kent. In het kader van rampenbestrijding zal een vlucht
weg van de eerste categorie misschien gedefinieerd zijn
als een weg die minstens vierbaans is en die binnen
twintig kilometer van het rampengebied niet door of langs
plaatsen met meer dan honderdduizend inwoners voert.
De relatie tussen autosnelweg en vluchtweg van de eer
ste categorie is hierbij niet eenduidig.
Bij het uitwisselen van gegevens vormt niet zozeer de
technische standaardisatie van uitwisselingsformaten
een obstakel, alswel de toepassingsafhankelijke classifi
catie van objecten [16].
De attribuuttoekenning kan in verschillende typen meet
schalen worden vastgelegd, welke in vier hoofdgroepen
zijn te onderscheiden:
nominale schalen;
ordinale (rang) schalen;
interval schalen;
verhoudings (ratio) schalen.
In een nominale schaal krijgen objecten met verschil
lende eigenschappen andere namen. Een voorbeeld is
landgebruik. Geometrische informatie wordt in interval-
schalen of verhoudingsschalen weergegeven. Op deze
schalen kan men de elementaire wiskundige bewerkin
gen zoals vermenigvuldigen en delen toepassen. Hier
door kan de doorwerking van de variabiliteit in de gege
vens met statistische methoden worden uitgevoerd. Attri
buuttoekenningen daarentegen vinden vaak plaats in een
nominale schaal. Dit resulteert in sterke niet-lineaire rela
ties tussen gegevens en gewenste informatie, vaak in de
vorm van logische modellen. Het bepalen van de door
werking van de variabiliteit van de gegevens op het eind
resultaat is daardoor vaak moeilijker dan bij gegevens die
gerepresenteerd zijn in intervalschalen of verhoudings
schalen. Het werk in [7] is onder andere gericht op dit
type gegevens en modellen, zie ook [8].
Fouten en variabiliteit in gegevens
De aard van het meetproces veroorzaakt onvermijdelijk
dat alle waarnemingen onbedoeld behept zijn met onge
rechtigheden, ook wel fouten genoemd. Fouten vormen
een empirische werkelijkheid. Zij zijn het gevolg van de
stochasticiteit van het meetproces en van blunders. Blun
ders zijn grove fouten die niet te verklaren zijn uit de
karakteristieken van het meetinstrumentarium en de
meetopzet. We gaan hier aan de hand van voorbeelden
kort in op beide aspecten.
Voorkomen van fouten in gegevensbestanden
Het is beter om meetprocedures dusdanig in te richten,
dat het insluipen van fouten zoveel mogelijk wordt verme
den. Zelfs wanneer daaraan extra kosten zijn verbonden,
verdient dit te voorkeur, daar onontdekte fouten leiden tot
schade en schande.
Een voorbeeld is de kwaliteitscontroleprocedure voor het
handmatig digitaliseren van kaarten en luchtfoto's van de
Amerikaanse Milieubeschermingsdienst.Deze procedure
is uitvoerig beschreven in [6]. Centraal staan log-formu-
lieren. Dit zijn formulieren waarop het proces van begin
tot eind wordt gedocumenteerd. Het doel van de log-
formulieren is dat:
de operateurs zich bewust zijn van hun verantwoorde
lijkheid;
additionele informatie over het gegevensbestand
wordt verkregen;
bij het optreden van fouten en problemen het gehele
proces kan worden teruggevolgd.
NGT GEODESIA 93 - 9
Nog voordat het digitaliseren begint, wordt de kaart geïn
specteerd op consistentie, nauwkeurigheid en volledig
heid. Correcties worden van tevoren aangebracht. Plots
worden gecontroleerd door vergelijking met het oor
spronkelijke gegevensmateriaal. Ten opzichte van het
oorspronkelijke kaartmateriaal en fotomateriaal bleek het
bestand maar weinig fouten te bevatten. Maar de auteurs
geven toe dat ook andere factoren een rol kunnen heb
ben gespeeld, die het geringe aantal fouten kunnen ver
klaren. Deze factoren betreffen:
in delen van het proces bestond er een onmiddellijke
terugkoppeling naar het bronmateriaal;
de operateurs waren niet ingehuurd als digitaliseer-
ders, maar deden ook andersoortig werk binnen het
project, waardoor zij een grotere betrokkenheid be
zaten;
de operateurs mochten maximaal vier uur per dag
digitaliseren.
Een voorbeeld van een technisch hulpmiddel om fouten
bij de gegevensinwinning terug te dringen, is super-
impositie in de fotogrammetrie. Hierbij wordt het reeds
gemeten bestand geprojecteerd over de foto's in het uit
werkingsinstrument. Hierdoor ontstaat een directe con
trolemogelijkheid.
Lokalisatieprecisie bij het digitaliseren van kaarten
De lokalisatieprecisie bij het digitaliseren van kaarten
hangt af van een aantal factoren, waarvan de belangrijk
ste zijn:
lokalisatieprecisie waarmee de objecten op de kaart
zijn afgebeeld;
digitaliseerproces;
geometrische transformatie.
In [2] wordt een experiment beschreven om de digitali-
seerprecisie te bepalen door herhalingsmetingen uitge
voerd door vier operateurs. Uit de resultaten blijkt dat de
lokaliseringsprecisie van het digitaliseerproces vergele
ken met andere bronnen van variabiliteit zeer goed is.
Doorwerking van de variabiliteit van gegevens
In de geodesie bepalen we de doorwerking van de varia
biliteit van de gegevens middels statistische methoden.
Deze benadering veronderstelt dat de variabiliteit in de
gegevens precies bekend is en kan worden gemodel
leerd. Meestal wordt de variabiliteit gemodelleerd als een
Gaussische verdelingsfunctie, te beschrijven met gemid
delde en standaardafwijking. Wanneer het stochastische
Rout)
Ptin)
j i Set of operators
MontcCarlo Simulation
Fig. 3. Bij een Monte Carlo simulatie wordt de doorwerking van de
variabiliteit van de gegevens op de geproduceerde informatie
bepaald door de gegevens te besmetten met kunstmatige
ruis. De aard en mate van ruis worden bepaald door de a
priori bekende statistische verdelingsfunctie van de gege
vens. De ruis wordt gegenereerd met behulp van de com
puter. Door een groot aantal malen ruis te trekken" uit de
verdelingsfunctie en de bewerkingen uit te voeren op de met
deze ruis besmette gegevens, ontstaat een beeld van de
variabiliteit van het eindresultaat.
409
