Centre dedocumentation
scientifique

Dépouillements

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

Public [article]  inGeomatica [en ligne] > 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]

An intelligent spatial proximity system using neurofuzzy classifiers and contextual information / F. Barouni in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Public [article]  inGeomatica [en ligne] > vol 69 n° 3 (september 2015) . - pp 285 - 296 Titre : An intelligent spatial proximity system using neurofuzzy classifiers and contextual information Type de document : Article/Communication Auteurs : F. Barouni, Auteur ; Bernard Moulin, Auteur Année de publication : 2015 Article en page(s) : pp 285 - 296 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique [Termes IGN] algorithme d'apprentissage [Termes IGN] classification à base de connaissances [Termes IGN] classification floue [Termes IGN] implémentation (informatique) [Termes IGN] relation spatiale Résumé : (auteur) Dans cet article, nous proposons une approche novatrice pour discuter de la proximité spatiale. L'approche est basée sur l'information contextuelle et utilise une classification neuro-floue pour traiter l'aspect d'incertitude de la proximité. Les systèmes neuro-flous consistent en une combinaison de réseaux neuronaux et de systèmes flous et incorporent les avantages des deux techniques. Même si les systèmes flous sont concentrés sur la représentation des connaissances, ils ne permettent pas l'estimation des fonctions d'appartenance. Inversement, les réseaux neuronaux utilisent de puissantes techniques d'apprentissage, mais ne sont pas capables d'expliquer comment les résultats sont obtenus. Les systèmes neuro-flous bénéficient des deux techniques en utilisant des données d'apprentissage pour générer les fonctions d'appartenance et en faisant appel à des règles floues pour représenter les connaissances spécialisées. En outre, l'information contextuelle est collectée à partir d'une base de connaissances. La classification neuro-floue est utilisée pour calculer les paramètres des fonctions d'appartenance des quantificateurs flous de relations spatiales. La solution complète que nous proposons est intégrée à un SIG, ce qui l'améliore grâce au raisonnement de proximité. Notre approche est utilisée dans le domaine des télécommunications et surtout dans les systèmes de surveillance par fibre optique. Dans de tels systèmes, un utilisateur doit qualifier la distance entre les événements rapportés par des capteurs et les objets voisins de l'environnement pour former des modèles spatiotemporels. Ces modèles sont définis pour aider les utilisateurs à prendre des décisions telles que l'optimisation de l'affectation des équipes d'urgence. Numéro de notice : A2015-666 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.5623/cig2015-303 En ligne : https://doi.org/10.5623/cig2015-303 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=78275 [article]

Prediction of traffic counts using statistical and neural network models / Abul Kalam Azad in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Public [article]  inGeomatica [en ligne] > vol 69 n° 3 (september 2015) . - pp 297 - 311 Titre : Prediction of traffic counts using statistical and neural network models Type de document : Article/Communication Auteurs : Abul Kalam Azad, Auteur Année de publication : 2015 Article en page(s) : pp 297 - 311 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse comparative [Termes IGN] apprentissage dirigé [Termes IGN] Calgary [Termes IGN] intelligence artificielle [Termes IGN] modèle statistique [Termes IGN] prédiction [Termes IGN] réseau neuronal artificiel [Termes IGN] trafic urbain [Termes IGN] utilisation du sol Résumé : (auteur) Cet article compare deux modèles différents de prédiction du trafic basés sur des variables démographiques et d'utilisation des terres de la ville de Calgary. Les caractéristiques démographiques et d'utilisation des terres ont été utilisées comme variables indépendantes au niveau des aires de diffusion (AD — de petites unités géo graphiques avec une population variant entre 400 et 700 habitants) dans la ville de Calgary. On a utilisé les données de trafic routier de la ville de Calgary comme variable dépendante pour développer des modèles statistiques et des modèles de réseaux neuronaux. Des modèles statistiques de comptes binomiaux négatifs (avec carnet de bord en ligne) ont été élaborés puisque les données semblaient sur-dispersées. Les modèles de réseaux neuronaux ont été élaborés selon un concept de rétro-propagation multicouches en aval pour l'apprentissage supervisé. Les résultats indiquent que le modèle en réseau neuronal garantit un moins grand nombre d'erreurs que le modèle statistique. Dans l'ensemble, le modèle avec réseaux neuronaux a produit de meilleurs résultats pour la prédiction du trafic que l'approche de régression binominale négative également à l’étude dans cet article. Le modèle avec réseaux neuronaux convient particulièrement en raison de sa meilleure capacité de prédiction. Cependant, le modèle statistique peut être utilisé pour sa formulation mathématique ou pour élaborer une meilleure compréhension du rôle des variables explicatives dans l'estimation du trafic. Numéro de notice : A2015-667 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.5623/cig2015-304 En ligne : https://doi.org/10.5623/cig2015-304 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=78276 [article]

