Jämförelse mellan generaliseringsverktyg i ArcGIS Pro och FME Desktop
Comparison between generalization tools in ArcGIS Pro and FME Desktop
Matilda Garli
Fakulteten för hälsa, natur- och teknikvetenskap
Lantmätarprogrammet med inriktning mät- och kartteknik Examensarbete 15 hp
Handledare: Jan-Olov Andersson Examinator: Jan-Olov Andersson Datum: 2020-06-23
Sammanfattning
Vid framställning av småskaliga kartor från storskaliga kartor behöver de kartografiska objekt som kartan utgörs av generaliseras för att den ska förbli läsbar. Historiskt har generaliseringen och urvalet vid skapandet av kartor utförts av kartografen när kartan ritats, men i dag kan generaliseringen göras automatiskt för att effektivisera generaliserings- processen. Automatisk generalisering är en avancerad process där flera algoritmer behöver användas för att generaliseringen ska efterlikna den en kartograf gör vid ritandet av en karta.
Flera olika geografiska informationssystem och andra programvaror erbjuder möjligheten att automatiskt generalisera kartobjekt vid kartframställning, vilket är nödvändigt när stora datamängder ska generaliseras, men få jämförelser har gjorts mellan olika programvarors generaliseringsverktyg. Syftet med detta examensarbete är att jämföra och utvärdera verktyg för automatisk generalisering av kartobjekt i programvarorna ArcGIS Pro och FME Desktop. Det som undersöks och jämförs är hur verktygen i de båda programvarorna skiljer sig, om tidsåtgången vid användningen av verktygen är olika och hur resultatet efter generalisering av byggnader och vägar ser ut i de båda programvarorna. Resultatet från jämförelsen kan användas av kommuner eller olika länders nationella lantmäterier och kartverk vid valet av programvara för generalisering, eller vid generalisering av webbkartor.
Tre typer av generaliseringsmetoder som kan användas på kartobjekt och som undersöktes vid jämförelsen av de två programvarorna i denna studie är förenkling, utjämning och sammanslagning. Vid digital och automatisk förenkling av linjer används förenklings- algoritmer, vilka tar bort brytpunkter från linjens geometri för att förenkla den. Vid ut- jämning används utjämningsalgoritmer, vilka flyttar på brytpunkter i linjens geometri för att göra den mjukare. När sammanslagning av polygoner görs vid digital och automatisk generalisering grupperas först flera mindre polygoner ihop baserat på avståndet mellan dem, för att sedan ersättas av en enda större polygon. De data som i jämförelsen generaliserades i de båda programvarorna var vektordata från GSD-Fastighetskartan och från Karlstads kommuns baskarta. Resultatet från generaliseringen sammanställdes genom att antal bryt- punkter, väglinjer och byggnadspolygoner samt byggnadsarea före och efter generalisering beräknades. Tidtagning gjordes på processerna i de båda programvarorna och program- varornas olika verktyg och respektive verktygs parametrar sammanställdes och jämfördes.
Resultatet från jämförelsen visar att FME Desktop saknar möjligheter att tunna ut väg- nätverk. Förenkling av väglinjer tar längre tid att genomföra i ArcGIS Pro och skillnaderna mellan det kvantitativa resultatet i båda programvarorna är liten, medan det finns några betydande skillnader i det grafiska resultatet, där topologin förändras efter förenkling i FME Desktop. De grafiska skillnaderna mellan utjämning av vägarna i de båda programvarorna anses vara obetydliga, men eftersom de utjämnade väglinjerna i ArcGIS Pro följer original- linjen närmre kan det medföra färre spatiala konflikter med kartobjekt i andra kartlager.
Förenkling av byggnader anses inte lämpligt att göra med de verktyg som finns tillgängliga i FME Desktop. Det finns både för- och nackdelar med att göra sammanslagning av byggnader i FME Desktop istället för i ArcGIS Pro.
Nyckelord: kartografi, generalisering, ArcGIS Pro, FME
Abstract
In cartography, when producing small scale maps from cartographic objects in large scale maps, the map needs to be generalized in order to maintain map legibility. Today the generalization process can be automated to make it more efficient, but since generalization is an advanced process it can be difficult to achieve acceptable results without any manual editing. Several GIS and other software contain the possibility to automatically generalize maps, but few studies have been conducted that compare different software. In this study, a comparison is made between the two software ArcGIS Pro and FME Desktop and their generalization tools. The same map layers were generalized in both software and the results were compared visually and quantitatively. The comparison shows that ArcGIS Pro is the most suitable software for generalization, even if FME Desktop is less time-consuming.
The result of the study could be useful for municipalities, national mapping and cadastral agencies and web map manufacturers.
Keywords: cartography, generalization, ArcGIS Pro, FME
Innehåll
Ordlista ... 1
1 Inledning ... 3
1.1 Bakgrund ... 3
1.2 Syfte ... 4
1.3 Avgränsning... 5
1.4 Tidigare studier ... 5
2 Teori ... 8
2.1 Generalisering av kartografiska objekt... 8
2.1.1 Automatisk generalisering av väglinjer ... 9
2.1.2 Automatisk generalisering av byggnadspolygoner ... 11
2.2 Generaliseringsverktyg ... 11
2.2.1 Verktyg i ArcGIS Pro ... 11
2.2.2 Verktyg i FME Desktop... 13
2.3 Generalisering i webbkartor ... 14
3 Metod ... 18
3.1 Material ... 18
3.1.1 Data ... 18
3.1.2 Programvaror ... 19
3.2 Genomförande ... 19
3.2.1 Generalisering av vägar ... 19
3.2.2 Generalisering av byggnader ... 21
3.2.3 Jämförelse mellan verktyg ... 23
4 Resultat ... 24
4.1 Generalisering av vägar ... 24
4.1.1 Generalisering i ArcGIS Pro ... 24
4.1.2 Generalisering i FME Desktop ... 25
4.2 Generalisering av byggnader ... 25
4.2.1 Generalisering i ArcGIS Pro ... 25
4.2.2 Generalisering i FME Desktop ... 26
4.3 Jämförelse mellan verktyg ... 26
4.3.1 Sammanställning av verktyg ... 26
4.3.2 Kvantitativ jämförelse ... 27
4.3.3 Grafisk jämförelse ... 28
5 Diskussion ... 32
6 Slutsats ... 35
7 Framtida studier ... 36
Referenser ... 37
Bilagor ... 41
Ordlista
Aggregation Se sammanslagning.
Collapse Se sammanslagning.
Displacement Se förflyttning.
Douglas-Peucker Algoritm för förenkling av linjer.
Enrichment Berikning. Generaliseringsmetod som ingår i preprocessing och bland annat kan innebära att attribut läggs till i databasen.
Filtering Se förenkling.
Förflyttning Generaliseringsmetod som påverkar den grafiska kvaliteten i kartografiska objekt genom att flytta objekt för att undvika överlappning. Kan på engelska kallas displacement eller alignment.
FME Feature Manipulation Engine, dataintegrationsplattform från Safe Software för bland annat omvandling och bearbetning av geografiska data.
Förenkling Generaliseringsmetod som påverkar den grafiska kvantiteten i kartografiska objekt genom att minska antalet brytpunkter som används för att representera en linje eller polygonkontur. Kan på engelska kallas simplification eller filtering.
GIS Geografiska Informationssystem.
GSD Geografiska Sverigedata.
Merge Se sammanslagning.
Multiparts Ett geografiskt objekt som består av fler än en del. Det utgörs av en rad i attributtabellen, men flera linjedelar eller polygoner syns vid visualisering av data.
NURBfit Non-Uniform Rational B-Splines. Algoritm för utjämning av linjer.
NVDB Nationella vägdatabasen.
PAEK Polynomial approximation with Exponential Kernel. Algoritm för utjämning av linjer.
Preprocessing Förbehandling av kartografiska objekt inför grafisk generalisering inom vilken generaliseringsmetoderna enrichment och reclassification ingår.
Pruning Se urval.
Reclassification Omklassificering. Generaliseringsmetod som ingår i preprocessing och bland annat kan innebära att kartografiska objekt klassificeras baserat på till exempel olika attribut.
Sammanslagning Generaliseringsmetod som påverkar den grafiska kvantiteten i kartografiska objekt genom sammanslagning av flera objekt. Kan på engelska kallas aggregation, collapse eller merge.
