GEOFORUM 201 - Februar by Geoforum

Mø d estedet fo r geog rafi s k i n for mat i on • Fe b r u ar 201 9 • N r. 2 01

TEMA

Machine Learning

Machine Learning og GIS - Hvad kan vi? Side 4

KORT NYT TEMANUMRE I forårets numre af GEOFORUM bringer vi en række artikler, som vi sammensætter, blandt andet ud fra temaer inspireret af Kortdage 2018. I dette årets andet nummer af GEOFORUM er det et tema om Machine Learning, der forklarer om teknologien og viser de første gode eksemplerpå anvendelse i geodata-branchen. Herefter følger artikler indenfor temaer som visualisering, satellitdata, droner, forsyning, og ejendomsdata. Hvis man som læser sidder derude og får lyst til at bidrage med en artikel inden for ét af de ovenstående temaer, så send os en mail og få mere information om formen og rammerne for en artikel.

INTENSIVERET SAMARBEJDE MELLEM RUMVIRKSOMHEDER OG SKOLER En ekstrabevilling gør det nu muligt at etablere et bedre samarbejde mellem rumvirksomheder og lokale skoler. Det skal ske gennem Tektanken - det nationale netværk for skole-virksomhedssamarbejde, der allerede omfatter 300 danske virksomheder. Virksomheder i geodata-branchen, der arbejder med satellitdata, hører under betegnelsen rumvirksomheder og kan dermed komme i betragtning.

Skriv til redaktør Mette Borg, mbo@geoforum.dk. Læs mere på Uddannelses- og Forskningsministeriets hjemmeside.

TEKNOLOGISK BOOST TIL DANSK KONKURRENCEEVNE Uddannelses- og Forskningsministeriet medﬁnansierer over de kommende to år forskning og udvikling for mere end 600 millioner kroner ved de syv danske GTS-institutter. Det skal give danske virksomheder adgang til at udnytte de nyeste teknologier og forskningsresultater. Brugen af satellit-, drone-, IoT- og crowdsourcing data er blandt områderne i de i alt 80 nye konkrete aktiviteter, der støttes. Læs mere på Uddannelses- og Forskningsministeriets hjemmeside.

GEOFORUM ISSN 1602-4435 Medlemsblad for Geoforum Danmark, der er en ideel forening, som på landsplan arbejder for at fremme den samfundsmæssige nytte af geografisk information.

BRUGEN AF DATA FRA KORTFORSYNINGEN FORDOBLET PÅ TO ÅR Med hele 6,84 mia. forespørgsler til Kortforsyningen i 2018 sættes ny rekord for udbredelsen af brugen af geodata. Der er tale om mere end en fordobling siden 2016. Det var blandt andet lanceringen af skråfotos i 2018, som bidrog til væksten. Læs mere på SDFE’ hjemmeside.

Geoforum Danmark Kalvebod Brygge 31 1560 København V Tlf. 38 86 10 75 geoforum@geoforum.dk www.geoforum.dk

Redaktør og graﬁker Mette Borg mbo@geoforum.dk

EFTERSPØRGSEL PÅ GEOFORUMS JANUARAKTIVITETER Mere end 100 medlemmer af Geoforum har i januar haft glæde af arrangementsudvalgenes tre nytårskure og kompetenceudvalgets adressekursus. Vi har haft to nytårskure i Silkeborg (om klimaforandringerne) og i København (byvandring), hvor der har været en rigtig god stemning og netværk. I skrivende stund går det løs med nytårskur i Vejle (3D Lab) og adressekurset i Roskilde, så vi er kommet godt fra start i 2019. Kompetenceudvalget har barslet med en oversigt over kurser, seminarer og workshops i 2019. Se den og læs mere på side 15, i denne udgave af medlemsbladet, GEOFORUM.

Forsideillustration Over temaet Machine Learning Trykkeri KLS Grafisk Hus A/S Oplag: 1.400

Kommende numre Deadline Nr. 202 4. feb. 2019 Nr. 203 12. mar. 2019 Annoncer i bladet Se annoncepriser på www.geoforum.dk/ annonce

LEDER

The Sky is NO limit AF SIK CAMBON JENSEN, GEOFORUMS BESTYRELSE

Hvad siger man, når Innovation Denmark – et organ

internationalt udvalg – tak til jer for gode snakke.

under Udenrigsministeriet – kontakter dig i deres

Snakke, som ledte mig i retning af DTU og Michael

søgen efter en ’Danish Keynote’ til at repræsentere de

Linden-Vørnle, som, det skulle vise sig, var det

danske farver i Sydkorea? Man ranker ryggen, vifter

danske indslag ved konferencen sidste år. Her talte

med Dannebrog og takker ja og mange tak. Kaster sig

han om brugen af droner i udforskning og kortlæg-

derefter over tasterne for at få produceret et abstract

ning af de arktiske egne, herunder den isfrie del af

til ’Drone Show Korea 2019’ med fokus på de danske

Grønland frem mod 2022.

geo-, drone-, og data-brancher. Sidstnævnte er en stor opgave, hvor 450.000 Min mission er at skaffe opmærksomhed på danske

kvadratkilometer (10 x Danmarks areal) skal

virksomheder og brancher og gerne opnå kontakt

digitaliseres, og hvor prisen er estimeret til 60

med lignende koreanske virksomheder og brancher

millioner kroner. Man kan spørge sig selv, om ikke

for derved at styrke de stærke handelsmæssige bånd

det er dyrt og om det er så vigtigt at gøre Grønland

imellem vores to lande. Danmark er en teknologisk

digitalt? Svaret er ja, men en stor forundersøgelse

smeltedigel, hvor vi er førende i Europa og resten af

baseret på blandt andet droner viser, at det er

verden. Den historie, vil jeg tage med til Korea, at der

vigtigt. Globale klimaændringer har og vil ændre

i overlappet imellem geodata, droner og robotics

Grønland markant i disse år og skal vi kunne

findes nogle fantastiske potentialer for videre

operere i denne verden, så kræver det opdaterede

udvikling og samarbejde.

kort.

Danmark har en unik position ift. at have gode

Når Geoforum viser flaget ude i det fjerne Østen, er

grunddata (og heraf 80% geo-grunddata) til rådighed

det for at vise den del af verden, at vi i Danmark har

for alle. I dette data-økosystem spiller droner en

udfordringer udløst af globale hændelser, men at vi

større og større rolle i brug og produktion af geodata.

også har teknologien til at løse dem. Med andre ord

Når man så af dronebranchen bliver belært om, at

er Danmark en potentiel medspiller i løsningen af

robotter blot er droner, som ikke har lært at flyve

mange af vores verdens globale problemer. Det er

endnu, så kigger vi ind i en fremtid, hvor droner ikke

mit håb, at dette budskab vil blive hørt og at

blot indsamler data, men også fysisk vil kunne

kompetencer og kapital fra Østen vil kunne komme

påvirke data.

danske virksomheder, herunder den danske geodata-branche, til gavn i den sidste ende.

Som et led i mine forberedelser har jeg haft fat i et par af Geoforums udvalg, vores nye droneudvalg og

Kort Nyt

Efteruddannelse 2019

Leder

Portræt af et Geoforum medlem

Machine Learning og GIS - Hvad kan vi?

