Récupération d’information géographique (geographic information retrieval)

4Nous sommes en présence d’un changement de paradigme : le problème type n’est plus de rechercher ce qu’il y a en un point dans une base de données géographiques, mais sur Internet tout entier. Ce problème peut s’étendre facilement à une zone, ou une recherche de chemin optimal multimodal. La résolution de ces problèmes nécessite de recourir au « geocoding », « geonaming », « geoparsing », ou encore à des répertoires de toponymes tels que le geotagging et l’indexation spatiale. En effet, selon Ross S. Purves et al. (2007), une étude a montré que 85 % des documents contenaient des informations géographiques, et 15 % des requêtes étaient géographiques.

5Sous le terme de geocoding, il s’agit d’affecter les coordonnées (au sens longitude-latitude) à un lieu en partant de son nom, par exemple la Tour Eiffel, ou Paris.

6Le geonaming correspond à l’opération inverse, c’est-à-dire donner un nom à un lieu en cliquant sur un point donné : ce peut-être un bâtiment, la commune où il se trouve, le canton, le département, etc.

7Le rôle du geoparsing est tout autre. Il s’agit d’analyser un texte (par exemple, une page web) pour en extraire les références de lieu. Dans un premier temps, face à un mot, il faut savoir s’il s’agit réellement d’un lieu, et si c’est le cas, lequel ? L’exemple classique est « Washington ». S’agit-il du général George Washington, de la capitale des États-Unis, ou de l’État de Washington, ou bien de l’une des multiples villes appelées ainsi aux États-Unis, ou encore d’autres personnes portant ce nom ?

8Une autre fonction du geoparsing est de produire une carte à partir d’un texte. Il s’agit par exemple à partir d’un texte décrivant des prévisions météorologiques de type « Au nord d’une ligne Bordeaux-Strasbourg, il pleuvra. Sur la façade est, il neigera et sur les régions allant de l’Aquitaine à Nice, il fera beau, sauf une poche sur le Pays Basque avec des nuages » de produire une carte de la situation météorologique.

9Dans ce but, un élément important est l’existence d’un répertoire de toponymes (gazetteer [3] en anglais) lié à une ontologie géographique (réseau sémantique de termes). De fait, il s’agit d’une base de données répertoriant des termes géographiques regroupés en catégories (villes, fleuves, etc.), leurs variantes d’écriture (Saint-Étienne et St Etienne), les noms dans différentes langues (Venise, Venezia, Venice, Venedig, etc.), les anciens noms (comme Byzance, Constantinople, Istanbul), sans oublier la forme géométrique (le Paris du xix^e?siècle est plus petit que celui d’aujourd’hui). C’est grâce à un tel outil que l’on pourra distinguer le Rhône comme fleuve ou comme département.

10Un autre exemple, difficile, est l’analyse du portail d’une agence de voyage : on y trouve une foule de lieux de destinations touristiques : distinguer entre les offres de différents lieux de séjour (adresses des hôtels) et la localisation même de l’agence (adresse postale de celle-ci) est délicat du point de vue sémantique.

11Par « geotagging », on dénomme les annotations géographiques. Sous ce vocable, existent plusieurs catégories d’annotations. La plus simple est l’annotation localisée : à un endroit précis, une annotation est mise, par exemple une explication sur un lieu touristique. Il existe aussi des annotations géographiques d’images et de vidéos qui sont techniquement plus compliquées. L’annotation peut être portée sous forme de texte, d’images, de sons, de vidéos, etc.

12Dès lors, chaque document se voit attribuer une empreinte spatiale, généralement un polygone, soit le contour exact ou approximatif, par exemple pour un document sur la Corse, ou encore le rectangle englobant minimum de l’empreinte spatiale du document. Répondre à une requête revient à déterminer, d’une part sa pertinence thématique, selon les procédés classiques des moteurs de recherche textuelle (dimension thématique) et, d’autre part, sa pertinence spatiale généralement liée à l’intersection entre l’empreinte du document et la zone de requête (dimension spatiale), comme expliqué figure 1.

