Application de la géomatique décisionnelle à l'analyse des risques naturels

La place de la géomatique décisionnelle dans le processus de décision 1/28

Géomatique décisionnelle

17-05-2011

- Arnaud Van De Casteele -

Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr

Les rencontres SIG La Lettre

Application de la géomatique décisionnelleà l'analyse des risques naturels


Présentation Générale

Géodécisionnel, concepts et champs d'applicationsHistoriqueLe décisionnel, des besoins spécifiquesEntrepôt de données spatiales

Architecture géodécisionnelle

Les étapes d'un projet géodécisionnelL'analyse des besoins et des ressourcesPréparation des donnéesStockage des donnéesReprésentation des données

Application à la base de données GasparPrésentation des données sourcesModèle multidimensionnelVolumétrie de la base & exemples de requêtes

Implémentation dans Map4Decision

Conclusion

Présentation GéoDécisionnel Étapes Projet Application Conclusion

Plan Objectifs Entrepôt de données d


Comprendre les concepts de l'informatique (Géo)Décisionnelle

Identifier les étapes d'un projet décisionnel

Objectifs


Plan Objectifs Entrepôt de données d


Augmentation des données disponibles

Incohérences entre les différentes sources

Architecture inadaptée au contexte décisionnel

Ralentissement / Surcharge des systèmes opérationnels

Pourquoi l'informatique décisionnelle ?

Quel constat pour les SIG actuels ?


Des données de plus en plus abondantes

Produites de manière individuelle ou par service

Inadéquation des logiciels SIG à soutenir le processus décisionnel (temporalité, agrégation..)

Historique Besoins spécifiques Entrepôt de données Architecture géodécisionnelle

IT RoadMap to a geospatial future, 2003Cai et al, Human-GIS Interaction Issues in Crisis Response, 2005

Années 90

Aujourd'hui

Codd et al, Providing OLAP to User-Analysts: An IT Mandate, 1993


Opérationnel

Stratégique

Décisionnel

Problèmes structurésDécision à court termeDonnées atomiques

Problèmes semi structurésDécision à moyen termeDonnées atomiques / agrégées

Problèmes non structurésDécision à long termeDonnées agrégées

Pyramide d'anthony 1965

Pompierspoliciers

Officiers, Responsable d'intervention

PréfetExperts du domaine

décisions

informations

Acteurs



A qui s'adresse l'informatique décisionnelle




Opérationnel Décisionnel

Utilisateur

Données orientées application Données orientées utilisateur

Boite à outils Processus et analyses métier déjà implémentés

Données atomiques Données atomiques et agrégées

Requêtes simples Requêtes complexes

Système

Modélisation entités/relations Modélisation multidimensionnelle

Mises à jour fréquentes Mises à jour contrôlées

Optimisation du stockage Optimisation des temps de réponse

Comparaison Opérationnel / Décisionnel



Historique Besoins spécifiques Entrepôt de données spatial Architecture géodécisionnelle

Entrepôt de données

« L'entrepôt de données (Data Warehouse) est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide à la décision »

Inmon, Building the data warehouse, 1996




Union du décisionnel et des SIG

Rapidité d'exécution des requêtes

Modèle de données plus facile

Utilisation intuitive, etc...

80% des données possèdent une référence spatiale

Pouvoir d'abstraction de la carte

Mode d'exploration privilégié, etc ...

Bedard, Geospatial Data Warehousing, 1997Caron, Étude du potentiel OLAP pour supporter l'analyse spatio-temporelle, 1998

Rivest et al, Toward better support for spatial decision making, 2001

« Plateforme visuelle conçue spécialement pour supporter une analyse spatio-temporelle rapide et efficace à travers une approche multidimensionnelle qui comprend des niveaux d’agrégation cartographiques, graphiques et tabulaires »

SOLAP :




Temps

Risques

SommeMoyenneSommeMoyenne

5 124

Dimensions

SommeMoyenneSommeMoyenne Faits

5 124 Mesures

CommunesDépRégionFrance

Cube de données spatial

Exemple de requête :Quel est le nombre d'arrêtés de catastrophes naturelles en 2008 par commune




Temps

Risques

CommunesDépRégion

Cube de données spatial

Exemple de requête :Quel est le nombre d'arrêtés de catastrophes naturelles ces 10 dernières années par région ?

France

Drill-upAgrégation spatiale et temporelle




Les composantes de l'architecture géodécisionnelle



Analyse besoins & ressources Préparation des données Stockage des données Représentation des données

Audit des besoins et des ressources

Identifier les indicateurs de performance à implémenter

Lister les différentes sources de données disponibles

Conceptualiser le modèle multidimensionnel

Accompagner les utilisateurs dans l'appropriation de l'outil




Extraction, transformation et chargement

ETL DW SOLAP

www.spatialytics.org/projects/geokettle/

GeokettleFME

www.safe.com/

Spatial Data Integrator

www.talendforge.org/wiki/doku.php?id=sdi:MainPage

Capter les différentes données sources

Homogénéiser les données sources

Calcul / Agrégation des données pertinentes

Insertion dans l'entrepôt de données spatiales


Stockage des données

Relational OLAP (ROLAP), Multidimensional OLAP (MOLAP), Hybrid OLAP (HOLAP)

