Comment comparer deux cartes pour déterminer laquelle est la meilleure?

10

J'essaie de faire une comparaison objective de deux cartes différentes pour la même région. Pour le moment, j'ai du mal à définir des critères qui me permettront de faire une évaluation impartiale.

Quelqu'un a-t-il des idées sur la façon de procéder ou sur la façon dont je devrais aborder le problème?

Comme vous pouvez le voir, aucune des cartes n'est supérieure, quelques lacunes sur l'ensemble bleu, quelques-unes sur le rouge.

entrez la description de l'image ici

Styp
la source
7
La question est très mal définie? Qu'entendez-vous par qualité? Y a-t-il des présomptions concernant l'exhaustivité, la précision, la géométrie ...? Existe-t-il un troisième ensemble de données de référence auquel comparer?
petzlux
Juste une pensée, pourquoi ne pas les comparer en utilisant des images aériennes à haute résolution? Peut-être même les convertir en KML et évaluer leur précision dans Google Earth.
Aaron
2
@Martin, demandez-vous une méthode pour mettre en évidence les différences géométriques des deux couches?
artwork21
1
Il y a beaucoup de littérature sur le sujet. Quelques articles pour vous aider à
underdark
1
Cette question n'a-t-elle pas vraiment grand-chose à voir avec la cartographie ou les cartes mais plutôt la qualité des données? Peut-être pourriez-vous reformuler votre question et fournir plus de contexte du côté de la qualité des données.
blah238

Réponses:

14

Cette réponse décrit une méthode objective pour mesurer les écarts arbitraires entre deux ensembles de données spatiales. Ces écarts peuvent inclure des changements de position, des changements de forme et des caractéristiques présentes dans un ensemble de données mais pas dans un autre. Cette réponse ne pas fournir un moyen pour déterminer qui est « mieux » , parce que cela dépend beaucoup plus que les données et dépend notamment de ce que les données seront utilisées pour.

Contexte

Une bonne base pour un grand nombre de ces mesures repose sur la transformée de distance euclidienne de chaque ensemble de données. Ainsi, chaque jeu de données représente une collection de points dans le plan. Appelons ces collections B pour les traits bleus et R pour les traits rouges.

Pour tout point x dans le plan, la distance euclidienne de transformation d'un ensemble de points A calcule la borne inférieure des distances entre x et A . On peut penser à cette transformation en créant une « surface » dont la hauteur à x est égale à la distance la plus courte de x à A . Ainsi , cette surface présente des vallées , à tous les points de A , où sa hauteur est égale à zéro, et monte à 1: 1 pente loin de A . Il est clair que la transformation de distance détermine à son tour A (ou techniquement sa fermeture métrique , qui pour les jeux de données SIG est la même que A) comme l'ensemble de tous les points à une hauteur de zéro. Ainsi, la transformation de distance capture complètement toutes les informations spatiales de A que le SIG est capable de représenter.

Figure 1

Cette figure montre les transformations de distance de B (à gauche) et R (à droite) en pseudo-relief.

Comparaison de deux ensembles de données

Pour comparer B et R , superposez chacun avec la transformation de distance de l'autre:

Figure 2

Les valeurs de distance sont affichées sous forme de couleurs graduées du bleu (près de 0) au rouge.

La carte de gauche, par exemple, montre les points de B et couleurs selon leurs distances de R . Les rôles de B et R sont inversés dans la carte de droite.

Déjà ceux-ci aident l'œil à faire des comparaisons: chaque carte montre les points d'un ensemble de données et, par son utilisation de la couleur, souligne les points qui sont loin de tout point dans l'autre ensemble de données. Notez que les deux cartes sont nécessaires pour la comparaison, car chacune montre des points non sur l'autre.

Sur les cartes détaillées, la couleur peut être difficile à voir, nous pouvons donc choisir de la flouter un peu pour la présentation ou l'évaluation visuelle:

figure 3

NB: Les couleurs ne sont pas comparables entre les deux cartes: à l'intérieur de chaque carte, elles sont mises à l'échelle pour montrer la gamme complète des distances sur cette carte.

