Centre dedocumentation
scientifique

Learning from GPS trajectories of floating car for CNN-based urban road extraction with high-resolution satellite imagery / Ju Zhang in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 3 (March 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > Vol 59 n° 3 (March 2021) . - pp 1836 - 1847 Titre : Learning from GPS trajectories of floating car for CNN-based urban road extraction with high-resolution satellite imagery Type de document : Article/Communication Auteurs : Ju Zhang, Auteur ; Qingwu Hu, Auteur ; Jiayuan Li, Auteur ; Mingyao Ai, Auteur Année de publication : 2021 Article en page(s) : pp 1836 - 1847 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] base d'apprentissage [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] extraction du réseau routier [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] rastérisation [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] trace GPS [Termes descripteurs IGN] trace numérique [Termes descripteurs IGN] trajectoire [Termes descripteurs IGN] Wuhan (Chine) [Termes descripteurs IGN] zone urbaine Résumé : (Auteur) Deep learning has achieved great success in recent years, among which the convolutional neural network (CNN) method is outstanding in image segmentation and image recognition. It is also widely used in satellite imagery road extraction and, generally, can obtain accurate and extraction results. However, at present, the extraction of roads based on CNN still requires a lot of manual preparation work, and a large number of samples can be marked to achieve extraction, which has to take long drawing cycle and high production cost. In this article, a new CNN sample set production method is proposed, which uses the GPS trajectories of floating car as training set (GPSTasST), for the multilevel urban roads extraction from high-resolution remote sensing imagery. This method rasterizes the GPS trajectories of floating car into a raster map and uses the processed raster map to label the satellite image to obtain a road extraction sample set. CNN can extract roads from remote sensing imagery by learning the training set. The results show that the method achieves a harmonic mean of precision and recall higher than road extraction method from single data source while eliminating the manual labeling work, which shows the effectiveness of this work. Numéro de notice : A2021-211 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3003425 date de publication en ligne : 14/07/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3003425 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97196 [article]

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 descripteurs IGN] analyse fonctionnelle (mathématiques) [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] carte routière [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] contenu généré par les utilisateurs [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] données routières [Termes descripteurs IGN] feu de circulation [Termes descripteurs IGN] inférence [Termes descripteurs IGN] reconnaissance de formes [Termes descripteurs IGN] signalisation routière [Termes descripteurs IGN] trace GPS [Termes descripteurs IGN] trafic routier [Termes descripteurs IGN] transformation en ondelettes [Termes descripteurs 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

A global analysis of cities’ geosocial temporal signatures for points of interest hours of operation / Kevin Sparks in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 759 - 776 Titre : A global analysis of cities’ geosocial temporal signatures for points of interest hours of operation Type de document : Article/Communication Auteurs : Kevin Sparks, Auteur ; Gautam Thakur, Auteur ; Amol Pasarkar, Auteur ; Marie Urban, Auteur Année de publication : 2020 Article en page(s) : pp 759 - 776 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] climat urbain [Termes descripteurs IGN] contenu généré par les utilisateurs [Termes descripteurs IGN] coutume [Termes descripteurs IGN] démographie [Termes descripteurs IGN] données géophysiques [Termes descripteurs IGN] données issues des réseaux sociaux [Termes descripteurs IGN] estimation quantitative [Termes descripteurs IGN] ethnologie [Termes descripteurs IGN] géographie sociale [Termes descripteurs IGN] gestion urbaine [Termes descripteurs IGN] milieu urbain [Termes descripteurs IGN] modèle dynamique [Termes descripteurs IGN] modélisation spatio-temporelle [Termes descripteurs IGN] point d'intérêt [Termes descripteurs IGN] réseau social [Termes descripteurs IGN] trace numérique Résumé : (auteur) The temporal nature of humans interaction with Points of Interest (POIs) in cities can differ depending on place type and regional location. Times when many people are likely to visit restaurants (place type) in Italy, may differ from times when many people are likely to visit restaurants in Lebanon (i.e. regional differences). Geosocial data are a powerful resource to model these temporal differences in cities, as traditional methods used to study cross-cultural differences do not scale to a global level. As cities continue to grow in population and economic development, research identifying the social and geophysical (e.g., climate) factors that influence city function remains important and incomplete. In this work, we take a quantitative approach, applying dynamic time warping and hierarchical clustering on temporal signatures to model geosocial temporal patterns for Retail and Restaurant Facebook POIs hours of operation for more than 100 cities in 90 countries around the world. Results show cities’ temporal patterns cluster to reflect the cultural region they represent. Furthermore, temporal patterns are influenced by a mix of social and geophysical factors. Trends in the data suggest social factors influence unique drops in temporal signatures, and geophysical factors influence when daily temporal patterns start and finish. Numéro de notice : A2020-294 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2019.1615069 date de publication en ligne : 04/06/2019 En ligne : https://doi.org/10.1080/13658816.2019.1615069 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95126 [article]

