f
Het 'één keer raken' proces in geodata actualisatie
V
44
Geo-Info I 2019-4
Bij TU Delft: OTB en blad OTB Omgeving gestopt
Jk
inwinnme
mutaties
Veranderingen uit
beelden, eni.
werkinstructie werkcontrole 1
Registratie in
functie
Regie door beheerder
Figuur 3 - Neuraal netwerk met meerdere lagen: geschikt voor deep learning.
kapvlakte': De professional wil slechts het bericht
ontvangen over de verandering die om zijn/haar
actie vraagt. Bij voorkeur zo dat die actie eendui
dig en controleerbaar is, waarmee we terug zijn
bij het 'één keer raken'-werkproces, besproken
in de vorige Geo-info-afleveringen (zie figuur
4). Dit geldt niet alleen voor boswachters, maar
voor iedere professional en amateur die met
locatiegebonden informatie te maken heeft.
Om van de detectie van een mutatie naar een
precies bericht voor de professional te komen
is een sleutel nodig. Naar onze mening ligt
de sleutel in het zinnetje in de kop: De wereld
bestaat uit gebouwen, percelen, watergangen,
enzovoort net als in de BGT. En bomen die
overal boven groeien. De verandering op een
beeld kunnen we koppelen aan het geo-
object. indien we weten wat dat object voor
de specifieke gebruiker betekent, kunnen we
hem een betekenisvol bericht sturen, eventueel
met een plaatje. De semantiek, de taal van het
bericht, ontstaat uit de aard van gesignaleerde
verandering, de kennis van het veranderende
object en de vocabulaire van de gebruiker.
Eigen intelligentie of AI?
is dit proces te automatiseren? Wis en zeker.
En wel in een combinatie van in regels gevan
gen intelligentie en Ai. Deep learning-algorit-
men zijn bijzonder goed in het signaleren van
veranderingen in een object. Een deel van die
veranderingen wordt echter veroorzaakt door
de invloed die objecten op elkaar hebben in
Per 1 juli 2019 hield de afdeling OTB - Onder
zoek voor de gebouwde omgeving (van de
faculteit Bouwkunde van de TU Delft) op te
bestaan.
Van 1985-2015 was het OTB het onderzoeks
instituut voor Technische Bestuurskunde. Num-
beelden: een zich verplaatsende auto is een
mutatie op de weg eronder, de schaduw van
een wolk of van een boom in een akker bij
een andere zonnestand, enzovoort. Er zijn
meerdere strategieën denkbaar om deze 'ruis'
te ondervangen:
schaduwen classificeren als schaduwen (en ze
natuurlijk niet als bericht doorgeven);
schaduwen terugrekenen tot de objecten die
ze veroorzaken. Een verandering van een scha
duw kan duiden op een relevante verandering
in het object dat de schaduw werpt;
het gebruiken van een tijd serie van beelden
waarin een deep learning-algoritme zelf het
belang van de verandering analyseert. in
mer 2019-1 was ook het laatste nummer van het
kwartaalblad OTB Omgeving, onder andere ook
voor geo-informatie en grondbeleid. De onder
zoeksgroepen van de afdeling zijn opgenomen
in bestaande afdelingen van Bouwkunde. Vol
gens NGT Geodesia 1986-3 heette Dekaan Ligte-
rink van de afdeling Geodesie van de TU Delft in
de volgende kwaliteitscontrole worden de
gevonden fouten gebruikt om de werking van
het algoritme aan te passen.
Een deep learning-algoritme heeft dus een
enorme voorsprong als het object-specifiek kan
werken. Objectspecifieke signaalgeneratoren
(OBSG's) staan op een beeld in relatie tot elkaar
zoals de objecten. Een boom groeit boven een
akkerrand, een auto rijdt (waarschijnlijk) op een
weg, enzovoort. Het automatisch detecteren
van relevante mutaties is daarmee noodza
kelijkerwijs 'holistisch' van aard. Het systeem
waarbinnen OBSG's kunnen samenwerken
wordt nu ontwikkeld binnen NEO. Daarnaast
wordt gewerkt aan het verbeteren van afzon
derlijke OBSG's, door de eigenschappen van
objecten te beschrijven, zoals de gebruiker die
wil weten, maar vanzelfsprekend ook over vorm
en hoogte en dynamiek (groei, bladverliezend
heid, enzovoort).
in het laatste artikel van deze serie worden
voorbeelden besproken. De vorige afleveringen
van deze serie zijn ook in Geo-info verschenen.
Rob Beck is directeur van NEO BV.
Hij is bereikbaar via rob.beck@neo.nl.
zijn nieuwjaarsrede allereerst de medewerkers
van het OTB (onderzoeksinstituut voor Techni
sche Bestuurskunde) een bijzonder welkom toe,
omdat ze pas drie maanden daarvoor bij Geode
sie waren 'ingetrokken.
Adri den Boer, redacteur
Deep Learning Neural Network
O Hidden Layer 9 Ouipul Layer
Figuur 4 - Een keer raken in de regie van geodatabijhouding:iIndien mutatiesignaal en werkinstructie
signaal correct zijn gedocumenteerd, dan is de controle geautomatiseerd uit te voeren.