Fig. 1

Classification des documents géographiques selon deux indicateurs : thématique et spatial

Classification des documents géographiques selon deux indicateurs : thématique et spatial

A : Pertinence spatiale liée à l’intersection entre les empreintes des documents et la zone de requête ; B : Représentation des pertinences selon deux axes, les plus pertinents étant ceux qui approchent le maximum selon les deux indicateurs.

13Ainsi, à partir d’une question du type « Je recherche les châteaux à Zurich », il s’agira :

• grâce à l’indexation classique de type textuel (mots-clés) de retrouver le terme château dans différentes langues ;
• grâce à l’indexation spatiale, de délimiter les documents relatifs à la ville de Zurich, éventuellement complétés par les villes du voisinage.

14Le langage SpatialML [4], développé par la Mitre Corporation [5], est un langage de balises qui permet d’annoter les lieux et les relations spatiales. Dès lors, à côté du texte original, une version annotée avec ce langage est générée, ce qui facilitera la recherche (Mani et al., 2010). Le principe est le suivant : chaque page web est analysée de manière à y retrouver les termes géographiques, les noms de lieux et les relations géographiques entre eux. Une fois ces éléments découverts, la page initiale est complétée par des annotations décrites avec les termes tags du langage SpatialML. Dans l’exemple de l’article d’Inderjeet Mani et al. (2010), on y retrouve les tags « place » pour déterminer une localisation, et des tags « signal » qui permettent de donner des indications complémentaires [6].

Villes à trois dimensions

15La représentation des villes à trois dimensions est un sujet à part entière aujourd’hui pour de multiples utilisations. À partir de photos aériennes multiples à haute résolution (pixel de l’ordre de 5 à 15 cm au sol), il est possible de générer un modèle tridimensionnel d’un bâtiment, et par conséquent d’une ville entière.

16Pour une municipalité, disposer d’un modèle générique de l’ensemble de sa ville s’avère un atout indispensable pour de multiples applications comme la simulation des niveaux de bruit (ou d’autres pollutions) en trois dimensions, c’est-à-dire non seulement à la hauteur d’un piéton, mais aussi aux divers étages ; la modélisation des inondations, où sont simulées les hauteurs d’eau partout dans la ville y compris en souterrain ; la modélisation des autres risques environnementaux comme les tremblements de terre, et la visualisation de leurs conséquences ; ou la figuration de l’impact visuel d’un grand équipement, etc.

17Mais d’autres acteurs peuvent bénéficier de telles représentations. Parmi les pistes, signalons la possibilité, pour les agents immobiliers, de permettre aux acquéreurs potentiels d’avoir une idée claire de l’environnement d’un bien ; pour des touristes, d’avoir une vue précise des monuments et des endroits à visiter ; pour les opérateurs de téléphonie mobile, de trouver les lieux idéaux pour installer les antennes ; ou encore pour des archéologues, de visualiser ou mieux modéliser une ville à différentes époques…

18L’initiative allemande CityGML [7] s’est donné pour objectif de représenter les villes en trois dimensions. Afin de permettre différents niveaux de modélisation, plusieurs niveaux de détails (Lod = levels of details) ont été définis, et ceci pour deux raisons distinctes. D’abord parce que la résolution avec laquelle les données ont été prises et stockées est variable ; la seconde parce que l’on souhaite pouvoir « dégrader » volontairement la représentation des objets urbains et des bâtiments les plus éloignés, ce qui permet d’envoyer moins d’information sur le réseau et d’obtenir des temps d’affichage plus rapides. Quatre niveaux de détails sont définis (cf. figure 6 de Laurini, Servigne, 2008) :

