Beschrijving van de gebruikte datasets
407
schaal). In de constrained tGAP wordt
het paarsgewijs samenvoegen beperkt
door de gebiedsgeldigheidscondities die
de voorgedefinieerde verzameling groot
schalige objecten per gebied bevatten.
Alleen objecten die tot hetzelfde gebied
behoren mogen worden samengevoegd.
Daarnaast zijn er een gewichtentabel
(relatieve belang) en een compatibili-
teitsmatrix die het samenvoegen sturen
om een zo fraai mogelijke vario-schaal
structuur te krijgen. Fig. 1 toont de ver
schillende stappen in het bouwen van
een con-strained tGAP-structuur, waarbij
1(a) de IMGeo-gegevens bevat en 1(f) de
ToplONL-gegevens (geldigheidsgebie-
den). Het samenvoegen via de tussen
stappen zoals getoond 1(b) t/m 1(e) wordt
beperkt door de gebiedsgeldigheidscon
dities en stopt zodra alle objecten in een
gebied zijn samengevoegd. Welke ob
jecten worden samengevoegd wordt ex
pliciet opgeslagen. In de huidige imple
mentatie gebeurt dit in Oracle Spatial
tabellen en het bouwen van de initiële
structuur door middel van PL/SQL code;
tabeldefinities, broncode en overige de
tails in [Hofman, 2008].
In dit artikel ligt de nadruk op de aggre-
gatieoperatie bij het creëren van de cons
trained tGAP-structuur, maar andere ge
neralisatieoperatoren zijn in de context
van de tGAP eerder beschreven, bijvoor
beeld lijnsimplifïcatie, typificatie, ver
plaatsingen, symbolisatie, krimpen van
vlak naar lijn (of punt) en toewijzen van
overblijvende vlakdelen aan buurvlakken
[Van Putten en Van Oosterom, 1998, en Ai
en Van Oosterom, 2002], zie fig. 2. Al deze
technieken passen in de hier gepresen
teerde con-strained tGAP-structuur. Het
splitsen van een grootschalig vlakobject
wordt in dit artikel gepresenteerd, maar
in een andere context dan het krimpen
van vlak- naar lijnobject, namelijk door
een geldighcidsbeperking van een klein
schalig gebied dat een grootschalig vlak
in meerdere delen knipt.
Fig. 1. Tussenresul
taten bij het bouwen
van de constrained
tGAP. De geldig-
heidsgebieden zijn
in (a) t/m (e) met
dikkere zwarte
lijnen aangegeven.
Originele IMGeo
gegevens (a) met 42
objectentussenre
sultaten (b) t/m (e)
van de generalisatie
en het resultaat ff)
van de laatste gene-
ralisatiestap (gelijk
aan de geldigheids-
gebieden).
Fig. 2. Vlak naar
lijn krimpen en het
toewijzen van de
resulterende delen
aan buurvlakken op
basis van compatibi
liteit en belangrijk
heid met buren, uit
[Ai en Van Oosterom,
2002].
W ffl
IMGeo en ToplONL zijn beide gebaseerd op het basismodel
geo-informatie NEN3610 [NEN, 2005]. Dit is de Nederlandse
versie van het 'General Feature Model' ISO 19109, waaraan
op het hoogste niveau semantisch betekenisvolle klassen
zijn toegevoegd (water, weg, terrein enz.). Ondanks het feit
dat zowel IMGeo als ToplONL gebaseerd zijn op het basismo
del geo-informatie zijn er een paar belangrijke verschillen:
ToplONL overerft de NEN3610 klassen en IMGeo doet dit
niet;
Een aantal klassen zijn verschillend gemodelleerd, zo
heeft IMGeo bijvoorbeeld een aparte klasse voor kunst
werken, die bij ToplONL in andere klassen zijn onderge
bracht;
In tegenstelling tot ToplONL heeft IMGeo geen klasse en
gegevens voor functionele gebieden, geografische gebie
den en hoogtelijnen;
IMGeo wordt voornamelijk ingewonnen via terrestische
metingen en ToplONL via luchtfoto's;
Het IMGeo model is gebaseerd op een vlakkenpartitie en
ToplONL niet.
De eerste IMGeo- en ToplONL-testgegevens zijn afkomstig
uit Almere (2007), later (2008) zijn ook testgegevens uit
Rotterdam gebruikt. Zoals te verwachten zijn er zowel geo
metrische als semantische verschillen, De geometrische
verschillen zorgen ervoor dat het niet eenvoudig is om
IMGeo-objecten direct aan ToplONL-gebieden toe te wij
zen. Fig. 3 toont in rood de Almeerse lMGeo-gebouwen en
in transparant blauw de ToplONL-gebouwen. De verschui
vingen zijn zeer willekeurig en kunnen niet door parallax
worden verklaard maar alleen door verschuivingen van de
ToplONL-kartograaf. De benodigde ToplONL-nauwkeurig-
heid van 4 meter wordt voor alle gebouwen wel gehaald. Er
zijn echter gebouwen en andere objectklassen in ToplONL
die duidelijk nauwkeuriger lijken. Fig. 4 toont de Almeerse
IMGeo-wegen in grijs, de ToplONL-wegen in transparant
blauw. Hier valt op dat de geometrische overeenkomst
goed is maar dat er in IMGeo meer soorten objecten zo
als parkeerplaats en stoep, ook als weg worden gemodel
leerd. Omdat de gegevens van de gemeente Almere een
vroeg IMGeo-prototype betreffen, zijn deze wegobjecten
nog niet verder in subklassen gemodelleerd, wat volgens
het IMGeo-model wel de bedoeling is en in de Rotterdamse
testgegevens ook het geval was. Semantische verschillen
doen zich voor in gebieden met veel struiken. Deze kunnen
in ToplONL als bos worden geclassificeerd. Omdat de tGAP-
structuur uitgaat van de grootschalige objecten, die wor
den samengevoegd en de classificatie van het belangrijkste
object aanhoudt, is het, uitgaande van dit algoritme, niet
mogelijk om op een bosclassificatie uit te komen als deze
niet in de invoer zit.
GEO-INFO 2008-11