Analyse statistique des différences

La beauté de cette approche réside dans ce qui peut être fait en post-traitement. En utilisant un raster pour représenter les transformations de distance et leurs superpositions, nous pouvons facilement obtenir des statistiques - locales et globales - pour mesurer les écarts. Par exemple, nous pourrions nous concentrer sur toutes les distances supérieures à un petit seuil et explorer leur distribution de fréquence:

Figure 4

Dans cet histogramme, les barres bleues sont pour les entités bleues, les barres rouges pour les entités rouges. (Notez l'échelle logarithmique sur l'axe horizontal.) Cet histogramme montre les données superposées d'origine, pas les données dérivées floues. Il n'a sélectionné que les distances supérieures à trois pixels dans l'image d'origine.

Ces histogrammes montrent qu'il est beaucoup plus probable que les traits bleus se trouvent loin des traits rouges que l' inverse : les barres bleues sont plus hautes que les rouges et s'étendent sur de plus grandes distances (à droite). L'arsenal complet de statistiques descriptives est désormais disponible pour quantifier les différences entre les deux ensembles de données. Ces statistiques peuvent être appliquées à l'ensemble de la région d'intérêt ou "fenêtrées" dessus pour explorer comment les deux ensembles de données diffèrent selon l'emplacement.

la mise en oeuvre

La plupart des SIG raster fournissent une transformation de distance euclidienne (comme EuclideanDistance dans ArcGIS et r.grow.distance dans GRASS), et tous prennent en charge la superposition (de masquage) simple nécessaire pour effectuer cette analyse. Si vous le souhaitez, le flou peut être effectué avec une moyenne de voisinage ou une convolution du noyau (qui inclut le "flou gaussien" disponible dans tous les logiciels de traitement d'image). La plupart des SIG ne fournissent pas un support adéquat pour l'analyse statistique complète des données raster, mais ils sont bons pour exporter ces données dans des formats lisibles par des logiciels statistiques et mathématiques tels que Rou Mathematica (qui a fait tous les chiffres ici).

whuber
la source
Comme toujours, votre réponse est une lecture fascinante et je trouve de nouvelles choses à apprendre et à réfléchir. Pourriez-vous également me dire comment vous avez créé le type de graphique «dessiné à la main»?
Devdatta Tengshe
3
@Devdatta L'histogramme a été créé dans Mathematica par post-traitement avec une modification de code sur mathematica.stackexchange.com/questions/11350/xkcd-style-graphs . Des exemples supplémentaires de ces graphiques sont disponibles sur stats.stackexchange.com/questions/49123/… et stats.stackexchange.com/questions/48973/… et stats.stackexchange.com/questions/48467/… .
whuber
4

Puisqu'il s'agit d'un problème de validation de la géométrie à première vue, chargez l'imagerie actuelle et voyez si vous pouvez valider les rues comme existantes ou présentes. Il est probable qu'un ensemble de données soit plus récent et / ou plus complet. Découvrez quel ensemble de données a la plus grande précision horizontale et lequel a été collecté le plus récemment et par quel processus. Est-ce une différence entre les traces de tigre, osm, gis et gps? L'imagerie est votre ami ici, au moins des images précises comme HAIP de millésime récent. Le critère pourrait être, l'exhaustivité, la couverture, l'exactitude, l'exactitude, la devise.

lewis
la source
1

Je pense que suite aux commentaires et réponses ci-dessus (peut-être que cela devrait aussi être un commentaire plutôt qu'une réponse) mais j'utiliserais ce que j'ai jamais mis à disposition pour valider les fichiers par comparaison visuelle. Choisissez des entités pour lesquelles des données tracées précises sont disponibles ... comme les réseaux routiers (en Angleterre, l'Écosse et le Pays de Galles sont disponibles gratuitement auprès d'OS).

Dans le prolongement de la suggestion d'utiliser Google Earth et les images. Utilisez le plugin openlayers pour charger des images satellites en arrière-plan et comparer à nouveau.

Beaucoup de cartes précises et gratuites à utiliser comme base de comparaison.

Ger
la source
Malheureusement, j'ai commencé à faire cette comparaison sur la base du fait qu'OSM et d'autres cartes OpenSource ne sont vraiment pas aussi précises que nous le pensons. Mais l'entrée sur l'utilisation des images satellites est une piste à suivre!
Styp