A propos Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

S comme symétrique

Ces billets visent à définir le plus clairement et le plus précisément possible des termes clés en analyse de réseau. Ils s’adressent à un public débutant et évitent autant que possible toute formalisation mathématique (pour cette dernière, voir les synthèses fmr sur Hal-Shs).

Le caractère symétrique (ou pas) d’un tableau de données relationnelles est une caractéristique fondamentale qui ne s’apprécie que pour les matrices carrées (voir M comme matrice) pour lesquelles la diagonale à un sens. Une matrice n’est, en effet, symétrique que par rapport à sa diagonale principale.

Lorsque les valeurs situées de part et d’autre de la diagonale d’une matrice sont identiques, alors cette matrice est dite symétrique sinon elle est asymétrique. Une matrice symétrique n’a donc pas besoin d’être symétrisée (!).

Les deux sous-parties d’une matrice asymétrique sont dites triangulaires supérieure (pour la partie située au-dessus de la diagonale) et inférieure (pour la partie située sous la diagonale).

Symétriser une matrice consiste donc à appliquer un opérateur, du moins dans le cas général, entre ces deux sous-parties triangulaires. Elle diffère 1) de la transposition trans(F) qui consiste à permuter deux à deux les éléments situés de part et d’autre de la diagonale ; et 2) de l’antisymétrie qui consiste à prendre la négative de la transposée : une matrice (F) est antisymétrique si trans(F) = -(F).

On notera donc qu’une matrice symétrique est égale à sa transposée : trans(T)=(F) ; une matrice symétrisée, ou symétrique, est donc réduite à une matrice triangulaire.

Plusieurs approches de la symétrie peuvent être mises en œuvre, en voici deux appliquées à deux sous-parties (Fij et Fji) d’une même matrice (F).

1) L’approche algébrique fait généralement appel aux opérations ordinaires telles que la somme : (Fij+Fji) ; la différence : (Fij-Fji) ou encore la moyenne arithmétique : (Fij+Fji)/2.

2) L’approche logique fait appel à la théorie des ensembles : l’union correspond au Max(Fij, Fji) et l’intersection au Min(Fij,Fji).

Pour conclure, si une première matrice (F) est symétrique et une seconde matrice (X) est quelconque, alors les matrices (F), (X) et (transF) sont symétriques ; (transx), (X) et ( F) sont également symétriques tout comme (F) et trans(F), et aussi (X) et trans(X). On notera aussi que toute matrice diagonale est symétrique puisque toutes les valeurs des parties triangulaires (donc hors diagonale) sont nulles.

Billets liés : F comme flux, T comme transposée, L comme lien, M comme matrice

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Ateliers 2013 du séminaire Réseaux Sociaux (EHESS-INED)

Le séminaire consacré aux Réseaux Sociaux, proposé par le Laboratoire de Démographie Historique (LaDéHis) de l’EHESS propose en collaboration avec le Pôle méthodologique Analyse des données relationnelles et des réseaux sociaux (ADR) de l’INED, trois ateliers consacrés aux Approches des réseaux sociaux, à l’Analyse des données relationnelles et aux Acteurs, institutions et réseaux.

Les prochaines séances des ateliers, sont les suivantes  :

1) Approches des réseaux sociaux

par Pascal Cristofoli (EHESS) ; Frédéric Gannon (Univ. Le Havre) ; Florence Maillochon (CNRS) ;  Zacarías Moutoukias (Univ. Paris VII) ; Christophe Prieur (Univ. Paris VII) et Marie-Carmen Smyrnelis.

Journée n°02 : 18/04/2013 Identités familiales et réseaux de parenté (EHESS, salle conseil B, J190 Av. de France 75013 Paris)

Journée n°3 : 13/06/2013Identités spatiales et réseaux géographiques (EHESS, salle 8, 105 Bd Raspail, 75006 Paris)

2) Analyse des données relationnelles

par Pascal Cristofoli (EHESS) ; Arnaud Bringé et Bénédicte Garnier (INED).

Journée n°02 : 19/04/2013Analyser la structure d’un réseau

Journée n°03 : 14/06/2013Conduire une analyse de données relationnelles.

–> Les séances sont libres et gratuites, aussi est-il vivement conseillé de s’inscrire.

Les renseignements peuvent être obtenus auprès de Pascal Cristofoli (cristofo<at>ehess.fr)

Pour en savoir plus, c’est par ici

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

F comme flux

Ces billets visent à définir le plus clairement et le plus précisément possible des termes clés en analyse de réseau. Ils s’adressent à un public débutant et évitent autant que possible toute formalisation mathématique (pour cette dernière, voir les synthèses fmr sur Hal-Shs).

Au sens général, le flux est la mesure d’une quantité (de personnes, de déplacements, de biens…) qui s’est déplacée entre deux entités pendant une période de temps [t1 – t0]. Il s’agit donc d’une donnée multidimensionnelle qui implique quatre composantes : une thématique (z), deux spatiales (x,y) et une temporelle (t). La donnée de flux est enregistrée dans un tableau croisé : la matrice de flux (voir M comme matrice) qui est appréhendée comme un graphe valué. Nous limitons notre propos dans ce billet à la présentation des graphes simples (voir S comme (graphe) simple) valués, à celle des flux spatialisés qui se sont produits sur une période, entre des couples de lieux d’origine et de destination.

La distinction entre les deux grands types de flux est effectuée grâce aux notions de franchissement de limite de zone d’un découpage (ou maillage) territorial et d’orientation. La limite de zone est la « frontière » qui sépare les couples d’origine et de destination, elle peut être appréhendée comme un point (un poste douanier, par exemple), une ligne ou une surface (limite, périmètre des communes). L’orientation correspond au sens du flux (aller ou retour). Ainsi, un flux qui a franchit une limite de zone est un flux inter zone ou externe ; à l’inverse, un flux qui ne franchit pas une limite de zone est intra zone, intra zonal ou interne.

La figure suivante reprend l’exemple d’une matrice 3*3(ici) pour illustrer les types de flux.

Les flux inter zones ont franchi au moins une limite de zone, à l’intérieur du périmètre de l’espace d’étude. A l’inverse, les flux internes portent sur des déplacements qui n’ont pas franchi de limite de maille. Il s’agit de flux qui se sont donc produits à une échelle spatiale inférieure. Les flux intra régionaux, par exemple, se sont produits entre les départements de la région concernée : puisqu’ils ont franchi la limite départementale, ils sont inter départementaux et, forcément, intra régionaux (ils sont restés à l’intérieur du périmètre régional). Considérer les flux intra zones suppose donc d’avoir accès à une mesure des flux et au découpage territorial correspondant situés à une échelle spatiale inférieure.

Les flux inter zones sont archivés dans les cases de la matrice situées de part et d’autre de la diagonale principale quand les flux intra zones sont situées sur celle-ci.

Si le flux correspond à un aller-retour entre deux lieux, il est dit bilatéral ou à double sens, sinon il est unilatéral. A noter qu’il n’est pas d’usage d’employer de qualificatif pour désigner des flux unilatéraux, on parle de flux tout court. Disposer de flux bilatéraux signifie l’existence de deux valeurs de flux entre un même couple de lieux. Ces deux valeurs sont alors portées de manière symétrique sur les cases situées de part et d’autre de la diagonale principale. A noter que ces deux valeurs peuvent être identiques auquel cas les flux sont symétriques, sinon ils sont asymétriques. Dans la réalité, les flux sont généralement asymétriques car il y a peu de chances que la valeur d’un flux soit égale à celle de son reflux.

