Academic literature on the topic 'Cartes géospatiales'

Cette étude de portée s’intéresse aux caractéristiques et à la présentation des cartes de pathologie des zoonoses publiées dans la littérature scientifique en 2017 et 2018. Deux analystes ont passé en revue, séparément, les titres et les résumés d’articles obtenus par une recherche dans Medline et d’autres bases de données. Les articles ont été inclus dans l’étude s’ils comportaient une carte de pathologie d’une maladie zoonotique. Les caractéristiques des cartes ont été isolées et résumées à partir du texte intégral des articles qui répondaient aux critères d’inclusion. La recherche a permis de trouver 1 666 fiches bibliographiques. De ce nombre, 302 articles comprenant 505 cartes de pathologie répondaient aux critères d’admissibilité. Bien que la plupart des travaux retenus (66 %) se servent de cartes dans un but exploratoire et descriptif, celui de trouver et de représenter visuellement des récurrences spatiales, les cartes des pathologies ont aussi une fonction analytique quand elles illustrent les résultats d’analyses statistiques géospatiales et spatiales (34 %). La plupart des cartes épidémiologiques retenues dans notre étude ne comportaient aucun des renseignements qui pourraient s’avérer importants pour leur interprétation géospatiale et leur reproductibilité. En particulier, 92 % des cartes ne précisaient pas la projection utilisée. Les résultats de cette étude de portée plaident en faveur de la formulation de lignes directrices concernant la présentation des cartes thématiques sur les maladies.

Les cartes anciennes peuvent servir de documents sources pour décrire et décoder l’espace géographique, dans la mesure où elles comportent des éléments utiles pour comprendre la formation et l’évolution d’un territoire. L’objectif principal de cette étude était de produire une visualisation spatiale du territoire de Catu compatible avec un environnement computationnel en relevant les éléments cartographiés (données géospatiales, géohistoriques et toponymiques) dans la Planta Topographica de la paroisse et municipalité de Santa Anna do Catu, dans la région d’Alagoinhas, au Brésil. Ce « plan topographique », daté de 1888, est le principal document sur lequel s’appuie notre recherche. Les éléments illustrés sur cette carte d’époque ont été comparés aux données géographiques de la cartographie officielle du Brésil. La comparaison de cartes provenant de périodes différentes s’avère être une méthode très utile pour étudier la dynamique territoriale. Mais pour ce faire, afin de reconstruire et de corriger les erreurs dans la représentation cartographique des éléments à analyser, il faut d’abord créer des entrepôts de données en formats matriciel et vectoriel. Le géoréférencement de la Planta a été réalisé au moyen d’un logiciel SIG, dans le but de conserver, aussi rigoureusement que possible, la forme des caractéristiques géographiques illustrées. La toponymie employée sur ce document est relativement dense. Elle révèle une forte présence des cultures portugaise et autochtone qui caractérisent, encore aujourd’hui, l’identité du territoire de Catu.

Au centre-nord du Nigéria, les conflits entre agriculteurs et bergers Fulani ont fait des milliers de morts et des dizaines de milliers de déplacés au Nigéria. L’objectif de cette étude est d’identifier les zones de conflit des agriculteurs et bergers en utilisant la Technologie Géospatiale pour une paix durable et une meilleure vie des populations locales et environnantes. La méthodologie utilisée est basée sur l’utilisation de l’outil Spatial Analyst d’ArcGIS pour analyser les zones de conflits. De plus, une simple analyse statistique au moyen de Microsoft Excel a permis d’analyser les données sur les incidents pour les éleveurs et agriculteurs de 2015-2018 et leurs points GPS recueillis auprès de l’ACLED. Les principaux résultats de l’étude sont les cartes des incidents de conflit des agriculteurs et éleveurs de 2015, 2016, 2017 et 2018. En conclusion, à travers ces cartes, cette étude a souligné la pertinence de la Technologie Géospatiale sur le lieu spécifique du conflit où incident de guerre. Car, dans chaque zone géographique, de tels points pourraient être ceux sur qui les organismes de sécurité accorderont une attention particulière afin d’éviter la survenance future d’un incident de conflit.

