동적 반공간 깊이 유지와 등고선 업데이트

본 논문은 2차원 평면에서 반공간 깊이(half‑space depth, Tukey depth)와 그에 기반한 두 종류의 등고선, 즉 커버 기반(contour‑based)과 순위 기반(rank‑based) 등고선을 동적으로 유지하는 알고리즘을 제시한다. 반공간 깊이는 주어진 점 p에 대해 p를 포함하는 모든 폐반공간 중 가장 적은 데이터 점을 포함하는 비율을 최소값으로 정의한다. 이 정의는 통계학과 계산기하학에서 각각 확률·카운트 관점으로 해석되지만, 본 논문에서는 카운트 형태를 채택해 알고리즘 설계에 활용한다. 첫 번째 기여는 단일 점의 반공간 깊이를 O(log n) 시간에 삽입·삭제와 함께 유지하는 자료구조이다. 이 구조는 van Kreveld 등이 제안한 2‑D 선형 분할 트리를 기반으로 하며, 각 데이터 점을 원점 기준으로 각도 순서대로 정렬한 뒤, 이 각도 순서에 따라 이분 탐색 트리를 구축한다. 트리의 각 노드는 해당 방향에 대한 반공간에 포함된 점의 개수를 저장하고, 삽입·삭제 시 해당 방향에 해당하는 노드들의 카운트를 갱신한다. 이렇게 하면 점 p에 대해 경계에 p와 d‑1 개의 다른 점이 포함된 반공간만 고려하면 충분하다는 Corollary 2.2를 이용해 최소 비율을 O(log n) 시간에 찾을 수 있다. 공간 복잡도는 O(n)이다. 두 번째 단계에서는 위 구조를 모든 데이터 점에 대해 독립적으로 유지함으로써, 전체 데이터 집합의 각 점 깊이를 실시간으로 얻는다. 각 점의 깊이가 변하면 순위 기반 등고선은 깊이 순서에 따라 점들을 재정렬하고, 상위 α · n개의 점에 대해 볼록 껍질(convex hull)을 다시 계산한다. 볼록 껍질을 O(n log n) 시간에 갱신할 수 있는 알고리즘(예: Graham scan 기반)과 결합하면, 순위 기반 등고선을 O(n log n) 시간에 동적으로 유지할 수 있다. 이때 전체 공간은 각 점마다 O(n) 크기의 깊이 정보를 저장하므로 O(n²)이다. 세 번째 기여는 커버 기반 등고선을 동적으로 유지하는 방법이다. 커버 기반 등고선은 깊이 t 이상인 영역의 경계이며, 이는 n‑k+1개의 점을 포함하는 폐반공간들의 교집합으로 표현된다(Prop 2.1, Corollary 2.1). 특히, 경계는 d = 2 차원에서는 두 데이터 점을 잇는 선분으로 구성된다. 이 선분들의 집합은 ‘k‑level’ 구조와 동일하며, Edelsbrunner‑Weltzl가 제시한 정적 알고리즘을 동적으로 전환한다. 구체적으로, 모든 반공간을 레벨 트리(level tree) 형태로 관리하고, 삽입·삭제 시 영향을 받는 레벨만 재구성한다. 레벨 트리의 깊이는 O(log n)이며, 각 레벨에 O(n) 개의 선분이 존재하므로 업데이트 비용은 O(n log² n)이다. 또한, 논문은 로컬 커버 기반 등고선(점 p를 포함하고 p와 다른 한 점이 경계에 있는 반공간들로 정의되는 등고선)의 변동이 삽입·삭제에 의해 제한된다는 구조적 정리를 증명한다. 이 정리는 등고선이 급격히 변하지 않으며, 동적 유지가 가능한 이론적 근거를 제공한다. 알고리즘 구현에 필요한 핵심 아이디어는 다음과 같다. (1) 반공간을 정의하는 경계는 데이터 점들의 쌍으로만 구성되므로, 전체 가능한 경계 수는 O(n²)이며, 이를 효율적으로 관리하기 위해 각 점을 기준으로 각도 정렬과 이분 탐색 트리를 사용한다. (2) 깊이 값은 해당 점을 포함하는 모든 반공간 중 최소 카운트를 의미하므로, 트리에서 최소값을 유지하는 보조 정보를 추가한다. (3) 순위 기반 등고선은 깊이 순서와 볼록 껍질 계산으로 환원되므로, 기존의 O(n log n) 볼록 껍질 알고리즘을 동적 상황에 적용한다. (4) 커버 기반 등고선은 k‑level 구조와 동일하므로, 레벨 트리와 스위프 라인 기법을 동적으로 구현한다. 실험적 평가나 구현 세부 사항은 논문에 포함되지 않았지만, 제시된 복잡도 분석에 따르면 정적 O(n²) 알고리즘에 비해 큰 효율 향상이 기대된다. 특히, 대규모 데이터 스트림이나 실시간 시각화 시스템에서 삽입·삭제가 빈번히 일어나는 상황에 적합하다. 결론적으로, 이 연구는 반공간 깊이와 등고선이라는 통계·기하학적 개념을 동적 데이터 구조와 결합함으로써, 실시간 데이터 분석·시각화에 필요한 핵심 연산을 효율적으로 수행할 수 있는 이론적·알고리즘적 토대를 제공한다.