Québec Université Laval, Bibliothèque 2014

Les systèmes d’information géographique (SIG) sont largement utilisés pour représenter, gérer et analyser les données spatiales dans plusieurs disciplines incluant les géosciences, l’agriculture, la foresterie, la météorologie et l’océanographie. Néanmoins, malgré l’avancement récent des technologies des SIG, ils sont encore limités dans la représentation et la simulation des processus spatiotemporels. Ce travail de recherche définit le cadre théorique, conceptuel et applicatif qui vise à améliorer les méthodes de compréhension, de représentation et de simulation des processus dynamiques continus. Il vise plus précisément à améliorer les structures de données dans les SIG en développant une structure de données hiérarchique qui est la base d’un automate cellulaire capable de répondre aux principales caractéristiques de ces processus. L’exploration du potentiel des automates cellulaires pour simuler et représenter les processus dynamiques continus dans les SIG en respectant leur caractère irrégulier et hiérarchique fait l’objet de ce travail de recherche dans lequel une application dans le contexte hydrologique est mise en place. Nos objectifs spécifiques se résument dans 1) la construction d’une tessellation irrégulière et hiérarchique permettant de représenter les processus spatiotemporels et 2) la simulation de ces processus en utilisant un automate cellulaire opérant sur cette tessellation. Nous étudions la discrétisation de l’espace en tessellation irrégulière basée sur le diagramme de Voronoï et nous proposons une procédure de hiérarchisation de cette tessellation dans un objectif de représentation multi-échelle afin d’offrir une solution d’aide à la décision dans la gestion du territoire. Nous expliquons notre méthodologie et les algorithmes de sélection de données pour la génération de différents niveaux d’échelles spatiales. Un automate cellulaire non traditionnel est mis en place pour lequel nous définissons une grille à géométrie irrégulière de type Voronoï, des règles de transition spécifiques et un type particulier de voisinage orienté. Nous validons le fonctionnement de ce prototype dans le Bassin Expérimental de la Forêt Montmorency à Québec où des comparaisons sont possibles grâce à des données de débits d’eau mesurées in situ. / Geographic information systems (GIS) are widely used to represent, manage and analyse spatial data in many disciplines including geosciences, agriculture, forestry, meteorology and oceanography. However, despite recent advances in GIS technologies, they are still limited when it comes to representation and simulation of spatiotemporal processes. This research work, deals with a theoretical, conceptual and practical framework which aims to improve the representation of dynamic continuous processes. It aims especially to improve GIS capabilities by developing a CA based on a hierarchical irregular tessellation which is able to take into account the main characteristics of these processes. The exploration of the cellular automata potential to simulate and represent dynamic continuous processes regarding their irregular and hierarchic characteristics is the subject of this work where an application in the hydrologic field is established. Our specific objectives are 1) to build an irregular and hierarchic grid that can be used to represent spatiotemporal processes, 2) to simulate those processes with a cellular automata operating on this grid. We give details about the irregular geometric grid based on a Voronoï Diagram, the characteristics of a specific oriented neighbourhood and the transition rules that are governing the cells update. In addition, we discuss the hierarchical perspective of the build lattice that is essential for easy move between different spatial scales. We explain our methodology of data selection in order to generate the spatial levels of representation by demonstrating the used selection algorithms. This facilitates the representation of spatial dynamic phenomena and contributes to the better understanding of the complex behaviour of the whole system at different levels of details. We also present the data structures and general functioning of the whole simulation system. We finally, validate our framework by simulating the water flow process in a specific watershed in the region of Montmorency Forest of Quebec where in situ data are available. To validate our simulation results we compare them with measured data.

