地理空間データ型によってバリデーション結果が異なる
地理空間データのポリゴンを扱っていると、様々な形をしたポリゴンに遭遇します。
ポリゴンを地理空間オブジェクトとして作成した時に、Geometry型ではValidと判定される一方で、Geography型ではInvalidなポリゴンとして判定されるケースがあります。その逆も然りです。
今回は、そのような特殊なケースについて調査していきたいと思います。
Snowflakeの地理空間データ型
Snowflakeは地理空間データ型をサポートしています。
GEOMETRY型
地球を2次元の平面座標として扱う地理空間データ型です。空間演算は高速ですが、国や世界規模の広域の空間演算になると精度が低くなります。
GEOGRAPHY型
元々は、PostGIS 1.5で導入された球体ベースの地理空間データ型です。緯度経度での空間演算が可能なため、距離や面積の精度が高いことが特徴です。ただし、空間演算の処理コストが高いため、Geometry型と比べてパフォーマンスが劣る可能性が高いです。
💡 Tip: GEOMETRY型とGEOGPRAHY型のどちらを使うか
サポートされている空間関数の数や空間演算の処理コストを考慮すると、GEOMETRY型をメインとして使いつつ、国をまたぐような広域の空間演算を行う場合にGEOGRAPHY型を使うことが推奨されています。(参考:Should I use the geometry type or the geography type?)
入力データのバリデーション
SnowflakeではGeoemtry型、Geography型ともにOGCのSimple Feature Access / Common Architectureの標準ルール従って、形状が有効かどうかのバリデーションを行います。
OGCの標準ルールにおける、ポリゴンの仕様は
- トポロジー的に閉じている
- 境界はLinerRingでできている
- 内部領域のRing同士が交差してはならない
- スパイク、切れ込み、穿刺があってはいけない
- 内部領域は連結している
- 外部領域は非連結である
とされています。(詳細はこちら)
要するに「見た目がシンプルなポリゴンであること」と考えていいと思います。(略しすぎ?)
これらの標準ルールがSnowflakeでどう実装されているかは内部仕様なのでわからないですが、このルールを元に入力データの形状をバリデーションされています。
特殊なポリゴンの具体例
バリデーションのルールは同じですが、地理空間データ型によってそのバリデーション結果が異なる場合があります。具体例を挙げながら説明していきます。
例1: GEOMETRY型ではInvalid、GEOGRAPHY型ではValid
こちらの例はSnowflakeのドキュメント内でも紹介されています。
POLYGON((0 50, 25 50, 50 50, 0 50))
上記のポリゴンは平面座標上では1つの直線に見えますが、球体上では扇形の多角形になります。 この挙動については比較的イメージが湧きやすいのかなと思います。
実際に、Snowflake上で試してみます。
SET obj = 'POLYGON((0 50, 25 50, 50 50, 0 50))';
# GEOMETRY型に変換
SELECT TO_GEOMETRY($obj);
-- ERRORになる
-- 100383 (P0000): Geometry validation failed: Geometry has spikes. A spike point was found with apex at (50, 50)
# GEOGRAPHY型に変換
SELECT TO_GEOGRAPHY($obj);
-- OK
-- GEOGRAPHY型オブジェクトが返される
GEOMETRY型ではバリデーションエラーになっていることがわかります。
同じWell-Known-Text(WKT)のポリゴンでも各地理空間データ型によってポリゴンの形状が異なっていることに注意する必要があります。
例2: GEOMETRY型ではValid、GEOGRAPHY型ではInvalid
この例に該当するポリゴンの例は、
POLYGON ((133.87321947666234 34.21065435445231, 133.87465714069432 34.21068984440621, 133.87570856662816 34.211151212446836, 133.87523649784154 34.210849549013794, 133.87375591846532 34.21044141441502, 133.87321947666234 34.21065435445231))
QGISで可視化するとこんな感じのポリゴンです。
ポリゴンの中央付近で自己交差しているように見えますが、実際には交差してはいません。 縮尺が300:1なので、現実世界ではミリメートルよりも小さいマイクロメートルレベルの細かさで見ないとわからないレベルです。
こちらもSnowflake上で実際に試してみます。
SET obj = 'POLYGON ((133.87321947666234 34.21065435445231, 133.87465714069432 34.21068984440621, 133.87570856662816 34.211151212446836, 133.87523649784154 34.210849549013794, 133.87375591846532 34.21044141441502, 133.87321947666234 34.21065435445231))';
# GEOMETRY型に変換
SELECT TO_GEOMETRY($obj);
-- OK
-- GEOMETRY型オブジェクトが返される
# GEOGRAPHY型に変換
SELECT TO_GEOGRAPHY($obj);
-- ERROR
-- 100217 (P0000): Geography validation failed: Edge (133.873219,34.210654) -- (133.874657,34.210690) crosses edge (133.875236,34.210850) -- (133.873756,34.210441)
GEOGRAPHY型ではポリゴン自体が自己交差しているため、エラーが返されています。
この結果からポリゴンが「球面上では自己交差しているが、平面上では自己交差しない」ということになります。頭では理解できますが、イメージがなかなか湧かないです。。
個人的な推測としては、GEOGRAPHY型のバリデーションにおいて、これほど細かく見ないとわからないような領域(隙間)に関しては単純化などされているかも。
これ以上の深掘りはSnowflake内部実装を見ないと何とも言えないですが、こういうケースもあるんだということだけ頭の隅に置いておくのが良さそうです。
まとめ
今回はSnowflakeの地理空間データ型におけるバリデーションの結果が異なる件について、具体例とともに調査してみました。
同じ定義のポリゴンでも変換する地理空間データ型によってポリゴンの形状が変わることに注意する必要があります。
例2の挙動に関して完全な理解はできていませんが、こういうエッジケースがあることが分かっただけでも良かったです。
誰かのお役に立てれば幸いです。