Analyse de données spatio-temporelles pour la construction automatique de cartes de randonnée
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse consultable sur internet, en texte intégral.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Schirm, Olivier
Date de soutenance : 06-06-2024

Directeur(s) de thèse : Wemmert, Cédric - Forestier, Germain

Président : Kerautret, Bertrand
Rapporteur(s) : Oukhellou, Latifa - Davoine, Paule-Annick
Membre(s) du jury : Bennis-Zeitouni, Karine - Devanne, Maxime - Weber, Jonathan

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique, Géographie et voyages

Mots-clés libres : Génération de cartes de randonnée, Trajectoires GPS, Ingénierie des caractéristiques, Réseau de neurones convolutionnel, Inférence cartographique
Mots-clés :
  • Randonnées - Cartes
  • GPS
  • Intelligence artificielle
Résumé : 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.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2024STRAD054
Type de ressource : Thèse