La généralisation de données géographiques est l'opération de simplification de ces données effectuée lors de la diminution de leur échelle de représentation. Cette thèse s'appuie sur le modèle de généralisation automatique à base d'agents de (Ruas et Duchêne, 2007), qui a été mis en oeuvre avec succès pour la généralisation des objets géographiques discrets (bâtiments, routes, etc.). L'objectif est de permettre une prise en compte d'un nouveau type de thèmes, appelés "thèmes champ", comme le relief ou l'occupation du sol. Ces thèmes ont pour particularité d'être définis en tout point de l'espace. Nous souhaitons permettre une préservation des relations pouvant exister entre les objets géographiques et les champs, comme par exemple le fait qu'un cours d'eau s'écoule sur le relief. Pour répondre à cet objectif, nous proposons le modèle de généralisation GAEL (Généralisation à base d'Agents Elastiques) qui permet d'appliquer des déformations aux champs pour préserver les relations objet-champ. Les champs sont modélisés comme des agents, dits élastiques, qui ont la capacité de se déformer pour amortir les opérations de généralisation appliquées aux objets géographiques (bâtiments, routes, etc.). Ces déformations sont obtenues en s'appuyant sur une décomposition des champs en petits éléments contraints (points, segments, triangles, etc.) et sur une modélisation des points composant les champs sous forme d'agents. Couplé au modèle de (Ruas et Duchêne, 2007), le modèle GAEL permet de disposer d'un modèle de généralisation hybride, capable d'effectuer à la fois des opérations discrètes et continues

Les cartes représentent l'information géographique d'une zone donnée de manière d'autant plus simplifiée que l'échelle de la carte est petite. Le procédé de simplification, appelé généralisation cartographique, est soumis au respect de contraintes de lisibilité, d'adéquation de la représentation avec le niveau d'abstraction souhaité et de cohérence avec la réalité. La volonté d'automatiser le processus de création de cartes à partir de bases de données géographiques, a conduit à la création d'algorithmes permettant d'effectuer cette simplification objet par objet. Néanmoins, les choix des algorithmes, tout comme leur paramétrage, sont autant influencés par l'objet sur lequel ils s'appliquent que par les autres objets en relation (e.g. bâtiment à proximité d'un autre, route parallèle à un alignement de bâtiments). Ce constat a motivé l'utilisation de modèles multi-agents pour la généralisation automatisée de cartes. Le principe de ces modèles multi-agents repose sur la modélisation des objets (e.g. bâtiment, tronçon de route, îlot urbain) sous forme d'agents qui cherchent à se généraliser de façon à satisfaire leurs contraintes. Plusieurs modèles multi-agents ont été proposés, chacun ayant une approche différente des interactions entre niveaux. Ici, nous entendons par niveau, par exemple, la distinction entre les agents individuels comme un bâtiment, des agents représentant un groupe d’autres agents, comme un îlot urbain composé des routes l’entourant et des bâtiments inclus dans l’îlot.Nous étudions l'unification de ces modèles en nous appuyant sur le paradigme multi-niveaux PADAWAN, afin de faciliter les interactions entre agents de niveaux différents. Nous proposons ainsi le modèle DIOGEN, adaptant les principes d’interaction entre agents de niveaux différents à la généralisation cartographique guidée par des contraintes, ce qui a permis d’unifier les précédents modèles AGENT, CartACom et GAEL, tout en disposant de nouvelles capacités prometteuses.Nous avons évalué notre proposition sur un ensemble de cas d’étude. Parmi ces cas, nous nous sommes penchés sur la généralisation de carte de randonnée, où les itinéraires sont symbolisés individuellement avec des symboles différents, à la manière des plans de bus. La présence de plusieurs symboles d’itinéraires sur une même route support amène des problèmes de généralisation particuliers, comme le choix du positionnement des itinéraires de part et d’autre de la route, ou les implications pour les autres objets de la carte (e.g. points d’intérêts, bâtiments) se retrouvant sous le symbole de l’itinéraire, problèmes que nous essayons de résoudre en nous appuyant sur notre proposition de représentation formelle multi-niveaux.Ce travail nous a ensuite conduit à identifier des comportements multi-niveaux récurrents. Nous les avons exprimés de façon générique sous forme de patterns d’analyse, affranchies des spécificités de la généralisation cartographique, et de la résolution de problèmes contraints / Maps show geographic information of a given area in a simplified way, particularly when the scale is small. The simplification process, called cartographic generalisation, is submitted to several constraints : legibility, adequation to the abstraction level, and consistency with reality. The will to automate the maps creation process from geographical databases led to the creation of algorithms allowing the simplification object by object. However the choice of the algorithms, as their settings, are influenced by the object on which it is applied, and by the other objects in relation with this object (e.g. a building close to another one, a road parallel to a buildings