Développement d'un outil cartographique automatisant la symbolisation des entités géographiques 2D dans un environnement web

Abstract

Le SIG web est devenu un support incontournable pour la diffusion d’informations géographiques. Cependant, la manipulation du JavaScript n’est pas aisée pour tout un chacun. C’est pourquoi l’objectif de ce travail est de concevoir un outil permettant d’automatiser la symbolisation des données sur une interface web avec une légende associée. L’utilisateur aura également l’opportunité, s’il le souhaite, de personnaliser une série de paramètres comme la taille, la couleur, la classification, etc. Pour ce faire, une librairie JavaScript est implémentée avec une représentation automatique adéquate pour chaque combinaison niveau d’échelle/mode d’implantation. L’utilisateur non-initié doit uniquement fournir le fichier de données avec l’attribut choisi, la couche sur laquelle symboliser les entités et le niveau d’échelle de valeurs. Pour la discrétisation des données quantitatives, un algorithme a été développé afin de déterminer la meilleure classification. Celui-ci se base sur le calcul des indices de T.A.I. et d’entropie. Pour finir, les entités spatialement continues peuvent également être représentées et personnalisées en fournissant un fichier au format CovJSON.

Web GIS has become an essential medium for the dissemination of geographic information. However, manipulating JavaScript is complex and consequently not easy for everyone. Thus, the objective of this work is to design a tool for an automatic data symbolization with an associated legend on a web interface. Additionaly, the user will have the opportunity to customize a series of parameters such as size, color, clasification, etc. To do this, a JavaScript library is implemented with an appropriate automatic representation for each level of scale / layout combination. The unexperienced user must only provide the data file with the chosen attribute, the layer on which features will be symbolized and the scale level. For the discretization of quantitative data, an algorithm has been developed to determine the best classification based on the calculation of T.A.I. and entropy. Finally, spatially continuous features can as well be represented and customized by providing a file in CovJSON format.