Centre de documentation
scientifique

Is the radial distance really a distance? An analysis of its properties and interest for the matching of polygon features / Yann Méneroux in International journal of geographical information science IJGIS, vol 37 n° 2 (February 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 2 (February 2023) . - pp 438 - 475 Titre : Is the radial distance really a distance? An analysis of its properties and interest for the matching of polygon features Type de document : Article/Communication Auteurs : Yann Méneroux , Auteur ; Ibrahim Maidaneh Abdi , Auteur ; Arnaud Le Guilcher , Auteur ; Ana-Maria Olteanu-Raimond , Auteur Année de publication : 2023 Projets : 3-projet - voir note / Article en page(s) : pp 438 - 475 Note générale : bibliographie This work was supported by the French National Mapping Agency: Institut National de l’Information Géographique et Forestière (IGN) and by the University of Djibouti Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] abaque [Termes IGN] algorithme de Douglas-Peucker [Termes IGN] appariement de formes [Termes IGN] bâtiment [Termes IGN] BD Topo [Termes IGN] distance [Termes IGN] généralisation [Termes IGN] géométrie analytique [Termes IGN] modèle analytique [Termes IGN] polygone [Termes IGN] propagation d'erreur [Termes IGN] transformation rapide de Fourier Résumé : (auteur) In this paper, we examine the properties of the radial distance which has been used as a tool to compare the shape of simple surfacic objects. We give a rigorous definition of the radial distance and derive its theoretical properties, and in particular under which conditions it satisfies the distance properties. We show how the computation of the radial distance can be implemented in practice and made faster by the use of an analytical formula and a Fast Fourier Transform. Finally, we conduct experiments to measure how the radial distance is impacted by perturbation and generalization and we give abacuses and thresholds to deduce when buildings are likely to be homologous or non-homologous given their radial distance. Numéro de notice : A2023-074 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2123487 Date de publication en ligne : 23/09/2022 En ligne : https://doi.org/10.1080/13658816.2022.2123487 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101671 [article]

Évaluation de la qualité des données géographiques d'OpenStreetMap à l'aide des méthodes d'apprentissage automatique : cas de la République de Djibouti / Ibrahim Maidaneh Abdi (2022)  

Public Titre : Évaluation de la qualité des données géographiques d'OpenStreetMap à l'aide des méthodes d'apprentissage automatique : cas de la République de Djibouti Type de document : Thèse/HDR Auteurs : Ibrahim Maidaneh Abdi , Auteur ; Ana-Maria Olteanu-Raimond , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2022 Importance : 232 p. Note générale : bibliographie École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2015-....) Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] apprentissage automatique [Termes IGN] Djibouti [Termes IGN] données localisées des bénévoles [Termes IGN] données localisées numériques [Termes IGN] OpenStreetMap [Termes IGN] qualité des données Index. décimale : THESE Thèses et HDR Résumé : (auteur) La qualité des données de la base OpenStreetMap (OSM) peut être évaluée en comparant les données d'OSM avec les données d'une base de données géographiques de référence. Cependant, en l'absence d'une telle base de référence (cas de Djibouti), la précision spatiale de ces données n'est pas connue. L'objectif de nos travaux est de mettre en place une méthode permettant de déterminer la qualité d'un jeu de données issue d'OSM sans le comparer avec une base de référence. Pour cela, nous cherchons à établir un lien statistique entre des mesures extrinsèques de qualité (calculées en confrontant les données OSM avec des données de référence), et des indicateurs intrinsèques de qualité (calculés en se basant uniquement sur les objets à évaluer), pour disposer d'une estimation des mesures extrinsèques de qualité d'un jeu de données OSM pour lequel il n'y aurait pas de référence. Nous implémentons un modèle d'apprentissage supervisé, amélioré au fil des méthodes d'apprentissages en partant par une régression multiple LASSO vers une classification de type Random Forest en passant par une étude d'autocorrélation spatiale pour aboutir sur une étude de la transférabilité du modèle de classification sur d'autres zones d'études. Le modèle de régression que nous calculons permet d'expliquer 30 % de la variance sur les mesures de qualité d'objets OSM de type bâtiments. Et si l'on agrège des bâtiments dans un voisinage défini, on améliore le score de variance expliquée par la régression jusqu'à 42 %. Quant avec la classification, notre modèle parvient à détecter une mauvaise qualité de saisie de bâtiments à 81,5 % d'AUC. Enfin, les résultats préliminaires testés sur deux zones d'études, montrent que le modèle d'apprentissage se transfère assez bien sur la nouvelle zone d'étude. Numéro de notice : 14332 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences de l’information géographique : Gustave Eiffel : 2022 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/03/2023 En ligne : https://theses.hal.science/tel-04048674 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102984

A regression model of spatial accuracy prediction for Openstreetmap buildings / Ibrahim Maidaneh Abdi in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-4-2020 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol V-4-2020 (August 2020) . - pp 39 - 47 Titre : A regression model of spatial accuracy prediction for Openstreetmap buildings Type de document : Article/Communication Auteurs : Ibrahim Maidaneh Abdi , Auteur ; Arnaud Le Guilcher , Auteur ; Ana-Maria Olteanu-Raimond , Auteur Année de publication : 2020 Projets : 1-Pas de projet / Conférence : ISPRS 2020, Commission 4, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 4 Article en page(s) : pp 39 - 47 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] apprentissage automatique [Termes IGN] bati [Termes IGN] modèle de régression [Termes IGN] OpenStreetMap [Termes IGN] précision géométrique (imagerie) [Termes IGN] qualité des données Résumé : (auteur) Data quality assessment of OpenStreetMap (OSM) data can be carried out by comparing them with a reference spatial data (e.g authoritative data). However, in case of a lack of reference data, the spatial accuracy is unknown. The aim of this work is therefore to propose a framework to infer relative spatial accuracy of OSM data by using machine learning methods. Our approach is based on the hypothesis that there is a relationship between extrinsic and intrinsic quality measures. Thus, starting from a multi-criteria data matching, the process seeks to establish a statistical relationship between measures of extrinsic quality of OSM (i.e. obtained by comparison with reference spatial data) and the measures of intrinsic quality of OSM (i.e. OSM features themselves) in order to estimate extrinsic quality on an unevaluated OSM dataset. The approach was applied on OSM buildings. On our dataset, the resulting regression model predicts the values on the extrinsic quality indicators with 30% less variance than an uninformed predictor. Numéro de notice : A2020-506 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-4-2020-39-2020 Date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-4-2020-39-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95647 [article]