Simplification Se förenkling.
Smoothing Se utjämning.
Thinning Se urval.
Urval Generaliseringsmetod som påverkar den grafiska kvantiteten i kartografiska objekt genom att ta bort ett eller flera objekt. Kan på engelska kallas elimination, selection, thinning eller pruning.
Utjämning Generaliseringsmetod som påverkar den grafiska kvaliteten i kartografiska objekt genom att lägga till eller flytta på brytpunkterna som används för att representera en linje eller polygonkontur. Kan på engelska kallas smoothing.
1 Inledning
1.1 Bakgrund
Kartografiska objekt över ett visst område behöver presenteras i olika skala beroende på i vilket syfte en karta ska användas. Dessa kartobjekt behöver generaliseras olika mycket beroende på kartans skala. Om kartobjekten som används för att skapa en karta är lämpliga för en storskalig karta behöver de generaliseras för att kunna användas vid produktionen av småskaliga kartor, för att minska informationsmängden och bruset samt öka läsbarheten.
Generalisering görs enligt Granath & Elg (2006) för att undvika brus i kartor och göra dem lättlästa genom att omsorgsfullt välja vilken information som ska finnas med i kartan samt även välja hur informationen ska presenteras. Olika metoder kan tillämpas vid den grafiska generaliseringen och ett par av dessa är sammanslagning, förenkling och utjämning. Vid sammanslagning slås flera objekt ihop, vid förenkling minskas linjers och ytors komplexitet och vid utjämning jämnas de ut, Figur 1 (Granath & Elg 2006).
Figur 1. Generaliseringsmetoder: A polygon före (till vänster) och efter (till höger) sammanslagning, B linje före (grå och detaljerad) och efter (röd och kantig) förenkling och C linje före (röd och kantig) och efter (grön och
rundad) utjämning.
Historiskt har urvalet och generaliseringen gjorts av kartografen när kartan ritats. Vid modern digital kartframställning från insamlade geografiska data finns funktioner för auto- matisk generalisering, vilket kan effektivisera, men även i viss mån försvåra generaliserings- processen. McMaster (1987) beskriver hur kartografer förr, vid ritandet av en enda linje, tog flera olika beslut kring generaliseringen samtidigt som linjen ritades ut. Linjens mest
karaktäristiska huvuddrag överdrevs vid behov, samtidigt som onödiga detaljer togs bort.
Datorer behöver istället använda flera separata algoritmer för att genomföra dessa steg.
Många GIS-programvaror (Geografiska Informationssystem) erbjuder funktioner för att generalisera kartobjekt. Esri’s programvara ArcGIS Pro har en verktygslåda utvecklad och anpassad för just kartografi, i vilken flera verktyg kan användas för generalisering (Esri u.å.b) och i programvaran FME Desktop (Feature Manipulation Engine), som inte är ett GIS, men som kan bearbeta geografiska objekt effektivt, kan kartor skapas och flera verktyg finns för att generalisera kartobjekten (Safe Software 2017).
I webbkartor, där kartbilden kan förstoras och förminskas på bildskärmen, ställs stora krav på att rätt generaliseringsnivå valts vid de olika inzoomningsnivåerna och alla olika nivåer kräver olika generalisering, vilket ökar kraven på effektiv automatisk generalisering.
Behovet av att effektivisera och automatisera generaliseringsprocessen är stort även inom olika länders nationella lantmäterier och kartverk. Flera länder har påbörjat arbetet med att automatiskt generalisera sina storskaliga kartor för att från dessa skapa landets kartor i mindre skala. I Nederländerna har en uteslutande automatiskt generaliserad karta i skala 1:50 000 skapats från en karta i skala 1:10 000, vilken har ersatt den tidigare använda kartan i skala 1:50 000 helt. Den helt och hållet automatiska processen kommer enligt Stoter m.fl.
(2014) spara mycket tid för Lantmäterier och kartverk världen över, som tidigare använt sig av semiautomatisk generalisering, där mänsklig interaktion fortfarande behövs under delar av processen. Lantmäteriet i Sverige har ett pågående projekt med målet att baskartan i skala 1:10 000 ska användas för att med hjälp av automatisk generalisering skapa kartor i skala 1:50 000, 1:100 000, 1:250 000 och 1:1 miljon. Både ArcGIS Desktop 10.4 och FME Desktop 2015 används i projektet (Nyberg m.fl. 2018). Även I Lettland och Italien utgör kartorna med skala 1:10 000 basen från vilken kartor i mindre skala skapas med automatisk generalisering i ArcGIS Desktop (Papšienė m.fl. 2014; Savino m.fl. 2011). I Tyskland har automatisk generalisering testats på kommunala kartor i skala 1:25 000 i Dresden, för att utveckla en generaliseringsapplikation (Pippig & Burghardt 2011).
1.2 Syfte
Syftet med studien är att jämföra och utvärdera verktyg för automatisk generalisering av kartografiska objekt i två olika programvaror: ArcGIS Pro och FME Desktop. Målet är att resultatet av jämförelsen ska kunna underlätta valet av programvara när generalisering ska göras i webbkartor eller när småskaliga kartor ska skapas från storskaliga kartor hos till exempel kommuner eller olika länders nationella lantmäterier och kartverk. De frågeställningar som arbetet har för avsikt att besvara är:
• Hur skiljer sig utbudet av verktyg i programvarorna åt? Vilka parametrar finns i verk- tygen och finns det skillnader i hur de fungerar?
• Är tidsåtgången olika vid användningen av verktygen i de olika programvarorna?
• Hur skiljer sig resultaten mellan generaliseringen i de olika programvarorna?
Samma datamängd generaliseras i båda programvarorna på liknande sätt med de generaliseringsverktyg som finns tillgängliga i respektive programvara. En kvantitativ jäm- förelse mellan resultaten från generaliseringen görs genom en analys av de skillnader som uppstått i datamängden före och efter generalisering. En kvalitativ jämförelse av den grafiska skillnaden mellan generaliseringen i programvarorna görs genom undersökning av generaliserade kartobjekt i en kartbild.
1.3 Avgränsning
De kartobjekt som behövdes för att genomföra generaliseringen och jämförelsen behövde täcka ett område stort nog för att kunna redovisas i tre skalor: en större skala som indata är ämnat att redovisas i samt två mindre skalor till vilka kartobjekten skulle generaliseras.
För att hinna genomföra jämförelserna och komma fram till ett resultat inom planerad projekttid begränsades projektet till att generaliseringen och jämförelsen endast gjordes på väglinjer och byggnadspolygoner i indata. Vägnätverket behövde vara så tätt att mycket brus och minskad läsbarhet uppkom vid minskad skala utan generalisering, därför valdes ett område i Karlstad i Värmland. Eftersom vägarna i indata var gjorda för att presenteras i skala 1:20 000 togs beslutet att generaliseringen i studien skulle göras för att vägarna skulle kunna presenteras i två mindre skalor: 1:50 000 och 1:100 000.
Byggnadspolygonerna behövde utgöras av byggnader i en tätort, för att det skulle finnas många olika byggnadsformer att förenkla samt områden med tätt placerade byggnader, vilket innebar att generalisering skulle behövas vid minskad skala. Eftersom byggnaderna i indata var gjorda för att presenteras i skala 1:2 000 togs beslutet att generaliseringen i studien skulle göras för att byggnaderna skulle kunna presenteras i två mindre skalor:
1:10 000 och 1:20 000.
1.4 Tidigare studier
Följande avsnitt presenterar de tidigare studier inom automatisk generalisering av vägar och byggnader som undersökts. Studierna har legat till grund för hur generaliseringen genom- förts i de båda programvarorna, bland annat när det kommit till val av parametrar, val av algoritmer, val av generaliseringsverktyg och i vilken ordning vilka verktyg använts.
Ingen studie har hittats där jämförelser gjorts mellan generaliseringsverktyg i FME Desktop och ArcGIS Pro eller ArcMap. De flesta studier som hittats har berört förenkling av vägar, främst i ArcGIS programvaror. Ingen studie har hittats som jämför algoritmer för ut- jämning av väglinjer. De flesta studier som utvärderar utjämningsalgoritmer har genomförts på höjdkurvor.
