Urban Fabric with Bayesian LINCS. Empirical Evidence from the French Riviera
Résumé
A set of morphological indicators is proposed to identify urban fabric using spatial clustering. The LINCS approach is preferred to classical LISA in order to better integrate the point of view of pedestrians moving in the city. Some morphological indicators like land coverage are rates and this poses the well-known problem of rate variability with the base population size. Classical empirical Bayesian correction used in epidemiology, with the spatial unit surface area as base population, seems unfit to the analysis of urban morphology, as spatial units depend from morphological phenomena. New empirical Bayesian corrections are thus proposed and tested on the case study of urban landscapes of the French Riviera. A new Bayesian correction which is a sublinear function of the unit surface proves better able to reduce rate heteroscedasticity and to identify hotspots of individual houses.
Un ensemble d’indicateurs morphologiques est proposé pour identifier les tissus urbains par clustering spatial. L’approche LINCS est préférée aux plus classiques LISA pour mieux intégrer le point de vue du piéton dans la ville. Certains indicateurs morphologiques, comme ceux de couvertures du sol, sont des taux et posent un problème de variabilité avec la taille de la population mère. La correction empirique Bayésienne utilisé en épidémiologie, où la population mère serait la surface de l’unité spatiale, semble mal s’appliquer à la morpho-logie urbaine, car celle-ci influence le découpage spatial. Des nouvelles corrections Bayésiennes sont ainsi proposées et testées sur les paysages urbains de la Côte d’Azur. Une correction utilisant une fonction sublinéaire de la surface se montre plus apte à réduire l’hétéroscédasticité des taux et à identifier les concentrations de tissu pavillonnaire.
Origine : Fichiers éditeurs autorisés sur une archive ouverte