Centre dedocumentation
scientifique

Delineating and modeling activity space using geotagged social media data / Lingqian Hu in Cartography and Geographic Information Science, vol 47 n° 3 (May 2020)  

Public [article]  inCartography and Geographic Information Science > vol 47 n° 3 (May 2020) . - pp 277 - 288 Titre : Delineating and modeling activity space using geotagged social media data Type de document : Article/Communication Auteurs : Lingqian Hu, Auteur ; Zhenhong Li, Auteur ; Xinyue Ye, Auteur Année de publication : 2020 Article en page(s) : pp 277 - 288 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] distance [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] données massives [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] logement [Termes descripteurs IGN] loisir [Termes descripteurs IGN] Los Angeles [Termes descripteurs IGN] quartier [Termes descripteurs IGN] réseau social [Termes descripteurs IGN] sport [Termes descripteurs IGN] Twitter [Termes descripteurs IGN] voisinage (topologie) [Termes descripteurs IGN] zone urbaine Résumé : (auteur) It has become increasingly important in spatial equity studies to understand activity spaces – where people conduct regular out-of-home activities. Big data can advance the identification of activity spaces and the understanding of spatial equity. Using the Los Angeles metropolitan area for the case study, this paper employs geotagged Twitter data to delineate activity spaces with two spatial measures: first, the average distance between users’ home location and activity locations; and second, the area covered between home and activity locations. The paper also finds significant relationship between the spatial measures of activity spaces and neighborhood spatial and socioeconomic characteristics. This research enriches the literature that aims to address spatial equity in activity spaces and demonstrates the applicability of big data in urban socio-spatial research. Numéro de notice : A2020-135 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2019.1705187 date de publication en ligne : 10/02/2020 En ligne : https://doi.org/10.1080/15230406.2019.1705187 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94843 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible

A framework for extracting urban functional regions based on multiprototype word embeddings using points-of-interest data / Sheng Hu in Computers, Environment and Urban Systems, vol 80 (March 2020)  

Public [article]  inComputers, Environment and Urban Systems > vol 80 (March 2020) Titre : A framework for extracting urban functional regions based on multiprototype word embeddings using points-of-interest data Type de document : Article/Communication Auteurs : Sheng Hu, Auteur ; Zhanjun He, Auteur ; Liang Wu, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] données massives [Termes descripteurs IGN] espace urbain [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] gestion urbaine [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] point d'intérêt [Termes descripteurs IGN] regroupement de données [Termes descripteurs IGN] télédétection spatiale [Termes descripteurs IGN] traitement du langage naturel [Termes descripteurs IGN] Wuhan (Chine) [Termes descripteurs IGN] zone urbaine Résumé : (auteur) Many studies are in an effort to explore urban spatial structure, and urban functional regions have become the subject of increasing attention among planners, engineers and public officials. Attempts have been made to identify urban functional regions using high spatial resolution (HSR) remote sensing images and extensive geo-data. However, the research scale and throughput have also been limited by the accessibility of HSR remote sensing data. Recently, big geo-data are becoming increasingly popular for urban studies since research is still accessible and objective with regard to the use of these data. This study aims to build a novel framework to provide an alternative solution for sensing urban spatial structure and discovering urban functional regions based on emerging geo-data – points of interest (POIs) data and an embedding learning method in the natural language processing (NLP) field. We started by constructing the intraurban functional corpus using a center-context pairs-based approach. A word embeddings representation model for training that corpus was used to extract multiprototype vectors in the second step, and the last step aggregated the functional parcels based on an introduced spatial clustering method, hierarchical density-based spatial clustering of applications with noise (HDBSCAN). The clustering results suggested that our proposed framework used in this study is capable of discovering the utilization of urban space with a reasonable level of accuracy. The limitation and potential improvement of the proposed framework are also discussed. Numéro de notice : A2020-191 Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2019.101442 date de publication en ligne : 15/11/2019 En ligne : https://doi.org/10.1016/j.compenvurbsys.2019.101442 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94853 [article]

Manual of Digital Earth / Huadong Guo (2020)  

