Le SOLAP est basé sur le paradigme du Online Analytical Programing (OLAP) qui a été défini par Codd et al. (1993). L’approche SOLAP (Spatial On‐Line Analytical Programing) est apparue parmi les systèmes d’aide à la décision au milieu des années 1990. Elle a permis de jeter un regard nouveau sur l’analyse des données spatio‐temporelles. Le SOLAP résulte de la combinaison des technologies OLAP pour l’analyse décisionnelle (laquelle est typiquement temporelle et multi‐échelles) et des fonctions SIG pour les requêtes spatiales (Beaulieu, 2009). Il permet aux spécialistes de différent s domaines, mais non-experts des SIG, d’analyser eux-mêmes leurs données. Le SOLAP est défini par Bédard (2004, cité par McHugg, 2008 p 1) comme :
« un logiciel de navigation facile et rapide dans les bases de données spatiales qui offre plusieurs niveaux de granularité d’information, plusieurs thèmes, plusieurs époques et plusieurs modes de visualisation synchronisés ou non : cartes, tableaux et diagrammes ».
L’outil SOLAP vient donc combiner les deux approches SIG et OLAP (Figure 3.1) en permettant d'intégrer les données géographiques aux bases de données multidimensionnelles (le Rubrus, 2009). En haut à gauche, on remarque que les SIG classiques ne permettent pas une agrégation des données. De même, les systèmes classiques de gestion des bases de données ne traitent pas les
95
données géospatiales (en bas à gauche) et ne permettent pas non plus une agréation des données. En bas, à droite, l’OLAP est décrit comme un outil qui agrège les données, mais qui ne traite pas de données géospatiales. Enfin, en haut à droite, on constate que le SOLAP combine les caractéristiques de ces trois outils de gestion de données à savoir la gestion de données géospatiales et l’agrégation.
Figure 3.1 : Position relative des différents outils selon la nature de l'information et les niveaux d'agrégation (le Rubrus, 2009)
L’objectif du SOLAP n’est pas de remplacer les SIG. Qu'il soit Web ou en application de bureau, il fournit des fonctions supplémentaires qui permettent de soutenir une structure multidimensionnelle. L’outil SOLAP se distingue du SIG surtout par la vitesse d'exécution des requêtes, la convivialité et le niveau de détails qu'il supporte (figure 3.2). Quant à l’avantage du SOLAP sur l'OLAP traditionnel, il repose essentiellement sur la possibilité d’agréger les données spatiales (le Rubrus, 2009). Les principaux objectifs de la première application SOLAP, développée au Canada étaient d’informer les citoyens durant les débats public sur un problème environnemental précis, afin de fournir à chacun l’information nécessaire pour comprendre et pour améliorer leur implication dans les discussions. L’application développée intégrait des données sur les humains, l’environnement et les caractéristiques physiques du milieu (McHugh et al., 2008).
96
Figure 3.2. Positionnement des capacités du SIG et d'un outil SOLAP (Proulx et Bédard 2004) Le SOLAP compte sur plusieurs niveaux de détail ou de granularité (différentes échelles d’un même territoire par exemple) de l'information, des données faites de tableaux croisés, l'intégration spat io- temporelle explicite et aussi les modes intégrés de visualisation qui sont synchronisés à volonté (des cartes, des tables, des diagrammes), ce que la technologie SIG classique ne permet pas.
D’autre part, le SOLAP est optimisé pour faciliter l’analyse complexe et pour améliorer la performanc e des questionnements des bases de données spatiales qui impliquent mille occurrences ou plus. Il permet de mieux accomplir le besoin de comparaisons de l'information, spatiotemporelles agrégées , la mise en tableau croisé de données référencées dans l’espace et l’exploration mult iéchelle de données interactives (le Rubrus, 2009). Le tableau 3.1 fait une comparaison entre le SOLAP et les SIG classiques.
La rapidité et la simplicité du SOLAP pour l’interrogation des bases de données spatiales sont dues à la structuration multidimensionnelle des données. Cette dernière s’appuie sur cinq principaux concepts que sont : les dimensions, les membres, les mesures, les faits et le cube. Les dimensions sont en fait les axes d’analyse. Chacune contient des membres organisés en hiérarchie. Ains i par exemple, dans le cas d’une dimension nommée lieu, les niveaux de la hiérarchie peuvent être le pays, le département, la commune et la municipalité. Les mesures quant à elles sont les observations qui intéressent l’utilisateur. Elles se rapportent à un fait unique qui est identifié par le croisement des membres des diverses dimensions de la base de données (par exemple, le nombre de personne ayant de l’eau courante dans telle ville). Par conséquent, un fait montre l’état d'un sujet d'analyse selon les caractéristiques choisies par l’utilisateur, et ceci à une échelle d'analyse de son choix pour chaque dimension (par exemple dans telle localité, les humains ont un accès plus facile que les femmes à l’eau potable). Enfin, le cube est le regroupement des faits ou l’ensemble des mesures organisées en fonction d’un ensemble de dimensions (Beaulieu, 2009).