alignment). This motivates the use of multi-agents models for automated map generalisation. Several multi-agent models were proposed, each of them having a different approach to manage multi-levels relations. Here, what we call a level is, for instance, the distinction between individual agents, like a building, and agents representing a group of other agents, like a urban block composed by the surrounding roads and buildings inside.We study the unification of existing models, using the multi-level paradigm PADAWAN, in order to simplify interactions between agents in different levels. We propose the DIOGEN model, in which the principle of interactions between agents of different levels is adapted to cartographic generalisation guided by constraints, those allowing to unify the existing models AGENT, CartACom and GAEL, and giving promising features.We evaluate our proposal on different case studies. Among them, we study the generalisation of trekking maps, where the routes are symbolized individually by a different couloured line symbols, like on bus maps. The presence of several route symbols on a same road leads to specific generalisation issues, like the choice of the side of each route symbol position, or the implications for the other objects on the map (e.g. points of interest, buildings) under the route symbol – issues tackled using our proposal of formal multi-levels representation.This work leads us to the identification of recurrent behaviours. We express them as analysis patterns, in a way that is independent from cartographic generalisation and constraint solving problems

Cette thèse traite de l'automatisation de la généralisation cartographique qui est le procédé de simplification d'une base de données géographique vectorielle pour sa représentation sur une carte lisible. La recherche dans le domaine a abouti aujourd'hui au développement de nombreux processus automatiques de généralisation cartographique, chacun étant spécialisé pour un problème particulier comme un type de paysage, un thème de donnée, un type de conflit ou un mélange des trois (proximité entre bâtiments en zone urbaine). L'objectif de cette thèse est de tirer parti de cette diversité pour mettre en place la généralisation complète d'une carte en faisant collaborer des processus de généralisation complémentaires. Pour répondre à cet objectif, nous proposons le modèle CollaGen (Collaborative Generalisation) qui permet, par un système multi-agent, la collaboration des processus : les données sont découpées de manière pertinente par rapport aux processus à disposition en espaces géographiques (une zone urbaine ou le réseau routier par exemple) ; la généralisation d'un espace par un processus est ensuite orchestrée par CollaGen. CollaGen associe de manière itérative un espace à généraliser et un processus adapté, notamment par un mécanisme de registre type pages jaunes. L'interopérabilité entre les processus est assurée par une ontologie du domaine sur laquelle s'appuie un format de spécifications formelles d'une carte généralisée. Chaque généralisation est évaluée globalement en temps réel pour permettre un retour en arrière en cas de problème. Enfin, du fait du principe de découpage en espaces, CollaGen doit vérifier après chaque généralisation si des effets de bord sont apparus avec les objets géographiques situés juste à l'extérieur de l'espace, auquel cas il les corrige au mieux. Dans, cette thèse, le modèle CollaGen est mis en œuvre pour la généralisation de cartes topographiques (notamment au 1 : 50000) et les résultats sont comparés à d'autres approches et discutés / This phd thesis deals with cartographic generalisation, the process that simplifies a geographic database to allow its representation on legible map. Past research lead to the development of many automatic generalisation processes, each one being specialised for a specific problem like a particular landscape, a given data theme, a particular graphic conflict or a mix of the three (like ‘proximity between buildings in urban areas). The aim of the thesis is to benefit from this diversity to carry out a complete map generalisation by collaboration between complementary processes. To meet this objective, the CollaGen model is proposed (Collaborative Generalisation) as it allows, based on multi-agent techniques, generalisation processes collaboration : data is relevantly partitioned into geographic spaces (e.g. an urban area or the road network) ; then CollaGen orchestrate the generalisation of a space by an adapted process. CollaGen iterately maps a space to be generalised and an adapted process thanks to a yellow pages registry mecanism. The interoperability between processes is managed by a domain ontology on which formal map specifications are based. Each generalization is globally assessed online to allow backtracks if necessary. Finally, because of the space partitioning, CollaGen has to check after each generalisation if side effects appeared with spaces just outside the one that has been generalised. If some side effects occurred, they are corrected. In this thesis, CollaGen is implemented for topographic map generalisation (to 1 : 50000) and results obtained are compared to other approaches and discussed