Exploring the decision tree method for modelling urban land use change / Mileva Samardžić-Petrović in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Public [article]  inGeomatica [en ligne] > vol 69 n° 3 (september 2015) . - pp 313 - 325 Titre : Exploring the decision tree method for modelling urban land use change Type de document : Article/Communication Auteurs : Mileva Samardžić-Petrović, Auteur ; Suzana Dragićević, Auteur ; Branislav Baja, Auteur ; Miloš Kovačević, Auteur Année de publication : 2015 Article en page(s) : pp 313 - 325 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] aménagement du territoire [Termes IGN] analyse diachronique [Termes IGN] Belgrade [Termes IGN] changement d'occupation du sol [Termes IGN] classification par arbre de décision [Termes IGN] impact sur l'environnement [Termes IGN] milieu urbain [Termes IGN] utilisation du sol Résumé : (auteur) Les changements dans l'affectation des terres jouent un rôle important dans les interactions entre les humains et les systèmes physiques et ont des impacts importants sur l'environnement aux échelles locale, régionale et mondiale. Le changement d'affectation des terres est un processus complexe. C'est pourquoi le développement de modèles dynamiques pour représenter ce processus constitue une tâche remplie de défis. L'arbre de décision (AD) est une méthode d'apprentissage machine qui a la capacité d'extraire des tendances et de produire un modèle représentatif qui utilise les données géospatiales historiques. Même si l'arbre de décision est utilisé en télédétection comme méthode de classification, il n'est pas suffisamment examiné dans la science de l'aménagement du territoire. L'objectif principal du présent article de recherche est d'examiner la capacité de la méthode de l'arbre de décision pour modéliser le changement d'affectation des terres urbaines. Nous avons utilisé un nombre varié d'attributs pour trois municipalités dans la ville de Belgrade en République de Serbie. L'utilisation des terres est représentée à l'aide de neuf classes d'utilisation des terres sur trois différentes périodes de temps au cours des années 2003, 2007 et 2011. Les statistiques « kappa » et la courbe pondérée de la fonction d'efficacité du récepteur (CFER) ont été utilisées pour comparer les extrants du modèle à des jeux de données réelles d'utilisation des terres pour l'année 2011. Les valeurs maximales obtenues pour les statistiques kappa et la CFER indiquent que l'arbre de décision est une méthode utile pour modéliser le changement d'affectation des terres urbaines. En outre, l'arbre de classification qui en découle produit de l'information sur la relation entre les facteurs de causalité pris en compte et les changements d'affectation des terres et permet de mieux comprendre le processus de changement. Numéro de notice : A2015-668 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.5623/cig2015-305 En ligne : https://doi.org/10.5623/cig2015-305 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=78277 [article]

Contextual Douglas-Peucker Simplification / Titus Tienaah in Geomatica [en ligne], vol 69 n° 3 (september 2015)  

Public [article]  inGeomatica [en ligne] > vol 69 n° 3 (september 2015) . - pp 327 - 338 Titre : Contextual Douglas-Peucker Simplification Type de document : Article/Communication Auteurs : Titus Tienaah, Auteur ; Emmanuel Stefanakis, Auteur ; David Coleman, Auteur Année de publication : 2015 Article en page(s) : pp 327 - 338 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie numérique [Termes IGN] généralisation cartographique [Termes IGN] polyligne [Termes IGN] prise en compte du contexte Résumé : (auteur) Dans cet article, nous développons un algorithme de Douglas-Peucker restreint utilisant une polyligne à simplifier et d'autres géométries comme contraintes contextuelles. Nous élaborons un modèle contextuel qui retourne par incrément à la polyligne originale à l'aide des sommets caractéristiques pertinents pour résoudre les conflits contextuels. La topologie et la direction constituent les contraintes abordées dans cet article. Notre mise en oeuvre démontre une représentation uniforme et présente une technique pour accélérer la simplification multi-échelle des polylignes. Numéro de notice : A2015669 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.5623/cig2015-306 En ligne : https://doi.org/10.5623/cig2015-306 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=78278 [article]