Intégration de données
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Schéma
+ specifs
source
Numérisation
OUTILS SIG
BDG
Données
numériques
Intégration
BDG’
OUTILS SIG
61
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Schéma
+ specifs
source
Numérisation
BDG
Données
numériques
Intégration
BDG’
OUTILS SIG
OUTILS SIG
Un schéma logique
de Saisie
Se conformer au nouveau schéma
Respecter les règles de cohérence
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Un espace géographique, des données géographiques…hétérogènes!
BDTopo®
BDCarto®
62
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Un espace géographique, des données géographiques…hétérogènes!
BDCarto®
BDTopo®
Géoroute®
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Un espace géographique, des données géographiques…hétérogènes!
Géoroute®
BDCarto®
63
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Un espace géographique, des données géographiques…hétérogènes!
BDCarto® + BDTopo®
BDCarto® + BDTopo®
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Pourquoi tant de différences?
• Différents niveaux de détail
• Différents points de vue
• Différentes utilisations (visualisation, analyse)
• Différentes dates
• Différents modes d’acquisition (sources, processus)
• Différentes contraintes système
• Erreurs de saisie
64
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Pourquoi tant de différences?
• Différences de structures (informations équivalentes)
Langages de modélisation
UML, HDBS….
Modélisations de la géométrie différentes
Raster / vecteur; avec ou sans multi-géométries…
Structurations différentes
Regroupements, classes / attributs
Informations plus ou moins implicites
A travers la géométrie
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Pourquoi tant de différences?
• Différences de système de positionnement (informations équivalentes):
Systèmes de référence
Systèmes d’altitudes
Projections
Localisations indirectes (adresses, pk…)
•Différences du contenu d’information :
Zone couverte
Richesse d’information
Critères de sélection
Niveaux de détail
Précisions
Implantations géométriques
Segmentations
65
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Les différences portent sur…
• ce qu’on représente : quoi ?
• comment on le représente : comment ?
Il faut distinguer les…
• différences dues aux spécifications : équivalences
• différences dues aux erreurs ou aux actualités : incohérences
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Quels sont les besoins en termes d’intégration de BDG ?
Propagation des mises à jour,
Détection d’incohérences,
Analyses multi-niveaux,
Création d’infrastructures de données spatiales
(INSPIRE),
Recalage,
Partage de données avec des partenaires IGN,
Requêtes et navigation.
66
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Quelles sont les difficultés liées à l’intégration des BDG ?
Hétérogénéité = différence dans le contenu, la structure, la
présentation de l’information dont ont besoin des applications
pour travailler
Différents aspects de l’hétérogénéité des données [Sheth et
Larson, 1990] [Kashyap et Sheth, 1998] [Bishr, 1998]:
Hétérogénéité syntaxique
Hétérogénéité schématique
Hétérogénéité terminologique
Hétérogénéité cognitive
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Différents aspects de l’hétérogénéité des données:
Hétérogénéité syntaxique
Format des données:
shp, mif/mid, postgis, oracle, etc.