L'augmentation des données dans divers domaines présente un besoin essentiel de techniques avancées pour fusionner et interpréter ces informations. Avec une emphase particulière sur la compilation de données géospatiales, cette intégration est cruciale pour débloquer de nouvelles perspectives à partir des données géographiques, améliorant notre capacité à cartographier et analyser les tendances qui s'étendent à travers différents lieux et environnements avec plus d'authenticité et de fiabilité. Les techniques existantes ont progressé dans l'adresse de la fusion des données ; cependant, des défis persistent dans la fusion et l'harmonisation des données de différentes sources, échelles et modalités. Cette recherche présente une enquête complète sur les défis et les solutions dans l'alignement et la fusion des cartes vectorielles, se concentrant sur le développement de méthodes qui améliorent la précision et l'utilisabilité des données géospatiales. Nous avons exploré et développé trois méthodologies distinctes pour l'alignement des cartes vectorielles polygonales : ProximityAlign, qui excelle en précision dans les agencements urbains; l'Alignement Basé sur l'Apprentissage Profond du Flux Optique, remarquable pour son efficacité ; et l'Alignement Basé sur la Géométrie Épipolaire, efficace dans les contextes riches en données. De plus, notre étude s'est penchée sur l'alignement des cartes de géometries linéaires, soulignant l'importance d'un alignement précis et du transfert d'attributs des éléments, pointant vers le développement de bases de données géospatiales plus riches et plus informatives en adaptant l'approche ProximityAlign pour des géometries linéaires telles que les traces de failles et les réseaux routiers. L'aspect fusion de notre recherche a introduit un pipeline sophistiqué pour fusionner des géométries polygonales en se basant sur le partitionnement d'espace, l'optimisation non convexe de la structure de données de graphes et les opérations géométriques pour produire une carte fusionnée fiable qui harmonise les cartes vectorielles en entrée, en maintenant leur intégrité géométrique et topologique. En pratique, le cadre développé a le potentiel d'améliorer la qualité et l'utilisabilité des données géospatiales intégrées, bénéficiant à diverses applications telles que la planification urbaine, la surveillance environnementale et la gestion des catastrophes. Cette étude avance non seulement la compréhension théorique dans le domaine mais fournit également une base solide pour des applications pratiques dans la gestion et l'interprétation de grands ensembles de données géospatiales
The surge in data across diverse fields presents an essential need for advanced techniques to merge and interpret this information. With a special emphasis on compiling geospatial data, this integration is crucial for unlocking new insights from geographic data, enhancing our ability to map and analyze trends that span across different locations and environments with more authenticity and reliability. Existing techniques have made progress in addressing data fusion; however, challenges persist in fusing and harmonizing data from different sources, scales, and modalities.This research presents a comprehensive investigation into the challenges and solutions in vector map alignment and fusion, focusing on developing methods that enhance the precision and usability of geospatial data. We explored and developed three distinct methodologies for polygonal vector map alignment: ProximityAlign, which excels in precision within urban layouts but faces computational challenges; the Optical Flow Deep Learning-Based Alignment, noted for its efficiency and adaptability; and the Epipolar Geometry-Based Alignment, effective in data-rich contexts but sensitive to data quality. Additionally, our study delved into linear feature map alignment, emphasizing the importance of precise alignment and feature attribute transfer, pointing towards the development of richer, more informative geospatial databases by adapting the ProximityAlign approach for linear features like fault traces and road networks. The fusion aspect of our research introduced a sophisticated pipeline to merge polygonal geometries relying on space partitioning, non-convex optimization of graph data structure, and geometrical operations to produce a reliable fused map that harmonizes input vector maps, maintaining their geometric and topological integrity.In practice, the developed framework has the potential to improve the quality and usability of integrated geospatial data, benefiting various applications such as urban planning, environmental monitoring, and disaster management. This study not only advances theoretical understanding in the field but also provides a solid foundation for practical applications in managing and interpreting large-scale geospatial datasets