Några utmaningar för automatisk generalisering av kartografiska objekt är utvecklandet av regler och villkor som ska kontrollera hur mycket en datamängd generaliseras, i vilken följd olika generaliseringsverktyg ska användas samt att hitta felområden i den generaliserade datamängden, menar Stanislawski m.fl. (2014). Att säga exakt vilka toleransvärden som bör
väljas vid användningen av de olika algoritmerna är däremot enligt McMaster (1987) svårt, eftersom det beror helt på kartans syfte och tänkta skala och det varierar därmed från fall till fall.
När svenska Lantmäteriets projekt för automatisk generering av småskaliga kartor från en grundkarta med större skala påbörjades var det enligt Nyberg m.fl. (2018) ännu inte bestämt från vilka kartobjekt generaliseringen fortsättningsvis skulle göras efter den första generaliseringen från kartan med skala 1:10 000 till kartan med skala 1:50 000. En metod är att generaliseringen av kartobjekten till nästa skala ska ske från närmast föregående skala, vilket innebär att kartan med skala 1:100 000 kommer skapas genom generalisering av kartan med skala 1:50 000 och inte genom generalisering av kartan med skala 1:10 000.
Detta för att undvika inkonsekvens i datamängden och att delar som generaliserats bort i en karta inte dyker upp i nästa karta igen. En annan metod är att generalisera alla kartor direkt från kartan i skala 1:10 000.
Azimjon m.fl. (2014) genomförde en studie av generalisering av ett vägnätverk i skala 1:20 000. För att generalisera hela nätverket gjordes en klassindelning, ett urval, en förenkling och till sist en utjämning av vägarna. Vägarna delades in i tre olika klasser beroende på respektive vägs bredd och sedan valdes enbart vissa vägar ut för att ingå i generaliseringen och de vägar som inte ansågs vara relevanta i kartans nya skala 1:50 000 togs bort, till exempel smala småvägar eller vägar med en längd kortare än 200 meter.
Förenklingsalgoritmen som valdes för vägarna var Douglas-Peucker eftersom den enligt studien ska vara mest optimal, på grund av dess låga lägesosäkerhet och hur den deformerar vägarna, även om den kan vara lite mer tidskrävande än andra algoritmer. Även enligt Regnauld & McMaster (2007) ska Douglas Peucker vara den bästa förenklingsalgoritmen för vägar.
När Stoter m.fl. (2014) skapade en karta i skala 1:50 000 över Nederländerna från en karta i skala 1:10 000 med automatisk generalisering användes ArcGIS’s verktyg Thin Road Network för att generalisera vägnätverket efter att cykelvägar som löpte parallellt med bilvägar raderats och efter att vägar som ledde till byggnader i glesbyggda områden raderats.
Alla linjer förenklades även med Douglas-Peucker-algoritmen. Stanislawski m.fl. (2014) genomförde också en fallstudie där ett vägnätverk generaliserades med samma verktyg.
Generaliseringsprocessen började med en preprocessing där överlappande objekt togs bort och alla linjer delades där de korsade en annan linje. En indelning gjordes också av nät- verket, där det med hjälp av en rasteranalys delades in i olika områden beroende på hur mycket vägar som fanns per kvadratkilometer i området. Olika parametrar användes i Thin Road Network beroende på vägnätverkets täthet i området. Vid generalisering till skala 1:50 000 sattes parametern för Minimum Length till 7 000 meter för glesa områden och 1 500 meter för täta områden. Vid generalisering till skala 1:100 000 sattes samma parameter till 11 100 meter för glesa områden och 4 000 meter för täta områden.
I en studie av Droppová (2011) jämfördes två metoder för att generalisera byggnader i en karta med skala 1:10 000 med ArcGIS-programvaran. I den första metoden användes verk- tyget Simplify Building först för att förenkla byggnaderna, sedan användes Aggregate Polygons för att slå samman byggnaderna och efter det användes Simplify Building igen för förenkla de nya sammanslagna byggnadsytorna. I den andra metoden användes Aggregate Polygons direkt och sedan förenklades dessa polygoner med Simplify Building. Resultatet av jämförelsen mellan metoderna visade enligt Droppová (2011) att skillnaden mellan metoderna är liten.
Den första metoden tog längre tid, eftersom den innehöll ett steg extra, men den är också något bättre än den andra metoden baserat på en kvantitativ och en grafisk jämförelse. Den minskade inte antalet byggnader lika mycket som den andra metoden och byggnadernas area efter generaliseringen är mindre i den första metoden. De grafiska fel som kan uppstå är färre i den första metoden än i den andra. I en annan studie jämför Deng m.fl. (2018) olika metoder för att slå ihop byggnadsytor. Bland annat jämförs principerna att slå ihop byggnaderna baserat på närhet, likhet och kontinuitet. Resultatet visar att jämfört med närhetsbaserade metoder, där byggnader slås samman om de ligger inom ett visst avstånd från varandra, förbättras sällan resultatet av att metoder används där byggnader slås samman baserat på hur lika de är varandra, eller baserat på deras kontinuitet.
Vid ytterligare minskad skala behöver byggnader slås samman till tätbebyggda områden, menar Gaffuri (2011). Vid generaliseringen av Nederländernas karta från skala 1:10 000 till 1:50 000 skapades bebyggelseytor över områden med många byggnader och ursprungs- byggnaderna raderades, men bara om byggnaderna låg inom tätorter (Stoter m.fl. 2014).
Vissa viktiga byggnader raderades inte, utan visualiserades fortfarande som enskilda byggnader, till exempel skolor, sjukhus och kyrkor. Enligt Jogun m.fl. (2016) är samman- slagning ett av de mest krävande generaliseringsverktygen och sammanslagning av just polygoner är den mest komplicerade typen. De flesta metoder och algoritmer som ut- vecklats är för förenkling av linjer och algoritmer för sammanslagning av framför allt polygoner behöver utvecklas mer för att bättre likna mänsklig generalisering. Det är även svårt att välja rätt parametrar vid användningen av verktyg för sammanslagning av poly- goner, vilket kan skapa misslyckade resultat, menar Jogun m.fl. (2016).
2 Teori
Följande teorikapitel redogör inledningsvis för vilka typer av generaliseringsmetoder som finns och hur automatisk generalisering av väglinjer och byggnadspolygoner genomförs samt hur algoritmerna som används vid den automatiska generaliseringen fungerar. Verk- tygen som kan användas för automatisk generalisering i ArcGIS Pro och FME Desktop be- skrivs och avslutningsvis undersöks sex webbkartor och hur generaliseringen i dessa ser ut.
2.1 Generalisering av kartografiska objekt
En generaliseringsmetod, eller ett generaliseringsverktyg i en programvara, är den typ av förändring i geometri eller attributinformation som görs på kartografiska objekt. En algoritm är den eller de specifika metoder eller beräkningar ligger bakom ett generaliserings- verktyg och som får det att fungera (Stanislawski m.fl. 2014).
Enligt Stanislawski m.fl. (2014) kan generaliseringsmetoderna delas in i tre olika grupper, beroende på varför de används och hur de påverkar kartobjekten. Dessa grupper av generaliseringsmetoder tillämpas ofta även i en viss ordningsföljd. Den första gruppen är preprocessing, vilket är en typ av förbehandling som görs för att efterföljande grafiska generalisering ska kunna genomföras på rätt sätt. Generaliseringsmetoderna i preprocessing följs vanligtvis av generaliseringsmetoder som påverkar kartobjektens grafiska kvantitet.
Dessa kan i sin tur följas av generaliseringsmetoder som påverkar kartobjektens grafiska kvalitet. De tre grupperna och deras respektive generaliseringsmetoder redovisas i Tabell 1.
Tabell 1. Generaliseringsmetoder indelade i tre grupper enligt Stanislawski m.fl. (2014).
Metod Beskrivning
Pre- processing Enrichment Attribut som saknas läggs till i databasen för att beskriva till exempel ett objekts geometri.
Reclassification Grupperar objekt baserat på olika attribut, inklusive de som eventuellt lagts till under enrichment.
Grafisk kvantitet
Elimination, Selection, Thinning & Pruning
Tar bort ett eller flera objekt utan att ersätta det med någonting annat.
Används ofta för att minska innehållet när en karta ska visas i mindre skala.
Aggregation, Collapse
& Merge
Sammanslagning där flera objekt slås samman och ersätts av ett eller flera nya objekt.
