GrAPHiST: Une approche d’analyse exploratoire pour l’identification des dynamiques des phénomènes spatio-temporels. - HAL-SHS - Sciences de l'Homme et de la Société Accéder directement au contenu
Thèse Année : 2018

GrAPHiST: An exploratory analysis approach for the identification of dynamics of spatio-temporal phenomena.

GrAPHiST: Une approche d’analyse exploratoire pour l’identification des dynamiques des phénomènes spatio-temporels.

Jacques Gautier

Résumé

Datasets allowing the description of spatio-temporal phenomena are becoming ever more numerous. These new data can be very different from those usually observed for studying spatio-temporal phenomena. An analysis through a hypothetic-deductive approach, like is mainly done in statistic and GIS domains, can lead to miss some unsuspected, but relevant, information about the dynamics of these spatio-temporal phenomena. It can be interesting then, to just present the data, to observe what they have to show, before analysing them. This is the principle of the exploratory data analysis: the process is to allow a user to freely explore data, through visual representations, in order to highlight unsuspected structures or relationships. Today, exploratory data analysis is possible through visualization environments, which integrate different graphic or cartographic interactive representations. Visualization environments are mainly developed in an ad hoc manner, in the context of a particular thematic field. However, the constant appearance of new data encourages promoting analysis methods, which could be applied to several types of phenomena. According to the domain related to these phenomena, the analysis will be focused on different dynamics. Analysing a meteorological phenomenon, in a forecasting purpose, implies a focus on the cyclic recurrences of the phenomenon. Analysing the increase of a population, for the purpose of deciding public policies, implies an analysis of the phenomenon on a long-term, through different spatial areas. Our objective is to propose a method for the exploratory analysis of spatio-temporal phenomena and their dynamics, which would be independent of the topic. In order to achieve this, we propose a geovisualization environment, GrAPHiST (Géovisualisation pour l'Analyse des PHénomènes Spatio-Temporels; Geovisualization for spatio-temporal phenomena analysis), allowing the analysis of several dynamics, through different spatial and temporal (linear or cyclic) scales. Developing this environment implies to focus on how spatial changes are modelled, on the nature of the spatio-temporal dynamics we have to study, and on the visual and interactive tools, which allow the identification of these dynamics. So, the contributions of our research can be found at several levels: - a generic modelling approach of spatio-temporal phenomena, in the form of event series; - new graphical and interactive representation methods, which allow the investigation and the identification of spatio-temporal dynamics, including: - the introduction of interactive temporal diagrams, which allow the visual research of cyclic recurrences in spatio-temporal data; - the use of symbology rules, which allow the visualization of relationships between the spatial and temporal components of phenomena; - new methods to represent aggregated closed events, which allow to identify structures in their spatio-temporal distribution; - the formalization of an exploratory approach for the spatio-temporal dynamics analysis, divided into several scenarios, according to the purpose of the analysis. We validate our proposition by applying it to the analysis of several datasets. The objective is to verify the possibility to identify dynamics, related to linear or cyclic time, through the use of GrAPHiST, and to illustrate the generic aspect of the approach, as well as the analysis opportunities given by the environment.
Les données permettant de décrire des phénomènes spatio-temporels sont de plus en plus nombreuses. Ces nouvelles données peuvent alors être éloignées de celles habituellement observées pour l'étude de certains phénomènes. Leur analyse, selon une approche hypothético-déductive telle qu'elle est majoritairement effectuée en statistique et dans les SIG, peut ainsi passer sous silence certaines informations insoupçonnées, mais pertinentes, sur les dynamiques de ces phénomènes spatio-temporels. Il peut alors être intéressant de simplement donner à voir les données, pour observer ce qu'elles ont à montrer, avant de les analyser. Ce principe est celui de l'analyse exploratoire: le procédé est de permettre à un utilisateur d'effectuer une exploration libre des données, au moyen de représentations visuelles, afin de mettre en lumière des structures ou des relations insoupçonnées. Aujourd'hui, l'analyse exploratoire est notamment possible au moyen d'environnements de visualisation, intégrant différentes représentations graphiques et cartographiques interactives. Les environnements de visualisation sont majoritairement développés de manière ad hoc, dans le cadre d'une thématique particulière. Or l'émergence constante de nouvelles données incite à promouvoir des méthodes d'analyse applicables à des phénomènes de différentes natures. En fonction de la problématique dans laquelle s'insèrent ces derniers, les dynamiques sur lesquelles va se focaliser l'analyse diffèrent. Analyser un phénomène météorologique dans un but de prévision implique de s’intéresser aux récurrences cycliques du phénomène. Analyser l'évolution d'une population pour la mise en place de politiques publiques implique d’analyser ce phénomène sur le temps long et selon différentes zones de l’espace. Notre objectif est de proposer une méthode d'analyse exploratoire des phénomènes spatio-temporels et de leurs dynamiques, indépendante du thème traité. Pour cela, nous proposons un environnement de géovisualisation, GrAPHiST (Géovisualisation pour l'Analyse des PHénomènes Spatio-Temporels), permettant l'analyse de différentes dynamiques, selon différentes échelles spatiales et temporelles (linéaires ou cycliques). Développer cet environnement implique de s’interroger sur la modélisation du changement dans l’espace, la nature des dynamiques spatio-temporelles à étudier, et les outils visuels et interactifs permettant de les identifier. Ainsi, les contributions de notre recherche se situent à plusieurs niveaux : - une modélisation générique des phénomènes spatio-temporels, sous la forme de séries événementielles; - de nouvelles méthodes de représentations graphiques et interactives, autorisant la recherche et l'identification des dynamiques spatio-temporelles, notamment: - l'introduction de diagrammes temporels interactifs permettant la recherche visuelle de récurrences cycliques dans les données spatio-temporelles; - l'utilisation de règles de symbologie permettant la visualisation des relations entre les composantes temporelle et spatiale des phénomènes; - de nouvelles méthodes de représentations des agrégats d'événements proches, permettant d'identifier des structures dans leur distribution spatio-temporelle; - la formalisation d’une approche d'analyse exploratoire des dynamiques spatio-temporelles, déclinée en plusieurs scénarios selon l’objectif poursuivi. Nous validons notre approche en l'appliquant à l'analyse de différents jeux de données. L'objectif est de vérifier la possibilité d'identifier des dynamiques, relatives au temps linéaire ou cyclique, au moyen de GrAPHiST, et d'illustrer le caractère générique de l'approche, ainsi que les opportunités d'analyse offertes par l'environnement.
Fichier principal
Vignette du fichier
Manuscrit_these_JGautier.pdf (76.06 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02067484 , version 1 (14-03-2019)

Identifiants

  • HAL Id : tel-02067484 , version 1

Citer

Jacques Gautier. GrAPHiST: Une approche d’analyse exploratoire pour l’identification des dynamiques des phénomènes spatio-temporels.. Géographie. Université Grenoble Alpes (France), 2018. Français. ⟨NNT : ⟩. ⟨tel-02067484⟩
185 Consultations
36 Téléchargements

Partager

Gmail Facebook X LinkedIn More