Public Titre : Manual of Digital Earth Type de document : Monographie Auteurs : Huadong Guo, Auteur ; Michael F. Goodchild, Auteur ; Alessandro Annoni, Auteur Editeur : Springer International Publishing Année de publication : 2020 Importance : 852 p. ISBN/ISSN/EAN : 978-981-329-915-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Société de l'information [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] développement durable [Termes descripteurs IGN] données localisées numériques [Termes descripteurs IGN] données massives [Termes descripteurs IGN] données numériques [Termes descripteurs IGN] informatique en nuage [Termes descripteurs IGN] Infrastructure de données [Termes descripteurs IGN] intelligence artificielle [Termes descripteurs IGN] télédétection Résumé : (éditeur) This open access book offers a summary of the development of Digital Earth over the past twenty years. By reviewing the initial vision of Digital Earth, the evolution of that vision, the relevant key technologies, and the role of Digital Earth in helping people respond to global challenges, this publication reveals how and why Digital Earth is becoming vital for acquiring, processing, analysing and mining the rapidly growing volume of global data sets about the Earth. The main aspects of Digital Earth covered here include: Digital Earth platforms, remote sensing and navigation satellites, processing and visualizing geospatial information, geospatial information infrastructures, big data and cloud computing, transformation and zooming, artificial intelligence, Internet of Things, and social media. Moreover, the book covers in detail the multi-layered/multi-faceted roles of Digital Earth in response to sustainable development goals, climate changes, and mitigating disasters, the applications of Digital Earth (such as digital city and digital heritage), the citizen science in support of Digital Earth, the economic value of Digital Earth, and so on. This book also reviews the regional and national development of Digital Earth around the world, and discusses the role and effect of education and ethics. Lastly, it concludes with a summary of the challenges and forecasts the future trends of Digital Earth. By sharing case studies and a broad range of general and scientific insights into the science and technology of Digital Earth, this book offers an essential introduction for an ever-growing international audience. Note de contenu : Part I Digital Earth Technologies Part II Digital Earth for Multi-domain Applications Part III Digital Earth Regional & National Development Part IV Digital Earth Education and Ethics Numéro de notice : 25688 Thématique : SOCIETE NUMERIQUE Nature : Monographie En ligne : https://doi.org/10.1007/978-981-32-9915-3 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94727

Understanding demographic and socioeconomic biases of geotagged Twitter users at the county level / Jiang Juqin in Cartography and Geographic Information Science, vol 46 n° 3 (May 2019)  

Public [article]  inCartography and Geographic Information Science > vol 46 n° 3 (May 2019) . - pp 228 - 242 Titre : Understanding demographic and socioeconomic biases of geotagged Twitter users at the county level Type de document : Article/Communication Auteurs : Jiang Juqin, Auteur ; Li Zhenlong, Auteur ; Xinyue Ye, Auteur Année de publication : 2019 Article en page(s) : pp 228 - 242 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] agrégation spatiale [Termes descripteurs IGN] contenu généré par les utilisateurs [Termes descripteurs IGN] données démographiques [Termes descripteurs IGN] données massives [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] erreur systématique [Termes descripteurs IGN] Etats-Unis [Termes descripteurs IGN] géoétiquetage [Termes descripteurs IGN] régression géographiquement pondérée [Termes descripteurs IGN] Twitter Résumé : (Auteur) Massive social media data produced from microblog platforms provide a new data source for studying human dynamics at an unprecedented scale. Meanwhile, population bias in geotagged Twitter users is widely recognized. Understanding the demographic and socioeconomic biases of Twitter users is critical for making reliable inferences on the attitudes and behaviors of the population. However, the existing global models cannot capture the regional variations of the demographic and socioeconomic biases. To bridge the gap, we modeled the relationships between different demographic/socioeconomic factors and geotagged Twitter users for the whole contiguous United States, aiming to understand how the demographic and socioeconomic factors relate to the number of Twitter users at county level. To effectively identify the local Twitter users for each county of the United States, we integrate three commonly used methods and develop a query approach in a high-performance computing environment. The results demonstrate that we can not only identify how the demographic and socioeconomic factors relate to the number of Twitter users, but can also measure and map how the influence of these factors vary across counties. Numéro de notice : A2019-093 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2018.1434834 date de publication en ligne : 09/02/2018 En ligne : https://doi.org/10.1080/15230406.2018.1434834 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92338 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible

iTowns, le nouveau moteur de visualisation 3D de données géospatiales du Géoportail / Mirela Konini in Responsabilité et environnement, n° 94 (Avril 2019) 

