Géomarketing : localisation commerciale multiple

Table des Matières

Introduction générale............................................................................................................ 1

Partie I : La localisation commerciale multiple: enjeux et théories............. 19

Chapitre 1 : Enjeux et pratiques de la localisation commerciale ................................... 20

Introduction ........................................................................................................................... 21

1.1 Enjeux d'une bonne connaissance de la zone de chalandise ........................................... 24

1.2 Définir précisément la zone de chalandise ...................................................................... 27

1.2.1 Variables façonnant l'étendue et la forme des zones de chalandise ............................. 29

1.2.1.1 Variables intrinsèques au point de vente ................................................................... 30

1.2.1.2 Variables environnementales .................................................................................... 30

1.2.1.3 La variable temporelle............................................................................................... 33

1.3 Méthodes traditionnelles de délimitation des zones de chalandise ................................. 33

1.3.1 Approches subjectives : la méthode du temps de conduite .......................................... 34

1.3.2 Approches normatives .................................................................................................. 36

1.3.2.1 La méthode analogique ............................................................................................. 36

1.3.2.2 La méthode par les modèles de régression ................................................................ 38

1.3.2.3 La méthode par les surfaces enveloppantes .............................................................. 40

1.3.2.4 La méthode des nuées dynamiques ........................................................................... 41

1.4 Inconvénients et limitations des méthodes traditionnelles de délimitation ..................... 44

1.5 Les méthodes de localisation actuellement utilisées ....................................................... 46

1.5.1 La méthode par les parts de marché et les surfaces de vente ....................................... 48

1.5.2 La méthode analogique ................................................................................................ 48

1.5.3 La méthode par le modèle de régression multiple........................................................ 49

1.5.4 L'analyse discriminante ................................................................................................ 52

1.5.5 La méthode du marché potentiel .................................................................................. 53

1.5.6 Le modèle p-médian ..................................................................................................... 53

Conclusion............................................................................................................................. 56

Chapitre 2 : Les théories de la localisation ....................................................................... 57

Introduction ........................................................................................................................... 58

2.1 Les modèles d'interaction spatiale .................................................................................. 60

2.1.1 La loi de Hotteling........................................................................................................ 60

2.1.2 La loi de Reilly et la formule du point de rupture ........................................................ 62

2.1.3 La méthode des secteurs proximaux et la théorie des places centrales de

Christaller .............................................................................................................................. 64

2.1.4 Le modèle de Huff........................................................................................................ 69

2.1.5 Le modèle MCI ............................................................................................................ 70

2.1.6 Le modèle MNL ........................................................................................................... 72

2.2 Les modèles de localisation multiple .............................................................................. 74

2.2.1 Les méthodes de localisation-allocation ...................................................................... 75

2.2.1.1 Formulation mathématique du p-MP ........................................................................ 80

2.2.1.2 Les algorithmes de résolution du p-MP .................................................................... 83

2.2.2 Le modèle Multiloc ...................................................................................................... 95

2.2.3 La méthode d'analyse de portefeuille ........................................................................... 97

2.2.4 Les autres modèles de localisation-allocation .............................................................. 99

2.3 Limitations du modèle p-médian et de ses méthodes actuelles de résolution ................ 99

2.3.1 Le modèle p-médian : une réalité simplifiée ................................................................ 99

2.3.2 La complexité des méthodes de résolution du p-médian ........................................... 102

2.3.3 L'analyse typologique : une solution imparfaite pour simplifier la problématique

du p-MP .......................................................................................................................... 103

Conclusion........................................................................................................................... 111

Chapitre 3 : L'apport du traitement du signal dans le modèle p-médian.................... 113

Introduction ......................................................................................................................... 114

3.1 Une nouvelle approche du p-MP par le traitement du signal : premier aperçu d'un nouvel algorithme rapide de multilocalisation d'activités .......................................................... 115

3.2 Méthodes de délimitation fondées sur le traitement du signal et l'analyse d'image ...... 120

3.2.1 Introduction au traitement du signal et à l'analyse d'image........................................ 121

3.2.2 Le géocodage et la représentation des données géomarketing................................... 124

3.2.3 Le prétraitement des données par filtrage .................................................................. 128

3.2.4 La délimitation des zones de chalandise par traitement du signal ............................. 135

3.3 La construction du modèle p-médian : détermination des centres de gravité, distances et pondérations du modèle p-médian.................................................................................. 156

3.4 Approches stratégiques de la localisation ..................................................................... 165

3.4.1 La stratégie d'évitement ou rechercher les zones non exploitées par la concurrence 172

3.4.2 La recherche de concurrents ou la prédation.............................................................. 174

3.4.3 Stratégie d'ouverture des points de vente ................................................................... 177

3.5 Un exemple de construction d'un modèle p-médian par traitement du signal .............. 179

3.6 Utiliser toutes les sources d'informations commerciales disponibles ........................... 184

Conclusion........................................................................................................................... 191

Partie II : La localisation d'un réseau .................................................................. 193

Chapitre 4 :Analyse d'un réseau de points de vente de produits biologiques dans l'Ouest parisien ............................................................................................................. 194

Introduction ......................................................................................................................... 195

4.1 Le marché de la distribution des produits biologiques.................................................. 196

4.1.1 Les produits biologiques : définition et importance du marché ................................. 196

4.1.2 Le commerce de détail des produits biologiques en France....................................... 199

4.1.3 La vente des produits biologiques sur Internet........................................................... 205

4.2 La mise en oeuvre du traitement du signal et du modèle p-médian ............................... 209

4.2.1 La base de données utilisée ........................................................................................ 209

4.2.2 Le géocodage des données ......................................................................................... 213

4.2.3 Le pré-traitement des données.................................................................................... 215

4.2.3.1 La délimitation de la zone de chalandise ................................................................ 224

4.2.3.2 L'analyse de la zone de chalandise .......................................................................... 226

4.2.3.3 La construction et la résolution du modèle p-médian correspondant...................... 234

Conclusion........................................................................................................................... 239

