A hierarchical graph model for mobility representation and analysis : an application to maritime traffic Modèle de graphe hiérarchique pour la représentation et l'analyse de la mobilité : application au trafic maritime En Fr

Résumé En Fr

Mobility representation and analysis offer a structured approach to better understand move- ment behaviors and the spatial, temporal, and semantic dynamics within complex networks. Modeling mobility data and trajectories using graphs allows for extracting topological, structural, and dynamic analyses of the transport network, relying on the fundamentals and algorithms proposed by graph theory. In this thesis, we propose a hierarchical graph model with different levels of abstraction to represent spatio-temporal and semantic trajectories. Our model provides a multi-scale view that enables analyses from fine scale to regional and global scales of patterns, movement flows, and economic exchanges. We present a prototype of a hierarchical graph database using three levels of abstraction, applied to maritime mobility data. Exploring the potential of our model gives us the opportunity to develop queries and graph operators tailored to the formal conception of our hierarchical model. In this context, we develop two metrics: hierarchical accessibility to characterize the topology of ports within the maritime network, and hierarchical similarity to examine structural changes over time. Futhermore, we focus on analyzing emerging structures within the hierarchical graph using deep learning methods, specifically graph convolutional networks, to address the problem of detecting ports communities in the hierarchical network.

La représentation et l’analyse de la mobilité offrent une approche structurée pour mieux appréhender les comportements de déplacement ainsi que les dynamiques spatiales, temporelles et sémantiques dans des réseaux complexes. La modélisation des trajectoires de mobilité en utilisant les graphes permet d’extraire des analyses topologiques, structurelles et de dynamique du réseau de transport, et ce en s’appuyant sur les fondamentaux et les algorithmes proposés par la théorie des graphes. Dans le cadre de ce projet de thèse, nous proposons la représentation des trajectoires spatio-temporelles et sémantiques, en utilisant un modèle de graphe hiérarchique à différents niveaux d’abstraction offrant une vue multiéchelles, permettant des analyses à des échelles fines vers des analyses régionales et globales des patterns, des flux de déplacements et des échanges économiques. Nous proposons également un prototype d’une base de données graphe hiérarchique à trois niveaux d’abstraction, appliqué aux données de mobilité des navires. L’exploration du potentiel de notre modèle nous offre la possibilité de développer des requêtes et des opérateurs de graphes adaptés à la conception formelle de notre modèle hiérarchique. Nous présentons dans ce cadre deux mesures à savoir : l’accessibilité hiérarchique pour caractériser la topologie des zones portuaires dans le réseau maritime, et la similarité hiérarchique afin d’examiner les changements structurels dans le temps. En plus, nous nous intéressons à l’analyse des structures émergentes dans le graphe hiérarchique et ce en utilisant des méthodes d’apprentissage profond, à savoir les réseaux de convolution sur graphes, afin de résoudre le problème de détection de communautés portuaires dans le réseau hiérarchique.