Uber movement data: a proxy for average one-way commuting times by car / Yeran Sun in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 3 (March 2020) . - 16 p. Titre : Uber movement data: a proxy for average one-way commuting times by car Type de document : Article/Communication Auteurs : Yeran Sun, Auteur ; Yinming Ren, Auteur ; Xuan Sun, Auteur Année de publication : 2020 Article en page(s) : 16 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] Boston (Massachusetts) [Termes descripteurs IGN] distribution spatiale [Termes descripteurs IGN] flux [Termes descripteurs IGN] migration pendulaire [Termes descripteurs IGN] objet mobile [Termes descripteurs IGN] origine - destination [Termes descripteurs IGN] planification urbaine [Termes descripteurs IGN] taxi [Termes descripteurs IGN] temps de trajet [Termes descripteurs IGN] trace GPS Résumé : (auteur) Recently, Uber released datasets named Uber Movement to the public in support of urban planning and transportation planning. To prevent user privacy issues, Uber aggregates car GPS traces into small areas. After aggregating car GPS traces into small areas, Uber releases free data products that indicate the average travel times of Uber cars between two small areas. The average travel times of Uber cars in the morning peak time periods on weekdays could be used as a proxy for average one-way car-based commuting times. In this study, to demonstrate usefulness of Uber Movement data, we use Uber Movement data as a proxy for commuting time data by which commuters’ average one-way commuting time across Greater Boston can be figured out. We propose a new approach to estimate the average car-based commuting times through combining commuting times from Uber Movement data and commuting flows from travel survey data. To further demonstrate the applicability of the commuting times estimated by Uber movement data, this study further measures the spatial accessibility of jobs by car by aggregating place-to-place commuting times to census tracts. The empirical results further uncover that 1) commuters’ average one-way commuting time is around 20 min across Greater Boston; 2) more than 75% of car-based commuters are likely to have a one-way commuting time of less than 30 min; 3) less than 1% of car-based commuters are likely to have a one-way commuting time of more than 60 min; and 4) the areas suffering a lower level of spatial accessibility of jobs by car are likely to be evenly distributed across Greater Boston. Numéro de notice : A2020-255 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9030184 date de publication en ligne : 24/03/2020 En ligne : https://doi.org/10.3390/ijgi9030184 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95010 [article]

Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges / Colin Kerouanton (2020)  

Public Titre : Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges Titre original : Spatio-temporal analysis of hikers mobilities in the PNR du Massif des Bauges Type de document : Thèse/HDR Auteurs : Colin Kerouanton , Auteur ; Anne Loison, Directeur de thèse ; Clémence Perrin-Malterre, Encadrant ; Laurence Jolivet , Encadrant Editeur : Chambéry : Université de Savoie Année de publication : 2020 Importance : 277 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Savoie Mont Blanc, spécialité Biodiversité, écologie, environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] loisir [Termes descripteurs IGN] mobilité [Termes descripteurs IGN] parc naturel régional [Termes descripteurs IGN] parc naturel régional du massif des Bauges [Termes descripteurs IGN] piéton [Termes descripteurs IGN] randonnée [Termes descripteurs IGN] trace GPS [Termes descripteurs IGN] trajet Résumé : (auteur) La grande faune de montagne est actuellement abondante, mais ses effectifs pourraient baisser si la « qualité » et la surface des habitats disponibles diminuaient, par exemple en conséquence d’une hausse des pratiques touristiques. Or, si ces pratiques se diversifient, leurs impacts sur la faune et ses attraits vis-à vis de la faune sont mal quantifiés et qualifiés. Les gestionnaires sont en manque d’informations quantifiées et cartographiées pour mettre en place des mesures de gestion des pratiques humaines. Cette thèse a pour but l’analyse spatio-temporelle des mobilités de randonneurs, enregistrées par portage de GPS. Elle s’inscrit dans une perspective inter-disciplinaire entre écologie, sociologie, géographie et géomatique. Les connaissances issues des résultats de la thèse devront être employables par les écologues pour l’étude de l’interaction Faune/Humain, mais aussi par les gestionnaires du territoire. La thèse se décline en deux parties, reprenant la définition d’une trajectoire (composée de pauses et de déplacements entre ces pauses) : (1) détecter les pauses par le biais d’un outil de géomatique, définir les paramètres de ce dernier, analyser les pauses selon les caractéristiques sociologiques des randonneurs, déterminer les espaces à forte probabilité de pause ; (2) comparer les vitesses de déplacement des randonneurs selon la pente et selon leur profil, et en déduire un modèle statistique de vitesse de marche en montagne, comparer ce modèle aux modèles déjà existants, simuler des scénarios de randonnées, analyser la variation spatio-temporelle de la fréquentation des sentiers, classifier automatiquement les trajectoires. Numéro de notice : 17614 Affiliation des auteurs : LaSTIG COGIT (2012-2019) Thématique : BIODIVERSITE/GEOMATIQUE Nature : Thèse française Note de thèse : thèse : Biodiversité, écologie, environnement : Savoie Mont Blanc : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans date de publication en ligne : 15/10/2020 En ligne : https://hal.archives-ouvertes.fr/tel-02967697/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96169