La généralisation de données géographiques est l'opération de simplification de ces données effectuée lors de la diminution de leur échelle de représentation. Cette thèse s'appuie sur le modèle de généralisation automatique à base d'agents de (Ruas et Duchêne, 2007), qui a été mis en oeuvre avec succès pour la généralisation des objets géographiques discrets (bâtiments, routes, etc.). L'objectif est de permettre une prise en compte d'un nouveau type de thèmes, appelés "thèmes champ", comme le relief ou l'occupation du sol. Ces thèmes ont pour particularité d'être définis en tout point de l'espace. Nous souhaitons permettre une préservation des relations pouvant exister entre les objets géographiques et les champs, comme par exemple le fait qu'un cours d'eau s'écoule sur le relief. Pour répondre à cet objectif, nous proposons le modèle de généralisation GAEL (Généralisation à base d'Agents Elastiques) qui permet d'appliquer des déformations aux champs pour préserver les relations objet-champ. Les champs sont modélisés comme des agents, dits élastiques, qui ont la capacité de se déformer pour amortir les opérations de généralisation appliquées aux objets géographiques (bâtiments, routes, etc.). Ces déformations sont obtenues en s'appuyant sur une décomposition des champs en petits éléments contraints (points, segments, triangles, etc.) et sur une modélisation des points composant les champs sous forme d'agents. Couplé au modèle de (Ruas et Duchêne, 2007), le modèle GAEL permet de disposer d'un modèle de généralisation hybride, capable d'effectuer à la fois des opérations discrètes et continues / Geographic data generalisation is the process of simplification of these data when their representation scale decreases. This thesis is based on the automated generalisation model of (Ruas et Duchêne, 2007), which has been successfully applied to the generalisation of discrete geographic objects (buildings, roads, etc.). Our purpose is to take into account a new kind of themes, the "field themes", such as the relief and the land use cover. These themes have the specificity to be defined at each point of the space. We aim at preserving the relationships between geographic objects and fields, such as for example, the fact that a river should flow down on the relief. To reach this goal, we propose a generalisation model called GAEL (Generalisation based on Agents and Elasticity). This model allows to apply deformations to the fields in order to preserve the object-field relationships. Fiels are modelled as "elastic agents", which are able to deform themselves to propagate the generalisation operations applied on the geographic objects (buildings, roads, etc.). These deformations are performed by using a decomposition of the fields into small constrained elements (points, segments, triangles, etc.) and by modelling the points composing the fields as agents. Because it is merged with the model of (Ruas et Duchêne, 2007), the GAEL model offers a hybrid generalisation model, able to manage both discrete and continuous operations

Cette thèse traite de l'automatisation de la généralisation cartographique qui est le procédé de simplification d'une base de données géographique vectorielle pour sa représentation sur une carte lisible. La recherche dans le domaine a abouti aujourd'hui au développement de nombreux processus automatiques de généralisation cartographique, chacun étant spécialisé pour un problème particulier comme un type de paysage, un thème de donnée, un type de conflit ou un mélange des trois (proximité entre bâtiments en zone urbaine). L'objectif de cette thèse est de tirer parti de cette diversité pour mettre en place la généralisation complète d'une carte en faisant collaborer des processus de généralisation complémentaires. Pour répondre à cet objectif, nous proposons le modèle CollaGen (Collaborative Generalisation) qui permet, par un système multi-agent, la collaboration des processus : les données sont découpées de manière pertinente par rapport aux processus à disposition en espaces géographiques (une zone urbaine ou le réseau routier par exemple) ; la généralisation d'un espace par un processus est ensuite orchestrée par CollaGen. CollaGen associe de manière itérative un espace à généraliser et un processus adapté, notamment par un mécanisme de registre type pages jaunes. L'interopérabilité entre les processus est assurée par une ontologie du domaine sur laquelle s'appuie un format de spécifications formelles d'une carte généralisée. Chaque généralisation est évaluée globalement en temps réel pour permettre un retour en arrière en cas de problème. Enfin, du fait du principe de découpage en espaces, CollaGen doit vérifier après chaque généralisation si des effets de bord sont apparus avec les objets géographiques situés juste à l'extérieur de l'espace, auquel cas il les corrige au mieux. Dans, cette thèse, le modèle CollaGen est mis en œuvre pour la généralisation de cartes topographiques (notamment au 1 : 50000) et les résultats sont comparés à d'autres approches et discutés