Simplification &
Filtering
Minskar de brytpunkter som används för att representera en linje eller en polygons kontur.
Refinement &
Typification
Används när någonting representeras av flera objekt och antalet objekt behöver minskas för en enklare representation.
Grafisk kvalitet
Displacement &
Alignment
Flyttar objekt för att undvika överlappning med närliggande objekt och för att behålla topologiska relationer.
Exaggeration &
Enlargement Förstärker ett objekt för att behålla tydligheten i vad det är för objekt.
Smoothing Tar bort små variationer i ett objekts geometri genom att antingen flytta på eller lägga till nya brytpunkter.
Enhancement Grafiskt förskönande vid symbolisering av ett objekt för att framhålla spatiala relationer till andra objekt.
Vissa generaliseringsmetoder, som till exempel olika sammanslagningar, särskiljs enligt Stanislawski m.fl. (2014) genom förändringen i dimension som generaliseringsmetoden skapar, eller bristen på förändring i dimension. Punkter räknas som nolldimensionella, linjer som endimensionella och polygoner som tvådimensionella. Andra sätt att särskilja olika typer av generaliseringsmetoder finns också. McMaster & Shea (1992) gör indelningen att aggregation endast gäller sammanslagning av punkter till polygoner, merge gäller endast sammanslagning av linjer och amalgamate gäller endast sammanslagning av polygoner till polygoner.
2.1.1 Automatisk generalisering av väglinjer
Generalisering och förenkling av specifika linjer skiljer sig enligt Regnauld & McMaster (2007) från generalisering av nätverk uppbyggda av flera linjer. Ett vägnätverk i till exempel en storstad behöver tunnas ut när det ska presenteras i mindre skala, medan specifika vägar kan behöva förenklas och utjämnas för att kunna visualiseras på ett tillfredsställande sätt i mindre skala. Vid generalisering av vägnätverk kan grafteori vara användbart för att kunna bedöma olika vägars betydelse för nätverket (Regnauld & McMaster 2007). En hierarki skapas för vägtyperna som ingår i nätverket, där vägar med lång kontinuitet klassas som viktigare än korta småvägar. Viktigare vägar högre upp i hierarkin behålls vid generaliseringen av nätverket, medan mindre viktiga vägar gallras bort.
Vid generalisering av specifika linjer och inte hela nätverk av linjer är det enligt McMaster
& Shea (1992) viktigt att en digitaliserad linje representerar ett objekts form, läge och huvuddrag, samtidigt som den innehåller ett så lågt antal brytpunkter som möjligt för att representera detta. Vid digital generalisering av linjer finns förenklingsalgoritmer, eller filtreringsalgoritmer, vilka tar bort brytpunkter från linjens geometri för att förenkla den.
Detta bidrar inte enbart till att linjerna blir läsbara i en mindre skala, utan även till att fil- storleken blir mindre och bearbetningstiderna därmed kortare (Regnauld & McMaster 2007). Vid förenklingen är det viktigt att de punkter som är nödvändiga för att behålla linjens huvuddrag väljs ut och behålls i geometrin och att de punkter som anses överflödiga för representationen av linjen tas bort med den algoritm som används.
Vidare finns även utjämningsalgoritmer, vilka flyttar på brytpunkter i linjens geometri för att göra den mjukare. Små avvikelser planas ut, skarpa vinklar tas bort och utseendet på linjen blir mer estetiskt tilltalande. Även den lägesdifferens som uppstår mellan en original- linje och dess förenklade variant minskar efter utjämningen (McMaster & Shea 1992). Vissa algoritmer gör förenklingen eller utjämningen baserat på en analys av hela eller större delar av linjen. Andra algoritmer tar enbart hänsyn till brytpunkters närmst intilliggande grann- punkter, eller inte till några andra punkter alls. Nth point är enligt McMaster (1987) en sådan algoritm som inte tar hänsyn till några intilliggande grannpunkter alls. Den tar bort varannan, var tredje eller var fjärde (osv.) brytpunkt i en linje. Denna algoritm passar bra för extremt punkttäta linjer som behöver tunnas ut och bli mindre punkttäta.
Lokala algoritmer som baserar förenklingen av linjen på de närmsta grannpunkterna kan använda differensen i vinklar eller avstånd för att ta bort brytpunkter och förenkla linjen.
Från en tänkt linje mellan två grannpunkter går en annan tänkt linje vinkelrätt mot bryt- punkten mellan dessa grannpunkter. Om avståndet är mindre än en vald tolerans tas bryt- punkten bort och linjen förenklas, se Figur 2A. Om istället vinkeldifferensen används av algoritmen för förenklingen beräknas vinkeln mellan grannpunkterna och om den är mindre än en vald tolerans tas brytpunkten bort, se Figur 2B (McMaster 1987).
Figur 2. Lokala förenklingsalgoritmer: A förenkling baserat på det vinkelräta avståndet till en punkt från en tänkt linje mellan de två grannpunkterna och B förenkling baserat på vinkeln mellan de två grannpunkterna.
Douglas-Peucker är ett exempel på en förenklingsalgoritm som analyserar hela linjen, genom att en tänkt linje dras mellan linjens första punkt, som kallas ankare och linjens sista punkt, som kallas flytande punkt. Alla linjens brytpunkter undersöks för att hitta den som ligger vinkelrätt längst bort från den tänkta linjen. Om den ligger längre bort än en vald tolerans lagras brytpunkten och kommer inte tas bort ur linjen. Istället utgör den en ny flytande punkt. Brytpunkterna längst bort från den tänkta linjen mellan ankaret och den nya flytande punkten undersöks vidare på samma sätt. När en brytpunkt ligger på kortare vinkelrätt av- stånd från den tänkta linjen tas den bort och nästa brytpunkt efter den sätts som ankare, tills hela linjen är genombearbetad (McMaster 1987).
NURBfit (Non-Uniform Rational B-Splines) är ett exempel på en utjämningsalgoritm. Vid denna utjämning av en linje approximeras en ny linje med hjälp av B-spline-kurvor, för vilka
en polynomgrad väljs. De utjämnade linjerna följer B-spline-kurvorna och en segmentlängd anges för dem, vilken styr hur många brytpunkter den utjämnade linjen kommer bestå av.
Ju högre värde på polynomgraden, desto mer jämnas linjen ut. Ju högre värde på segment- längden, desto fler brytpunkter utgörs den utjämnade linjen av (Safe Software u.å.e).
PAEK (Polynomial approximation with Exponential Kernel) är ytterligare ett exempel på en utjämningsalgoritm. Algoritmen beräknar koordinaterna för en ny utjämnad linje baserat på ett medelvärde av brytpunkterna i en angiven längd på ett rörligt segment längs linjen som ska utjämnas. Ju högre toleransvärde som används vid utjämning med PAEK- algoritmen, desto längre är det rörliga segmentet och desto mer jämnas linjen ut. Linjens ändpunkter är de enda punkterna vars koordinater inte kan ersättas vid utjämningen (Esri u.å.j).
2.1.2 Automatisk generalisering av byggnadspolygoner
Processen för att generalisera byggnader innehåller i regel två steg, varav ett är samman- slagning av byggnadspolygonerna och det andra steget är generalisering av byggnadspoly- gonerna (Deng m.fl. 2018). Generaliseringen, eller förenklingen, av polygonerna kan göras med samma algoritmer som vid förenkling av linjer, men det finns även verktyg utvecklade enbart för generalisering av just byggnader i vissa programvaror.
När sammanslagning görs vid digital generalisering grupperas först flera mindre objekt ihop, ofta baserat på avståndet mellan dem, för att sedan ersättas av ett enda objekt om av- stånden mellan objekten är mindre än det som angivits som tröskelvärde i programvarans verktyg (Jogun m.fl. 2016). Grupper av punkter eller polygoner kan slås samman till sammanhängande ytor. Vid sammanslagning av många mindre ytor till en enda större går det enligt McMaster & Shea (1992) i regel bra att behålla de övergripande karaktärsdragen hos ett område även om skalan minskas.
Enligt Deng m.fl. (2018) är generalisering av byggnader en komplicerad process på grund av både byggnadernas komplexa geometri, men även på grund av deras rumsliga ut- bredning. Vidare menar Jogun m.fl. (2016) att sammanslagning av mycket små eller smala polygoner, eller polygoner som ligger för nära varandra är ett stort problem som det inte finns några enkla lösningar för än.
