^-7
invoer
conversie
RAVE
digita
liseren
scan
nen
grid
DB
conversie
uitvoer
VERA
vector
plotter
grid
plotter
liü»
37
opslag
vector
DB
Fig. 8. Gebruik van raster- versus vectorstructuur.
men van analyse wordt het bestand ook naar rastervorm
omgezet, omdat die in rastervorm gemakkelijker kunnen
worden uitgevoerd. De presentatie op een beeldscherm
is altijd in rastervorm en bij het uittekenen wordt vaak ge
bruik gemaakt van een snelle rasterplotter waarvoor altijd
een conversie noodzakelijk is.
Invoer van niet-metrische attributen
Voor de invoer van niet-metrische attributen bestaan
meerdere mogelijkheden [2], Daarbij zijn twee aspecten
van belang: de wijze waarop, en de gebruikte apparatuur.
De invoerwijze van de semantische attributen kan als
volgt geschieden (de methoden zijn complementair):
per lijnobject, waaruit de semantiek van alle vlak-
objecten kan worden afgeleid;
per vlakobject, waaruit de attributen van alle lijn-
objecten kunnen worden afgeleid.
Met behulp van topologische consistentie- en validatie-
regels kan de invoer van de attributen worden gecon
troleerd.
De apparatuur bepaalt het gemak waarmee de attribuut-
gegevens kunnen worden ingevoerd:
aanwijzen van het attribuut en intypen van de attri
buutwaarde op een toetsenbord;
aanwijzen van het attribuut en aanwijzen van de attri
buutwaarden op een menu;
aanwijzen van het attribuut en inspreken van de attri
buutwaarden. Deze methode wordt relatief weinig toe
gepast, omdat het audio-systeem moet worden afge
stemd op de spreker. Variaties in de stem worden
direct opgemerkt en dan moet het systeem opnieuw
op de spreker worden afgestemd;
automatische interpretatie door het herkennen van:
real time
post hoe (dezelfde techniek
toepassend als bij real time)
keyboard
polygoon
menu
f ruin J
9esPr°'ten
P^Tfx invoer
x
-S heg,straat,
tuin _7
(huis,tuin)
Fig. 9. Verschillende vormen van invoer voor niet-metrische attri
buten.
570
grafische aspecten van het object, zoals lijndikte,
signatuur (symbolen voor lijnen of arceersoort voor
vlakken) of kleur;
geometrische vorm van het object. In [18] en [22]
is een interpretatie vervaardigd op basis van de
geometrische vorm van gebouwen, infrastructuur
en overige objecten op een GBKN. Daarbij is ge
bruik gemaakt van de lengte-breedte verhouding,
de oppervlakte en de rechthoekigheid/parallelliteit
van een object.
Momenteel geschiedt de invoer van attribuutwaarden
meestal via het toetsenbord. Er zijn weinig investeringen
voor nodig en bij interactief en semi-automatisch digitali
seren wordt deze methode geïntegreerd in de werkwijze.
Dichtheid
Punten per ha
Tijdsbesteding
Landelijk gebied
120
0,24 uur
Verspreide bebouwing
200
0,54 uur
Dicht bebouwd
360
1,60 uur
Fig. 10. Tijdsbesteding voor drie typen object-dichtheden bij blind
digitaliseren voor GBKN of kadastrale informatie. In [29] zijn
gegevens te vinden voor de tijdsbesteding van leidingen
informatie.
Kosten
Over de kosten van inwinning is in [33] een uitstekend
overzicht gegeven. De kostenfactoren bestaan uit:
inhoud van het bestand;
gekozen opnametechniek;
dichtheid van de op te nemen objecten;
complexiteit van de objecten en de generalisatie
graad;
mutatiegraad;
gewenste actualiteit.
De opbouw van het bestand moet zijn afgestemd op het
gebruik en de actualiteit. De bestandsbeheerder behoort
daarom eerder te kijken naar de kosten van de bijhouding
dan naar de kosten van de eerste inwinning. Voorts blijkt
uit [33] dat vooral de dichtheid en complexiteit van de
objecten bepalend zijn voor de totale kosten.
Over de kosten van digitaliseren is weinig gepubliceerd.
In [20] wordt aangegeven dat de tijdwinst van het semi-
automatisch digitaliseren ten opzichte van het blind of
interactief digitaliseren ongeveer 30 - 40% is. Proeven en
praktijkervaringen tonen de juistheid van dit getal aan. Bij
digitaliseren vanaf het beeldscherm worden vaak nog
hogere tijdwinsten bereikt.
Uit [29] blijkt dat door toepassing van grof digitaliseren
(en gebruik van programmatuur om de juiste objecten te
vinden) ongeveer 40% tijdwinst kan worden behaald ten
opzichte van blind digitaliseren.
Uit [4] en [23] blijkt dat in een rasterstructuur ook object-
gericht gegevens kunnen worden opgeslagen. In dat ge
val is alleen het aftasten en de vulling van de attributen
noodzakelijk, hetgeen voor een kaart met gemiddelde
dichtheid een tijdwinst van 70 - 80% kan opleveren bij de
inwinning van de gegevens ten opzichte van blind digita
liseren.
NGT GEODESIA 93-11