Mødekalenderen

Praktiske erfaringer med Machine Learning 6

Udpluk af arrangementer

Deep Learning og jordobservationsdata

Nyt fra virksomhederne

Automatiske ændringsudpegninger - et pilotprojekt

Machine Learning og GIS – Hvad kan vi? Machine Learning anses mange steder som ’det nye sort’, som alle taler om. Dette er måske en meget rammende betegnelse på flere måder. Denne artikel forholder sig til potentialet for Machine Learning og GIS, og til den stigende interesse for hvad, vi kommer til at se i dette spændingsfelt i de kommende år. AF MORTEN WINTHER FUGLSANG, RIGSPOLITIET

Videnskabeligt har der altid været set ned på, når producenter leverede værktøjer og metoder, der ikke var veldokumenterede, og hvor resultaterne ikke kunne forklares i såkaldte ‘Black box’-værktøjer. I Machine Learning lærer modellerne at finde mønstre, der ikke umiddelbart var identificerbare, ved at kombinere metoder, der tilpasses den enkelte case – uden at være specifikt programmeret til dette. I stedet for at bygge modellen, så gives den data, som modellen selv bygger sin logik til. Dermed bliver resultatet en analyse, som vi ikke altid rigtigt kan forklare, fordi den er et resultat af processer, som er meget komplekse. Potentialet af Machine Learning Vi skal derfor lære at forholde os anderledes til vores resultater fra disse metoder. Kan vi acceptere dette, så åbner det op for en effektiv anvendelse og udnyttelse af data, også i GIS. Hvor Big Data er brændstoffet, så er Machine Learning-metoderne de motorer, som vi kan fodre med disse store datamængder, og derved gøre det nemmere og mere effektivt at realisere potentialet i de indsamlede data. Metoderne er langt fra nye. Allerede i 1940’erne og 1950’erne blev de første neurale netværk udviklet, der kunne simulere ‘tankegang’. Siden er udviklingen gået stærkt. Især i de seneste år, hvor teknologien driver selvkørende biler, autogenererer nyhedsartikler og søger efter terrorister på Internet. Tilgængelige metoder giver nye muligheder I de senere år er værktøjerne også gradvist blevet lettere tilgængelige. Dette gør, at studerende på

GEOFOR U M • FEBR U A R 2 0 1 9

de forskellige GIS-uddannelser kan begynde at anvende disse modeller uden at have den avancerede programmør-baggrund. Dette er der allerede kommet mange spændende projekter ud af. Christoffer Nielsen, som i dette nummer af GEOFORUM skriver om sit speciale om automatiseret ændringsudpegning, er et godt eksempel på en nyuddannet geograf, der kommer ud fra universitetet med Machine Learning i sin ‘værktøjskasse’, og som vil kunne bidrage aktivt til at få realiseret potentialet i GIS. I dansk kontekst er dette ved at blive virkelighed. SDFE arbejder med AI metoder (kunstig intelligens), universiteterne forsker aktivt i koblingen med GIS, ligesom en lang række firmaer er begyndt at tilbyde værktøjer, der udnytter disse metoder. Stigende interesse for Machine Learning i geodata-branchen På Kortdage 2018 var Machine Learning sporet særdeles velbesøgt, hvilket også vidner om en stigende interesse for disse emner både i geodatabranchen og på universiteterne. I Geoforums kompetenceudvalg har vi valgt at følge op på denne interesse med det første af forhåbentligt flere seminarer om Machine Learning, den 28. februar i Aarhus. Her har et bredt udsnit af geodata-branchen givet tilsagn om at deltage og fremvise deres arbejde. Vi skal se, hvordan de kombinerer GIS og Machine Learning. Jeg glæder mig til at se arbejdet, der allerede bliver lavet, og de fremtidige cases, som disse metoder kommer til at drive.

IT TIL BY OG LAND IT-understøttelse til planlægning, udvikling og vedligeholdelse af vores fysiske miljø Software by Sweco

FME World Tour i København 26. marts Gamification er dette års tema, og der er spændende FME-nyheder på programmet. Blandt andet vises: • Machine Learning • Augmented Reality, Virtual Reality og X-Reality! • Mobilstøtte for FME • Udvidet dataintegration BIM og GIS, f.eks. valgfrit GIS-system og Revit Benyt lejligheden til at møde eksperter fra Safe Software og Sweco sammen med mange andre dygtige FME-brugere. Vi arrangerer også FME World Tour i Stockholm og Utrecht, hvis de datoer passer dig bedre. Få mere information og meld dig til på: dataflow.center/worldtour For yderligere oplysninger er du velkommen til at kontakte Mik Wulff Thomsen mikwulff.thomsen@sweco.dk

Læs mere på www.sweco.dk

Praktiske erfaringer med Machine Learning Machine Learning er et emne, der har høstet stor interesse de senere år. Med tanke på, at det matematiske fundament daterer flere årtier tilbage, kan denne intense interesse for Machine Learning virke lidt overraskende. Interessen skyldes formentlig, at teknologien nu er meget eﬀektfuld. Denne eﬀektivitet kan relateres til store optimeringsforbedringer, skaleringsmuligheder og tilgængeligheden af store datasæt. AF DAN SANDER PETERSEN, SNC-LAVALIN ATKINS

Den stigende interesse for Machine Learning kan forventeligt tilskrives en række forhold, der først er blevet indfriet i de senere år. Der er sket store optimeringsforbedringer i de metoder, der benyttes til at træne Machine Learning algoritmerne. Med de skaleringsmuligheder, der er inden for IT-infrastruktur, er det blevet lettere at indfri de beregningsmæssige krav, som algoritmerne har. Endelig er langt større datasæt til rådighed, hvilket udgør den basis, som algoritmerne tilegner sig sin læring ud fra. Netop sidstnævnte årsag er dér, hvor geoinformatikken er en stærk leverandør af data samt udfordringer, der kan takles med Machine Learning. I denne artikel giver vi tre eksempler på, hvordan vi har benyttet Machine Learning i geodata-relaterede projekter.

Analyse af overfladebelægning Vi har igennem en årrække analyseret overfladebelægning, som for eksempel analyser af asfalterede strækninger for revner, huller og slid. Analysen er baseret på billedgenkendelse i højtopløste fotografier, der tages fra et køretøj med præcisionskamera og GPS-udstyr monteret. Resultatet af overfladebelægningsanalysen præsenteres i en applikation, som angiver geografisk placering og kategorisering af f.eks. slid. På hver enkel slidangivelse er også angivet, hvad der ligger til grund for kategoriseringen med billedmateriale og analyseresultatet. Der analyseres årligt en strækning på 64.000 km og i alt 90 millioner billeder. Tidligere blev billedgenkendelse og analyse fortaget manuelt, men det var en tung og ressourcekrævende >>

Machine learning, DTS-GIS Opstart Workflow Interview med analyse team. Forstå asfalt klassifikationerne.

Miljø Setup AWS • GPU tung • Storage • Data pipeline

Data behandling Geo-referense Koordinater fra Shapefiles med Python Pixel Mask

Model træning Træning af det neurale network Modellen lærer at genkende asfalt klassifikationerne.

Model Test Test af det neural network 300 billeder bruges til at teste modellen for præcision og performance.

Dataset 14.000 billeder og shape files

Data indledende analyse

Deep Learning Library

Software udvikling

Figur 1. Faser i Machine Learning projektet vedr. analyse af overfladebelægning. 1

GEOFOR U M • FEBR U A R 2 0 1 9

INVITATION

Den Danske Esri Brugerkonference 2019

Kom med til forårets største GIS-konference

7. - 8. maj i Korsør Endnu engang byder Geoinfo velkommen til to spændende dage i Korsør med højt fagligt indhold, networking og erfaringsudveksling. Du vil få mulighed for at drøfte udfordringer og tendenser, deltage i workshops, få inspiration til egne projekter og høre inspirerende oplæg og paneldebatter.