Billets liés : D comme (flux) dominant, D comme distance, L comme Lien, M comme (flux) majeur, M comme matrice, S comme simple, S comme sommet, S comme symétrique.

Retour au glossaire

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

[Renatis – formation] visualiser les données numériques en SHS

Les très grandes infrastructures de données Adonis et Corpus-IR, en cours de fusion, organisent du 23 au 26 septembre 2013 à Fréjus une formation intitulée « Visualiser les données de la recherche en SHS : un nouvel horizon pour les humanités numériques ?« 

Cette formation est ouverte à tous et il est conseillé de s’inscrire. Les frais d’hébergement sur place (à Fréjus) sont pris en charge par le CNRS, les frais de déplacement sont à la charge des participants non CNRS.

Résumé de la formation :

La formation permettra aux participants d’avoir une vue générale de l’état de l’art dans le domaine de la visualisation de corpus de données. Le programme de la formation sera organisé autour de conférences, de présentations, et d’ateliers de manipulation, y compris sur les propres données des stagiaires si cela est possible. L’objectif principal de la formation est de susciter auprès des participants une utilisation novatrice des données qu’ils manipulent habituellement. Il s’agit d’exposer des outils ou méthodes qui trouveront une application pratique dans leurs projets de recherche. L’idée n’est donc pas d’imposer une méthode mais bien de montrer quel est l’éventail des techniques existantes, et ce en fonction des types de données manipulées. Pour cela, plusieurs axes ont été choisis : la visualisation de matrices, la cartographie de données, la visualisation de graphes et le cas particulier des données tridimensionnelles. Cette formation permettra également de favoriser les échanges et l’émergence de collaboration entre les participants et d’encourager des demandes de formations approfondies sur les différents sujets présentés.

Pour en savoir plus, notamment, pour s’inscrire, c’est par ici.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

M comme matrice

Ces billets visent à définir le plus clairement et le plus précisément possible des termes clés en analyse de réseau. Ils s’adressent à un public débutant et évitent autant que possible toute formalisation mathématique (pour cette dernière, voir les synthèses fmr sur Hal-Shs).

Une matrice est un tableau composé de m lignes et de n colonnes qui correspondent respectivement aux entités d’origine et de destination. On parle de matrice d’ordre m*n.

m et n sont des entités qui correspondent aux nœuds ou aux sommets d’un graphe, il s’agit d’individus (réseaux sociaux) ou de lieux (réseaux spatiaux).

La structure de la matrice décrit une grille formée de cellules de tailles régulières. Lorsque le nombre de lignes (m) est égal au nombre de colonnes (n), la matrice est dite carrée, sinon elle est rectangulaire. Dans l’exemple ci-après, la matrice est carrée et d’ordre (ou de rang) 3.

trois matrices

Chaque cellule (ou case) d’une matrice définie (à la i-ème ligne et à la j-ième colonne) met en relation deux entités (m, n) qui correspondent au croisement d’une ligne et d’une colonne. Cette mise en relation correspond au lien du réseau.

Dans l’exemple ci-dessus, au total trois entités sont théoriquement mises en relations (A, B et C), mais il n’existe que 4 liaisons (A avec B, par exemple)

Dans chaque case de la matrice est portée (ou pas) une valeur qui renseigne a minima (1) sur l’existence (ou pas) d’une relation entre des objets ou des nœuds et/ou (2) sur la valeur de la relation entre ces mêmes entités. Dans le premier cas, il s’agit d’une matrice d’adjacence formée de valeurs binaires ( ‘1’ ou  ‘0’). La modalité ‘1’ indique l’existence d’une relation et  ‘0’ l’absence de relation. Dans le second cas, il s’agit d’une matrice de flux (définie comme une matrice d’adjacence valuée) où la valeur de la cellule est une quantité mesurable, discrète ou continue (relative). Dans notre exemple, la valeur est discrète. Cette valeur archivée dans une matrice de flux correspond à la quantité qui s’est déplacée entre deux entités (d’origine et de destination) pendant un certain temps.

La matrice Bertin (ou matrice ordonnée) consiste en un recodage des valeurs en une gamme de couleurs (des niveaux de gris, dans l’exemple précédent) suivi d’une procédure de réordonnancement. Cette procédure consiste à permuter les lignes et les colonnes de la matrice de manière à obtenir un classement ordonné des valeurs qui permet de visualiser une structure intrinsèque à la matrice. Dans le cas de données spatialisées, ce réordonnancement conduit par exemple,  à une typologie spatiale.

La particularité des matrices est de présenter une structure croisée (m, n). Les matrices sont en réalité un cas particulier de tableau de contingence : les sommes en lignes et en colonnes ont, par conséquent, un sens ce qui autorise la mise en œuvre de traitements algébriques particuliers. Sont par conventions placés en ligne les entités d’origine de la relation (les objets, nœuds, sommets ou lieux) et en colonne, les entités de destination de la relation. La somme en lignes (ou en colonne) correspond alors à la marge de la matrice et l’on parle de somme marginale en ligne (ou en colonne).

Dans une matrice d’adjacence (voir figure ci-dessus), la diagonale n’a pas de sens puisqu’un objet ne peut être en relation avec lui-même. La diagonale possède, en revanche, un vrai sens pour les matrices de flux (cellules en grisés sur la figure). Ainsi, les valeurs situées au dessus de la diagonale correspondent aux flux allers et les autres aux flux retours. Si les valeurs portées de part et d’autre de la diagonale sont identiques, la matrice est dite symétrique sinon elle est asymétrique. Quant à la diagonale en elle-même, si elle est renseignée, elle correspond soit aux flux qui se sont produits à un niveau inférieur, spatial s’il s’agit de lieux ou à une échelle inférieure : celle des communes si la matrice porte sur des flux inter départementaux ; soit aux flux qui n’ont pas été retenus pas l’opération de filtrage thématique, spatio-temporel mise en œuvre pour générer la matrice. Les données de flux sont, en effet, toujours observées entre des couples d’entités caractérisés (filtrage thématique) par des attributs (z) sur une période (t) de temps [t1 – t2] (filtrage temporel) et sur un espace (x,y) donné (filtrage spatial).

Enfin, les données disponibles dans une matrice sont archivées dans un tableau qui prend soit la forme de liste, présentant au moins 3 colonnes, soit celle d’un tableau croisé (voir figure ci-après). Pour passer de l’un à l’autre format, vous pouvez utiliser votre tableur préféré ou, si votre matrice est carrée, le convertisseur de matrice présenté dans un précédent billet et disponible ici. Pour générer une matrice-Bertin sur des données relationnelles, ailleurs que très très laborieusement dans votre tableur, vous pouvez utiliser, par exemple, le logiciel de traitement matriciel Matlab(c) ou Scilab(c), sa version libre.

