H3 라이브러리 (Hexagonal Hierarchial Geospatial Indexing System)

그리드 시스템

그리드 시스템을 사용하면 지리 공간적 데이터를 효율적으로 분석해 셀을 통해 지리 공간적 클러스터를 만들 수 있다. 

지리 공간적 데이터를 쉽고 효율적으로 집계, 클러스터, 분할, 축소, 조인 및 인덱싱이 가능하다. 

❓ 위경도: 실제 정확한 위치 측정을 해야하므로 특정 영역 처리에 부적합

❗️ 그리드 시스템으로 해결! -> 인덱싱이 아주 중요한데, 지구의 특정 지역을 일정한 크기대로 인덱싱해 공간 처리를 잘 하도록 하는 것!

• 그리드: 공간을 나누는 구조
• 셀: 그리드를 나누는 조각조각 
  • 그리드느 셀들의 구조

 

🌐 H3

Uber에서 개발한 오픈소스 지리공간 인덱싱 시스템. 전 세계를 육각형 그리드(hexagon grid)로 나누어 표현

• 전 지구를 육각형 그리드로 분할
  • 그리드(grid): 지리 공간을 나누는 구조적 단위
• 계층적 구조(hierarchial): 0~15까지 해상도 조절 가능
  • 그리드는 해상도(resolution)에 따라 셀 크기가 달라진다. 
  • 해상도 0: 아주 큰 육각형(셀)
  • 해상도 15: 아주 작은 육각형

• 빠른 공간 인덱싱 및 근접성 계산
• 단위: 셀(cell) - point가 아님!  
  • 동일한 그리드 안의 위경도는 다를지라도 h3셀로 변환하면 동일한 h3셀값이 나온다. 
  • 정확한 위치 특정이 어렵지만 공간을 찾거나 처리하는 데 있어서 비용이 적고 효율적이다. 
    • resolution이 높으면 비교적 정확하게 위치 특정 가능하지만 처리량이 증가

✔️ 육각형인 이유: 정사각형보다 거리 왜곡이 적고, 구 위에서 자연스럽게 맞물림

1. 사각형보다 거리 왜곡이 적어 동일한 거리를 유지하기 쉽다.
2. H3은 이십면체 기반으로 지구를 모델링하고 육각형 타일로 나눈다.

📌 차별점

우버는?

1. 사용자 요청 시 무조건 배차가 가능하도록 만드는 것이 목표
   1. 드라이버의 공급을 늘려야 하므로 가격인상(surge price)가 사용되어 특정 지역의 수요가 많아지면 추가 요금을 받고 배차를 생성해 주는 방식
   2. 드라이버가 surge price 지역만 찾아다니거나(surge trip) surge price 범위 내에서도 고객의 요청이 드라이버에게까지 가지 못하는 경우 발생(원래는 도시 단위로 surge price를 형성 -> 지역이 넓어 발생함)
2. grid sysem으로 여러 크기의 셀에서 사용자 action을 인지하고 대처할 수 있도록 h3 만들게 됨
   1. 동적으로 특정 셀의 변화도 측정 가능

 

💡 GeoJSON

지리 공간(위치) 데이터를 표현하기 위한 JSON 데이터 형식의 표준

다각형 - 사각형 지역을 나타내는 geojson polygon -> polyfill()에 바로 사용가능

{
  "type": "Polygon",
  "coordinates": [[
    [126.97, 37.56],
    [126.99, 37.56],
    [126.99, 37.57],
    [126.97, 37.57],
    [126.97, 37.56]  // 도형 닫기 (첫 점 반복)
  ]]
}

🛠️ 함수

1️⃣ geo_to_h3(lat, lng, resolution)

위경도 좌표를 H3 인덱스로 변환

h3_index = h3.geo_to_h3(37.5665, 126.9780, 9)

• 입력: 위도, 경도, 해상도
• 출력: 해당 위치가 포함된 H3 셀의 인덱스 ('8928308280fffff')

2️⃣ h3_to_geo(h3_index)

H3 인덱스를 셀의 중심 좌표로 변환

lat_lng = h3.h3_to_geo(h3_index)

• 입력: h3 인덱스
• 출력: 해당 셀의 중심 좌표 (위도, 경도) 형태로
• H3 셀의 시각화나 지도 위 마커 표시할 때 유용하다 

3️⃣ h3_to_geo_boundary(h3_index)

