Descripteur
Documents disponibles dans cette catégorie (2806)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Machine learning and geographic information systems for large-scale mapping of renewable energy potential / Dan Assouline (2019)
Titre : Machine learning and geographic information systems for large-scale mapping of renewable energy potential Type de document : Thèse/HDR Auteurs : Dan Assouline, Auteur ; Jean-Louis Scartezzini, Directeur de thèse ; Nahid Mohajeri Pour Rayeni, Directeur de thèse Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2019 Importance : 294 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du grade de Docteur ès Sciences à l'Ecole Polytechnique Fédérale de LausanneLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage automatique
[Termes IGN] carte thématique
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données météorologiques
[Termes IGN] données topographiques
[Termes IGN] énergie éolienne
[Termes IGN] énergie géothermique
[Termes IGN] énergie renouvelable
[Termes IGN] énergie solaire
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] occupation du sol
[Termes IGN] prédiction
[Termes IGN] SuisseIndex. décimale : THESE Thèses et HDR Résumé : (auteur) A promising pathway to follow in order to reach sustainable development goals is an increased
reliance on renewable sources of energy. The optimized use of these energy sources, however, requires the assessment of their potential supply, along with the demand loads in locations of interest. In particular, large-scale supply estimation studies are needed in order to evaluate areas of high potential for each type of energy source for a particular region, and allow for the elaboration of efficient global energy strategies. In Switzerland, the “Energy Strategy 2050”, initiated in 2011 by the Swiss Federal Council, sets an example with the ambitious goal of reaching a 50-80% reduction of CO2 emissions by the year 2050, with a clear course of action: phasing-out nuclear power, improving energy efficiency, and greatly increasing the use of renewables. This thesis develops a general data-driven strategy combining Geographic Information Systems and Machine Learning methods to map the large-scale energy potential for three very popular sources of decentralized energy systems: wind energy (using horizontal axis wind turbines), geothermal energy (using very shallow ground source heat pumps) and solar energy (using photovoltaic solar panels over rooftops). For each of the three considered energy sources, an adapted methodology is suggested to assess its large-scale potential, by estimating multiple variables of interest (with a suitable time resolution, e.g. monthly or yearly), using widely available data, and combining these variables into potential values. These latter estimated variables, dictating the potential, include: (i) the monthly wind speed, and rural and urban topographic/obstacle configuration for wind energy, (ii) the ground thermal conductivity, volumetric heat capacity and monthly temperature gradient for geothermal energy, (iii) the monthly solar radiation, available area for PV panels over rooftops, geometrical characteristics of rooftops and monthly shading factors over rooftops for solar energy. The use of Machine Learning algorithms (notably Support Vector Machines and Random Forests) allows, given adequate features and training data (examples for some locations), for the prediction of the latter variables at unknown locations, along with the uncertainty attached to the predictions. In each case, the developed methodology is set-up with an aim to be applied for Switzerland, meaning that it relies on Swiss available energy-related data. Such data, however, including meteorological, topographic, ground/soil-related and building-related data, is becoming progressively available for most countries, making it possible to widely generalize the proposed methodologies.
Results show that Machine Learning is adequate for energy potential estimation, as the multiple required predictions and spatial extrapolations are achieved with reasonable accuracy. In addition, final values are validated with other existing data or studies when possible, and show general agreement. The application of the suggested potential methodologies in Switzerland outline the very significant potential for the considered renewables. In particular, there is a relatively high potential for RooftopMounted solar PV panels, as it is estimated that they could generate a total electricity production of 16.3 TWh per year, which corresponds to 25.3% of the annual electricity demand in 2017.In each case, the developed methodology is set-up with an aim to be applied for Switzerland, meaning that it relies on Swiss available energy-related data. Such data, however, including meteorological, topographic, ground/soil-related and building-related data, is becoming progressively available for most countries, making it possible to widely generalize the proposed methodologies. Results show that Machine Learning is adequate for energy potential estimation, as the multiple required predictions and spatial extrapolations are achieved with reasonable accuracy. In addition, final values are validated with other existing data or studies when possible, and show general agreement. The application of the suggested potential methodologies in Switzerland outline the very significant potential for the considered renewables. In particular, there is a relatively high potential for RooftopMounted solar PV panels, as it is estimated that they could generate a total electricity production of 16.3 TWh per year, which corresponds to 25.3% of the annual electricity demand in 2017.Note de contenu : 1- Introduction
2- Machine Learning
3- Theory and modeling of renewable energy systems
4- Wind energy: a theoretical potential estimation
5- Very shallow geothermal energy: a theoretical potential estimation
6- Solar energy: a technical potential estimation at commune scale
7- Solar energy: an improved potential estimation at pixel scale
8- ConclusionNuméro de notice : 25797 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences : EPFLausanne : 2019 nature-HAL : Thèse DOI : sans En ligne : https://infoscience.epfl.ch/record/264971?ln=fr Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95038 A method for checking the quality of geographic metadata based on ISO 19157 / Manuel A. Ureña-Cámara in International journal of geographical information science IJGIS, Vol 33 n° 1-2 (January - February 2019)
