appariement de donnÃ©es gÃ©ographiques utilisant - Recherche - Ign

More documents

Recommendations

Info

- La première étape consiste à initialiser lesmasses de croyance pour chaque candidat à l’appariementet pour chaque source. Dans notre cas, unesource est un critère guidant l’appariement, commela proximité spatiale ou la ressemblance des toponymes.- La deuxième étape consiste à fusionner lesmasses de croyance par candidat.- Enfin, la troisième étape est basée sur une combinaisondes masses de croyance résultant de ladeuxième étape, ce qui consiste à fusionner les candidatsentre eux.Les deux premières étapes sont considéréescomme une approche locale, parce que les candidatssont traités indépendamment les uns desautres, alors que la troisième est considérée commeune approche globale parce que tous les candidatssont analysés ensemble.4.1 L’approche locale: définition ducadre de discernementNous considérons deux BDG construites pour desbesoins d’utilisation différents, provenant de sourcesdifférentes et qui présentent différents niveaux dedétail. Dans ce papier, nous proposons une méthoded’appariement qui calcule des liens entre les objetsdans un sens, de la base moins détaillée vers labase plus détaillée. Ainsi, pour chaque objet appartenantà la base moins détaillée, appelé objet de référence,tous les objets de l’autre base plus détailléequi se trouvent à une certaine distance (choisieempiriquement) sont sélectionnés et sont appelésobjets candidats à l’appariement.Dans notre cas, nous définissons un cadre de discernementlocal pour chaque objet de référence ettous les candidats sont des hypothèses, donc deshomologues potentiels. Nous avons constaté qu’il y ades objets qui n’ont pas d’homologues dans l’autrebase et donc ils ne sont pas appariés. Cela nousamène à définir une nouvelle hypothèse NA signifiantla solution « l’objet n’est pas apparié ». Ainsi, lecadre de discernement est exhaustif, c’est-à-dire lasolution se trouve parmi les hypothèses définies etl’ensemble vide n’est utilisé que pour modéliser leconflit dû à la non-fiabilité des sources. Uneapproche similaire a été adoptée par (Royère 2002)dans le cadre d’une application de localisation d’unvéhicule sur une carte.Le cadre de discernement pour un objet de référenceest défini ci-après : (5){ C C C Nm}REF= , ,..., 1 2 N,où N représente le nombre de candidats et C i représentel’hypothèse que C i est l’homologue de l’objetde référence en cours d’analyse.Afin de calculer les fonctions de croyance, nousdéfinissons une approche locale : chaque candidatest analysé indépendamment des autres. En conséquence,nous modélisons les connaissances en utilisantdes sources spécialisées : chaque source sespécialise et se prononce sur une seule hypothèse(Appriou 1991).Étant donné 2 , nous définissons S i , un sousensemblede 2 de la manière suivante : (6){ C ¬ C }= ,i, i- C i représente l’hypothèse que l’objet de référenceen cours d’analyse est apparié avec le candidatC i .- - C i = { Creprésente l’hypothèseque l’objet de référence en cours d’analyse1, C2,...Ci1,...CN,NA}est apparié avec un autre candidat que C i ou pasapparié du tout.- = { C , C ,... 1 2Ci ,... CN,NA}représente l’hypothèseque le critère ne peut pas se prononcer sur cecandidat, signifiant l’ignorance.4.2 L’initialisation des masses dec r o y a n c eDans cet article, nous proposons trois critèresd’appariement de données. Ils représentent lessources d’informations définies dans le cadre de lathéorie des croyances et sont présentés ci-dessous.4.2.1 Le critère géométriqueSiLe critère géométrique s’appuie sur la distanceeuclidienne, d E , entre la localisation de l’objet deréférence et celle du candidat à l’appariement. Nousconsidérons que plus le candidat est proche, plus il ya des chances qu’il soit l’homologue de l’objet deréférence, comme le montre la figure 1a). Dans lafigure 1a), T 2 représente le seuil de sélection descandidats, qui représente la distance maximale derecherche de candidats, et T 1 définit le seuil deconfiance qui associe une croyance moins forte auxcandidats éloignés géométriquement de l’objet deréférence en cours d’analyse. L’imprécision de lalocalisation des objets géographiques fait qu’il peut yavoir des homologues qui sont relativement éloignés.Pour éviter d’éliminer complètement un candidatqui est loin de l’objet de référence, nous considéronsque la masse de croyance attribuée à l’hypothèse« le candidat C i n’est pas l’objet homologue »n’est jamais 0, mais qu’elle varie de 1 à 0,1.CFC (N°194 - Décembre 2007)41
