Amélioration de la représentation cartographique des phénomènes urbains

Overview & Synopsis

Plus de la moitié de la population mondiale vit de nos jours dans les villes. Cette proportion s'élève à 77.5% en France. 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. Dans une ville, les habitants pourraient obtenir des informations sur ces phénomènes grâce aux infrastructures informatiques et au partage de l'information entre services techniques et citoyens. 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 collectant des informations locales et en les affichant sur un portail public. Mais ces informations, généralement transmises sous forme de graphiques ou de cartes, ne sont pas faciles à interpréter. L’objectif de cette thèse est de proposer des solutions pour améliorer la représentation cartographique de phénomènes urbains dans leur contexte géographique afin que celle-ci soit facile à comprendre aussi bien pour les services techniques, que pour le grand public non spécialistes de ces phénomènes.Afin de faciliter la perception d’une carte de phénomène, nous proposons une représentation à différents niveaux de détail, une variété de choix de l’espace cartographique ; des symboles simples et adaptifs au phénomène et une identification automatique de zones particulières. Pour les niveaux de détail, nous adaptons la densité graphique aux différents niveaux de détail (optimisation préparatoire dans la base de données) et à l’échelle courante de visualisation (optimisation dynamique et interactive avec l’utilisateur). Pour le choix de l’espace cartographique, un phénomène peut être représenté sur l’ensemble de bâtiments, sur les rues ou sur une structure de géométrie quelconque saisie par l’utilisateur. Enfin pour l’identification automatique de zones particulières, nous identifions les valeurs extrêmes, dépassant le seuil de dangerosité ou les zones de forte dispersion de valeur importante, pour permettre à l’utilisateur de les localiser rapidement. Nous avons proposé aussi d’ajouter le concept de l’observateur et d’adapter la visualisation selon la position de l’observateur afin de diminuer la superposition entre les présentations 3D de différents niveaux de hauteur d’un phénomène, lorsqu’il varie en fonction de l’altitude (et qu’on dispose de ces données)