Descripteur
Termes IGN > géomatique > données localisées > données spatiotemporelles
données spatiotemporellesVoir aussi |
Documents disponibles dans cette catégorie (435)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
A land use/land cover change geospatial cyberinfrastructure to integrate big data and temporal topology / Jin Xing in International journal of geographical information science IJGIS, vol 30 n° 3-4 (March - April 2016)
[article]
Titre : A land use/land cover change geospatial cyberinfrastructure to integrate big data and temporal topology Type de document : Article/Communication Auteurs : Jin Xing, Auteur ; Renee E. Sieber, Auteur Année de publication : 2016 Article en page(s) : pp 573 - 593 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] changement d'occupation du sol
[Termes IGN] cyberinfrastructure
[Termes IGN] dimension temporelle
[Termes IGN] données maillées
[Termes IGN] données massives
[Termes IGN] données spatiotemporelles
[Termes IGN] optimisation (mathématiques)
[Termes IGN] relation topologique
[Termes IGN] segmentation d'imageRésumé : (Auteur) Big data have shifted spatial optimization from a purely computational-intensive problem to a data-intensive challenge. This is especially the case for spatiotemporal (ST) land use/land cover change (LUCC) research. In addition to greater variety, for example, from sensing platforms, big data offer datasets at higher spatial and temporal resolutions; these new offerings require new methods to optimize data handling and analysis. We propose a LUCC-based geospatial cyberinfrastructure (GCI) that optimizes big data handling and analysis, in this case with raster data. The GCI provides three levels of optimization. First, we employ spatial optimization with graph-based image segmentation. Second, we propose ST Atom Model to temporally optimize the image segments for LUCC. At last, the first two domain ST optimizations are supported by the computational optimization for big data analysis. The evaluation is conducted using DMTI (DMTI Spatial Inc.) Satellite StreetView imagery datasets acquired for the Greater Montreal area, Canada in 2006, 2009, and 2012 (534 GB, 60 cm spatial resolution, RGB image). Our LUCC-based GCI builds an optimization bridge among LUCC, ST modelling, and big data. Numéro de notice : A2016-204 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2015.1104534 En ligne : https://doi.org/10.1080/13658816.2015.1104534 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=79891
in International journal of geographical information science IJGIS > vol 30 n° 3-4 (March - April 2016) . - pp 573 - 593[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2016021 RAB Revue Centre de documentation En réserve L003 Disponible
Titre : Crime data process in Waterloo region : production of a geodatabase and spatial analysis Type de document : Mémoire Auteurs : Victor Brinon, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2016 Importance : 43 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] ArcGIS
[Termes IGN] Canada
[Termes IGN] criminalité
[Termes IGN] données massives
[Termes IGN] données spatiotemporelles
[Termes IGN] données statistiques
[Termes IGN] géodatabaseIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Dans le cadre de ma deuxième année d'études d'ingénieur à l'ENSG de Marne La Vallée, j'ai eu la chance de réaliser un stage de 12 semaines dans le laboratoire de recherche en géomatique appliquée de l'Université de Waterloo au Canada. Dr. Su-Yin Tan, maître de conférences en géomatique et directrice du laboratoire, a été ma maîtresse de stage. Au cours de mon stage du 23 mai 2016 au 12 août 2016, j’ai pu étudier la criminalité locale dans la région de Waterloo. Cette étude a été réalisée avec des données détaillées correspondant aux appels passés à la police locale. Au Canada, l’étude des crimes est quelque chose de courant depuis déjà des décennies. Les enjeux sont doubles. Pour la police, le défi est d’être plus efficace et de pouvoir prédire où et quand les crimes sont le plus susceptibles de se produire. Pour le gouvernement, les objectifs sont de mettre en place une prévention adaptée et de réduire les facteurs à risque identifiés par les études sur la criminalité. Techniquement parlant, mon stage a été l’opportunité de développer mes compétences en gestion de base de données et en analyse spatiale. En effet, j’ai pu travailler avec d’important volume de données : plus d’un million d’appels. J’ai pu créer une géodatabase regroupant ces appels avec le logiciel ArcGIS avant de réaliser des analyses spatiales et temporelles pour faire ressortir des tendances criminelles. Note de contenu :
