Centre dedocumentation
scientifique

Mining crowdsourced trajectory and geo-tagged data for spatial-semantic road map construction / Jincai Huang in Transactions in GIS, vol 26 n° 2 (April 2022)  

Public [article]  inTransactions in GIS > vol 26 n° 2 (April 2022) . - pp 735 - 754 Titre : Mining crowdsourced trajectory and geo-tagged data for spatial-semantic road map construction Type de document : Article/Communication Auteurs : Jincai Huang, Auteur ; Yunfei Zhang, Auteur ; Min Deng, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 735 - 754 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Vedettes matières IGN] Géomatique [Termes IGN] base de données routières [Termes IGN] carrefour [Termes IGN] carte routière [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données localisées des bénévoles [Termes IGN] données routières [Termes IGN] extraction de traits caractéristiques [Termes IGN] information sémantique [Termes IGN] intégration de données [Termes IGN] navigation automobile [Termes IGN] vitesse [Termes IGN] Wuhan (Chine) Résumé : (auteur) The road map is a fundamental part of a spatial data infrastructure (SDI), and is widely applied in navigation, smart transportation, and mobile location services. Recently, with the ubiquity of positioning devices, crowdsourced trajectories have become a significant data resource for road map construction and updating. However, existing trajectory-based methods mainly place emphasis on extracting road geometry features and may ignore continuous updating of road semantic information. Hence, we propose a divide-and-conquer method to construct a spatial-semantic road map by incorporating multiple data sources (e.g., crowdsourced trajectories and geo-tagged data). The proposed method divides road map construction into two sub-tasks, road structure reconstruction and road attributes inference. The road structure reconstruction process starts to partition raw trajectory data into different cliques of roadways and road intersections, and then extracts various targeted road structures by analyzing the turning modes in different trajectory cliques. The road attributes inference process aims to infer three pieces of crucial semantic information about road speeds, turning rules, and road names from crowdsourced trajectories and geo-tagged data. The case studies in Wuhan were examined to illustrate that the proposed method can construct a routable road map with enhanced geometric structures and rich semantic information, providing a beneficial data solution for car navigation and SDI update. Numéro de notice : A2022-364 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1111/tgis.12879 Date de publication en ligne : 17/12/2021 En ligne : https://doi.org/10.1111/tgis.12879 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100583 [article]

Acquisition lasergrammétrique d’ouvrages d’art pour l’interopérabilité BIM-SIG, cas pratique du syndicat mixte "Routes de Guadeloupe" / Sonia Sermanson (2021)  

Public Titre : Acquisition lasergrammétrique d’ouvrages d’art pour l’interopérabilité BIM-SIG, cas pratique du syndicat mixte "Routes de Guadeloupe" Type de document : Mémoire Auteurs : Sonia Sermanson, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2021 Importance : 76 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire de soutenance de diplôme d'ingénieur INSA spécialité Topographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique [Termes IGN] données laser [Termes IGN] données routières [Termes IGN] Guadeloupe [Termes IGN] interopérabilité [Termes IGN] jumeau numérique [Termes IGN] maquette numérique [Termes IGN] ModelBuilder [Termes IGN] modélisation 3D du bâti BIM [Termes IGN] système d'information géographique Index. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Cette étude, portant sur les interactions entre les domaines du BIM et du SIG, s’inscrit dans une volonté de valoriser les modèles numériques 3D réalisés selon le processus BIM. Son contexte implique le syndicat mixte « Routes de Guadeloupe », qui souhaite valoriser ces modèles. Ce sujet propose donc des applications et des solutions, notamment à travers le service SIG et l'unité de surveillance d’ouvrage de ce syndicat mixte. C’est donc dans une optique d’exploitation-maintenance que se projette cet écrit. Le sujet retrace les étapes de la production de la donnée 3D à son exploitation, en passant par les phases d’acquisition, de traitement, de définition de modélisation, et d’intégration dans l’environnement d'un SIG. Note de contenu : Introduction 1- Contexte de l'étude 2- Etat de l'art 3- Acquisition et traitement des données 4- Les modèles BIM d'ouvrages d'art dans le SIG Conclusion générale Numéro de notice : 28607 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire ingénieur INSAS Organisme de stage : SL Topo En ligne : http://eprints2.insa-strasbourg.fr/4522/2/Memoire_PFE_BIM_SIG_SERMANSON_SONIA.pd [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99452

Traffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning / Yann Méneroux in International Journal of Data Science and Analytics JDSA, vol 10 n° 1 (June 2020)    

