CORDIS - Résultats de la recherche de l’UE
CORDIS

Uncertain Knowledge Maintenance and Revision in Geographic Information Systems

Article Category

Article available in the following languages:

Cartographier la logique de l'incertitude

L'application d'une approche ontologique pour tester des produits de cartographie permet de représenter et calculer leurs représentations sous-jacentes malgré les incertitudes qui peuvent apparaître.

Économie numérique icon Économie numérique

Les systèmes d'information géographique (SIG) permettent de simuler une approche basée sur la géographie pour la résolution de problèmes. Cette approche peut s'appliquer à de nombreux domaines, notamment le commerce, l'industrie et la vie quotidienne. L'un des problèmes rencontrés avec les données géographiques est qu'elles proviennent de différentes sources. En retour, cela aboutit souvent à des données imprécises, incertaines, incomplètes, qualitatives et difficiles à combiner avec les données quantitatives d'un SIG existant. Pour éliminer ces incertitudes, des techniques issues de différents domaines ont été développées afin de standardiser les données géographiques. Le projet Revigis avait pour objectif de découvrir de nouvelles théories et des outils permettant d'améliorer la précision des données géographiques incertaines. À l'aide de la logique floue, qui propose un raisonnement approximatif plutôt qu'un raisonnement précis, les recherches menées dans le cadre du projet ont employé un mélange de diverses techniques formelles pour gérer l'incertitude des données spatiales. Ces techniques ont été appliquées à des produits de cartographie qui représentent tous une partie du monde réel. Malgré cela, ils varient également énormément en termes de leur objectif et de leur ensemble de spécifications. Par exemple, l'objectif d'une carte géographique est très différent de celui d'une carte topographique. De plus, seule une petite partie des détails disponibles sont transférés dans des métadonnées même s'il existe plus de domaines de spécifications. L'objectif était de considérer toutes les spécifications dans leur intégralité et de créer une adaptation logique à partir de la logique floue, qui ressemble énormément à la façon dont le cerveau humain fonctionne. Les représentations en résultant reflètent des situations réelles et sont basées sur des degrés de vérité. Cela permet de vérifier les données pour voir s'il existe ou non un modèle logiquement éprouvé pour les spécifications particulières et de faire évoluer les spécifications de manière continue. La fusion régulière de données externes est également possible. Cette approche est d'une importance particulière pour les agences de cartographie, les fournisseurs de données de cartes et les programmeurs logiques.

Découvrir d’autres articles du même domaine d’application