Skip to main content

Machine Learning og faglig viden er løsningen til at vektorisere og georeferere Banedanmarks ledningsoplysninger

This idea is a part of Banedanmark - Digitisation of cable drawings

Sune_20191
December 15, 2019

For at få det bedste resultat er vores vurdering at man skal tage den information vi allerede kender og bruge den intelligent til at trække yderligere information ud af tegningerne. 

I det eksisterende Asset management data findes der masser af signaturmæssigt, let genkendelige punkt features så som sporskifter, bygninger og signaler (referencepunkter) der er placeret korrekt geografisk. Historisk set har man betragtet hver station som et isoleret område og derfor skal man vide hvor man er. Det fremgår af tegningshovedet og er allerede trukket ud af tegningerne hvis de ligger i ProArc. Tegningstypen er ligeledes i tegningshovedet eller i ProArc.  

Vores metode er delt op i nogle logiske trin der bygger på genkendelse af de fundne referencepunkter på tegningerne ved hjælp af klassifikation og machine learning teknikker. Matchende referencepunkter benyttes til at georeferere først tegningerne og i sidste ende de ledningsoplysninger der er på dem.  

Under processen trænes algoritmerne løbende, så genkendelsen bliver skærpet. Der vil blive beregnet usikkerhed på klassifikationen, som gør det muligt at opdele tegningerne i bestemmelsessværhedsgrader.  

De ikke umiddelbart klassificerbare tegninger der findes efter hver klassifikation, vil indgå i en vurdering af om symbologien er anderledes og skal indgå som ny læring eller om der er tale om tegninger hvis symbologi ikke kan oversættes og derfor skal vurderes manuelt eller helt udelades fra processen.  

På grund af den store tidsperiode tegninger dækker, vil det være nødvendigt at foretage flere klassifikationer, så alle tiders objekt-symbologier kan genkendes som de forsyningsarter de repræsenterer.  

Udover usikkerheds beregninger, vil manuel KS blive benyttet til at vurdere georefereringen eller mangel på samme og viden herfra føres tilbage til læringen og klassifikationen. 

Vektoriseringen foretages i en automatiseret proces via python scripts der både vektoriserer og foretager topologi tjek på de vektoriserede data og knytter attribut data til ledningerne. Det vil være nødvendigt at lave KS på de vektoriserede data. KS vil blive foretaget via en kombination af normale tilgængelige værktøjer for topologi regler og netværkssammenhænge samt manuelle tjek fra fagpersoner indenfor ledningsregistrering af de forskellige forsyningsarter.  

Topologi håndteringen vil blive tilrettet via KS. 

Data vil blive leveret som en fil-geodatabase eller andet format efter ønske. Data kontrol scripts kan ligeledes udleveres efter ønske.  

Data flowet er vedhæftet. 

Comments