 

 On définit également :

– une matrice-colonne (ou vecteur-colonne) qui est une matrice d’ordre (m,1) : elle comprend plusieurs lignes et une seule colonne et inversement, une matrice-ligne  (1, n) ;

– une sous-matrice (f) ou matrice-extraite est une extraction de la matrice totale (F) obtenue en supprimant des lignes et/ou des colonnes. Elle diffère de la partition d’une matrice qui consiste en l’agrégation des lignes et des colonnes d’une matrice ;

– une matrice triangulaire supérieure (ou inférieure) est la partie de la matrice située au dessus (ou en dessous) de la diagonale d’une matrice carrée ;

– une matrice diagonale est une matrice carrée triangulaire supérieure et inférieure.

Certaines opérations effectuées sur les matrices ont un vrai sens en analyse des réseaux. Elles seront présentées dans différents billets, à commencer par S comme symétrique.

Pour conclure, sachez que les mathématiciens utilisent le doux nom « d’endomorphisme » pour qualifier les matrices.

Billets liés : F comme flux, L comme lien, S comme symétrique.

Retour au glossaire

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

ElementR pour les géographes, et les autres

Le groupe de travail ElementR piloté par Hadrien Commenges – auquel participe d’ailleurs Laurent Beauguitte du groupe fmr – vient de livrer à la communauté un manuel permettant l’analyse (spatiale) et la cartographie de données géographiques à l’aide du logiciel libre R.

« Ce manuel a pour ambition d’offrir un support technique à des étudiants, enseignants-chercheurs, ingénieurs, etc. qui partagent notre intérêt pour l’utilisation des méthodes d’analyse des données en géographie et souhaiteraient pouvoir développer leurs travaux à l’aide du logiciel libre R. Plus spécifiquement nous proposons dans ce manuel une prise en main dédiée à des personnes s’initiant simultanément au traitement de données géographiques et à l’environnement R. L’éclairage est celui de l’analyse spatiale, à savoir des méthodes mises en œuvre pour l’étude des organisations dans l’espace. Ce manuel est largement inspiré d’autres manuels « R » spécifiques ainsi que de nos différents cours pour les aspects méthodologiques : ils sont signalés dans le manuel pour permettre aux utilisateurs de les approfondir« .

Deux chapitres se prêtent particulièrement à l’analyse des graphes et des matrices. Il s’agit des chapitres 7 et 8.

Le chapitre 7 porte sur les méthodes de classification. Il propose un court mais bienvenu rappel méthodologique et une section 7.3 spécifique à la classification des lignes d’un tableau de contingence.

Le chapitre 8 porte sur l’analyse des graphes. Il propose une prise en main complète depuis la préparation des données jusqu’à leur visualisation, en passant par le calcul de mesures locales, globales, de cliques et de communautés.

Outre l’intérêt méthodologique d’un tel manuel qui n’est pas à démontrer, il convient de noter que sont toujours fournis les lignes de code ainsi qu’un jeu d’exemple qui permet de reproduire les méthodes proposées.

Les utilisateurs sont invités à faire remonter leurs commentaires, remarques et critiques en envoyant un mail à l’adresse : elementr<at>parisgeo.cnrs.fr

Pour en savoir plus sur le groupe ElementR, c’est par ici.

Pour télécharger le manuel (et les données), c’est par là.

Pour télécharger le logiciel, sur le site du R-project, c’est ici.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Faire la métropole par ses réseaux (Journées Grand Paris)

L’Institut d’Urbanisme de Paris (IUP) et l’Institut Français d’Urbanisme (IFU) co-organisent dans le cadre du Grand Paris, les 11 et 13 avril prochain, une journée  consacrée à la place des réseaux dans la construction métropolitaine.

Au travers de regards croisés de chercheurs et d’acteurs, ces journées verront se succéder :

  • Une approche historique de la place des réseaux dans l’organisation de l’agglomération parisienne ;
  • Une mise en perspective des liens entre métropolisation et réseaux sous l’angle d’un état des lieux et des  réflexions ;
  • Un questionnement relatif aux réponses et innovations apportées par les entreprises de réseau et les acteurs du territoire face à la métropolisation ;
  • Une ouverture sur l’implication de cette question des réseaux sur la gouvernance métropolitaine.

Lieu : Université Paris-Est – Faculté des sciences économiques et de gestion – Amphithéâtre 102

Pour s’inscrire, c’est par ici.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

peoplemov.in’, une appli de visualisation des flux internationaux de migrants

L’objectif d’une cartographie directe des valeurs des flux qui se sont produits entre des couples (i,j) de lieux d’origine (i) et de destination (j) est de représenter la quantité en mouvement ou, à défaut, l’existence d’un lien. Si le modèle du diagramme lien-nœud (graphe) – et par extension celui de la carte, pris comme catégorie de graphe assorti d’une contrainte de force sur la position des lieux – s’est imposé, il est loin d’être le seul qui puisse être mis en œuvre.

Les données de flux peuvent, en effet, faire l’objet de représentations graphiques qui varient en fonction de la composante privilégiée pour la représentation : le temps, la thématique (type de relation ou de flux), l’espace, en une voire plusieurs dimensions. Lorsque c’est la mise en relation des nœuds qui importe, le modèle graphique des coordonnées parallèles est l’une des solutions envisageables.

Le principe des coordonnées parallèles

Le principe des coordonnées parallèles, tel qu’il est développé par Inselberg (1985), Inselberg et Dimsdale (1990), consiste à positionner sur un voire plusieurs axes verticaux – donc parallèles -, des nœuds qui illustrent la valeur d’une caractéristique sémantique puis à relier les nœuds de ces différents axes par des lignes droites ou brisées. Le nombre d’axes parallèles dépend  donc du nombre de variables représentées.

Le graphique est typiquement utilisé pour représenter et comparer les caractéristiques d’un grand nombre d’objets, car il autorise une lecture à la fois globale et locale des données. Il est donc supposé bien adapté pour visualiser les données disponibles dans une matrice de flux qui sont par essence multidimensionnelles. Cependant, le fait qu’il soit fondé sur des axes individuels, bien que mis en relations, suppose une réduction de la double composante spatiale (x,y) à une seule dimension (z). En d’autres termes, une acceptation linéaire de l’espace. De fait, le procédé privilégie les caractéristiques sémantiques puisqu’il place l’espace – à l’instar des autres variables considérées – sur une seule dimension.

 C’est la solution qui a été choisie par peoplemo.vin’, migration flows across the world, l’application de visualisation des flux internationaux de migrants pour l’année 2010, disponible ici.

 Présentation de l’application peoplemov.in’

Cette application interactive a été développée dans le cadre d’un projet expérimental, d’ailleurs toujours en cours, dirigé par Carlo Zapponi, développeur d’applications interactives. Elle permet de visualiser les 215 738 321 individus qui se sont déplacés entre les différents pays du monde en 2010, sur deux axes parallèles. Les données utilisées sont toutes libres de droits. Il s’agit, par exemple, des tableaux disponibles sur le site Data de la banque mondiale, accessibles ici.

Les pays d’émigration (i) sont portés sur l’axe de gauche et ceux d’immigration (j) sur l’axe de droite. L’existence d’un lien entre deux axes indique la présence d’un flux de migrants (Fij) entre deux Etats. L’auteur précise sur son site que le lien est rendu proportionnel à l’effectif d’émigration ou d’immigration, selon le sens de lecture de la figure. Hors, ce n’est visiblement pas le cas : j’ai fait différents essais et n’ai pas su voir de variation de taille. En revanche, ce serait plutôt les barres des axes qui illustrent la position des pays qui semblent proportionnelles à quelque chose (voir infra).