2.2 Generaliseringsverktyg
2.2.1 Verktyg i ArcGIS Pro
I ArcGIS Pro finns flera verktyg för generalisering av väglinjer och byggnadspolygoner. I ArcGIS Pro’s Cartography toolbox finns ett Generalization toolset bestående av bland annat verktygen Thin Road Network, Merge Divided Roads, Collapse Road Detail, Simplify Line, Smooth Line, Aggregate Polygons, Simplify Building och Delineate Built-Up Areas (Esri u.å.c). Även verktyg som inte ingår i Cartography toolbox kan användas för viss typ av generalisering. Ett exempel på ett sådant verktyg är Polygon To Centerline, som skapar centrumlinjer från polygoner (Esri u.å.g).
Verktyget Thin Road Network används för att generalisera nätverk av vägar, så att nätverket behåller sammanlänkningen och karaktären, men tunnas ut. Inga linjer raderas ur data- mängden, men de linjer som kan tas bort ur vägnätverket för att tunna ut det ges värde 1 i ett nytt Invisibility-attribut, vilket gör att dessa vägar kan rensas bort. En minsta längd anges för att definiera hur mycket nätverket ska tunnas ut och vilken längd som väljs beror på den tänkta skalan och hur nätverket ser ut. Om det finns en hierarki för vägarna i nätverket tas denna med i beräkningen av hur nätverket tunnas ut. Vid användningen av Thin Road Network är det viktigt att vägnätverket är topologiskt korrekt, så vägarna inte överlappar varandra och att de är delade där de korsar varandra. Det är också viktigt att objekten inte utgörs av några multiparts (Esri u.å.e). Multiparts är linjer eller polygoner som består av fler än en del. De utgörs av endast en rad i attributtabellen, men flera linjedelar eller polygoner syns vid visualisering av kartobjekten. Dessa kan delas upp utan att geometrin ändras, men istället består de av flera singleparts och därmed flera rader i tabellen. Verktyget Merge Divided Roads skapar en enda väglinje av två delade vägbanor som har samma klassificering, som löper relativt parallellt med varandra och som är inom ett visst avstånd från varandra (Esri u.å.f) och verktyget Collapse Road Detail tar bort små delar av vägar som stör vägnätverket, till exempel rondeller (Esri u.å.c).
Verktyget Simplify Line används för förenkling av linjer med någon av algoritmerna Douglas- Peucker, Wang-Müller eller Zhou-Jones. Förenklingstoleransen som anges för de olika algo- ritmerna avgör graden av förenkling. Ju högre värde, desto mer generaliserade blir linjerna.
För exempelvis Douglas-Peucker-algoritmen avgör toleransvärdet det maximalt tillåtna vinkelräta avståndet mellan varje brytpunkt och den nya förenklade linjen. Vid användning av Simplify Line kan andra lager användas som barriärer, för att undvika att de förenklade linjerna korsar andra linjer eller polygoner som de inte ska kunna korsa (Esri u.å.i).
Verktyget Smooth Line används för att jämna ut linjer med algoritmerna PAEK eller Bezier Interpolation. Enligt Esri (u.å.j) ger PAEK-algoritmen generellt ett bättre resultat än Bezier Interpolation.
Verktyget Aggregate Polygons används för att slå ihop närliggande polygoner så de bildar större polygoner, baserat på avståndet mellan dem. Polygonerna kan inte slås samman med sig själva, utan bara med andra polygoner. Valet finns att bevara ortogonala former. Detta hindrar till exempel att två rektangulära polygoner, vars diagonala avstånd mellan varandra är inom toleransen för sammanslagning, från att slås samman, eftersom de då skulle förlora sin ortogonala form. En minsta area för både sammanslagna polygoner och för hålen i poly- gonerna kan anges. Även i detta verktyg kan andra lager användas som barriärer, precis som i Simplify Line (Esri u.å.a). Verktyget Simplify Building förenklar byggnadspolygoner samtidigt som deras huvudsakliga storlek och form bibehålls. En minsta area anges för att efter förenklingen rensa bort de byggnader som är mindre än den givna arean. En förenklings- tolerans anges, vilken avgör hur små detaljerna på en byggnad får vara. Denna påverkar både inåtgående och utstickande detaljer på byggnader. Även i detta verktyg kan andra lager användas som barriärer (Esri u.å.h). Verktyget Delineate Built-Up Areas kan användas för att
från byggnadspolygoner skapa polygoner som representerar bebyggelseytor, baserat på tät- heten hos byggnadspolygonerna (Esri u.å.c).
2.2.2 Verktyg i FME Desktop
Några av de verktyg som i FME Desktop kan användas för generalisering eller för preprocessing inför grafisk generalisering är Generalizer, AreaAmalgamator, CenterLineReplacer, AreaCalculator, DensityCalculator och Displacer (Safe Software 2017). Även Bufferer (Safe Software u.å.b) kan i vissa fall användas vid generalisering av polygoner, genom att skapa en utvändig eller invändig buffertzon runt en polygon, vilket kan fylla ut inåtgående detaljer eller eliminera utstickande detaljer. Bufferer används därefter igen, för att återställa polygonen till dess ursprungsstorlek. Ett exempel på generalisering med Bufferer redovisas i Figur 3.
Figur 3. Verktyget Bufferer för generalisering: A byggnad i indata, B buffertzon har skapats på 5 meter runt byggnaden (ursprungsbyggnadens kontur syns i rött) och C buffertzon har skapats på -5 meter för att återställa
byggnadsstorleken.
Verktyget Generalizer kan användas för både förenkling och utjämning av såväl linjer som polygoner. Förenkling görs med någon av algoritmerna Douglas-Peucker, Thin, Thin no point, Deveau eller Wang-Müller. En tolerans anges vid förenklingen och valet kan göras om gränser mellan till exempel polygoner ska behållas vid generaliseringen, eller om de ska generaliseras individuellt, vilket kan skapa hål eller överlapp (Safe Software u.å.e). Utjämning görs med någon av algoritmerna McMaster, McMaster Weighted Distance eller NURBfit. Enligt Safe Software (u.å.e) kan NURBfit användas för att simulera en kartografs arbete vid utjämning av linjer. Verktyget CenterLineReplacer kan användas för att ersätta polygoner med centrum- linjer (u.å.c).
Verktyget AreaCalculator beräknar polygoners area, vilket gör att polygoner av en viss storlek kan uteslutas från resultatet. Verktyget AreaAmalgamator används för att med hjälp av trianglar slå ihop närliggande polygoner så de bildar större polygoner. Ett värde anges för hur långa trianglarnas sidor får vara för att två polygoner ska slås samman. Valet kan göras om polygonerna ska kunna slås samman enbart med sig själva, enbart med andra polygoner eller både med sig själva och andra polygoner. En minsta area anges även för hålen som skapas vid sammanslagningen (Safe Software u.å.a). För att slå ihop byggnadspolygoner till
bebyggelseytor baserat på tätheten hos byggnadspolygonerna kan tätheten beräknas med verktyget DensityCalculator och polygonerna kan därefter slås samman med AreaAmalgamator.
Verktyget Displacer kan användas efter generalisering av exempelvis linjer eller polygoner för att de inte ska korsa andra lager av linjer eller polygoner. De generaliserade linjerna eller polygonerna flyttas bort från det andra lagret med Nickerson-algoritmen (Safe Software u.å.d).
2.3 Generalisering i webbkartor
Generaliseringen av byggnader och vägar varierar mycket i olika webbkartor. Nedan följer en redogörelse av generaliseringsgraden i skalor mellan ungefär 1:10 000 och 1:100 000 i webbkartorna Karlstadskartan från Karlstads kommun, Lantmäteriets Min karta, Google Maps samt Hitta.se’s och Eniro’s kartor (Karlstads kommun u.å.; Lantmäteriet u.å.; Google u.å.; Hitta.se u.å.; Eniro u.å.).
Vid en skala på ungefär 1:50 000 påbörjas väggeneraliseringen i flera av webbkartorna, förutom i Karlstadskartan där ingen generalisering görs förrän skalan närmar sig 1:100 000 och i Eniro’s karta sker ingen generalisering förrän skalan är mindre än 1:50 000. I Figur 4 redovisas Karlstadskartan och Eniro’s karta i ungefär skala 1:50 000. Detaljer finns kvar i nätverket och vägarna är inte förenklade.
