=Paper= {{Paper |id=Vol-1535/paper-04 |storemode=property |title=Un Système de Génération d'Itinéraires des activités mobiles dans la ville |pdfUrl=https://ceur-ws.org/Vol-1535/paper-04.pdf |volume=Vol-1535 |authors=Ines Jguirim,David Brosset,Christophe Claramunt |dblpUrl=https://dblp.org/rec/conf/sageo/JguirimBC15 }} ==Un Système de Génération d'Itinéraires des activités mobiles dans la ville== https://ceur-ws.org/Vol-1535/paper-04.pdf

Un Système de Génération d’Itinéraires des
Activités Mobiles dans la Ville
Ines Jguirim, David Brosset, Christophe Claramunt
Institut de Recherche de l’Ecole Navale (IRENav), BCRM Brest, CC 600, Ecole
Navale, 29240 Brest, cedex 9

RESUME : Cet article présente un générateur d’itinéraires basé sur un modèle des activités
urbaines prenant en compte différentes contraintes spatio-temporelles. Une activité est
modélisée comme un parcours sous contraintes avec différentes modalités et un ensemble de
points d'intérêt identifiés dans la ville. La modélisation spatio-temporelle d'une activité a
pour objectif d’obtenir des itinéraires d’activité dans une ville en utilisant des méthodes de
génération basées sur l’exploration de graphes. L’analyse spatiale des réseaux d'activités
permet d’étudier l’usage et les fonctionnalités dans la ville pour un profil d’utilisateur type et
d’explorer les interactions entre la structure spatiale de la ville et les différents usages. Un
premier cas d’étude développé sur la ville de Brest apporte des premiers résultats montrant
les potentialités de l'approche.
ABSTRACT: This paper introduces a modelling approach oriented to the representation of
urban activities which takes into account several interacting spatio-temporal constraints. An
activity is modeled as a constraint-based path with different transportation modalities and
points of interest identified in a given urban system. The objective of this spatio-temporal
model is to generate activity-oriented routes using graph algorithms. The spatial analysis
developed on top of the networks is composed by the routes generated and allows for a
characterization of human activities at the city level. The whole approach is experimented
and applied to the city of Brest. Preliminaryresults are illustrated and discussed.

MOTS-CLES : Activités urbaines, réseaux de transport, génération d’itinéraires, graphes
KEYWORDS: Urban activities, transportation networks, itineraries generation, graphs