Lors d'une étude en santé environnementale il est primordial pour les chercheurs de connaître et de comprendre les relations entre la santé des populations et l'environnement dans lequel elles évoluent. Notre évaluation des étapes actuelles d'acquisition de données en santé environnementale nous a permis de constater qu'aucune méthodologie d'acquisition n'introduit systématiquement les références spatiales et temporelles lors de leur collecte. Nous estimons que la référence spatio-temporelle complémentaire à une procédure d'acquisition standardisée permettrait de donner un sens nouveau aux données hétérogènes, en les transformant en informations utiles à une plus large communauté d'utilisateurs. Nous avons donc défini une procédure d'acquisition de données spatio-temporelles. Cette procédure formalise, via une interface cartographique disponible sur un ordinateur de poche, le positionnement par GPS ou par toponyme d'échantillons utiles aux études en santé environnementale. De plus, elle automatise le peuplement de la base de données et s'assure de l'intégrité du lien entre l'identifiant de l'échantillon, le lieu et le moment de son acquisition jusqu'au rattachement des résultats d'analyses en laboratoire. Les données sont ensuite transférées et stockées dans une base de données multidimensionnelle (via un SOLAP) et accessibles par Internet. Ceci permet le partage direct des informations à d'autres chercheurs en environnement. La procédure a été implantée et mise à l'épreuve dans le cadre de la première mission du laboratoire mobile Atlantis. Cette mission s'est déroulée aux Bermudes et a permis aux spécialistes en environnement de collecter des échantillons d'eau, de sédiments, de pétoncles et de tissus humains (sang au cordon ombilical et placenta) à l'aide de cette procédure. Les chercheurs ont manifesté beaucoup d'enthousiasme et nos premiers tests montrent que la procédure d'acquisition est conviviale et qu'elle a été d'une grande utilité pour les spécialistes en facilitant leur collecte de données. De plus, il est clair que cette procédure basée sur un référentiel spatial commun favorise le partage des données à la base hétérogènes (toxicologie, microbiologie, chimie) pour parvenir à une analyse réellement intégrée.

Dans le domaine de l’internet des objets, nos recherches se sont focalisées sur l’étude des corrélations entre les données générées par des réseaux de capteurs. Ces données sont généralement collectées par des systèmes d’acquisition et se caractérisent par une grande vélocité et un fort volume. Les décideurs ont besoin d’outils permettant de détecter les situations d’intérêt au meilleur moment pour la prise de décision. Nous partons des travaux de doctorat de F.Barouni (2016) qui a proposé une extension du modèle et des outils de traitement d’événements complexes (CEP) pour répondre aux enjeux relatifs à la vélocité et au volume de ces données. Barouni a proposé une approche de représentation et de détection de patrons spatiotemporels pour représenter les situations d’intérêt. Notre but est de concevoir un outil destiné à gérer ces données et à fouiller des corrélations potentielles entre elles, en tenant compte des données contextuelles. Dans ce mémoire, nous proposons une approche théorique qui utilise les graphes conceptuels afin d’améliorer l’approche de Barouni en permettant de modéliser plusieurs types de relations spatiales. Dans ce contexte, nous avons proposé une extension des relations spatiales en tenant compte des éléments composant un réseau en lien avec l’espace géographique sous-jacent. En effet, notre modèle prend en compte, la représentation spatiale du réseau, la projection du réseau dans l’espace géographique sous-jacent et toutes les relations spatiales qui en découlent. Nous proposons aussi une extension au formalisme de représentation des patrons en ajoutant une structure du résumé et de contraintes du patron (graphes conceptuels) pour pouvoir modéliser des relations spatiales entre des patrons de complexité croissante. Nous avons développé un outil de détection de patrons en utilisant une approche de CEP itérative. Notre outil utilise plusieurs CEPs pour pouvoir détecter des patrons de différents degrés de complexité. Nous avons démontré la pertinence de notre approche par l’étude des événements de reconfiguration dans un réseau de distribution électrique. Notre approche est assez générique pour être applicable dans d’autres domaines d’application, tels que les réseaux de fibres optiques.