Program

Programmet spænder bredt. Fra dybe dyk i ArcGIS-maskinrummets teknik og kodning til brugerhistorier, aktuel forskning og teknologiske strømninger som machine learning og Big Data. Du kan blandt andet høre:

Omar Maher, Practice Lead, Advanced Analytics hos Esri, som blandt andet taler om Artificial Intelligence og Machine Learning. Rolf Lyneborg Lund, Ph.d. fra Aalborg Universitet, som taler om geografi som den magiske faktor i demografisk statistik. Klaus Dons, Uddannelsesansvarlig hos Geoinfo viser nogle af de mest værdifulde og spektakulære nyheder i ArcGIS Online.

Læs mere om de mange spændende indlæg på www.geoinfo.dk.

Vi glæder os til at se dig i Korsør.

Digital Image Correlation (DIC)

Figur 2: Digital Image Correlation, DIC, til registrering af belastning, revner og bevægelse af en bro. Resultaterne af DIC har givet anledning til opdatering af internationale konstruktionsanbefalinger samt resulteret i flere internationale priser. 1

proces. Derfor startede vi et Machine Learning projekt op for at vurdere mulighederne for at automatisere billedgenkendelse og analysearbejdet. Machine Learning projektet blev gennemført på 5 måneder med faser jf. figur 1, baseret på egenudviklede algoritmer, Amazon Web Service platformen, samt med bl.a. Keras og TensorFlow software. Resultatet af projektet var så godt, at billedgenkendelse og analyse blev migreret fra manuelle processer til Machine Learning processer. Derudover var resultatet med Machine Learning mere præcist og ensartet, end resultatet af de tidligere manuelle processer var. Hvert billede analyseres på 1,25 sekunder, og der bliver nu analyseret 207.000 billeder pr. dag. Sammenlignet med de tidligere manuelle processer, så er der en tidsbesparelse på 35%. Registrering af belastning, revner og bevægelse af konstruktioner Digital Image Correlation, DIC, er en løsning, der benyttes til at registrere belastning, revner og bevægelse af konstruktioner f.eks. i broer, se figur 2. Registreringerne foretages ved brug af kameraer, som har den fordel, at der ikke er behov for fysisk kontakt til konstruktionen, samt at vej- og togspors-spærringer ikke er nødvendige.

GEOFOR U M • FEBR U A R 2 0 1 9

Registreringerne kan være som enkelte snapshots eller over tid. De benyttes typisk til at vurdere hvornår, der er behov for vedligeholdelse og reinvesteringer. Der kan spares meget store beløb, når planlægning af Asset Management vedligeholdelsesprocesser kan gøres ud fra præcise og plausible datagrundlag. DIC er fra starten tænkt som en løsning, der bruger egenudviklede billedgenkendelsesalgoritmer til højpræcisionsvurderinger af konstruktioner. Forudsigelser af forsinkelser for tog Anvendelse af Machine Learning i forudsigelse af forsinkelser kan også bidrage med intelligente og præcise prognoser, samt yde støtte til trafikstyring i beregningen af prognoser for større forsinkelser. Vi har undersøgt, om et dybt neuralt netværk kan anvendes til at forudsige afvigelser i forhold til køreplanen på Kystbanen. Data indsamlet til modelkørslerne dækker et år og indeholder ca. 570.000 ankomsttider på Kystbanen. Der anvendes en regressionsmodel med et neuralt netværk bestående af 7 lag, hvor input består af data, der angiver togenes position og tidsinformation. Output fra modellen er middelkvadratfejlen (MSE) på forsinkelsen for et givent antal testdata. Modelkørslerne viser, at det er muligt at optimere prognoserne med mere end 25% i forhold til de metoder, der anvendes i dag.

3D SCANNING & MODELLERING

TEKNISKE INSTALLATIONER

KONTAKT Niels Verner Pedersen Projektchef nvpe@niras.dk NIRAS A/S

www.niras.dk

Deep Learning og jordobservationsdata De seneste år har maskinlæringsteknikken Deep Learning været benyttet til at analysere jordobservationsdata. Det er nu muligt at kombinere rasterlag og polygonlag med Deep Learning-teknikker, hvorved man kan optræne neurale netværk, der kan automatisere arbejdsopgaver i forbindelse med kortlægning og ændringsudpeg ning. I denne artikel beskriver vi, hvordan en kunstig intelligens kan bruges til at identificere markgrænser ud fra satellitdata. AF KARSTEN ØSTERGAARD NOE, ALEXANDRA INSTITUTTET, OG MORTEN HENRIKSEN BIRK, FIELDSENSE

Komplekse informationer kan udvindes fra satellit- eller flyfotos via kunstig intelligens. Forudsætningen er, at store mængder af data, og lige så vigtigt: den nødvendige ”ground truth” data, er tilgængelig. Ground truth er et udtryk, der anvendes i maskinlæring, som beskriver det ”rigtige” (oftest manuelt specificerede) resultat, som vi ønsker, at en maskinlæringsalgoritme returnerer. Ground truth-data bruges både når algoritmerne trænes op, og til at validere, at algoritmerne virker. Markgrænser fra satellitbilleder Igennem projektet ”Udnyttelse af rumsystemer til øget vækst” (i samarbejde med Force Technology) arbejdede vi med at bruge kunstig intelligens til at fortolke jordobservationsdata. Vi udnyttede bl.a. data fra EU’ Copernicus-satellitprogram til at segmentere marker. Bevæggrunden til marksegmenteringen var, at vi skulle bruge markgrænserne til at understøtte moderne planteavl. Baseret på multispektrale satellitbilleder og lokale vejrstationer kan man gøre brugeren (fx landmanden) i stand til at overvåge udviklingen af afgrøder, oprette variable

tildelingskort til gødskning, og monitorere vejr forholdene for de enkelte afgrøder. Datagrundlaget for overvågning af afgrødeud viklingen er knyttet til specifikke marker. Det er derfor essentielt for resultatet, at vi ved, hvor hver enkelt mark befinder sig. De enkelte målinger skal associeres til den mark, hvorfra den stammer. Sentinel-2-data og neurale netværk I Danmark er informationen om de enkelte markgrænser tilgængelig takket være de markblokke, der udstilles af Landbrugsstyrelsen. Dette er dog ikke tilfældet i udlandet, hvorfor udbre delsen af systemet afhænger af, at vi automatisk og effektivt kan detektere de enkelte markgrænser i alle områder, hvor vi indsamler data. Idet vi benytter satellitbilleder fra Sentinel-2, så har vi historiske satellitbilleder tilgængelige for ethvert område i verden. Vi har i Danmark data for markskel (markblokkene fra Landbrugsstyrelsen), men vi mangler tilsvarende markskel-data for andre lande. Derfor ønsker vi at anvende kunstige intelligens >>

Figur 1. Datagrundlag for marksegmentering. Til venstre ses RGB-billedet fra et skyfrit Sentinel-2 produkt. Til højre ses de polygoner, vi bruger til at træne vores netværk.

GEOFOR U M • JA N U A R 2019

Læs meget mere om segmentering og ændringsudpegning af bygninger på orto fotos og andre eksempler på brugen af Deep Learning med jordobservationsdata i Geoforum Perspektiv nr. 32, der udkommer sammen med dette medlemsblad. Heri har vi en uddybende artikel, der tillige beskriver erfaringerne med marksegmenteringen i dybden.