Chapitre 5 : Mise en oeuvre d'un système rapide d'aide à la décision de localisation ....... 240

Introduction ......................................................................................................................... 241

5.1 Résolution du modèle p-médian par l'algorithme flou et l'algorithme de voisinage ..... 242

5.2 Résolution du modèle p-médian par les multiplicateurs de Lagrange .......................... 244

5.3 Résolution du modèle p-médian par l'algorithme génétique ......................................... 246

5.4 Localisation améliorée des points de vente au sein des aires de chalandise ................. 249

Conclusion........................................................................................................................... 259

Chapitre 6 : Comparaison et implications managériales et stratégiques..................... 260

Introduction ......................................................................................................................... 261

6.1 Comparaison des résultats de notre algorithme avec ceux des méthodes traditionnelles de construction et de résolution du p-médian...................................................................... 262

6.2 Implications managériales et stratégique : analyse des localisations existantes et choix d'une nouvelle localisation ............................................................................................. 266

6.2.1 Vérifier la bonne localisation de magasins existants ................................................. 266

6.2.2 Etendre son réseau de points de vente........................................................................ 268

6.2.3 Développer une stratégie de localisation des réseaux de points de vente .................. 271

6.2.4 Déterminer la zone de chalandise de magasins .......................................................... 282

6.2.5 Prévoir les ventes ....................................................................................................... 284

6.3 Les avantages immédiats apportés par l'utilisation du traitement du signal en localisation commerciale ................................................................................................................... 286

6.4 Limites et perspectives .................................................................................................. 292

Conclusion........................................................................................................................... 297

Conclusion générale .......................................................................................................... 300

Bibliographie...................................................................................................................... 312

Table des matières ............................................................................................................. 332

Table des illustrations ....................................................................................................... 335

Tableaux .............................................................................................................................. 335

Figures ................................................................................................................................. 337

Annexe A : Cartes des clients géocodés par arrondissement et communes de périphérie ...... 339

Annexe B : Répertoire français-anglais des termes du traitement du signal et de

l'analyse automatique d'image ......................................................................................... 344

Table des illustrations

Figures

Introduction - Fig. 1: Scénarii de la réorganisation de sites hospitaliers dans le canton de Vaud...................... 5

Introduction - Fig. 2 : Notation des scénarii de la réorganisation de sites hospitaliers dans le canton de Vaud 6

Introduction - Fig. 3 : Schéma d'un data warehouse classique dans une entreprise ......................................... 10

Fig 1.1 - Exemple de détermination d'une zone de chalandise par un logiciel commercial utilisant la méthode analogique ...................................................................................................................................... 37

Fig. 2.1 - Le principe de différenciation minimale........................................................................................... 61

Fig. 2.2 - Illustration de la formule du point de rupture ................................................................................... 63

Fig. 2.3 - Estimation d'une zone de chalandise par la méthode du point de rupture ........................................ 63

Fig. 2.4 - Les hexagones de la théorie des place centrales ............................................................................... 65

Fig. 2.5 - Etapes pour la détermination des secteurs proximaux ...................................................................... 67

Fig. 2.6 - Répartition des commerces et de l'artisanat par métier dans un souk marocain ............................... 68

Fig. 2.7 - Méthode de résolution du 1-médian : étape 1................................................................................... 84

Fig. 2.8 - Méthode de résolution du 1-médian : étape 2................................................................................... 84

Fig. 2.9 - Méthode de résolution du 1-médian : étape 3................................................................................... 85

Fig. 2.10 - Méthode de résolution du 1-médian : étape 4 ................................................................................. 85

Fig. 2.11 - Organigramme de l'algorithme flou................................................................................................ 86

Fig. 2.12 : La matrice de portefeuille appliquée à l'Europe par le groupe Lévis Strauss ................................. 98

Fig. 2.13 - Nombres d'articles traitant du p-médian par année....................................................................... 103

^{Fig. 2.14 : Un exemple de 3 classes , et identifiées par les variables x}1^{, x}2^{, x}3 ^{...................................... 104}

Fig. 2.15- Partition des communes suisses en 23 cellules représentées chacune par un centre urbain .......... 106

Fig. 2.16 - Les 76 villes représentées chacune par un cercle.......................................................................... 106

Fig. 2.17 - Partition des 76 villes en 2 ensembles .......................................................................................... 107

Fig. 2.18 - Partition des 76 villes en 4 ensembles .......................................................................................... 108

Fig. 2.19 - Partition de 17 villes en 3 ensembles............................................................................................ 108

Fig. 2.20 - Partition des 17 villes en 2 ensembles .......................................................................................... 109

Fig. 3.1 - Organigramme du nouvel algorithme proposé ............................................................................... 117

Fig. 3.2 - Exemple de représentation de clients sous forme de pixels............................................................ 125

Fig. 3.3 - Exemple de localisation de clients associés à leur fréquentation, sous forme d'un nuage de pixels en niveaux de gris ............................................................................................................................. 126

Fig. 3.4 - Exemple de projection cavalière..................................................................................................... 127

Fig. 3.5 - Exemple de lignes de niveaux ........................................................................................................ 127

Fig. 3.6 - Exemple de représentation en code ternaire ................................................................................... 128

Fig. 3.7- 8 voisins adjacents à un point central .............................................................................................. 130

Fig. 3.8 - Adresses clients associées aux fréquentations ................................................................................ 131

Fig. 3.9 - La représentation traitée par 2 filtres médians ................................................................................ 131

Fig. 3.10 - Les 3 catégories des 9 configurations du filtrage de Nagao sur lesquelles porte le calcul des moyennes

et des variances ............................................................................................................................ 133

Fig. 3.11- Adresses clients associées aux fréquentations ............................................................................... 134

Fig. 3.12 - La représentation traitée par 2 filtres Nagao................................................................................. 134

Fig. 3.13 - Exemple de représentation histogramme des valeurs f(x,y) des points d'une image .................... 136