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
2 SAGEO’2015

1. Introduction

En 2050, près de 70% de la population mondiale vivra dans les villes contre 30% en
1950 (ONU, 2014). La ville est ainsi au cœur de nombreuses préoccupations et
constitue un objet d’étude pour de nombreux domaines de recherche.La ville peut
êtreinterprétée selon différents points de vue et à différentes échelles, ce qui conduit
à unvrai défi pour fournir un cadre de modélisation qui englobe toutes ces
dimensions (Batty, 2009).
La structure urbaine d’une ville est souvent modélisée par des approches
multimodales et multi-échelles (Chen et al., 2011). La structure multimodale d’un
tel espace provient de différents types de réseau comme par exemple le réseau
routier, le tramway et le métro.Chaque réseau peut être étudié et représenté à partir
de granularités différentes(Arnold, 2004).
De nombreusesapprochessontutilisées afin d’obtenir un modèle multidimensionnel
de la ville souvent dérivé de la théorie des graphes (Jiang et Claramunt,
2004,Hamaina et al., 2012).La plupart des travaux proposés se focalisent
principalement sur les aspects spatiaux et dynamiques de la ville en étudiant la
structure de l’espace et sa configuration (Fedra, 1999) ainsi que les déplacements et
la mobilité des citadins (Hillman et Pool, 1997). Un milieu urbainest un support
pour de nombreuses activités humaines qui conditionnent les mobilités dans
l’espace.Une des pistes possibles pour étudier les phénomènes de mobilité dans la
ville consiste à les mettre en relation avec les activités et les services offerts par
unespace urbain.
La Time Geography (Hägerstrand, 1976)est l’une des principales théories proposées
pour la modélisation du concept d’activité à un niveau désagrégé en milieu urbain.
La Time Geography apporte une contribution théorique pour la prise en compte de
l’individu dans un système et modélise les activités et les déplacements dans un
milieu urbain à un niveau microscopique. De nombreux modèles se sont depuis
orientés vers la modélisation des activités urbaines à partir de la Time
Geography(Chen et al., 2011 ; Crease et Reichenbacher, 2013 ; Shaw et Yu, 2009 ;
Frihidaet al.,2004).
Ces modèles se basent sur le concept de« chemin spatio-temporel » défini dans la
Time Geography comme un parcours bidimensionnel dans l’Espace-Temps. Ce
concept de mobilité d’unindividu donne un cadre support de modélisation des
modalités et des opportunités. Kofod-Petersen et Aamodt (2006)proposent un
modèle contextuel qui gère les différentes situations durant la réalisation d’une
activité. Ces facteurs contextuels identifiéssont : le contexte environnemental, le
contexte spatio-temporel, le contexte social et le contexte personnel.Ce modèle ne
prend cependant pas en considération toutesles contraintes et les fonctionnalités
offertes par un environnement.
Cet articlepropose une modélisation spatio-temporelle et fonctionnelle qui prend en
compte les différents facteurs spatio-temporels (par exemple les contraintes et les
limites du réseau, la disponibilité des services) et humains (mobilité réduite par
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Un Système de Génération d’Itinéraires des Activités Mobiles dans la Ville 3

exemple) et leursinterdépendances en enrichissant notre modèle précédent
(Jguirimet al., 2014). Les activités considérées par ce modèle sont les activités
mobiles qui exigent un déplacement dans le temps et qui durent un temps limité.
Avec l’objectif d’étudier les fonctionnalités offertes dans une ville, nous retenons le
concept de point d’intérêt (POI).
Un POI est un objet ponctuel ou assimilé qui offre un service particulier permettant
la réalisation d’uneactivité. À travers les POI, une relation entre la structure de
l’espace et son usage fonctionnel émerge par la réalisation de certaines activités.
Notons qu'un modèle d'activité comporte des variables relatives au profil et aux
désirs des individus (Groff, 2007).
L’approche proposée dans cet articleconsiste à modéliser la structure et les
fonctionnalités offertes dans la ville en formalisant l’usage et ce afin d’obtenir un
réseau d’activités qui reflète la dynamique de la ville. Le modèle proposé intègre la
dimension spatiale à partir du réseau urbain multimodal, les points d’intérêts offrant
des possibilités d’activités, et la dimension temporelle bornant les possibilités
offertes à ces activités.
Ce modèle est représenté à partir d’une typologie des activités, des différentes
modalités de transport et de potentialités de déplacement. Le modèle proposé permet
de générer des itinéraires et des activités dans la ville, à partir de processus de
parcours de graphes sous contraintes offrant ainsi des possibilités d’analyser la
mobilité des personnes dans la ville. Un tel système permet de représenter une
dynamique de la ville selon différents points de vue. Les itinéraires
généréspermettentune dérivation des potentialités fonctionnelles de la ville (Di
Bitontoet al., 2010). La section 2 présente un modèle de représentation de la
structure spatiale et du réseau d’une ville et la section 3 développe un modèle de
représentation des activités. Un cas d’étude illustre l’approche dans la section 4. La
section 5 conclue l’article et explore quelques pistes de recherche encore ouvertes.

