Un modèle spatiotemporel sémantique pour la modélisation de mobilités en milieu urbain

¹ School of Architecture and Urban Planning, Harbin Institute of Technology, HIT Campus, The University Town of Shenzhen, Xili, Nanshan District, Shenzhen, P.R.China jmeihan@hotmail.com
² Institut de Recherche de l’Ecole Navale, IRENav, BCRM de Brest, École navale, CC 600 - Lanveoc christophe.claramunt@gmail.com

Reçu : 13 Décembre 2017
Accepté : 2 Février 2018

Résumé

La recherche présentée dans cet article développe une modélisation conceptuelle et une approche de gestion de base de données pour représenter et analyser les trajectoires humaines dans des espaces urbains. Le modèle considère les dimensions spatiales, temporelles et sémantiques afin de tenir compte de l’ensemble des propriétés issues des informations de mobilité. Plusieurs abstractions de données de mobilité et des outils de manipulation de données sont développés et expérimentés à partir d’une large base de données de trajectoires disponibles dans la ville de Pékin. L’intérêt de l’approche est double : elle montre 1) que de larges ensembles de données de mobilité peuvent être intégrés au sein de SGBD spatiotemporels extensibles et, 2) que des outils de manipulation et d’interrogation spécifiques peuvent être dérivés à partir de fonctions intégrées au sein d’un langage d’interrogation. Le potentiel de l’approche est illustré par une série d’interrogations qui montrent comment, à partir d’une large base de données de trajectoires quelques patrons de comportements peuvent être obtenus.

Abstract

The research presented in this paper introduces a conceptual modeling and database management approach for representing and analyzing human trajectories in urban spaces. The model considers the spatial, temporal and semantic dimensions in order to take into account the full range of properties that emerge from mobility patterns. Several object data types and data manipulation constructs are developed and experimented on top of an urban dataset testbed currently available in the city of Beijing. The interest of the approach is twofold: first, it clearly appears that very large mobility datasets can be integrated in current extensible GIS; secondly, significant patterns can be derived at the database manipulation level using some specifically developed query functions.