Public [article]  inInternational Journal of Data Science and Analytics JDSA > vol 10 n° 1 (June 2020) . - pp 101 - 119 Titre : Traffic signal detection from in-vehicle GPS speed profiles using functional data analysis and machine learning Type de document : Article/Communication Auteurs : Yann Méneroux , Auteur ; Arnaud Le Guilcher , Auteur ; Guillaume Saint Pierre, Auteur ; Mohammad Ghasemi Hamed, Auteur ; Sébastien Mustière , Auteur ; Olivier Orfila, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : pp 101 - 119 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse fonctionnelle (mathématiques) [Termes IGN] apprentissage profond [Termes IGN] carte routière [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] contenu généré par les utilisateurs [Termes IGN] détection d'objet [Termes IGN] données routières [Termes IGN] feu de circulation [Termes IGN] inférence [Termes IGN] reconnaissance de formes [Termes IGN] signalisation routière [Termes IGN] trace GPS [Termes IGN] trafic routier [Termes IGN] transformation en ondelettes [Termes IGN] vitesse Résumé : (auteur) The increasing availability of large-scale global positioning system data stemming from in-vehicle-embedded terminal devices enables the design of methods deriving road network cartographic information from drivers’ recorded traces. Some machine learning approaches have been proposed in the past to train automatic road network map inference, and recently this approach has been successfully extended to infer road attributes as well, such as speed limitation or number of lanes. In this paper, we address the problem of detecting traffic signals from a set of vehicle speed profiles, under a classification perspective. Each data instance is a speed versus distance plot depicting over a hundred profiles on a 100-m-long road span. We proposed three different ways of deriving features: The first one relies on the raw speed measurements; the second one uses image recognition techniques; and the third one is based on functional data analysis. We input them into most commonly used classification algorithms, and a comparative analysis demonstrated that a functional description of speed profiles with wavelet transforms seems to outperform the other approaches with most of the tested classifiers. It also highlighted that random forests yield an accurate detection of traffic signals, regardless of the chosen feature extraction method, while keeping a remarkably low confusion rate with stop signs. Numéro de notice : A2020-336 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s41060-019-00197-x Date de publication en ligne : 04/10/2019 En ligne : https://doi.org/10.1007/s41060-019-00197-x Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93755 [article]

Documents numériques

peut être téléchargé Traffic signal detection ... - 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)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 5 (May 2020) . - n° 338 ; 21 p. Titre : Exploring the potential of deep learning segmentation for mountain roads generalisation Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Achraf El Ayedi, Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : n° 338 ; 21 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] 1:25.000 [Termes IGN] 1:250.000 [Termes IGN] Alpes (France) [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données routières [Termes IGN] données vectorielles [Termes IGN] généralisation automatique de données [Termes IGN] montagne [Termes IGN] route [Termes IGN] segmentation [Termes IGN] symbole graphique [Termes IGN] virage [Vedettes matières IGN] Généralisation Résumé : (auteur) Among cartographic generalisation problems, the generalisation of sinuous bends in mountain roads has always been a popular one due to its difficulty. Recent research showed the potential of deep learning techniques to overcome some remaining research problems regarding the automation of cartographic generalisation. This paper explores this potential on the popular mountain road generalisation problem, which requires smoothing the road, enlarging the bend summits, and schematising the bend series by removing some of the bends. We modelled the mountain road generalisation as a deep learning problem by generating an image from input vector road data, and tried to generate it as an output of the model a new image of the generalised roads. Similarly to previous studies on building generalisation, we used a U-Net architecture to generate the generalised image from the ungeneralised image. The deep learning model was trained and evaluated on a dataset composed of roads in the Alps extracted from IGN (the French national mapping agency) maps at 1:250,000 (output) and 1:25,000 (input) scale. The results are encouraging as the output image looks like a generalised version of the roads and the accuracy of pixel segmentation is around 65%. The model learns how to smooth the output roads, and that it needs to displace and enlarge symbols but does not always correctly achieve these operations. This article shows the ability of deep learning to understand and manage the geographic information for generalisation, but also highlights challenges to come. Numéro de notice : A2020-295 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9050338 Date de publication en ligne : 25/05/2020 En ligne : https://doi.org/10.3390/ijgi9050338 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95131 [article]

Extending Processing Toolbox for assessing the logical consistency of OpenStreetMap data / Sukhjit Singh Sehra in Transactions in GIS, Vol 24 n° 1 (February 2020)  

Public [article]  inTransactions in GIS > Vol 24 n° 1 (February 2020) . - pp 44 - 71 Titre : Extending Processing Toolbox for assessing the logical consistency of OpenStreetMap data Type de document : Article/Communication Auteurs : Sukhjit Singh Sehra, Auteur ; Jaiteg Singh, Auteur ; Hardeep Singh Rai, Auteur Année de publication : 2020 Article en page(s) : pp 44 - 71 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] cartographie collaborative [Termes IGN] données localisées [Termes IGN] données localisées des bénévoles [Termes IGN] données localisées libres [Termes IGN] données routières [Termes IGN] Inde [Termes IGN] information sémantique [Termes IGN] intégrité topologique [Termes IGN] morphologie urbaine [Termes IGN] OpenStreetMap [Termes IGN] QGIS [Termes IGN] qualité des données Résumé : (auteur) OpenStreetMap (OSM) produces a huge amount of labeled spatial data, but its quality has always been a deep concern. Numerous quality issues have been discussed in the vast literature, while the fitness of OSM for road navigability is only partly explored. Navigability depends on logical consistency, which focuses on the existence of logical contradictions within a data set. Researchers have discussed the insufficiency of established methods and the lack of a computational paradigm to assess the quality of the OSM data. To address the research gaps, the current work extended the capabilities of the Quantum GIS Processing Toolbox for assessment of spatial data. The models and scripts developed are able to assess logical consistency based on geographical topological consistency, semantic information, and morphological consistency. The established and proxy indicators are selected for measuring the logical consistency of OSM data for navigability. For empirical validation, OSM Punjab data are compared with authoritative data from HERE (proprietary) and the Remote Sensing Centre (RSC), Punjab, India. The results conclude that even the proprietary road data sets are not free from logical inconsistencies and data contributed by the masses are credible and navigable. OSM has produced better results than the RSC, but needs more crowd contributions to improve its quality. Numéro de notice : A2020-101 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12587 Date de publication en ligne : 08/11/2019 En ligne : https://doi.org/10.1111/tgis.12587 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94692 [article]

Projet infos usagers et projet transport à la demande / Oriane Sobreira (2020) 

Permalink

Geospatial information integration for authoritative and crowd sourced road vector data / H. Du in Transactions in GIS, vol 16 n° 4 (August 2012)  

Permalink