Généralisation automatique pour la prise en compte de thèmes champ : le modèle GAEL

Automated generalisation to take fields into account : the GAEL model

• Auteur / Autrice : Julien Gaffuri
• Direction : Anne Ruas
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'information géographique
• Date : Soutenance le 01/07/2008
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Information, Communication, Modélisation et Simulation (Champs-sur-Marne, Seine-et-Marne)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Conception Objet et Généralisation de l'Information Topographique
• Jury : Président / Présidente : Hervé Martin
• Jury : Examinateurs / Examinatrices : Anne Ruas, Hervé Martin, Alexis Drogoul, Robert Weibel, Cécile Duchêne, Annabelle Mas, Jean-Pierre Müller
• Jury : Rapporteurs / Rapporteuses : Alexis Drogoul, Robert Weibel

Mots clés

Mots clés contrôlés

Géomatique

Système d'information géographique

Mots clés libres

Généralisation cartographique

Système multi-agents

Déformation

Modèle GAEL

Map generalisation

Multi-agents system

Deformation

GIS

GAEL model

Submicro

Geoinformatics

Résumé

La généralisation de données géographiques est l'opération de simplification de ces données effectuée lors de la diminution de leur échelle de représentation. Cette thèse s'appuie sur le modèle de généralisation automatique à base d'agents de (Ruas et Duchêne, 2007), qui a été mis en oeuvre avec succès pour la généralisation des objets géographiques discrets (bâtiments, routes, etc.). L'objectif est de permettre une prise en compte d'un nouveau type de thèmes, appelés "thèmes champ", comme le relief ou l'occupation du sol. Ces thèmes ont pour particularité d'être définis en tout point de l'espace. Nous souhaitons permettre une préservation des relations pouvant exister entre les objets géographiques et les champs, comme par exemple le fait qu'un cours d'eau s'écoule sur le relief. Pour répondre à cet objectif, nous proposons le modèle de généralisation GAEL (Généralisation à base d'Agents Elastiques) qui permet d'appliquer des déformations aux champs pour préserver les relations objet-champ. Les champs sont modélisés comme des agents, dits élastiques, qui ont la capacité de se déformer pour amortir les opérations de généralisation appliquées aux objets géographiques (bâtiments, routes, etc.). Ces déformations sont obtenues en s'appuyant sur une décomposition des champs en petits éléments contraints (points, segments, triangles, etc.) et sur une modélisation des points composant les champs sous forme d'agents. Couplé au modèle de (Ruas et Duchêne, 2007), le modèle GAEL permet de disposer d'un modèle de généralisation hybride, capable d'effectuer à la fois des opérations discrètes et continues

Geographic data generalisation is the process of simplification of these data when their representation scale decreases. This thesis is based on the automated generalisation model of (Ruas et Duchêne, 2007), which has been successfully applied to the generalisation of discrete geographic objects (buildings, roads, etc.). Our purpose is to take into account a new kind of themes, the "field themes", such as the relief and the land use cover. These themes have the specificity to be defined at each point of the space. We aim at preserving the relationships between geographic objects and fields, such as for example, the fact that a river should flow down on the relief. To reach this goal, we propose a generalisation model called GAEL (Generalisation based on Agents and Elasticity). This model allows to apply deformations to the fields in order to preserve the object-field relationships. Fiels are modelled as "elastic agents", which are able to deform themselves to propagate the generalisation operations applied on the geographic objects (buildings, roads, etc.). These deformations are performed by using a decomposition of the fields into small constrained elements (points, segments, triangles, etc.) and by modelling the points composing the fields as agents. Because it is merged with the model of (Ruas et Duchêne, 2007), the GAEL model offers a hybrid generalisation model, able to manage both discrete and continuous operations