Dataverzameling, -opslag en -conversie
Lustrumboek "The 5th Element"
Het is evident dat de nauwkeurigheid van het uiteindelijke resultaat afhankelijk
is van de nauwkeurigheid van de gebruikte invoerdata en de methodieken die
bij ^Ike stap gehanteerd worden. Uiteindelijk moet de totale onzekerheidsmarge
en daarmee het schaalniveau van het gehele proces overeenkomen met het
beoogde doel en detailniveau van de studie.
Om meer waarde te kunnen hechten aan de uitkomsten van geluidseffectstudies
is inzicht in de grootte van de onzekerheidsmarge onontbeerlijk en is het nodig
deze ook als zodanig te presenteren. Hierbij kan bijvoorbeeld gedacht worden
om naast het aantal gehinderden ook de onzekerheid van dit resultaat te bepalen
en te tonen.
Een ander aspect dat aandacht behoeft is dat het detailniveau en de exactheid
van de processtappen onderling in balans moeten zijn. Het heeft bijvoorbeeld
weinig zin om veel energie in de nauwkeurigheid van een stap te steken terwijl
een andere stap in het proces op een minder fijn detailniveau wordt uitgevoerd.
Om dezelfde reden moeten ook de gebruikte methoden om geluidsbelastingen
te berekenen en geluidseffecten te bepalen aangepast worden aan het detailniveau
van de gebruikte gegevens en vice versa.
In het vervolg van dit artikel zal worden uitgelegd hoe de efficiëntie van het
proces aanzienlijk kan worden verhoogd door de stappen van het gehele proces
in samenhang met elkaar te beschouwen. Dit kan veel werk, tijd en geld besparen,
terwijl het beoogde doel gerichter wordt bereikt. De onderdelen van het noise
mapping proces zullen worden toegelicht waarbij wordt ingegaan op de invloed
van deze stappen op de beoogde kwaliteit en de tijdsduur van een
geluidseffectstudie. Dit kan als aanzet dienen tot een gedachtevorming rond de
standaardisatie van de bepalingsmethoden van geluidseffecten voor verschillende
doeleinden.
Voor een geluidseffectstudie is het noodzakelijk om een centrale database met
de relevante gegevens op te bouwen voor verwerking in een GIS. Deze gegevens
kunnen worden onderscheiden naar 1de geluidsemissie van de bron en aspecten
die invloed hebben op de uitbreiding van het geluid en 2) de ligging van
geluidsgevoelige bestemmingen en gebieden alsmede het aantal omwonenden.
Beide takken komen samen op het moment dat de geluidscontouren worden
"geconfronteerd" met de omgeving, waarbij de geluidseffecten worden bepaald.
Inmiddels is in Nederland een uitgebreide verzameling van digitale geografische
basisbestanden beschikbaar die voor geluidsstudies kan worden gebruikt:
topografische basisbestanden (GBKN, Topl Ovector), intensiteiten van het spoor-
en wegverkeer en het Actueel Hoogtebestand Nederland.
Voor de geluidsstudie zijn het schaal- en detailniveau van de gegevens van belang.
Schaal- en detailniveau van de gegevens moeten tenminste voldoende zijn om
de beoogde nauwkeurigheid van de studie te bereiken. Een te hoge
informatiedichtheid moet echter worden vermeden, opdat de rekentijd en
opslagcapaciteit beperkt blijven. Opslagcapaciteit wordt steeds minder een
doorslaggevende factor; een te hoog detailniveau maakt de data wel moeilijk
werkbaar. Bij een grote variatie van ruimtelijke gegevens is een hoge dichtheid
van datapunten (waarnemingen) nodig om deze variatie afdoende te kunnen
vastleggen. Voor geluidsstudies betekent dit dat een hoge informatiedichtheid
nodig is op de locaties waar de geluidsbelastingen snel afnemen (dicht bij de
bron) en niet noodzakelijk, of zelfs niet gewenst is daar waar de geluidsbelastingen
niet of nauwelijks variëren (ver van de bron of parallel aan een lijnbron). Het
detailniveau van de invoergegevens zou aangepast moeten worden aan deze
richtlijn en tevens afhankelijk moeten worden van het beoogde doel van de studie.
Dit is de essentie van de conversieslag die uitgevoerd dient te worden om de
(beschikbare) data gereed te maken voor de geluidsstudies.
De beschikbare digitale gegevens geven (nog) niet in alle gevallen voldoende
132
