Amélioration de la représentation cartographique des phénomènes urbains

Comment percevoir un phénomène ?

     La plupart des phénomènes sont appréhendés visuellement mais il existe des phénomènes qui ne sont pas observables, on les perçoit par nos sens ou par l’utilisation de l’instrumentation. Par exemple, nous ne pouvons pas « voir » la chaleur mais nous pouvons la ressentir, la pollution de l’air n’est généralement pas observable mais on perçoit sa présence par le résultat affiché sur un capteur, ou ressentir une gêne respiratoire ou oculaire. Les phénomènes sont autour de nous mais la plupart d’eux sont complexes à estimer et à représenter car ils ne se voient pas et ils varient en fonction du temps et de l’espace.

Pourquoi nous nous intéressons aux phénomènes urbains ?

     Plus de la moitié de la population mondiale de nos jours vit dans les villes. Cette proportion s’élève à 80% dans les pays développés. La densité importante de la population urbaine provoque plusieurs problèmes environnementaux tels que les bruits, les canicules urbaines, les pollutions chimiques ou la pollution magnétique. En tant que citoyens, nous nous demandons si l’air que nous respirons tous les jours contient des substances dangereuses, si le bâtiment où nous vivons nous protège de la chaleur ou si les diverses émanations des usines (bruits, pollutions) dans les banlieues influencent sur l’atmosphère de notre quartier. Si l’un des objectifs des villes intelligentes est d’améliorer la gestion des ressources – comme l’eau et l’électricité – un autre est de pouvoir contrôler jour après jour ce qui se passe dans la ville au niveau du climat et des pollutions.

En quoi consiste une carte ?

      Une carte est une image plane, déformée, réduite, simplifiée et conventionnelle de tout ou partie de la Terre ; interprétation graphique, elle est le regard qu’un cartographe et une société posent sur cette Terre (J.P. Bord et E. Blin, 1993). C’est la transcription dans une image de phénomènes localisés et des relations qui se développent entre ces phénomènes (Le Fur, 2000, p6). Pour l’Association Cartographique Internationale la carte géographique est une image codifiée de la réalité géographique, représentant une sélection d’objets ou de caractéristiques, relevant de l’effort créateur de son auteur par les choix opérés et destinée à être utilisée lorsque les relations spatiales ont une pertinence essentielle.

Les niveaux de détail, niveau d’analyse

     Le monde est d’une complexité infinie et l’homme le représente conceptuellement et graphiquement de multiples façons. Y Lacoste (1980) donne une définition intéressante des niveaux d’analyse « il est efficace de raisonner comme si l’espace terrestre était pour ainsi dire « feuilleté », en distinguant par la pensée différents plans d’intersection d’ensembles ou différents espaces de conceptualisation de dimension très inégales. Plutôt que de se référer aux notions de grandes et petites échelles, qui n’ont de sens que relatif, il est préférable de classer ces différents plans d’intersection d’ensemble selon les divers ordres de « grandeur » pour définir six ordres de grandeur de la dizaine de milliers de kilomètres (pour le monde) à la dizaine de mètres (pour le quartier). Il ajoute que « Entre chacun des niveaux de représentation [..] se trouve une sorte de hiatus qui correspond au brusque changement d’échelle, au passage d’un ordre de grandeur à un autre [..] Ce n’est pas le même phénomène, la même portion de la ‘réalité’ que l’on envisage aux différents niveaux d’analyse » (Y. Lacoste, 1980). Dans le chapitre ‘Echelle et Niveau de Détail’ (Ruas & Bianchin 2002), les auteurs font le lien entre les deux pour conclure qu’« une base de données correspond à une échelle de raisonnement ou d’analyse, et doit être représentée cartographiquement dans une gamme d’échelles mathématiques, compatible avec l’ordre de grandeur de l’ensemble des objets correspondant à cette analyse ». Le niveau de détail est le terme utilisé pour souligner qu’il y a des représentations graphiques plus ou moins détaillées de l’espace, en précisant que les informations ne sont pas les mêmes selon les niveaux et que le passage d’un niveau à un autre n’est pas trivial parce qu’il n’y a pas d’emboitement, de hiérarchie parfaite entre les niveaux. En information géographique le concept de niveau de détail est très largement utilisé, surtout depuis la profusion des sites web. L’information est visible à différents niveaux de détail. Elle change en fonction des zooms, ce qui veut dire qu’il y a différentes représentations graphiques de l’information.

Que signifie le terme SIG ?

