Centre de documentation
scientifique

Mining trajectory data and geotagged data in social media for road map inference: Mining social media for road map inference / Jun Li in Transactions in GIS, vol 19 n° 1 (February 2015)  

Public [article]  inTransactions in GIS > vol 19 n° 1 (February 2015) . - pp 1 - 18 Titre : Mining trajectory data and geotagged data in social media for road map inference: Mining social media for road map inference Type de document : Article/Communication Auteurs : Jun Li, Auteur ; Qiming Qin, Auteur ; Jiawei Han, Auteur ; Lu-An Tang, Auteur ; Kin Hou Lei, Auteur Année de publication : 2015 Article en page(s) : pp 1 - 18 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] base de données routières [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données localisées des bénévoles [Termes IGN] exploration de données géographiques [Termes IGN] géobalise [Termes IGN] inférence [Termes IGN] mise à jour de base de données [Termes IGN] traitement du langage naturel Résumé : (auteur) As mapping is costly and labor-intensive work, government mapping agencies are less and less willing to absorb these costs. In order to reduce the updating cycle and cost, researchers have started to use user generated content (UGC) for updating road maps; however, the existing methods either rely heavily on manual labor or cannot extract enough information for road maps. In view of the above problems, this article proposes a UGC-based automatic road map inference method. In this method, data mining techniques and natural language processing tools are applied to trajectory data and geotagged data in social media to extract not only spatial information – the location of the road network – but also attribute information – road class and road name – in an effort to create a complete road map. A case study using floating car data, collected by the National Commercial Vehicle Monitoring Platform of China, and geotagged text data from Flickr and Google Maps/Earth, validates the effectiveness of this method in inferring road maps. Numéro de notice : A2015--118 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1111/tgis.12072 Date de publication en ligne : 15/01/2014 En ligne : http://doi.wiley.com/10.1111/tgis.12072 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102453 [article]