Dans les bases de données spatiales actuellement mises en oeuvre, les phénomènes naturels sont généralement représentés par des géométries ayant des frontières bien délimitées. Une telle description de la réalité ignore le vague qui caractérise la forme de certains objets spatiaux (zones d'inondation, lacs, peuplements forestiers, etc.). La qualité des données enregistrées est donc dégradée du fait de ce décalage entre la réalité et sa description. Cette thèse s'attaque à ce problème en proposant une nouvelle approche pour représenter des objets spatiaux ayant des formes vagues et caractériser leurs relations topologiques. Le modèle proposé, appelé QMM model (acronyme de Qualitative Min-Max model), utilise les notions d'extensions minimale et maximale pour représenter la partie incertaine d'un objet. Un ensemble d'adverbes permet d'exprimer la forme vague d'un objet (ex: a region with a partially broad boundary), ainsi que l'incertitude des relations topologiques entre deux objets (ex: weakly Contains, fairly Contains, etc.). Cette approche est moins fine que d'autres approches concurrentes (modélisation par sous-ensembles flous ou modélisation probabiliste). Mais elle ne nécessite pas un processus d'acquisition complexe des données. De plus elle est relativement simple à mettre en oeuvre avec les systèmes existants de gestion de bases de données. Cette approche est ensuite utilisée pour contrôler la qualité des données dans les bases de données spatiales et les entrepôts de données spatiales en spécifiant des contraintes d'intégrité par l'intermédiaire des concepts du modèle QMM. Une extension du langage de contraintes OCL (Object Constraint Language) a été étudiée pour spécifier des contraintes topologiques impliquant des objets ayant des formes vagues. Un logiciel existant (outil OCLtoSQL développé à l'Université de Dresden) a été étendu pour permettre la génération automatique du code SQL d'une contrainte lorsque la base de données est gérée par un système relationnel. Une expérimentation de cet outil a été réalisée avec une base de données utilisée pour la gestion des épandages agrico'les. Pour cette application, l'approche et l'outil sont apparus très efficients. Cette thèse comprend aussi une étude de l'intégration de bases de données spatiales hétérogènes lorsque les objets sont représentés avec le modèle QMM. Des résultats nouveaux ont été produits et des exemples d'application ont été explicités.

Les situations spatio-temporelles dynamiques sont des situations qui évoluent dans l’espace et dans le temps. L’être humain peut identifier des configurations de situations dans son environnement et les utilise pour prendre des décisions. Ces configurations de situations peuvent aussi être appelées « situations d’intérêt » ou encore « patrons spatio-temporels ». En informatique, les situations sont obtenues par des systèmes d’acquisition de données souvent présents dans diverses industries grâce aux récents développements technologiques et qui génèrent des bases de données de plus en plus volumineuses. On relève un problème important dans la littérature lié au fait que les formalismes de représentation utilisés sont souvent incapables de représenter des phénomènes spatiotemporels dynamiques et complexes qui reflètent la réalité. De plus, ils ne prennent pas en considération l’appréhension cognitive (modèle mental) que l’humain peut avoir de son environnement. Ces facteurs rendent difficile la mise en œuvre de tels modèles par des agents logiciels. Dans cette thèse, nous proposons un nouveau modèle de représentation des situations d’intérêt s’appuyant sur la notion des patrons spatiotemporels. Notre approche utilise les graphes conceptuels pour offrir un aspect qualitatif au modèle de représentation. Le modèle se base sur les notions d’événement et d’état pour représenter des phénomènes spatiotemporels dynamiques. Il intègre la notion de contexte pour permettre aux agents logiciels de raisonner avec les instances de patrons détectés. Nous proposons aussi un outil de génération automatisée des relations qualitatives de proximité spatiale en utilisant un classificateur flou. Finalement, nous proposons une plateforme de gestion des patrons spatiotemporels pour faciliter l’intégration de notre modèle dans des applications industrielles réelles. Ainsi, les contributions principales de notre travail sont : Un formalisme de représentation qualitative des situations spatiotemporelles dynamiques en utilisant des graphes conceptuels. ; Une approche cognitive pour la définition des patrons spatio-temporels basée sur l’intégration de l’information contextuelle. ; Un outil de génération automatique des relations spatiales qualitatives de proximité basé sur les classificateurs neuronaux flous. ; Une plateforme de gestion et de détection des patrons spatiotemporels basée sur l’extension d’un moteur de traitement des événements complexes (Complex Event Processing). / Dynamic