Dans ce travail, nous abordons l'exploration autonome d'un robot mobile terrestre et la construction de carte topologique en environnement inconnu, à partir d'un capteur de vision catadioptrique. L'image acquise à chaque instant permet de générer différentes représentations locales, qui offrent au robot une interprétation de la scène dans laquelle il évolue. D'un côté, un algorithme de squelettisation original est appliqué à l'espace navigable extrait dans l'image, et permet de caractériser la topologie de l'espace libre proximal. De l'autre, une signature de lieu est construite à partir du complément de l'espace navigable, afin de ne considérer que l'information photométrique la plus riche. Cette seconde représentation permet au robot d'indexer l'environnement en un ensemble de lieux, et de se localiser tout au long de sa mission. Ces représentations sont ensuite structurées sous la forme d'une carte topologique, qui, en fournissant un modèle de l'environnement, offre des possibilités comportementales élaborées (permettant notamment de répondre aux problématiques de couverture de l'espace)
In this work, we address the problem of autonomous exploration and topological map building in totally unknown environments for a mobile robot equipped with a sole catadioptric sensor. Multiple local representations for spatial knowledge are built upon visual information only. First, we develop an adaptated skeletonization algorithm. Applied on the extracted free space in the image, it carries the topological properties of the observed scene, and describes safe trajectories in the environment. Second, we propose a visual signature using the complement of the free space in the image, so that only the most relevant photometric information is considered. Using this representation, the robot can map the environment into a collection of places, and use them to keep track of its localization. The built representations are then organized in a topological map of the environment, which allows the robot to handle high-level behaviours (leading for instance to a structured exploration and coverage of the environment)

Sur un territoire, des sources sonores émettent des sons qui peuvent être d’origines anthropophoniques (i.e. le bruit des véhicules), biophoniques (i.e. les sons émis par les oiseaux), ainsi que géophoniques (i.e. le bruit du vent). Ceci permet de décrire un paysage sonore des lieux tout en alimentant des besoins particuliers propres à la cartographie de l’environnement sonore tels que les propriétés acoustiques des territoires, nécessaires à la compréhension de l’environne me nt sonore. Au-delà des travaux de recherches qui étudient et analysent les propriétés acoustiques de l’environnement, l’état de l’existant se concentre sur deux types de cartes sonores : les cartes d’inventaire de sons et les cartes de bruit. Deux approches méthodologiques sont à l’origine de la production de ces cartes. La première est basée sur des enregistrements sonores mesurés et géoréférencées sur le territoire à l’aide de sonomètres, ou d’applications installées sur des tablettes/téléphones intelligents. La deuxième sert à modéliser la propagation de l’onde acoustique en lien avec les objets présents sur le territoire (i.e. bâtiments, arbres, etc.). Bien que cette deuxième approche considère les différents facteurs environnementaux qui peuvent affaiblir l’onde acoustique comme l’absorption atmosphérique (causée par le vent, la température, etc.), la divergence géométrique et la nature de la couverture des sols, on constate qu’elle est peu documentée dans la littérature scientifique, lorsqu’aucun capteur sonore n’est utilisé pour produire des cartes sonores. L’objectif principal est de définir une méthode générique de modélisation de la propagation acoustique du son pour territoire à l’aide de données géospatiales multi-sources, dont des images à très haute résolution. Ainsi à l’aide des outils géomatiques, il est possible de représenter l’interaction qui existe entre l’onde sonore et les objets environnementaux composant ce territoire. Il est alors possible à partir d’une source sonore et des points récepteurs du son de réaliser des cartes dites spatio-phoniques. Mots clés : environnement sonore, modélisation, géomatique, propagation, données géospatiales, cartographie
On a territory, sound sources emit sounds that can be of anthropophonic origins (i.e. vehicle noise), biophonic origins (i.e. sounds emitted by birds), as well as geophonic origins (i.e. wind noise). This makes it possible to describe a soundscape of the places while feeding particular needs specific to the mapping of the sound environment such as the acoustic properties of the territories, necessary to the understanding of the sound environment. Beyond the research work that studies and analyzes the acoustic properties of the environment, the state of the existing focuses on two types of sound cards: sound inventory cards and noise maps. Two methodological approaches are behind the production of these cards. The first is based on sound recordings measured and georeferenced on the territory using sound level meters, or applications installed on tablets/smartphones. The second is used to model the propagation of the acoustic wave in relation to the objects present on the territory (i.e. buildings, trees, etc.). Although this second approach considers the different environmental factors that can weaken the acoustic wave like atmospheric absorption (caused by wind, temperature, etc.), the geometric divergence and the nature of the cover of soil, it is found that it is poorly documented in the scientific literature, when no sound sensor is used to produce sound cards. The main objective is to define a generic method for modeling the acoustic propagation of a territory using multi-source geospatial data including very high resolution images. Thus, using geomatic tools, it is possible to represent the interaction that exists between the sound wave and the environmenta l objects that make up this territory. It is then possible from a sound source and sound receiving points to make so-called spatio-phonic cards

