| Résumé: |
Le volume important des données émises par les individus et diffusées par la suite sur Twitter constitue une source d'information très significative. Ces données permettent l’analyse des interactions entre individus dans l’espace urbain. Elles sont constituées par une composante sociale (liée aux interactions sociales entre individus/groupes) et par une composante spatiale (liée à la géolocalisation dans l’espace urbain). En effet, la géolocalisation de ces données permet de faciliter l’observation de phénomènes urbains habituels et inhabituels (ex : ségrégation socio-spatiale).
Dans ce travail, nous étudierons les caractéristiques des données sur Twitter dans l’optique de l’analyse des dynamiques urbaines et d’observer des structures socio-spatiales.
En usant de diverses méthodes d’apprentissage automatique (Machine Learning), nous essaierons d’identifier les groupes sociaux principaux et latents figurant dans le contenu des données géolocalisées dans l’aire urbaine du Grand Londres. Ensuite, nous explorerons leur distribution spatiale afin de comprendre les structures socio-spatiales.
|