 Pour visualiser les flux sur peoplemov.in’, il est donc nécessaire de cliquer sur l’un des pays considéré en tant qu’émetteur de migrants (axe de gauche) ou en tant que destinataire (axe de droite) et d’observer ce qui se passe. Les résultats peuvent être riches d’enseignements. Prenons l’exemple du Cameroun.

Lorsque l’on considère le Cameroun en tant qu’émetteur de migrants, on y apprend, par exemple, que la France demeure la première destination des migrants camerounais, puis que ses migrants se destinent d’abord vers les pays limitrophes du Tchad, du Nigéria et du Gabon. Vient ensuite leur nouvelle destination fétiche, les USA ; enfin les anciennes destinations privilégiées que sont l’Allemagne et l’Italie. A l’inverse, le Cameroun n’accueille que peu de migrants étrangers : 1% de la population résidente étrangère provient majoritairement de deux de ses voisins : le Nigéria mais aussi… le Tchad. La France est le troisième pays d’immigration. Reste à savoir quel est le profil exact de ces migrants.

 Si cette application est séduisante, elle présente toutefois – encore (l’application est en cours d’amélioration) – quelques inconvénients.

Quelques inconvénients…

Le premier inconvénient est que l’on ne puisse pas visualiser l’ensemble des lieux de destination du pays sélectionné, car l’application ne redimensionne pas la figure à la taille de l’écran. Pour cela, il est nécessaire d’utiliser les ascenseurs de la fenêtre et/ou de jouer avec les zooms de son navigateur préféré, ce qui est un peu pénible.

Le second inconvénient, plus important que le précédent, est que l’on ne sache pas précisément à quoi correspondent les couleurs assorties aux barres qui illustrent les pays ni quel est le rapport de proportionnalité entre les dites barres, car il n’y a pas de légende qui les concernent. Nous supposons que la hauteur des barres est proportionnelle au poids du pays dans le système migratoire. Les plus importants (en termes d’effectifs par rapport au total des migrants pour l’année) seraient alors ceux qui présentent les barres plus hautes et, pour renforcer le message, elles seraient teintées de couleurs chaudes (rouge, orange). A l’inverse, les pays les moins importants seraient alors symbolisés par des couleurs froides (de vert et de bleu). Mais on regrette l’absence de traduction graphique de ce rapport de proportionnalité.

… et quelques intérêts

Les intérêts de l’utilisation du formalisme graphique en coordonnées parallèles pour représenter les flux sont pourtant multiples au regard de l’exploration et de l’analyse des données qu’il permet. L’apparente réduction de l’espace depuis la 2D (x,y) vers la 1D(x), si elle apparaît comme un inconvénient, présente l’avantage de bien dissocier les lieux d’origine (i) et de destination (y) en les plaçant sur deux axes séparés et parallèles ; mais aussi d’autoriser différents traitements des données. Réserver un axe pour la valeur du flux et n autres pour leurs caractéristiques augmente les possibilités d’analyse des échanges. Les axes peuvent ainsi faire l’objet de classifications automatisées ou même graphiques. Les barres verticales et de tailles différentes qui sont portées sur les axes pourraient, par exemple, faire l’objet d’un ré ordonnancement sur le principe de la matrice-Bertin afin de faire apparaître une structure particulière qui pourrait être reportée sur l’un des axes, explicatif celui-là… Mais il en existe bien d’autres.

Références :

Inselberg, A., 1985, The Plane with Parallel Coordinates, Visual Computer, vol. 1, n° 4, pp. 69-91.

Inselberg, A., Dimsdale, B. Parallel coordinates: a tool for visualizing multi-dimensional geometry, IEEE Computer Society Press, « VIS ’90: Proceedings of the 1st conference on Visualization ’90«  , Los Alamitos, CA, USA, pp. 361–378.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Journées Transports et Déplacements du RST’2013

Les Journées Transport & Déplacements (JTD) du Réseau Scientifique et Technique (RST) se tiendront  du 19 au 21 juin 2013

Le RST est un réseau composé de 38 établissements publics ou services du Ministère de l’Ecologie, du Développement Durable et de l’Energie (MEDDE) ou du Ministère de l’Egalité des Territoires et du Logement (METL). Il comprend plus de 30 000 chercheurs, experts, ingénieurs, techniciens et personnels administratifs.

La 9ième journée que le RST co-organise avec le CERTU, le SETRA, le STRMTG et l’IFSTTAR est accueillie par le CETE de Lyon, à la Cité des Mobilités de Bron. Il s’agit du rendez-vous annuel d’une communauté professionnelle dans les domaines des transports et de l’exploitation des réseaux, des déplacements de personnes et de marchandises, plus généralement des mobilités et de leurs interactions avec les territoires.

En savoir plus…

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

SIMTOOLS 2013 – appel à comm’ sur les outils libres de simulations spatialisées à base d’agents

Le réseau RNSC SimTools organise un workshop Simtools2013 le 15 mars 2013 à l’IGN (Saint-Mandé) consacré au thème Des outils libres pour la conception et l’analyse de simulations spatialisées à base d’agents.

Un site à été ouvert pour ce workshop, il est accessible ici.

Présentation de Simtools2013

Les avancées de l’informatique de ces dernières années ont permis l’essor d’approches de modélisation permettant la représentation et la simulation fine de systèmes complexes spatialisés. Les approches par simulation, telles que la simulation à base d’agents, sont de plus en plus utilisées pour aborder des problématiques en science humaines et sociales, ainsi que dans le domaine de la prospective environnementale. Ces développements ouvrent non seulement des perspectives de recherche en informatique (langages dédiés, algorithmes permettant des intégrations multi-niveaux, visualisation, calcul massif, big data, etc.), mais présentent également un intérêt croissant pour les acteurs de terrain (gestionnaires de biens publics, industriels, etc.).

Le workshop Simtools2013 est organisé par le réseau RNSC SimTools dans le cadre de ses activités de recherche et de valorisation. Ce réseau est dédié au développement de méthodes et d’outils de conception, d’analyse et d’évaluation de simulations spatialisées de phénomènes sociaux. L’objectif de ce réseau est de mutualiser, de capitaliser et  de valoriser des travaux innovants, issus de la communauté, et qui s’appuient sur un socle méthodologique empruntant notamment à l’intelligence artificielle, la statistique, la géomatique, la théorie des graphes.  A moyen terme, l’objectif est également de faire  converger des développements réalisés dans des projets applicatifs épars, et de les intégrer dans une plate-forme de modélisation-simulation partagée, libre de droit, utilisable par des modélisateurs non-informaticiens, en provenance d’horizons variés.

Thèmes du workshop

Nous souhaitons faire de SimTools2013 un événement convivial  d’échange autour de travaux en cours et/ou de projets plus aboutis en simulation spatialisée. En particulier, nous souhaitons que ce workshop soit un lieu privilégié de discussion, ouvert aux universitaires et industriels, et de démonstration de logiciels libres dédiés à la création et à l’étude de modèles et de simulations. Les propositions incluant une démonstration sont vivement encouragées.

