DIOGEN, a multi-level oriented model for cartographic generalization

Résumé : Nous nous intéressons aux approches dédiées à la généralisation automatique basées sur le paradigme multi-agents: les objets cartographiques sont modélisés comme des agents (objets autonomes) qui s'appliquent des algorithmes de généralisation pour satisfaire des contraintes cartographiques. Plusieurs niveaux d'agents sont considérés, par exemple des agents individuels, comme un bâtiment, et des agents représentant un groupe d'agents, comme un îlot urbain composé des routes qui l'entourent et des bâtiments qu'il contient. Plusieurs modèles multi-agents ont été proposés pour automatiser l'orchestration d'un processus de généralisation. Les modèles existants gèrent différemment les relations entre les niveaux d'agents. Dans cet article, nous travaillons sur l'unification des modèles existants. Nous simplifions les interactions entre agents des différents niveaux en adaptant un modèle agent récemment défini pour la simulation, et qui met l'accent sur la modélisation du multi-niveau. La modélisation des interactions entre niveaux issue de ce modèle est adaptée au cas de la généralisation cartographique guidée par des contraintes. Le modèle résultant s'appelle DIOGEN. Il unifie trois modèles de génralisation existants (AGENT, CartACom et GAEL), permettant de combiner leurs comportements et leurs capacités. Notre proposition est évaluée sur des cas concrets de cartographie topographique, ainsi que sur de la cartographie conjointe d'itinéraires de randonnée et de données topographiques qui constitue un exemple de cartographie thématique.
Liste complète des métadonnées

https://hal.inria.fr/hal-01536627
Contributeur : Cristal Equipe Smac <>
Soumis le : lundi 12 juin 2017 - 09:19:30
Dernière modification le : jeudi 11 janvier 2018 - 06:27:22

Identifiants

Citation

Adrien Maudet, Guillaume Touya, Cécile Duchêne, Sébastien Picault. DIOGEN, a multi-level oriented model for cartographic generalization. International Journal of Cartography, Taylor & Francis, 2017, 3 (1), pp.121-133. 〈http://www.tandfonline.com/doi/full/10.1080/23729333.2017.1300997〉. 〈10.1080/23729333.2017.1300997〉. 〈hal-01536627〉

Partager

Métriques

Consultations de la notice

204