2. Modélisation de la ville

Les éléments pris en compte dans notre modélisation sont les différents services de
la ville et les réseaux de transport permettant d’y accéder. Une ville est donc ici
considérée comme un ensemble de services accessibles par un réseau de transport
multimodal. Une représentation multimodale est mise en place afin de considérer la
structure et l’usage de la ville. L’usage de l’espace se manifeste par l’utilisation de
transports multimodaux et par l’exploitation des différents POI disponibles dans une
ville. La modélisation multicouches proposée pour représenter la structure de la ville
est composée par :
le réseau routier,
un réseau de transport public et
un ensemble de points d’intérêts (POI) pouvant offrir des
services.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
4 SAGEO’2015

2.1. Modélisation urbaine par les graphes

Les graphes sont utilisés fréquemment pour des problématiques de modélisation
urbaine et des réseaux de transport(Minor et Urban, 2007). Ce choix est fait dans
plusieurs travaux apportant une richesse formelle et mathématique issue de la
théorie des graphes. Nous avons opté pour une modélisation à base de graphes pour
représenter les différents réseaux de transport.

2.1.1. Le réseau routier
Le réseau routier définit le support de la ville et la structure des activités possibles.
Le réseau urbain est utilisé par des moyens de transport individuels tels que les
voitures et les vélos, les piétons pouvant également l’emprunter sous certaines
restrictions. Le réseau de transport urbain est modélisé par un graphe orienté et
pondéré
Gurb=( Ri, Rs) où Ri={ri1, ri2, ..,rip} est l’ensemble des intersections entre
les rues et Rs={rs1, rs2, .., rsm} représente les segments qui les relient.
En première approximation chaque segment est pondéré par la vitesse maximale
autorisé pour les automobiles car cette impédance est liée à la structure routière de
l’espace urbain. Les autres modalités ont une vitesse considérée comme fixe.

2.1.2. Le réseau de transport public
Le réseau de transport public est un réseau multimodal qui se connecte directement
au réseau routier. En effet, la partie de réseau réservée pour les bus et les navettes
routières se basent surle réseau routier de la ville. Cependant, le transport ferroviaire
est accessible par les arrêts qui sont connectés au réseau routier. Le réseau de
transport public est modélisé par une séquence de stations utilisées par différents
moyens de transport présents dans la ville tels que : le bus, le tramway,le métro et le
train. Chaque moyen de transport possède un ensemble de stations et d’itinéraires
prédéfinis.
Un réseau multimodal de transport public d’une ville est un ensemble de lignes
LTr1LTr2, …,LTrn où n est le nombre de lignes dans une ville. Chaque ligne de
transport est modélisée comme suit : LTr={station1, station2, …, stations} où stationi
est une station et s le nombre de stations utilisées par la ligne LTr. Le graphe qui
représente le réseau de transport public est défini par Gptr=(station, PTedge) tel que
Station est l’ensemble des stations utilisées par le réseau de transport public.
PTedgeest l’ensemble des segments (rues, rails) qui relient les stations tel que :
∀ei∊PTedge,stationj, stationk∊PTr et stationj, stationksont deux stations
successives alors ei=( stationj, stationk)

2.1.3. L’ensemble de POI
Un POI est caractérisé par des coordonnées géographiques et un type de service
offert (e.g., restaurant, magasin). Le type d’un POI donne le service offert. Nous
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Un Système de Génération d’Itinéraires des Activités Mobiles dans la Ville 5

modélisons un ensemble de POI comme un ensemble de nœuds. Nous prenons
comme hypothèse que chaque POI possède un chemin d’accès à partir du réseau
routier.L’accès à un POI est assuré par la route la plus proche. Un POI peut être
accessible par le transport public, au sens topologique du terme (Gleyze, 2001),si un
arrêt se trouve à proximité. Cette proximité est évaluée par le temps de parcours
entre le POI et l’arrêt le plus proche qui dépend du profil de l’utilisateur

3. Modélisation des activités dans la ville

La navigation et le déplacement dans une ville dépendent principalement de la
structure urbaine de l’espace. Nous considérons l’espace urbain comme un graphe
orienté qui modélise les nœuds et ses chemins d’accès comme schématisé dans la
Figure1. Nous prenons en compte comme nœuds dans la ville les POI et les
intersections des rues.Chaque nœud est topologiquement accessible par le réseau
urbain. . Les segments qui relient les nœuds acceptent au minimum une modalité
valide dans la ville.
Plusieurs travaux ont proposé un modèle de classification des POI dans un espace
urbain. Notre approche se base surlemodèle ontologique proposé par Lorenz, (2005)
qui vise à modéliser la structure fonctionnelle de l’espace en classifiant les types
de POI selon le service offert.

