Visualiser les résultats

Objectif

Le pipeline se compose de trois grandes phases regroupant plusieurs briques de traitement (voir workflow). En plus du réseau de mobilité produit en sortie, de nombreuses données intermédiaires sont générées et stockées sous différents formats : fichiers Shapefile, images TIF, fichiers ASC, fichiers CSV ou encore ensembles de fichiers organisés dans des répertoires.

Afin de faciliter l’analyse, le choix des paramètres et la validation des résultats, plusieurs fonctions de visualisation ont été implémentées. Certaines sont génériques et nécessitent simplement de spécifier le fichier à afficher (par exemple les fichiers Shapefile ou TIF), tandis que d’autres sont dédiées à des étapes spécifiques du pipeline.

Cette section présente les différentes fonctions de visualisation disponibles ainsi que les données qu’elles permettent d’explorer.

Registre des jeux de données à visualiser

Le tableau ci-dessous présente l’ensemble des données produites au cours de l’exécution du pipeline. Pour chacune d’elles sont indiqués son format, la fonction ou la méthode permettant sa visualisation, ainsi qu’une brève description de son contenu.

Dans le nom des données, le suffixe NN indique que la donnée dépend du numéro de l’itération qui l’a générée. Dans ce cas, il convient de remplacer NN par le numéro de l’itération considérée.

La plupart des fonctions de visualisation sont issues de la bibliothèque tracklib. Dans ce cas, leur nom est indiqué avec le préfixe tkl., la classe qui permet de charger les données, suivi du nom de la fonction ou de la méthode à utiliser.

Des exemples de visualisation sont fournis pour la majorité des données dans la section suivante.

Donnée	Format	Fonction de visualisation	Description
decoup	Répertoire	tkl.collection.plot	Traces brutes découpées
resample_fusion	Répertoire	tkl.collection.plot	Traces brutes découpées et ré-échantillonnées à 5 mètres
resample_grid	Répertoire	tkl.collection.plot	Traces brutes découpées ré-échantillonnées à 1 mètres
points_not_mm_NN	Répertoire		Traces reconstruites après la fin de fin de l’itération précédente avec les points non recalés (échant. 5m)
G1_NN	ASC	tkl.raster.plotAsImage	Carte de densité géométrique
G2_NN	ASC	tkl.raster.plotAsImage	Carte de densité de contexte
K_NN	ASC	tkl.raster.plotAsImage	Carte de contraste
B_NN	ASC	tkl.raster.plotAsImage	Carte binaire (présence du chemin)
dilatation	TIF	maPlotRasterTiff	Une dilatation est appliquée sur le raster
erosion	TIF	maPlotRasterTiff	Puis une érosion est appliquée après la dilatation
imageclean	TIF	maPlotRasterTiff
surface	SHP	matPlotRasterShp	Le résultat de l’opération de vectorisation brute
road_surface	SHP	matPlotRasterShp
road_surface_lissee	SHP	matPlotRasterShp
squelette	SHP	matPlotRasterShp
reseau_NN	CSV	tkl.network.plot
edgegeom_NN	CSV
squelette_topo_simplif	CSV
resultmm_NN	CSV	plotMM
resultallmm_NN	CSV	–
tmmNN	Répertoire	plotSegmentsConstruction
fusionNN	Répertoire	plotAggregation
raccordNN	Répertoire	plotConflation

Exemples

Afficher des fichiers ASC

Les cartes de densité, de contraste et binaires sont produites à partir d’opérations matricielles de la bibliothèque tracklib. Les données sont chargées via la classe Raster.

La fonction utilisée pour leur visualisation est plotAsImage, qui s’applique à une bande du raster appelée AFMap. La fonction prend en paramètre RESPATH, correspondant au répertoire de sortie défini dans le fichier de configuration auquel on ajoute le nom du fichier à visualiser qui se trouve dans le répertoire image.

Par exemple, si on veut afficher la carte de densité géométrique issu de la première itération:

chemin = RESPATH + 'image/G1_1.asc'
rasterG1 = tkl.RasterReader.readFromAscFile(chemin, name='G1', separator='\t')
mapGeomDensity = rasterG1.getAFMap('G1')
mapGeomDensity.plotAsImage(cmap='jet', vmin=0)

Résultat :

Figure 1. Carte de densité géométrique

Afficher les résultats du map-matching

La fonction plotMM permet la lecture d’un fichier de rapport de résultats. Elle prend en paramètre RESPATH, correspondant au répertoire de sortie défini dans le fichier de configuration.

import matplotlib.pyplot as plt
from footprint2graph import plotMM

plotMM(RESPATH, None)
plt.show()

Résultat :

Figure 2. Cette fonction dessine