67
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Différents aspects de l’hétérogénéité des données:
Hétérogénéité schématique
Implémentations différentes d’un même
schéma conceptuel de données
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Différents aspects de l’hétérogénéité des données:
Hétérogénéité terminologique
Différents noms pour désigner un
même concept
Ex:
BDTOPO ®
BDCARTO ®
68
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Différents aspects de l’hétérogénéité des données:
Hétérogénéité cognitive
Différentes modélisations pour un
même concept
Transport d’énergie
et de fluides
Hydrographie
Canalisation
Tronçon hydrographique
BDTOPO ®
Aqueduc
BDCARTO ®
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Différents aspects de l’hétérogénéité des données:
Hétérogénéité syntaxique
Hétérogénéité schématique
Hétérogénéité terminologique
Hétérogénéité cognitive
Hétérogénéité
sémantique
69
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Combiner les informations issues de bases
indépendantes suppose de résoudre ces types
d’hétérogénéité…
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Le processus global d’intégration des BDG [Sheeren, 2005]
Préparation
Appariement
Intégration
Appariement
des schémas
Intégration des
schémas
Appariement
des données
Intégration des
données
BD1
Étude des
schémas, des
données et
des
spécifications
BD2
BD1
BD
Intégrée
BD2
Se fait par analyse des spécifications, des schémas et des données
70
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
1. Analyse et préparation des BDG:
• Utilisation de formats d’échanges (normes) et d’outils de conversion
•Traduction des schémas dans un langage de modélisation commun
• Rapprochement des structurations
• Explicitation de l’implicite
• Transformation des géométries dans une projection commune
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
2. Appariement des schémas conceptuels de données des BGD:
« Quelles classes des deux bases à intégrer représentent un même type
d’entité géographique du monde réel? »
•Mise en correspondance des éléments du schéma
• classes
• attributs et valeurs d’attributs
• relations
• Se fait par analyse :
• des schémas
• des spécifications
• des données
71
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
Mise en correspondance des classes des deux jeux de données
Mise en
correspondance des
attributs des classes
des deux jeux de
données
72
BDTOPO®
Classe
Hydronyme
Hydronyme
Hydronyme
Point d’eau
Nature
Nature
Nature
Nature
Point d’eau
Nature
Canalisation
Nature
Tronçon de laisse
Surface d’eau
BDCARTO®
Attribut
Valeur
Valeur
Baie
Baie, golfe, anse, crique,
calanque, espace marin
divers
Banc
Banc, haut-fond
Glacier
Glacier
Lac
Etang, lac
Marais
Marais, marécage, saline
Marais
Marais, tourbière
Marais
Marais salant
Glacier
Glacier, Névé
Cascade
Chute d’eau, cascade
remarquable
Embouchure
Embouchure, estuaire,
delta, perte
Perte
Embouchure, estuaire,
delta, perte
Point d’eau
Source simple, confluent
Station de pompage
Station de pompage
Source
Source simple, confluent
Source
Source d’intérêt
touristique
Eau
Aqueduc, conduite forcée
Hautes mers
Limite des plus hautes
eaux
Basses mers
Limite des plus basses
eaux
Surface d’eau
Eau libre
Bassin
Eau libre
Nature
Nature
Attribut
Classe
Nature
Toponyme d’hydrographie
surfacique
Nature
Zone d’occupation du sol
Nature
Nœud hydrographique
Nature
Point d’eau isolé
Nature
Noeud hydrographique
Nature
Tronçon hydrographique
Nature
Laisse
Nature
Zone d’occupation du sol
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
3. Définition du schéma intégré, avec ou sans représentation multiple
Bases de données
indépendantes
Fusion
Rivière
Nom
Largeur
Débit
Rivière 1
Nom
Largeur
Rivière 2
Nom
Débit
Représentation multiple
Correspondance
Rivière 1
Nom
Largeur
Pivot
Rivière
Rivière 2
Nom
Débit
Nom
Rivière 1
Largeur
Rivière 2
Débit
73
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
4. Appariement des données:
« Quels objets des deux bases représentent une même entité
géographique du monde réel? » (objets homologues)
Acquérir et intégrer
des données géographiques
L’intégration de données géographiques
5. Intégration des données: (réconciliation de références)
•Traitement des redondances
• Traitement des incohérences
• Représenter les liens de correspondance en fonction des besoins
OU
74
Appariement de schémas
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
Thèse de Nils Gesbert (2005): Etude de la formalisation des
spécifications de bases de données géographiques
en vue de leur intégration.
But: Appariement de schémas de bases de données
géographiques à l’aide d’une ontologie commune.
Problèmes d'interopérabilité sémantique: que
contiennent réellement les classes de chaque
base de données?
75
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
En philosophie: “Etude de l’Être en tant qu’Être”
En IA: “Spécification explicite d’une conceptualisation”
(Gruber, 1993)
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
“[…] une ontologie implique ou comprend une certaine vue
du monde vis à vis d'un domaine donné. Cette vue est
souvent conçue comme un ensemble de concepts (par
exemple, des entités, des attributs et des processus), leurs
définitions et les relations qui existent entre eux. On appelle
cela une conceptualisation. [...] l'usage le plus fréquent, et
c'est pourquoi nous allons l'adopter, est qu'une ontologie est
une représentation explicite d'une conceptualisation (ou
d'une partie d'une conceptualisation). [...] Une ontologie peut
prendre différentes formes mais elle inclura
nécessairement un vocabulaire de termes et une
spécification de leur signification (i.e. des définitions).”