Introduction
1. Modeling and construction of the database
1.1. Description of data sources
1.2. Selection and organisation of the data attributes
1.3. Final product: ArcGIS geodatabase and its documentation
2. Spatial and temporal analysis of crime in Waterloo region
2.1. Working environment and automation
2.2. Comparison of matching methods between crime and socioeconomic data
2.3. Spatial and temporal crime trends
2.4. Synthesis of spatial analyses
ConclusionNuméro de notice : 22621 Affiliation des auteurs : IGN (2012-2019) Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Applied Geomatics Research Laboratory AGRL (University of Waterloo) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83373 Documents numériques
peut être téléchargé
22621_Crime data process in Waterloo region : production of a geodatabase and spatial analysis.pdfAdobe Acrobat PDF
Titre : Des données spatio-temporelles aux dynamiques urbaines : Habilitation à diriger des recherches Type de document : Thèse/HDR Auteurs : Julien Perret , Auteur Editeur : Champs/Marne : Université Paris-Est Année de publication : 2016 Importance : 48 p. Format : 21 x 30 cm Note générale : Bibliographie
Synthèse de travaux présentée en vue d’obtenir l’Habilitation à Diriger des Recherches délivrée par l’Université Paris-Est, spécialité « Sciences et Technologies de l’Information Géographique »Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] aide à la décision
[Termes IGN] base de données historiques
[Termes IGN] données localisées
[Termes IGN] données spatiotemporelles
[Termes IGN] dynamique spatiale
[Termes IGN] modélisation spatiale
[Termes IGN] simulation 3D
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La ville est un système complexe façonné par des dynamiques opérant à des échelles différentes. En tant que chercheur en sciences de l’information géographique travaillant dans l’interdisciplinarité, je travaille en collaboration avec des spécialistes du transport, des géographes, des urbanistes, des historiens, des démographes, et des physiciens, afin de proposer de meilleurs outils, modèles et données pour l’étude multi-échelle des dynamiques urbaines. Je présente mes contributions dans un ordre correspondant à l’échelle spatiale, de la plus large à la plus fine : la très grande échelle pour les questions liées à la mobilité, la grande échelle pour celles liées à l’urbanisme et la petite échelle pour les questions liées à l’évolution du territoire dans le temps long. Pour chaque partie, je propose un cheminement commun : tout d’abord la question des sources d’information, des connaissances manipulées, leur représentation, leur stockage ; ensuite, la question de l’analyse de ces données, de leur enrichissement, de leur croisement ; enfin, l’interaction avec ces données, leur visualisation, leur interprétation, leur validation, leur correction par des utilisateurs. Note de contenu : INTRODUCTION GENERALE AU MEMOIRE
1. MODELISATION URBAINE
1.1 Modélisation procédurale de rues
1.2 Modélisation procédurale inverse
1.3 Édition interactive
2. SIMULATION URBAINE POUR L’AIDE A LA DECISION
2.1 Modélisation des connaissances et des données
2.2 Simulation des droits à bâtir
2.3 Expérimentation
3. MODELISATION DES EVOLUTIONS TERRITORIALES A PARTIR DE DONNEES GEOHISTORIQUES
3.1 Sources géohistoriques
3.2 Référentiels géohistoriques
3.3 Interaction avec les données géohistoriques
CONCLUSION ET PERSPECTIVES
PUBLICATIONSNuméro de notice : 22688 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE/URBANISME Nature : HDR Note de thèse : HDR : Sciences et Technologies de l’Information Géographique : UPE : 2016 Organisme de stage : COGIT (IGN) nature-HAL : HDR Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84780 Documents numériques
en open access
22688_Des_données_spatio-temporelles_aux_dynamiques_urbaines.pdfAdobe Acrobat PDF European handbook of crowdsourced geographic information, ch. 12. Gaining knowledge from georeferenced social media data with visual analytics / Gennady Andrienko (2016)
Titre de série : European handbook of crowdsourced geographic information, ch. 12 Titre : Gaining knowledge from georeferenced social media data with visual analytics Type de document : Chapitre/Contribution Auteurs : Gennady Andrienko, Auteur ; Natalia Andrienko, Auteur Editeur : Londres : Ubiquity press Année de publication : 2016 Importance : pp 157 - 167 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] analyse de groupement
[Termes IGN] analyse géovisuelle
[Termes IGN] analyse spatiale
[Termes IGN] données spatiotemporelles
[Termes IGN] mobilité urbaine
[Termes IGN] réseau social
