Nouvelles méthodes pour le traitement, l'analyse et la représentation de flux de données massives géospatiales

倾注更苍白的问题，在协助一个强大的莫德拉化和技术的L的信息学和大数据的快速和有效的分析大群众的信息。L的信息储备和企业80%的信息是本地化的，L的信息来源是空间、时间、S和其他机构的信息(空间、时间、S等)。Néanmoins，avec la乘法des capteur dans no别墅，usines，maisons，Automotive，.L的收入和S的收入和产品的实现加上L的收入在袜子里。L的爆炸和目标连接着S的扩音器和指数。塞西实施了系统分析和分析的系统和分析的一部分，汽车的主要到达继续流动，南部的地块，以及频率的分析在临时的S的准Rérétérérét e Pas en perdre re L‘intérérét/valeur，加上一个好的空间，时间和时间的分析加上标准的粒度(空间，温度和尾巴)加好。我确定了方法和技术以及存在和不同的解决方案大数据，这些方法和技术分析了空间空间，而不是最新的发现。《人民表演者与创新者与创新》节目由S主持。把啤酒倒在餐桌上，分析和研究东方人的生活。关于S的工作1)形式化和结构者L的基础和构成空间的流动和重建的有效性，2)发展新的技术和L的分析快速，可预见和能力的流动和流动的基础和S的适配器(质量，准确的现实，错误的暂时的缺乏，)，。3)实现现代化、自动化和资助人的空间流动；4)明确模式(新界面和新地图绘制方式)；提供信息；动态地提供信息。

Pour pallier le problème de déluge de données, on assiste à une forte démocratisation des outils et techniques liés à l'informatique décisionnelle et au Big data qui permettent une analyse rapide et efficace de ces grandes masses d'information. Comme 80% de l'information stockée dans les entrepôts de données des entreprises peut se voir rattacher une localisation, des systèmes dits géo-décisionnels ont vu le jour et font l'objet d'un grand intérêt de la part des entreprises et institutions car ils permettent de prendre des décisions pleinement éclairées, i.e. prenant en compte toutes les composantes de l'information (spatiale, temporelle, sémantique/thématique). Néanmoins, avec la multiplication des capteurs dans nos villes, usines, maisons, automobiles, . l'afflux de données s'est encore accru et il se produit actuellement plus de données que l'on ne peut en stocker. L'explosion à venir des objets connectés va amplifier de façon exponentielle cette tendance. Ceci impose donc de repenser les systèmes de traitement et d'analyse de la donnée, car celle-ci arrive maintenant en flux continu, souvent massif, à des fréquences parfois très élevées et doit être analysée en temps quasi réel pour ne pas en perdre l'intérêt/valeur, celle-ci ne pouvant plus être stockée pour être analysée plus tard dans sa granularité (spatiale, temporelle ou de détail) la plus fine. Si certaines méthodes et techniques de traitement de flux de données existent et ont été mises en ouvre dans différentes solutions Big data, il n'en reste pas moins que le traitement de tels flux de données, qui peuvent elles aussi se voir rattacher une localisation et donc faire l'objet d'analyses spatiales, n'en est encore qu'à ses débuts. Le présent programme vise à répondre à ce manque d'outils performants et innovants d'aide à la géo-décision basés sur des flux de données. Pour cela, on visera à concevoir des méthodes de traitement, d'analyse et de représentation de flux de données massives géospatiales. On s'attachera ainsi à 1) formaliser et structurer les éléments à la base du traitement et de la représentation efficaces des données de flux de données massives à composante spatiale, 2) développer de nouvelles techniques pour réaliser le traitement et l'analyse rapide, fiable et capable de monter en charge de tels flux de données, mais aussi permettant de tenir compte et de s'adapter à la qualité/défaut dans les données de flux (précision, actualité, erreur ou absence temporaire de données, .), 3) concevoir des modèles permettant de détecter automatiquement des tendances et patrons spatio-temporels dans les flux de données et 4) définir des modes de représentation (nouveaux types d'interface et de cartographie thématique avancée) pour rendre au mieux ces informations dynamiques pour des fins de prise de décision éclairée. Le présent programme de recherche contribuera de plus, à la formation par la recherche, de 6 étudiants de tous les cycles dans des domaines de pointe et en demande.