(Uschold et Gruninger, 1996)
76
Acquérir et intégrer
des données géographiques
L’intégration de
données géographiques
[Gesbert 2005]
Data 1
Data 2
Acquérir et intégrer
des données géographiques
L’intégration de
données géographiques
[Gesbert 2005]
Data 1
Data 2
77
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
Acquérir et intégrer
des données géographiques
[Gesbert 2005]
Data 1
L’intégration de
données géographiques
Data 2
78
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
•
Ce langage formel :
– Etablit les liens entre:
• les concepts géographiques de l’ontologie du domaine
• les classes des SCD des bases de données géographiques qui
les représentent
– Décrit de façon formelle les règles de:
• « sélection »,
• « agrégation »,
• « découpage »,
• « instanciation »… des entités du monde réel au sein de la
base, qui sont décrites en langage naturel dans les
spécifications.
•
Pour un type d’entités géographiques donné (i.e. pour un
concept de l’ontologie du domaine), l’ensemble de ces règles
formalisées est appelé « procédure de représentation »
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
Extrait de la grammaire
BNF du langage formel
défini par Nils Gesbert
79
Acquérir et intégrer
des données géographiques
L'intégration des bases de données géographiques
Acquérir et intégrer
des données géographiques
[Gesbert 2005]
L’intégration de
données géographiques
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDTOPO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Échangeur
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>x
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDCARTO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Place
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>
Data 1
Data 2
80
Acquérir et intégrer
des données géographiques
Intégration des bases de données
à partir de la formalisation de
leurs spécifications
<?xml version="1.0" encoding=« UTF-
L’intégration de
données géographiques
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDCARTO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Place
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>
8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDTOPO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Échangeur
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>x
Data 1
Data 2
Acquérir et intégrer
des données géographiques
Intégration des bases de données
à partir de la formalisation de
leurs spécifications
<?xml version="1.0" encoding=« UTF-
L’intégration de
données géographiques
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDCARTO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Place
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>
8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDTOPO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Échangeur
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>x
Data 1
Data 2
81
Acquérir et intégrer
des données géographiques
L’intégration de
données géographiques
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDTOPO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Échangeur
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>x
<?xml version="1.0" encoding=« UTF8 »?>
<modelisation>
<nom>Procedure "carrefour"</nom>
<nomSchema>
Catalogue BDCARTO
</nomSchema>
<entiteGenerale>
Carrefour
</entiteGenerale>
<entitesModelisees>
rond-point
</entitesModelisees>
<entitesModelisees>
Place
</entitesModelisees>
<eltModelisation xsi:type="selection">
...
</modelisation>
Data 1
Data 2
Acquérir et intégrer
des données géographiques
Forage
Puits
Pompage
Abreuvoir
Bassin
Lavoir
Citerne
Exurgence
Fontaine
Résurgence
Source
82
Acquérir et intégrer
des données géographiques
Structurées
Acquérir et intégrer
des données géographiques
Point d’eau
isA
Source
isA
isA
Résurgence
Exurgence
83
Appariement de données
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « administratif »
BDCarto®
BDTopo®
84
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « administratif »
Critère d’appariement possible: C’est un des rares thèmes où les
objets possèdent un identifiant (le code INSEE)
Difficultés:
• Les deux bases peuvent présenter des différences d’actualité: des
regroupements, des scissions, ou des modification de limite peuvent
avoir eu lieu…
Il va falloir gérer des liens d’appariement de type 1:n
• Les deux bases présentent des niveaux de détail différents: des écarts
géométriques importants peuvent intervenir
Comment définir les limites géométriques du découpage
administratif? Quelle référence respecter?
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « routier »
BDCarto®
BDTopo®
85
Acquérir et intégrer
des données géographiques
Le thème « routier »
Appariement de données
Critères d’appariement possibles: distance, orientation, nature, relations
topologiques, numéros de routes…
Difficultés:
• Les deux bases présentent des niveaux de détail différents: découpages
différents, carrefours complexes, routes à chaussées séparées, etc.
On n’apparie pas nécessairement à l’objet le plus proche!