Thématiques

Conception de modèles et de simulations :
– Plate-formes de simulation et langages dédiés
– Représentations non-conventionnelles du temps et de l’espace dans les simulations
– Techniques d’apprentissage pour la conception de simulation
– Intégration et articulation de multiples niveaux d’organisation dans les modèles
– Modélisation et simulation participative
– Modélisation et simulation collaborative
– Meta-modélisation, DSL et MDA pour la simulation
– Intégration dans des environnements de gestion de workflows et  déploiement sur des environnements de calcul parallèle

Analyse de simulations et de modèles :
– Outils d’analyse des comportements dynamiques exhibés par les simulations
– Assimilation de données
– Visualisation des dynamiques des simulations
– Plans d’expérience, exploration de l’espace des paramètres

Dates importantes

– Limite de soumission: 28 février 2013
– Notification aux auteurs: 5 mars 2013
– Limite d’inscription: 15 mars 2013
– Workshop à Paris: 15 mars 2013

Format de soumission

Deux types de soumissions sont proposés :
– Article (6 à 8 pages)
– Poster / Texte de présentation d’une démonstration (2 pages)

Les soumissions doivent être rédigées en français ou en anglais et suivre le format LNCS.  Pour cette première édition, les travaux préliminaires de même ou des articles soumis en parallèle à d’autres workshops ou conférences sont également les bienvenus.

Les soumissions sont à déposer sur Easychair

Comité de programme
– Amouroux Edouard, LIP6, Université P&M Curie
– Caillou Philippe, LRI, Université d’Orsay
– Dembele Jean-Marie, UMI UMMISCO,  Université Gaston Berger
– Dumoulin Nicolas, Lisc, Irstea
– Gaudou Benoit, IRIT, Université Toulouse 1
– Gil-Quijano Javier, LIST, CEA
– Leclaire Mathieu, Géographie-Cités et ISC-PIF
– Louail Thomas, IRIT, Université Toulouse 1
– Marilleau Nicolas, UMI UMMISCO, IRD
– Perret Julien, COGIT, IGN
– Reuillon Romain, Géographie-Cités et ISC-PIF
– Rey-Coyrehourcq Sébastien, Géographie-Cités, Université Paris 7
– Taillandier Patrick, UMR IDEES, Université de Rouen
– Thiriot Samuel, EDF R&D

Contact
simtools2013<at>rnsc.fr

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Visual analytics, geovisualisation and cartography – séminaire Cartactive du GDR MAGIS

Le prochain séminaire Cartactive du GDR MAGIS, fédération CNRS de structures de recherches dédiées aux Méthodes et Applications pour la Géomatique et l’Information Spatiale, aura  lieu le 18 Février 2013 à l’Institut de Géographie (à Paris).

Ce séminaire qui ne porte pas à proprement parler sur la seule visualisation des réseaux est toutefois susceptible d’intéresser les lecteurs de ce blog, ne serait-ce que pour :

1) actualiser ses connaissances sur les dernières avancées dans le champ de la visualisation scientifique ;

2) rencontrer et écouter les experts appelés à communiquer.

Présentation du séminaire

Le groupe Cartactive du GDR MAGIS propose au cours d’un dernier séminaire de faire un point sur les derniers développements dans les domaines de la visualisation scientifique et les liens qu’ils entretiennent avec la cartographie en particulier pour la représentation des dynamiques. Si le paradigme de la géovisualisation s’est développé autour d’un rapprochement entre ces différents domaines, nous proposons de confronter différents points de vue en invitant des spécialistes de ces domaines multiples (information vizualisation, visual analytics, visual complexity, géovisualisation) . L’objectif est de ré-interroger ces méthodes au regard des nouvelles masses de données auxquelles elles doivent faire face, qu’elles exploitent la dimension spatiale ou non, et de stimuler les potentialités de transfert dans le domaine de la représentation des  mobilités et dynamiques spatiales.


Programme

9h45: Accueil
10h-11h : GeoVisual Analytics and Cartography, Menno-Jan Kraak, Department of Geoinformation Processing, University of Twente, Netherlands
11h- 12h: Modéliser et représenter les dynamiques sémantiques : l’exemple de la sécurité alimentaire dans l’agenda médiatique. Jean-Philippe Cointet, INRA-SenS, Marne-la-vallée
12h-12h30 : Discussion

12h30-14h déjeuner libre

14h-15h: Visualisation dans un monde imparfait: peut-on appliquer des solutions « infovis » à l’analyse d’évolutions architecturales?, Jean-Yves Blaise, Laboratoire MAP, Marseille
15h-16h : Visualisation scientifique 3D: introduction et problématiques perceptuelles, Pierre-George Bonneau, LJK-INRIA, Grenoble
16h-16h30 : Discussion

Lieu: Institut de Géographie – Nouvel Amphi- 191 rue Saint-Jacques, 75005 Paris -RER B – Luxembourg

Le séminaire est ouvert à tous, mais il est nécessaire de s’inscrire auprès de Hélène MATHIAN (UMR Géographie-cités) et Paule Annick DAVOINE (UMPF – LIG)
mathian<at>parisgeo<dot>cnrs<dot>fr ; Paule-Annick<dot>Davoine<at>imag<dot>fr

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Urban Network Analysis (UNA), la ToolBox qui enrichit l’analyse des réseaux sous ArcGis10x

Les outils du type de la ToolBox Urban Network Analysis (UNA) que nous présentons dans ce billet sont suffisamment rares pour être salués. Il n’existe pas, à notre connaissance, d’outil similaire intégré à un logiciel SIG – fusse t’il payant – permettant le calcul et la cartographie des mesures sur réseau.

Présentation :

UNA est donc un script fort utile car il augmente les possibilités de l’analyse des réseaux dans un SIG, en autorisant le calcul des mesures. Il a été développé par la Singapore University of Technology & Design en collaboration avec plusieurs structures telles que le City Form Lab du MIT, le Martin Center for Built Form and Land Use Studies, le Space Group de l’UCL et l’Human Space Lab, dans le cadre d’un programme de recherche présenté ici.

UNA s’appuie sur les résultats de différents travaux de recherche en analyse spatiale des réseaux (Martin & March 1971; Porta, Crucitti et al, 2005).

UNA est une Boite à outils (une Toolbox dans le jargon d’Esri) pour ArcGis10x – Service Pack 2 minimum – muni de l’extension Network Analysis.

Elle est téléchargeable ici ou , tout comme son fichier d’aide (UNA_help.pdf) sur lequel nous nous sommes appuyées pour rédiger le présent billet.

A noter que la Boite à outils est également fournie avec des fichiers exemples, ce qui facilite sa prise en main.

Développée à l’origine pour l’analyse de réseaux urbains non planaires, l’UNA peut être utilisée indifféremment pour l’analyse spatiale des réseaux planaires (de transport, par exemple) ou non planaire, mais seulement sous ArcGis10x. Les fichiers de départ nécessitent donc d’être aux format shapefiles (format natif de la gamme des produits ESRI dont l’extention est *.shp) et Network Analysis (*.nd). Si vous n’en disposez pas, de simples tableaux en (*.dbf par exemple) peuvent faire l’affaire, moyennant une transformation ultérieure (voir infra.)