œ œ œ

œ œ

Figure 1 : Modèle d’une activité à base de graphes

Dans notre cas l’étude de la structure de l’espace exige de prendre en compte les
fonctionnalités offertes par une ville. Dans cette section, nous proposons un modèle
qui décrit les activités urbaines en prenant en compte le cadre spatio-temporel ainsi
que différents profils d’utilisateurs. Une activité est définie comme un ensemble
d’actions à accomplir par des individus dans un objectif précis (Kozulin, 1986). Une
activité est modélisée comme un ensemble de nœuds qui peuvent être des POI
fournissantdes services particuliers. Nous prenons l’exemple d’une activité de
tourisme où plusieurs types de POI peuvent intervenir.En première approche, nous
considéronsuniquement dans cette étudeles activités se déroulant sur une journée.

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
6 SAGEO’2015

La description d’une activité repose sur des étapes dont les transitionsreprésentent
des déplacements. Une activité est caractérisée par un point de départ et un point
d’arrivée séparés par un ensemble de nœuds qui peuvent offrir un service particulier.
Une activité est modélisée par une chaine connectée notée act définie comme suit :

= , , , "
# ,
"
Où est le nœud visité pendant l’intervalle de temps , définit un segment , m
est la modalité utilisée et est le nombre d’itérations.
Les intervalles permettent de préciser le temps passé pour visiter un nœud. Lorsque
ce nœud est un POI il s’agit du temps passé à utiliser le service disponible sinon il
s’agit de pénalités d’intersection.
Ns est le nœud de départ d’une activité, Ne est le nœud d’arrivée. Les points de
départ et d’arrivée sont des positions particulières qui peuvent être un logement, un
parking, une station de transport public etc. Cette position est considérée comme un
nœud qui peut se connecter au graphe par projection orthogonale sur le segment le
plus proche. Le temps pour réaliser une activité varie selon les types de modalité
utilisés, le profil utilisateur sélectionné et les caractéristiques du réseau (la vitesse
limite, les pénalités). Une activité varie selon le contexte spatio-temporel, le profil et
l’environnement urbain.
La manière de réaliser une activité dépend en grande partie du profil de l’utilisateur.
Un profil est défini à partir de plusieurs caractéristiquescomme suivant :
$= ℎ & $, '& ())( *+ ,[ -& ( ], (( /, ((
Les paramètres qui définissent le profil sont :ℎ & $est un Booléen qui précise la
présence d’un handicap si ℎ & $ = 1 ou passi ℎ & $ = 0, la vitesse de
marche'& ())( *+ etk différents moyens de transport utilisables. De plus, un
profil est défini par un intervalle temporel donnant les durées minimales (( et
maximales (( / d’activités.
Par exemple, soit un profil p1représenté par p1=(0, 5km/h, [piéton], 2h, 4h).p2 est un
autre profil modélisé comme suit : p2 = (1, 4km/h, [bus, tramway], 1h, 2h).
Une activité dans un espace urbain permet de générer un ensemble d’itinéraires qui
déterminent tous les chemins potentiels qui assurent l’activité. La génération
d’itinéraires d’une activité est définie par une fonction qui prend en paramètres le
type d’activité, le profil d’utilisateur et une ville spécifique:

23 & ( & () = 4 , $, '