Il va falloir gérer des liens d’appariement de type 1:n ou n:m en
tenant compte de la logique de réseau
• Les deux bases présentent des différences sémantiques importantes:
Il va falloir tenir compte de la signification exacte de chaque
attribut (ex: BDTOPO® : chemin/route/piste cyclable (fonction) contre
BDCARTO® : revêtu/non revêtu (nature)) (cf. appariement de schémas)
• La BDTOPO® présente des objets implicites:
Il va falloir apparier les « Nœuds routiers » de la BDCARTO®
avec les extrémités des « Tronçons de route » de la BDTOPO®
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « hydrographie »
BDCarto®
BDTopo®
86
Acquérir et intégrer
des données géographiques
Le thème « hydrographie »:
Appariement de données
Critères d’appariement possibles: distance, orientation, nature, relations
topologiques, toponymes…
Difficultés:
• Les deux bases peuvent présenter des différences d’actualité (PdV à
différentes dates)
En raison du caractère changeant des entités géographiques
représentées, on pourra avoir à gérer des différences géométriques
notables
• Les deux bases présentent des différences sémantiques importantes
Il va falloir gérer des différences de conceptualisations du monde
réel (ex: les aqueducs sont des « Tronçons hydrographiques » dans la
BDCARTO® et des « Canalisations » dans la BDTOPO®)
• La BDTOPO® présente des objets implicites:
Il va falloir apparier les « Nœuds hydrographiques » de la
BDCARTO® avec les extrémités des « Tronçons hydrographiques » de la
BDTOPO®
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « Transport d’énergie » Réseau électrique
BDCarto®
BDTopo®
87
Acquérir et intégrer
des données géographiques
Appariement de données
Le thème « Transport d’énergie » - Réseau électrique
Critères d’appariement possibles: distance, relations topologiques
Difficultés:
• Les deux bases présentent des niveaux de détail différents: découpages
différents, postes de transformations avec des géométries différentes, etc.
On n’apparie pas nécessairement à l’objet le plus proche!
Il va falloir gérer des liens d’appariement de type 1:n ou n:m en
tenant compte de la logique de réseau
• Les tronçons aériens et souterrains sont représentés ensembles dans les
deux bases
Il va falloir distinguer les deux cas!
• La BDCARTO® présente des objets implicites:
Il va falloir apparier les « Poste de transformation » (surface) de
la BDTOPO® avec les extrémités de « Tronçons de ligne électrique »
(nœud) de la BDCARTO®
Acquérir et intégrer
des données géographiques
Appariement de données
Dans tous les cas on peut être confrontés à des
incohérences:
• Objet présent dans une base et pas dans l’autre en dépit
des spécifications,
• Valeurs d’attributs manquantes,
• Valeurs d’attributs inexactes,
• etc.
88
Acquérir et intégrer
des données géographiques
Appariement de données
Incohérences de valeurs d’attributs sur le réseau électrique
BDCarto
63 kv
90 kv
150 kv
225 kv
400 kv
Total
63 kv
169
28
0
2
0
199
90 kv
8
12
0
0
0
20
150 kv
0
0
17
0
0
17
225 kv
0
0
0
32
0
32
400 kv
0
0
0
0
9
9
Inconnu
1
0
0
2
0
0
Total
178
40
17
36
9
280
BDTopo
Acquérir et intégrer
des données géographiques
Appariement de données: principes de base
L’appariement de données est guidé par l’appariement de schémas.
Mais on dispose de peu d’identifiants communs aux différentes bases.
L’appariement se fait par une analyse multicritère des données:
• nature des objets
• attributs descriptifs
• géométrie : formes, positions
• relations topologiques ou autres
89
Acquérir et intégrer
des données géographiques
Appariement de données: cardinalité des
liens d’appariement
1-1 : différences de sélection, points de vue proches, niveaux de détail proche…
1-n : différence de segmentation, niveaux de détail différents…
n-m : différences de segmentation, différents points de vue (BDC/BDG)
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
Les toponymes sont parfois un pseudo-identifiant mais:
• Noms utilisés et officiels : « Place Daumesnil », « Place Felix Eboué »
• Différences de langue « London », « Londres »
• Renommage : « Côtes du nord », « Côtes d’Armor »
• Un toponyme pour plusieurs lieux : « Beaulieu », « Av De Gaulle »
• Différentes interprétations de la prononciation: « Munhoa », « Monhoa »
• Différentes règles de transcription : « Pékin », « Beijing »
• Différentes règles d’écriture dans la base : « col de XXX », « XXX », « Xxx »
• Erreurs de saisie
90
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
Calcul de dissimilarité entre chaînes de caractères:
Distance de Levenshtein ou distance d’édition
Cette distance est fondée sur le nombre minimal de suppressions, d’ajouts et
de remplacements de caractères nécessaires pour passer d’une chaîne à une
autre.
