Data quality assurance of 3D building features in data integration processes

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorJakobsson, Antti
dc.contributor.authorTurunen, Alpo
dc.contributor.schoolInsinööritieteiden korkeakoulufi
dc.contributor.supervisorTenkanen, Henrikki
dc.date.accessioned2022-09-04T17:04:32Z
dc.date.available2022-09-04T17:04:32Z
dc.date.issued2022-08-22
dc.description.abstractDuring the last 30 years, spatial data quality has raised its importance due to the increasing amount of data sources. In today's data economy, it is profitable to invest in data quality, which has led to demand for common and simple quality assurance methods. Some standards and guidelines, e.g. ISO 19157 and ISO 8000, have contributed to this discourse, but they do not cover all situations. This thesis proposes an FME-tool, which assures the quality of 3D building data. The tool applies over 40 quality rules to CityJSON and CityGML data sets of LoD2 in order to find and report all violations in a tabular or geometrical format. From the example data sets, over 15 types of errors were found. Most of them were completeness or conceptual consistency errors, such as intersections and missing xlinks. Their repairing and impact on integration capabilities were discussed. By using the tool, users can automatically assess and improve their data quality as well as make their data more interoperable and harmonized. The tool is ready to use, but users might want to modify its quality rules and parameters to fit their preferences better. Most quality objectives are relative to the final purpose of data. However, the usage of data quality assurance tools will facilitate data integration processes and overall data utilization of all stakeholders in data governance. It is useful for all phases and roles of the DLC, ranging from data creation to its end-use.en
dc.description.abstractViimeisten parin vuosikymmenten aikana paikkatiedon määrä ja siihen liittyvä laatutietoisuus on kasvanut. Nykyään datan laatu on selkeä kilpailuetu erilaisille organisaatioille ja yrityksille, jolloin tarve helposti omaksuttaville ja sopiville datan laadunvarmistusmenetelmille on kasvanut. Useat standardit ja suositukset ovat pyrkineet paikkaamaan tätä puutetta luomalla yhteisiä käytäntöjä, mutta ne eivät sovellu kaikkiin tilanteisiin paikkatiedon moniulotteisuuden takia. Tämä diplomityö esittelee FME-pohjaisen työkalun, jonka avulla voi varmistaa paikkatiedon laatua erityisesti 3-ulotteisten rakennuskohteiden osalta. Työkalu sisältää yli 40 laatusääntöä LoD2-tason rakennuksille CityGML ja CityJSON formaateissa. Työkalu etsii aineistosta löytyvät virheet, ja raportoi ne käyttäjälle joko taulukko- tai geometriamuodossa. Tutkimuksessa käytetystä esimerkkiaineistosta työkalu löysi 15 erilaista virhettä, joista suurin osa koski täydellisyyttä tai käsitteellistä eheyttä, kuten itseään leikkaavia kohtia tai puuttuvia topologioita. Diplomityö pohti näiden virheiden korjattavuutta ja vaikutusta integraatioprosesseihin datan elinkaaren eri vaiheissa. Työkalun avulla käyttäjät voivat automatisoida heidän laadunvarmistusprosessejaan ja parantaa datan laatua. Työkalu on sinällään valmis käytettäväksi, vaikkakin useimmiten käyttäjien kannattaa muokata laatusääntöjä ja parametreja vastaamaan paremmin heidän preferenssejään. Lähes aina datan laatuvaatimukset ovat sidoksissa datan käyttötarkoitukseen, jolloin laatusäännöt ovat aina tapauskohtaisia. Automaattista laadunvarmistustyökalua voi käyttää datan elinkaaren jokaisessa vaiheessa ja rooleissa. Erityisen hyödyllinen työkalu on datan integroimisprosessissa, sillä integroiminen vaatii yhteensopivaa ja harmonisoitua dataa. Työkalun avulla datan tuottajat voivat verrata datan laatua sen kriteereihin, ja loppukäyttäjä sen käyttötarkoitukseen.fi
dc.format.extent65+1
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/116515
dc.identifier.urnURN:NBN:fi:aalto-202209045326
dc.language.isoenen
dc.programmeMaster's Programme in Geoinformatics (GIS)fi
dc.programme.majorGeoinformaticsfi
dc.programme.mcodefi
dc.subject.keyworddata qualityen
dc.subject.keywordquality assuranceen
dc.subject.keyworddata integrationen
dc.subject.keyword3D buildingsen
dc.titleData quality assurance of 3D building features in data integration processesen
dc.title3D rakennuskohteiden laadunvarmistus datan integrointiprosesseissafi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Turunen_Alpo_2022.pdf
Size:
2.62 MB
Format:
Adobe Portable Document Format