ATP modellen

1. ATP modellen Datakvalitet – enkle kontrollrutiner

2. Datagrunnlag • Data fra Bedrifts- og foretaksregisteret • Nettverket • Punkt som ikke snappes til nettverket • Service area kontra Buffer • Befolkningsdata • Beregninger – noen triks

3. Bedrifts- og foretaksregisteret • Inneholder data om: • Bedrifter på adressenivå (koordinat for adresse) • Antall ansatte • Arbeidstid for ansatte • De ansattes bostedsgrunnkrets • Noen bedrifter har ansatte som ikke møter på bedriftens adresse: • Vikarbyrå • Avisbud

4. Bedrifts- og foretaksregisteret - sjekk • Sorter bedrifter etter antall ansatte • Sjekk de største bedriftene – dvs de med flest antall ansatte fordi det er her de store feilene vil forekomme • Som vikarbyrå • Som hovedkontor • Som avisbud knyttet til adressen for distribusjonsbedriften • Sjekk bedrifter som har null ansatte • Er dette enkeltmannsforetak? Innenfor en del servicetjenester er dette vanlig (legekontor, tannlegekontor, frisører med mer) • Vurder om det er rimelig å legge inn en ansatt i slike bedrifter • Se opp for bedrifter som kun er regnskapsenheter ; eksempel på dette kan være forretningsgårder, sameier og lignende som vanligvis kun har en forretningsfører som samtidig gjerne er forretningsfører for flere slike bedrifter

5. Nettverket • Se opp for brudd i nettverket • Hvis du har brudd, stopper alle beregninger i bruddet • Hvis det oppstår slike tilfeller, sjekk nettverket i dette området • Kjør en enkel ”korteste veg” og sjekk vegvalget

6. Punkt som ikke snappes til nettverket • Her er de grå punktene ikke snappet til nettverket. • Disse punktene vil ha verdien 0 for tid/avstand • Sjekk spesielt ”til-punktene” – hvis du har holdeplasser som ikke får tildelt befolkning kan det skyldes at holdeplassen ikke snappes til nettverket

7. Service area kontra Buffer • Her ser vi at Service area har større utstrekning enn Buffer • Hvis du skal finne antall bosatte har dette betydning • Vurder hvilket nøyaktighetsnivå analysen krever

8. Befolkningsdata – reduser antall punkt • De røde punktene er befolkning på adresse • De svarte punktene er befolkning innenfor en radius på 100 meter • Hvis du vil finne befolkning innenfor det gule området; får du 708 personer når du bruker røde punkt og 584 personer når du bruker de sorte

9. Befolkningsdata – reduser antall punkt • Dette er resultatet av forenklingen og forskjellen kan slå begge veier • Vurder alltid hvilken nøyaktighet du trenger • Generelt sett er det slik at • Hvis du skal finne befolkning innenfor et område, er det lite å spare på å bruke datasett som er forenklet • Hvis du skal beregne for eksempel reiseavstand fra alle befolkningspunkt til Gløshaugen, er det mye å spare på å bruke datasett som er forenklet

10. Beregninger – noen triks • På 3.x plattformen er det generelt sett vanskelig å ha kontroll på snappetoleranser • For å være sikker på at snappetoleransene er den samme fra beregning til beregning, er det fornuftig at alle beregninger starter i den samme målestokken • Det betyr at du alltid har kartet i samme målestokk når du starter beregningene • Hvis ikke var det stor sjanse for at ”like” beregninger ga litt forskjellig resultat • Dette er sterkt forbedret på 9.x plattformen, men det må testes

11. Oppsummert • Vurder rimeligheten av resultatene • Er resultatet som forventet? • Er andelen rimelig i forhold til totalen? • Hvis du er usikker • Sjekk beregningen på et mindre og mer oversiktlig område • Vurder om du har en mulighet til å sjekke resultatet ved å bruke andre funksjoner? • Sjekk ut noen enkeltpunkt