Trajectoires Environnementales Sémantiques de Territoires – TRACES

Observer les trajectoires environnementales des territoires est essentiel pour analyser leur évolution en termes de préservation de la nature ou de résilience au changement climatique, et pour élaborer les politiques publiques futures en matière d’environnement et d’aménagement du territoire. Le projet TRACES a pour objectif de permettre la modélisation et l’analyse des trajectoires environnementales des territoires, en s’appuyant sur trois domaines de l’Intelligence Artificielle. Une trajectoire environnementale sera définie par un territoire d’étude, une période d’observation, et un ensemble d’indicateurs caractérisant cette trajectoire, par nature multidimensionnelle (espace, temps, thème) et multi-granulaire. Plusieurs types de trajectoires environnementales seront proposés et considérés. Les données des indicateurs utilisées par le projet TRACES proviendront de sources officielles libres et accessibles. L’approche proposée ici est centrée sur les Graphes de Connaissances (GC) et le Web Sémantique. Ainsi, dans un premier temps, le projet TRACES génèrera, sous la forme de GC, des trajectoires environnementales sémantiques de territoires (TEST). Ces GC seront élaborés à partir d’un modèle ontologique des trajectoires s’appuyant sur des vocabulaires standards, et sur des données extraites d’une infrastructure de données spatiales dédiée aux indicateurs environnementaux. Les observations environnementales qui composent les trajectoires et forment les TEST seront décrits dans des cubes de données sémantisés, liés entre eux au cours du temps. Les standards du Web 3.0 seront utilisés afin que les TEST soient publiées dans le Web des Donnés selon les principes des données FAIR (Faciles à trouver, Accessibles, Interopérables et Réutilisables). Les GC seront alors enrichis et complétés par une recherche ciblée dans les jeux de données ouverts que rend disponibles le Web des Données. Des mesures de similarité adaptées à la nature multidimensionnelle des TEST seront proposées et intégrées dans des techniques et algorithmes de Machine Learning afin de regrouper par cluster des TEST similaires, mais également afin d’en extraire des motifs fréquents, sur lesquels s’appuiera une phase de complétion et de prédiction de trajectoires basée sur des réseaux de neurones récurrents. De manière complémentaire, une approche système multi-agent élaborera des modèles explicites, basés sur des agents, capturant les divers comportements des acteurs humains et des parties prenantes, la dynamique entre acteurs humains et environnement et son impact sur l’environnement, ainsi que les effets sur l’environnement des politiques mises en œuvre dans le passé. Ces modèles seront alimentés par les GC des TEST et par les informations extraites du Web des Données lors de leur enrichissement, ainsi que par les inférences produites par les algorithmes de Machine Learning. Ces connaissances permettront de mieux comprendre les mécanismes à l’œuvre dans la dynamique des territoires, et de simuler les effets de politiques publiques, déjà expérimentées ou nouvelles. Ces différents types d’analyse seront complétés par une interface interactive permettant de visualiser ces TEST en tant que graphes, à l’aide de courbes d’évolution, sur des cartes rendant compte de la dynamique territoriale, ou à travers des cubes spatio-temporels. L’ensemble de ces composants constituera une chaîne de traitements originale et innovante, exploitant et étendant les travaux actuels sur les Graphes de Connaissances spatio-temporels. Les résultats du projet TRACES offriront un socle méthodologique et outillé pour l’aide à la décision à destination des décideurs et des professionnels en charge de la gestion des territoires, mais aussi pour l’information des citoyens. Les cas d’étude privilégiés par le projet TRACES concerneront des territoires en Suisse, en France et de part et d’autre de la frontière entre les deux pays dont sont issus les institutions partenaires de ce projet.