Où f est une fonction qui calcule l’ensemble des itinéraires respectant
l’ensemble des contraintes pour un profil $ spécifique pour réaliser une
activité ( dans une ville ' donnée.
La génération des itinéraires est assurée par un algorithme de parcours de graphes
exhaustif qui explore le réseau urbain de manière à satisfaire les contraintes
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Un Système de Génération d’Itinéraires des Activités Mobiles dans la Ville 7

temporelles, le profil des utilisateurs et la configuration urbaine. Les itinéraires
générés pendant une activité permettent de caractériser le réseau de transport utilisé
dans une situation donnée. Chaque situation est représentée par un réseau
d’itinéraires qui modélise une activité particulière dans la ville. Les itinéraires
générés à partir d’un profil et des POI de départ et d’arrivée spécifiés dans un
intervalle de temps durant une activité donnée montrent la partie utilisée du réseau
de transport. Une rue peut être évaluée par sa fréquence d’exploration pour exécuter
une activité particulière.

4. Expérimentation

Dans l’objectif d’étudier les itinéraires générés durant une activité donnée, nous
prenons un cas d’étude appliqué sur la ville de Brest avec plusieurs activités
exemples. Nous réalisons dans un premier temps l’acquisition des données urbaines
de la ville et les modélisons sous forme de graphes. La deuxième étape est la
génération et l’analyse des itinéraires des activités.

4.1. Acquisition des données

La mise en œuvre et la validation de notre approche nécessite l'acquisition de
données géographiques urbaines. Afin d'obtenir une grande source de données,
nousavons opté pour l’utilisation de données libres. Dans un contexte géographique,
l'émergence de l’information géographique volontaire (Volunteered Geographic
Information VGI) (Goodchild, 2007) a créé un nouvel axe de recherche basé sur les
projets collaboratifs. OpenStreetMap1 (Coast, 2007) est l'un des exemples les plus
réussis de projet VGI. Les données OSM offrent une base des données comprenant
la structure urbaine, les POI disponibles et les différents réseaux de transport. Les
données OpenStreetMap sont utilisées pour la création des graphes de transport des
différentes villes étudiées. Plusieurs outils libres existent déjà pour la modélisation
des graphes à partir d’une base de données OSM. Nous avons utilisé OSMOSIS2
comme outil d’extraction et d’analyse des fichiers OSM et OSM2PO3 pour le
routage et la création des graphes.

4.2. Génération des itinéraires

Dans un but d’exemple du modèle développé et afin de montrer le potentiel de
l’approche nous présentons dans cette section quatre activités.Un premier cas

1
http://www.openstreetmap.org/copyright/fr
2
http://wiki.openstreetmap.org/wiki/Osmosis
3
http://osm2po.de/

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
8 SAGEO’2015

d’étude de cette expérimentation est la découverte piétonne dans la ville. Cette
activité consiste à naviguer dans la ville pendant une durée limitée qui varie dans
notre étude entre une heure et deux heures. Il s’agit de l’activité la plus simple car
elle n’impose pas de visite de POI particuliers, mis à part les points de départ et
d’arrivée, mais elle sert de base à la génération d’itinéraires des autres activités
piétonnes par un simple processus de filtrage des itinéraires qui permettent l’accès à
des POI spécifiques.Les points de départ et d’arrivée pour la découverte piétonne
sont les hôtels. La génération de ces itinéraires doit répondre à la question : Quels
sont les itinéraires possibles pour une personne partant d’un hôtel quelconque, se
déplaçant à pied pendant une ou deux heures ? L’algorithme 1 présente les
différentes itérations de génération des itinéraires pour l’activité d’une découverte
piétonne.

Algorithme 1 : Génération des itinéraires de l’activité d’une découverte piétonne

1. generatorItinerariesPedestrianDescovery(City, POIdepartt/arrival, Modality,
DurationMax)
2: { // initialisation
3: Duration ← 0
4:ActItineraries ← ∅
5:Itink← ∅
6: ifDuration = = 0 then
7://AccessibilityStreet() est une fonction qui retourne la rue la plus proche
8: d’un nœud donné
9: racce← AccessibilityStreet(POI)
10: // Neighbor() est une fonction qui cherche la rue voisine d’une rue donnée
11: Rneidhbor ← Neighbor(racce)
12: // Explorer le graphe jusqu’à la durée maximale
13: ifr notVisitedthen
14: ifDuration () 9, ∃ & ∈ [0, =], ∈7 &) (9, ∃ ? ∈
[0, =], @ ∈ 7 &) (9, & ≠ ?