Fig. 3.14 - Détermination d'un seuil de valeurs sur un histogramme ............................................................. 136

Fig. 3.15 - Exemples d'un histogramme et de son enveloppe comportant plusieurs valeurs de seuils ........... 137

Fig. 3.16 - Adresses clients associées aux fréquentations .............................................................................. 140

Fig. 3.17 - La représentation traitée par le laplacien après 2 filtres médian ................................................... 140

Fig. 3.18 - L'image fi,j et le filtre hi,j............................................................................................................... 141

Fig. 3.19- Adresses clients associées aux fréquentations .............................................................................. 144

Fig. 3.20 - La représentation traitée par filtres Sobel après 2 filtres médian (les contours sont superposés à l'image filtrée par les 2 Nagao) .................................................................................................... 144

Fig. 3.21 - Exemple d'une dilatation .............................................................................................................. 149

Fig. 3.22- Exemple d'une érosion................................................................................................................... 150

Fig. 3.23 - Image Initale, érosion, puis dilatation........................................................................................... 150

Fig. 3.24 - En Noir: La Courbe Originale / En Gris: a courbe transformée par dilatation ............................. 151

Fig. 3.25 - En Noir: La Courbe Originale / En Gris: la courbe transformée par dilatation ............................ 151

Fig. 3.26 - En Noir: La Courbe Originale / En Gris: la courbe transformée par érosion................................ 152

Fig. 3.27 - En Noir: la courbe originale / En Gris: la courbe transformée par fermeture ............................... 152

Fig. 3.28 - En Noir: la courbe originale / En Gris: la courbe transformée par chapeau haut-de-Forme......... 153

Fig. 3.29 - Les 2 points et les 2 tangentes définissant une courbe de Bézier cubique .................................... 154

Fig. 3.30 - Adresses clients associées aux fréquentations .............................................................................. 155

Fig. 3.31 - Deux filtres Nagao........................................................................................................................ 155

Fig. 3.32 - Une dilatation ............................................................................................................................... 155

Fig. 3.33 - Une érosion................................................................................................................................... 155

Fig. 3.34 - Une soustraction par rapport à l'image filtrée (transformation du chapeau haut-de-forme) ......... 155

Fig. 3.35 - Un amincissement et une régularisation, des contours (grâce aux courbes de Bézier) ................. 155

Fig. 3.36 - Exemple de Codage Hexagonal.................................................................................................... 157

Fig. 3.37 - Exemple de parcours d'une forme à l'aide de l'algorithme destiné à extraire les coordonnées du contour ........................................................................................................................................................... 158

Fig. 3.38 - Exemple de parcours de frontière de zone de chalandise à l'aide de l'algorithme ....................... 159

Fig. 3.39 - Ensemble de clients potentiels représentés par des points ............................................................ 161

Fig. 3.40 - Centre de gravité d'une zone de chalandise délimitée .................................................................. 161

Fig. 3.41 - Les centres des aires et ceux des points appartenant à ces mêmes aires ....................................... 162

Fig. 3.42 - Type de Décisions prise par les décideurs pour leur réseau de distribution ................................. 169

Fig. 3.43 - Adresses de magasins associées à leur chiffre d'affaires .............................................................. 173

Fig. 3.44 - Deux filtres Nagao........................................................................................................................ 173

Fig. 3.45 - Cartographie inverse..................................................................................................................... 173

Fig. 3.46 - Cartographie inverse filtrée par deux filtres Nagao ...................................................................... 173

Fig. 3.47 - Délimitation des zones vides de concurrence ............................................................................... 174

Fig. 3.48 - Représentation des campings sur le territoire national par des points .......................................... 176

Fig. 3.49 - Délimitation des zones d'implantation de campings par filtre Sobel ............................................ 176

Fig. 3.50 - Numérotation des zones d'implantation de campings ................................................................... 177

Fig. 3.51 - Adresses clients associées aux fréquentations .............................................................................. 179

Fig. 3.52 - La délimitation des zones par filtres médian et Sobel ................................................................... 179

Fig. 3.53 - Numérotation des aires de chalandise........................................................................................... 180

Fig. 3.54 - Le p-médian modélisé après délimitation de la zone de chalandise et calcul des centres de gravité et fréquentations moyennes. La valeur de fréquentation au sein des aires est ici prise comme valeur de

la demande aux noeuds. ................................................................................................................ 182

Fig. 3.55 - L'aire 7 agrandie ........................................................................................................................... 183

Fig. 3.56 - L'aire 7 filtrée par un filtre médian ............................................................................................... 183

Fig. 3.57 - L'aire 7 délimitée par un filtre Sobel ............................................................................................ 183

Fig. 3.58 - Les éléments de l'aire 7 numérotés après délimitation.................................................................. 184

Fig. 3.59 - Le réseau p-médian correspondant à l'aire 7................................................................................. 184

Fig. 3.60 - Carte de France des densités de population en 2000 .................................................................... 186

Fig. 3.61 - La carte traitée par un filtre médian.............................................................................................. 186

Fig. 3.62 - puis délinée par filtre Sobel .......................................................................................................... 186

Fig. 3.63 - Les zones numérotées et analysées ............................................................................................... 187

Fig. 3.64- Pour 10 localisations: zones de potentiel commercial associées aux points de vente en gras ....... 189

Fig. 3.65 - Distance moyenne à parcourir en fonction du nombre de magasins ouverts ................................ 190

Fig. 4.1 - Les magasins "bio" et boutiques de produits diététiques en France par département en nombre ... 200

Fig. 4.2 - Les magasins "bio" et boutiques de produits diététiques en France par département en densités par habitant......................................................................................................................................... 201

Fig. 4.3 - Les magasins "bio" et boutiques de produits diététiques et naturels en Ile-de-France en densité par habitant......................................................................................................................................... 201

Fig. 4.4 - La devanture du magasin Espace "bio" St. Charles ....................................................................... 204

Fig. 4.5 - Les localisations des commerces de détail "bio" à Paris et en région parisienne ........................... 205

