최근 공간정보표현을 위해 벡터데이터 기반 디지털 맵의 활용도의 증가와 측량기술의 발전에 기인하여 높은 수준의 해상도를 갖는 고용량의 GIS(geographic information service) 서비스가 활발히 이루어지고 있다. 본 논문은 방대한 범위에서 높은 해상도를 갖는 1cm(센티미터) 단위의 정밀 벡터맵의 효율적인 압축을 위해 공간 영역 상에서의 에너지 집중 기법(spatial energy compaction, SEC)을 이용한 벡터맵 압축 기법을 제안한다. 제안 기법은 벡터맵에서 공간정보를 표현하기 위해 주로 사용되는 폴리곤(polygon) 및 폴리라인(polyline) 오브젝트에 대해 압축을 수행한다. 제안 기법에서는 전체 벡터맵을 국부영역으로 나눈 후, 각 국부영역 내의 오브젝트 인접성 및 방향성을 이용하여 세 가지 종류의 빈으로 분류하여 에너지 집중을 수행하며, 미리 정의된 가변길이부호화를 이용해 부호화하여 압축한다. 실험결과 동일한 벡터맵에 대해 1m 정밀도의 벡터간소화 기법이 약 13%의 압축율을 갖는 데 반해, 제안 기법은 1cm 단위의 정밀도에서 원본 데이터의 80%이상 압축이 수행됨을 확인하였다. 또한 이것은 기존에 제안한 SEC 기반 압축 기법보다 높은 압축율을 가지면서 낮은 계산 복잡도를 유지하며, 기존의 벡터 근사화 기법보다 높은 정밀도에서 높은 압축률로 압축할 수 있음을 실험을 통해 확인하였다.
Recently, due to applicability increase of vector data based digital map for geographic information and evolution of geographic measurement techniques, large volumed GIS(geographic information service) services having high resolution and large volumed data are flowing actively. This paper proposed an efficient vector map compression technique using the SEC(spatial energy compaction) based on classified bins for the vector map having 1cm detail and hugh range. We encoded polygon and polyline that are the main objects to express geographic information in the vector map. First, we classified 3 types of bins and allocated the number of bits for each bin using adjacencies among the objects. and then about each classified bin, energy compaction and or pre-defined VLC(variable length coding) were performed according to characteristics of classified bins. Finally, for same target map, while a vector simplification algorithm had about 13%, compression ratio in 1m resolution we confirmed our method having more than 80% encoding efficiencies about original vector map in the 1cm resolution. Also it has not only higher compression ratio but also faster computing speed than present SEC based compression algorithm through experimental results. Moreover, our algorithm presented much more high performances about accuracy and computing power than vector approximation algorithm on same data volume sizes.
