적 안정적이고 효율적인 분류 결과를 얻을 수 있었으나, 두 결과는 서로 상반된 결과를 보여주었다. 한편 시각구분법으로 얻은 분류 결과 역시 평가지수에서 높은 점수를 받았는데, 이는 새로운 지수인 $alpha$-index를 통해서도 확인할 수 있었다.다.
Differing from the existing method to optimize the statistical proximity, the new optimization method was developed to maximize the spatial proximity among the unit areas of choropleth map. 25 choropleth maps were made using 5 classification methods(maximum BEI, maximum TEI, equal interval, natural break, n-tile) for 5 classes(3∼7) and were analyzed to elucidate the effectiveness of classification methods on the basis of 3 evaluation indeces (TEI, BEI, $C_{F}$). The results from the maximum TEI and maximum BEI were evaluated as relatively stable and effective compared to those from other classification methods. But they showed the opposite trends owing to the trade-off relationships. Meanwhile, the resets from the natural break method got higher marks, which was also identified through the analysis using a new $alpha$-index.x.