0 1 2 3 km 0 1 2 3 km

(a) Profil piéton (b) Profil piéton à mobilité réduite
Figure 3 : L’activité Tourisme
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Un Système de Génération d’Itinéraires des Activités Mobiles dans la Ville 11

Contraintes :∃ ∈ [0, =], ∈ 7>() 9, =[ , + 1ℎ]

0 1 2 3 km
0 1 2 3 km

(a) Profil piéton (b) Profil piéton à mobilité réduite

Figure 4 : L’activité Restaurant

Contraintes : ∃ & ∈ [0, =], ∈ 7Cℎ $$& D9

0 1 2 3 km 0 1 2 3 km

(a) Profil piéton (b) Profil piéton à mobilité réduite

Figure 5 : L’activité shopping

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
12 SAGEO’2015

L’activité de tourisme génère un réseau déconnecté pour un piéton couvrant 13% de
réseau routier de Brest. Une forte densité des itinéraires touristiques est concentrée
dans le centre-ville. La faible couverture de l’activité de tourisme par rapport aux
autres activités peut être expliquée par le faible nombre de POI utilisés par l’activité
de tourisme. Les réseaux de l’activité shopping et de l’activité restauration se
ressemblent beaucoup du point de vue spatial ce qui donne à penser que ces deux
activités sont liées. Pour le profil piéton, les réseaux sont déconnectés et couvrent
entre 19 % et 20% des rues. Cependant, les réseaux générés par un piéton à mobilité
réduite sont plus connectés et parcourent 16% des rues.
5. Conclusion
La modélisation des activités urbaines dépend de plusieurs facteurs humains et
temporels. Le modèle conceptuel et logique proposé dans cet article prend en
compte certains contextes ayant une influence sur le déroulement d’une activité
quelconque tels que la durée de l’activité, la mobilité et la modalité de l’individu.
Les itinéraires générés durant une activité permettent de présenter la ville à partir
d’une approche exploratoire qui dépend du profil des individus et des durées
possibles pour la réalisation d’activités. L’algorithme de génération proposé est basé
sur des techniques d’exploration des graphes qui consistent en première étape à
générer tous les itinéraires possibles pour un piéton de procéder ensuite à l’étape de
filtrage pour sélectionner les itinéraires correspondant à une activité particulière. Le
cas d’étude appliqué sur la ville de Brest pour analyser un ensemble d’activités
illustre une variabilité dans le réseau utilisé selon les fonctions demandées. Chaque
activité possède un réseau support diffèrent qui se superpose avec les réseaux des
autres activités.
Tableau 1. Une analyse de couverture des itinéraires pour les activités piétonne

Piéton Piéton à mobilité
réduite
Nombre Nombre de Longueur Nombre de Longueur
de POI segments de rues segments de rues
Activité (OSM) parcourus parcourues parcourus parcourues
Balade 0 46,42% 41,14% 37,6% 32 ,03%
urbaine
Tourisme 30 13 ,85% 11,8% 9,64% 7,8%

Shopping 413 20,28% 18,33% 16,55% 14,23%

Restaurant 173 19 ,95% 17,9% 16,4% 14,23%

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Un Système de Génération d’Itinéraires des Activités Mobiles dans la Ville 13