Figur 2. Markgrænser fundet med Deep Learning (til højre). Ground truth ses i midten.

til at kunne detektere markskel udelukkende på baggrund af Sentinel-2-data. Løsningen er ud fra de danske markblokke at skabe et ground truth datasæt, som sammen med Sentinel-2 data kan bruges til at træne en maskinlæringsalgoritme på. Træning med danske data Deep Learning er ofte utroligt effektivt til at udlede komplekse informationer fra billeder, men det kræver store mængder af træningsdata. De store mængder af data har vi tilgængeligt, da vi har flere terabytes Sentinel-2 data for Danmark alene.

angiver sandsynligheden for, at denne udgør en del af en markgrænse. Dette er illustreret i figur 2, hvor vi ser henholdsvis input-billedet, de markgrænser, der reelt er på billedet, og det billede, som det trænede neurale netværk genererer. Flere neurale netværk involveres Igennem en række processer, der involverer flere neurale netværk, er det muligt fuldt automatisk at detektere de enkelte marker ud fra et satellitbillede. Det skal bemærkes, at vi, fordi vi har valgt en datakilde med en opløsning på 10 meter (Sentinel-2-data), ikke har plads til mange fejl i vores detekterede markgrænser. En fejl på få pixels vil hurtigt resultere i fejl på relativt store afstande, der kan gøre det besværligt at anvende vores data til fx gradueret gødskning. Vi ønsker derfor meget høj præcision af de detekterede grænser. Vi har derfor anvendt en teknik, hvor vi bruger yderligere et neuralt netværk til at forfine de detekterede markpolygoner. Netværket er trænet til at kigge på hver enkelt af de detekterede marker en ad gangen, for herefter at rette små fejl i grænserne til uden brug af andet data end det input, vi hele tiden har brugt. På figur 3 ses resultatet af marksegmenteringen, hvor billedet er blevet inddelt i polygoner for hver enkelt mark. Til venstre ses, hvordan resultatet ser ud, inden forfiningen har rettet markerne til. Til højre ses det endelige resultat.

Givet ovenstående input kan vi træne et neuralt netværk til at generere et billede af, hvor græn serne til de enkelte marker tegnes – ud fra RGB + NIR båndende fra et Sentinel-2-produkt.

Andre erfaringer med Deep Learning Med de frie grunddata som ortofotos, højdekort, skråfotos og diverse polygonlag, som kan bruges som ”ground-truth”-kilde til maskinlæring, så er det muligt at automatisere billedfortolknings opgaver, der i dag er tidskrævende, manuelle processer.

Altså er det neurale netværks opgave at konver tere de fire bånd fra Sentinel-2 produktet til et billede med et enkelt bånd, der for hver pixel

Det er vores opfattelse, at vi kun har set begyndelsen på brugen af dette værktøj inden for jord observation.

Figur 2. Forfining af marksegmentering. Området i nederste højre hjørne er forstørret.

G E OFORUM • FE BRUAR 2019

Automatiske ændringsudpegninger – et pilotprojekt De seneste år er der sket en rivende udvikling inden for Machine Learning-feltet. Denne udvikling er drevet af kraftigere computere og kæmpe mængder af tilgængelige data. Vi har derfor undersøgt, hvordan teknologien kan inddrages i forretningsgangen for den årlige opdatering af GeoDanmark-data med ændringsudpegninger, der varetages af landets kommuner.

GEOFOR U M • FEBR U A R 2 0 1 9

AF CHRISTOFFER EMIL NIELSEN, SWECO OG KU

Pilotprojektet om automatiske ændringsudpeg ninger blev udført som et specialeprojekt i et samarbejde mellem Københavns Universitet og Sweco. Overordnet set var målet så vidt muligt at besvare spørgsmålene, om Machine Learning kan anvendes til nøjagtig bygningsgenkendelse og om resultaterne fra bygningsgenkendelsen kan benyttes ifm. ændringsudpegninger. Målet var ikke et færdigt værktøj til at foretage ændringsudpegninger, men derimod en undersøgelse af det mere langsigtede potentiale for at benytte Machine Learning i denne sammenhæng. Automatiseret bygningsgenkendelse Når Machine Learning anvendes til billedgenkendelse, er det typisk Deep Learning-algoritmer, der benyttes, da disse har opnået de bedste resultater i de seneste år. Her er det nødvendigt at have en mængde såkaldte træningsdata, som modellen kan lære ud fra. Træningsdata indeholder både de rå data, i dette tilfælde ortofotos, samt en klassifikation af alle pixels i disse ortofotos, se figur 1. På denne måde kan modellen prøve at forudsige, hvorvidt en pixel er en del af en bygning eller ej. Derpå sammenlignes denne forudsigelse med den korrekte klassifi-

kation. Herefter kan modellen selv justere interne parametre, så klassifikationen bliver mere nøjagtig. Dette er helt grundlæggende mekanismen, der ligger til grund for denne type Machine Learning. Store datamængder Da modellen lærer ud fra datagrundlaget, skal dette være stort og varieret, hvis den skal være robust over for skiftende lysforhold, bygningsformer med videre. Heldigvis findes der allerede en stor mængde data, der kan benyttes til at træne modellen. I dette tilfælde er ortofotos og bygningsdata fra GeoDanmark benyttet som træningsdata. For at vurdere nøjagtigheden af bygningsgenkendelsen anvender modellen dermed eksisterende GeoDanmark-bygningsdata. Ud fra dette justeres modellen løbende, så bygningsgenkendelsen forbedres. Dette giver anledning til en vis usikkerhed, da disse data ikke er fuldstændig nøjagtige. Det ville dog være et enormt arbejde at producere fuldstændig præcise bygningsklassifikationer til træningsdata, så derfor blev denne fremgangsmåde valgt. Landsdækkende model Forhåbningen var at kunne opnå en model, der kan anvendes til bygningsgenkendelse over hele >>

G E OFORUM • FE BRUAR 2019

ukendte områder skulle klassificeres. I denne forbindelse har træningsdata sandsynligvis spillet en rolle, så forskellige lysforhold mv. ikke har været godt nok repræsenteret. Dermed har modellen sværere ved at genkende bygninger i områder med anderledes lysforhold, end der ses i træningsdata. Figur 1. Træningsdata indeholder her både et ortofoto, samt en klassifikation af alle pixels i dette ortofoto – hvid er bygning, mens sort er ikke-bygning.

Danmark. Derfor blev træningsdata i form af ortofotos indsamlet fra en række forskellige områder for at præsentere modellen for både urbane og landlige områder samt forskelligartede lysforhold. Afledte ændringsudpegninger Ud fra den producerede bygningsgenkendelse fra modellen var det muligt at sammenligne eksisterende bygninger med modelklassifikationen, og herigennem udpege matrikler, hvor der er stor forskel imellem disse. På den måde opnåedes en liste med de matrikler, hvor der i følge modellen er størst sandsynlighed for, at den eksisterende bygningsdata ikke er up-to-date. Anvendte værktøjer Der findes en lang række forskellige værktøjer til Machine Learning. Mange af disse er Open Source. Dette projekt er baseret på nogle af disse Open Source-værktøjer, primært TensorFlow; et Machine Learning framework fra Google, og Keras, der er et Python-bibliotek, som bygger oven på TensorFlow. Lovende resultater med visse begrænsninger Nøjagtigheden af bygningsgenkendelsen var generelt god. Især typiske bygningsformer som parcelhuse blev genkendt med høj præcision, se billede side 13. Modellen blev dog udfordret, når

Generelt blev der opnået en bygningsgenkendelse på over 95% nøjagtighed for data i træningsområderne, der ikke var anvendt i træningsproceduren. I ukendte områder var bygningsgenkendelsen dog markant ringere. Den afledte liste af matrikler blev gennemgået. Der var stor forskel imellem områderne ift. andelen af korrekte udpegninger, der kunne anvendes ifm. ændringsudpegningerne. I et enkelt område var 40% af de gennemgåede matrikler korrekt udpeget. Det vil sige, at de indeholdt bygninger, der ikke var korrekt digitaliserede. I andre områder blev der ikke fundet matrikler, hvor den eksisterende bygningsdata skulle opdateres. En del af denne forskel skyldes dog også, at kvaliteten af den eksisterende bygningsdata varierer. Fremtiden ser lys ud De præsenterede resultater blev opnået med en beskeden mængde træningsdata og en relativ simpel bygningsgenkendelsesmodel. Inddragelse af større mængder træningsdata og evt. en mere avanceret model til bygningsgenkendelse ser ud til at være næste naturlige skridt på vejen mod praktisk anvendelige resultater. Dermed ser der ud til på længere sigt at være mulighed for at inddrage Machine Learning ifm. de årlige ændringsudpegninger. I første omgang kan de automatiske udpegninger gennemgås manuelt og dermed fungere som et supplement til den manuelle arbejdsgang.