Fig. 4.6 - Les épiceries et les supermarchés à Paris ....................................................................................... 211

Fig. 4.7 - La zone d'étude en gris foncé dans la région parisienne ................................................................. 212

Fig. 4.8 - En gris foncé, la zone d'étude de l'Ouest parisien........................................................................... 212

Fig. 4.9 - Géocodage des 10 211 clients potentiels de l'Ouest parisien.......................................................... 214

Fig. 4.10 - Nombre d'aires de la zone de chalandise par rapport au nombre de dilatations pratiquées .......... 216

Fig. 4.11 - Nombre d'aires de la zone de chalandise > 490 pixels en fonction du nombre de dilatations ...... 217

Fig. 4.12 - Dilatation x 6-Dilatation x 30-Dilatation x 50 .............................................................................. 219

Fig. 4.13 - Filtrage de points-clients par 10 dilatations .................................................................................. 220

Fig. 4.14 - Filtrage de points-clients par 20 dilatations .................................................................................. 221

Fig. 4.15 - Le filtrage par 20 dilatations superposée à la carte des rues et aux points-clients ........................ 223

Fig. 4.16 - Délimitation des aires constitutives de la zone de chalandise ...................................................... 225

Fig. 4.17 - Délimitation de la zone de chalandise selon la méthode analogique (cercle) ............................... 226

Fig. 4.18 - Aire d'1 point client, de 9 points-clients et de 25 points-clients ................................................... 228

Fig. 4.19 - Régions ne comptant que de petites aires servant au calcul de l'indice de corrélation spatiale .... 230

Fig. 4.20 - Numérotation et repérage du centre de gravité des aires constitutives de la zone de chalandise.. 232

Fig. 4.21 - Fenêtre de saisie des paramètres de distance et de coût dans le logiciel Sitation ......................... 236

Fig. 4.22 - Cartographie de la demande associée à chaque noeud .................................................................. 237

Fig. 4.23 - Cartographie de tous les noeuds et des déplacements possibles pour effectuer ses achats............ 237

Fig. 5.1 - La mise en oeuvre de l'algorithme flou sur le logiciel Sitation ....................................................... 243

Fig. 5.2 - Distance moyenne à parcourir en fonction du nombre de magasins ouverts .................................. 243

Fig. 5.3 - Pour 4 localisations: zones de potentiel commercial associées aux points de vente....................... 246

Fig. 5.4 - Schéma d'une itération de l'algorithme génétique........................................................................... 247

Fig. 5.5 - Etapes de l'algorithme de recherche avec les localisations optimales provisoires obtenues........... 248

Fig. 5.6 - L'aire 10 (bd de Grenelle) avec les aires les plus proches .............................................................. 250

Fig. 5.7 - La zone d'analyse délimitée ............................................................................................................ 251

Fig. 5.8 - Zone d'analyse analysée en termes de sous-aires............................................................................ 251

Fig. 5.9 - Superposition des points-clients et des sous-aires .......................................................................... 251

Fig. 5.10 - Distance moyenne à parcourir en fonction du nombre de magasins ouverts dans l'aire 10 .......... 253

Fig. 5.11 - Pour 2 localisations: zones de potentiel commercial associées aux points de vente (en gras) ..... 253

Fig. 5.12 - La sous-zone 1 du quartier Epinettes (17^ème arrondissement)...................................................... 254

Fig. 5.13 - Représentations des points de l'aire 1 ........................................................................................... 255

Fig. 5.14 - Délimitation de l'aire 1 ................................................................................................................. 255

Fig. 5.15 - Numérotation des sous-aires de l'aire 1 ........................................................................................ 255

Fig. 5.16 - Superposition des sous-aires et de la cartographie ....................................................................... 255

Fig. 5.17 - Distance moyenne à parcourir en fonction du nombre de magasins ouverts ................................ 256

Fig. 5.18 - Pour 2 localisations: aires de potentiel commercial associées aux points de vente en gras .......... 257

Fig. 6.1 - Le supermarché BioCoop (bd de Grenelle), le supermarché Naturalia (rue Cambronne) et notre préconisation (rue Lecourbe) ....................................................................................................... 267

Fig. 6.2 - Le supermarché BioCoop (rue Legendre) et le 2ième emplacement préconisé par notre méthode (rue

Guy Môquet) ................................................................................................................................ 268

Fig. 6.3 - Le magasin Naturalia dans le 17^ème (rues de Levis et Poncelet) et les emplacements préconisés .. 269

Fig. 6.4 - Le point de vente Naturalia du 16 rue Levis (XVII^ème) .................................................................. 270

Fig. 6.5 - Le point de vente Naturalia du 26 rue Poncelet (XVII^ème) ............................................................ 270

Fig. 6.6 - Le magasin BioCoop-Les Nouveaux Robinsons (rue Clément) à Boulogne-Billancourt et l'emplacement préconisé (route de la Reine)................................................................................ 271

Fig. 6.7 - L'emplacement préconisé dans le XVII^ème, rue des Acacias........................................................... 292

Fig. Conclusion.1- Les possibilités d'applications de la méthode selon les données à traiter ........................ 308

Fig. A.1 - Géocodage des 1732 clients potentiels de Boulogne-Billancourt .................................................. 339

Fig. A.2 - Géocodage des 952 clients potentiels d'Issy-Les-Moulineaux....................................................... 340

Fig. A.3 - Géocodage des 398 clients potentiels de Neuilly-sur-Seine .......................................................... 340

Fig. A.4 - Géocodage des 517 clients potentiels de Paris VII^ème .................................................................... 341

Fig. A.5 - Géocodage des 3456 clients potentiels de Paris XV^ème ................................................................. 342

Fig. A.6 - Géocodage des 1087 clients potentiels de Paris XVI^ème ................................................................ 343

Tableaux

Tableau 3.1 - Paramètres géométriques des 12 aires de la zone de chalandise obtenus après délimitation ... 180

