Modèle de généralisation de données urbaines à base de contraintes et d´autonomie

Modèle de généralisation de données urbaines à base de contraintes et d´autonomie

analyse spatiale

généralisation

multi-agents

SIG

GIS

multi-agent system

spatial analysis

Géographie

Systèmes ; modélisation ; géostatistiques

Espace ; société et territoire

Géographie : politique ; culture et représentation

Épistémologie et méthodes

ost:Environmental studies; Geography & Development

isi:Geography

isi:Urban studies

Ce papier propose un modèle pour généraliser des données géographiques. Le modèle repose sur des concepts d´autonomie, de contraintes et de représentation de différents niveaux d´analyse. Une situation géographique se généralise à l´aide d´algorithmes afin de progressivement satisfaire l´ensemble de ses contraintes. Chaque situation recherche un compromis entre les contraintes qui incitent la généralisation et celle qui incitent une bonne préservation de l´information initiale. Les contraintes représentent les spécifications traduites sur les caractères de l´information – la taille, la forme, la distance, la densité, etc. Chaque caractère est analysé et comparé à ce qu´il devrait être sous forme d´un degré d´insatisfaction qui permet à chaque situation de s´auto-évaluer et de tenter de s´améliorer. Afin de généraliser les groupes d´objets tout en préservant leurs propriétés, nous introduisons le concept de situations méso qui sont des regroupements spécifiques d´objets qui ont la capacité de s´analyser et de se généraliser. Ces groupes permettent également le contrôle et l´amélioration de la généralisation de leurs objets composants par des analyses sur des distributions de valeurs. Afin d´illustrer le modèle nous présentons l´exemple de la généralisation d´îlots urbains.

This paper proposes a model to generalise urban information. The model is based on autonomy, on constraints and on the representation of several levels of analysis. A geographical entity (named situation) chooses an operation which satisfies its own constraints. Generalisation is performed step by step, in an autonomous way. The final state aims at finding a compromise between constraints which incite generalisation and those which incite a preservation of geographical meaning. In this model, constraints represent the user needs on each situation. They are qualified by a level of non satisfaction which changes during the process. In order to preserve groups properties and to apply contextual operations (e.g. object removal or displacement), we introduce the concept of meso situations which are groups of objects that either generalise themselves together or analyse their properties to provide finer guideline for simple object self generalisation. Among such analysis we emphasise on distribution analysis either to ensure dissociation between values or to maintain exceptional values within a group. Actually, generalisation at the lowest level (i.e. independent) has the tendency to remove differences between characters which in term destroys geographic space specificity. These meso analysis should be more and more considered to improve the quality of generalisation process. These concepts are illustrated by urban generalisation experiments.

Ruas, Anne

UMR 8504 Géographie-cités

1999-10-05

fr

article

http://cybergeo.revues.org/5227