Centre de documentation
scientifique

A conceptual framework for developing dashboards for big mobility data / Lindsey Conrow in Cartography and Geographic Information Science, Vol 50 n° 5 (June 2023)  

Public [article]  inCartography and Geographic Information Science > Vol 50 n° 5 (June 2023) . - pp 495 - 514 Titre : A conceptual framework for developing dashboards for big mobility data Type de document : Article/Communication Auteurs : Lindsey Conrow, Auteur ; Cheng Fu, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 495 - 514 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] cadre conceptuel [Termes IGN] données massives [Termes IGN] mobilité humaine [Termes IGN] tableau de bord Résumé : (auteur) Dashboards are an increasingly popular form of data visualization. Large, complex, and dynamic mobility data present a number of challenges in dashboard design. The overall aim for dashboard design is to improve information communication and decision making, though big mobility data in particular require considering privacy alongside size and complexity. Taking these issues into account, a gap remains between wrangling mobility data and developing meaningful dashboard output. Therefore, there is a need for a framework that bridges this gap to support the mobility dashboard development and design process. In this paper we outline a conceptual framework for mobility data dashboards that provides guidance for the development process while considering mobility data structure, volume, complexity, varied application contexts, and privacy constraints. We illustrate the proposed framework’s components and process using example mobility dashboards with varied inputs, end-users and objectives. Overall, the framework offers a basis for developers to understand how informational displays of big mobility data are determined by end-user needs as well as the types of data selection, transformation, and display available to particular mobility datasets. Numéro de notice : A2023-236 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/15230406.2023.2190164 Date de publication en ligne : 11/04/2023 En ligne : https://doi.org/10.1080/15230406.2023.2190164 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103595 [article]

A GIS representation framework for location-based social media activities / Xuebin Wei in Transactions in GIS, vol 26 n° 3 (May 2022)  

Public [article]  inTransactions in GIS > vol 26 n° 3 (May 2022) . - pp 1444 - 1464 Titre : A GIS representation framework for location-based social media activities Type de document : Article/Communication Auteurs : Xuebin Wei, Auteur ; Xiaobai Yao, Auteur Année de publication : 2022 Article en page(s) : pp 1444 - 1464 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] cadre conceptuel [Termes IGN] données issues des réseaux sociaux [Termes IGN] environnement géographique virtuel [Termes IGN] Facebook [Termes IGN] modèle conceptuel de données spatio-temporelles [Termes IGN] ontologie [Termes IGN] relations sociales [Termes IGN] représentation des données [Termes IGN] réseau social géodépendant [Termes IGN] système d'information géographique [Termes IGN] Time-geography Résumé : (auteur) The past couple of decades have witnessed tremendous growth of location-based social media activities (LBSMA) data in virtual spaces, including virtual geographic environments. Such data become innovative resources for the analysis of human activities. Meanwhile, a shift of human interactions from geographical spaces to virtual spaces has been observed. Although this is an exciting research opportunity, it also imposes significant challenges on GIScience, as current GIS representation models are no longer sufficient to handle the increased sophistication of human activities data. This research formalizes an ontology for LBSMA data and a conceptual framework for representing such data in GIS. The framework contributes to GIScience as it enables interconnections of human activities in both the physical and virtual worlds to be represented, organized, retrieved, analyzed, and visualized. The proposed GIS representation model integrates a social dimension into the existing spatial–temporal representation models and allows data analysis in the spatial–temporal–social (STS) dimensions. The research tested this conceptual framework with a prototype and a case study using Facebook data. The prototype and the case study prove that the proposed framework can significantly enhance GIS capabilities for data organization, retrieval, and analysis of LBSMA data in STS dimensions. Numéro de notice : A2022-477 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Article DOI : 10.1111/tgis.12929 Date de publication en ligne : 02/05/2022 En ligne : https://doi.org/10.1111/tgis.12929 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100825 [article]

Cross-dataset learning for generalizable land use scene classification / Dimitri Gominski (2022)  

Public Titre : Cross-dataset learning for generalizable land use scene classification Type de document : Article/Communication Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2022 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : EarthVision 2022, Large Scale Computer Vision for Remote Sensing Imagery, workshop joint to CVPR 2022 19/06/2022 24/06/2022 New Orleans Louisiane - Etats-Unis OA Proceedings Importance : pp 1382 - 1391 Note générale : bibliographie in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2022, pp. 1382-1391 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] cadre conceptuel [Termes IGN] descripteur [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] intelligence artificielle [Termes IGN] scène urbaine [Termes IGN] segmentation sémantique [Termes IGN] utilisation du sol Résumé : (auteur) Few-shot and cross-domain land use scene classification methods propose solutions to classify unseen classes or uneen visual distributions, but are hardly applicable to real-world situations due to restrictive assumptions. Few-shot methods involve episodic training on restrictive training subsets with small feature extractors, while cross-domain methods are only applied to common classes. The underlying challenge remains open: can we accurately classify new scenes on new datasets? In this paper, we propose a new framework for few-shot, cross-domain classification. Our retrieval-inspired approach exploits the interrelations in both the training and testing data to output class labels using compact descriptors. Results show that our method can accurately produce land-use predictions on unseen datasets and unseen classes, going beyond the traditional few-shot or cross-domain formulation, and allowing cross-dataset training. Numéro de notice : C2022-031 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers IEEE Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/CVPRW56347.2022.00144 En ligne : https://openaccess.thecvf.com/content/CVPR2022W/EarthVision/papers/Gominski_Cros [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101087

Deep-learning based multiple land-cover map translation / Luc Baudoux (2022)  