Tableau 3.2 - Paramètres marketing des 12 régions de la zone de chalandise obtenus après délimitation .... 181

Tableau 3.3 : Les caractéristiques des 43 aires de population détectées par traitement du signal.................. 188

Tableau 4.1 - Caractéristiques de chaque zone .............................................................................................. 233

Tableau 4.2 - Prix au m² par zone et quartier correspondant.......................................................................... 235

Tableau 5.1 - Localisations optimales données par les algorithmes flou et de voisinage .............................. 242

Tableau 5.2 - Localisations optimales données par l'algorithme des multiplicateurs de Lagrange ................ 245

Tableau 5.3 - Comparatif des résultats de recherche de localisations effectuée les différents algorithmes ... 249

Tableau 5.4 - Résultats d'analyse des sous-aires appartenant à l'aire 10 ........................................................ 252

Tableau 5.5 - Localisations optimales au sein de l'aire 10 ............................................................................. 254

Tableau 5.6 - Résultats d'analyse des sous-aires appartenant à l'aire 1 .......................................................... 256

Tableau 5.7 : Localisations optimales au sein de l'aire 1 ............................................................................... 257

Tableau 6.1 - Analyse des arrondissements et des communes appartenant à la zone étudiée ........................ 264

Tableau 6.2 - Noeuds solution avev un p-médian classique .......................................................................... 265

Tableau 6.3 - Comparatif des résultats entre notre algorithme et l'utilisation classique du p-médian............ 265

Tableau 6.4 - les magasins "bio" de la région parisienne et leur aire de rattachement................................... 266

Tableau 6.5 - Bilan des implantations des magasins "bio" dans les aires optimales ...................................... 273

Tableau 6.6 - Bilan des implantations des magasins "bio" selon les aires optimales et non-optimales ......... 277

Tableau 6.7 - Comparaison des implantations optimales et non-optimales des réseaux et de leur regroupement

.................................................................................................................................................. 280

Tableau 6.8 - Comparaison des implantations optimales et non-optimales de Naturalia avec le regroupement

G20/BioCoop et stratégie de réponse de Naturalia ................................................................... 281

Tableau 6.9 - Caractéristiques des méthodes de résolution du modèle p-médian dans notre cas de figure ... 291

ANNEXES

ANNEXE A : cartes des clients géocodés par arrondissement et communes de périphérie

Fig. A.1 - Géocodage des 1732 clients potentiels de Boulogne-Billancourt

Fig. A.2 - Géocodage des 952 clients potentiels d'Issy-Les-Moulineaux

Fig. A.3 - Géocodage des 398 clients potentiels de Neuilly-sur-Seine

Fig. A.4 - Géocodage des 517 clients potentiels de Paris VIIème

Fig. A.5 - Géocodage des 3456 clients potentiels de Paris XVème

Fig. A.6 - Géocodage des 1087 clients potentiels de Paris XVIème

ANNEXE B

REPERTOIREFRANCAIS-ANGLAISDES TERMESDU TRAITEMENTDU SIGNAL ET DEL'ANALYSEAUTOMATIQUED'IMAGE

accentuation : enhancement

des contours : edge sharpening/enhancement du contraste : contrast enhancement

de couleurs : colo(u)r enhancement de l'image : image enhancement accentuer : to enhance

affaiblissement : fading, attenuation affichage : display

affichage en couleur : colo(u)r display de données : data display

en ligne : raster display matriciel : raster display tramé : raster display vectoriel : vector display afficher : to display

affine : affine

affiner (un modèle) : to enhance, to improve agrandissement : enlargement, magnification, blow-up albedo spectral : spectral albedo

algorithme : algorithm

de balayage par ligne : scan line algorithm

de compression non dégradant : lossless compression algorithm

alias(s)age : aliasing

amélioration d'image : image improvement de contours : edge enhancement

de contraste : contraste enhancement amincissement : thinning

amplificateur de brillance : image intensifier analyse

chromatique : colo(u)r analysis

en composantes principales : principal component analysis

des correspondances : correspondence analysis diachronique : multidate analysis

discriminante : discriminent analysis factorielle : factor analysis

de formes : pattern recognition/analysis/matching granulométrique : grain-size analysis, particle-size analysis, granulometry

de groupement : cluster analysis harmonique : harmonic analysis

d'image (numérique) : (digital) image analysis, image parsing

de mouvement : motion analysis multirésolution : multiresolution analysis

de séquence d'images : image sequence analysis de texture : texture analysis

animation : animation

anamorphose : anamorphosis (forme), stretching (gris)

antenne : antenna, dish (jargon)

synthétique, simulée : synthetic antenna anti-aliasage : antialiasing

anticrénelage : antialiasing, dejagging

anti-halo : anthalation, grey-back (GB), gray-back (US) aplatissement : flatness (courbe plane), oblateness (ellipsoide)

appariement : matching

de blocs : block-matching d'images : image-matching apprentissage : learning

apprentissage-reconnaissance : training

approximation polygonale : polygonal approximation arborescence : tree pattern

artefact : artifact arête : edge

asynchrinisme : asynchronism attributs : features

autocadrage : autoscaling autosimilarité : self-similarity balayage : scanning

cavalier : directed beam scanning circulaire : circular scanning

de trame : raster scanning balayeur (voir scanneur) : scanner d'image : image scanner

linéaire : line-scanner

multispectral : multispectral scanner bande d'absorption : absorption band base d'apprentissage : learning set

base de données-image (BDI) : image data base (IDB)

