Centre dedocumentation
scientifique

Génération automatique de courbes de niveaux dans les zones de plateaux karstiques / Guillaume Touya in Cartes & Géomatique, n° 243-244 (mars - juin 2021)

Public [article]  inCartes & Géomatique > n° 243-244 (mars - juin 2021) . - pp 193 - 206 Titre : Génération automatique de courbes de niveaux dans les zones de plateaux karstiques Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur ; Hugo Boulze, Auteur ; Anouk Schleich, Auteur ; Hervé Quinquenel , Auteur Année de publication : 2021 Projets : 1-Pas de projet / Conférence : ICC 2019, 29th International Cartographic Conference ICA, Mapping everything for everyone 15/07/2019 20/07/2019 Tokyo Japon Article en page(s) : pp 193 - 206 Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] généralisation cartographique automatisée [Termes IGN] isohypse [Termes IGN] Jura, massif du [Termes IGN] karst [Termes IGN] modèle numérique de terrain [Termes IGN] plateau [Termes IGN] QGIS [Vedettes matières IGN] Généralisation Résumé : (auteur) Les courbes de niveau sont l'un des éléments clés des cartes topographiques, car elles facilitent la compréhension du terrain. Mais elles ne sont plus dessinées par des cartographes, elles sont la plupart du temps automatiquement dérivées de modèles numériques de terrain (MNT). Malgré de réels progrès dans cette dérivation automatisée, certains paysages spécifiques restent mal représentés avec de telles techniques, et c'est le cas des plateaux karstiques contenant un grand nombre de dolines (petites dépressions du relief). Cet article propose une méthode automatisée pour obtenir de meilleures courbes de niveau dans ces plateaux, notamment autour des dolines. Le processus détecte d'abord les plateaux karstiques comportant de nombreuses dolines, ainsi que les dolines individuellement. Ensuite, le MNT est lissé afin de mieux refléter le relief du plateau et de ses environs. Dans une troisième étape, les courbes de niveau autour des dolines sont améliorées pour dessiner des éléments ronds lisibles qui reflètent mieux le terrain réel. Le processus a été mis en oeuvre dans un plugin QGIS et testé sur une petite zone avec un plateau karstique dans le Jura, en France, et les cartographes de l'IGN, ont évalué les résultats comme une grande amélioration par rapport au processus automatisé générique pour dériver des courbes de niveau. Numéro de notice : A2021-314 Affiliation des auteurs : LaSTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97691 [article]

Voir aussi

• Contour lines generation in karstic plateaus for topographic maps / Guillaume Touya (2019)    

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2021011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Geographically masking addresses to study COVID-19 clusters / Walid Houfaf-Khoufaf in International Journal of Health Geographics, vol inconnu (2021)  

Public [article]  inInternational Journal of Health Geographics > vol inconnu (2021) Titre : Geographically masking addresses to study COVID-19 clusters Type de document : Article/Communication Auteurs : Walid Houfaf-Khoufaf, Auteur ; Guillaume Touya , Auteur Année de publication : 2021 Projets : 1-Pas de projet / Note générale : bibliographie 10.21203/rs.3.rs-128679/v1 DOI d'attente Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] adresse postale [Termes IGN] anonymisation [Termes IGN] carte sanitaire [Termes IGN] classification barycentrique [Termes IGN] surveillance sanitaire [Termes IGN] traitement de données localisées Résumé : (auteur) The spatio-temporal analysis of cases is a good way an epidemic, and the recent COVID-19 pandemic unfortunately generated a huge amount of data. But analysing this raw data, with for instance the address of the people who contracted COVID-19, raises some privacy issues, and geomasking is necessary to preserve both people privacy and the spatial accuracy required for analysis. This paper proposes dierent geomasking techniques adapted to this COVID-19 data. Methods: Different techniques are adapted from the literature, and tested on a synthetic dataset mimicking the COVID-19 spatio-temporal spreading in Paris and a more rural nearby region. Theses techniques are assessed in terms of k-anonymity and cluster preservation. Results: Three adapted geomasking techniques are proposed: aggregation, bimodal gaussian perturbation, and simulated crowding. All three can be useful in different use cases, but the bimodal gaussian perturbation is the overall best techniques, and the simulated crowding is the most promising one, provided some improvements are introduced to avoid points with a low k-anonymity. Conclusions: It is possible to use geomasking techniques on addresses of people who caught COVID-19, while preserving the important spatial patterns. Numéro de notice : A2021-065 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.21203/rs.3.rs-128679/v1 En ligne : https://doi.org/10.21203/rs.3.rs-128679/v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96857 [article]

OSMWatchman: Learning how to detect vandalized contributions in OSM using a Random Forest classifier / Quy Thy Truong in ISPRS International journal of geo-information, vol 9 n° 9 (September 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 9 (September 2020) . - n° 504 Titre : OSMWatchman: Learning how to detect vandalized contributions in OSM using a Random Forest classifier Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Guillaume Touya , Auteur ; Cyril de Runz, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : n° 504 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] cartographie collaborative [Termes IGN] classification par forêts aléatoires [Termes IGN] données localisées des bénévoles [Termes IGN] OpenStreetMap [Termes IGN] qualité des données Résumé : (auteur) Though Volunteered Geographic Information (VGI) has the advantage of providing free open spatial data, it is prone to vandalism, which may heavily decrease the quality of these data. Therefore, detecting vandalism in VGI may constitute a first way of assessing the data in order to improve their quality. This article explores the ability of supervised machine learning approaches to detect vandalism in OpenStreetMap (OSM) in an automated way. For this purpose, our work includes the construction of a corpus of vandalism data, given that no OSM vandalism corpus is available so far. Then, we investigate the ability of random forest methods to detect vandalism on the created corpus. Experimental results show that random forest classifiers perform well in detecting vandalism in the same geographical regions that were used for training the model and has more issues with vandalism detection in “unfamiliar regions”. Numéro de notice : A2020-507 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9090504 date de publication en ligne : 22/08/2020 En ligne : https://doi.org/10.3390/ijgi9090504 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95682 [article]

