3D-Stadtmodellierung auf heterogenen Ausgangsmodellen mittels evolutionärer Algorithmen

Abstract

Die vorliegende Arbeit beschreibt ein neuartiges Verfahrens zur flexiblen und effizienten 3D-Stadtmodellierung im Kontext der Verfügbarmachung von 3D-Stadtmodellen. Ausgangspunkt ist die Heterogenität existierender und zukünftiger Modelle mit dem Ansatz, diese in einem gemeinsamen Datenpool zusammenzuführen, modellübergreifende Beziehungen fest-zustellen und ein umfassendes Zielmodell automatisch zu erreichen. Die Ausgangsmodelle können verschiedenster Auflösung, Qualität, Vollständigkeit, Herkunft, Formates und auch zueinander widersprüchlich sein.<br /> Die Bildung des Zielmodells stellt sich als komplexes Optimierungsproblem dar, wofür sich die aus der Informatik kommenden Evolutionären Algorithmen (EA) als neuartiges Verfahren bewährt haben. Die EA bilden die Darwinsche Evolutionstheorie auf mathematische Probleme ab, indem Datensätze als Individuen betrachtet werden, die sich vermehren, beeinflussen, ändern und sterben. Ein Bewertungssystem lässt die heterogene Menge von Individuen nach dem Grundsatz ”Survival of the fittest“ auf ein Zielmodell zusteuern.<br /> Um die Methodik der EA auf die 3D-Stadtmodellierung zu übertragen, wird ein zugleich den Anforderungen der EA, der Ausgangsmodelle und der 3D-Stadtmodellierung genügendes Datenmodell entworfen. Das EA-Modell wird, ausgehend vom Stand der Forschung, problemspezifisch analysiert, angepasst und erweitert.<br /> Die Ausgangsdaten werden durch Operatoren, die als Implementierungen der EA-Grundrechenarten wirken, zum Ziel geführt. Es wird ein Pool von Operatoren entworfen, sowohl einzeln als auch im komplexen Zusammenspiel der EA analysiert und anhand praktischer Beispiele anschaulich dargestellt. Das Verfahren kann auf den Umgang mit sich überlappenden heterogenen Datensätzen verallgemeinert werden.