blanchiement (d'image) : lighter shading boîte englobante : bounding box

brillance : brightness, brilliance, luminosity brouillage : blur, smearing

bruit : noise

aléatoire : random noise erratique : Johnson noise

de fond : background noise furtif : stealth noise

d'image : image noise

de scintillement : flicker noise cadre : frame

canevas : pattern, control

capteur intelligent : smart sensor carreau : patch

carroyage : gridding, squaring

carte aéronautique : aeronautical chart, aviation map chromoplèthe : chromopleth

couleur : colo(u)r map

d'état-major : ordonance survey map

infographique : computer map, computerized map de position : location map

thématique : thematic map cartographie aérienne : aerial mapping

assistée par ordinateur : computer-aided mapping automatique : automatic mapping

radar : radar imagery causal (plur. causals) : causal cellule : cell

adjacente : connected cell, adjacent cell cellule 2D : pixel

cellule 3D : voxel

centre de cliché : fiducial center/centre

centre de perspective : perspective center/centre centroïde : centroid

chambre multibande : multiband camera champ : field

markovien : Markov random field lointain : far field

proche : near field chromaticité : chromaticity chrominance : chrominance cible : target

manoeuvrante : maneuvering target circularité : circularity

clarté : brilliance

classe spectrale : spectral class

classification automatique : automatic cluster analysis dirigée : supervised classification

non dirigée : unsupervised classification classification de couleurs : colo(u)r classification clignotement : blinking

cliniste (ligne de plus grande pente) : steepest slope line

(structure) clupéiforme : herringbone pattern codage en couleur : colo(u)r coding

code-barre : bar code

coefficient de rétrodiffusion : backscattering coefficient cohérent : coherent

coin : wedge

sensitométrique : step continuous wedge collecte : gathering

coloriage : colo(u)r filling colorier : to paint compacité : compaction

compactage d'image : image compression compensateur de mouvement d'image : image motion compensator

compensation de contraste : contrast balancing composante

diffuse : diffuse component visuelle : visual component

composition colorée : colo(u)r composite compression (voir compactage)

de données : data compression dégradante : lossy compression

non dégradante : lossless compression

d'image : image compression

par valeur-longueur : run-length algorithm concave : concave

concavité : concavity concourant : intersecting configuration : pattern

configurations contradictoires : contradictory patterns connexité : connexity

contenu moyen d'information : average information content, entropy

contiguïté : contiguity

contour : image contour, outline, edge contourer : to outline

contraste : contrast, gamma

mesure de - : contrast measurement moyen : average contrast

contre-jour : back lighting contre-plongé : tilt-up convexe : convex

faiblement - : weakly convex convexité : convexity

convolution morphologique : morphological convolution co-occurrence : co-occurrence

coordonnées d'image : photograph coordinates correction

d'éclairement : illumination correction de filé : desmearing

corrélateur d'images : image correlator couleur

fausse-couleur : false colo(u)r réelle : true colo(u)r

complémentaire : complementary colo(u)r

modèle de - TSL (Teinte-Saturation-Luminance) : Hue-Saturation-Value model (HSV)

primaire : primary colo(u)r soustractive : subtractive colo(u)r spectrale : spectral colo(u)r

couloir exploré : (scan) swath coupage : clipping

couper-coller : cut and paste

couple stéréo(scopique) : stereopair courbure

moyenne : mean curvature totale : total curvature couverture : surveying, coverage crayon optique : light pen

critère de rejet : reject criterium croissance de region : region growth cycléament : circular feature débruitage : enhancement

décimation : decimation/ resampling décompactage d'image : image decompression

décomposition pyramidale : pyramidal decomposition découpage : clipping

dédoublement : doubling défilement : scrolling déflouage : deblurring

déformation d'image : image distortion dégradation

d'image : image degradation degré de - : degree of lossiness dégradé (de couleurs) : dithered

dégradée (image après compression) : lossy délignage

demi-teinte (gris par juxtaposition de noir/blanc) :

halftone

densité : density

graphique : areal density (bits/cm2 ou /pouce2)

d'image : image density

de maillage : grid-cell density densitomètre : densitometer

détail marquant/remarquable : salient feature détecter : to detect, to sense

détection

de caractères : character detection

de contours : edge finding/detection de formes : shape detection

de frontières : boundary finding/detection de mouvement : motion detection d'obstacle : obstacle detection

de site : site detection déterministe : deterministic détourage : clipping, scissoring détramage : unframeless diamorphose : morphing différenciation : differentiation diffraction : diffraction

diffusion : diffusion, scattering

vers l'arrière : backscattering, backward scattering diffusométrie : scatterometry

dilatation : dila(ta)tion

géodésique : geodesic dila(ta)tion discrimination : discrimination discriminer : to discriminate distorsion : distortion

d'échelles : scale distortion, length distortion données numériques : digital data

données de terrain : ground data ébarbulage : cliping, triming éblouissement : blooming échantillon : sample, pixel échelle : scale

de gris : grey scale (GB), gray scale (US), neutral scale mise à - : scaling

écho-fantome : ghost (echo) écho-mirage : angel (echo) éclairement : illumination écrêtage : clipping

écriture : handwriting effet effect

de bord : edge effect

de scintillement : flicker effect effet-lacet : skew effect

effet

de bord : edge effect

de scintillement : flicker effect élagage (de structures) : pruning élément

d'image : picture element, pixel (2D), voxel (3D), structurant : structuring element

élimination

des faces arrières : back plane culling des surfaces cachées : hidden suface élimination/removal

ellipsoïde

oblong/allongé : prolate ellipsoid aplati : oblate ellipsoid encadrement : framing

encadrer : to frame ensemble flou : fuzzy set entropie : entropy

méthode du maxium d': : maximum entropy method enveloppe convexe : convex hull

épaississement : thickening éparsité : sparsity

épreuve : print, hardcopy équidensité : equidensity équidensitométrie : density slicing

équidistance des courbes : contour interval équilibrage de couleurs : colo(u)r balance érodé : eroded

ensemble des - ultimes : set of ultimate eroded érosion

euclidienne : Euclidean erosion géodésique : geodesic/geodetic erosion érosion/dilatation : erosion/dila(ta)tion

(en) escalier : staircase, step function escalier irrégulier : jaggies

estimée : estimate estompage : shading étalonnage : calibration

étiquetage d'image : image labelling étirement des contrastes : contrast stretching excentricité : eccentricity

excursion en fréquence : frequency swing extinction : quench

extraction : extraction, detection and tracking (?)

