Cartographie du réseau Openflight de relations mondiales

La cartographie de relations mondiales souffre de problèmes graphiques spécifiques à ce type de données, à leur échelle géographique d’analyse, leur résolution notamment. Ces problèmes caractérisent, au sens général, un effet spaghetti qui témoignent de problèmes de représentation d’ordre graphique, mais pas seulement.

Cet effet est parfois si prégnant, et difficile à appréhender que l’information est souvent filtrée arbitrairement, avant de pouvoir être représentée, la zone d’étude limitée, réduite, recadrée… Pour explorer quelques possibilités de géo-visualisation de ces données, nous présentons des travaux réalisés à partir d’un même jeu de données (la base de données Openflightdata) appréhendée selon différentes perspectives.

Une première approche essentiellement cartographique est présentée sur le carnet de recherches Neocarto ici ; elle décrit un travail ancien mené au sein du groupefmr par Laurent Beauguitte, Serge Lhomme et moi-même, qui a donné lieu à une communication à l’ECTGQ en 2013. Une seconde approche, orientée cartographie web interactive, s’inscrit dans le registre de la Théorie des graphes, elle est présentée ci-dessous.

Explorer des relations aériennes mondiales

Les données dont il est question sont bien connues du groupefmr, car elles proviennent du site de l’Openflightdata, proposant librement un jeu de données formé de relations aériennes mondiales inter aéroports ou internationales.

L’intérêt porté à ces données est qu’elles font l’objet d’une application mise en ligne dans l’année, dénichée dans le cadre du projet geographic flows visualization (gFlowiz) explorant la représentation de flux et de réseaux dans le geoweb.

IATA Map Airport web application

L’application web IATA Map Airport, réalisée par Matthieu Totet, est accessible sur son site ici. L’objectif est de permettre d’explorer les données relationnelles de IATA (2017), en les géo visualisant de manière interactive; Il est en effet possible de cliquer sur les cercles symbolisant les aéroports représentés pour voir afficher leur réseau aérien.

L’image produite est franchement jolie. Présentée sur un fond noir, on devine, grâce à la position des sommets, un fond de carte … muni d’une projection de Mercator !. C’est dommage mais non fondamental ici. L’affichage des “routes” donne à voir une imbrication de lignes droites, décrivant des relations aériennes et des points, tous deux dans des tons blancs et bleutés (voir Fig. 1).

Fig. 1 : Les relations aériennes de l’Openflight data (Totet, 2018)

Le simple affichage de ces lignes donne à voir l’alternance terre-mer, le dessin des continents et comme un effet général structurant de ces flux à l’échelle mondiale. De grandes régions se distinguent également à cette échelle (l’Amérique du nord, l’Europe, l’Asie), de même que des sous-régions traduisant l’existence de certaines relations intra régionales nombreuses, dans certaines zones du monde, probablement aussi un effet de maillage des aéroports sélectionnés.

Les lignes semblant plus nombreuses dans le tiers supérieur de l’image, posent l’hypothèse de la manifestation de différents effets statistiques, que l’on peut également expliciter au niveau géographique et cartographique – ces derniers sont évoqués sur Neocarto ici . Tous ces effets génèrent une complexité visuelle qui rend difficile l’analyse thématique directe de ces relations.

Pour aller au-delà de la simple contemplation de cette image, dont on reconnait le fort impact visuel, l’esthétique, l’application permet d’aller un peu plus loin en proposant d’explorer le réseau sous-jacent, en le filtrant et en le représentant en mobilisant des notions de sémiologie.

Un double filtrage original

L’application propose un premier filtrage en ne proposant que les relations impliquant les 100 premiers aéroports. Le choix de cette valeur de ce seuil, n’est hélas pas explicitée, alors qu’elle entraîne l’élimination d’une quantité importante d’information (de très nombreux aéroports dont la présence à l’échelle mondiale est jugée insignifiante).
Les 100 plus gros aéroports devraient générer théoriquement quelques 9 900 lignes s’il sont tous reliés entre eux, mais la densité de la matrice n’est pas mentionnée. Et puis, il y a peu de chances que tous ces aéroports soient liés. Quoi qu’il en soit, ce seuil ne résout pas le problème de complexité graphique de la Fig 1., mais ce n’est pas bien grave

Ce réseau étant assimilable et assimilé à un graphe (voir : G comme graphe), différentes acceptions de la centralité (voir : C comme centralité(s) sont mobilisées par l’auteur pour l’épurer.

Le poids des nœuds est ainsi représenté par la centralité de vecteurs propres (eigen-vector centrality), qui mesure la manière dont un nœud est connecté aux autres nœuds, présentant également une centralité de degré élevée, c’est-à-dire à ceux qui sont également fortement connectés avec d’autres nœuds (aux aéroports qui présentent de nombreuses relations au sein du graphe).

Cependant, ce poids (dont on devine la valeur discrète) aurait dû être utilisé pour faire varier la surface des cercles de manière proportionnelle, ce qui n’est apparemment pas le cas (Fig. 2). Du coup, lorsque l’on essaie de représenter le réseau des aéroports importants (hors teinte), les cercles sont assez mal discriminés, la hiérarchie est mal perçue et c’est dommage.

Fig. 2. Centralités de degré du réseau mondial (exemple de l’Europe occidentale)

La teinte des cercles représente la centralité d’intermédiarité (betweenness centrality) qui correspond au nombre de plus courts chemins du graphe passant par ce nœud. On voit tout de suite ici un gros gros problème de sémiologie (voir Fig. 3) … qui renforce le précédent, et explique les difficultés de perception de cette distribution des aéroports. Vraiment dommage. Il est difficile d’aller plus loin dans cette direction, en l’absence de données.

Fig. 3. Centralités d’intermédiarité du réseau mondial de lignes aériennes

Les sommets qui ont une forte centralité d’intermédiarité sont ainsi représentés en bleu , ils représentent les « points de passages importants » du réseau, les hubs, qui se distinguent des cercles nuancés de bleu et de tailles plus petites, correspondant aux aéroports secondaires.

Le ton bleu est ainsi associé aux aéroports les plus importants, desquels partent des lignes aériennes également bleutées (Fig. 3). Comme on ne voit aucune valeur associée aux liens, il aussi difficile d’aller bien loin.

Sur le plan de la visualisation, l’application permet également d’isoler un aéroport en particulier et de visualiser son réseau de relations (Fig. 4).

Fig. 4. Exemple du réseau mondial de lignes aériennes de l’aéroport Charles de Gaulle (France)

Billets liés :

C comme centralité(s)
G comme graphe

Références liée :
Neocarto (2018), Exploration cartographique de relations mondiales : ici

---

---