| Nom du projet | Dynamiques spatiales dans le contexte de données historiques |
| Période | 2010 – 2015 / 2019 – |
| Financement | Non financé / Stage Normastic /Thèse région |
| Rôle | Consultante projet Modelespace / Encadrement stage de Master 2 Josquin Haward /Encadrement thèse Anne-Pauline Couteaud |
| Mots-clés | Dynamiques spatiales, filiations, théorie des graphes, comparaison de graphes, matching de graphes, extraction de patterns temporels et statiques, données historiques |
| Site(s) web(s) | Modelespace : http://modelespace.univ-tlse2.fr/ |
  |
|
| Principales interactions : (Modelespace) Florent Hautefeuille, Samuel Leturq, Bertrand Jouve, Xavier Rodier, Etienne Fieux ; (Stage Normastic) Bruno Crémilleux, Sébastien Adam , Benoît Gaüzère, Clément Chatelain (Thèse) | |
Démarrage thèse octobre 2023 : annonce de thèse
Contexte des travaux
L’attrait pour la donnée historique a démarré par une sollicitation de membres de l’ANR Modelespace (2010-2012) intéressés par le modèle de graphe ST [Del Mondo & al 2010] permettant de modéliser l’évolution d’entités spatiales au cours du temps. L’objectif de cette ANR était « d’analyser les dynamiques spatiales des peuplements à partir de sources fiscales sérielles de natures différentes ». Autrement dit, à partir de documents textuels (registres fiscaux) et de documents planimétriques, spatialisés ou non, être capable de comparer les données d’un même territoire dans le temps. Cette comparaison revient à extraire des dynamiques spatiales dont l’interprétation permet de « comprendre la dynamique des territoires sur la longue durée, que ce soit dans un cadre urbain ou rural : histoire des paysages, dynamique du peuplement et de l’aménagement des territoires, modélisation de l’évolution du climat… ».
Le modèle retenu par cette ANR pour modéliser les parcellaires de la région d’Odars est le graphe d’adjacence. A chaque temps (1476, 1497, 1551, 1598, 1759, 1811), chaque parcelle est modélisée par un nœud et une arête joint deux nœuds s’il existe un confront (connexion) entre les deux parcelles concernées. L’idée ensuite est d’extraire des dynamiques spatiales de cette séquence de graphes.
Une dynamique spatiale c’est un changement de l’espace dans le temps. Les changements les plus simples sont les fusions ou les divisions de parcelles qui peuvent se complexifier s’ils sont combinés d’un temps à l’autre. D’une manière générale tout ré-arrangement de l’espace dans le temps. La recherche de la stabilité dans le temps est aussi paradoxalement une forme de dynamique. L’objectif est de voir émerger une typologie de patterns, leur interprétation permettant de qualifier la dynamique historique responsable du changement.
Le projet Modelespace a entre autres permis la mise en œuvre d’un procédé de transformation des données spatialisées en graphes, et l’application d’un certain nombre de métriques issues de la théorie des graphes permettant de caractériser la structure de ces graphes. Malheureusement le travail sur la comparaison des graphes et l’extraction des dynamiques spatiales n’a pas abouti. A fortiori avec des données non spatialisées, où le matching temporel entre les graphes n’a pas été concluant, faute de détection de points d’amers suffisants. Le modèle de graphe ST a été appliqué aux données (ci-dessous sur deux temps, cas spatialisé, en vert les relations spatiales, en rouge spatio-temporelles) mais n’a pas pu dans ce cadre être utile car il suppose sinon une géolocalisation des entité, a minima un positionnement relatif de ces entités, ce que les données non spatialisés ne possèdent pas par nature, rendant impossible la comparaison de l’ensemble des données (spatialisées et non spatialisées).
Quelques années plus tard après la fin de l’ANR Modelespace, en 2019, relance de ces travaux au travers d’un stage de Master 2 « Caractérisation des dynamiques spatiales dans le cadre de sources géolocalisées et non géolocalisées ». Ce stage a permis de mettre à plat les résultats de l’ANR en reproduisant les résultats obtenus. Par ailleurs, il a aussi :
- Réalisé le re-formattage des données dans une base relationnelle
- Proposé de premiers algorithmes de détection de fusion et division de parcelles (simple, voir ci-dessous à gauche)
- Entamé une réflexion sur la détection d’un point d’amer particulier : les parcelles défiscalisées. Ces parcelles n’apparaissent pas à proprement parler dans les données, l’idée est de rechercher des patterns structurels spécifiques (sous-graphes) à un temps donné. En l’occurrence l’hypothèse était de rechercher des cycles de longueurs supérieures ou égales à 3 et a-cordaux.
La dynamique du stage nous a poussé à proposer de poursuivre ce travail au travers du dépôt d’une ANR en 2020 qui n’a malheureusement pas passé la deuxième phase. En quelques mots non exhaustifs, l’idée de cette ANR était de repartir des données du projet MODELESPACE et des graphes d’adjacences générés et de proposer d’autres méthodes d’extraction de données, notamment en partant des travaux de la thèse de Kamal Deep Oberoi sur l’extraction de patterns temporels mais aussi en tablant sur des méthodes inexactes de matching de graphes. L’extension de méthodes de data mining adaptées à un jeu de données de taille modeste était aussi une piste en particulier pour la détection des points d’amers lors de la mise en correspondance de graphes à différents temps. De plus, le projet souhaitait explorer des alternatives à la modélisation par graphes d’adjacences.