Exemple:
d(« liste », « livre ») = 2
d(« liste », « listes ») = 1
d(« liste », « lustre ») = 2
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
[Grosso,05]
• Distance de Levenshtein
• Mesure de ressemblance pour évaluer l’écart sémantique entre deux
chaînes de caractères:
r = 1−
distance de Levenshtein (toponyme1,toponyme2)
max( longueur toponyme 1, longueur toponyme2)
• Seuils sur r :
• pas d’écart sémantique
• écart sémantique faible
• écart sémantique important
91
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
[Samal 04]
•Tokenization (découpage des chaînes de caractères en tokens,
c’est-à-dire en unités lexicales)
•Élimination de signes de ponctuation :
". , ; ! # $ / : ? ‘ () [] _ -& {}"
•Calcul de distance de Levenshtein pour chaque paire de tokens
issus des deux chaînes à comparer
•Calcul du coefficient de similarité et remplissage d’une matrice
« token-token »:
r = 1−
DamLev(i, j )
max(longueur(i), longueur( j ))
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
•
Mesure de similarité des deux chaînes calculée à partir des
valeurs de la matrice de coefficients de similarité token-token:
nbLignes
∑ valMax
i
Similarité =
i =1
nbTokens / 2
92
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les noms
Permet de gérer les types d’erreurs (au niveau de la chaîne et
au niveau des tokens):
• Omissions : « Boulevard du Général Charles de Gaulle » « Boulevard du Général de Gaulle »,
• Substitutions : « Aéroport Charles de Gaulle » - « Aéroport de
Paris»,
• Transpositions : « Institut Géographique National » - « Institut
National Géographique »,
• Abréviations : « Boulevard de Général Charles de Gaulle » « Bld du Gal de Gaulle »,
• Erreurs de frappe : « monhoa », « munhoa »
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
• Outils pour sélectionner les objets candidats :
– Le but est de définir « grossièrement » un espace de candidats à
l’appariement probables en se basant sur leur proximité par rapport à
l’objet cible:
On va raisonner soit sur la distance soit sur la zone d’influence
distance minimale, distance moyenne, distance de Hausdorff
(objets linéaires)
rectangle englobant, périmètre englobant, diagramme de Voronoï
zone tampon et bande epsilon (objets ponctuels et linéaires)
distance surfacique (objets surfaciques)
Un objet de la base à apparier est candidat si sa géométrie
intersecte l’espace de sélection ainsi défini.
93
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
Distance euclidienne minimale
dmin1
dmin2
dmin1 =dmin2
Mais cette distance n’est pas toujours très significative pour
les objets linéaires et surfaciques…
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
Distance de Hausdorff (écart maximal)
K2
K1
d2
d1
d1 = max  min [dist ( p1 , p2 )]

p1∈K1 
 p2 ∈K 2
d 2 = max min[dist ( p2 , p1 )]

p2 ∈K 2 
 p1∈K1
d H = max(d1 , d 2 )
94
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
Distance de Hausdorff (écart maximal)
Evaluer la précision
L2
d1
d2
Détecter le niveau de
généralisation
L1
DH L1-> L2 > DH L2-> L1
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
Distance de Hausdorff (écart maximal)
Ne met pas bien en évidence les différences de forme
Longueurs différentes : choisir une seule composante
(demi-distance de Hausdorff)
Fausse indication :
la distance maximale est portée sur
les extremités on garde la
distance minimale
95
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
Écart moyen entre deux lignes : surface / longueur
2.S
L1
L1+L2
=
S
L2
On divise par la moyenne des longueurs des arc pour rendre cette mesure
Indépendante de la longueur des lignes
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des écarts de position:
xx
xx
Écart de position entre deux surfaces : distance surfacique
1−
S ( A ∩ B)
S ( A ∪ B)
A
x
0 : égalité, 1 : disjoint
Utilisée pour tester
l’égalité entre deux
surfaces
B
x
ds11(A,B) =
96
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des zones d’influence:
Buffer
Buffer symétrique
Un objet dont la distance à un point de la géométrie est inférieure à d
appartient à cette zone tampon
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Calcul des zones d’influence:
Zones tampon de largeur variable
Buffer asymétrique
97
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Comparaison des formes des objets:
Dsurfacique (A,B)
<
Dsurfacique (A,B)
Ici la distance surfacique n’est pas une solution
satisfaisante
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Comparaison des formes des objets:
Fonction à distance radiale (ou signature polygonale) :
• Fonction décrivant une entité surfacique par les mesures des distances
séparant le centre de masse du polygone aux points composant son contour,
en le parcourant dans le sens trigonométrique.