Potential of crowdsourced traces for detecting updates in authoritative geographic data / Stefan Ivanovic (2020)  

Permalink

Analysing the positional accuracy of GNSS multi-tracks obtained from VGI sources to generate improved 3D mean axes / Antonio Tomás Mozas-Calvache in International journal of geographical information science IJGIS, vol 33 n° 11 (November 2019)  

Permalink

A filtering-based approach for improving crowdsourced GNSS traces in a data update context / Stefan Ivanovic in ISPRS International journal of geo-information, vol 8 n° 9 (September 2019)  

Permalink

Accuracy assessment of speed values calculated from GNSS tracks of roads obtained from VGI / Antonio Tomás Mozas-Calvache in Survey review, vol 51 n° 367 (July 2019)  

Permalink

Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)  

Permalink

A cross-analysis framework for multi-source volunteered, crowdsourced, and authoritative geographic information : The case study of volunteered personal traces analysis against transport network data / Gloria Bordogna in Geo-spatial Information Science, vol 21 n° 3 (October 2018)  

Permalink

Spatial discontinuities, health and mobility - What do the Google's POIs and tweets tell us about Bangkok's (Thailand) structures and spatial dynamics? / Alexandre Cebeillac in Revue internationale de géomatique, vol 28 n° 4 (octobre - décembre 2018)  

Permalink

Fine-grained prediction of urban population using mobile phone location data / Jie Chen in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - 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

Human mobility semantics analysis : a probabilistic and scalable approach / Xiaohui Guo in Geoinformatica [en ligne], vol 22 n° 3 (July 2018)  

Permalink

Mapping hourly dynamics of urban population using trajectories reconstructed from mobile phone records / Zhang Liu in Transactions in GIS, vol 22 n° 2 (April 2018)  

Permalink

The characteristics of asymmetric pedestrian behavior : A preliminary study using passive smartphone location data / Nick Malleson in Transactions in GIS, vol 22 n° 2 (April 2018)  

Permalink

Appariement automatique de données hétérogènes: textes, traces GPS et ressources géographiques / Amine Medad (2018) 

Permalink

Convolutional neural network for traffic signal inference based on GPS traces / Yann Méneroux (2018) 

Permalink

Detection and localization of traffic signals with GPS floating car data and Random Forest / Yann Méneroux (2018)    

Permalink

Que reste-t-il de Friday Harbor ? Pour une approche critique renouvelée des usages du géoweb fondée sur l’analyse des traces numériques / Matthieu Noucher in Revue internationale de géomatique, vol 28 n° 1 (janvier - mars 2018)  

Permalink

Unveiling movement uncertainty for robust trajectory similarity analysis / Andre Salvaro Furtado in International journal of geographical information science IJGIS, vol 32 n° 1-2 (January - February 2018)  

Permalink

An analysis of movement patterns between zones using taxi GPS data / Zhanlong Chen in Transactions in GIS, vol 21 n° 6 (December 2017)  

Permalink

Extracting spatial patterns in bicycle routes from crowdsourced data / Jody Sultan in Transactions in GIS, vol 21 n° 6 (December 2017)  

Permalink

Spatiotemporal model for assessing the stability of urban human convergence and divergence patterns / Zhixiang Fang in International journal of geographical information science IJGIS, vol 31 n° 11-12 (November - December 2017)  

Permalink