Er du flyttet eller har du skiftet job? Vi har stærkt brug for at have en korrekt medlemsfortegnelse. Derfor vil vi opfordre dig til som medlem af Geoforum at give besked til os på geoforum@geoforum.dk om enhver adresseændring eller evt. ændring i mailadresse. Kun derved sikrer du dig fortsat at modtage dette blad samt øvrige meddelelser rettidigt. Ændring af din medlemsstatus vil vi også gerne have besked om. Med venlig hilsen Sekretariatet

GEOFOR U M • FEBR U A R 2 0 1 9

Efteruddannelse 2019 GIS og Machine Learning – 28. februar 2019 – Aarhus Dette seminar giver en introduktion til begrebet Machine Learning. Gennem en række oplæg fra geodata-branchen præsenteres ’state-of-the-art’ på anvendelsen i Danmark. Seminar: Fra grunddata til ejendomsvurdering 2019 – 9. april 2019 – Frederiksberg Deltag i seminaret og få et indblik i Danmarks nye datadrevne ejendomsvurderingssystem. Helt centralt for det nye system er, at det i høj grad er tværgående på forskellige fagdiscipliner, og at det er baseret på ensartede, landsdækkende, ajourførte offentlige data, hvoraf grunddata spiller en stor rolle. Klimaforandringer og ændret hydrologi – et overset klimaproblem? – 13. juni 2019 – Kbh. I seminaret præsenteres status på forskning, udvikling, og anvendelse af hydrologiske modeller med geografisk information. Vi skal bl.a. se nærmere på beregninger af ændringer i hydrologien som følge af klimaforandringerne. Workshop: I luften med droner 2019 – 22. august 2019 – Odense Igennem praktiske øvelser med flyvning og optagelse og en teoretisk gennemgang kigger vi på spændende nye droneanvendelser og -teknik. Vi stiler mod at nå alt fra planlægning, over indsamling af data og efterfølgende dataprocessering til præsentation af resultatet på samme dag. Nyt LER på vej – hvad betyder det for dig? – 3. september 2018 – Skanderborg Vi vil på seminaret komme ind på de nye muligheder, der er til rådighed i LER med samgravningsportal og tomrørsdatabase. Vi skal se nærmere på LER-bekendtgørelsen, “LER-brokeren” og udstilling .af ledningsdata. Fokus vil være på gevinster for kommuner, graveaktører og forsyningsselskaber. IoT og GIS 2019 – 8. oktober 2019 – Aarhus Dette seminar er for dig, der gerne vil holde dig opdateret med udviklingen og projekterne indenfor IoT og GIS i Danmark. Vi vil forsøge at give dig det mest aktuelle brush up på emnet igennem praktiske cases og erfaringer fra aktuelle ’live’ projekter. Geodæsi for GIS-brugere – 14. november 2019 – København Kurset vil give en ’kort’ introduktion til de klassiske geodætiske begreber og arbejde sig videre ind i forskellige referencesystemer og –rammer. Vi skal lære om kortprojektioner og især om transformation imellem dem, samt ikke mindst hvilke fejl, der kan opstå.

Læs meget mere og tilmeld dig på: www.geoforum.dk/kursus

Portræt af et Geoforum medlem Hvad er din baggrund? Jeg er uddannet topograf fra Geodætisk Institut. Topografuddannelsen var målrettet den topografiske kortlægning af Danmark og Færøerne. Uddannelsen blev nedlagt i 1990´erne. Desuden har jeg en Master i Geoinformatik fra Aalborg Universitet og en ét-årig friluftsvejlederuddannelse fra Skovskolen i Nordsjælland. Hvorfor valgte du i sin tid denne uddannelse/ branche? Som barn og op igennem min ungdom har jeg altid haft interesse for kort, og studerede ivrigt især mine forældres og bedsteforældres kort. Jeg syntes, at det var spændende at sammenligne kort over det samme område, men fra forskellige tidsperioder for at se, hvordan landskab og byer udviklede sig. Min interesse for samfundsfag fik mig ellers til at starte på statskundskab på Roskilde Universitet, hvor jeg læste det første år af studiet. Men det gik op for mig, at det var anden vej, jeg ville rent fagligt, da topografuddannelsen meldte sig på banen. Hvad er din stillingsbetegnelse? Fortæl om dine arbejdsopgaver. Jeg er faggruppeleder for Kort og Geodatagruppen i Asiaq under Grønlands Selvstyre, hvor jeg har været ansat i 7 år. I vores faggruppe, hvor vi kun er tre medarbejdere i alt, har vi ansvaret for at ajourføre og formidle det topografiske og tekniske grundkort samt kloakkort over de 17 byer og 57 bygder spredt over det meste af Grønlands kyst. Udover at lede faggruppen med, hvad det indebærer af budgetlægning, økonomistyring, ledelseskoordinering og daglig ledelse, så deltager jeg i de fleste af faggruppens opgaver. Jeg står for udbud af fotoflyvning og fotogrammetrisk ajourføring, samt feltplanlægning og feltarbejde i byer og bygder, hvor vi fotoflyver med drone og opmåler med RTK-GNSS i sommersæsonen. Desuden udarbejder jeg kontrakter med de grønlandske kommuner om ajourføring af kommunernes kloakkort. Resten af året kvalitetssikrer, forædler og formidler vi vores kort og geodata. Vi får desuden mange henvendelser fra offentlige og private brugere samt fra studerende, som søger svar om grønlandske kort og geodata.

GEOFOR U M • FEBR U A R 2 0 1 9

Navn Jens Gottlieb Alder 56 år Stillingsbetegnelse Faggruppeleder Hvor i landet bor du? Nuuk, Grønland Hvor i landet arbejder du? Nuuk, men har feltarbejde i hele Grønland Hvad er din civile status? Jeg bor alene, og har 2 voksne børn i Danmark

Vi samarbejder med SDFE om det store topografiske kortlægningsprojekt af Grønland i det åbne land. I forbindelse med vores feltture rundt i Grønland, har vi desuden de sidste fire år optaget Streetview panorama billeder for Google i næsten alle byer og bygder, og flere steder i det åbne land og i fjordene. Hvad er vigtig for dig i dit arbejdsliv? Jeg sætter pris på et godt kollegialt sammenhold med åbenhed, vidensdeling og godt humør. Jeg kan godt lide, at der er kort vej fra idé til beslutning og udførelse, og da Asiaq er en lille organisatorisk størrelse, er der god mulighed for det her. Hvor i branchen kan du se, at der er noget som rykker? Mit fokus er på dataindsamling, og der vil remote sensing fra satellitter overtage mange af de data indsamlingsmetoder, vi benytter i dag. Opløsning og nøjagtighed på data fra satellitter bliver mærkbart bedre, og vil på langt sigt opfylde vores krav til nøjagtighed på vores tekniske kort. Hvordan ser du en direkte nytte af det, du beskæftiger dig med? Vi kan i det daglige se, at vores kort og geodata bliver brugt bredt i det grønlandske samfund, både af

offentlige brugere til blandt andet arealforvaltning og beredskab, men også af private entreprenører i forbindelse med byggeri og anlægsopgaver. Vores geodata bliver blandt andet brugt i forbindelse projektering af de nye lufthavne her i Grønland. I forbindelse med GEUS´ analyser af fjeldskredsrisikoområder, har vi brugt vores grundkort til at visualisere potentielle tsunami-opskylsområder i bygder, så beredskabsmyndigheder og beboere i berørte bygder kan tage deres forholdsregler. Det giver en tilfredsstillelse, at vores arbejde har en samfundsmæssig gavn.

