Descripteur
Documents disponibles dans cette catégorie (2069)
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
Detecting individuals' spatial familiarity with urban environments using eye movement data / Hua Liao in Computers, Environment and Urban Systems, vol 93 (April 2022)
[article]
Titre : Detecting individuals' spatial familiarity with urban environments using eye movement data Type de document : Article/Communication Auteurs : Hua Liao, Auteur ; Wendi Zhao, Auteur ; Changbo Zhang, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 101758 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] analyse visuelle
[Termes IGN] apprentissage automatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] navigation pédestre
[Termes IGN] oculométrie
[Termes IGN] service fondé sur la position
[Termes IGN] zone urbaine
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) The spatial familiarity of environments is an important high-level user context for location-based services (LBS). Knowing users' familiarity level of environments is helpful for enabling context-aware LBS that can automatically adapt information services according to users' familiarity with the environment. Unlike state-of-the-art studies that used questionnaires, sketch maps, mobile phone positioning (GPS) data, and social media data to measure spatial familiarity, this study explored the potential of a new type of sensory data - eye movement data - to infer users' spatial familiarity of environments using a machine learning approach. We collected 38 participants' eye movement data when they were performing map-based navigation tasks in familiar and unfamiliar urban environments. We trained and cross-validated a random forest classifier to infer whether the users were familiar or unfamiliar with the environments (i.e., binary classification). By combining basic statistical features and fixation semantic features, we achieved a best accuracy of 81% in a 10-fold classification and 70% in the leave-one-task-out (LOTO) classification. We found that the pupil diameter, fixation dispersion, saccade duration, fixation count and duration on the map were the most important features for detecting users' spatial familiarity. Our results indicate that detecting users' spatial familiarity from eye tracking data is feasible in map-based navigation and only a few seconds (e.g., 5 s) of eye movement data is sufficient for such detection. These results could be used to develop context-aware LBS that adapt their services to users' familiarity with the environments. Numéro de notice : A2022-121 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2022.101758 Date de publication en ligne : 21/01/2022 En ligne : https://doi.org/10.1016/j.compenvurbsys.2022.101758 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99663
in Computers, Environment and Urban Systems > vol 93 (April 2022) . - n° 101758[article]Enriching the metadata of map images: a deep learning approach with GIS-based data augmentation / Yingjie Hu in International journal of geographical information science IJGIS, vol 36 n° 4 (April 2022)
[article]
Titre : Enriching the metadata of map images: a deep learning approach with GIS-based data augmentation Type de document : Article/Communication Auteurs : Yingjie Hu, Auteur ; Zhipeng Gui, Auteur ; Jimin Wang, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 799 - 821 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] descripteur
[Termes IGN] données d'entrainement sans étiquette
[Termes IGN] image cartographique
[Termes IGN] métadonnées
[Termes IGN] projection
[Termes IGN] système d'information géographique
[Termes IGN] Web Map Service
[Termes IGN] web mappingRésumé : (auteur) Maps in the form of digital images are widely available in geoportals, Web pages, and other data sources. The metadata of map images, such as spatial extents and place names, are critical for their indexing and searching. However, many map images have either mismatched metadata or no metadata at all. Recent developments in deep learning offer new possibilities for enriching the metadata of map images via image-based information extraction. One major challenge of using deep learning models is that they often require large amounts of training data that have to be manually labeled. To address this challenge, this paper presents a deep learning approach with GIS-based data augmentation that can automatically generate labeled training map images from shapefiles using GIS operations. We utilize such an approach to enrich the metadata of map images by adding spatial extents and place names extracted from map images. We evaluate this GIS-based data augmentation approach by using it to train multiple deep learning models and testing them on two different datasets: a Web Map Service image dataset at the continental scale and an online map image dataset at the state scale. We then discuss the advantages and limitations of the proposed approach. Numéro de notice : A2022-258 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : https://doi.org/10.1080/13658816.2021.1968407 En ligne : https://doi.org/10.1080/13658816.2021.1968407 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100231