[article]
Titre : A method for checking the quality of geographic metadata based on ISO 19157 Type de document : Article/Communication Auteurs : Manuel A. Ureña-Cámara, Auteur ; Javier Nogueras-Iso, Auteur ; Javier Lacasta, Auteur ; Francisco Javier Ariza-López, Auteur Année de publication : 2019 Article en page(s) : pp 1 - 27 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] contrôle qualité automatique
[Termes IGN] hétérogénéité sémantique
[Termes IGN] interopérabilité
[Termes IGN] Java (langage de programmation)
[Termes IGN] métadonnées géographiques
[Termes IGN] norme ISO
[Termes IGN] qualité des metadonnées
[Termes IGN] XMLRésumé : (auteur) With recent advances in remote sensing, location-based services and other related technologies, the production of geospatial information has exponentially increased in the last decades. Furthermore, to facilitate discovery and efficient access to such information, spatial data infrastructures were promoted and standardized, with a consideration that metadata are essential to describing data and services. Standardization bodies such as the International Organization for Standardization have defined well-known metadata models such as ISO 19115. However, current metadata assets exhibit heterogeneous quality levels because they are created by different producers with different perspectives. To address quality-related concerns, several initiatives attempted to define a common framework and test the suitability of metadata through automatic controls. Nevertheless, these controls are focused on interoperability by testing the format of metadata and a set of controlled elements. In this paper, we propose a methodology of testing the quality of metadata by considering aspects other than interoperability. The proposal adapts ISO 19157 to the metadata case and has been applied to a corpus of the Spanish Spatial Data Infrastructure. The results demonstrate that our quality check helps determine different types of errors for all metadata elements and can be almost completely automated to enhance the significance of metadata. Numéro de notice : A2019-018 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1515437 Date de publication en ligne : 17/09/2018 En ligne : https://doi.org/10.1080/13658816.2018.1515437 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91675
in International journal of geographical information science IJGIS > Vol 33 n° 1-2 (January - February 2019) . - pp 1 - 27[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2019011 RAB Revue Centre de documentation En réserve L003 Disponible Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 Spatial decision support in urban environments using machine learning, 3D geo-visualization and semantic integration of multi-source data / Nikolaos Sideris (2019)
Titre : Spatial decision support in urban environments using machine learning, 3D geo-visualization and semantic integration of multi-source data Type de document : Thèse/HDR Auteurs : Nikolaos Sideris, Auteur ; Georgios Miaoulis, Directeur de thèse ; Djamchid Ghazanfarpour, Directeur de thèse Editeur : Limoges : Université de Limoges Année de publication : 2019 Importance : 136 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Limoges spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] aide à la décision
[Termes IGN] apprentissage automatique
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données multisources
[Termes IGN] géoréférencement
[Termes IGN] géovisualisation
[Termes IGN] image 3D
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modélisation sémantique
[Termes IGN] ontologie
[Termes IGN] planification urbaine
[Termes IGN] système d'information urbain
[Termes IGN] urbanismeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The constantly increasing amount and availability of urban data derived from varying sources leads to an assortment of challenges that include, among others, the consolidation, visualization, and maximal exploitation prospects of the aforementioned data. A preeminent problem affecting urban planning is the appropriate choice of location to host a particular activity (either commercial or common welfare service) or the correct use of an existing building or empty space. In this thesis we propose an approach to address the preceding challenges availed with machine learning techniques with the random forests classifier as its dominant method in a system that combines, blends and merges various types of data from different sources, encode them using a novel semantic model that can capture and utilize both low-level geometric information and higher level semantic information and subsequently feeds them to the random forests classifier. The data are also forwarded to alternative classifiers and the results are appraised to confirm the prevalence of the proposed method. The data retrieved stem from a multitude of sources, e.g. open data providers and public organizations dealing with urban planning. Upon their retrieval and inspection at various levels (e.g. import, conversion, geospatial) they are appropriately converted to comply with the rules of the semantic model and the technical specifications of the corresponding subsystems. Geometrical and geographical calculations are performed and semantic information is extracted. Finally, the information from individual earlier stages along with the results from the machine learning techniques and the multicriteria methods are integrated into the system and visualized in a front-end web based environment able to execute and visualize spatial queries, allow the management of three-dimensional georeferenced objects, their retrieval, transformation and visualization, as a decision support system. Note de contenu : Introduction
1- Theorical background and State of the Art
2- Thesis contribution to semantic querying, navigation and spatial decision Making of 3D Urban Scenes using Machine Learning
3- Evaluation discussion et conclusionsNuméro de notice : 25995 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE/URBANISME Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Limoges : 2019 Organisme de stage : XLIM (Limoges) nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02449667/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96808 The difficult way towards Land cover and land use data harmonization across scales, space and time in Europe / Dominique Laurent (2019)
