mm
fi
ymrrti
IlLliMOfl
>,w
een BLG-tree bestaande uit de punten met hun geometrie
en tolerantiewaarde. Bij de implementatie zijn alleen de
niet-cursieve klassen omgezet naar expliciete tabellen in de
database. Verder is onderzocht hoe de tGAP-structuur effec
tief ingezet kan worden in een webserver/client-omgeving.
Fig. 2. Gebruik van
de tGAP-structuur;
links met Google
Earth cliënt voor het
genereren van een
specifieke schaal
rechts met WFS
cliënt voor progres
sieve transfer.
Tijdens het bouwproces van de tGAP-structuur worden de
databasetabellen gevuld, uitgaande van de meest gedetail- Fig. 3. De tGAP-
leerde basisgegevens (een topologisch opgeslagen vlakken- structuur in actie:
partitie). Dit proces resulteert dus niet in een beperkt aan- meer detail bij
tal 'schalen', zoals bij MRDB's, maar in een topologische va- inzoomen (Google
riabele-schaal structuur. Earth cliënt).
Nadat de tGAP-structuur is opge
bouwd, kan deze datastructuur op ver
schillende manieren worden gebruikt:
het afleiden van een complete re
presentatie op een bepaalde ge
wenste schaal;
het genereren van een delta-repre
sentatie met aanvullende details
om van een gegeven schaal naar een
hoger detailniveau te komen voor
grotere schaal.
De eerste manier om de tGAP-structuur
te gebruiken, is om met de opgeslagen
verwijzingen efficiënt een specifieke
schaal 'on the fly' van de brondata af te
leiden. Hiervoor is het noodzakelijk om
de gewenste schaal uit te drukken in
een 'belangrijlcheidswaarde' waarmee
de datastructuur de gewenste generali
satie kan aanleveren. In het afstudeer
onderzoek is deze opzet uitgewerkt,
waarbij Google Earth is gebruikt voor
de visualisatie (fig. 2).
Vanuit Google Earth wordt een boun
ding box verstuurd naar de variabele-
schaal geo-informatieserver. Met deze
bounding box kan worden bepaald
GEO-INFO 2006-12
-J I» la'iW|
T<
t
911
i' il jb!m
530
3
Uk
HM