spatiotemporal situations are situations that evolve in space and time. They are part of humans’ daily life. One can be interested in a configuration of situations occurred in the environment and can use it to make decisions. In the literature, such configurations are referred to as “situations of interests” or “spatiotemporal patterns”. In Computer Science, dynamic situations are generated by large scale data acquisition systems which are deployed everywhere thanks to recent technological advances. Spatiotemporal pattern representation is a research subject which gained a lot of attraction from two main research areas. In spatiotemporal analysis, various works extended query languages to represent patterns and to query them from voluminous databases. In Artificial Intelligence, predicate-based models represent spatiotemporal patterns and detect their instances using rule-based mechanisms. Both approaches suffer several shortcomings. For example, they do not allow for representing dynamic and complex spatiotemporal phenomena due to their limited expressiveness. Furthermore, they do not take into account the human’s mental model of the environment in their representation formalisms. This limits the potential of building agent-based solutions to reason about these patterns. In this thesis, we propose a novel approach to represent situations of interest using the concept of spatiotemporal patterns. We use Conceptual Graphs to offer a qualitative representation model of these patterns. Our model is based on the concepts of spatiotemporal events and states to represent dynamic spatiotemporal phenomena. It also incorporates contextual information in order to facilitate building the knowledge base of software agents. Besides, we propose an intelligent proximity tool based on a neuro-fuzzy classifier to support qualitative spatial relations in the pattern model. Finally, we propose a framework to manage spatiotemporal patterns in order to facilitate the integration of our pattern representation model to existing applications in the industry. The main contributions of this thesis are as follows: A qualitative approach to model dynamic spatiotemporal situations of interest using Conceptual Graphs. ; A cognitive approach to represent spatiotemporal patterns by integrating contextual information. ; An automated tool to generate qualitative spatial proximity relations based on a neuro-fuzzy classifier. ; A platform for detection and management of spatiotemporal patterns using an extension of a Complex Event Processing engine.

La surveillance de la qualité de l'eau dans les réseaux de distribution est essentielle pour assurer la conformité réglementaire, identifier les problèmes liés à sa dégradation excessive et proposer des approches visant à limiter la présence de contaminants susceptibles d'affecter la santé des citoyens. Cependant, en raison de contraintes budgétaires, technologiques, et de gestion, les responsables de l'eau potable des municipalités ne sont pas en mesure de surveiller l'ensemble du réseau et doivent choisir des points et des moments de surveillance représentatifs pour déterminer la qualité de l'eau. Bien qu'il s'agisse d'un besoin évident et crucial, il n'existe aucune démarche réglementaire appuyée par la science permettant aux responsables de sélectionner des points optimaux de surveillance. La dégradation de la qualité de l'eau varie dans l'espace et dans le temps le long du réseau de distribution en raison de facteurs spécifiques au système, tels que le temps de séjour de l'eau (TDS), le matériau et le diamètre des conduites, les caractéristiques physicochimiques de l'eau, l'utilisation de désinfectants secondaires, etc. Il est donc difficile pour les opérateurs de déterminer où et quand effectuer des contrôles de la qualité de l'eau. L'objectif principal de cette thèse de doctorat est de proposer une nouvelle démarche méthodologique pour optimiser la localisation des points et la fréquence de surveillance dans le réseau de distribution qui tienne compte de la variabilité spatio-temporelle des indicateurs de qualité de l'eau. Cette nouvelle démarche vise à répondre aux besoins méthodologiques identifiés à travers une revue chronologique et critique de la littérature, qui comprend l'identification des concepts fondamentaux, des techniques d'optimisation, ainsi que des avantages et des limites des méthodologies spécifiquement axées sur l'optimisation de la dégradation de la qualité de l'eau dans les réseaux de distribution présentées précédemment par la communauté scientifique. Cette thèse présente une approche innovante basée sur la variabilité spatio-temporelle de la qualité de l'eau, applicable à une échelle réelle par les responsables des municipalités. La méthodologie propose l'identification d'une zone géographique qui peut être représentée par la qualité de l'eau mesurée dans un point de surveillance sélectionné. La démarche fait appel