Kan du se nogle udfordringer i fremtiden? Helt konkret skal vi implementere et nyt højdesystem i Grønland, da DTU Space har beregnet en ny geoide over øen. Det gamle højdesystem består af mange lokale højdesystemer, som i flere tilfælde er fejlbehæftede. Siden de eksisterende højdesystemer blev etableret i 1960´erne, er der desuden sket landhævninger på grund af afsmeltning af indlandsisen. Vi skal sikre, at ikke kun Asiaqs egne geodata transformeres og bruges korrekt, men også, at de mange andre eksisterende datasæt, der findes ude hos brugerne, håndteres rigtigt i forhold til nye og gamle højdesystemer.

Har du lyst til at deltage i Geoforums arbejde? Læs her, hvis DU brænder for at lave et frivilligt arbejde blandt dine fagfæller i geodata-branchen. Geoforums forskellige udvalg, netværk og redaktioner fornyes løbende med hensyn til deltagere. Det frivillige arbejde i Geoforums udvalg giver dig en unik chance for at arbejde på forkant med geodata-problemstillinger blandt ligesindede. Det er også en mulighed for at skabe dig et stort netværk på tværs af sektorerne. Gå-hjem-møder Geoforums Arrangementsudvalg Øst (Hovedstadsområdet) har for tiden behov for et nyt udvalgsmedlem. Det samme har Geoforums Arrangementsudvalg Vest (Midtjylland). Så hvis du har lyst til at være med til at lave nogle inspirerende fyraftensarrangementer, så meld dig på banen til Geoforums sekretariat. Brugstedet-redaktionen Redaktionen for BrugStedet.dk har ligeledes behov for ekstra hænder. Kunne du tænke dig at være med til at sikre de gode eksempler på anvendelse af geodata for fremtiden og tage del i gennemførelsen af Geodataprisen, så er Redaktionen for BrugStedet.dk lige noget for dig. Du kan kontakte os på geoforum@geoforum.dk eller tlf. 3886 1075 og læse mere om Geoforums udvalgsarbejde på www.geoforum.dk.

GEOFORUM • FEBRUAR 2019

MØDEKALENDER DATO

EMNE

STED

28. feb.

Machine Learning og GIS

Aarhus

21. mar.

Virksomhedsbesøg hos SkyTEM

Aarhus

9. april

Seminar: Fra grunddata til ejendomsvurdering 2019

Frederiksberg

2. maj

Generalforsamling 2019

København

Klimaforandringer og ændret hydrologi – et overset klimaproblem?

København

13. juni

22. august Workshop: I luften med droner 2019 3. sep.

Nyt LER på vej – hvad betyder det for dig?

Skanderborg

8. okt.

IoT og GIS 2019

Aarhus

Geodæsi for GIS-brugere

København

Kortdage 2019

København

14. nov. 13.-15. nov.

Odense

G EO F O RU M • F EBRU AR 2019

UDPLUK AF ARRANGEMENTER Machine Learning og GIS

KOMPETENCE

Torsdag den 28. februar kl. 9:00 - 16:00 I de senere år er forventningerne til

Der begynder dog at boble projekter

Sted

hvad, vi vil kunne opnå ved hjælp af

frem – både hos virksomhederne og

Machine Learning, blevet større og

på universiteterne – der giver et

større. Dette er også tilfældet i

spændende indblik i, hvordan man

forhold til GIS, men hvor vi ser mange

kan koble GIS og Machine Learning i

Alexandra Instituttet, IT-byen Katrinebjerg Åbogade 34 8200 Aarhus N

spændende eksempler på billedgen-

løsninger, der både kan forædle data

kendelse osv., så er der endnu ikke så

og forbedre arbejdsgange.

Se programmet og tilmeld dig på: www.geoforum.dk/kursus

mange rigtigt gode cases fra GIS-verdenen.

Virksomhedsbesøg hos SkyTEM

VEST

Torsdag den 21. marts kl. 15:00 - 17:00 SkyTEM Surveys ApS blev startet i april 2004 af geofysikere med tilknytning til Aarhus Universitet. Vi beskæftiger os med kortlægning af undergrunden fra en helikopterplatform med det sigte at lokalisere mineralforekomster, kortlægge grundvandsmagasiner og belyse andre geologiske problemstillinger. Vi er en international virksomhed med kunder og samarbejdspartnere i såvel Danmark som i udlandet. Under besøget på SkyTEM vil vi præsentere lidt

af virksomhedens histore og de forskellige teknologiske metoder der bliver brugt. Der vil blive vist eksempler på nogle af de undersøgelser vi har foretaget på lokaliteter rundt omkring i verden. Desuden vil der blive tid til en rundvisning i vores værksteder hvor vi udvikler og producerer det meste af det udstyr som bliver brugt til at indsamle de geofysiske data.

Sted SkyTEM Dyssen 2 8200 Aarhus N

Se programmet og tilmeld dig på: www.geoforum.dk/kursus

Workshop: I luften med droner 2019

KOMPETENCE

Torsdag den 22. august 2019 kl. 9:00-16:00 Hvad skal der til for at løfte brugen af

dende nye anvendelseseksempler og

Sted

droner til det næste niveau? Det får

teknik. Vi stiler mod at nå alt fra

Odense

du indblik i på denne workshop, når

planlægning, over indsamling af data

vi gennem praktiske øvelser med

og efterfølgende dataprocessering til

ﬂyvning og optagelse og en teoretisk

præsentation af resultatet på samme

gennemgang både kigger på spæn-

dag.

Se programmet og tilmeld dig på: www.geoforum.dk/kursus

GEOFORUM • FEBRUAR 2019

NYT FRA VIRKSOMHEDERNE Den Danske Esri Brugerkonference 2019

HUG DK 2019: motivation, produktnyheder og workshops

Den Danske Esri Brugerkonference 2019 Du kan nu tilmelde dig Den Danske Esri Brugerkonference, som afholdes d. 7.-8. maj 2019 på Hotel Comwell i Korsør.

Fra den 20. til den 21. marts løber den årlige Hexagon brugerkonference, HUG DK, af stablen. Igen i år danner Hotel Munkebjerg i Vejle rammerne og de danske Hexagonbrugerne er i fokus.

Programmet vil komme til at spænde bredt; fra dybe dyk i ArcGIS-maskinrummets teknik og kodning til brugerhistorier, aktuel forskning og teknologiske strømninger i form af machine learning og Big Data. Du vil eksempelvis få mulighed for at høre Rolf Lyneborg Lund fra Aalborg Universitet, Omar Maher fra Esri og Klaus Dons, Carsten Bøcker og årets trainee-hold fra Geoinfo.

På andendagen starter Thomas Mygind ud med at ryste tvivlen og trætheden ud af kroppen, med sit oplæg ”Få det bedste ud af det meste, trods alt..” Her giver han sine simple og effektive bud på, hvordan man håndterer de stigende krav for effektivisering og optimering, som vi stiller til os selv og andre.

