Centre de documentation
scientifique

A GIS representation framework for location-based social media activities / Xuebin Wei in Transactions in GIS, vol 26 n° 3 (May 2022)  

Public [article]  inTransactions in GIS > vol 26 n° 3 (May 2022) . - pp 1444 - 1464 Titre : A GIS representation framework for location-based social media activities Type de document : Article/Communication Auteurs : Xuebin Wei, Auteur ; Xiaobai Yao, Auteur Année de publication : 2022 Article en page(s) : pp 1444 - 1464 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] cadre conceptuel [Termes IGN] données issues des réseaux sociaux [Termes IGN] environnement géographique virtuel [Termes IGN] Facebook [Termes IGN] modèle conceptuel de données spatio-temporelles [Termes IGN] ontologie [Termes IGN] relations sociales [Termes IGN] représentation des données [Termes IGN] réseau social géodépendant [Termes IGN] système d'information géographique [Termes IGN] Time-geography Résumé : (auteur) The past couple of decades have witnessed tremendous growth of location-based social media activities (LBSMA) data in virtual spaces, including virtual geographic environments. Such data become innovative resources for the analysis of human activities. Meanwhile, a shift of human interactions from geographical spaces to virtual spaces has been observed. Although this is an exciting research opportunity, it also imposes significant challenges on GIScience, as current GIS representation models are no longer sufficient to handle the increased sophistication of human activities data. This research formalizes an ontology for LBSMA data and a conceptual framework for representing such data in GIS. The framework contributes to GIScience as it enables interconnections of human activities in both the physical and virtual worlds to be represented, organized, retrieved, analyzed, and visualized. The proposed GIS representation model integrates a social dimension into the existing spatial–temporal representation models and allows data analysis in the spatial–temporal–social (STS) dimensions. The research tested this conceptual framework with a prototype and a case study using Facebook data. The prototype and the case study prove that the proposed framework can significantly enhance GIS capabilities for data organization, retrieval, and analysis of LBSMA data in STS dimensions. Numéro de notice : A2022-477 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Article DOI : 10.1111/tgis.12929 Date de publication en ligne : 02/05/2022 En ligne : https://doi.org/10.1111/tgis.12929 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100825 [article]

Analytics of location-based big data for smart cities: Opportunities, challenges, and future directions / Haosheng Huang in Computers, Environment and Urban Systems, vol 90 (November 2021)  

Public [article]  inComputers, Environment and Urban Systems > vol 90 (November 2021) . - n° 101712 Titre : Analytics of location-based big data for smart cities: Opportunities, challenges, and future directions Type de document : Article/Communication Auteurs : Haosheng Huang, Auteur ; Xiaobai Yao, Auteur ; Jukka Mathias Krisp, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 101712 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] données issues des réseaux sociaux [Termes IGN] données localisées des bénévoles [Termes IGN] données massives [Termes IGN] planification urbaine [Termes IGN] service fondé sur la position [Termes IGN] téléphonie mobile [Termes IGN] ville durable [Termes IGN] ville intelligente Résumé : (auteur) The growing ubiquity of location/activity sensing technologies and location-based services (LBS) has led to a large volume and variety of location-based big data (LocBigData), such as location tracking or sensing data, social media data, and crowdsourced geographic information. The increasing availability of such LocBigData has created unprecedented opportunities for research on urban systems and human environments in general. In this article, we first review the common types of LocBigData: mobile phone network data, GPS data, Location-based social media data, LBS usage/log data, smart card travel data, beacon log data (WiFi or Bluetooth), and camera imagery data. Secondly, we describe the opportunities fueled by LocBigData for the realization of smart cities, mainly via answering questions ranging from “what happened” and “why did it happen” to “what's likely to happen in the future” and “what to do next”. Thirdly, pitfalls of dealing with LocBigData are summarized, such as high volume/velocity/variety; non-random sampling; messy and not clean data; and correlations rather than causal relationships. Finally, we review the state-of-the-art research trends in this field, and conclude the article with a list of open research challenges and a research agenda for LocBigData research to help achieve the vision of smart and sustainable cities. Numéro de notice : A2021-650 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Article DOI : 10.1016/j.compenvurbsys.2021.101712 Date de publication en ligne : 08/09/2021 En ligne : https://doi.org/10.1016/j.compenvurbsys.2021.101712 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98368 [article]

Constructing and analyzing spatial-social networks from location-based social media data / Xuebin Wei in Cartography and Geographic Information Science, vol 48 n° 3 (May 2021)  

