Fig. 4a, b en c. In een geautomatiseerd proces van modelgeneralisatie zouden alle afzonderlijke poelen worden verwijderd omdat iedere
afzonderlijke poel te klein is. Maar om de stijl van het landschap te behouden worden deze poelen in het LGN-project interactief geaggre
geerd. In eerste instantie wordt geïdentificeerd welke poelen moeten worden geaggregeerd rekeninghoudend met specifieke kenmerken
van het landschap (midden) waarna de werkelijke aggregatie plaatsvindt (rechts).
ten zijn aangetoond. Frankrijk beheert
twee basisdatasets (fig. 5): BDTopo (2.5D
dataset, ongeveer schaal 1:101c) en
BDCarto (ongeveer schaal 1:501c). BDCar-
to wordt gebruikt voor de kartografi-
sche representaties 1:1001c, 1:1201c en
1:2501c evenals voor wegenkaarten
1:1201c en 1:5001c. Opmerkelijk is dat er
geen lcartografische representatie-
schaal 1:501c wordt vervaardigd van
BDCarto. Dit komt doordat de semanti
sche resolutie van de dataset niet zo
goed is als de originele kaart. Momen
teel wordt wel gekeken hoe een Top50
van BDTopo lean worden afgeleid. Een
voorbeeld van automatische generalisa
tie in het Franse productieproces is de
generalisatie van updates van BDCarto
naar de 1:1001c dataset met behulp van
Lamps2/Agent technologie.
België, Nederland, Ierland, Zweden en Zwit
serland zien zich ook geconfronteerd
met de vraag naar automatische gene
ralisatieprocessen om de huidige pro
ductielijn te verbeteren maar deze lan
den hebben tot nu toe nog niet veel re
sources op het probleem gezet. Deze
NMAs zijn eerst nog bezig om andere
fundamentele vragen te beantwoorden.
Fig. 5a en b. De topografische datasets die beheerd
worden door de Franse NMA: BDTopo (boven) en
BDCarto (onder).
België is bijvoorbeeld bezig met de keu
ze of alleen een basisdataset te beheren
waarvan de kleinere schalen in hun to
taal kunnen worden afgeleid öf data
sets op verschillende schalen naast el
kaar te beheren en alleen de updates te
generaliseren. Nederland is nog druk
bezig om de hele ToplOvecdataset te
converteren naar het nieuwe TOP10NL
model. Ook Ierland is bezig zijn oude
basisdataset, gebaseerd op lcaartbladen,
te converteren naar een nieuw datamo-
del, als naadloze database in Oracle.
Zweden is bezig om de datamodellen
voor alle schalen te herzien en op el
kaar aan te laten sluiten. Zwitserland
heeft een fundamentele voorstudie ge
maakt naar hoe automatische generali
satie te implementeren. Een datamo-
del voor een basisdataset (2.5D, schaal
1:101c) is inmiddels gedefinieerd. Voor
de automatische generalisatie naar alle
overige producten (databases en digita
le kaarten) waarbij relaties tussen de
verschillende producten worden behou
den, wordt momenteel een tender voor
bereid. Wel wordt verwacht dat mense
lijk interactie voorlopig nodig zal blij
ven om de automatische generalisatie-
output te verfijnen.
De tweede belangrijke vraag in dit artikel is: welk onderzoek
is nodig om de huidige generalisatiepraktijk te verbeteren?
Onderzoekresultaten die al sinds decennia zijn gerealiseerd,
hebben niet altijd een weg gevonden naar de praktijk. Dit
heeft drie belangrijke oorzaken. Ten eerste moeten onder
zoeksresultaten worden geïmplementeerd in commerciële
software om beschikbaar te worden voor NMAs. Generalisa
tiebehoeften zijn echter erg divers en verschillen per NMA,
afhankelijk van gebruikte datamodellen, software, schalen
die vervaardigd moeten worden, specificaties van de ver
schillende schalen, organisatie, enz. Het is wellicht moeilijk
voor softwareleveranciers om een algemene 'off-the-shelf -
oplossing te bieden waarbij rekening wordt gehouden met
alle NMA-specifieke eisen. De tweede
oorzaak van de moeilijke doorstroom
van onderzoeksresultaten naar prak
tijk is de hoge robuustheidseisen van
de praktijk. Juist bij automatische ge
neralisatie is robuustheid een pro
bleem omdat de generalisatie wordt
toegepast op bestaande datasets die,
uitgaande van hedendaagse eisen als
topologie en objectgerichtheid, fouten
bevatten. De laatste oorzaak is de sub
jectiviteit van generalisatie. Geef twee
lcartografen dezelfde generalisatiere-
gels en zij zullen tot een andere uit
komst komen uitgaande van eenzelfde
gebied. Generalisatie kent altijd veel
GEO-INFO 2005-7/8
Onderzoek dat nodig is om de huidige
generalisatiepraktijk te verbeteren