Figur 4. Väggeneralisering saknas i Karlstadskartan (A) och Eniro's karta (B) i skala 1:50 000 (Karlstads kommun u.å.; Eniro u.å.).
I Lantmäteriets tjänst Min karta tunnas istället nätverket ut mycket vid skala 1:50 000 och linjernas komplexitet förenklas. I Google Maps tunnas vägnätverket ut gradvis och vid skala 1:50 000 är flera mindre vägar bortrensade. I kartan på Hitta.se sker ingen gradvis generalisering som i Google Maps, i stället sker en gradvis färgändring där vägarna ges en ljusare färg vid minskad skala så de smälter in mer i bakgrunden. Vid skala 1:50 000 har däremot flera vägar generaliserats bort i Hitta.se och vägnätverket har tunnats ut. I Figur 5 redovisas Lantmäteriets Min karta och kartor från Google Maps och Hitta.se i ungefär skala 1:50 000.
Figur 5. Generaliserat vägnätverk i Min karta (A), Google Maps (B) och Hitta.se (C) i skala 1:50 000 (Lantmäteriet u.å.; Google u.å.; Hitta.se u.å.).
Vid utzoomning till en ungefärlig skala på 1:100 000 är vägarna generaliserade i alla webb- kartor. Linjerna är förenklade och detaljer i vägnätverket, till exempel rondeller samt på- och avfarter, är bortgeneraliserade på mycket liknande sätt i Karlstadskartan och Min karta, men de vägar som är kvar är tydligt symboliserade i kartorna. I Eniro’s karta är fler av de mindre vägarna utanför tätorterna bortgeneraliserade, men de vägar som kvarstår i tät- orterna har en sådan symbolisering att de lätt förväxlas med höjdkurvorna utanför vägarna, se Figur 6. I kartorna på Google Maps och Hitta.se har alla mindre vägar symboliserats på ett liknande sätt, med en vit färg, så de inte sticker ut så mycket i kartan, men därmed ej heller stör kartbilden. Linjerna i dessa kartor är inte lika förenklade och utjämnade. Se skillnaden mellan den tydliga symboliseringen och den hårdare förenklingen och ut- jämningen av vägarna i Min karta och den svagare symboliseringen av de mindre förenklade och utjämnade vägarna i Google Maps i Figur 7.
Figur 6. Symbolisering av vägar i Eniro’s karta i skala 1:100 000 (Eniro u.å.). Pilar med bokstaven B pekar på bilvägar och pilar med bokstaven H pekar på höjdkurvor.
Figur 7. En skillnad i förenklingen och utjämningen av vägarna i skala 1:100 000 mellan Google Maps (A) och Min karta (B) är markerad med en ellips längst upp i kartbilderna (Google u.å.; Lantmäteriet u.å.).
När det kommer till generalisering av byggnader i webbkartorna finns stora skillnader. I både Google Maps och Hitta.se’s kartor har alla byggnader helt generaliserats bort vid en skala på 1:10 000. I Hitta.se’s karta förekommer alla byggnader utan någon generalisering alls tills de vid ungefär skala 1:5 000 helt försvinner. I Google Maps försvinner byggnaderna redan vid en ännu större skala och innan det förekommer de endast som mycket förenklade huskroppar.
Vid skala 1:10 000 finns däremot alla byggnader med i Karstadskartan, Min karta och Eniro’s karta, men generalisering av byggnaderna saknas helt. Alla byggnader och byggnads- detaljer finns med, inklusive de som är så små att de knappt kan urskiljas i den valda skalan.
Bristen på generalisering blir minst påtaglig i Eniro’s karta, på grund av färgvalet på byggnaderna och avsaknaden av byggnadskonturer.
I Karlstadskartan generaliseras aldrig byggnaderna genom någon typ av förenkling, sammanslagning eller något urval, utan först när skalan är 1:50 000 försvinner alla byggnader. I Eniro’s karta görs inte heller någon generalisering innan byggnaderna för-
svinner helt vid utzoomning till skala 1:50 000. I Min karta försvinner de flesta byggnader vid en skala på ungefär 1:20 000, förutom vissa byggnader som behålls i kartan, men med en generaliserad form. Dessa byggnader utgörs av bland annat sjukhus, skolor och industrilokaler och de försvinner först vid en skala på ungefär 1:50 000. Skillnaden mellan hur byggnaderna presenteras i skala 1:20 000 i tre av webbkartorna redovisas i Figur 8.
Figur 8. Byggnader i skala 1:20 000 i Karlstadskartan (A), Eniro’s karta (B) och Min karta (C) (Karlstads kommun u.å.; Eniro u.å.; Lantmäteriet u.å.).
3 Metod
Följande metodkapitel beskriver inledningsvis de data och de programvaror som använts i studien. En redogörelse för hur generaliseringen av kartobjekten gjordes i respektive programvara ges och avslutningsvis beskrivs hur jämförelsen mellan programvarornas olika generaliseringsverktyg genomfördes.
3.1 Material
3.1.1 Data
De data som generaliserades i de båda programvarorna för att sedan jämföras var vektor- data från GSD-Fastighetskartan (Geografiska Sverigedata) och från Karlstads kommuns baskarta. För generalisering av vägar användes kartobjekt från kommunikationsdelen i GSD-Fastighetskartan, som är Lantmäteriets mest detaljerade karta. Kartans koordinat- system i plan är SWEREF 99 TM och den är lämplig för visning i skalor mellan 1:5 000 och 1:20 000. Vägarna uppdateras kontinuerligt genom flygbildstolkning och genom samverkan med Trafikverket och NVDB (Nationella vägdatabasen) (Lantmäteriet 2020).
Generaliseringen genomfördes på väglinjerna i skiktet VL, vilket innehåller ett topologiskt nätverk av allmänna och enskilda vägar. Fullständigheten för dessa vägar är enligt Lantmäteriet (2020) hög, eftersom de syns bra i ortofoton och är lätta att uppdatera.
Noggrannheten är ungefär 1 meter. De olika vägarna i skiktet VL redovisas i Tabell 2.
Tabell 2. Vägar i skiktet VL i GSD-Fastighetskartan.
Detaljtyp Beskrivning
VÄGA1.M Allmän väg klass 1
VÄGA1U.M Allmän väg klass 1, underfart/tunnel VÄGA2.M Allmän väg klass 2
VÄGA2U.M Allmän väg klass 2, underfart/tunnel VÄGA3.M Allmän väg klass 3
VÄGAS.D Allmän väg med skilda körbanor
VÄGASU.D Allmän väg med skilda körbanor, underfart/tunnel VÄGBN.M Bilväg/gata i samlad bebyggelse & enskild väg
VÄGBNU.M Bilväg/gata i samlad bebyggelse & enskild väg, underfart/tunnel VÄGBS.M Sämre bilväg
VÄGBSU.M Sämre bilväg, underfart/tunnel
VÄGGG.D Genomfartsled som knyter samman det allmänna vägnätet VÄGGG.M Genomfartsled som knyter samman det statliga vägnätet
VÄGGGU.D Genomfartsled som knyter samman det allmänna vägnätet, underfart/tunnel VÄGGGU.M Genomfartsled som knyter samman det statliga vägnätet, underfart/tunnel VÄGKV.M Kvartersväg för transport till och från fastigheter
VÄGMO.D Motorväg
VÄGMOU.D Motorväg, underfart/tunnel
I kommunikationsdelen i GSD-Fastighetskartan finns även ett skikt för övriga vägar och stigar, VO, men det är enligt Lantmäteriet (2020) rena kartdata som inte utgörs av ett topo- logisk riktigt nätverk, vilket innebär att glapp och överlagring förekommer. Därför användes inte skiktet VO vid generaliseringen. För visualisering av vägarna användes mark- dataskiktet från GSD-Vägkartan som bakgrund. GSD-Vägkartan är lämplig för visning i skala 1:100 000 och kartans koordinatsystem i plan är SWEREF 99 TM (Lantmäteriet 2019).
För generalisering av byggnader användes kartobjekt från byggnadsskiktet i Karlstads kommuns baskarta. Baskartan är lämplig för visning i skalor mellan 1:200 och 1:2 000 och innehållet är framställt från flygbilder med flyghöjd på 800 och 1 000 meter samt från terrester mätning (Karlstads kommun 2019). Byggnaderna ligger i koordinatsystemet SWEREF 99 TM. För visualisering av de generaliserade byggnaderna användes markdata- delen och kommunikationsdelen i GSD-Fastighetskartan som bakgrund.