Titre : The difficult way towards Land cover and land use data harmonization across scales, space and time in Europe Type de document : Article/Communication Auteurs : Dominique Laurent , Auteur Editeur : Leibniz : Leibniz Institute of Ecological Urban and Regional Development Année de publication : 2019 Projets : TimeMachine / Gouet-Brunet, Valérie Conférence : ILUS 2019, 3rd International land use symposium, Land use changes: Trends and projections 04/12/2019 06/12/2019 Paris France programme sans actes Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] harmonisation des données
[Termes IGN] infrastructure européenne de données localisées
[Termes IGN] INSPIRE
[Termes IGN] métamodèle
[Termes IGN] occupation du sol
[Termes IGN] utilisation du solMots-clés libres : Knowledge Exchange Network Résumé : (auteur) Describing land, through its physical properties and functional characteristics, to support decision from local to global level, in particular to observe land evolution through time, at a sustainable cost for society is a domain with many challenges and opportunities. This is the domain of land cover and land use data design which receives attention from a vast community, from raw data providers (satellite imagery, in situ data) to data curators and integrators as well as users. One of the first attempts to harmonize Land Cover and Land Use data has been the INSPIRE Directive (voted in 2007) that aims to provide the legal framework for achieving a European Spatial Data Infrastructure where the Commission could reuse national data used by members for their national policies. Among its Implementing Rules, interoperability is addressed through the definition of common data models for land cover and for land use information. INSPIRE being based on existing data, these models have been defined to be quite flexible. On the one hand, this European legal context and the new technical opportunities may push data producers to design new land cover and land use products, with for example more concern for European reusability of national products. On the other hand, land cover and land use data are often used to compute evolution indicators, which requires stable enough or at least comparable specifications; which rather push data providers to stick to former data specification. More recently, UN-GGIM: Europe (United Nations initiative on Global Geographic Information Management) has set up a Working Group on spatial data the most useful to analyze, achieve or monitor the Sustainable Development Goals, called core data. This group defines priorities for the production of new data or the enhancement of existing one. Land Cover and Land Use are identified as core data themes. The EuroGeographics INSPIRE KEN (Knowledge Exchange Network) and EuroSDR organised a workshop in November 2017 on this topic: how to make the most of available technologies (in terms of precision, accuracy and cost) as well as how to achieve products comparability and reusability across scales, space and time. Main conclusion was that quite diverse national practices must be accounted, though the concept of separating land cover and land use was widely adopted. Besides, attendees express the need to connect to new communities: deep learning to cope with big data, and communities studying the surveyed phenomena to integrate more domain knowledge in land cover and land use surveying process. Last, meta-models like EAGLE supporting the comparison of classifications were recognized as a key SDI component.
The presentation will remind why data harmonization is useful, it will provide an overview of what has been achieved and explain the remaining difficulties.Numéro de notice : C2019-068 Affiliation des auteurs : IGN (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97023 PermalinkFictive motion extraction and classification / Ekaterina Egorova in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkFormal representation of qualitative direction / Christian Freksa in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkA hybrid ensemble learning method for tourist route recommendations based on geo-tagged social networks / Lin Wan in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkA topology-preserving polygon rasterization algorithm / Chen Zhou in Cartography and Geographic Information Science, Vol 45 n° 6 (November 2018)PermalinkToward a participatory VGI methodology : crowdsourcing information on regional food assets / Victoria Fast in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)PermalinkUncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM) / Chang Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkInterplay between urban communities and human‐crowd mobility: A study using contributed geospatial data sources / Mohammad Forghani in Transactions in GIS, vol 22 n° 4 (August 2018)PermalinkProcessing BIM and GIS models in practice: Experiences and recommendations from a geoBIM project in The Netherlands / Ken Arroyo Ohori in ISPRS International journal of geo-information, vol 7 n° 8 (August 2018)PermalinkPermalink«Blockchain» et géomatique / Anonyme in Géomatique expert, n° 122 (mai-juin 2018)PermalinkLe FOSS4G-fr version 2018 / Anonyme in Géomatique expert, n° 122 (mai-juin 2018)PermalinkL’opérateur de collage : Gestion de plusieurs points de vue dans un contexte spatial / Géraldine Del Mondo in Revue internationale de géomatique, vol 28 n° 3 (juillet - septembre 2018)PermalinkDe la navigation connectée à la voiture autonome - partie 2 Et mon tout est un véhicule autonome / Hubert d' Erceville in SIGmag, n° 17 (juin 2018)PermalinkEfficient task assignment in spatial crowdsourcing with worker and task privacy protection / An Liu in Geoinformatica, vol 22 n° 2 (April 2018)PermalinkJournées de la recherche IGN 2018 / Anonyme in Géomatique expert, n° 121 (mars - avril 2018)PermalinkA spatio-temporal scenario model for emergency decision / Cheng Liu in Geoinformatica, vol 22 n° 2 (April 2018)Permalink3D urban data to assess local urban regulation influence / Mickaël Brasebin in Computers, Environment and Urban Systems, vol 68 (March 2018)Permalink3D visibility analysis indicating quantitative and qualitative aspects of the visible space / D. Golub in Survey review, vol 50 n° 359 (March 2018)PermalinkA co-citation and cluster analysis of scientometrics of geographic information ontology / Yu Liu in ISPRS International journal of geo-information, vol 7 n° 3 (March 2018)Permalink