Au sens de l’UNA, le fichier graphique du « réseau » est composé de trois éléments : des noeuds, des arêtes et des bâtiments. On ne présente plus les noeuds et les arètes (ou liens). Quant aux bâtiments, ils peuvent être assimilées à n’importe quel type d’unités spatiales surfaciques (polygones).

Intérêts de l’outil

Le premier intérêt de cet outil est de pouvoir combiner les trois types d’implantation spatiale (points, lignes, polygones) ainsi que leurs caractéristiques attributaires au sein d’une même analyse, ce qui n’est pas commun. La voie est ainsi ouverte vers une analyse de réseau dans un contexte multi niveaux, c’est-à-dire à différents échelons géographiques (l’ilôt, le quartier, la commune, etc.).

Le second intérêt porte sur le calcul de mesures pondérées puisque des caractéristiques attributaires des points et des polygones (des variables quantitatives de taille ou ordinales de rang, par exemple), et des lignes (longueur, etc.) peuvent être intégrées à l’analyse.

Le troisième intérêt porte sur les possibilités de visualisation cartographique des mesures.

L’UNA permet le calcul des cinq mesures classiques d’analyse des réseaux que sont : « R » (Reach) – « G » (Gravity) – « B » (Betweenness) – « C » (Closeness) et « S » (Straightness), en tenant compte de la position relative des nœuds les uns par rapport aux autres, selon une métrique discrète (topologique) ou continue (une distance kilométrique, par exemple). Elle restitue en retour différents fichiers des résultats.

Pré-requis :

1) Au préalable, il convient de vérifier que vous disposez bien de l’extension Network Analysis et que l’extension est bien « cochée ».

2) Ensuite, il faut dézipper l’UNA que vous avez téléchargé ( ici ou ) dans un répertoire de votre choix.

Deux fichiers et deux répertoires (qui contiennent des fichiers exemples) sont ensuite disponibles :

Urban_Network_Analysis_Tool.tbx qui est la boite à outils et son fichier d’aide. Tous deux s’installent automatiquement à la racine.

– les répertoires sont  <Code> et <TextFile>

<Code> contient les codes de sept scripts (rédigés en Python) qui permettant de générer les différents fichiers de résultats tels que, par exemple, le calcul de la matrice d’adjacence (tableau croisé de valeurs binaires ou la modalité ‘1’ correspond à l’existence d’un lien, sinon ‘0’) nommée : Adjacency_List_Computation ; ou encore les résultats des différentes mesures calculées. La centralité est stockée dans le fichier Centrality_List_Computation.

<TextFiles> contient deux sous-répertoires de fichiers d’exemples. Le premier contient les shapefiles d’unités spatiales surfaciques. Il est intitulé  Test_Buildings ; le second contient   les shapefiles des  ‘unités spatiales lineaires, nommé Test_Networks.

3) Enfin, il vous faut charger la Boite à Outils dans la fenêtre « Toolbox » de ArcGis10x. Pour ce faire, un click-droit sur la fenêtre des ToolBox / ajouter une ToolBox puis parcourir votre arborescence pour sélectionner l’UNA. Elle s’installe ensuite automatiquement à la fin de votre liste d’outils.

Préparation des données :

Deux fichiers minimum sont nécessaires : un fichier de points (ou un fichier de polygones) au format (*.shp) et un fichier de lignes au format (*.nd).
Il est important que tous vos fichiers soient stockés dans un même répertoire.

Si vous disposez de ces deux fichiers,vous pouvez aller directement au calcul des mesures, sinon, vous pouvez les générer en suivant la procédure suivante :

1) Sous ArcGis (ArcCatalog ou ArcMap), le fichier de points (*.shp) peut être généré à partir d’un tableau importé d’un tableur, puis converti par la procédure d’export en (*.dbf), avec un click-droit.

Ce tableau doit contenir au minimum 3 colonnes que sont : ID ; X_COORD ; Y_COORD. La colonne ‘ID’ correspond au numéro d’identification unique du point) ; la colonne ‘X_COORD’ à la valeur de la coordonnée en X du point dans un système de projection ; et ‘Y_COORD’ à la valeur de la coordonnée en Y du point dans le même système de projection, bien entendu.

En l’absence de fichier de points, si vous disposez d’une couche de polygone (*.shp), vous pouvez soit vous servir directement de celle-ci, soit calculer au préable les barycentres (ou centroïdes) des polygones (AddXYdata ou DataManagementTool/FeatureToPoint) puis en faire un fichier de points.

2) Le fichier de lignes (qui correspond aux arêtes du réseau) peut être également généré sous ArcGis (ArcCatalog ou ArcMap). Il importe beaucoup que celui-ci soit un fichier pour Network Analysis, c’est-à-dire muni de l’extention (*.nd).

Il est possible de générer ce fichier à partir d’un (*.shp) ou de fichiers externes importés (*.dwg/dxf) sous ArcCatalog, en les convertissant : click-droit sur le fichier de lignes (*.shp) / choisir « nouveau Dataset » et suivre les instructions.

Enfin, en l’absence de fichier de lignes, il est possible d’en créer un à partir du fichier de points précédent (voir supra, 1), en utilisant par exemple, l’outil  Point To Ligne pour obtenir un (*.shp), puis le convertir en (*.nd).

Calcul des mesures

Pour calculer les différentes mesures proposées par l’UNA, il est nécessaire de lancer l’outil (en double-cliquant dessus).

La fenêtre de menu suivante s’ouvre ensuite. Elle vous propose de

– sélectionner les deux fichiers préparés lors de l’étape précédente : celui des points (ou des surfaces) et celui des arètes (ou des lignes).

– sélectionner la mesure que vous souhaitez calculer.

Fenêtre de menus de l'UNA

Le descriptif des mesures proposé est le suivant :

1) la “Reach measure » telle que définie par Sevtsuk (2010) permet de sélectionner les nœuds (ou polygones) situés dans un certain rayon (r) de voisinage sur le réseau et de les dénombrer. Le voisinage est défini sur une base topologique (selon une métrique discrète). Il génère une zone tampon circulaire. Le voisinage fait référence ici au concept d’occasions interposées appliquées au réseau, fondé sur le principe du nombre de nœuds à franchir pour aller d’un point à un autre.

2) La « Gravity measure », ou « mesure gravitaire » telle qu’introduite par Hansen (1959), est une mesure importante dans l’analyse d’accessibilité dans un réseau de transport. Elle fait référence à l’attractivité des noeuds qui est inversement proportionnelle à la distance qui sépare chacun d’entre eux. Le modèle théorique sous-jacent est ainsi le modèle gravitaire, utilisé de manière pondérée ou non en fonction des caractéristiques des nœuds (taille) ou des liens (type de distance, par exemple). L’exposant  de la distance – qui prend en compte la rugosité de l’espace (ou friction) – peut être contrôlé en fonction du mode ou du temps de transport (à pied, en véhicule…). Les auteurs suggèrent, par exemple, de le porter à 0.1813 pour un déplacement à pied. Sans indication de l’utilisateur, cet indice est porté par défaut à 1.