• Lod 0 (modèle dit régional) : il s’agit d’un modèle numérique de terrain (2.5D [8]) permettant de monter l’ensemble d’un paysage à partir de données issues essentiellement de lasers aéroportés ;
• Lod 1 (modèle dit urbain) : les bâtiments y sont schématisés sous forme de blocs sans structures de toit, donnant une idée de la répartition de la hauteur des bâtiments ; les données proviennent du cadastre et de laser aéroporté ; sont intégrées aussi des données provenant de photogrammétrie verticale, mécanisme qui sera expliqué plus loin ;
• Lod 2 (modèle urbain) : il ajoute au précédent des textures pour les façades et les toitures (photogrammétrie oblique) ;
• Lod 3 (modèle urbain) : même modèle que précédemment mais comportant un niveau plus détaillé du point de vue architectural ;
• Lod 4 (modèle intérieur) : modèle architectural « parcourable », c’est- à-dire avec un modèle de l’intérieur des bâtiments.

19Pour obtenir les coordonnées d’un point à partir de photographies aériennes, on procède de la sorte : un avion dont la trajectoire est stabilisée horizontalement prend des clichés verticaux à intervalles serrés avec une caméra à très haute résolution. Ainsi un même lieu est photographié jusqu’à une dizaine de fois (Leberl, 2007). Ensuite, sur chaque photographie sont lancés des algorithmes de traitement d’image qui vont repérer les changements de couleurs, et notamment les segments de droite, séparations entre deux couleurs : ces segments préfigureront dans de nombreux cas les arêtes des bâtiments, et les intersections entre deux segments sont appelées points d’intérêt. Grâce à deux photographies du même bâtiment prises selon deux angles différents, il est possible d’estimer les coordonnées x, y, z d’un même point d’intérêt (Leberl, 2007) ; la précision sera plus grande avec plusieurs photographies. Ensuite, en analysant les mêmes points d’intérêt de plusieurs images consécutives, il est possible de déterminer des polygones qui préfigureront les toits, les façades, etc. Étant donné les principes de cohérence d’un bâtiment, il est possible de coupler les points d’intérêt (Leberl, 2007). Une fois ces correspondances effectuées, un modèle 3D du bâtiment est extrait. De plus, par l’analyse des textures des polygones, on extraira les textures des toitures et des façades.

20La grande difficulté est de réitérer ces mêmes opérations, non pas pour un seul bâtiment, mais pour l’ensemble d’une ville. On constatera que dans le cas des bâtiments situés le long des « canyons urbains », les clichés des parties basses sont souvent inutilisables, si bien que la modélisation des textures le long des rues laisse à désirer. C’est sur ces principes que sont acquises toutes les informations pour les systèmes Bing (Microsoft) et Google Earth 3D.

Les navigateurs géographiques (geobrowsers)

21Si les moteurs de recherche classiques sont basés sur du texte, les geobrowsers se présentent comme des moteurs de recherche ou des navigateurs basés sur les objets géographiques : à partir d’une carte, l’utilisateur peut retrouver ce qu’il recherche, par exemple un hôtel.

22À l’heure actuelle, les geobrowsers les plus utilisés sont Google Earth (de la société Google) et Bing (initialement appelé Virtual World de la société Microsoft).

23En 2004, a été lancé Google Earth [10], lequel a été téléchargé des millions de fois. Au fur et à mesure, les utilisateurs de Google Earth ont apporté leur contribution (images, modèles 3D, etc.) au logiciel. Rappelons que l’objectif de la société Google est d’organiser les savoirs du monde entier et de les rendre disponibles et accessibles universellement. Face à cet objectif, la carte du monde proposée par Google est une base sur laquelle s’accumulent tous les renseignements recueillis. En d’autres termes, cette carte est un chemin d’accès à tout type d’information localisée, c’est-a-dire une voie « royale » pour la recherche d’informations localisées. Un complément d’annotation intéressant est Panoramio [11] qui permet d’adjoindre des photographies localisées.