Une carte multi-échelle est un ensemble de cartes à différentes échelles, dans lequel l’utilisateur peut naviguer via un géoportail. Chacune de ces cartes est préalablement construite par généralisation cartographique, processus qui adapte la représentation cartographique à une échelle donnée. Les changements de représentations qu’implique la généralisation entre deux cartes à différentes échelles sont susceptibles de perturber l’utilisateur, rendant sa navigation plus difficile. Nous proposons dans cette thèse d’ajouter des représentations intermédiaires dans une carte multi-échelle existante, pour créer une évolution plus fluide du contenu cartographique au fil des échelles. Alors que de solides connaissances théoriques existent pour la conception cartographique traditionnelle, on ne sait pas encore comment concevoir une carte multi-échelle efficace. Pour formaliser des connaissances à ce sujet, nous avons étudié un panel de seize cartes multi-échelles existantes. Nous avons analysé les systèmes de zoom utilisés ainsi que l’évolution des représentations cartographiques au fil des échelles, en particulier les changements de niveaux d’abstraction pour les objets bâtis et routiers. Nous avons aussi évalué la variation de complexité visuelle du contenu cartographique au fil des échelles, en utilisant des mesures de clutter visuel. Nous avons ainsi identifié les tendances générales en termes de représentations multi-échelles (comme l’application du standard WMTS), certains facteurs que nous considérons comme ayant une influence négative sur la navigation de l’utilisateur (comme l’utilisation d’une même carte à différentes échelles), ainsi que des pratiques intéressantes visant à la faciliter (comme les représentations mixtes). A partir de ces constats, nous avons formulé des hypothèses sur l’influence des variables de construction des représentations intermédiaires sur la fluidité de navigation. Nous avons construit un matériel de test à partir d’un extrait de la carte multi-échelle Scan Express de l’IGN, entre les cartes existant au 1 : 25k et au 1 : 100k. Nous avons ainsi produit quatre versions différentes de représentations intermédiaires entre ces deux cartes, implémentant nos différentes hypothèses. Cet exercice nous a permis de mieux cerner les verrous techniques que soulève la production de représentations intermédiaires. Nous avons enfin conduit un test utilisateurs contrôlé, en demandant à 15 participants de réaliser une tâche cartographique sur ces différentes cartes multi-échelles, pour évaluer la pertinence de nos hypothèses / A multi-scale map is a set of maps at different scales, displayed on mapping applications, in which users may navigate by zooming in or out. Each of these maps is produced beforehand by cartographic generalization, which aims to adapt the cartographic representation for a target scale. Due to generalization, the representation changes between maps at different scales may disturb the user during its navigation. We assume that adding intermediate representations in an existing multi-scale map may enable a smooth evolution of cartographic content across scales. While theoretical knowledge exists for traditional cartography, we still do not know how to design efficient multi-scale maps. To formalize knowledge on that subject, we studied sixteen existing multi-scale maps. We focused on the used zooming system (zoom levels and display scales) and on the evolution of cartographic representations across scales, in particular for building and road entities. We also analyzed the variation of visual complexity of the map content across scales, using visual clutter measures. We thus identified general trends in terms of multi-scale representation (i.e. use of WMTS standard), some potential disturbing factors (i.e. use of a same map at different scales), but also good practices which may ease the user navigation (i.e. mixed representations). Based on these findings, we made assumptions on the influence of intermediate representations design on user navigation. We built test material from an extract of the Scan Express multi-scale map of the French IGN, between the existing maps at 1:25k and 1:100k scales. We thus produced four different versions of intermediate representations between these two maps, implementing our different hypotheses. This way, we highlighted the technical issues that we faced when producing intermediate representations. Finally, we conducted a controlled user study, asking 15 participants to perform a cartographic task on these different multi-scale maps, to evaluate our hypotheses

Rôle de la généralisation cartographique dans les systèmes de production des cartes assistée par ordinateur dans les systèmes d'information géographique. On espère contourner les difficultés de la généralisation cartographique (GC) partiellement en faisant appel à la méthodologie des systèmes experts. Quelques algorithmes de modélisation basés sur la compréhension des éléments géographiques dans leur ensemble sont décrits. On propose une représentation des connaissances par l'utilisation conjointe de plusieurs techniques : représentation par objets, raisonner avec des règles, tout en associant des composants procéduraux. On décrit ensuite le fonctionnement d'un petit moteur d'inférence non monotone, du premier ordre, fonctionnant en chaînage avant, réalisé en Lisp. Enfin nous donnons quelques résultats de la généralisation sur un exemple réel à l'aide d'illustrations graphiques sorties par le module en post script.