Public Titre : Deep-learning based multiple land-cover map translation Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2022 Projets : 1-Pas de projet / Gouet-Brunet, Valérie Conférence : IGARSS 2022, IEEE International Geoscience And Remote Sensing Symposium 17/07/2022 22/07/2022 Kuala Lumpur Malaysie Proceedings IEEE Importance : pp 1260 - 1263 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] apprentissage profond [Termes IGN] base de données d'occupation du sol [Termes IGN] cadre conceptuel [Termes IGN] carte d'occupation du sol [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] segmentation sémantique Résumé : (auteur) This paper presents a framework for simultaneously translating multiple land-cover maps into a given one in a supervised way. Conversely to existing approaches working on 1–1 translation, we propose a multi-translation setup that increases the generalizability and translation performance, especially on land-cover maps covering restricted spatial extents. The proposed method mainly assumes that the map of interest spatially overlaps at least with one of the other maps. High performance translation is achieved with a Convolutional Neural Network (CNN) based encoder-decoder frame-work trained with three goals: (i) high-quality translation; (ii) self-reconstruction ability; (iii) mapping of all datasets into a common representation space. Country-scale experimental results show the method effectiveness in translating six highly heterogeneous land-cover maps, achieving significantly better results than the traditional semantic-based method and better results than CNN trained for a 1–1 translation task (+ 9.7% in Overall Accuracy (OA) and +12% in macro F1-score (mF1)). Numéro de notice : C2022-039 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : https://hal.science/hal-03983066v1/document Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS46834.2022.9883056 En ligne : https://doi.org/10.1109/IGARSS46834.2022.9883056 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101765

Numérique versus symbolique : dialogue ontologique entre deux approches / Hélène Mathian in Revue internationale de géomatique, vol 31 n° 1-2 (janvier - juin 2022)  

Public [article]  inRevue internationale de géomatique > vol 31 n° 1-2 (janvier - juin 2022) . - pp 21 - 45 Titre : Numérique versus symbolique : dialogue ontologique entre deux approches Type de document : Article/Communication Auteurs : Hélène Mathian, Auteur ; Léna Sanders, Auteur Année de publication : 2022 Article en page(s) : pp 21 - 45 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse comparative [Termes IGN] analyse de données [Termes IGN] cadre conceptuel [Termes IGN] établissement d'enseignement [Termes IGN] Ile-de-France [Termes IGN] ontologie [Termes IGN] simulation dynamique [Termes IGN] système multi-agents Résumé : (Auteur) L’objectif de cet article est de comparer une approche statistique, l’analyse des données (AD) et une approche de simulation, les systèmes multi-agents (SMA). Ces deux familles de méthodes sont a priori considérées comme représentatives d’une approche numérique, respectivement symbolique, de la modélisation spatiale. Le cas d’application qui est mobilisé tout au long de l’article est celui de la ségrégation de l’espace scolaire en Île-de-France. En premier lieu sont explicitées et discutées les différentes étapes menant d’une question thématique à l’opérationnalisation d’une méthodologie d’analyse statistique ou de simulation destinée à analyser cette question. Pour effectuer cette comparaison, on développe un cadre conceptuel à l’interface entre les deux, qui permet de vérifier la compatibilité entre les arrières plans théoriques associés aux domaines thématiques et de modélisation en jeu. Ce cadre conceptuel prend appui sur une démarche ontologique qui est ensuite présentée. Celle-ci permet d’identifier les complémentarités entre AD et SMA et de montrer comment ces deux méthodes peuvent dialoguer dans le cadre d’une même recherche. Nous montrons combien les aspects numériques et symboliques sont finalement étroitement imbriqués au sein même de chacune de ces méthodes. Cette imbrication permet de construire une « spirale d’interactions » entre les deux familles de méthodes dont l’intérêt est illustré par les va et vient entre les phases d’analyse de structure et de simulation dynamique dans le cas de la ségrégation scolaire. Numéro de notice : A2022-807 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.3166/rig31.21-45 Date de publication en ligne : 06/12/2022 En ligne : https://doi.org/10.3166/rig31.21-45 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102219 [article]

A generic information framework for decision-making in a forest-based bio-economy / Jean-Baptiste Pichancourt in Annals of Forest Science, vol 78 n° 4 (December 2021)  

Permalink

Consistency assessment for open geodata integration: an ontology-based approach / Linfang Ding in Geoinformatica, vol 25 n° 4 (October 2021)  

Permalink

A framework to manage uncertainty in the computation of waste collection routes after a flood / Arnaud Le Guilcher in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-4-2021 (July 2021)  

Permalink

The urban governance configuration: A conceptual framework for understanding complexity and enhancing transitions to greater sustainability in cities / Isa Baud in Geography compass, vol 15 n° 5 (May 2021)  

Permalink

Pyramidal framework: guidance for the next generation of GIS spatial-temporal models / Cyril Carré in ISPRS International journal of geo-information, vol 10 n° 3 (March 2021)  

Permalink

Understanding the role of individual units in a deep neural network / David Bau in Proceedings of the National Academy of Sciences of the United States of America PNAS, vol 117 n° 48 (1 December 2020)  

Permalink

Understanding governance dynamics: The governing system of spatial data infrastructures / Jaap-Willem Sjoukema in International Journal of Spatial Data Infrastructures Research, vol 15 (Year 2020)  

Permalink

Smoothing algorithms for navigation, localisation and mapping based on high-grade inertial sensors / Paul Chauchat (2020)  

Permalink

Torch-Points3D: A modular multi-task framework for reproducible deep learning on 3D point clouds / Thomas Chaton (2020)  

Permalink

A cognitive framework for road detection from high-resolution satellite images / Naveen Chandra in Geocarto international, vol 34 n° 8 ([15/06/2019])  

Permalink