de points caractéristiques : extraction of characteristic points

facettage : facetisation fac-sim : hardcopy facteur : factor

d'échelle : scale factor de forme : form factor

sémiologique : semiologic factor fausse-couleur : false colo(u)r fenêtrage : windowing, scissoring fenêtre : window, frame

glissante : sliding window fermeture : closing

de contour : contour closing

morphologique : morphological closing

fil-de-fer (modélisation/répresentation) : wireframe file : motion blur

filtrage : filtering

adapté : matched filtering spatial : spatial filtering filtre : filter

d'accentuation : emphasis filter à contraste : contrast filter

atténuateur : smooth filter (passe-bas, isotrope) coupe-bande : band-elimination filter directionnel : directional filter

en éventail : fan filter

gradient : gradient filter (passe-haut, non isotrope)

gris, neutre : grey filter (GB), gray filter (US), neutral density filter

laplacien : Laplacian filter (passe-haut, isotrope)

linéaire : linear filter

médian : median filter (coupe-haut) morphologique : morphological filter non linéaire : nonlinear filter polaris(at)eur : polarizing filter squelette : skeleton filter

tout pôle : allpole filter tout zéro : allzero filter

flou (adj.) : blurred, hazy, not sharp, out of focus flou (subs.) : blur, blurriness, blooming

artistique : soft focus focalisation : focusing

foncer : to deepen, to darken fonctionnelle-image : image functional fond : background

fond de carte : base map

fondu enchaîné : cross fadé, fade over, dissolved image fractale (subs. fem.) : fractal (image)

fractal, -ale, -als (adj.) : fractal frontière de cellule : cell boundary fusion de données : data fusion

gamme de gris (voir coin) : step continuous wedge généralisation (des cartes géographiques) : generalization géométrie d'image : image geometry

gradient : gradient graphe : graph granulation : speckle graphique : chart

grille de coordonnées : coordinates grid

(en) gris : grey-scale (GB), gray-scale (US)

grisé : halftone grappage : clustering

grossissement : magnification groupage : clustering hachurage : hatching histogramme : bar chart

homogéneisation : homogenization, blending homotopie : homotopy

icône : icon

iconocarte : image map

identification de structure : feature extraction îlot de confiance : safe region, fiducial area image : image, picture

en couleur composée : composite colo(u)r image d'écran : soft copy

fixe : still image, still médistancée : slant range image

numérique, digitale : digital image numerisée, digitalisée : digitized image de précharge : bias, offset image secondaire : ghost image

de synthèse : image synthesis vidéo : soft copy

imagerie : imagery / imaging aérienne : aerial imagery médicale : medical imaging imagette : subimage

imageur : imaging system/device incertitude : uncertainty incrustation : inset, overlay

indice

de concavité : concavity index de déficit : deficiency index

de forme : shape index/factor/parameter infographie : computer graphics information : information

à information pauvre : poorly informed intensificateur d'image : image intensifier interaction homme-machine : human computer interpolation

de couleurs (improprement dit ``ombrage") : dithering de formes : tweening

interpoler des formes : to tween invariant d'image : image invariant (carte) isocouleur : chloropleth isodensitomètre : density slicer isopérimètre : isoperimeter

isoligne : isoline, countour (line)

isosurface : isosurface isoplèthe : isopleth jacobien : Jacobian

jaune-magenta-cyan (JMC ou CMJ) : cyan-magenta-

yellow, CMY krigeage : kriging kurtosis : kurtosis

lance de rayon (geophys.) : ray tracing/casting laplacien : Laplacian

largeur de couloir : swath width legendage : annotation

libre parcours moyen : free mean path lignage : (voir délignage)

ligne

de base : baseline cachée : hidden-line

de contour : contour (line) de crête : crest line dentelée : jagged line

de partage des eaux : water divide, water parting de plus grande pente : steepest slope line

des pourpres : purple boundary de référence : baseline

lineament : linear feature, lineament lissage : smoothing

lobe : lobe

d'antenne : antenna lobe latéral : sidelobe

principal : main/major lobe secondaire : secondary/minor lobe

localisation de contours : edge localization maillage : mesh

maille : grid cell

manche a balai : joystick

masquage : clipping, masking, shielding masque : mask

matrice

de co-occurrences : co-occurrence matrix spectrale : spectral matrix

mettre à l'échelle : to scale

mettre au point : to sharpen, to focus mise à l'echelle : scaling

automatique : autoscaling mixage : mixing

pondéré : taper mixing (en) mode point : bit map modèle : model

glissant : sliding model moindres carrés : least-squares

moirage : interference pattern, watered effect moirure : moire

mosaïquage : mosaïcking, tessellation mosaïque : image mosaic

motif : pattern

concordance / appariement de - : pattern matching multicapteur : multisensor

multi-étiquetage : multilabelling multigrille : multigrid multiéchelle : multiscale

niveau de gris : grey level (GB), gray level (US)

noeud de maillage : grid node

noir et blanc (image en -) : line art mode noircir : to blacken

noircissement d'image : darker shading noyau de convolution : convolution kernel

nuage de points : cluster of point représentation par - :

scatter chartplot, dot-chart nuance

de couleur : hue de gris : shade

nuanciation : dithering

(objet) obombrant : shadow-casting (object)

octant : octant octronc : octree ombrage : shading

de Gouraud : Gouraud shading (lissage par

interpolation sur les valeurs sur ligne)

de Phong : Phong shading (lissage des valeurs sur les normales à la ligne)

ombre : shadow

portée : cast shadow, geometric shadow ombrage : shading

ondelette : wavelet

onduleur (d'image) : image inverter orientation : (image) orientation osculateur : osculatory

plan -: osculation plane papillotage : blurring

paramètres de forme : shape parameters parasite : glitch

parcelle : patch

parsage (analyse syntaxique) : image parsing partitionnement : partitioning

pas-à-pas : step-by-step paysagisme : landscaping pénombre : penumbra

périmètre spécifique : specific perimeter perspective : perspective, outlook cavalière : cavalier perspective

photographie multibande : multispectral photography photo-interprétation : photointerpretation

photostyle : light pen pistage : tracking

pivotement (d'image) : swivel

pixel : pixel, picture element, photosite, PEL (rare)

nombre de bits par - : pixel depth pixel-objet : obel

pixel 3D : voxel

de texture ou texel : texel plan de coupe : clipping plane

planche à clous (diagramme) : bed of nails, arrow plot, stick plot

planéité : flatness

(surface) plissée : wrinkled surface pochage : shading, toning

point de fuite : vanishing point point de vue : eye position

polygone en noeud-papillon : bowtie polygon poursuite : tracking

pouvoir de résolution : resolving power pouvoir séparateur : resolving power

prétraitement (d'image) : (image) preprocessing produit moyen de variances : average product of variances

programmathèque : program library projection : projection

conique : conic proj.