à la connaissance des caractéristiques hydrauliques du réseau (débits et sens d'écoulement) ainsi qu'à celles des conditions associées à une forte variabilité spatiale des indicateurs entre les points qui partagent une connexion hydraulique. Compte tenu de l'utilisation du modèle hydraulique, les nœuds du modèle sont considérés comme des points de surveillance potentiels dans le réseau de distribution, ce qui permet de parler de nœuds de surveillance et nœuds de surveillance optimaux. Ensuite, la population représentée par chaque nœud du réseau est estimée et utilisée dans l'optimisation de la sélection des points de surveillance. Une évaluation est effectuée sur la base du nombre d'individus que chaque nœud peut représenter et le nœud ayant la plus grande capacité de représentation est choisi. Lorsqu'un nœud est choisi, la population représentée par ce nœud est considérée comme surveillée et le meilleur nœud suivant est sélectionné. Cette procédure est répétée jusqu'à ce que l'ensemble de la population cible soit considérée comme surveillée. La démarche proposée est appliquée au réseau de distribution de la Ville de Québec (Québec, Canada) afin d'optimiser la surveillance de quatre indicateurs de la qualité de l'eau: le chlore libre résiduel (CLR), les bactéries hétérotrophes totales aérobies et anaérobies (BHAA), les trihalométhanes (THM) et les acides haloacétiques (AHA). Deux objectifs d'optimisation sont pris en compte: l'optimisation de la représentativité de la population globale et la surveillance de la population à risque en raison d'une forte dégradation de la qualité de l'eau. Les résultats montrent que la variabilité spatiale de l'indicateur de la qualité de l'eau a une forte influence sur la représentativité des nœuds, ce qui fait que les indicateurs à forte variabilité spatiale, tels que le CLR, nécessitent un grand nombre de points de surveillance pour représenter l'ensemble de la population cible. Malgré cela, la méthodologie permet d'identifier les nœuds ayant une forte capacité de représentativité. Ces nœuds devraient être priorisés parce qu'ils maximisent la population représentée en minimisant les points de surveillance sélectionnés. De même, les résultats montrent que la surveillance de tous les indicateurs dans le même point n'est pas pertinente, car les conditions de variabilité spatiale sont propres à chaque indicateur. Ces conditions déterminent le nombre et la localisation optimaux des points de surveillance pour chaque indicateur individuellement. L'impact du comportement hydraulique et de l'incertitude liée à la modélisation a été analysé en appliquant la démarche proposée pour différents scénarios. Pour ce faire, des scénarios temporels de surveillance intra-journalière, journalière et saisonnière ont été étudiés et comparés. Les résultats obtenus pour l'étude de cas considérée montrent qu'à l'échelle intra-journalière, la localisation des points de surveillance ne varie pas de manière significative étant donné que le comportement hydraulique global du réseau n'est pas affecté. Le même effet peut être observé en comparant un jour de forte demande en eau (débit journalier maximum) à un jour de consommation moyenne (débit journalier moyen). Cependant, l'échelle de temps saisonnière joue un rôle dans la détermination des points de surveillance optimaux. En effet, en raison de la plus faible variabilité spatiale des indicateurs de la qualité de l'eau en hiver, moins de mesures sont nécessaires pour surveiller la même proportion de la population qu'en été. En revanche, la localisation spatiale des nœuds ayant une capacité de représentativité plus élevée ne semble pas changer d'une saison à l'autre, ce qui permet d'identifier des points de surveillance optimaux tout au long de l'année. La démarche proposée est un outil innovant d'aide à la décision pour la sélection optimale des points de surveillance de la qualité de l'eau des réseaux de distribution. Cette méthodologie est originale par la prise en compte de la variabilité spatio-temporelle de la qualité de l'eau, ainsi que par son adaptabilité pour l'optimisation de la surveillance de tout type d'indicateur pour lequel des conditions de forte variabilité spatiale peuvent être définies. / Monitoring water quality in distribution networks is essential to ensure regulatory compliance, identify problems associated with excessive degradation, and propose approaches to limit the presence of contaminants that could jeopardize citizens' health. However, due to budgetary, technological and management constraints, municipal drinking water authorities are unable to monitor the entire network, and must select representative monitoring points and times to determine water quality levels. Although this is an obvious and crucial need, there is no science-based regulatory approach to enable managers to select appropriate monitoring points. Furthermore, water quality degradation varies spatially