Public [article]  inCartography and Geographic Information Science > vol 48 n° 3 (May 2021) . - pp 258 - 274 Titre : Constructing and analyzing spatial-social networks from location-based social media data Type de document : Article/Communication Auteurs : Xuebin Wei, Auteur ; Xiaobai Yao, Auteur Année de publication : 2021 Article en page(s) : pp 258 - 274 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse de données [Termes IGN] collecte de données [Termes IGN] données issues des réseaux sociaux [Termes IGN] données spatiotemporelles [Termes IGN] Facebook [Termes IGN] géolocalisation [Termes IGN] réseau social géodépendant [Termes IGN] santé [Termes IGN] système d'information géographique [Termes IGN] urbanisme Résumé : (auteur) People interact with each other in space and time. Improved understanding of human interactions in spatial, temporal, and social dimensions are highly beneficial for research and practices in public health, urban planning, and other fields. Traditional methods of collecting social interaction data are time-intensive and resource-consuming, resulting in relatively small sample sizes and limited information. Furthermore, traditional methods often oversimplify the dynamics of human interactions and fail to capture the characteristics of places where the interactions occur. With the popularity of location-based social media (LBSM) platforms, people can publish information about their social events such as time, location, and other participants. This research introduces a framework that formalizes terminologies and concepts related to spatial-social connections for the construction of spatial-social networks from LBSM data in GIS. Supported by the framework, the study presents methods of collecting, analyzing, and visualizing LBSM data in spatial-social dimensions. The methods are implemented and tested in a case study with Facebook data. The case study demonstrates that location-based social media data can be transformed into spatial-social networks and then be analyzed and visualized to answer innovative types of scientific inquiries. Numéro de notice : A2021-612 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2021.1891974 Date de publication en ligne : 09/04/2021 En ligne : https://doi.org/10.1080/15230406.2021.1891974 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97538 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2021031	RAB	Revue	Centre de documentation	En réserve L003	Disponible

3D model construction in an urban environment from sparse LiDAR points and aerial photos : a statistical approach / Xuebin Wei in Geomatica, vol 69 n° 3 (september 2015)  

Public [article]  inGeomatica > vol 69 n° 3 (september 2015) . - pp 271 - 284 Titre : 3D model construction in an urban environment from sparse LiDAR points and aerial photos : a statistical approach Type de document : Article/Communication Auteurs : Xuebin Wei, Auteur ; Xiaobai Yao, Auteur Année de publication : 2015 Article en page(s) : pp 271 - 284 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] bâtiment [Termes IGN] détection automatique [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] hauteur du bâti [Termes IGN] image aérienne [Termes IGN] modélisation 3D [Termes IGN] régression géographiquement pondérée [Termes IGN] zone urbaine Résumé : (auteur) La technologie de détection et de localisation par la lumière (LiDAR) est maintenant une source importante de données pour la modélisation urbaine. Les méthodes traditionnelles de traitement des données LiDAR pour la détection des édifices exigent des données à résolution spatiale élevée et des algorithmes sophistiqués. D'autre part, les photos aériennes fournissent de l'information spectrale continuelle sur les édifices. Toutefois, l'exactitude des limites des édifices classifiés obtenues à partir des photos aériennes est restreinte lorsque les toits des édifices et leurs environnements partagent des caractéristiques spectrales analogues. Cet article élabore une approche statistique qui peut intégrer des variables de caractéristiques dérivées de points clairsemés LiDAR et des photos aériennes pour détecter les édifices en estimant la hauteur des objets et en identifiant des groupes de hauteur similaire. Dans cet article, l'approche choisit une méthode de régression locale, nommée régression géographique pondérée, pour tenir compte des variations locales de la hauteur de la surface de l’édifice. Dans le modèle de régression géographique pondérée, les données LiDAR fournissent l'information sur la hauteur des objets spatiaux, qui est la variable dépendante, alors que les valeurs de luminosité des bandes visibles des photos aériennes servent de variables indépendantes. Le modèle de régression géographique pondérée établi estime la hauteur à chaque pixel en se basant sur les valeurs de hauteur des pixels environnants en considérant les distances entre les pixels de même que les similitudes entre leurs valeurs de luminosité dans les bandes visibles. Les groupes de pixels contigus ayant des valeurs estimées de hauteur plus élevées se distinguent des routes avoisinantes ou des autres surfaces. Une étude de cas est réalisée pour évaluer le rendement de la méthode proposée. On note que l'exactitude de la méthode statistique proposée est meilleure que celle produite par la classification d'image des photos aériennes seulement ainsi que celle par l'extraction des édifices des données LiDAR seulement. Les résultats démontrent que cette méthode simple et efficace peut être très utile pour la détection automatique des édifices dans les zones urbaines. L'approche peut être surtout utile pour l’étude des zones urbaines où des données de haute résolution, plus adéquates bien que coûteuses, ne sont pas disponibles. Numéro de notice : A2015-665 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.5623/cig2015-302 En ligne : https://doi.org/10.5623/cig2015-302 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=78274 [article]