24De son côté, Microsoft a acheté en mai 2006 la société Vexcel, qui possédait un grand savoir-faire en photogrammétrie tridimensionnelle (notamment grâce à sa caméra UltraCam-X qui peut prendre des images de 216 mégapixels au rythme de 3?gigabits par seconde, avec des précisions de l’ordre de 4 cm par pixel). C’est ainsi qu’est né le projet Virtual Earth de Microsoft (appelé maintenant « Bing » [12]) qui couvre actuellement de nombreuses villes américaines. On pourra constater en visitant le site le caractère saisissant du réalisme ainsi obtenu [13]. Nous invitons le lecteur à installer Bing sur sa machine, et à se diriger par exemple vers « Manhattan » afin d’avoir l’impression d’être comme un oiseau sur cette ville.

25Le site StreetView [14] de Google est différent : son objectif est de naviguer, non plus comme un oiseau, mais comme un piéton dans les rues. La plupart des villes d’Amérique du Nord et d’Europe sont couvertes. Sous le vocable de géo-panoramas StreetView, les applications possibles [15] sont toutes celles où il est nécessaire d’effectuer des analyses d’impact, lors de l’insertion dans le paysage de projets immobiliers, d’entreprises, etc. Une autre famille d’applications tourne autour des activités touristiques pour voir l’environnement d’un hôtel, d’un monument historique, etc. Pour terminer sur ce point, les geobrowsers sont probablement en train de renouveler la recherche d’information.

Les mash-ups

27Le terme « mash-up » est originellement une expression désignant un mélange de musiques. Il a été repris en informatique pour exprimer le fait de mélanger des données provenant de sources différentes, par exemple de plusieurs bases de données.

28La société Google a popularisé le langage Klm [16], depuis normalisé par l’Ogc [17], afin de faciliter la création de cartes sur lesquelles l’utilisateur peut adjoindre ses propres données. Google fournit ainsi des fonds de cartes du monde entier sur lesquels chacun peut ajouter des objets géographiques et des annotations. Ci-dessous on trouvera un programme Kml permettant d’obtenir la figure 2.

Fig. 2

Exemple d’application du langage Kml. Les parties en rouge sont les plus importantes.

Exemple d’application du langage Kml. Les parties en rouge sont les plus importantes.

29De plus, il existe une possibilité de créer des mash-ups sans connaître la programmation Kml, simplement par une série de clics, à condition de posséder un compte chez Google. Dès lors, sont générées, au choix, une adresse Url que l’on pourra insérer dans un courriel, ou bien une séquence Html qui pourra être insérée dans une page web ; c’est cette deuxième solution qui est généralement adoptée par un nombre immense de sociétés, d’universités, d’hôtels et de restaurants pour insérer leur plan d’accès dans leurs pages web.

30Parmi les mash-ups [18], on trouvera des applications comme des circuits de dégustation de vins, les routes jugées dangereuses, des hôtels bon marché, des cartes d’inondations, de pollution, des lieux mentionnés dans la Bible, etc.

Les systèmes d’information géographique basés sur le volontariat

31Par la technique des annotations, tout le monde peut insérer des compléments d’information. Par exemple, le projet d’OpenStreetMap [19] permet à chacun d’ajouter des informations localisées. C’est donc une nouvelle vision dans l’esprit du Web 2.0 où ce ne sont plus seulement des experts qui donnent à lire, mais où chacun peut contribuer à sa guise. Bien évidemment se posent des problèmes de contrôle de qualité, d’éthique et de confidentialité.

Les capteurs

32Une autre direction est celle qui utilise des capteurs en temps réel connectés à Internet, capteurs mesurant la température, la qualité de l’air, le niveau de bruit, la vitesse et la direction du vent. Dans le projet CitySense [20], chacun peut raccorder son propre capteur et ainsi contribuer à donner des visions différentes de celles fournies par des experts.

33Mais comme chaque conducteur d’automobile laisse une trace de son passage, des recherches actuelles utilisent ces traces pour déterminer les embouteillages à partir des vitesses des véhicules ou connaître les déplacements de masse. Ainsi, d’après Michael Franck Goodchild (2007), l’utilisateur devient lui-même un capteur.