and temporally along the distribution network, due to system-specific factors such as water residence time (WRT), pipe material and diameter, physicochemical characteristics of the water, use of secondary disinfectants, etc. This makes it all the more difficult for operators to determine where and when to carry out water quality checks. The main objective of this PhD thesis is to propose a new methodological approach for optimizing the location of monitoring points and the frequency of monitoring in the distribution network, taking into account the spatio- temporal variability of water quality indicators. This new approach aims to meet the methodological needs identified through a chronological and critical review of the literature, which includes the identification of fundamental concepts, optimization techniques, as well as the advantages and limitations of methodologies previously presented by the scientific community. This thesis presents an innovative approach based on the spatio-temporal variability of water quality, which can be applied on a real scale by municipal managers. The methodology proposes the identification of a geographical area that can be represented by the measured water quality of a selected monitoring point. The approach calls on knowledge of the network's hydraulic characteristics (flow rates and direction of flow), as well as of the conditions associated with high spatial variability of indicators between points sharing a hydraulic connection. Given the use of the hydraulic model, the nodes in the model are considered as potential monitoring points in the distribution network, hence the term monitoring nodes and optimal monitoring nodes. Next, the population represented by each network node is estimated and used to optimize the selection of monitoring points. An evaluation is made based on the number of individuals each node can represent, and the node with the greatest representation capacity is chosen. Once a node has been chosen, the population represented by that node is considered as monitored, and the next best node is selected. This procedure is repeated until the entire target population is considered monitored. The proposed approach is applied to the distribution network of Quebec City (Quebec, Canada) to optimize the monitoring of four water quality indicators: free chlorine residual (FRC), heterotrophic plate counts (HPC), trithalomethanes (THM) and haloacetic acids (HAA). Two distinct optimization objectives are taken into account: optimizing the global representativeness of the population and monitoring the population at risk due to high water quality degradation. The results show that the specific spatial variability of the water quality indicator has a strong influence on the representativeness of the nodes, meaning that indicators with high spatial variability, such as FRC, require a large number of monitoring points to represent the entire target population. Despite this, the methodology enables us to identify nodes with a high representativeness capacity. These nodes should be prioritized as they maximize the population represented reducing the monitoring points needed. Similarly, the results show that monitoring all indicators as a whole at the same point is not relevant, as the conditions of spatial variability are specific to each indicator; these conditions determine the optimal number and location of monitoring points for each indicator individually. The impact of hydraulic behavior and modeling uncertainty was analyzed by applying the proposed approach to different temporal scenarios. Intraday, daily and seasonal monitoring scenarios were studied and compared. The results obtained for the case study under consideration show that on an intraday scale, the location of monitoring points does not vary significantly, as the overall hydraulic behavior of the network is not affected. The same effect can be observed when comparing a day of high water demand (maximum daily flow) with a day of average consumption (average daily flow). Finally, the seasonal timescale plays an important role in determining optimum monitoring points. Indeed, due to the lower spatial variability of water quality indicators in winter, fewer measurements are required to monitor the same proportion of the population as in summer. On the other hand, the spatial location of nodes with a higher representativeness capacity does not appear to change from one season to the next, enabling optimal monitoring points to be identified throughout the year. Finally, the proposed approach will serve as an innovative decision-making tool for the optimal selection of water quality monitoring points in distribution networks. The methodology is original in that it takes into account the spatio-temporal variability of water quality, and is adaptable to optimize the monitoring of any type of inditor for which conditions of high spatial variability can be defined.

