L-
1
3
Resultaten
Conclusie
Toekomstig onderzoek
Literatuur
SDO_GEOMETRY
800,00
600,00
400,00
200,00
0,00
10000 20000 30000 40000 50000 60000 70000 80000
1200
600
400
200
20000
40000
60000
80C
Grafiek ia - opslagcapaciteit: horizontaal: gemiddeld aantal punten per
cluster; verticaal: benodigde opslagcapaciteit in MB's.
SDO_PC
Grafiek tb - opslagcapaciteit: - horizontaal: gemiddeld aantal punten per
cluster; - verticaal: benodigde opslagcapaciteit in MB's.
20000 40000 60000 80000
20000 40000 60000 80000
20000
40000
60000
80000
Grafiek 2a - selectie query: horizontaal: gemid
deld aantal punten per cluster; verticaal:
benodigde tijd in (h:mm:ss).
Grafiek 2b - selectie query (deel t):
- horizontaal: gemiddeld aantal punten per cluster;
- verticaal: benodigde tijd in (h:mm:ss).
Grafiek 2c - selectie query (deel2):
- horizontaal: gemiddeld aantal punten per cluster;
- verticaal: benodigde tijd in (h:mm:ss).
Bij de implementatie van het data
type SDO_PC (3e oplossing), is ook een
methode geïmplementeerd om bij elkaar
liggende punten in clusters te groeperen
en om attributen op te slaan. Ook zijn
queries geïmplementeerd om de clusters
te bevragen (clippen). Om echter een
leesbaar resultaat te krijgen, moet de
selectie geconverteerd worden naar SDO_
GEOMETRY data type en alleen numerieke
attributen kunnen worden opgeslagen.
Omdat het opslaan van losse punten in een
database nadelen heeft, zijn in dit onder
zoek de oplossingen met meerdere punten
per record met elkaar vergeleken. Hierbij
is gekeken naar de invloed van de (gemid
delde) grootte van de clusters op de per
formance van de database. Hierbij is echter
maar één ruimtelijke query getest en query's
op attributen zijn niet getest. Bijgevoegde
grafieken tonen aan dat wat betreft de
benodigde opslagcapaciteit in de database,
puntwolken bij voorkeur in clusters groter
dan 5000 punten per cluster met data type
SDO_GEOMETRY kunnen worden opgesla
gen. Voor wat de benodigde tijd betreft om
een query uit te voeren, geldt hetzelfde.
De methode die gebruik maakt van
SDO_GEOMETRY (GTYPE 3005, POINT-
CLUSTER) heeft een optimale performance
voor het opslaan van grote hoeveelheden
punten en de datapunten kunnen worden
gelezen door bestaande softwarepak
ketten. De methode die gebruik maakt
van het datatype SDO_PC voldoet niet
aan de gestelde eisen, omdat het nieuwe
SDO_PC datatype, niet algemeen leesbaar
is in bestaande softwarepakketten, (nog)
niet volledig wordt ondersteund door
leveranciers van gespecialiseerde software
pakketten en de benodigde opslagruimte
een dubbele hoeveelheid is.
Dit onderzoek toont aan dat het data type
SDO_GEOMETRY prima toegepast kan
worden ten behoeve van het opslaan van
puntenwolken in een Oracle database,
echter het bevragen van attributen is
tijdens dit onderzoek niet aan de orde
gekomen en zal nog nader onderzocht
moeten worden. Verder ontbreekt een
methode die geselecteerde puntenwolken
kan uitpakken, nieuwe puntenwolken kan
toevoegen aan de database en opnieuw
de puntenwolken groepeert. De dataset
die is gebruikt voor het testen, bestond
uit AHN2 data, deze data kan worden
beschouwd als 2,sD (niet meerdere
punten boven elkaar), de methode voor
het vormen en ordenen van de punten
wolken in 3D dient nog nader uitgewerkt
te worden (bijvoorbeeld voor laserscans
van het interieur van een fabriek).
Hoewel dit onderzoek zich heeft gericht
op Oracle, is ook PostgreSQL (PostGIS) als
OpenSource database bekeken, mogelijk
zijn met enkele aanpassingen de gevon
den resultaten ook bruikbaar in deze
database.
Hilbert D. (1891) Über die stetige Abbildung
einer Linie auf ein Flachenstück, Mathemati
sche Annalen 38, pages 459-460.
Morton G. M. (1966) A computer Oriented
Geodetic Data Base; and a New Technique in
File Sequencing,Technical Report, Ottawa,
Canada: IBM Ltd.
Wang, J., and Shan J. (2005) Lidar Data
Management with 3-D Hilbert Space
filling Curves, ASPRS Annual Conference,
Baltimore, USA.
Geo-lnfo 2013-2 21
Geo Info 02-13.indd 21
18-02-13 09:34