Note ABES Analyse de données spatio-temporelles pour la construction automatique de cartes de randonnée Spatio-temporal data analysis for the automatic generation of hiking maps Génération de cartes de randonnée Trajectoires GPS Ingénierie des caractéristiques Réseau de neurones convolutionnel Inférence cartographique Hiking Maps Generation GPS Trajectories Feature Engineering Convolutional Neural Network Map inference 006.3 912 Randonnées Cartes GPS Intelligence artificielle Cette thèse explore l'utilisation de l'intelligence artificielle pour la cartographie automatique des sentiers de randonnée à partir de traces GPS, en collaboration avec Visorando et les laboratoires ICube et IRIMAS. Face aux imprécisions des données GPS, elle propose deux approches : un algorithme de clustering basé sur une grille multi-application pour regrouper efficacement les traces et un modèle d’apprentissage profond exploitant plusieurs canaux d’information pour inférer des cartes précises. L’algorithme de clustering a démontré une robustesse supérieure aux méthodes existantes, notamment sur des jeux de données urbaines et de randonnée, tandis que l’expérimentation avec différentes architectures de réseaux neuronaux a révélé que HRNet, combiné à une carte de chaleur, offrait les meilleures performances. Cette recherche ouvre la voie à une cartographie automatisée plus fiable et pose des bases méthodologiques solides pour les futures études sur l’inférence cartographique à partir de données GPS. This thesis explores the use of artificial intelligence for the automatic mapping of hiking trails from GPS traces, in collaboration with Visorando and the ICube and IRIMAS laboratories. Given the inaccuracies of GPS data, it proposes two approaches: a clustering algorithm based on a multi-application grid to efficiently group traces and a deep learning model leveraging multiple information channels to infer accurate maps. The clustering algorithm demonstrated superior robustness compared to existing methods, particularly on urban and hiking datasets, while experiments with different neural network architectures revealed that HRNet, combined with a heatmap, delivered the best performance. This research paves the way for more reliable automated mapping and establishes a solid methodological foundation for future studies on cartographic inference from GPS data. Electronic Thesis or Dissertation Text fr PDF 74590720 https://publication-theses.unistra.fr/public/theses_doctorat/2024/SCHIRM_Olivier_2024_ED269.pdf http://www.theses.fr/2024STRAD054/abes https://theses.hal.science/tel-04989794 https://theses.hal.science/tel-04989794 Schirm Olivier 1996-03-25 FR 283605308 1507008372D 22024513 4200018 http://www.theses.fr/2024STRAD054 2024STRAD054 2024-06-06 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Wemmert Cédric MADS_DIRECTEUR_DE_THESE_1 176663576 Forestier Germain MADS_DIRECTEUR_DE_THESE_2 148679072 Kerautret Bertrand MADS_PRESIDENT_DU_JURY 111088771 Bennis-Zeitouni Karine MADS_MEMBRE_DU_JURY_1 05656497X Devanne Maxime MADS_MEMBRE_DU_JURY_2 191718076 Weber Jonathan MADS_MEMBRE_DU_JURY_3 160604311 Oukhellou Latifa MADS_RAPPORTEUR_1 176244697 Davoine Paule-Annick MADS_RAPPORTEUR_2 057412413 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 269 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 260728 176969721 ddc:004 ddc:910 Wemmert Cédric Forestier Germain Kerautret Bertrand Bennis-Zeitouni Karine Devanne Maxime Weber Jonathan Oukhellou Latifa Davoine Paule-Annick École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) PDF 74590720