3) La « Betweeness measure » ou « mesure de centralité d’intermédiarité » retient l’attention de nombreux chercheurs actuellement. Elle identifie les noeuds qui permettent une circulation rapide au sein du réseau, en limitant la distance à parcourir. Les supprimer conduit donc à réduire l’accessibilité de certains lieux. L’UNA utilise l’algorithme développé par Brandes ( 2001) qui renseigne sur « le potentiel »  des nœuds. On regrettera l’absence de cette mesure au niveau des liens.

4) La « Closeness measure » ou « mesure de centralité de proximité » d’un nœud correspond à l’inverse de la distance moyenne cumulée nécessaire pour atteindre ce nœud depuis n’importe lequel des autres nœuds du réseau si aucun critère de distance n’est défini. La centralité de proximité est donc l’inverse de l’indice de Shimbel. Il présente l’avantage d’être normalisé (de 0 à 1) avec 1 comme accessibilité maximale.

5) la « Straightness measure »  (Vragovic, Louis, et al. 2005 ; Porta, Crucitti et al.2005).

On notera que l’ensemble des résultats peut ensuite être normalisé.

La formulation des différentes mesures, fournie dans le fichier d’aide, est synthétisée dans le tableau ci-après :

Formule des mesures proposées par l'UNA

Pour en savoir plus sur les mesures locales de voisinage ou d’ensemble (globale) d’un réseau et leur utilisation, vous pouvez toujours lire et relire la synthèse du groupe f.mr. rédigée par César Ducruet (2010). Elle est disponible ici.

Cartographie des résultats

Dès lors que la mesure choisie a été calculée, la Betweenness par exemple, elle est stockée dans un fichier de résultat. La colonne ‘B’ correspondante vous permet ensuite de visualiser directement le résultat cartographique, puisque vous êtes dans un SIG…La figure suivante, extraite du fichier d’aide, présente un exemple de cartographie de la ‘B’.

Prise en compte des freins aux déplacements

La prise en compte de freins aux déplacements ou de contraintes à la circulation dans le réseau peut être réalisée. Elle nécessite toutefois une structuration particulière du fichier de points, par la définition « d’attributs d’impédance », sous Network Analysis.

Export des résultats

L’UNA fournit trois familles de fichiers de résultats forts utiles pour des analyses au sein de ArcGis10x ou avec d’autres outils.

1) Les fichiers des résultats du calcul des mesures, disponibles en (*.dbf), contiennent de nouvelles variables. Comme indiqué précédemment, elles sont intitulées R, G, B, C, S et correspondent respectivement aux mesures Reach, Gravity, Betweenness, Closeness et Straightness. C’est donc à partir de ce fichier que les cartes sont réalisées et « symbolisées » dans ArcMap.

2) Les matrices d’adjacence (Bldng_Adj*.dbf) qui contiennent les résultats des requêtes réalisées sur les noeuds obtenues suite au calcul de l’une ou de l’autre mesure.

3) Les graphes (*.shp) associés à la matrice d’adjacence qui permettent de spatialiser les relations de voisinage, de visualiser leurs différents attributs, etc.

A noter qu’une matrice d’adjacence et un graphe associé sont générés à chaque fois qu’une requête est réalisée sur les noeuds et/ou sur les lignes.

Pour finir, il s’agit d’un bel outil, simple d’utilisation mais qui nécessite toutefois une bonne compréhension de la signification des indicateurs associée à une bonne maîtrise d’ArcGis. Une compétence sur l’utilisation de Network Analysis est un vrai plus.

Références mentionnées

Brandes, U. , 2001,  A faster Algorithm for Betweenness Bentrality. Journal of Mathematical Sociology, Vol 25(2), 163-177.

Hansen, W. G. , 1959, How Accessibility Shapes Land Use. Journal of the American Planning Association, 25(2), 73-76.

Hillier & Hanson, 1984, The Social Logic of Space. Cambridge: Cambridge University Press.

Porta, Crucitti et al, 2005, The network analysis of urban streets: a primal approach. Environment and Planning B, 35(5), 705-725.

Sevtsuk, A. , 2010, Path and Place: A Study of Urban Geometry and Retail Activity in Cambridge and Somerville, MA. PhD Dissertation. Cambridge: MIT

Vragovic, I., Louis, E., & Diaz-Guilera, A., 2005, Efficiency of information transfer in regular and complex networks. Physics Review E., 71(026122).

Pour en savoir plus sur le projet:

http://cityform.mit.edu/projects/urban-network-analysis.html

 

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Big data, big data,… what else ?

Tout le monde parle des big data, de l’open data, de cette autoroute des possibilités ainsi offertes d’exploration, de traitement et de visualisation de données auparavant fermées ou confinées à des réseaux de spécialistes. Mais personne ne parle, ou si peu, des problèmes liés aux méthodes de collecte qui diffèrent forcément, de la comparabilité des matrices denses, de leur niveau de précision qui est dans bien des cas insuffisant, et encore moins de leur inscription dans le temps (et tous les problèmes que celle-ci engendre).

L’analyse des réseaux dynamiques (disponibles à plusieurs dates, sous réserve que la méthode de collecte soit identique) permet pourtant une mise en perspective des résultats obtenus en un temps t. Elle nécessite donc de porter une attention au moins égale aux long data. C’est le sens du propos de Samuel Arbesman, mathématicien et spécialiste des réseaux, dans l’article qu’il publie sur Wired : Stop Hypind Big Data and Start Paying Attention to ‘Long Data’, et il a bien raison.

L’auteur nous explique d’emblée que nous sommes une espèce qui ne semble pas pouvoir échapper à des données toujours plus importantes, archivées dans des serveurs toujours plus gros, gérées et exploitées à l’aide de ressources toujours plus importantes… Face à ce déferlement de « toujours plus », l’Homo sapiens se conduit comme il l’a toujours fait en présence de nouveaux outils : il voit encore plus grand, encore plus haut, encore plus loin. Il est toujours plus audacieux sauf que ses efforts ne concernent qu’une tranche de sa vie. Les big data actuellement disponibles ne sont, en effet, le reflet que d’une situation à un temps (t).

Samuel Arbesman présente l’intérêt d’utiliser des données qui présentent une épaisseur historique importante, massive et pour cela, il  cite notamment ces deux exemples :

(1) le premier est celui des données utilisées par Michael Kremer, dans un article disponible ici (attention : le texte n’est accessible qu’aux institutions ou personnes qui ont un accord avec la revue The Quaterly Journal of Economics). Le modèle modèle économique de la croissance démographique et du changement technologique exposé fait appel à des données sur  un million d’années.

(2) Le second exemple est celui de l’analyse historique de données (dites exhaustives) sur les populations urbaines réalisée par Tertius Chandler dans Four Thousand Years of Urban Growth: An Historical Census sur plusieurs siècles.

Outre l’intérêt de transcender le temps, de telles données permettent...lire la suite.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Où l’on visualise le graphe de ce qu’on nous recommande (sur Amazon©, YouTube©, etc.)