Læs mere på vores hjemmeside: www.geoinfo.dk Udstillere kan kontakte Dorthe Esmark for yderligere info: DortheE@ geoinfo.dk. Besøg vores stand på forårets konferencer I februar og marts kan man møde Geoinfo til en række arrangementer. Mød os blandt andet på Landinspektørernes årsmøde d. 6.-7. februar i Nyborg, på Offentlig Digitalisering d. 13.-14. marts i Aarhus og på Danmarks Læringsfestival i København, som også afholdes d. 13.-14. marts. Kontaktperson: Dorthe Esmark Telefon: 61555803 Email: DortheE@geoinfo.dk Hjemmeside: www.geoinfo.dk

Og hvis du desuden bliver begejstret ved tanken om at snakke med andre GISbrugere, om alt fra el til grunddata samt at få insidernyheder om Hexagons produkter, så er HUG DK lige noget for dig. Der er 18 oplæg og workshops at blive klogere på og rig mulighed for at dele erfaring og networke med branchekolleger. Se programmet og tilmeld dig på go.hexagonsi.com/hug19. Vi glæder os til at se jer ved HUG DK 2019 Kontaktperson: Jackie Sandgård Telefon: 52141535 Email: jackie.sandgaard@hexagonsi.com Hjemmeside: www.hexagonsafetyinfrastructure.com

Geografiske analyser på massive datamængder

LIFA styrker GIS med ny teamleder

Virksomheder begynder at se muligheder i anvendelse af de massive og hurtigtvoksende datamængder, der kan høstes fra et utal af kilder som sensorer og mobiltelefoner. Disse data opbevares ofte i et Big Data-miljø i stedet for i en relationel database.

For at understøtte den fortsatte vækst i LIFA har vi valgt at styrke kompetencerne på GIS-området med ansættelsen af Tim Bergholdt Hansen som ny teamleder til GIS.

At lave geografiske analyser på de massive datamængder kræver, at man kan flytte processerne til data og ikke omvendt. De geografiske funktioner skal installeres på de enkelte servere i Big Data-miljøet og ikke som en særskilt server, som kan kaldes fra disse servere. Spectrum Spatial for Big Data, et ”værktøjssæt” fra Pitney Bowes, distribueres netop ud i de enkelte knuder i Big Data-miljøet og lader dig bl.a. aggregere data i kvadrater eller hexagoner, finde nærmeste linje/ polygon eller beregne ruter mellem millionvis af punkter på kort tid. Læs mere på hjemmesiden nedenfor. Kontaktperson: Peter Horsbøll Møller Telefon: 29133769 Email: peter.moller@pb.com Hjemmeside: https://www.pitneybowes.com/us/location-intelligence/ geocoding-data-enrichment/spectrum-for-big-data.html

GE OF OR UM • F E BR UAR 2 0 1 9

Tim har gennem de sidste 25 år oparbejdet en solid erfaring med projektledelse inden for GIS, hvor han har været ansvarlig for at udvikle, drive og afslutte diverse projekter, herunder implementering af WebGIS, Datafordeleren og forskellige typer af GIS-løsninger. Med sin baggrund som datanom har Tim løbende sørget for at supplere og udvikle sin specialistviden med en lang række relevante certificeringer og uddannelser. I LIFA er vi begejstrede over, at Tim bliver en del af GIS•IT og kan være med at løfte de projekter, der venter forude hos LIFA. Tim er med sin alsidige GIS-erfaring samt vurderende og analyserende tilgang det helt rette match for vores GIS-team, og vi glæder os meget til samarbejdet og til at gøre brug af Tims omfattende GIS-værktøjskasse. Kontaktperson: Anders Møller Jørgensen Telefon: 51965216 Email: amj@lifa.dk Hjemmeside: lifa.dk

KMD og Divisionsforeningen indgår dataaftale Fitness-trackere og løbe-apps har digitaliseret store dele af sportsverdenen. Nu kommer version 2.0, hvor vi gør komplekse data til et nyt redskab i fodboldverdenen, som kan reducere lange skadespauser, sikre de rigtige afslutninger og udvikle spillet til nye niveauer. Vi er glade og stolte over at levere teknologien, der for alvor skal gøre data til en del af dansk fodbold, siger Christian Binggeli-Winter, direktør for data og analyse hos KMD og fortsætter. Hos KMD oplever vi stor interesse for vores dataløsninger til sportsverdenen, og det bekræfter os i, at der et stort potentiale i dette marked. Den store værdi for brugerne ligger i at analysere udviklinger over tid, og her kan vi hjælpe med at omsætte data til brugbare analyser. Det giver os en god position inden for både sport og analyse generelt. Data vil ligge i en såkaldt Azure Cloud-løsning, der bygger på Microsoft-teknologi, og de første data forventes af være tilgængelige for klubberne i sommeren 2019. Kontaktperson: Henrik Keller Jensen Telefon: 26 36 64 17 Email: hej@kmd.dk Hjemmeside: https://www.kmd.dk

Geopartner ser grønt I Geopartner ser vi grønt for tiden og er i fuld gang med at etablere tre nye løsninger på Geopartners GIS løsning til grøn registrering og grønt vedligehold, MapGO. Det drejer sig om installationer for: Hjørring Kommune, Ribergaard Anlægsgartnere og Middelfart Spildevand. MapGO giver et godt overblik over arbejdsområderne og tilbyder tillige mulighed for styring af økonomi, hændelser og afvigelser. MapGO er baseret på Open Source Software og henvender sig til både kommuner, Forsyninger, Kirkegårde og gartnere/entreprenører. Løsningen er en komplet GIS- og WebGIS-platform og giver mulighed for visualisering med andre temaer til stedfæstelse og præsentation af vigtige informationer til både kontor- og markmedarbejdere. MapGO er, inden for samme abonnementspris, fleksibel for udvidelse til andre registreringstyper, som for eksempel, registrering af risikotræer, vintervedligehold, ejendomsadministration mm. Kontaktperson: Lars Klindt Telefon: 28581660 Email: lkm@geopartner.dk Hjemmeside: geopartner.dk

Ny salgschef og aktiviteter i det nordjyske

Copernicus data til identifikation af vilde plantearter

Vi har stor interesse omkring vores digitale produkter, og Geos dataog modelleringsafdeling har derfor ansat Jeanett Egesø som ny salgschef fra 1. februar 2019. Jeanett har stor erfaring med salg og markedsføring fra geodatabranchen, og vi glæder os rigtig meget til at få hende med på holdet.

NIRAS har i samarbejde med Miljøstyrelsen udført et pilotprojekt for at teste anvendeligheden af data fra Sentinel-satellitterne, til klassifikation af invasive plantearter. Udfordringen ved en sådan analyse er den lave opløsning af cellerne - men ved at inddrage og sammenstille relevante grunddata, har vi forstærket satellitdatas anvendelighed til klassifikation. Ved at vurdere de forventede bevoksningsområder for arterne, har vi udvalgt relevante frie grunddata, som understøtter filtreringen og klassifikationen til beregning af et potentiale-kort for arten. På denne måde anvendes en meget omkostningseffektiv metode til identifikation af større klynger af arter, eller klassifikation af andre typer af arealer.