Les véhicules dits intelligents actuellement développés par la plupart des constructeurs automobiles, ainsi que les véhicules autonomes nécessitent des informations sur le contexte dans lequel ils évoluent. Certaines de ces informations (par exemple la courbure de la route, la forme des intersections, les limitations de vitesses) sont fournies en temps réel par le système de navigation qui exploite les données de cartes routières numériques. Des défauts résultant de l’évolution du réseau routier ou d’imprécisions lors de la collecte de données peuvent être contenus dans ces cartes numériques et entraîner le dysfonctionnement des systèmes d’aide à la conduite. Les recherches menées dans cette thèse visent à rendre le véhicule capable d’évaluer, de manière autonome et en temps réel, l’intégrité des informations fournies par son système de navigation. Les véhicules de série sont désormais équipés d’un grand nombre de capteurs qui transmettent leurs mesures sur le réseau central interne du véhicule. Ces données sont donc facilement accessibles mais de faible précision. Le défi de cette thèse réside donc dans l’évaluation de l’intégrité des informations cartographiques malgré un faible degré de redondance et l’absence de données fiables. On s’adresse à deux types de défauts cartographiques : les défauts structurels et les défauts géométriques. Les défauts structurels concernent les connections entre les routes (intersections). Un cas particulier de défaut structurel est traité : la détection de ronds-points qui n’apparaissent pas dans la carte numérique. Ce défaut est essentiel car il est fréquent (surtout en Europe) et perturbe le fonctionnement des aides à la conduite. Les ronds-points sont détectés à partir de la forme typique de la trajectoire du véhicule lorsqu’il les traverse, puis sont mémorisés pour avertir les aides à la conduite aux prochains passages du véhicule sur la zone. Les imprécisions de représentation du tracé des routes dans la carte numérique sont quant à elles désignées comme défauts géométriques. Un formalisme mathématique est développé pour détecter ces défauts en comparant l’estimation de la position du véhicule d’après la carte à une autre estimation indépendante de la carte. Cette seconde estimation pouvant elle aussi être affectée par un défaut, les anciens trajetsdu véhicule sur la même zone sont utilisés. Un test statistique est finalement utilisé pour améliorer la méthode de détection de défauts géométriques dans des conditions de mesures bruitées. Toutes les méthodes développées dans le cadre de cette thèse sont évaluées à l’aide de données réelles
Several Intelligent Vehicles capabilities from Advanced Driving Assistance Systems (ADAS) to Autonomous Driving functions depend on a priori information provided by navigation maps. Whilst these were intended for driver guidance as they store road network information, today they are even used in applications that control vehicle motion. In general, the vehicle position is projected onto the map to relate with links in the stored road network. However, maps might contain faults, leading to navigation and situation understanding errors. Therefore, the integrity of the map-matched estimates must be monitored to avoid failures that can lead to hazardous situations. The main focus of this research is the real-time autonomous evaluation of faults in navigation maps used in intelligent vehicles. Current passenger vehicles are equipped with proprioceptive sensors that allow estimating accurately the vehicle state over short periods of time rather than long trajectories. They include receiver for Global Navigation Satellite System (GNSS) and are also increasingly equipped with exteroceptive sensors like radar or smart camera systems. The challenge resides on evaluating the integrity of the navigation maps using vehicle on board sensors. Two types of map faults are considered: Structural Faults, addressing connectivity (e.g., intersections). Geometric Faults, addressing geographic location and road geometry (i.e. shape). Initially, a particular structural navigation map fault is addressed: the detection of roundabouts absent in the navigation map. This structural fault is problematic for ADAS and Autonomous Driving. The roundabouts are detected by classifying the shape of the vehicle trajectory. This is stored for use in ADAS and Autonomous Driving functions on future vehicle trips on the same area. Next, the geometry of the map is addressed. The main difficulties to do the autonomous integrity monitoring are the lack of reliable information and the low level of redundancy. This thesis introduces a mathematical framework based on the use of repeated vehicle trips to assess the integrity of map information. A sequential test is then developed to make it robust to noisy sensor data. The mathematical framework is demonstrated theoretically including the derivation of definitions and associated properties. Experiments using data acquired in real traffic conditions illustrate the performance of the proposed approaches