in International journal of geographical information science IJGIS > vol 36 n° 4 (April 2022) . - pp 799 - 821[article]Graph neural network based model for multi-behavior session-based recommendation / Bo Yu in Geoinformatica, vol 26 n° 2 (April 2022)
[article]
Titre : Graph neural network based model for multi-behavior session-based recommendation Type de document : Article/Communication Auteurs : Bo Yu, Auteur ; Ruoqian Zhang, Auteur ; Wei Chen, Auteur ; Junhua Fang, Auteur Année de publication : 2022 Article en page(s) : pp 429 - 447 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] comportement
[Termes IGN] consommation
[Termes IGN] modèle de simulation
[Termes IGN] réseau neuronal de graphes
[Termes IGN] réseau sémantique
[Termes IGN] service fondé sur la positionMots-clés libres : session Résumé : (auteur) Multi-behavior session-based recommendation aims to predict the next item, such as a location-based service (LBS) or a product, to be interacted by a specific behavior type (e.g., buy or click) in a session involving multiple types of behaviors. State-of-the-art methods generally model multi-behavior dependencies in item-level, but ignore the potential of discovering useful patterns of multi-behavior transition through feature-level representation learning. Besides, sequential and non-sequential patterns should be properly fused in session modeling to capture dynamic interests within the session. To this end, this paper proposes a Graph Neural Network based Hybrid Model GNNH, which enables feature-level deeper representations of multi-behavior interaction sequences for session-based recommendation. Specifically, we first construct multi-relational item graph (MRIG) and feature graph (MRFG) based on session sequences. On top of the MRIG and MRFG, our model takes advantage of GNN to capture item and feature representations, such that global item-to-item and feature-to-feature relations are fully preserved. Afterwards, each multi-behavior session is modeled by a seamless fusion of interacted item and feature representations, where self-attention and mean-pooling are used to obtain sequential and non-sequential patterns simultaneously. Experiments on two real datasets show that the GNNH model significantly outperforms the state-of-the-art methods. Numéro de notice : A2022-326 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.1007/s10707-021-00439-w Date de publication en ligne : 29/05/2021 En ligne : https://doi.org/10.1007/s10707-021-00439-w Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100489
in Geoinformatica > vol 26 n° 2 (April 2022) . - pp 429 - 447[article]Understanding the movement predictability of international travelers using a nationwide mobile phone dataset collected in South Korea / Yang Xu in Computers, Environment and Urban Systems, vol 92 (March 2022)
[article]
Titre : Understanding the movement predictability of international travelers using a nationwide mobile phone dataset collected in South Korea Type de document : Article/Communication Auteurs : Yang Xu, Auteur ; Dan Zou, Auteur ; Sangwon Park, Auteur ; et al., Auteur Année de publication : 2022 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] chaîne de Markov
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] Corée du sud
[Termes IGN] durée de trajet
[Termes IGN] mobilité humaine
[Termes IGN] modèle de simulation
[Termes IGN] prévision à court terme
[Termes IGN] téléphone intelligent
[Termes IGN] téléphonie mobile
[Termes IGN] tourisme
[Termes IGN] voyageRésumé : (auteur) The abilities to predict tourist movements are critical to many urban applications, such as travel recommendations, targeted advertising, and infrastructure planning. Despite its importance, our understanding on the movement predictability of urban tourists and visitors is still limited, partially due to difficulties in accessing large scale mobility observations. In this study, we aim to bridge this gap by analyzing a nationwide mobile phone dataset. The dataset captures movement traces of a large number of international travelers who visited South Korea in 2018. By introducing two prediction models, one being Markov chain and the other with a recurrent neural network architecture, we assess how well travelers’ movements can be predicted under different model settings, and examine how predictability relates to travelers’ length of stay and activeness in travel patterns. Since travelers’ destination choices are quite diverse in South Korea, this enables us to further investigate the geographic variation of the models’ performance. Results