주어진 인덱스에 해당하는 육각형 셀의 꼭짓점 좌표들 반환

boundary = h3.h3_to_geo_boundary(h3_index)

• 입력: h3 인덱스
• 출력: 꼭짓점 좌표 리스트 (6~7개 좌표쌍)
  • 육각형 꼭짓점 좌표는 셀의 중심을 기준으로 반시계 방향으로 정렬된 위경도 좌표
  • 해당 H3 셀의 중심을 중심점으로 하는 육각형 꼭짓점들의 지리적 위치(위/경도)계산해 리턴
• 셀을 지도 위에 폴리곤으로 그릴 때 사용
  • folium, geopandas, matplotlib 등과 연동해 시각화

📍폴리곤: 경계로 둘러싸인 2차원 공간 영역

4️⃣ k_ring(h3_index, k)

중심 셀로부터 반경 k만큼 떨어진 이웃 셀들을 반환

neighbors = h3.k_ring(h3_index, 1) # 반경 1칸 이웃들

• 입력: h3 인덱스, 반경
• 출력: 중심 셀 포함 주변 k거리 내의 셀 인덱스들
  • set으로 반환
• 특정 지점을 중심으로 범위를 설정하거나 밀접한 지역 분석 시 사용 
  • 이 음식점 주변 300m 반경의 다른 상점들

5️⃣ polyfill(geojson, resolution)

다각형(행정구역, 공원 등) 영역을 h3 셀로 채움 

polygon = {
    'type': 'Polygon',
    'coordinates': [[[126.97, 37.56], [126.99, 37.56], [126.99, 37.57], 
    				[126.97, 37.57], [126.97, 37.56]]]
}
filled = h3.polyfill(polygon, 9)

• 입력: 다각형 영역을 나타내는 Geojson형식의 폴리곤, 해상도
  • GeoJson에서 Polygon표준이 요구하는 형식이므로 다각형 좌표의 사작과 끝점은 반드시 같아야 함! 
    • 첫 번째 점을 다시 반복해 도형을 닫아야 함
    • 닫아야 도형이구나 인식
  • 육각형이 아닌 일반 다각형이므로 어떤 모양이든 상관 없음. 그냥 영역 안을 h3 육각형 셀들로 채우라는 뜻
    • 서울시 마포구의 지도 경계
    • 사각형 범위(위경도 네 점)
    • 둥근 원 형태를 근사한 좌표
• 출력: 폴리곤 안을 채우는 h3 인덱스 셀들(set)
• 어떤 구역 안의 데이터를 전부 포함하는 셀 집합 만들 때 유용
  • e.g. 마포구 전체를 커버하는 셀들을 추출해서 인구 데이터 매핑
    • 행정구역을 h3 셀로 나눠서 그 셀에 인구 데이터를 연결시키는 작업
    • 인구를 균등 분배하거나, 각 셀의 면적 비율, 건물 밀도, POI 개수 등으로 가중치 분배

6️⃣ compact() / uncompact()

여러 셀을 상위 레벨로 압축 / 세밀한 레벨로 다시 펼침

compact_set = h3.compact(set_of_indexes)
expanded_set = h3.uncompact(compact_set, res=9)

• 입력:
  • compact: 중복되거나 겹치는 셀들을 상위 레벨 셀로 합침
  • uncompact: 해상도 지정해 다시 세부 셀로 분할
• 출력: 압축된/풀린 h3 인덱스 셀 집합
• 공간 데이터 압축해 저장/전송하거나 시각화할 때 셀 수 줄이기

함수	설명	주요 활용
geo_to_h3	위도/경도 → H3 인덱스	위치 기반 데이터 정규화
h3_to_geo	H3 인덱스 → 중심 좌표	지도 표시, 시각화
h3_to_geo_boundary	H3 셀 → 꼭짓점 좌표	육각형 지도 그리기
k_ring	셀 주변 k 단계 이웃	반경 분석
polyfill	다각형 → 셀들로 채우기	영역 집계, 공간 통계
compact/uncompact	셀 압축/확장	데이터 최적화

 

📦 설치

pip install h3

 

 

https://mark-kim.blog/h3_basic/

H3 기본 이해하기