uitzonderingen en juist het samenspel
en daarmee de volgorde van verschil
lende generalisatieregels is belangrijk.
Het generalisatieproces is dan ook
niet eenvoudig te vertalen naar een ge
ordende set 'if...then...else'-regels die
door computers begrepen kunnen wor
den. Bij de formalisering van generali
satieregels is een 'but'-clausule nodig
voor de (veelvoorkomende) uitzonde
ringsgevallen en deze is niet gemakke
lijk te formaliseren.
Toch is tijdens de workshop een lijst
samengesteld met onderwerpen die
meer aandacht vereisen, hetzij in onder
zoek hetzij door softwareleveranciers:
Een allesomvattende generalisatie
functionaliteit die op zowel geome
trie als attributen werkt en die de
context (bijvoorbeeld landelijk/stede
lijk gebied) als ook de relaties tussen
objecten (zoals 'bebouwing kan nooit
een weg overlappen') meeneemt;
Algemene generalisatiefunctiona
liteiten die toepasbaar zijn op speci
fieke datamodellen. Hiervoor is het
nodig dat:
impliciete data expliciet ge
maakt worden (ontwikkelen van
ontologie);
bestaande datasets worden ver
rijkt. Dit houdt in dat informatie
moet worden toegevoegd zoals
vormkenmerken, obj ectdichtheid
en distributie, relatieve belang
rijkheid in verband met priorite-
ring en relaties tussen objecten
[Weibel en Dutton, 1999];
algoritmen ontwikkeld worden
die werken op verschillende da
tamodellen;
kennis van lcartografen wordt ge
formaliseerd;
MultiRepresentation Databases: da
tabases waarin verschillende scha
len naast elkaar maar wel in onder
linge samenhang worden beheerd.
Dat wil zeggen dat de volgende
functionaliteiten moeten worden
ondersteund:
beheer van links tussen originele
en afgeleide dataset;
automatische update van afgelei
de datasets;
relevantiecheck tijdens updates;
Generalisatie van contourlijnen;
Generalisatie van toponiemen;
Intersubjectieve, kwantitatieve en
herhaalbare methoden voor het eva
lueren van het generalisatieresul
taat.
Het is belangrijk om te beseffen dat deze issues zijn opge
steld door NMAs en gebaseerd op dagelijkse problemen. Dat
wil zeggen dat de onderwerpen erg praktijlcgeoriënteerd
zijn met het oog op het oplossen van generalisatieproble
men in de nabije toekomst. Voor de wetenschap is het wel
licht een uitdaging om meer fundamentele en ambitieuze
re onderwerpen aan te pakken zoals:
Dynamische en schaalloze generalisatie [zie bijvoorbeeld
Oosterom, 2005];
Datastructuren en datamodellen die beter geschikt zijn
voor het toepassen van generalisatie, bijvoorbeeld:
Geometrietype dat beter rekening houdt met de ken
merken van objecten, bijvoorbeeld door een bocht van
een weg niet te representeren als een set van punten
(polyline) maar door een geometrietype dat rekening
houdt met de kenmerken van de bocht;
Complexe datamodellen die contextafhankelijke ge
neralisatie ondersteunen, met andere woorden: data
modellen gebaseerd op kenmerken zoals topologie,
nabijheid ten opzichte van andere objecten, semanti
sche relatie met andere objecten enz.;
MultiRepresentation Databases gebaseerd op een volle
dig objectgeoriënteerde DBMS;
Datastructuren en datamodellen die de opslag van (im
pliciete) MultiRepresentations faciliteren;
Het formaliseren van generalisatie-output, inhoudende
het formaliseren van het doel van generalisatie en niet
langer uitgaan van een visuele beschrijving van het be
oogde resultaat.
Het is complexer dan het lijkt
Naast algemene generalisatielcenmerken is de manier waar
op het generalisatieproces wordt opgepakt in belangrijke
mate ook afhankelijk van allerlei NMA-specifïelce factoren
(kader p. 333). Een internationale, algemene benadering
van het generalisatieprobleem kan individuele NMAs hel
pen om te beslissen over welke stappen te nemen, mede ge
baseerd op ervaringen van andere NMAs. De wetenschap
kan hierin helpen door het (verder) aanpakken van funda
mentele onderzoeksthema's zoals hierboven genoemd.
Maar voor het introduceren van automatische generalisatie
in een eigen, specifieke productielijn zijn inspanningen
door elke afzonderlijke NMA onmisbaar.
NMA-specifieke factoren die van belang zijn bij de invoering van het
generalisatieproces
Het type data:
schaal van de te produceren en te beheren datasets;
karakteristieken van het landschap zoals bergen, configuratie van dorpen, steden en
wegen (bijvoorbeeld aanwezigheid van haarspeldbochten), bestaan van afgelegen ge
bieden, grootte van het land;
één schaal voor de basis dataset of een variërende schaal voor de basis dataset afhan
kelijk van het type gebied, zoals in Groot-Brittannië, Ierland en Zweden.
Technische factoren:
datasets worden beheerd in databases of in files (gebaseerd op kaartbladen);
verschillende schalen worden wel of niet afzonderlijk beheerd en geüpdatet;
wel of niet onderscheid maken in model- en lcartografische generalisatie;
ster-of ladderbenadering.
Organisatorische factoren:
beschikking over speciale hulpmiddelen voor strategisch onderzoek (zoals Frank
rijk, Engeland en Denemarken in mindere mate);
type klanten (intern/extern, privaat/overheid, kaart- en/of GIS-gebruikers);
NMA moet profiteren van opbrengst van de geproduceerde data of niet (bestanden in
Catalonië zijn bijvoorbeeld gratis).
GEO-INFO 2005-7/8
