Hoeveel rommel-laden heb jij?
Bill Meehan, Esri
Ik ben onlangs verhuisd naar mijn pas gebouwde huis. Als lege nesters realiseerden we ons dat we net zo goed konden verkleinen. Dus kozen we voor een netjes huis van 1200 vierkante voet op één verdieping. Een van de dingen die we wilden was echter een grote keuken met veel kastruimte. Het probleem was dat we na ongeveer een maand in ons nieuwe huis drie rommel-laden hadden. Dus wanneer we iets ontdekken waarvan we niet weten waar het moet worden opgeborgen, stoppen we het in een van de rommel-laden. Opslag was eenvoudig, terugvinden minder. Ze zitten vol met pennen, verjaardagskaarsjes, autosleutels van auto's die allang zijn verpletterd, potloden en telefoonladers, sommige nieuw, sommige verouderd.
Foto met dank aan Cindy Clausen, Esri
Hoeveel heb jij?
Ik heb een digitale versie van de rommel-lade gemaakt. Behalve dat ik niet drie digitale rommel-laden heb. Ik heb er honderden, misschien duizenden, die mijn harde schijf volstoppen. De eenvoudige oplossing is om deze rommel-bestandsladen in de cloud op te slaan. Maar opslag is niet het probleem. Net als bij mijn keukenrommelladen is terugvinden dat wel. Het andere probleem is duplicatie. Ik wed dat ik een dozijn AA-batterijen heb begraven in minstens twee van mijn rommel-laden. Maar in plaats van ze te zoeken, koop ik weer een nieuwe lading batterijen. Ik gebruik de twee die ik nodig heb en bewaar de rest van het pak in een van de rommel-laden. Ik heb hetzelfde probleem met mijn digitale rommel-lade.
Beelden belanden in de digitale rommel-lade
Nutsbedrijven ondersteunen actief veel van hun workflows met beelden. Voorbeelden zijn satellietbeelden, drones, orthofoto's, 3D-meshes, video, Lidar en Phodar. Beelden ondersteunen zelfs veel digitale tweeling-initiatieven van nutsbedrijven. De workflows voor deze beelden vullen de traditionele GIS-taken aan. Het vastleggen van hoge-resolutie foto's met drones biedt verbluffende details van beschadigde isolatoren, lekkende bussen en gebreken die moeilijk te vinden zijn met helikopter- of grondpatrouilles. Nutsbedrijven gebruiken beelden voor en na stormen om stroomherstel te vergemakkelijken of om aardverschuivingen en brandschade te analyseren. Beelden vormen vaak de ruggengraat voor vegetatiebeheer. Nutsbedrijven voegen deze data toe aan de traditionele GIS-lagen voor spectaculaire analyses.
Dus wat is het probleem? De beeldgegevens belanden vaak in de rommel-lade. Beelden bestaan in zoveel vormen. Afbeeldingen overlappen elkaar qua gebied. Zodra een afbeelding is gemaakt, raakt deze snel verouderd. Nutsbedrijven slaan soms afbeeldingsbestanden op harde schijven, dvd's, in bestanden in de cloud, op bestandsservers op, noem maar op.
Beeldbeheer komt te hulp
De situatie met rommel-laden voor beelden is relatief nieuw door een explosie in beeldcreatie, variëteit en tijdsafhankelijkheid van de beelden. De oplossing voor mijn rommel-ladeprobleem is om al die rommel te organiseren en dubbele en verouderde spullen weg te gooien (zoals laders met connectoren die allang zijn vervangen). Dan kies je één lade en stop je er alleen belangrijke dingen in. Dat is wat ArcGIS Image Server doet met beelden. Het is een volledig systeem voor beelden. Het kan on-premise of in de cloud worden geïmplementeerd. Het omvat realiteitsvastlegging, dynamische observaties, opslag, terugvinden en analyse. Het maakt deel uit van ArcGIS Enterprise, de basis voor bijna elk GIS van nutsbedrijven vandaag de dag. Een nutsbedrijf met een redelijk groot GIS heeft Enterprise. ArcGIS Image Server biedt een gedistribueerd computer- en opslagsysteem dat de analytische verwerking en levering van grote verzamelingen beelden, hoogtegegevens, rasters en andere op afstand verkregen data aandrijft. Het beheert vrijwel alle beelden die een nutsbedrijf vandaag heeft en waarschijnlijk in de toekomst nodig zal hebben.
Het mooie ervan is dat net als bij mijn rommel-ladeprobleem terugvinden het grote issue is. ArcGIS Image Server laat gebruikers een gebied selecteren dat ze nodig hebben. Vervolgens verzamelt de beeldendienst alle afbeeldingen, rasters, orthofoto's en Lidar en toont aan gebruikers wat er binnen het interessegebied zit. Het toont zelfs specifieke afbeeldingen met opgegeven puntlocaties en assets, zoals details van een specifieke isolator. Geen zoeken meer door bestandssystemen of erger nog door kartonnen dozen met slecht gelabelde dvd's om de juiste afbeelding te vinden om mijn probleem op te lossen.
De echte bonus
ArcGIS Image Server stelt je in staat om grote verzamelingen overlappende, multiresolutiebeelden en rasterdata van verschillende sensoren, bronnen en periodes samen te stellen, verwerken, analyseren en beheren. Dat klopt. Je kunt al die spullen aan elkaar plakken en analyses uitvoeren, zoals het gebruik van tools zoals machine learning om patronen te zien die je anders nooit zou ontdekken, bijvoorbeeld waar kleine boompjes grote problemen kunnen veroorzaken. En dit: je kunt je analyseresultaten publiceren naar webapps, desktops en mobiele apparaten. Dus je hoeft deze geweldige analyse niet voor jezelf te houden; je kunt het delen met iedereen die het nodig heeft.
Gooi de rommel-lade weg
GIS heeft het beheer van nutskaarten gerevolutioneerd, tientallen workflows geautomatiseerd en een enorme verscheidenheid aan analyses gecreëerd. Maar totdat enterprise GIS gemeengoed werd, was nutskaartbeheer een puinhoop. Nutsbedrijven maakten allerlei kaarten aan die vaak dubbel waren, inconsistent en verouderd waren. Vandaag stelt GIS nutsbedrijven opnieuw in staat hun beeldproblemen op te ruimen met tools zoals ArcGIS Image Server.
Voor meer informatie over hoe nutsbedrijven de kracht van GIS kunnen gebruiken klik hier.
