Une méthode de construction de données spatio-temporelles pour l étude de l espace urbain ancien.

Transcription

1 1 Une méthode de construction de données spatio-temporelles pour l étude de l espace urbain ancien. Application aux rues de Paris, XVIIIe-XIXe siècles Bertrand Dumenieu1, Julien Perret2, Anne Ruas3 1 LaDéHiS, EHESS 2 COGIT, IGN 3 IFSTTAR

2 2 Introduction - Contexte Dynamiques sociales dynamiques spatiales

3 3 Introduction - Contexte Dynamiques sociales dynamiques spatiales Étudier les pratiques de l'espace parisien, les phénomènes sociaux.

4 4 Introduction - Contexte Dynamiques sociales dynamiques spatiales Étudier les pratiques de l'espace parisien, les phénomènes sociaux. Étudier les mécanismes de transformation de l'espace de la ville.

5 5 Introduction - Contexte Dynamiques sociales dynamiques spatiales Étudier les pratiques de l'espace parisien, les phénomènes sociaux. Étudier les mécanismes de transformation de l'espace de la ville. [Gribaudi, 2009]

6 6 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. s

7 7 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. Des outils pour modéliser et représenter les transformations des structures de la ville. s

8 8 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. Des outils pour modéliser et représenter les transformations des structures de la ville. Sources de données hétérogènes et éparses s

9 9 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. Des outils pour modéliser et représenter les transformations des structures de la ville. Sources de données hétérogènes et éparses dans le temps et dans l'espace Les réseaux de rues comme données structurantes Localisation des données sociales Révélateur des structures et transformations urbaines

10 10 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. Des outils pour modéliser et représenter les transformations de la ville. s

11 11 Introduction - SIG Paris SIG historique sur Paris Une plate-forme commune pour rassembler les travaux historiques. Des outils pour modéliser et représenter les transformations des structures de la ville. Sources de données hétérogènes et éparses dans le temps et dans l'espace Les réseaux de rues comme données structurantes Localisation des données sociales Révélateur des structures et transformations urbaines

12 12 Objectifs Retrouver les transformations de l'espace parisien ancien

13 13 Objectifs Retrouver les transformations des rues anciennes de Paris Quelles données utiliser? Extraire une connaissance sur les transformations spatiales? Structurer cette connaissance?

14 14 Objectifs Retrouver les transformations des rues anciennes de Paris Quelles données utiliser? Extraire une connaissance sur les transformations spatiales? Structurer cette connaissance?

15 15 Sources - sources Choix des sources : Sources cartographiques : plans, cadastres, atlas Couverture des grands changements du XIXe siècle 1 s 1 Données ALPAGE

16 16 Sources acquisition s

17 17 Sources acquisition s

18 18 Sources acquisition s

19 19 Modélisation des réseaux - Temporalisation Les plans représentent une période : temps de réalisation du plan Incertitudes sur le temps de levé temporalité floue 1785 ε ε =1

20 20 Modélisation des réseaux - Imperfections Données imparfaites Granularité : choix de représentation des cartographes. Lacunes : généralisation ou omissions, plans incomplets, etc... Imprécision géométrique : géoréférencement, levé du plan Incertitude temporelle : périodes de levé, différentes temporalités dans un plan, réutilisation de fonds.

21 21 Modélisation des réseaux - Imperfections Données imparfaites Granularité : choix de représentation des cartographes. Lacunes : généralisation ou omissions, plans incomplets, etc... Imprécision géométrique : géoréférencement, levé du plan Incertitude temporelle : périodes de levé, différentes temporalités dans un plan, réutilisation de fonds. Objectifs : retrouver... les trajectoires des rues dans le temps à partir de réseaux situés à des périodes de temps les transformations qui affectent les réseaux

22 22 Méthodologie - Graphe Un graphe pour représenter les transformations Modèle de données [Del Mondo,2010] Exploration visuelle [Stefani, 2010] Nubes Tempus [Stefani, 2010]

23 23 Méthodologie - Graphe Étape 1 : graphe de filiations

24 24 Méthodologie - Graphe

25 25 Méthodologie Étape 2 : Identification des transformations - Graphe Transformations simples Quelle modélisation des transformations?

26 26 Méthodologie - Graphe

27 27 Méthodologie - Construction automatique Construite automatiquement le graphe? Gestion des imperfections Volume de données, réutilisabilité

28 28 Méthodologie - Construction automatique Construite automatiquement le graphe? Gestion des imperfections Volume de données, réutilisabilité Méthodes par appariement de données spatiotemporelles [DeRunz, 2008], [Plumejeaud, 2011] «B.1 est vraisemblablement le successeur de A.1»

29 29 Méthodologie - Construction automatique Construite automatiquement le graphe? Gestion des imperfections Volume de données, réutilisabilité Méthodes par appariement de données spatiotemporelles [DeRunz, 2008], [Plumejeaud, 2011] «B.1 est vraisemblablement le successeur de A.1» Plusieurs critères de mesure de la vraisemblance

30 30 Méthodologie - Construction automatique Une construction complexe... Appariement de N sources de données. Multicritères. Incertitudes : solutions multiples.

31 31 Méthodologie - Construction automatique Une construction complexe... Appariement de N sources de données. Multicritères. Incertitudes : solutions multiples. Optimiser la vraisemblance du graphe créé Recuit simulé multi-objectifs [Suppapitnarm, 2000]

32 32 Méthodologie - Construction automatique Une construction complexe... Appariement de N sources de données. Multicritères. Incertitudes : solutions multiples. Optimiser la vraisemblance du graphe créé Recuit simulé multi-objectifs [Suppapitnarm, 2000] Espace: Fréchet discrète

33 33 Méthodologie - Construction automatique Une construction complexe... Appariement de N sources de données. Multicritères. Incertitudes : solutions multiples. Optimiser la vraisemblance du graphe créé Recuit simulé multi-objectifs [Suppapitnarm, 2000] Espace: Fréchet discrète Temps : Rangement de nombres flous

34 34 Méthodologie - Construction automatique Une construction complexe... Appariement de N sources de données. Multicritères. Incertitudes : solutions multiples. Optimiser la vraisemblance du graphe créé Recuit simulé multi-objectifs [Suppapitnarm, 2000] Espace: Fréchet discrète Temps : Rangement de nombres flous Sémantique : dictionnaires de rues + similarité phonétique

35 35 Résultats - Données Notre Dame

36 Verniquet Résultats Vasserot 36 Poubelle - Carte des transformations

37 Verniquet Résultats Verniquet Vasserot Vasserot 37 Poubelle - Carte des transformations Vasserot Poubelle

38 38 Résultats - Données CNAM

39 Verniquet Résultats Vasserot 39 Poubelle - Carte des transformations

40 Verniquet Résultats Verniquet Vasserot Vasserot Poubelle - Carte des transformations Vasserot Poubelle 40

41 41 Conclusion Généricité : Définition de critères spécifiques Appariement de données géographiques Réutilisabilité de la méthode - conclusion Code intégré dans GeOxygene Passage à l'échelle + Métaheuristique - Calculs Géométriques

42 42 Perspectives Extension des critères temporels - conclusion Indice d antécédence [DeRunz, 2008] Validation des résultats: Validation quantitative Apprentissage des paramètres Cartographie des transformations Vers la conflation de données spatio-temporelles?

43 43 Merci de votre attention! Bertrand Dumenieu Laboratoire COGIT, IGN 73 avenue de Paris, Saint-Mandé