• Rapporter les points sur une représentation graphique en fonction de
l’abscisse curviligne normalisée par le périmètre du polygone.
Cette fonction est invariante par translation et rotation.
SP : [0;1] → ℜ, SP( s) = ( xc − x( s ))2 + ( yc − y ( s))2
Avec xc et yc coordonnées du centre de masses de l’objet
Et x(s) et y(s) coordonnées du point d’abscisse curviligne s
•Choix d’un point « origine des mesures » pour la construction de la signature
Source : [Bel Hadj Ali 2001]
98
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Comparaison des formes des objets:
80
125
70
Sp (m)
100
75
50
60
50
40
30
20
25
10
0
0
0
25
50
75
100
125
150
175
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,4
0,5
0,8
0,9
1
s
14
14
12
12
10
8
10
d(m)
d(m)
tAB
16
8
6
6
4
4
2
2
0
0
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
Arc-length (s)
0
0,1
0,2
0,3
0,6
0,7
0,8
0,9
1
Arc-length (s)
La métrique associée permet de comparer les formes en minimisant le
déphasage entre les deux fonctions.
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Comparaison des formes des objets:
Turning Function (fonction angulaire)
• Fonction décrivant une entité surfacique à travers les angles formés
par les segments qui composent son contour avec une demi-droite
horizontale orientée selon l’axe des abscisses. La métrique associée
permet de comparer les formes.
• Choix d’une direction de référence et d’un point de référence 0.
• Abscisse curviligne normalisée par le périmètre du polygone.
• Fonction invariante par translation et homothétie. La rotation d’un
angle alpha se traduit par l’ajout de la valeur de cet angle aux valeurs
prises par la fonction angulaire
Source : [Bel Hadj Ali 2001]
99
Acquérir et intégrer
des données géographiques
Appariement de données: comparer les géométries
Comparaison des formes des objets:
θ(s)
a
Turning Function
ν
ν +2 π
O
b
e
O
e
d
c
d
ν
b c
Oa
1
0
"Turning function" de l'objet A
2π
π
0
0
0
objet (A)
"Turning function" de l'objet B
2π
π
s
0,2
0,4
0,6
0,8
0
1
0,2
0,4
0,6
0,8
1
objet (B)
Source : [Bel Hadj Ali 2001]
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des points
Méthode du plus proche voisin dans les deux sens
Étant donnés deux objets: obji∈BD1, i=1..n et objk∈BD2, k=1..m,
obji
⇔
objk ,
si est seulement si obji = Ppv(objk) et objk = Ppv(obji)
• Calcul de confiance :
confiance = 1 −
d (obji − objk )
'
'
min(d (obji − objk ), d (obji − objk ))
obj’i = second Ppv(objk)et
obj’k = second Ppv(obji)
Source : [Beeri et al 2003]
100
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des points
Méthode probabiliste
Étant donnés deux objets: obji∈BD1, i=1..n et objk∈BD2, k=1..m,
d (obji , objk ) −α
obji ,i=1..n ∈ BD1, Pobji (objk ) =
∑ d (obji , objl ) −α
l =1.. m
α > 0 : plus la distance entre obji et objk diminue, plus leur
probabilité d’appariement augmente
• Calcul de confiance :
confiance(obji , objk ) = Pobji (objk ) × Pobjk (obji )
Source : [Beeri et al 2003]
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des réseaux
Pré-appariement des noeuds
Fondé sur la distance Euclidienne entre les noeuds.