gnomonique : gnomonique proj. isométrique : isometric proj. pyramidal : pyramidal

algorithme -: pyramidal algorithm représentation - : pyramidal representation pyramide : pyramid

octaviée : octave-spaced pyramid quadrillage : gridding

quadrique : quadric surface quadtronc : quadtree

quantification vectorielle : vector quantization

(en) quinconce : five-spot pattern raccordement : seaming

radar : (vocabulaire à détailler)

radiosité : radiosity réalité

de terrain : ground truth virtuelle : virtual reality recadrage : cropping

recalage : registration, matching de courbes : curve matching

d'images : image reseting/registering reconnaissance : recognition

de formes (RDF) : pattern recognition (PR)

de caractères : character recognition de texte : text recognition

reconstruction d'image : picture reconstruction redressement : straightening

réduction (d'affichage) des couleurs : colo(u)r quantization, colo(u)r reduction, colo(u)r selection rééchantillonnage : resampling

réflexion : reflection

croisées : interreflections diffuse : diffuse reflection spéculaire : specular reflection regroupement : gathering, fusion relaxation : relaxation

stochastique : stochastic relaxation

remplissage de polygones : area filling, polygon-filling rendu : rendering

des couleurs : colo(u)r rendition/rendering de solides : rendering of solids

repère : system of coordinates

orthonorme direct : direct orthonormal system représentation par frontières : boundary representation (BREP)

résolution de l'image : image resolution résolution spectrale : spectral separability restauration d'image : image restoration réticule : crosshair cursor

rétrodiffusion : backscattering rotationnel : curl, rotational

rouge-vert-bleu (RVB) : red-green-blue, RGB

rugosité : roughness sautillement (d'image) : jitter scalant : scaling

scannage : scanning scanner : to scan scanneur : scanner

scannogramme : scannogram scène : scene

en hyperfréquence : microwave scanner

multibande (SMB) : multispectral scanner (MSS)

naturelle : real-world scene scintillement : flicker

segment élémentaire : stroke segment visible : visible segment segmentation : segmentation séquence : sequence

seuillage : thresholding seuiller : to threshold silhouettage : outlining silhouette : silhouette

sommet (d'un polyèdre) : vertex (plur. vertices)

triédrique : trihedral vertex souris : mouse, trackball

sous-échantillonnage : subsampling sous-réseau : subarray

soustraction de bruit : noise subtraction (?), noise cancelling/reduction

squelettisation : skeletonization, thinning statistiques : statistics

d'ordre supérieur : higher order statistics sténopé : pinhole

stéréo : (vocabulaire à détailler)

structure : feature, structure suivi de ligne : tracing

suivi de contour : edge tracing/tracking superposition d'images : image registration suppression : removal / removing

des surfaces cachées : hidden surface removal suréchantillonage : supersampling

surexposition : over-exposure, overexposure surface

gauche : patch, curved surface de raccord : blend surface réglée : ruled surface

survol d'images : browsing synchronisation

de la parole : speech synchronization synthèse d'images : image synthesis tablette graphique : graphic tablet

tachèle : ground patch area

tamisée (lumière) : softened light, subdued light tampon (de profondeur) en Z : Z-buffer

tectec (Tel ECrit, Tel ECran) : wysiwyg (acronyme de

``what you see is what you get").s teinte : hue

télédetection : remote sensing aérienne : airborne remote sensing

spatiale : spaceborne remote sensing

aérospatiale : airborne and spaceborne remote sensing temporal (adj.) : temporel, en temps

tessellation : tessellation

tesselle (pavé en motifs réguliers) : tesselated texel (élément minimal de texture) : texel texton : texton

texturage : texture wrapping (plaquage d'une image 2D

sur un objet 3D)

texture : (image) texture

texture plane : planar texture enrobage/habillage de - : texture wrapping texturé : textured

TFR : FFT

Tomao (tomographie assistée par ordinateur) :

compueetrized tomography tomographie : tomography

TOR (transformée en ondelette rapide)

tortuosité : tortuosity tracé

de courbes de niveau : contouring élastique : rubber banding

de lignes : line drawing

de rayon : ray tracing/casting traceur (de courbes) : X-Y plotter traînée : image motion

effet de -: drag effect

traitement d'image numérique : digital image processing tramage : rasterization

trame : raster, screen transformation

en chapeau haut-de-forme : top-hat transform en distance : distance transform

de Hough : Hough transform

de Karhunen-Loève : Karhunen-Loeve transform en ondelettes : wavelet transform

en tout ou rien : hit or miss transform

valence : valence (nombre d'états significatifs distincts que peut prendre un signal)

valeur de gris : greyness, grey value (GB), grayness, gray value (US)

vision

monoculaire : monocular vision par ordinateur : computer vision

robotique : robot vision / computer vision

visu (n.f.) ou visuel (n.m.) : display unit/device, monitor visualisation : display

voile (de photo) : fog voisinage : neighbourhood

fonction de -: function of neighbourhood vraisemblance : likelihood

vue perspective : perspective view zonage : zoning

zone

d'apprentissage : learning area de raccord : merge zone

- 1 -