Les perspectives de notre travail consistent à définir des activités précises en
utilisant des approches de fouilles de données sur des enquêtes de mobilité telles que
réalisées dans (ENTD, 2008). Les réseaux sociaux peuvent également être une
source d’information sur le déroulement des activités. L’analyse spatiale de chaque
réseau, basée principalement sur la syntaxe spatiale, devrait permettre de renforcer
la prise en compte de la structure urbaine de la ville. Les réseaux générés pourront
être utilisés afin de produire de nouveaux opérateurs de syntaxe spatiale au sein
d’une plateforme intégrée. L’objectif final étant de pouvoir analyser un réseau
urbain sous différents angles telles que les activités possibles.
Bibliographie
Arnold P., PeetersD.,Thomas I. (2004), Modelling a rail/road intermodal transportation
system. Transportation Research Part E: Logistics and Transportation Review,
40(3), 255-270.
Batty M. (2009). Urban modeling. International Encyclopedia of Human Geography. Oxford,
UK: Elsevier.
Chen J., Shaw S. L., Yu H., Lu F., Chai Y., Jia Q. (2011), Exploratory data analysis of
activity diary data: a space–time GIS approach. Journal of Transport Geography,
19(3), 394-404.
Chen S., Tan J., Claramunt C., Ray C. (2011), Multi-scale and multi-modal GIS-T data
model. Journal of Transport Geography, 19(1), 147-161.
Coast S. (2007), OpenStreetMap. In Workshop on Volunteered Geographic Information.
Di Bitonto P., Di Tria F., Laterza M., Roselli T., Rossano V., Tangorra F. (2010). Automated
generation of itineraries in recommender systems for tourism (pp. 498-508).
Springer Berlin Heidelberg.
ENTD Enquête nationale transports et déplacements, (2008),
http://www.statistiques.developpement-durable.gouv.fr/sources-methodes/enquete-
nomenclature/1543/139/enquete-nationale-transports-deplacements-entd-2008.html
Fedra, K. (1999). Urban environmental management: monitoring, GIS, and modeling.
Computers, environment and urban systems, 23(6), 443-457.
Frihida A., Marceau D. J., Thériault M. (2004). Development of a temporal extension to
query travel behavior time paths using an object-oriented GIS.GeoInformatica, 8(3),
211-235.
Jguirim I., Brosset D., Claramunt, C. Functional and Structural Analysis of an Urban Space
Extended from Space Syntax, GIScience 2014
Gates T. J., Noyce D. A., Bill A. R., Van Ee N. (2006). Recommended walking speeds for
pedestrian clearance timing based on pedestrian characteristics. Transportation
Research Record: Journal of the Transportation ResearchBoard, (1982), 38-47.
Gleyze J. F. (2001), Réseaux, Territoires et Accèssibilité, rapport technique non publié.
Goodchild M. F. (2007), Citizens as sensors: the world of volunteered geography.
GeoJournal, 69(4), 211-221.
Groff E. R. (2007). Simulation for theory testing and experimentation: An example using
routine activity theory and street robbery. Journal of Quantitative Criminology,
23(2), 75-103.
Hamaina R., Leduc T., Moreau G. (2012). Caractérisation des tissus urbains à partir de
l’analyse structurelle des réseaux viaires. Cybergeo: European Journal of
Geography.
Hillman, R., & Pool, G. (1997). GIS-based innovations for modelling public transport
accessibility. Traffic engineering & control, 38(10), 554-559.
Hudson-Smith A., Batty M., Crooks A., Milton R. (2009). Mapping for the masses accessing
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
14 SAGEO’2015

Web 2.0 through crowdsourcing.Social science computer review, 27(4), 524-538.
Jiang B., Claramunt C. (2004). Topological analysis of urban street networks.Environment
and Planning B, 31(1), 151-162.
Kofod-Petersen A., Aamodt A. (2006). Contextualised ambient intelligence through case-
based reasoning.In Advances in case-based reasoning (pp. 211-225).Springer Berlin
Heidelberg.
Kozulin A. (1986). The concept of activity in Soviet psychology: Vygotsky, his disciples and
critics. American psychologist, 41(3), 264.
Lorenz B., Ohlbach H. J., Yang L. (2005). Ontology of transportation networks.

Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.