3.1.2 Programvaror
De programvaror som jämfördes i studien och som användes för generalisering är ArcGIS Pro 2.1.2 och FME Desktop 2018.1.2.1. ArcGIS Pro är Esri’s senaste GIS- programvara som kan användas för bland annat framställning av 2D- och 3D-kartor (Esri u.å.d). FME är enligt Safe Software (u.å.f) en dataintegrationsplattform från Safe Software, i vilken produkten FME Desktop ingår. FME Desktop kan användas för att med drag-och- släpp-teknik modellera upprepbara arbetsflöden som kan användas för omvandling av data, i detta fall generalisering. ArcGIS Pro användes även för visualisering och grafisk jämförelse av alla generaliserade kartografiska objekt.
3.2 Genomförande
Jämförelsen mellan generaliseringsverktygen i de två programvarorna delades in i två steg.
I det första steget generaliserades vägar och byggnader i båda programvarorna. I det andra steget jämfördes verktygen baserat på hur de fungerade, deras möjlighet till val av para- metrar och resultatet från generaliseringen i det första steget.
3.2.1 Generalisering av vägar
Eftersom GSD-Fastighetskartan är gjord för att kunna presenteras i skala 1:20 000 togs beslutet att generaliseringen av vägarna skulle göras på ett sådant vis att kartobjekten skulle kunna presenteras i skala 1:50 000 och 1:100 000. Dessa är skalor i vilka alla vägar inte kan redovisas om kartan ska vara läsbar och generalisering av linjerna behövs för att minska deras detaljnivå.
Metoden som användes för att generalisera vägarna liknade den i studien av Azimjon m.fl.
(2014). Inledningsvis gjordes en klassificering, efter det gjordes ett automatiskt urval av vilka vägar som skulle vara med i nätverket, vilket följdes av en förenkling och till sist en utjämning av vägarna. Den preprocessing av kartobjekten som föreslås av Stanislawski m.fl.
(2014), där överlappande vägar tas bort och alla vägar delas där de korsar varandra, behövde
inte genomföras eftersom vägarna i skiktet VL utgörs av ett topologiskt korrekt nätverk.
Däremot förekom ett antal multiparts, men dessa gick att åtgärda antingen i ArcGIS Pro med verktyget Multipart To Singlepart eller i FME Desktop med verktyget Deaggregator.
Ytterligare preprocessing som gjordes var att vägarna med reclassification delades in i fyra klasser baserat på deras storlek och hur viktiga de kan komma att vara för presentation i mindre skalor. Vägarna fick genom enrichment ett nytt attribut, Hierarchy, och varje väg tilldelades en siffra för vilken klass den tillhörde. Klassindelningen redovisas i Tabell 3.
Tabell 3. Hierarkisk klassindelning av vägar inför generalisering av vägnätverk.
Klass 1 Klass 2 Klass 3 Klass 4
VÄGMO.D VÄGA1.M VÄGASU.D VÄGBN.M VÄGBS.M
VÄGMOU.D VÄGA1U.M VÄGGG.D VÄGBNU.M VÄGBSU.M
VÄGA2.M VÄGGG.M VÄGKV.M
VÄGA2U.M VÄGGGU.D
VÄGA3.M VÄGGGU.M
VÄGAS.D
När generaliseringen av själva vägnätverket skulle göras där det skulle tunnas ut hittades ingen lämplig metod för att genomföra denna typ av generalisering i FME Desktop. Ett försök gjordes att filtrera bort vägar baserat på deras plats i hierarkin. Vägar av klass 4 kunde utan problem filtreras bort ur resultatet, men filtrerades vägar av klass 3 bort blev nätverket för glest. Ett försök gjordes att vägar av klass 3 var tvungna att nudda vägar av klass 1 eller 2 för att behållas i nätverket, men utan lyckat resultat. Ingen metod kunde hittas för att slå samman parallella vägar i FME Desktop. Detta ledde till att resultatet från ArcGIS Pro efter generaliseringen som gick ut på att tunna ut nätverket fick användas som indata till förenklingen och utjämningen av själva väglinjerna i de båda programvarorna.
Verktyget som användes för att glesa ur vägnätverket i ArcGIS Pro var Thin Road Network.
Innan detta verktyg användes verktyget Merge Divided Roads, eftersom flera väglinjer löpte parallellt. Endast vägar med samma detaljtyp slogs samman för att symboliseringen av vägarna skulle bli korrekt, annars skulle en enskild väg som löper parallellt med en motorväg kunna slås samman med motorvägen och vid symboliseringen av den färdiga kartan skulle denna sträcka motorväg då av misstag kunna symboliseras som enskild väg. Det minsta avståndet som parallella vägar skulle ha mellan varandra utan att sammanslås sattes till 30 meter. När verktyget Thin Road Network kördes för att generalisera vägarna till skala 1:50 000 sattes den minsta väglängden till 1 000 meter. I studien av Stanislawski m.fl. (2014) rekommenderas en minsta väglängd på 1 500 meter i täta områden, men enligt Esri (u.å.e) rekommenderas 500 till 1 000 meter beroende på nätverkets karaktär. Verktyget Collapse Road Detail kördes med ett avstånd på 100 meter. Större avstånd testades, men det resulterade inte i att de oönskade detaljerna försvann, utan snarare att nya vägar skapades på fel ställen. För att undvika inkonsekvens i datamängden och att tidigare bortrensade vägar skulle dyka upp igen i skala 1:100 000 gjordes generaliseringen av vägnätverket till
denna skala från det generaliserade nätverket i skala 1:50 000, enligt studien av Nyberg m.fl.
(2018). Verktyget Thin Road Network kördes på nytt, men denna gång med en minsta väglängd på 2 000 meter. Enligt Stanislawski m.fl. (2014) rekommenderas en minsta väg- längd på 4 000 meter för ett tätt nätverk i den tänkta skalan, men enligt Esri (u.å.e) rekommenderas 1 000 till 2 000 meter beroende på nätverkets karaktär. Verktyget Collapse Road Detail kördes också på nytt, med ett avstånd på 200 meter. Arbetsflödet för att tunna ut vägnätverket i ArcGIS Pro redovisas i bilaga 1. Flödet gäller den grafiska generaliseringen efter enrichment och reclassification. I bilaga 2 redovisas även arbetsflödet för försöket att tunna ut vägnätverket i FME Desktop.
Förenklingen av vägarna gjordes med Douglas-Peucker-algoritmen i både ArcGIS Pro och i FME Desktop, eftersom jämförelsen mellan programvarorna blir mest rättvis om samma algoritm används i båda och utöver Wang-Müller är Douglas-Peucker den enda förenklings- algoritm som finns att tillgå i båda programvarorna. Enligt Azimjon m.fl. (2014) och Regnauld & McMaster (2007) är Douglas-Peucker den mest optimala förenklingsalgoritmen för vägar. I ArcGIS Pro användes verktyget Simplify Line och i FME Desktop användes verktyget Generalizer. Toleransen sattes i båda programvarornas verktyg till 50 meter vid förenkling till skala 1:50 000 och till 100 meter vid förenkling till skala 1:100 000. För ut- jämning av vägarna valdes olika algoritmer i de olika programvarorna, eftersom verktygen inte använde sig av någon gemensam algoritm. I ArcGIS Pro gjordes utjämningen med algoritmen PAEK, eftersom den enligt Esri (u.å.j) generellt ger bättre resultat än Bezier Interpolation, som är den andra utjämningsalgoritmen i verktyget. Toleransen sattes till 2 000 meter respektive 4 000 meter. I FME Desktop gjordes utjämningen med algoritmen NURBfit, eftersom den enligt Safe Software (u.å.e) ska simulera en kartografs arbete.
Polynomgraden sattes till det minsta värdet 2, eftersom kurvor i vägarna plattades ut nästan helt vid högre värden. Segmenth length sattes till 50 respektive 100 meter för de olika skalorna, eftersom ett lägre värde skapade större filer, men ett högre värde påverkade det grafiska utjämnade resultatet negativt. Arbetsflödet för förenkling och utjämning av vägar samt val av parametrar redovisas i bilaga 3 för ArcGIS Pro och i bilaga 4 för FME Desktop.