La numérisation de nos espaces de vie et de mobilités s’est largement accentuée durant la dernière décennie. La multiplication des capteurs de toute nature permettant de percevoir et de mesurer notre espace physique en est le levier principal. L’ensemble de ces systèmes produit aujourd’hui de grands volumes de données hétérogènes sans cesse croissants, ce qui soulève de nombreux enjeux scientifiques et d'ingénierie en termes de stockage et de traitement pour la gestion et l’analyse de mobilités. Les travaux dans le domaine d’analyse des données spatio-temporelles ont largement été orientés soit vers la fouille de données historiques archivées, soit vers le traitement continu. Afin d’éviter les écueils de plus en plus prégnants dus à l’augmentation de ces volumes de données et de leur vélocité (temps de traitement trop long, modèles conceptuellement plus adaptés, analyse approximative des données), nous proposons la conception d’une approche hybride distribuée permettant le traitement combiné de flux temps-réel et de données archivées. L’objectif de cette thèse est donc de développer un nouveau système de gestion et de traitement distribué pour l’analyse des mobilités en particulier maritimes. La solution proposée répond principalement à des contraintes de temps-réel, les données archivées et les informations qui en sont extraites permettant d'améliorer la qualité de réponse. Une proposition de paradigme d'événements est également développée pour permettre ce traitement hybride mais aussi pour caractériser et identifier plus facilement des comportements types d'objets mobiles. Enfin, une requête appliquée sur des zones de couverture de signal pour des objets mobiles a été étudiée et testée sur des données maritimes mettant en exergue le besoin d'une approche hybride pour le traitement de trajectoires. / Over the past few years, the rapid prolifération of sensors and devices recording positioning information regularly produces very large volumes of heterogeneous data. This leads to many research challenges as the storage, distribution, management,Processing and analysis of the large mobility data generated still needs to be solved. Current works related to the manipulation of mobility data have been directed towards either mining archived historical data or continuous processing of incoming data streams.The aim of this research is to design a holistic System whose objective is to provide a combined processing of real time data streams and archived data positions. The proposed solution is real-time oriented, historical data and informations extracted from them allowing to enhance quality of the answers to queries. A event paradigm is discussed to facilitate the hybrid approach and to identify typical moving objects behaviors. Finally, a query concerning signal coverage of moving objects has been studied and applied to maritime data showing the relevance of a hybrid approach to deal with moving object data processing.

Face à l'explosion des nouvelles technologies (mobiles, capteurs, etc.), de grandes quantités de données localisées dans l'espace et dans le temps sont désormais disponibles. Les bases de données associées peuvent être qualifiées de bases de données spatio-temporelles car chaque donnée est décrite par une information spatiale (e.g. une ville, un quartier, une rivière, etc.) et temporelle (p. ex. la date d'un événement). Cette masse de données souvent hétérogènes et complexes génère ainsi de nouveaux besoins auxquels les méthodes d'extraction de connaissances doivent pouvoir répondre (e.g. suivre des phénomènes dans le temps et l'espace). De nombreux phénomènes avec des dynamiques complexes sont ainsi associés à des données spatio-temporelles. Par exemple, la dynamique d'une maladie infectieuse peut être décrite par les interactions entre les humains et le vecteur de transmission associé ainsi que par certains mécanismes spatio-temporels qui participent à son évolution. La modification de l'un des composants de ce système peut déclencher des variations dans les interactions entre les composants et finalement, faire évoluer le comportement global du système.Pour faire face à ces nouveaux enjeux, de nouveaux processus et méthodes doivent être développés afin d'exploiter au mieux l'ensemble des données disponibles. Tel est l'objectif de la fouille de données spatio-temporelles qui correspond à l'ensemble de techniques et méthodes qui permettent d'obtenir des connaissances utiles à partir de gros volumes de données spatio-temporelles. Cette thèse s'inscrit dans le cadre général de la fouille de données spatio-temporelles et l'extraction de motifs séquentiels. Plus précisément, deux méthodes génériques d'extraction de motifs sont proposées. La première permet d'extraire des motifs séquentiels incluant des caractéristiques spatiales. Dans la deuxième, nous proposons un nouveau type de motifs appelé "motifs spatio-séquentiels". Ce type de motifs permet d'étudier l'évolution d'un ensemble d'événements décrivant une zone et son entourage proche. Ces deux approches ont été testées sur deux jeux de données associées à des phénomènes spatio-temporels : la pollution des rivières en France et le suivi épidémiologique de la dengue en Nouvelle Calédonie. Par ailleurs, deux mesures de qualité ainsi qu'un prototype de visualisation de motifs sont été également proposés pour accompagner les experts dans la sélection des motifs d'intérêts.