Les informations contenues dans les cartes routières numériques revêtent une importance grandissante dans le domaine des véhicules intelligents. La prise en compte d’environnements de plus en plus complexes a augmenté le niveau de précision exigé des informations cartographiques. Les cartes routières numériques, considérées ici comme des bases de données géographiques, contiennent des informations contextuelles sur le réseau routier, facilitant la compréhension correcte de l’environnement. En les combinant avec les données provenant des capteurs embarqués, une représentation plus fine de l’environnement peut être obtenue, améliorant grandement la compréhension de contexte du véhicule et la prise de décision. La performance des différents capteurs peut varier grandement en fonction du lieu considéré, ceci étant principalement dû à des facteurs environnementaux. Au contraire, une carte peut fournir ses informations de manière fiable, sans être affectée par ces éléments extérieurs, mais pour cela, elle doit reposer sur un autre élément essentiel : une source de localisation. Le secteur automobile utilise les systèmes de localisation globale par satellite (GNSS) à des fins de localisation absolue, mais cette solution n’est pas parfaite, étant soumise à différentes sources d’erreur. Ces erreurs sont elles aussi dépendantes de l’environnent d’évolution du véhicule (par exemple, des multi-trajets causés par des bâtiments). Nous sommes donc en présence de deux systèmes centraux, dont les performances sont d´dépendantes du lieu considéré. Cette étude se focalise sur leur dénominateur commun : la carte routière numérique, et son utilisation en tant qu’outil d’évaluation de leur performance. L’idée développée durant cette thèse est d’utiliser la carte en tant que canevas d’apprentissage, pour stocker des informations géoréférencées sur la performance des diésèrent capteurs équipant le véhicule, au cours de trajets répétitifs. Pour cela, une localisation robuste, relative à la carte, est nécessaire au travers d’une méthode de map-matching. La problématique principale réside dans la différence de précision entre la carte et le positionnement GNSS, créant des situations ambigües. Durant cette thèse, un algorithme de map-matching a été conçu pour gérer ces ambigüités en fournissant des hypothèses multiples lorsque nécessaire. L’objectif est d’assurer l’intégrité de l’algorithme en retournant un ensemble d’hypothèses contenant l’hypothèse correcte avec une grande probabilité. Cet algorithme utilise les capteurs proprioceptifs dans une approche de navigation à l’estime aidée d’informations cartographiques. Une procédure d’évaluation de cohérence, utilisant le GNSS comme information redondante de positionnement est ensuite appliquée, visant à isoler une hypothèse cohérente unique qui pourra ainsi être utilisée avec confiance dans le processus d’écriture dans la carte. L’utilisation de la carte numérique en écriture/lecture a été évaluée et la procédure complète d’écriture a été testée sur des données réelles, enregistrées par des véhicules expérimentaux sur route ouverte
The information stored in digital road maps has become very important for intelligent vehicles. As intelligent vehicles address more complex environments, the accuracy requirements for this information have increased. Regarded as a geographic database, digital road maps contain contextual information about the road network, crucial for a good understanding of the environment. When combined with data acquired from on-board sensors, a better representation of the environment can be made, improving the vehicle’s situation understanding. Sensors performance can vary drastically depending on the location of the vehicle, mainly due to environmental factors. Comparatively, a map can provide prior information more reliably but to do so, it depends on another essential component: a localization system. Global Navigation Satellite Systems (GNSS) are commonly used in automotive to provide an absolute positioning of the vehicle, but its accuracy is not perfect: GNSS are prone to errors, also depending greatly on the environment (e.g., multipaths). Perception and localization systems are two important components of an intelligent vehicle whose performances vary in function of the vehicle location. This research focuses on their common denominator, the digital road map, and its use as a tool to assess their performance. The idea developed during this thesis is to use the map as a learning canvas, to store georeferenced information about the performance of the sensors during repetitive travels. This requires a robust localization with respect to the map to be available, through a process of map-matching. The main problematic