12 I Geo-Info I 2018-6
Figuur4 - Automatisch gegenereerde brugdelen (bruin).
laties, ook in de Geluid Werende Voorziening
database (GWV) van RWS. Vanwege verschil
lende doeleinden van beide datasets verschil
len de geluidschermen in beide bronnen
zowel qua ligging, geometrie als populatie
(zie figuur 5).
De lijnen in de BGT geven de locatie aan waar
het geluidscherm het maaiveld raakt. Dit valt niet
altijd samen met de bovenkant van een scherm
zoals nodig in geluidssimulatie, denk aan een hel
lend scherm. De lijnen in de GWV zijn ingewon
nen voor geluidssimulaties en representeren wel
de bovenkant van de schermen. Ze zijn daarom
in principe het meest geschikt. De hoogte
hiervan is terrestrisch ingemeten of is bekend via
het ontwerp van de schermen. Niet relevante
details, zoals achterliggende staanders, worden,
in tegenstelling tot de BGT, niet mee gemodel
leerd. Voor een compleet beeld moeten deze
gegevens worden aangevuld met schermen van
regionale en lokale wegen.
De voorkeur is om informatie over geluid
schermen (met geluidreflectiewaarde en
hoogte) uiteindelijk goed, compleet en zoals
benodigd in geluidstudies, in één dataset (de
BGT?) te beheren.
Validatie van de resultaten
Om de kwaliteit en toepasbaarheid van de
gegenereerde gegevens te testen, heeft
DGMR (de softwareleverancier van GeoMilieu)
deze gegevens getest in een geluidstudie
die zij in 2017 uitvoerde voor Rijkswaterstaat.
Hiertoe heeft DGMR begin van dit jaar voor
een focusgebied de door hen gebruikte data
vervangen met onze projectdata en de ver
schillen berekend tussen de twee berekende
geluidsbelastingen op ongeveer duizend
rekenpunten. Het gemiddelde verschil
bedroeg 0.1 dB met een standaardafwijking
van 0.7 dB. De berekende afwijkingen zijn
daarmee al vergelijkbaar met de verschillen
die ontstaan in de huidige praktijk wanneer
twee partijen verschillende modellen maken.
Onze recente resultaten voor bruggen en
LoDi.3-gebouwen waren hierbij nog niet
meegenomen.
En nu
In en vervolgproject bekijken we de verschil
len nader om onze methode te verbeteren.
Daarnaast is er meer uitdunning nodig voor
het verbeteren van de rekentijd (zoals selectie
en simplificatie) en willen we een volgende
versie mede baseren op suggesties en
ervaringen van het werkveld. Daarom stellen
we een 0.2 versie van een testgebied beschik
baar. Daarnaast doen we aanbevelingen om
informatie beter landsdekkend en gestandaar
diseerd beschikbaar te hebben (in de BGT?)
ten behoeve van geluidstudies, zoals het com
pleet en voor geluidstudies geschikt model
leren van geluidschermen, het opnemen van
alle taluds, het topologisch correct modelleren
van bruggen en het landsdekkend modelleren
van verhardingstype '(TL)ZOAB'.
Tenslotte kijken we naar de actualiteit. De BGT en
BAG hebben al een hoge actualiteit. Voor actue
lere puntenwolken bekijken we de mogelijkheid
om hoogtepunten gegenereerd uit luchtfoto's
te gebruiken. In groter verband wordt ook geke
ken naar ontsluiting, beheer en actueel houden
van de gegenereerde bestanden. De ervaringen
in ons project bieden de input hiervoor.
Referenties
Henk de Kluijver en Tom van Tilburg, 2018, landelijk 3D-model
voor geluidsstudies, GeoInfo (2), pp. 12-15
Balazs Dukai, Hugo Ledoux and Jantien Stoter. 2018. 3D-BAG:
actueel en landsdekkend. Geo-Info 15 (5) pp. 38-42
Ravi Peters, postdoc. 3D Geoinformation, TU Delft,
R.Y.Peters@tudelft.nl
Tom Commandeur, scientific software developer, 3D
Geoinformation, TU Delft, t.j.f.commandeur@tudelft.nl
Balazs Dukai, scientific software developer, 3D Geo
information, TU Delft, B.Dukai@tudelft.nl
Jantien Stoter, hoogleraar 3D Geoinformation,
TU Delft, tevens werkzaam bij Kadaster en Geonovum,
J.E.Stoter@tudelft.nl
Gefuidsfteiende vocnieninctft
B£T Kheisfing tgeWi&Kherm)!
BGT-GfrYiMrw-
Figuur 5 - Voorbeelden waar geluidschermen in de BGT en GWV verschillen.