Utilise un critère sémantique, si possible, (ex : Route N20 avec route N20).
Source : [Mustière 2006]
- Sélection des candidats : on sélectionne les nœuds BDComp les
plus proches des noeuds BDRef (buffer + seuil).
101
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des réseaux
Pré-appariement des arcs
Fondé sur la distance entre les arcs (distance de Hausdorff)
Utilise un critère sémantique sur les arcs pour empêcher un
appariement faux
Source : [Mustière 2006]
- Sélection des candidats : on sélectionne les arcs BDComp les plus
proches des arcs BDRef (distance de Hausdorff + seuil).
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des réseaux
Appariement des noeuds
Fondé sur la comparaison de l’organisation topologique des réseaux
Dépend des pré-appariements des nœuds et des arcs
Crée des liens 1-1 et 1-n.
Source : [Mustière 2006]
102
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des réseaux
Appariement des arcs
Dépend de l’appariement des nœuds et de l’étape de pré-appariement
des arcs
Source : [Mustière 2006]
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des surfaces
Détection des
liens d’association
Suppression des
liens parasites
Détection des liens multiples
Affinement des liens n:m
Source : [Bel Hadj Ali, 00]
103
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des surfaces
A
5
1
D
E
6
C
3
2
4
F
7
Jeu de données #1
Jeu de données #2
Calcul de
l’intersection des
deux JDD
1
B
Calcul du graphe
d’associations
1
1
2
A
B
3
4
C
5
6
D
E
7
F
Graphe « bipartite incomplet »
Croisement des jeux de données
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des surfaces
B
6
C
4
D
E
3
2
2
A
5
1
F
7
Jeu de données #1
Jeu de données #2
Suppression des liens
parasites si
DistSurf > Seuil
Calcul de la matrice
d’association:
détection des liens
n:m
1
2
3
4
5
6
3
1 2 3 4 5
7
A
B
A
B
C
D
Filtrage du graphe
E
F
C
D
6 7
Simple 1:1
{5}{D}
{6}{E}
Multiple 4:3
{1,2,3,4}{A,B,C}
E
F
104
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des surfaces
4
Filtrage des liens n:m: on recherche le meilleur groupe càd celui qui
minimise la distance surfacique.
Pour deux groupes G1et G2:
Recherche des meilleurs sous-groupes SG1et SG2
dS((A, B ),(1,2))
dS((A,),(1,2))
dS((B ),(1,2))
dS((A, B ),(1))
…
Min dS
Acquérir et intégrer
des données géographiques
Appariement de données: apparier des surfaces
Types de liens d’appariement surfacique
Liens de type 1:0 ou 0:1
Simple
Liens de type 1:1
Particulier
Liens de type n:m (1:m, n:1)
105
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
La localisation des objets
géographiques présente:
• des imprécisions au sein de
chaque base
• des précisions différentes
d’une base à l’autre
• BD CARTO = référence
+BD TOPO = comparaison
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Les toponymes attribués
aux objets géographiques
présentent:
• des différences entre
noms d’usage et noms
officiels,
• des redondances,
• des omissions,
• des interprétations
différentes de leur
prononciation,
• des incertitudes,
• des incomplétudes.
l’ouesque
Vallée de
Valentin
col de l’ouesque
Vallée de
Valentin
Munhoa
Monhoa
col de peyrelue
col de peyrelue ou
port vieux sallent
• BD CARTO = reference
+BD TOPO = comparison
106
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Il faut pouvoir modéliser et prendre en compte toutes ces
incertitudes, imperfections et incomplétudes: théorie de
l’évidence
1) Pour chaque objet de la BDG1, on sélectionne les objets les
plus proches dans la BDG2. Pour un obj1i, le cadre de
discernement est un ensemble d’hypothèses selon lesquelles
« le candidat Cj est l’homologue de l’objet obj1i ».