Spatial OLAP (MOLAP), ajout de la composante spatiale



ETL DW SOLAP

Relational OLAP (ROLAP) est le plus couramment utilisé

Nécessite d'avoir une modélisation multidimensionnelle

Possibilité d'utiliser les moteurs de bases de données relationnelles (Postgres/gis, MySql, Oracle, etc)

Zones

Temps

Faits

Risque

Modélisation multidimensionnelleOrganisée sous forme de - Dimensions - Faits - mesures

kimball, The Data WareHouse toolkit, 1996




SAS Bridge for EsriMap4Decision GeoMondrian & SolapLayers

www.sas.com/products/bridgeforesri/www.intelli3.com/fr/map4decision.php www.spatialytics.org/projects/geomondrian/

ETL DW SOLAP

Moteur & client SOLAP

Interpréte les requêtes du client

Interface multi-modale (carte, graphiques, tableaux, etc)

Requêteur multidimensionnel (spatial drill-up, slic, etc)



Données sources Modèle multidimensionnel Volumétrie &requêtes Implémentation

Base de données Gaspar

Recense les documents d'informations préventive ou à portée réglementaire sur les risques naturels

Données : PPR, AZI, Arrêtés Catnat

Format :Dbf, Microsoft Access

23 Tables au total




Modélisation en étoile

6 axes d'analyse (dimension) : Date, Risque, CatNat, Azi, PPR, Communes

5 Mesures : superficie, nombre d'habitants, nombre de risque par commune, etc




Modélisation relationnelle gaspar

Modélisation en étoile




Stockage des données

Base de données : Postgresql + cartouche spatiale postGis

Alimentation via l'ETL Talend & GeoKettle

Temps de construction du cube pour deux dimensions 5 heures

242 211 lignes dans la table de faits pour uniquement deux dimensions

SELECT COMMUNE.COD_REGION, Count(RISQUE_RN_RT.NUM_RN_RT) AS Nb_RiskFROM (RISQUE_RN_RT INNER JOIN (RISQUE_ALEA INNER JOIN RISQUE ONRISQUE_ALEA.NUM_ALEA = RISQUE.NUM_ALEA) ON RISQUE_RN_RT.NUM_RN_RT =RISQUE_ALEA.NUM_RN_RT) INNER JOIN ((REGION INNER JOIN (DEPARTEMENTINNER JOIN COMMUNE ON DEPARTEMENT.COD_DEPARTEMENT =COMMUNE.COD_DEPARTEMENT) ON REGION.COD_REGION =DEPARTEMENT.COD_REGION) INNER JOIN COMMUNE_RISQUE ONCOMMUNE.COD_COMMUNE = COMMUNE_RISQUE.COD_COMMUNE) ON RISQUE.NUM_RISQUE = COMMUNE_RISQUE.NUM_RISQUEWHERE RISQUE_ALEA.NUM_RN_RT='1' OR RISQUE_ALEA.NUM_RN_RT='2' ORRISQUE_ALEA.NUM_RN_RT='3'GROUP BY RISQUE_RN_RT.NUM_RN_RT, COMMUNE.COD_REGION;

SELECT "id_communes", "id_risque", "nb_risk_communes" FROM "faitsevents" WHERE ("id_communes" IN ('21Reg')) AND ("id_risque" IN ('3','1','2'))

Requêtes Bd Relationnelle

Requêtes Bd Dimensionnelle




Map4Decision

Développé par Intelli3 (www.intelli3.com/)

Co-fondateur Professeur Yvan Bédard du CRG Laval (père du SOLAP)

Ajoute de la composante SOLAP au moteur cartographique JMAP

Interface d'administration SOLAP : Sélection des mesures, dimensions, etc

Connexion à divers sources de données : Postgres/gis, pentaho, Access

Interface client : multi-vues, plusieurs modes de représentation

Gestion de la composante temporelle

Synchronisation des différents composants (graphiques, cartes, etc)

Calcul de nouevaux indicateurs


Nombre d'inondations par région




Nombre d'inondations par département pour les Alpes Maritimes




Analyse des risques Naturels par département dans le Languedoc Roussillon




Paramétrage de la symbologie




D DA A

Cycle décisionnel classique Cycle décisionnel avec SOLAP

Réflexion sur le concept SOLAP : Avantages

Utilisation intuitive par les utilisateurs même non spécialistes

Requête rapides

Gestion de volumes de données importants

Gestion de la dimension spatiale et temporelle

Amélioration du cycle décisionnel

D

A

Évènement

Décideur

Action

E E

SIG Solap E



Offre logicielle peu développée

Nécessite la mise en place d'une architecture spécifique

Mise en œuvre complexe

Nécessite des compétences spécifiques pour la construction du système

Temps de construction du cube non négligeable

Réflexion sur le concept SOLAP : Inconvénients



Intégration de données raster

Intégration d'analyses spatiales poussées

Interaction avec des composants de l'informatique décisionnelle (métadonnées, qualité)

Solap Mobile

Géocollaboration

Travaux futurs autour du SOLAP



Van De Casteele Arnaud

Je vous remercie de votre attention

Des questions ?

Arnaud {dot} van_de_casteele {at} mines-paristech.fr04 93 95 75 77

Remerciements à l'équipe d'Intelli3 pour leur disponibilité

Application de la géomatique décisionnelle à l'analyse des risques naturels

Technology

Transcript of Application de la géomatique décisionnelle à l'analyse des risques naturels