[Termes IGN] trajet (mobilité)
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) Analysis of the collections of geographically referenced posts published in social media, such as Twitter, Flickr, and YouTube, can bring new knowledge about places, geographical objects, and events interesting to people, and about people’s mobility behaviours. Gaining knowledge from large data collections requires combining computational analysis with human interpretation, judgement, and reasoning, which, in turn, require appropriate visual representations of the data and analysis results. Visual analytics integrates computational analysis techniques with interactive visual interfaces to support collaborative human−computer analytical activities. We give a brief overview of visual analytics approaches to extracting various kinds of information and knowledge from georeferenced social media data. Numéro de notice : H2016-003 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Chapître / contribution nature-HAL : ChOuvrScient DOI : 10.5334/bax En ligne : https://doi.org/10.5334/bax Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83785 Documents numériques
en open access
Gaining knowledge from georeferenced social media dataAdobe Acrobat PDF Geo-temporal Twitter demographics / Paul A. Longley in International journal of geographical information science IJGIS, vol 30 n° 1-2 (January - February 2016)
[article]
Titre : Geo-temporal Twitter demographics Type de document : Article/Communication Auteurs : Paul A. Longley, Auteur ; Muhammad Adnan, Auteur Année de publication : 2016 Article en page(s) : pp 369 - 389 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] données démographiques
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] données spatiotemporelles
[Termes IGN] entropie de Shannon
[Termes IGN] géographie humaine
[Termes IGN] Londres
[Termes IGN] milieu urbain
[Termes IGN] TwitterRésumé : (auteur) This paper seeks and uses highly disaggregate social media sources to characterize Greater London in terms of flows of people with modelled individual characteristics, as well as conventional measures of land use morphology and night-time residence. We conduct three analyses. First, we use the Shannon Entropy measure to characterize the geography of information creation across the city. Second, we create a geo-temporal demographic classification of Twitter users in London. Third, we begin to use Twitter data to characterize the links between different locations across the city. We see all three elements as data rich, highly disaggregate geo-temporal analysis of urban form and function, albeit one that pertains to no clearly defined population. Our conclusions reflect upon this severe shortcoming in analysis using social media data, and its implications for progressing our understanding of socio-spatial distributions within cities. Numéro de notice : A2016-091 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2015.1089441 En ligne : https://doi.org/10.1080/13658816.2015.1089441 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=79876
in International journal of geographical information science IJGIS > vol 30 n° 1-2 (January - February 2016) . - pp 369 - 389[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2016011 RAB Revue Centre de documentation En réserve L003 Disponible PermalinkMétéocrime : une cartographie interactive des cambriolages / Olivier Guéniat in Géomatique suisse, vol 114 n° 1 (janvier 2016)PermalinkQGIS 2 cookbook / Alex Mandel (2016)PermalinkSpatio-temporal traffic video data archiving and retrieval system / Hang Yue in Geoinformatica, vol 20 n° 1 (January - March 2016)PermalinkLa prédiction ne leur fait pas peur / Françoise de Blomac in DécryptaGéo le mag, n° 172 (décembre 2015)PermalinkExploring the impact of dasymetric refinement on spatiotemporal small area estimates / Barbara P. Buttenfield in Cartography and Geographic Information Science, Vol 42 n° 5 (November 2015)PermalinkThe space-time cube as part of a GeoVisual analytics environment to support the understanding of movement data / Irma Kveladze in International journal of geographical information science IJGIS, vol 29 n° 11 (November 2015)PermalinkIntegrating space, time, version, and scale using Alexandrov topologies / Norbert Paul in International journal of 3-D information modeling, vol 4 n° 4 (October - December 2015)PermalinkPolygonal clustering analysis using multilevel graph-partition / Wanyi Wang in Transactions in GIS, vol 19 n° 5 (October 2015)PermalinkComparison of temporally classified and unclassified map animations / Salla Multimäki in Cartographic perspectives, n° 82 (2015)Permalink