Les recherches actuelles de Gong se concentrent sur les méthodes d'analyse géospatiale pilotées par API qui prennent en charge l'accès aux données en temps quasi réel et à la demande.
Chao Gong, chercheur doctorant à l'Université Maynooth, a passé plus de 10 ans en tant que professionnel dans le domaine de l'analyse des données géospatiales, avec une expérience dans les travaux d'arpentage et de cartographie au niveau national en Chine.
Pendant qu'il travaillait en Chine, Gong a été impliqué dans la gestion de bases de données géospatiales à grande échelle et dans le soutien de projets d'infrastructure, d'utilisation des terres et environnementaux.
Actuellement, il poursuit un doctorat en système d'information géographique (SIG) et en télédétection à Maynooth, tout en travaillant également en tant que spécialiste SIG chez Quarry Consulting, basé à Co Mayo.
Ses travaux les plus récents portent sur l'automatisation des flux de travail d'analyse spatiale et l'intégration de l'accès aux données en temps réel et à la demande dans les systèmes SIG.
« Au fil du temps, mes recherches ont évolué du traitement SIG traditionnel vers des approches plus dynamiques, basées sur des API, qui visent à améliorer l'efficacité et à combler le fossé entre la recherche universitaire et les applications du monde réel », explique-t-il.
Qu’est-ce qui vous a poussé à devenir chercheur ?
J'ai découvert les SIG pour la première fois pendant mes études de premier cycle et j'ai immédiatement été fasciné par la façon dont les données spatiales pouvaient être utilisées pour comprendre et interpréter le monde réel.
Cependant, un moment plus déterminant est survenu plus tard au cours de mon travail professionnel. J'ai participé à des projets dans lesquels de grands volumes de données géospatiales devaient être traités manuellement, ce qui nécessitait souvent beaucoup de temps et d'efforts avant qu'une analyse significative puisse commencer.
Je me souviens avoir pensé que le véritable défi n'était pas seulement d'analyser les données, mais aussi d'y accéder et de les gérer efficacement. Cette prise de conscience est restée en moi et est devenue un tournant. Cela m’a fait comprendre qu’améliorer la façon dont nous travaillons avec les données spatiales pourrait avoir autant d’impact que l’analyse elle-même.
C’est à ce moment-là que je me suis intéressé à l’exploration de nouvelles approches, ce qui m’a finalement conduit vers la recherche.
Pouvez-vous nous parler des recherches sur lesquelles vous travaillez actuellement ?
Mes recherches actuelles portent sur le développement de méthodes d'analyse géospatiale basées sur des API qui prennent en charge l'accès aux données en temps quasi réel et à la demande.
J'ai développé un outil basé sur QGIS qui intègre des données spatiales locales avec des services Web en direct tels que les API WFS et ArcGIS. Cela permet aux utilisateurs d'effectuer une analyse de proximité sans avoir à télécharger des ensembles de données complets à l'avance, ce qui constitue une limitation courante dans les flux de travail SIG traditionnels.
L'outil a été appliqué en collaboration avec Quarry Consulting pour prendre en charge les tâches d'analyse environnementale dans des contextes industriels réels.
En incorporant des techniques telles que la standardisation du système de coordonnées, l'indexation spatiale et la mise en cache, le système améliore à la fois l'efficacité et les performances tout en maintenant la fiabilité analytique.
Ce travail reflète une évolution plus large du SIG vers des flux de travail plus évolutifs, flexibles et plus efficaces en matière de données.
Selon vous, pourquoi vos recherches sont-elles importantes ?
L'analyse géospatiale traditionnelle repose souvent sur le téléchargement et le traitement d'ensembles de données entiers, ce qui peut prendre du temps et être inefficace, d'autant plus que les volumes de données continuent de croître.
Mes recherches abordent ce problème en permettant un accès à la demande à un sous-ensemble pertinent de données spatiales via des API, permettant ainsi aux utilisateurs de récupérer les informations dont ils ont besoin quand ils en ont besoin.
Cette approche peut réduire considérablement les frais de transfert et de traitement des données, rendant l’analyse spatiale plus efficace et plus accessible. Cela est particulièrement pertinent dans les contextes où des informations opportunes et fiables sont essentielles, comme la surveillance environnementale, la planification et le développement des infrastructures.
Quelles applications commerciales envisagez-vous pour vos recherches ?
Cette recherche présente un fort potentiel dans plusieurs secteurs, notamment la conformité et la surveillance environnementales, la planification des infrastructures et la sélection des sites, les projets d'ingénierie et de construction et l'évaluation des risques spatiaux.
En permettant un accès plus rapide et plus efficace aux données spatiales pertinentes, les organisations peuvent améliorer la prise de décision tout en réduisant les coûts opérationnels et les obstacles techniques.
Quels sont les plus grands défis auxquels vous êtes confronté en tant que chercheur dans votre domaine ?
L’un des principaux défis consiste à équilibrer l’accès aux données en temps quasi réel avec la fiabilité analytique. Garantir que les résultats restent robustes tout en travaillant avec des sources de données dynamiques et distribuées n'est pas toujours simple.
Un autre défi réside dans l’intégration de sources de données hétérogènes, qui diffèrent souvent par leur format, leur qualité et leurs systèmes de coordonnées.
De plus, pour traduire les résultats de la recherche en outils pratiques pouvant être efficacement adoptés par l’industrie, il faut combler le fossé entre l’innovation technique et l’utilisabilité dans le monde réel.
Existe-t-il des idées fausses courantes sur ce domaine de recherche ?
Une idée fausse courante est que l’accès à plus de données conduit automatiquement à une meilleure analyse.
Même si des ensembles de données plus volumineux peuvent s’avérer précieux, ils n’aboutissent pas nécessairement à de meilleurs résultats s’ils ne sont pas pertinents ou gérés efficacement. Dans de nombreux scénarios réels, le principal défi consiste à identifier et à accéder aux bonnes données au bon moment, plutôt que de traiter toutes les données disponibles.
Les flux de travail traditionnels impliquent souvent le téléchargement d’ensembles de données complets, même lorsque seule une petite partie est requise. Mes recherches visent à remédier à cette inefficacité en permettant un accès à la demande, basé sur des API, à un sous-ensemble de données pertinent, permettant ainsi à l'analyse d'être plus ciblée et plus efficace.
En ce sens, il ne s’agit pas simplement de disposer de plus de données, mais bien d’avoir un meilleur accès aux données qui comptent.
Quels sont les domaines de recherche que vous aimeriez voir abordés dans les années à venir ?
J'aimerais voir davantage de recherches dans des domaines tels que le traitement des données géospatiales en temps quasi réel, l'intégration entre les SIG basés sur le cloud et les systèmes de bureau et la combinaison du SIG avec l'IA et l'apprentissage automatique pour une analyse plus automatisée.
En particulier, le développement de systèmes SIG évolutifs et conviviaux pouvant être facilement déployés dans les environnements de recherche et industriels constituera une orientation importante pour l’avenir.