    Michel Didier (1990) définit le SIG comme un ensemble de données repérées dans l’espace, structurées de façon à pouvoir en extraire commodément des synthèses utiles à la décision. Une autre définition, proposée par Robert Laurini (1993), décrit un SIG par ses fonctionnalités : SIG est un système de base de données pour la saisie, le stockage, l’extraction, l’interrogation, l’analyse et l’affichage de données localisées. En France, on utilise couramment le terme SIG (Système d’Information Géographique) pour désigner à la fois le système d’information, le projet informatique lié aux données spatiales et le logiciel permettant de manipuler les données géographiques (Henri Pornon, 2011, p7). Le terme SIG-outil permet de parler spécifiquement du logiciel.

Décider comment représenter le phénomène sur son espace de support

      Comme vu précédemment l’espace support est l’espace qui supporte le phénomène, il peut s’agir de l’espace intérieur des bâtiments, la surface des rues ou de l’espace ambiant et la dimension de référence caractérise chaque espace support et nous permettra d’estimer la taille d’une grille ou un plan correspondant au LoD. Il s’agit donc de l’espace qui couvre le phénomène qu’on peut regarder à différentes granularités. Par exemple, pour une étude de l’impact des bâtiments sur la température extérieure locale, à un LoD on représente la température sur les rues : la surface des rues devient l’espace support du phénomène, la largeur moyenne de rues est la dimension de référence correspondante au LoD qui permet de définir la résolution de la grille. Pour chaque type d’espace support, on conçoit une méthode de calcul de la structure de géométrie adaptée appropriée qui sera utilisée à l’étape 2.
– Espace support surfacique : Nous pourrions citer quelques espaces supports connus pour des études de phénomènes urbains tels que les bâtiments, des zones végétales, etc. Dans la plupart de cas, l’espace support surfacique est aussi la structure de géométrie adaptée pour tous les LoDs car les symboles surfaciques de taille d’un bâtiment par exemple résistent bien au processus de zoom ou dé-zoom nécessaire. Les surfaces (de bâtiments, des zones végétales) sont faciles à utiliser pour cartographier un phénomène. La figure 28 montre comment on « plaque » des données de températures sur la géométrie des bâtiments qui constitue dans ce cas l’espace support : chaque objet de l’espace support prend la valeur ou la moyenne des valeurs des points à l’intérieur de sa surface. Nous pouvons constater que les symboles de géométrie ponctuelle s’adaptent mal à la visualisation : la taille du symbole est trop petite pour différencier correctement les couleurs des uns et des autres. En figure 28, les données du phénomène peuvent être projetées sur les bâtiments que si elles recouvrent effectivement les données des bâtiments.
– Espace de support linéaire : Les exemples d’un espace de support linéaire sont : réseau routier dans la ville, canalisations d’eau, etc. La difficulté qu’on a souvent rencontrée pour représenter un phénomène sur un réseau est le contraste entre la taille d’un réseau et la quantité de données décrivant le phénomène. Un réseau comporte des lignes et polylignes qui ne sont pas adaptées pour visualiser le phénomène à toutes échelles. Par exemple, si on plaque des données très variées sur une ligne de longueur fixe et la couleur de la ligne choisie en fonction de la moyenne de ces données, on ne peut pas suivre la variation du phénomène car on ne voit que cette ligne colorée pour toutes les échelles. La résolution pour ce problème, c’est qu’on calcule une structure de géométrie adaptée pour symboliser les données à chaque LoD (cf. étape 2)
– Espace de support ambiant : Pour le phénomène qui aura lieu dans tout l’espace, on le représente sur une grille ou une matrice (plan) régulière et bornée par la géométrie de son espace support.

Adaptation du champ de valeurs CVD à l’échelle courante

     Tout d’abord, nous comparons l’échelle courante avec le paramètre de l’échelle min-max de chaque CVD stocké dans la base de données. Nous choisissons le CVD avec l’intervalle d’échelle qui inclut l’échelle courante. Ensuite, les données de ce CVD sont extraites pour préparer l’adaptation. Dans plusieurs cas, nous représentons un phénomène avec des symboles surfaciques car ils supportent bien le de-zoom et ne causent pas des superpositions indésirables entre eux à petite échelle comme les symboles ponctuels. Cependant, si l’échelle est trop petite, nous ne pouvons pas toujours les’ utiliser car certains phénomènes sont minuscules par rapport à leur contexte, les symboles surfaciques représentant les phénomènes deviennent également trop petits pour être vus. Dans le cas, on propose d’agréger les données et d’utiliser une structure de données adaptée aux plus petites échelles. Maintenant, nous devons faire en sorte de garder une fluidité entre deux LoDs. En outre, comme nous l’avons indiqué ci-dessus si nous stockons trop de tables dans la base de données, l’étape 2 prendra beaucoup de temps. Ainsi, nous proposons de modifier la densité de données pour que la densité de données soit dynamique entre deux LoDs stockés. Chaque fois que l’échelle change, nous réajustons la densité des données (Fig.51). Si l’échelle courante reste dans l’intervalle du LoD choisi, nous reconstruisons simplement la grille adaptée et calculons de nouvelles valeurs : pour cela nous simplifions le CVD au cas où l’échelle est proche de l’échelle minimale et densifions les données. Sinon la nouvelle densité de données (x%) doit être supérieure à la densité inférieure de LoD (i%) et inférieure à la plus élevée (k%): i <x <k