Jeanett er uddannet Markedsøkonom og har tidligere solgt softwareløsninger for bl.a. Viamap (nu Mølbak) og JO Informatik, og vil bl.a. havde fokus på salg af GeoAtlas Live og GeoTizer. Jeanett kan kontaktes på mail jte@geo.dk og telefon 45204220. Antallet af organisationer på GeoAtlas Live, som udstiller data om terræn og undergrundsforhold, stiger støt. Senest har Aalborg Kommune og Aalborg Forsyning indgået aftale om adgang til platformen og de tilhørende API-funktioner. Vi glæder os rigtig meget til samarbejdet, der åbner op for øget digitalisering, flere anvendelser og nye integrationsmuligheder – mere om det på et senere tidspunkt. Kontaktperson: Mads Robenhagen Mølgaard Telefon: 45204188 Email: mrm@geo.dk Hjemmeside: www.geo.dk

For at styrke NIRAS‘ fokus på Copernicus relaterede ydelser er Casper Samsø Fibæk ansat som ErhvervsPhD i samarbejde med Aalborg Universitet. Herudover er NIRAS engageret med Copernicus og Galileo i udvalg gennem Dansk Industri og Foreningen af Rådgivende Ingeniører. Kontaktperson: Simon Kamp Danielsen Telefon: +45 6023 3983 Email: skda@niras.dk Hjemmeside: https://www.niras.dk/ydelser/gis-geodata-og-automation/

GEO FO RUM • FEBRUAR 2019

NYT FRA VIRKSOMHEDERNE Septima OneDoor

Machine Learning i GIS verden

Ishøj og Furesø Kommuner har købt OneDoor. Med OneDoor er det hurtigt og nemt at tilgå data fra fagsystemer og offentlige datakilder. OneDoor leveres integreret med kommunernes egne GIS-systemer. De to kommuner ser store muligheder i at anvende OneDoor som bindeled mellem de forskellige fagsystemer.

Machine Learning har vist sin effektfuldhed de senere år, hvilket i høj grad beror på tilgængelig regnekraft samt de mængder af data, der er til rådighed. Som fagområde, til anvendelse af machine learning, egner geo-informatikken sig godt grundet de store datamængder der præger emnet.

MapMaker event Som noget nyt vil vi under fællestitlen ”Septima MapMaker” arrangere faglige og uformelle events, hvor vi kan dele viden og netværke.

SNC-Lavalin Atkins benytter Machine Learning i flere geodata- relaterede projekter. Nogle eksempler er: • Analyse af overfladebelægninger på veje og fortov • Billedbehandling til analyse af infrastruktur • Forudsigelser af ankomsttider for tog • Identifikation af anomalier i trafikstrømme

Første arrangement er i Vejle Kommune den 30. januar kl. 13-16, hvor vi på opfordring starter en brugergruppe for Septima Widget. Skriv til karsten@septima.dk, hvis du vil med. Vi holder også en temaeftermiddag om design- og brugerfokus i kortløsninger den 27. februar kl. 16.30-18-30 i vores lokaler i København. Hvis det lyder som noget for dig, så skriv til sofie@septima.dk Rammeaftale med Danmarks Miljøportal Vi er, som underleverandør til Globeteam, blevet tildelt en rammeaftale omhandlende drift, vedligehold og videreudvikling af DMPs fagsystemer. Kontaktperson: Bo Overgaard Telefon: 91326940 Email: bo@septima.dk Hjemmeside: septima.dk

Tre nye rammeaftaler og en storkunde til Mølbak Mølbak Landinspektører A/S netop blevet tildelt tre rammeaftaler fra Vejdirektoratet inden for henholdsvis IT-support og tilpasning, arealerhvervelse samt kortlægning og digitalisering. De tre rammeaftaler indebærer, at Mølbak Landinspektører i perioden 2019-2022 er tilknyttet som konsulent i Skanderborg og hovedstadsområdet. Rammeaftalerne Rammeaftalerne betyder, at Mølbak Landinspektører A/S skal bistå Vejdirektoratet med bl.a. sagsbehandling og materiale til arealerhvervelse, planer for besigtigelse og ekspropriation samt ledningsplaner. Vi skal desuden bistå med opbygning og drift af databaser med GIS og 3D-data samt digitalisering og kortlægning af eksisterende anlæg og veje. Ny Viamap-storkunde: Boligsiden Boligsiden – ejendomsmæglernes store fælles fremvisningsside – har desuden valgt den digitale kortløsning, Viamap, fra Mølbak Landinspektører. Siden er netop lanceret med Viamap-kortet, som også bruges som kortløsning af flere individuelle ejendomsmægler kæder og hjemmesider. Kontaktperson: Jens Mølbak Telefon: 20784645 Email: jm@molbak.dk Hjemmeside: www.molbak.dk

GE OF OR UM • F E BR UAR 2 0 1 9

Listen er ikke udtømmende og der er mange flere områder, der er velegnede til at angribe ved hjælp af Machine Learning. Hvis du står med et problem, som, du mener, muligvis kan takles med Machine Learning så kontakt os gerne for en uforpligtende snak. Kontaktperson: Johan Hartnack Telefon: 52519357 Email: johan.hartnack@atkinsglobal.com Hjemmeside: www.atkins.dk

Sweco styrker GIS & IT Vi oplever en god vækst i vores markedsområder, og for at imødekomme den stigende efterspørgsel efter endnu bedre sammenhænge på tværs af vores løsninger, har Sweco valgt at styrke GIS & IT. 1. januar var vi derfor rigtigt glade for at kunne byde velkommen til Mikkel Wendelboe Toft i en nyoprettet stilling som direktør for et samlet Sweco GIS&IT. Ledelsesteamet i Sweco GIS & IT er derudover, Nils Bo Wille-Jørgensen, som chef for Forretningsudvikling i GIS & IT og produktchef for GIS, og Arne Hurup Nielsen, som chef for Teknologi & Drift og udviklings projekter. Anders Humle er Produktchef for Waste & Soil Management, og Helge Tøttrup er produktchef for Asset Management. Vi glæder os til at gå et spændende 2019 i møde. Kontaktperson: Nils Bo Wille-Jørgensen Telefon: 43456085 Email: nilsbo.wille-jorgensen@sweco.dk Hjemmeside: www.sweco.dk

DET DETALJEREDE SKRÅFOTO BILLEDDOKUMENTATION TIL PROFFESSIONEL BRUG NYE DETALJEREDE SKRÅFOTOS & ORTOFOTOS 2018 Vi har været i luften hen over sommeren og optaget højopløselige luftfotos med vores skråfotokamera og kan nu tilbyde skråfotos i en hidtil uset opløsning på 3-4 cm og ortofotos i 4-5 cm opløsning for hovedstadsområdet og Nordsjælland, samt enkelte provinsbyer. Disse detaljerede billeder giver sammen med COWIs gadefotos, der er optaget næsten samtidigt, en unik mulighed for at dokumentere by- og gaderummet helt ned i detaljen og fra alle vinkler. Se ortofoto, skråfotos og gadefotos i COWIs nye webviewer.

POWERING YOUR 360° SOLUTIONS COWI er en førende rådgivningsvirksomhed, der skaber værdi for kunder, borgere og samfund gennem vores unikke 360°-løsninger. Med eksperter i verdensklasse inden for ingeniørkunst, miljø og samfundsøkonomi angriber vi udfordringerne fra mange forskellige vinkler, så vi skaber mere sammenhængende løsninger for vores kunder - og derved en mere bæredygtig og sammenhængende verden.

Det Detaljerede Skråfoto

Er du tilmeldt Geoforums nyhedsbrev? Når du modtager vores nyhedsbrev, får du løbende nyheder om hvad, der rører sig i foreningen og i geodatabranchen i ind og udland. Tilmeld dig nyhedsbrevet på: geoforum.dk/nyhedsbrev

IT & Teleindustri Klima & Energi Teknik & Byggeri

Sundhed & Service Transport & Infrastruktur

Du kan til enhver tid afmelde nyhedsbrevet nederst i nyhedsmailen, som du modtager. Medier og Formidling