Analysis, modelling and visualisation of spatiotemporal data for urban studies

Détails de la publication Détails dans Serval
ID Serval serval:BIB_9E91E335B9D8
Type de publication
Thèse: thèse de doctorat.
Collection Publications
Fonds UNIL/CHUV
Auteur(s) Kaiser Christian
Directeur(s) Kanevski Mikhail
Codirecteur(s) Da Cunha Antonio
Titre Analysis, modelling and visualisation of spatiotemporal data for urban studies
Institution Université de Lausanne, Faculté des géosciences et de l'environnement
Adresse Lausanne
Statut éditorial Acceptée
Année 2010
Mois juin
Langue anglais
Nombre de pages 204
Résumé The proportion of population living in or around cites is more important than ever. Urban sprawl and car dependence have taken over the pedestrian-friendly compact city. Environmental problems like air pollution, land waste or noise, and health problems are the result of this still continuing process. The urban planners have to find solutions to these complex problems, and at the same time insure the economic performance of the city and its surroundings. At the same time, an increasing quantity of socio-economic and environmental data is acquired. In order to get a better understanding of the processes and phenomena taking place in the complex urban environment, these data should be analysed. Numerous methods for modelling and simulating such a system exist and are still under development and can be exploited by the urban geographers for improving our understanding of the urban metabolism. Modern and innovative visualisation techniques help in communicating the results of such models and simulations.
This thesis covers several methods for analysis, modelling, simulation and visualisation of problems related to urban geography. The analysis of high dimensional socio-economic data using artificial neural network techniques, especially self-organising maps, is showed using two examples at different scales. The problem of spatiotemporal modelling and data representation is treated and some possible solutions are shown. The simulation of urban dynamics and more specifically the traffic due to commuting to work is illustrated using multi-agent micro-simulation techniques. A section on visualisation methods presents cartograms for transforming the geographic space into a feature space, and the distance circle map, a centre-based map representation particularly useful for urban agglomerations. Some issues on the importance of scale in urban analysis and clustering of urban phenomena are exposed. A new approach on how to define urban areas at different scales is developed, and the link with percolation theory established. Fractal statistics, especially the lacunarity measure, and scale laws are used for characterising urban clusters. In a last section, the population evolution is modelled using a model close to the well-established gravity model.
The work covers quite a wide range of methods useful in urban geography. Methods should still be developed further and at the same time find their way into the daily work and decision process of urban planners.
La part de personnes vivant dans une région urbaine est plus élevé que jamais
et continue à croître. L'étalement urbain et la dépendance automobile
ont supplanté la ville compacte adaptée aux piétons. La pollution de l'air,
le gaspillage du sol, le bruit, et des problèmes de santé pour les habitants en
sont la conséquence. Les urbanistes doivent trouver, ensemble avec toute la
société, des solutions à ces problèmes complexes. En même temps, il faut
assurer la performance économique de la ville et de sa région. Actuellement,
une quantité grandissante de données socio-économiques et environnementales
est récoltée. Pour mieux comprendre les processus et phénomènes du
système complexe "ville", ces données doivent être traitées et analysées. Des
nombreuses méthodes pour modéliser et simuler un tel système existent et
sont continuellement en développement. Elles peuvent être exploitées par
le géographe urbain pour améliorer sa connaissance du métabolisme urbain.
Des techniques modernes et innovatrices de visualisation aident dans la communication
des résultats de tels modèles et simulations.
Cette thèse décrit plusieurs méthodes permettant d'analyser, de modéliser,
de simuler et de visualiser des phénomènes urbains. L'analyse de
données socio-économiques à très haute dimension à l'aide de réseaux de
neurones artificiels, notamment des cartes auto-organisatrices, est montré à
travers deux exemples aux échelles différentes. Le problème de modélisation
spatio-temporelle et de représentation des données est discuté et quelques
ébauches de solutions esquissées. La simulation de la dynamique urbaine, et
plus spécifiquement du trafic automobile engendré par les pendulaires est illustrée à l'aide d'une simulation multi-agents. Une section sur les méthodes
de visualisation montre des cartes en anamorphoses permettant de transformer
l'espace géographique en espace fonctionnel. Un autre type de carte,
les cartes circulaires, est présenté. Ce type de carte est particulièrement utile
pour les agglomérations urbaines. Quelques questions liées à l'importance
de l'échelle dans l'analyse urbaine sont également discutées. Une nouvelle
approche pour définir des clusters urbains à des échelles différentes est
développée, et le lien avec la théorie de la percolation est établi. Des statistiques
fractales, notamment la lacunarité, sont utilisées pour caractériser
ces clusters urbains. L'évolution de la population est modélisée à l'aide d'un
modèle proche du modèle gravitaire bien connu.
Le travail couvre une large panoplie de méthodes utiles en géographie
urbaine. Toutefois, il est toujours nécessaire de développer plus loin ces
méthodes et en même temps, elles doivent trouver leur chemin dans la vie
quotidienne des urbanistes et planificateurs.
Mots-clé Urban studies, Visualisation, Cartograms, Percolation, Clustering, Lausanne
URN urn:nbn:ch:serval-BIB_9E91E335B9D88
OAI oai:serval.unil.ch:BIB_9E91E335B9D8
Texte intégral PDF Voir - Télécharger
Dernière modification 2012-04-11