3.2.2 Generalisering av byggnader
Eftersom Karlstads kommuns baskarta är gjord för att presenteras i skala 1:2 000 togs beslutet att generaliseringen av byggnaderna skulle göras på ett sådant vis att kartobjekten skulle kunna presenteras i skala 1:10 000 och 1:20 000. Dessa är skalor i vilka byggnader fortfarande kan presenteras enskilt, men i webbkartor inte alltid gör det, eller så redovisas de, men utan någon direkt generalisering.
Vid generaliseringen av byggnaderna gjordes bedömningen att den andra metoden i studien av Droppová (2011) skulle användas, där processen såg ut så att sammanslagningen av byggnadspolygonerna gjordes först och efter det endast en generalisering, eftersom fördelarna med att använda den första metoden inte var stora och huvudsaken i denna studie ansågs vara att samma metod användes i både ArcGIS Pro och FME Desktop för att jämförelsen skulle bli rättvis. Sammanslagningen som gjordes av ytorna baserades på
hur nära byggnadsytorna låg varandra, vilket enligt Deng m.fl. (2018) ska vara en beprövad metod.
När generalisering av byggnaderna gjordes till skala 1:10 000 gjordes ingen samman- slagning, eftersom det är möjligt att urskilja alla enskilda byggnader i den skalan.
Generaliseringen i ArcGIS Pro gjordes med verktyget Simplify Building, Den minsta arean sattes till 50 kvadratmeter, eftersom byggnader mindre än så är svåra att utskilja och förenklingstoleransen sattes till 10 meter, för att eliminera små detaljer på byggnaderna.
Generaliseringen i FME Desktop gjordes genom att byggnadernas area beräknades med verktyget AreaCalculator, för att byggnaderna med en mindre area än 50 kvadratmeter skulle kunna filtreras bort ur datamängden. Efter det kördes två Bufferer-verktyg. Det första skapade en buffertzon på 5 meter runt alla byggnader, vilken fyller igen inåtgående detaljer eller hålrum med en bredd på mindre än 10 meter i byggnaderna. Det andra skapade en buffertzon på -5 meter, för att återställa byggnaderna till deras ursprungsstorlek. Ett försök gjordes där samma metod användes för att eliminera utstickande byggnadsdelar med en bredd på mindre än 10 meter genom att först skapa en negativ buffertzon för att sedan återställa den, men det fungerade inte tillfredsställande och flera byggnader deformerades eller var för smala för att åtgärden skulle kunna genomföras och försvann därmed helt, se Figur 9.
Figur 9. Exempel på misslyckad generalisering med verktyget Bufferer: A byggnad i indata, B en negativ buffertzon har skapats på -5 meter i byggnaden (ursprungsbyggnadens kontur syns i rött) och C buffertzon har
skapats på 5 meter för att återställa byggnadsstorleken.
Verktyget Generalizer fick istället användas för att generalisera byggnaderna. Algoritmen Wang-Müller användes för resterande generalisering av byggnadspolygonerna efter att alla förenklingsalgoritmer testats och Wang-Müller var den som deformerade byggnaderna minst och bäst behöll deras ortogonala linjer. Generaliseringstoleransen sattes till 4 meter. Innan själva generaliseringen, efter användningen av Bufferer-verktygen, behövde även verktyget Deaggregator användas eftersom några multiparts skapades i samband med buffertzonerna.
Generaliseringen av byggnader till skala 1:20 000 gjordes precis som för vägnätverket från tidigare generaliserade kartobjekt i skala 1:10 000, för att behålla konsekvensen i data- mängden. Denna generalisering började med en sammanslagning. I ArcGIS Pro gjordes sammanslagningen först med verktyget Aggregate Polygons, där minsta avståndet mellan byggnader fick vara 5 meter utan att de slogs samman, minsta area sattes till 70 kvadratmeter för att så få bostadshus som möjligt skulle tas bort och minsta hålstorlek inuti samman- slagna huspolygoner sattes till 100 kvadratmeter. Alternativet för att behålla polygonernas
ortogonala form bockades i. Verktyget Simplify Building kördes med en minsta area på 70 kvadratmeter och en förenklingstolerans på 20 meter. I FME Desktop användes verktyget AreaAmalgamator för sammanslagningen. En sammanslagning mellan både egna och andra polygoner valdes, den maximala triangelbredden och triangellängden sattes till 5 meter, minsta hålstorleken till 100 kvadratmeter. Byggnadernas area beräknades på nytt och alla under 70 kvadratmeter filtrerades bort. Verktygen Bufferer och Generalizer användes på samma sätt som vid föregående generalisering, men med buffertzoner på 10 meter och en generaliseringstolerans på 8 meter. Arbetsflödet för generalisering av byggnader och val av parametrar redovisas i bilaga 5 för ArcGIS Pro och i bilaga 6 för FME Desktop.
3.2.3 Jämförelse mellan verktyg
En jämförelse gjordes mellan de olika generaliseringsverktygen i de båda programvarorna genom att en sammanställning gjordes över vilka verktyg som fanns tillgängliga för vilka typer av generaliseringsmetoder samt över vilka parametrar som gick att välja mellan i verk- tygen. Tidtagning gjordes under allt generaliseringsarbete för att undersöka om det fanns några väsentliga skillnader i hur snabbt processerna genomfördes. Resultatet av all generalisering kvantifierades genom att linjeantal, antal brytpunkter, antal byggnader och byggnadsareor sammanställdes från före och efter generalisering.
4 Resultat
Följande kapitel presenterar resultatet från jämförelsen mellan generaliseringsverktygen.
Inledningsvis presenteras de kvantitativa resultat som generaliseringen av vägarna och byggnaderna i de båda programvarorna resulterade i. Därefter presenteras en samman- ställning och jämförelse mellan verktygen som använts i de båda programvarorna. Detta följs av jämförelsen mellan de kvantitativa resultaten från generaliseringen och därefter jäm- förelsen mellan de grafiska resultaten från generaliseringen.
4.1 Generalisering av vägar
4.1.1 Generalisering i ArcGIS Pro
Processen för att tunna ut vägnätverket med Merge Divided Roads, Thin Road Network och Collapse Road Detail i ArcGIS Pro tog 1 minut och 30 sekunder. Antal vägar före och efter generaliseringen för de två skalorna redovisas i Tabell 4. Inga vägar av klass 1 rensades bort och endast ett fåtal vägar av klass 2 rensades bort i båda skalorna. Nästan alla vägar av klass 4 rensades bort. Av klass 3 rensades ungefär hälften bort vid generalisering till skala 1:50 000 och vid generalisering till skala 1:100 000 återstod endast en fjärdedel av vägarna.
Den totala minskningen av vägar redovisas procentuellt i Tabell 11 i kapitel 4.3.2.
Tabell 4. Antal vägar före och efter generalisering i ArcGIS Pro.
Väg- klassificering
Antal före generalisering
Antal efter generalisering 1:50 000
Antal efter generalisering 1:100 000
1 79 104 104
2 1 672 1 585 1 545
3 6 577 2 840 1 797
4 1 662 380 168
Totalt 9 990 4 909 3 614
Förenklingen och utjämningen av vägnätverket tog 10 sekunder att genomföra i ArcGIS Pro. Antal brytpunkter samt vägnätverkets filstorlek före förenkling, efter förenkling och efter utjämning redovisas i Tabell 5. Förenklingen gjorde att antal brytpunkter och fil- storleken minskade i de båda skalorna. Utjämningen påverkade i sin tur filstorleken olika i de olika skalorna, men förändringen i filstorlek var betydligt mindre efter utjämning än efter förenkling. Antal brytpunkter ökade något efter utjämning i de båda skalorna. Förändringen i antal brytpunkter och filstorlek redovisas procentuellt i Tabell 11 i kapitel 4.3.2.
Tabell 5. Antal brytpunkter i väglinjerna och filstorleken i MB före och efter generalisering i ArcGIS Pro.
Före förenkling Efter förenkling Efter utjämning
Skala Antal brytpunkter
1:50 000 52 874 10 434 12 374
1:100 000 38 974 7 384 7 806
Skala Filstorlek i MB
1:50 000 2,75 2,44 2,40
1:100 000 2,02 1,72 1,75