show that the Markov chain model achieves an overall accuracy between 33.4% (@Acc1 metric) and 64.2% (@Acc5 metric), compared to 41.9% (@Acc1) and 67.7% (@Acc5) for the recurrent neural network model. The prediction capabilities of both models are largely unequal across individuals, with active travelers being more predictable in general. There is a notable geographic variation in the models’ performance, meaning that travelers’ movements are more predictable in some cities, but less in others. We believe this study represents a new effort in portraying the movement predictability of urban tourists and visitors. The analytical framework can be applied to assist tourism planning and service deployment in cities. Numéro de notice : A2022-085 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2021.101753 Date de publication en ligne : 06/01/2022 En ligne : https://doi.org/10.1016/j.compenvurbsys.2021.101753 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99490
in Computers, Environment and Urban Systems > vol 92 (March 2022)[article]Pourquoi la forêt française a besoin d’un traitement de fond / Guillaume Decocq in The Conversation France, vol 2022 ([10/02/2022])
[article]
Titre : Pourquoi la forêt française a besoin d’un traitement de fond Type de document : Article/Communication Auteurs : Guillaume Decocq, Auteur ; Serge Muller, Auteur Année de publication : 2022 Langues : Français (fre) Descripteur : [Termes IGN] adaptation (biologie)
[Termes IGN] Chalara fraxinea
[Termes IGN] dépérissement
[Termes IGN] essence indigène
[Termes IGN] France (administrative)
[Termes IGN] gestion forestière durable
[Termes IGN] mortalité
[Termes IGN] productivité
[Termes IGN] puits de carbone
[Termes IGN] sécheresse
[Termes IGN] sylviculture
[Vedettes matières IGN] Végétation et changement climatiqueRésumé : (auteur) Les conclusions des Assises nationales de la forêt et du bois, lancées par le gouvernement en octobre 2021 avec pour objectif de « penser la forêt française de demain », devraient être rendues dans les prochains jours. Un des axes majeurs de cette réflexion concernait le renforcement de la résilience des forêts et la préservation de la biodiversité.
Car la forêt française est aujourd’hui en crise : depuis deux décennies, on assiste en effet à une mortalité croissante des peuplements forestiers et à une baisse globale de leur productivité. Si la surface boisée en France métropolitaine ne cesse de croître depuis le milieu du XIXe siècle, c’est en raison du boisement – spontané ou artificiel – de terres agricoles, car la superficie occupée par des forêts anciennes, elle, ne cesse de diminuer. Ce « dépérissement », est généralement attribué aux modifications climatiques. Les sécheresses estivales récurrentes fragilisent les arbres et la douceur hivernale favorise les pullulations de bioagresseurs, en particulier les scolytes et les hannetons. Le changement climatique en est sans aucun doute une cause essentielle, mais il est aussi le révélateur d’écosystèmes forestiers fragilisés par des décennies de pratiques sylvicoles focalisées sur la production de bois. Non seulement la forêt française fixe moins de carbone par unité de surface, mais l’exploitation des peuplements dépérissants induit des émissions supplémentaires de CO₂ aggravant l’effet de serre et les changements climatiques associés.Numéro de notice : A2022-214 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET Nature : Article DOI : sans Date de publication en ligne : 20/02/2022 En ligne : https://theconversation.com/pourquoi-la-foret-francaise-a-besoin-dun-traitement- [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100083
in The Conversation France > vol 2022 [10/02/2022][article]Quickly locating POIs in large datasets from descriptions based on improved address matching and compact qualitative representations / Ruozhen Cheng in Transactions in GIS, vol 26 n° 1 (February 2022)PermalinkALEGORIA: Joint multimodal search and spatial navigation into the geographic iconographic heritage / Florent Geniet (2022)PermalinkPermalinkPermalinkAutomatic identification of addresses: A systematic literature review / Paula Cruz in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)PermalinkContextual location recommendation for location-based social networks by learning user intentions and contextual triggers / Seyyed Mohammadreza Rahimi in Geoinformatica, vol 26 n° 1 (January 2022)PermalinkCréation d’un indicateur de qualité de la desserte des transports pour des parcelles à une échelle locale / Nick Lin (2022)PermalinkPermalinkÉvaluation des grandeurs moyennes caractérisant les infrastructures agroécologiques du Gers / Adrien Dupas (2022)PermalinkGénération d’un jeu de données d’entraînement et mise en oeuvre d’une architecture de détection par deep learning des numéros de parcelles sur les plans du cadastre Napoléonien / Tiecoumba Ibrahim Tamela (2022)Permalink