A change of theme: the role of generalization in thematic mapping / Paulo Raposo in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 6 (June 2020) . - n° 371 ; 18 p. Titre : A change of theme: the role of generalization in thematic mapping Type de document : Article/Communication Auteurs : Paulo Raposo, Auteur ; Guillaume Touya , Auteur ; Pia Bereuter, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : n° 371 ; 18 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] cartogramme [Termes IGN] cartographie thématique [Termes IGN] couche thématique [Termes IGN] fond cartographique [Termes IGN] géovisualisation [Termes IGN] histoire de la cartographie [Termes IGN] représentation cartographique [Termes IGN] style cartographique [Termes IGN] visualisation cartographique [Vedettes matières IGN] Généralisation Résumé : (auteur) Cartographic generalization research has focused almost exclusively in recent years on topographic mapping, and has thereby gained an incorrect reputation for having to do only with reference or positional data. The generalization research community needs to broaden its scope to include thematic cartography and geovisualization. Generalization is not new to these areas of cartography, and has in fact always been involved in thematic geographic visualization, despite rarely being acknowledged. We illustrate this involvement with several examples of famous, public-audience thematic maps, noting the generalization procedures involved in drawing each, both across their basemap and thematic layers. We also consider, for each map example we note, which generalization operators were crucial to the formation of the map’s thematic message. The many incremental gains made by the cartographic generalization research community while treating reference data can be brought to bear on thematic cartography in the same way they were used implicitly on the well-known thematic maps we highlight here as examples. Numéro de notice : A2020-318 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9060371 date de publication en ligne : 04/06/2020 En ligne : https://doi.org/10.3390/ijgi9060371 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95183 [article]

Deep learning for enrichment of vector spatial databases: Application to highway interchange / Guillaume Touya in ACM Transactions on spatial algorithms and systems, TOSAS, vol 6 n° 3 (May 2020)    

Public [article]  inACM Transactions on spatial algorithms and systems, TOSAS > vol 6 n° 3 (May 2020) . - 21 p. Titre : Deep learning for enrichment of vector spatial databases: Application to highway interchange Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur ; Imran Lokhat , Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : 21 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] apprentissage profond [Termes IGN] base d'apprentissage [Termes IGN] base de données vectorielles [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] échangeur routier [Termes IGN] enrichissement sémantique [Termes IGN] reconnaissance d'objets [Termes IGN] segmentation d'image Résumé : (auteur) Spatial analysis and pattern recognition with vector spatial data is particularly useful to enrich raw data. In road networks, for instance, there are many patterns and structures that are implicit with only road line features, among which highway interchange appeared very complex to recognize with vector-based techniques. The goal is to find the roads that belong to an interchange, such as the slip roads and the highway roads connected to the slip roads. To go further than state-of-the-art vector-based techniques, this article proposes to use raster-based deep learning techniques to recognize highway interchanges. The contribution of this work is to study how to optimally convert vector data into small images suitable for state-of-the-art deep learning models. Image classification with a convolutional neural network (i.e., is there an interchange in this image or not?) and image segmentation with a u-net (i.e., find the pixels that cover the interchange) are experimented and give better results than existing vector-based techniques in this specific use case (99.5% against 74%). Numéro de notice : A2020-365 Affiliation des auteurs : LaSTIG COGIT (2012-2019) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1145/3382080 date de publication en ligne : 01/04/2020 En ligne : https://doi.org/10.1145/3382080 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95399 [article]

Documents numériques

peut être téléchargé Deep learning for enrichment of vector spatial databases ... - preprint Adobe Acrobat PDF

Exploring the potential of deep learning segmentation for mountain roads generalisation / Azelle Courtial in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Permalink

Designing multi-scale maps: lessons learned from existing practices / Marion Dumont in International journal of cartography, Vol 6 n° 1 (March 2020)  

Permalink

Editorial / Guillaume Touya in International journal of cartography, Vol 6 n° 1 (March 2020)  

Permalink

Constraint based evaluation of generalized images generated by deep learning / Azelle Courtial (2020)  

Permalink

Génération de cartes tactiles photoréalistes pour personnes déficientes visuelles par apprentissage profond / Gauthier Fillières-Riveau in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)  

Permalink

Inferring the scale and content of a map using deep learning / Guillaume Touya (2020)  

Permalink

MapGenOnto: A shared ontology for map generalisation and multi-scale visualisation / Guillaume Touya (2020)  

Permalink

Le vandalisme de l'information géographique volontaire : analyse exploratoire et proposition d'une méthodologie de détection automatique / Quy Thy Truong (2020)  

Permalink

Analysis of collaboration networks in OpenStreetMap through weighted social multigraph mining / Quy Thy Truong in International journal of geographical information science IJGIS, vol 33 n° 7 - 8 (July - August 2019)  

Permalink

Is deep learning the new agent for map generalization? / Guillaume Touya in International journal of cartography, vol 5 n° 2-3 (July - November 2019)  

Permalink