Cette thèse a été conduite dans le cadre d’une convention industrielle avec SNCF Réseau. Elle se situe dans le domaine de la géovisualisation d’informations spatio-temporelles, et porte plus particulièrement sur l’élaboration de méthodes de visualisation cartographiques adaptées à l’analyse des impacts des inondations sur le système ferroviaire. Les événements historiques sont une source d’informations importante pour la compréhension et la gestion des risques naturels. La cartographie s’est imposée comme un outil clé pour appréhender les risques dans leurs contextes territoriaux. Mais l’élaboration de visualisations cartographiques qui soient lisibles tout en restituant la complexité des processus survenus lors d’une catastrophe naturelle n’est pas aisée. Les verrous principaux sont la nécessité de représenter à la fois les dimensions spatiales et temporelles des événements issus de risques, le besoin de visualiser les effets dominos, qui conduisent à amplifier les dommages, et la volonté d’adapter les représentations aux besoins et aux capacités cognitives des utilisateurs. Ce travail a conduit à quatre contributions. La première contribution a consisté à formaliser les récits d’inondations dans une ontologie de domaine, qui décrit à la fois les événements issus d’inondations, les effets dominos et leurs impacts sur le système ferroviaire et les mesures de réaction pour ramener le système ferroviaire à l’état d’équilibre. Cinq cas d’inondations historiques ont été instanciés dans le modèle. Leur étude a permis de formuler des principes sémiologiques génériques pour cartographier les récits d’inondations, ce qui constitue la deuxième contribution. La troisième contribution est la production d’une interface de géovisualisation intégrant des représentations graphiques innovantes pour visualiser les temporalités associées aux événements. Cette interface de géovisualisation a fait l’objet d’une expérimentation auprès des experts ferroviaires. Les résultats ont validé les propositions relatives à la représentation du temps mais ont infirmé les propositions de visualisation des effets dominos. Suite à l’analyse des résultats, la quatrième contribution consiste en un modèle de protocole expérimental réutilisable, adapté au test d’interfaces de géovisualisation. / This research was led in an industrial partnership with SNCF Réseau. In the field of geovisualization of spatio-temporal information, it focuses on developing cartographical visualization methods adapted to the analysis of the impacts of floods on the railway system.Historical events are of great help to understand and manage natural risks. Cartography became a key tool to analyze risks in their territorial contexts. But making maps which remain legible while showing all the complexity of risk processes that occurred during natural disaster is not easy. The main challenges are the need to represent both the temporal and the spatial dimensions of risk events, the need to visualize domino-effect, because they often lead to worsen damages, and the will to adapt representations to the cognitive capacities of users.This research resulted in four contributions. The first one is the formalization of flood narratives in a domain ontology, which describes flood events, domino-effects, their impacts on the railway system and also response measures to restore the system. Five case studies of historical floods were instantiated in the model. Resulting from their study, the second contribution consists in generic semiology principles to visualize the narratives of floods on maps. The third contribution is a geovisualization interface, which includes original graphical representations to visualize the temporal features associated with flood events. This geovisualization interface was tested in an experiment with expert users of the railway field. Results confirmed the proposals of representation of time but disconfirm proposals of visualization of domino effects. The analysis of results led to the fourth contribution, which consists in a reusable model of an experimental procedure that is adapted to test geovisualization interfaces.