4.2.2 Le critère toponymiqueLe deuxième critère consiste à comparer les toponymesdes objets de deux BDG en utilisant la distancede Levenshtein, d L (Levenshtein 1965), calculéede la manière suivante : (7)dT=d L( toponyme1,toponyme2)max( L,L)où d L représente la distance de Levenshtein, L 1représente la longueur du toponyme 1 et L 2 représentela longueur du toponyme 2 . Précisons quenous utilisons le terme de distance pour évaluer laressemblance entre deux toponymes, et non pasdans le sens mathématique du mot distance. À titred’exemple, étant donné deux toponymes « boulevarddu général de Gaulle » et « bld du g al deGaulle » la distance d T est égale à 0,7.Comme nous pouvons le remarquer dans la figure1b), les courbes sont différentes de celles du critèregéométrique, afin d’exprimer le fait que noussommes moins confiants en ce critère. En conséquence,nous gérons le cas d’ambiguïté, lorsque parexemple deux toponymes indiquant le même objetdu monde réel sont comparés, l’un étant le nom officielet l’autre le lieu-dit, par exemple « place Charlesde Gaule » et « place de l’Étoile ». Pour cela, nousproposons de diminuer la masse de croyance attribuéeà l’hypothèse ¬C i (ce n’est pas le candidat l’objethomologue) et d’augmenter la masse de croyanceattribuée à l’ignorance, . Ainsi, si la distance d Test supérieure au seuil T 1 (par exemple 30% deslettres ne se ressemblent pas), les masses decroyance attribuées à l’hypothèse -C i est l’objet candidathomologue- et à l’hypothèse -le critère ne saitpas-, sont égales à 0,5.4.2.3 Le critère sémantiqueL’analyse détaillée des données géographiquesmontre qu’il y a des objets géographiques qui ont lemême toponyme, qui sont proches les uns desautres, mais qui ne possèdent pas la même nature eten conséquence ne peuvent pas être mis en correspondance,comme par exemple un sommet avec uncol. Ainsi, nous définissons un troisième critère quiutilise des propriétés sémantiques.Dans la figure 1c), nous illustrons les modélisationsdes fonctions de croyance pour le critèresémantique. Ce critère n’est pas le critère le plusimportant, il est possible qu’il existe beaucoup de12candidats qui ont la même nature que l’objet de référence.C’est pour cela que nous considérons que sila distance sémantique entre l’objet de référence etun candidat à l’appariement est 0 (les objets sonthomologues sémantiquement parlant), la masse decroyance attribuée à l’hypothèse C i (c’est le candidatC i l’objet homologue) est égale à 0,5, donc le critèren’attribue pas une forte croyance à ce candidat. Aucontraire, si la distance sémantique est supérieureau seuil T1, le critère croit que le candidat C i n’estpas le bon candidat.4.3 Combinaisons des critères et descandidatsUne fois que les masses de croyance ont été initialisées,nous pouvons combiner les critères par candidaten utilisant l’opérateur de Dempster. Cetteapproche est une approche locale parce que lescandidats sont analysés séparément, sans prendre encompte les autres candidats. La troisième étape, nomméel’approche globale consiste à combiner lescandidats entre eux, c’est-à-dire combiner entre euxles résultats obtenus pour chaque candidat dans l’étapeprécédente. Plus précisément, les résultats obtenuspour deux candidats sont combinés, ensuite lerésultat avec le troisième candidat, et ainsi de suite.Afin de prendre une décision, nous avons utilisé lemaximum de probabilité pignistique. La décision estprise après l’étape de fusion globale et après avoirnormalisé les masses résultantes en utilisant l’opérateurde Dempster. Dans ce papier nous abordons laproblématique liée au calcul des liens de cardinalité1-1. Conformément aux spécifications des deuxbases de données utilisées pour tester notreapproche, un objet géographique représente uneréalité. Ainsi, le choix de la mesure basée sur la probabilitépignistique a été privilégié en raison de lacardinalité du lien souhaité : on privilégie les hypothèsessimples.5 Applications aux points remarquablesde reliefLes tests ont été réalisés sur deux jeux de donnéesde l’Institut géographique national, BDCARTO© (365objets) et BDTOPO© (1965 objets) représentant lespoints remarquables du relief. Les jeux de donnéesprésentent des niveaux de détail différents, le premierétant moins détaillé que le deuxième.Premièrement, les données, comme par exempleles montagnes, les sommets, les pics, les vallées, les42CFC (N°194 - Décembre 2007)
Page 1 and 2: APPARIEMENT DE DONNÉESGÉOGRAPHIQU
Page 3: notons 2 l’ensemble de tous les s
Page 7 and 8: Quelques cas particuliers restent n

appariement de donnÃ©es gÃ©ographiques utilisant - Recherche - Ign

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?