Table des matières

Chapitre I : Introduction
Phénomènes : définitions et caractéristiques
Comment percevoir un phénomène ?
Pourquoi nous nous intéressons aux phénomènes urbains ?
Des représentations et des outils mal adaptés à la représentation de phénomènes
Objectifs de notre recherche
Plan
Chapitre II : Principes cartographiques et outils standards de présentation
1. Cartographie et sémiologie graphique
1.1 La carte
1.1.1. En quoi consiste une carte ?
1.1.2. Quel est le contenu d’une carte ?
1.1.3. À quoi sert une carte ?
1.1.4. Notre problème essentiel, comment concevoir une carte de phénomène urbain ?
1.1.5. Evolutions
1.2 La sémiologie graphique
1.2.1 Principes généraux
1.2.2 Les variables visuelles
A. La forme
B. La couleur
1.2.3 Synthèse : les propriétés des variables visuelles
2. Représentation de l’information géographique
2.1. Les données à représenter
2.1.1 Les données vecteurs
2.1.2 Les données rasters
2.2. Les contraintes visuelles
2.2.1. Les seuils traditionnels
a. Le seuil de perception
b. Seuil de séparation
c. Seuil de différenciation
2.2.2 Lisibilité d’une carte
a. Facteurs influençant la lisibilité
La densité graphique
La séparation angulaire
La séparation rétinienne
b. La lisibilité des cartes de risques (Chesneau 2007)
3. Représentation multi-niveaux de l’IG
3.1 Les niveaux de détail, niveau d’analyse
3.2 Représentation multi-niveaux
4. Logiciels standards pour les données géographiques
4.1 Outils basés sur des méthodes de conception et de formalismes de modélisation
4.1.1. Méthodes généralistes issues du génie logiciel
4.1.2. Méthodes plus spécifiques dédiées aux données géographiques
4.2. Les outils SIG pour la représentation de phénomènes
4.2.1 Que signifie le terme SIG ?
4.2.2 Les outils SIG
a. SIG Bureautique (Desktop GIS)
SIG 3D
GvSIG et son extension 3D
Historique
Extension 3D
WebGL
b. SGBD Spatial
c. Extensions SIG, Plug-ins et APIs
4.2.3 Les outils scientifiques de visualisation, extérieurs au domaine du SIG
5. Amélioration de visibilité de la présentation cartographique
5.1. Etudes des contrastes de couleur pour améliorer la lisibilité des cartes – application aux cartes de risque (Chesneau 2006)
Modélisation des données
Modélisation des connaissances sur les couleurs pour le calcul et l’interprétation de leurs contrastes dans une carte et pour des propositions colorées plus adaptées
Analyse de contraste
Création des propositions
5.2. Aide à la conception de légendes personnalisées et originales : proposition d’une méthode coopérative pour le choix des couleurs (Christophe 2009)
5.3. Modèle pour l’évaluation et l’amélioration de la lisibilité d’une carte géographique (Bessadok 2015)
6. Conclusion sur la partie des outils standard de représentation
Chapitre III : Les principes
1. Objectifs et approche
2. Quelques définitions et abréviations
2.1. Niveaux de détail & LoD
2.2. Phénomènes urbains
2.3. Espace support
2.4. Géométrie et type d’espace support
2.5. Dimension de référence
3. Grilles et plans pour la représentation des phénomènes
3.1. Grille
3.2. Conception d’une matrice (plan)
4. Structuration des données
5. Le processus global
5.1. Etape 1 : analyse de données
5.1.1. Décider comment représenter le phénomène sur son espace de support
5.1.2. Nombre de LoDs
5.2. Etape 2 : Création des données et géométries adaptées pour la cartographie (CVC) pour chaque LoD
5.2.1. Attributs décrivant le LoD et les échelles
5.2.2. Attribut Zone d’étude
5.2.3. Attribut décrivant la densité de données
5.3. Etape 3 : adapter les données en fonction de l’échelle et de la position d’observation du phénomène
Chapitre IV : Mise en Œuvre
1. Mise en œuvre du processus
1.1. Etape 2a : Extraction de données
1.2. Etape 2b : Adapter la densité de données au LoD
