Development of geo-data analysis methods - from data enrichment to advanced visualization and communication Mathias Jahnke Arbeitsgruppe Automation in Kartographie, Photogrammetrie und GIS 27.09.2010 Dresden
Mehr Daten, mehr Karten? Eine immer größere Vielfalt und Verfügbarkeit an Daten stellt neue Herausforderungen Daten werden erhoben, geordnet, strukturiert und zusammengeführt Ein Endprodukt soll den Ansprüchen des Nutzers genügen 2
Kartographie Multimodales Routing Matching & Conflation 2D/3D- Visualisierung Punktwolken Liniennetze Volumina Flächen Datenstrukturen Punktdaten Gebäude- daten Flächendaten ATKIS Teleatlas OpenStreetMap ÖPNV Kommunen 2D/3D-Generalisierung 3
Organisation von Geodaten Organisation der Daten angepaßt an die Aufgabe oder ein Szenario Integrierte Datensätze (z.b. Straßen, ÖPNV, etc) Routing (multimodal) vs. Daten
Auf dem Weg zu eine Multimodalen Datensatz Datensätze mit verschiedenen Modes (Auto, ÖPNV, Bahn) vorhanden Zusammenführen der verschiedenen Datensätze anhand gleicher Informationen in beiden Datensätzen Übertragen der Informationen von einem in den anderen Datensatz
Matching und Conflation Schritt 1: Machting von Straßennetzen Schritt 2: Übertragung von Informationen (conflation) Schritt 3: Neu Organisation der Datenstruktur (Knotenpunkte) 6
Multimodales Routing Vorhaben: Berücksichtigung verschiedener Transportmöglichkeiten bei der Routenplanung Datenmodel Hybride Netzwerkstruktur basierend auf Switch- Points Algorithmen Multimodal label-setting & label-correcting 7
Multimodal Route Planning
2D Visualisierung Web basierte ATKIS Visualisierung auf Grundlage der AAA Signaturenkataloge Anpassungen von Linienbreiten und Farben an die Bildschirmvisualisierung Plattform: MapServer Integrierte Daten: ATKIS Basis-DLM Digitale Orthophotos Corine Land Cover Daten
Lehrstuhl für Kartographie 2D-Visualisierung
2D Visualisierung
3D Generalisierung Hongchao Fan 12
Lehrstuhl für Kartographie 3D Gebäude Visualisierung Ausgang Ziel Usability y Gestalt Prinzipien Kognitives Design Kartographische Variablen 13
3D Gebäude Visualisierung Darstellung nicht sichtbarer Informationen aus Infrarotbildern 14
Lehrstuhl für Kartographie 3D Gebäude Visualisierung 15
Punktmassendaten Punktmassendaten in 2D Bewegungen von Zuschauer- oder Besucherströmen Mobiltelefone Punktmassendaten in 3D Flugzeugbewegungen g g g Blitze 16
3D Punktmassendaten S L I D E R 1 : T I M E clustering method Autoclust NN K means Voronoi Boundary-based SNN SFN DBC clustered points 3D Density Visualisation SLIDER 2: number of cluster SLIDER 3: radius (bandwidth) 17
Fazit Problem: Information und Kommunikation Wie macht man Informationen zugänglich? Was ist eine nutzerorientierte Visualisierung? Datenorganisation und aggregation Auswahl einer passenden Visualisierungsform Datenhaltung und Organisation
Willkommen in München 2011 http://www.eogc2011.tum.de/ http://www.carto-tum.de 19
Mathias Jahnke Lehrstuhl für Kartographie Arcisstraße 21 80333 München jahnke@bv.tum.de 20