Θ obj 1i = { appC 1 , appC 2 , appC 3 ,... appC N , NA }
2) Le référentiel de définition contient toutes les combinaisons
possibles de hypothèses définies dans le cadre de
discernement:
Θ
2 obj 1i = { appC1 , appC2 ,...{appC1 , appC2 },...{appC1 , ...appC N , NA}, NA}
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
3) Parmi ces hypothèses, on conserve:
• appCj = l’objet obj1i est apparié à Cj
• ¬appCj = {appC1, appC2, …appCj-1, appCj+1, …appCN, NA} = l’objet obj1i
est apparié à un autre candidat que Cj
•
Θ
= {appC1, appC2, …appCj…appCN, NA} = on ne sait pas
Et pour chaque critère d’appariement (géométrie, toponymie,
etc) que l’on souhaite utiliser, on calcule les masses de
Θ
croyance de ces hypothèses,
telles que:
m(appCj) + m(¬appCj) + m( ) = 1
107
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Exemple:
o
X
X
o
X
C3
C5
o = RDB2, objet de référence
X = CDB1, objet de comparaison
o
RF
X
o
C4
X
C2
X C1
Θ = { C , C , C , C , C , NA}
1
2
3
4
5
2Θ = {{C1}, {C 2 }, {C1 , C 2 } , . . ., Θ}
Acquérir et intégrer
des données géographiques
Critère
Géométrique
1
m(Ci)
Critère
Toponymique
dE=50 m
m(Ci)
1
Critère sémantique
[Mustière et al., 2006]
dT=5 characters
m(Ci)
dS=0.3
m(Ci)
dS
m(Θ)
dS
1
0.5
0.1
1
dE
m(Ci)
dT
m(Ci)
1
1
0.8
0.5
0.25
1
dE
m(Θ)
m(Θ)
dT
1
1
0.5
0.25
0.1
T1
T2 dE
T
1 dT
T
1 dS
108
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Critère sémantique: calcul de similarité sémantique (similarité de Wu-Palmer) sur
une taxonomie du domaine
Sim (C1, C2) = (2*prof(C)) / (profc(C1)+profc(C2))
Abadie et al, 2007
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
4) Fusion des critères: Pour chaque candidat Cj, on fusionne
les critères d’appariement avec l’opérateur de
Dempster.(Présenté ici pour deux critères)
m( H ) =
m(φ )
1
∑ m1 ( H ' )m2 ( H " )
1 − m(φ ) H '∩ H "= H
Représente la contradiction entre les critères d’appariement
109
Acquérir et intégrer
des données géographiques
Critère
Géométrique
1
Critère sémantique
Critère
Toponymique
[Mustière et al., 2006]
m(Ci)
m(Ci)
m(Ci)
1
dS=0.3
1
0.5
0.1
1
dE
m(Ci)
dT
m(Ci)
m123(Ci)
1
m12(Ci)
0.8
1
m(Ci)
dS
m(Θ)
dS
0.5
0.25
1
dE
m(Θ)
m(Θ)
dT
1
1
0.5
0.25
0.1
T1
T2 dE
T
1 dT
T
1 dS
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
5) Fusion des candidats: Cette étape est nécessaire pour faire
apparaître les cas où l’ojb1i n’a pas d’homologue. On utilise de
nouveau l’opérateur de Dempster. On obtient ainsi:
m1..N(appC1), m1..N(appC2)…
m1..N(¬appC1), m1..N(¬appC2)…
Θ
m1..N(NA), m1..N( ), m1..N(Ø)
110
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
6) Prise de décision: il s’agit de décider quel candidat à
l’appariement est le meilleur (on pourra éventuellement obtenir
le cas NA).
Calcul de la probabilité pignistique (privilégie les hypothèses
simples on cherche à obtenir des liens 1:1)
P ( B) =
∑ m( A)
A∈2 Θ
B∩ A
A
|A| = nombre d’hypothèses simples contenus dans la proposition A
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Quelques résultats
• BD CARTO = référence
Source : [Olteanu 2007]
+BD TOPO = comparaison
111
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Quelques résultats
+
+
Cas où l’hypothèse NA l’emporte
•
+
• BD CARTO = référence
+BD TOPO = comparaison
Source : [Olteanu 2007]
Acquérir et intégrer
des données géographiques
Appariement de données: prise en compte de l’imprécision
Quelques résultats
Source : [Olteanu 2007]
+
+
+
+
BDCarto : sommet
BDTopo: col
• BD CARTO = référence
+BD TOPO = comparaison
112
Acquérir et intégrer
des données géographiques
?
113