1.2.1. Adapter la densité de données pour une grille dans l’espace ambiant
1.2.2. Comment adapter la densité de données pour un espace support linéaire ?
1.3. Etape 2c : Calculer les valeurs des nouvelles géométries
1.3.1. Agréation de données par généralisation
1.3.2. Interpolation de données
1.4. Etape 2d : Etablir une structure de géométrie adaptée pour une densité graphique adéquate
1.4.1. Comment choisir un symbole ?
a. Forme de symbole
b. Type d’implémentation du symbole : ponctuel ou surfacique ?
Problème : Les symboles ponctuels ne s’adaptent ni aux petites échelles ni aux grandes échelles
Solution : Remplacer les symboles ponctuels par des symboles surfaciques
c. Taille de symbole
Cercles représentant des données scalaires
Flèches représentent des données vecteurs
d. La couleur de chaque symbole dans une famille de couleurs
1.4.2. Comment créer une structure de géométrie pour chaque type d’espace cartographique ?
a. Structure sur l’Espace ambiant
Représentation de type Grille
Plan
b. Structures sur un réseau (route, canalisation)
1.5. Etape 2e : Classer les valeurs
1.6. Etape 2f : Localisation des zones critiques et des hotspots
1.6.1. Zone critiques
1.6.2. Des hotspots
1.7. Etape 3 : Optimisation dynamique
1.7.1. Adaptation du champ de valeurs CVD à l’échelle courante
1.7.2. Adaptation de l’Orientation en global 2D
1.7.3. Adaptation en fonction du mode Observateur
2. Outils informatiques
2.1. Choix d’outil de visualisation en 3D
2.2. Description des outils utilisés
2.2.1. Eclipse
2.2.2. PostgreSQL/PostGIS
2.2.3. GeoServer
2.2.4. OpenLayers
2.2.5. QGIS avec l’extension qgis2threejs
2.3. Architecture générale des outils utilisés
2.3.1. Architecture des outils pour le web cartographique
2.3.2. Architecture des outils pour la visualisation sous un logiciel Desktop SIG : La base de données sous PostGIS et la visualisation sous QGIS
2.3.4. Le cas particulier de la symbolisation
3. La structure de données sur PostGIS
3.1. Les tables initiales
3.1.1. Table Episode de Phénomène
3.1.2. Table Etat
3.1.3. Tables Valeurs de champ initial
3.1.5. Tables de Données urbaines
3.2. Les tables créées
3.1.4. Table Espace support et tables Géométrie Espace Support
3.2.1. Table Liste_CVC
3.2.2. Tables Valeurs de Champ pour la Cartographie
3.2.3. La table Hotspots
3.2.4. Table Zones_critiques
3.2.5. Table Symbole
3.2.6. Table Couleur
4. Développement d’une extension QGIS pour effectuer le processus d’optimisation 
4.1. Fonctionnalités
4.2. Interface et menus de saisie sous QGIS
5. Cas d’étude
5.1. Réseau d’eau
5.1.1. Contexte
5.1.2. Description de données sources
a. Données décrivant la géométrie du réseau
b. La canalisation
c. La grille initiale
d. Données d’écoulement
La vitesse d’écoulement
La pression de l’eau dans la canalisation
La concentration de chlore
5.1.3. Objectif
5.1.4. Difficulté
5.1.5. Mise en œuvre
a. Schéma de données HBDS pour la simulation de l’information
b. Schéma de données détaillé
c. Représentations graphiques de la pression de l’eau
d. Représentation de la Vitesse d’écoulement d’eau
e. Représentation de l’écoulement du Chlore
f. Service web et conclusion
5. 2. Canicule
5.2.1. Contexte
5.2.2. Objectif et description de données
5.2.3. Les Températures extérieures
a. Etape 1 : Analyse de données pour définir le niveau de détail maximal
b. Les hotspot
c. Etape 3 : Adapter les données au fur et à mesure de la condition de visualisation
d. Utilisation du réseau routier pour représenter la température extérieure
5.2.4. Température intérieure
5.2.5. Carte de température intérieure et extérieure
5.2.6. Conclusion sur la représentation de la canicule
Chapitre V : Conclusion et perspectives
1. Conclusion générale
2. Perspectives

Télécharger le rapport complet