is the discrepancy between the accuracy of the map and of the GNSS, creating ambiguous situations. This thesis develops a map-matching algorithm designed to cope with these ambiguities by providing multiple hypotheses when necessary. The objective is to ensure the integrity of the result by returning a hypothesis set containing the correct matching with high probability. The method relies on proprioceptive sensors via a dead-reckoning approach aided by the map. A coherence checking procedure using GNSS redundant information is then applied to isolate a single map-matching result that can be used to write learning data with confidence in the map. The possibility to handle the digital map in read/write operation has been assessed and the whole writing procedure has been tested on data recorded by test vehicles on open roads

La plupart des logiciels contrôlant les véhicules intelligents traite de la compréhension de la scène. De nombreuses méthodes existent actuellement pour percevoir les obstacles de façon automatique. La majorité d’entre elles emploie ainsi les capteurs extéroceptifs comme des caméras ou des lidars. Cette thèse porte sur les domaines de la robotique et de la fusion d’information et s’intéresse aux systèmes d’information géographique. Nous étudions ainsi l’utilité d’ajouter des cartes numériques, qui cartographient le milieu urbain dans lequel évolue le véhicule, en tant que capteur virtuel améliorant les résultats de perception. Les cartes contiennent en effet une quantité phénoménale d’information sur l’environnement : sa géométrie, sa topologie ainsi que d’autres informations contextuelles. Dans nos travaux, nous avons extrait la géométrie des routes et des modèles de bâtiments afin de déduire le contexte et les caractéristiques de chaque objet détecté. Notre méthode se base sur une extension de grilles d’occupations : les grilles de perception crédibilistes. Elle permet de modéliser explicitement les incertitudes liées aux données de cartes et de capteurs. Elle présente également l’avantage de représenter de façon uniforme les données provenant de différentes sources : lidar, caméra ou cartes. Les cartes sont traitées de la même façon que les capteurs physiques. Cette démarche permet d’ajouter les informations géographiques sans pour autant leur donner trop d’importance, ce qui est essentiel en présence d’erreurs. Dans notre approche, le résultat de la fusion d’information contenu dans une grille de perception est utilisé pour prédire l’état de l’environnement à l’instant suivant. Le fait d’estimer les caractéristiques des éléments dynamiques ne satisfait donc plus l’hypothèse du monde statique. Par conséquent, il est nécessaire d’ajuster le niveau de certitude attribué à ces informations. Nous y parvenons en appliquant l’affaiblissement temporel. Étant donné que les méthodes existantes n’étaient pas adaptées à cette application, nous proposons une famille d’opérateurs d’affaiblissement prenant en compte le type d’information traitée. Les algorithmes étudiés ont été validés par des tests sur des données réelles. Nous avons donc développé des prototypes en Matlab et des logiciels en C++ basés sur la plate-forme Pacpus. Grâce à eux nous présentons les résultats des expériences effectués en conditions réelles
This thesis is situated in the domains of robotics and data fusion, and concerns geographic information systems. We study the utility of adding digital maps, which model the urban environment in which the vehicle evolves, as a virtual sensor improving the perception results. Indeed, the maps contain a phenomenal quantity of information about the environment : its geometry, topology and additional contextual information. In this work, we extract road surface geometry and building models in order to deduce the context and the characteristics of each detected object. Our method is based on an extension of occupancy grids : the evidential perception grids. It permits to model explicitly the uncertainty related to the map and sensor data. By this means, the approach presents also the advantage of representing homogeneously the data originating from various sources : lidar, camera or maps. The maps are handled on equal terms with the physical sensors. This approach allows us to add geographic information without imputing unduly importance to it, which is essential in presence of errors. In our approach, the information fusion result, stored in a perception grid, is used to predict the stateof environment on the next instant. The fact of estimating the characteristics of dynamic elements does not satisfy the hypothesis of static world. Therefore, it is necessary to adjust the level of certainty attributed to these pieces of information. We do so by applying the temporal discounting. Due to the fact that existing methods are not well suited for this application, we propose a family of discoun toperators that take into account the type of handled information. The studied algorithms have been validated through tests on real data. We have thus developed the prototypes in Matlab and the C++ software based on Pacpus framework. Thanks to them, we present the results of experiments performed in real conditions