Public [article]  inResponsabilité et environnement > n° 94 (Avril 2019) . - pp 14 - 18 Titre : iTowns, le nouveau moteur de visualisation 3D de données géospatiales du Géoportail Type de document : Article/Communication Auteurs : Mirela Konini, Auteur ; Alexandre Devaux , Auteur ; Mathieu Brédif , Auteur Année de publication : 2019 Projets : ITowns / Paparoditis, Nicolas Article en page(s) : pp 14 - 18 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] application web [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] données massives [Termes descripteurs IGN] geoportail [Termes descripteurs IGN] iTowns [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] plateforme collaborative [Termes descripteurs IGN] simulation [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] visite virtuelle [Termes descripteurs IGN] visualisation 3D Résumé : (auteur) La visualisation est un mode privilégié de l’interaction des utilisateurs avec l’information géographique, et sa représentation efficace est d’autant plus importante que les données sont massives et hétérogènes et que les utilisateurs et les usages sont variés. Au-delà de la visualisation de données 2D sur un écran ou une carte papier, la visualisation de données 3D pose de nouveaux défis et nécessite des outils appropriés : volume des données, multiplicité des formats, stylisation et gestion des parties visibles, modes d’interaction et de navigation ... iTowns est une plateforme technologique de l’IGN qui permet de visualiser des données géographiques 3D via le Web et propose des fonctions d’interaction avancées dans un environnement métrologique. Initialement développé par les laboratoires de recherche de l’IGN comme un outil de visualisation de données images et LiDAR issues de la cartographie mobile (c’est-à-dire acquises au moyen d’un véhicule équipé de capteurs), iTowns a évolué et permet aujourd’hui de naviguer de façon immersive au sein d’un très grand volume de données 3D, et ce dans toute la gamme d’échelles, depuis l’espace jusqu’au sol. Des interfaces sont également disponibles pour la manipulation de ces données. Désormais moteur de visualisation 3D du Géoportail (1), iTowns s’enrichit continuellement de nouvelles fonctionnalités : en sus de la visualisation en 3D du territoire pour le grand public, il permet de développer des applications Web à usage professionnel pour covisualiser différents types de données, les annoter, procéder à des analyses, des mesures ... Numéro de notice : A2019-101 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92405 [article]

Documents numériques

en open access iTowns... - pdf editeur Adobe Acrobat PDF

Geographic space as a living structure for predicting human activities using big data / Bin Jiang in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)  

Permalink

A methodology with a distributed algorithm for large-scale trajectory distribution prediction / QiuLei Guo in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)  

Permalink

(re)Considering Bertin in the age of big data and visual analytics / Alan M. MacEachren in Cartography and Geographic Information Science, vol 46 n° 2 (March 2019)  

Permalink

Numérique et territoires / Philippe Cohard (2019)

Permalink

Spatial data management in apache spark: the GeoSpark perspective and beyond / Jia Yu in Geoinformatica [en ligne], vol 23 n° 1 (January 2019)  

Permalink

SUMAC 2019, 1st workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2019)  

Permalink

Compactly representing massive terrain models as TINs in CityGML / Kavisha Kumar in Transactions in GIS, vol 22 n° 5 (October 2018)  

Permalink

SensePlace3: a geovisual framework to analyze place–time–attribute information in social media / Scott Pezanowski in Cartography and Geographic Information Science, Vol 45 n° 5 (August 2018)  

Permalink

Quels apports du Géoweb et de la géolocalisation pour représenter les mobilités touristiques ? / Sylvain Genevois in Mappemonde [en ligne], n° 124 (juillet 2018)  

Permalink

Open data, big data : quel renouveau du raisonnement cartographique ? / Emilie Lerond in Cartes & Géomatique, n° 235-236 (mars - juin 2018)

Permalink