Nous avons pratiquement tous effectué au moins une recherche d’ouvrage – ou de produit quelconque – sur le site de Amazon© et consulté, à l’occasion, la liste des  « recommandations ». Au sens de Amazon, les  « recommandations » sont une liste d’ouvrages (d’auteurs, de produits, etc.) associés à celui qui fait l’objet de votre recherche. Elle est donc susceptibles de vous intéresser car elle vous renseigne sur des ouvrages du même auteur ;  des  ouvrages d’auteurs différents sur un sujet similaires ; des produits liés au thème de votre recherche, etc.)  qui ont été recherchés – avant vous – par d’autres utilisateurs du site. De ce fait, l’ouvrage qui vous intéresse est, par conséquent, mis en relation à d’autres ouvrages par le principe des recommandations. Il est donc possible de visualiser le graphe de ces recommandations.

Christopher Warnow est parti de ce principe de mise en relation des produits de Amazon pour concevoir une application de visualisation du graphe des recommandations liées à un ouvrage recherché sur le site. L’auteur précise que l’idée lui est venue suite à la lecture du Chapitre 7 « Your choices reveal who you are » de Valdis Krebs (de l’ouvrage de J. Steele : Beautiful Vizualization).

L’application Warnow génère donc un graphe de recommandations à partir d’un « produit » Amazon : les noeuds correspondent aux produits recommandés par d’autres utilisateurs, accessoirement vendus sur le site et les liens à l’existence d’une recommandation. La représentation graphique s’appuie sur  Gephi pour la visualisation des « communautés ».  Les résultats peuvent être exportées en .pdf ou, bien sûr, capturés sur écran. Quelques illustrations sont disponibles sur Flickr.

Nous avons souhaité tester cette application Warnow directement sur Amazon©. Pour ce faire, nous avons utilisé Yasiv la variante développée par Andrei Kashcha (2012).  Le résultat de la recherche d’ouvrages, à partir du mot-clé « Jacques Bertin »  a été réalisée sur les sites canadiens, américain et français de Amazon©. Dans les trois cas, l’ouvrage associé à cette recherche d’auteur est « Sémiologie graphique » (1967), ce qui n’est pas surprenant.

Les résultats obtenus sont les suivants :

– Sur le site canadien : 28 références sont recommandées pour la version anglaise de l’ouvrage ;
– Sur le site américain : 50 références sont recommandées pour la version anglaise de l’ouvrage ;
– Sur le site français : 97 références sont recommandées pour la version française de l’ouvrage Sémiologie graphique, les diagrammes, les réseaux et les cartes.

Figure 1. Résultats obtenus sur Amazon.com (USA)

 

 

Figure 2. Résultats obtenus sur Amazon.fr (France)

On observe sur le graphe des recommandations issues du site français (Figure 2) que les références à « Jacques Bertin » sont plus variées que sur le site américain (Figure 1). Pour preuve, cette référence à l’ouvrage Danses tracées (Louppe & al., 1991) sur le dessin des trajectoires de danseurs par des chorégraphes. Ou encore, plus étonnant, la recommandation d’un pointeur laser vert Ecran LCD de portée de 30 m et de couleur noire. Cette dernière connexion est indirecte (degré 3) : le pointeur est, en effet, lié (degré 1) à un ouvrage sur l’art des présentations sous Powerpoint© qui, lui-même est lié (degré 2) à un ouvrage sur l’Art de convaincre avec des graphiques efficaces réalisés à l’aide des produits Microsoft Office© qui est, lui (degré 3), directement lié à Jacques Bertin (!). Il faut préciser que les différentes recommandations appartiennent à des groupes cohérents, ce qui témoigne de l’influence de l’auteur dont il est question ici.

Nous avons voulu aller plus loin dans ces associations inédites et avons donc relancé la recherche « Jacques Bertin » dans l’ensemble des départements du site. Le résultat obtenu est, non plus focalisé sur des produits liés au graphisme et à la graphique mais plutôt sur trois artistes – que nous ne connaissions pas – qui lui sont homonymes. Et l’idée nous est venue de rechercher des vidéos des dits artistes sur YouTube. Et là, surprise ! L’application Yasiv fonctionne également.

… vers YouTube et LinkedIn

La recherche « Jacques Bertin » avec Yasiv pour YouTube©, accessible ici, propose le graphe des vidéos liées aux auteurs concernés avec deux variantes par rapport au site de Amazon : la taille des vignettes des vidéos est proportionnelle au nombre de citations et elles sont accompagnées d’un nombre de Like et Dislike. L’application propose, par ailleurs, de filtrer les vidéos selon qu’elles sont likées ou dislikées.

Dans le même ordre d’idée et sans prendre le temps de la présenter, nous signalons l’application InMap du réseau professionnel LinkedIn(c) qui permet de visualiser son propre graphe de relations. Un billet est disponible ici.

Au final, une application totalement interactive et plutôt intéressante car elle permet de découvrir des ouvrages en lien avec notre recherche.

Figure 3. Popularité des ouvrages du graphe
des recommandations (sites américains et français)

Le résultat propose, en outre, des informations complémentaires :

– sur la gauche de l’écran, les autres ouvrages recommandés les plus « populaires » en nombre de recommandations (voir figure 3 ci-après) ;

– sur la droite de l’écran, toutes les informations disponibles sur l’ouvrage recherché (prix, références, commentaires, etc.) telles qu’elles sont actuellement présentées sur le site Amazon.

 

 

 

 

Références : 

Le code source de l’application Warnow est disponible ici (attention : fichier de 60 Mo).

Pour Yasiv(c), la version pour une visualisation en ligne des recommandations d’Amazon :  c’est par ici et de YouTube, c’est par

Louppe, L., Dobbels, D., Virilio, P., Thom, R., Laurenti, J-N., 1991, Danses tracées : dessins et notations de chorégraphes, Editions Dis Voir, 60 p.

Steele, J., Iliinsky N.,2010, Beautiful Visualization, O’Reilly Media, Inc. 416 p.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts

Récolter, explorer et visualiser ses données avec R (séminaire Ined, SFdS, MHMN)

La prochaine séance du séminaire du Service des Méthodes Statistiques (SMS) de l’Ined, organisée conjointement avec le Semin-R (SFdS, MHMN) aura lieu le 3 décembre prochain à 9h15, en salle Alfred Sauvy de l’Ined (133 bd Davout à Paris).

Les intervenants sont :

– Elisabeth Morand (Ined) et Christophe Pouzat (Laboratoire de Physiologie Cérébrale-CNRS UMR 8118-UFR biomédicale Paris V) : Introduction de la séance.

– Eric Matzner-Lober (Université Rennes II) : Pourquoi R devient incontournable en recherche, enseignement et développement.

– Stéphane Dray (Laboratoire de Biométrie et Biologie Evolutive – Université Lyon I) : Ade4 : outils statistiques et graphiques pour l’analyse de données multivariées.

– Marta Severo (Université Lille III) et Timothée Giraud (UMS 2414 Riate) : Visualisation de données géographiques et médiatiques avec R.

-Pierre Ratinaud (Laboratoire LERASS – Université Toulouse II) : Visualisation de données textuelles avec R et Iramuteq.

On rappelle que le Service Méthodes Statistiques de l’Ined  propose régulièrement un séminaire de statistique appliquée. Ce séminaire est ouvert à tous, sans frais de participation. Il est toutefois nécessaire de s’inscrire ici.
Pour tout autre renseignement, vous pouvez contacter Bénédicte Garnier.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l'IFSTTAR ; je suis par ailleurs membre-associée de l'UMR 8504 Géographie-Cités.

More Posts