Visualization of Spatial and Temporal Road Traffic Data

Author : Liqun Liu

Abstract

Ce manuscrit porte sur la conception de nouvelles méthodes d’analyse visuelle de données de trafic routier. En effet, les avancées technologiques récentes permettent une analyse du trafic avec une granularité spatiale et temporelle plus fine et variée, au moyen de capteurs ou de boîtiers GPS. La visualisation permet de mieux explorer ces données, à plusieurs échelles, aussi bien globales que locales, au niveau d’une agglomération jusqu’à un segment de rue. Ainsi experts et opérateurs de postes de contrôle routier peuvent explorer de manière non- technique ces grands volumes de données, identifier des motifs intéressants et prendre une décision informée par les données. La première partie de la thèse aborde le problème de l’analyse univariée (que l’on trouve dans les données de densité de trafic ou de flux de voiture) en proposant une méthode interactive de catégorisation nommée FuzzyCut. Cette méthode est basée sur la théorie de la logique floue en proposant une version interactive de la fonction d’appartenance à une catégorie. Nous introduisons les interactions et le design de cette technique, ainsi que sa mise en œuvre sur différents types de données quantitatives univariées. Cette technique a aussi fait l’objet d’une évaluation utilisateur et son code et les données de l’évaluation sont disponibles en ligne.

La seconde partie porte sur l’analyse de la composante spatiale du trafic routier qui est inhérente à ce type de données. Nous proposons l’adaptation d’une technique existante de visualisation de segments de trajectoires sous formes d’origines et destinations. Cette méthode permet de visualiser à la fois des relations globales et locales des données, en utilisant l’imbrication spatiale, où un premier niveau de la carte encode l’origine (point de départ des objets), et un second niveau imbriqué encode la destination (points d’arrivée des objets). Nous généralisons cette technique au-delà des relations d’origine et de destination (qui est un jeu de données à 2 attributs) pour explorer les ensembles de données multidimensionnels (ex. données à N attributs). Nous présentons un cadre d’abstraction, Gridify, et son implémentation en outil open-source interactif avec plusieurs niveaux de cartes imbriquées pour explorer le relations d’entités géocodées (lieu ou objet) avec des attributs multidimensionnels.

La troisième partie se concentre sur le problème d’analyse temporelle qui est aussi une composante importante des flux de trafic. Nous proposons GroupSet, une technique pour explorer les changements au fil d’une journée ou d’une année en utilisant une approche basée sur la théorie des ensembles. Une telle exploration révèle les similitudes de comportement temporel des données, telles que les augmentations ou les diminutions du flux de trafic au cours d’une journée. Cette technique a plusieurs applications, au delà du trafic routier, pour l’analyse des séries temporelles. Nous faisons un retour d’expérience d’utilisabilité d’un prototype interactif mettant en œuvre la technique sous forme d’application web. La dernière section discute la combinaison de trois techniques introduites dans le manuscrit (FuzzyCut, Gridify et GroupSet) au sein d’un même environnement d’analyse. En particulier afin de les déployer dans des centres de contrôle du trafic routier, pour réaliser des tâches de suivi et d’analyse de flux de voitures. Nous discutons également leur application au-delà des données de trafic routier, comme outils génériques d’analyse de données univariées, de données géo-codées et de séries temporelles.