Cette organisation des données rend véritablement facile l’exploration des données spatiales. Tout d’abord, elle offre à l’utilisateur une grande flexibilité d’analyse multithématique, multiéchelle et multi‐ temporelle (même si nous n’avons pas utilisé cette option). Ensuite, les manipulations sont facilitées
97
par la présence d'opérateurs de navigation mis au point spécialement pour exploiter ce type d’organisation de données. La structure interne des données rend beaucoup plus rapide les requêtes permettant à l’utilisateur de conserver son flux de pensée tout au long de l’exploration des données. Par conséquent, l’utilisateur peut procéder à des cycles de quest ions/réponses très rapides, concentrer ses efforts sur l’objet de sa recherche plutôt que sur les moyens pour l’exécuter (Beaulieu, 2009).
Tableau 3.1 : Comparaison entre les SIG classiques et le SOLAP (Source : le Rubrus, 2009)
Critère OLTP-SIG SOLAP
Type d'usage Niveau opérationnel Niveau décisionnel
Pré-requis Connaissance d'un langage de requêt e (et du modèle de données) et des fonctions SIG
Être à l'aise dans la navigation de type hyper-lien
Apprentissage Jours Heures
Construction des requêtes
Hétérogène : SQL et fonctions SIG Homogène : clics de souris
Temps d'exécution des requêtes
Variable : dépend de la complexité, du nombre de tables mises en jeu dans les jointures
Stable : peu importe la complexité grâce à la structure multidimensionnelle
Exploration des données
Discontinue (hétérogénéité SQL- fonctions SIG + temps d'exécution)
Continue grâce aux opérateurs de forage et du temps d'exécution
Priorité Sécurité et intégrité des données Analyse et exploration des données
Optimisé sur Le rapport espace de stockage sur quantité de données.
Le temps de réponse aux requêtes
Finesse des données
Détaillées Détaillées et agrégées
Temporalité Uni-époque Multi-époque
Technologies Relationnelle Relationnelle ou multidimensionnelle
Architecture Bases de données normalisées, pas de redondance
Redondance des données encouragée pour des gains de performance
Volume de données Espace minimisé par la structure normalisée
Grand volume engendré par le stockage des agrégations
Source de données Acquisition de données Intégration sous la forme d'un entrepôt ou marché de données
Gestion de l'historique
Par la mise à jour des occurrences Par l'ajout de nouvelles données (historique conservé)
Mise à jour Fréquente Contrôlée (données pré-agrégées en mode lecture)
98
Une technologie SOLAP permet de visualiser les données cartographiques, de naviguer dans la carte elle-même ou dans les symboles affichés sur celle-ci et ceci, selon différents types de forage (permet d’agrandir ou de réduire les échelles, de passer du département à la commune par exemple). Contrairement à certains logiciels de visualisation OLAP où chaque opération de navigation spatiale doit être prédéfinie dans l’application et associée à une carte, dans une technologie SOLAP la création des cartes découlant des analyses est dynamique. Par ailleurs, un outil SOLAP gère de façon adéquate les règles de représentation cartographique des résultats des analyses des cartes. Par conséquent, son utilisation ne nécessite pas des connaissances spécialisées en cartographie et permet à des novices de créer des cartes par quelques clics de souris. La technologie SOLAP utilise les mêmes règles sémiologiques dans la présentation des résultats (ex. couleur, trame, contour), pour l'ensemble des affichages, i.e. graphiques, cartes et tableaux. L’objectif est d’avoir un panorama homogène et une synchronisation visuelle entre les divers modes de présentation de l’information (Bédard et al., 2005).
En résumé, pour qu’une solution SOLAP soit considérée complète, elle doit soutenir la gestion des entités spatiales comme objets individuels pour permettre l’exploration interactive dans les différents niveaux des données spatiales par les pivots et les forages spatiaux (passer d’une échelle plus petite à une plus grande ou vice versa) sur les cartes. Elle doit également supporter, de façon automatisée, différents types de cartes avancées afin de permettre la comparaison thématique et temporelle des données spatiales (ex. multicarte temporelle, carte statistique avec diagrammes superposés). Enfin, il doit y avoir un haut niveau d’automatisation pour créer des cartes afin de ne pas interrompre le flux de pensée de l’utilisateur (Proulx, 2008). En d’autres termes, le SOLAP est un outil qui compile les caractéristiques d’un système d’information géographique (gestion des données géographiques) et d’une base de données qualitative et/ou quantitative. Il offre une convivialité et une vitesse de traitement des requêtes qui rendent son utilisation accessible à des non-experts.
Nous avons utilisé le SOLAP pour traiter les données issues des entrevues individuelles . Il a été jugé pertinent de l’utiliser à priori, parce nous avions plusieurs dimensions d’analyse et des données différentes natures à croiser, tel que, les sections communales, les communes, le département d’étude et les données liées à l’indice de vulnérabilité et aux facteurs de vulnérabilité. Enfin le SOLAP offre aussi une certaine rapidité dans le montage des différents cubes d’analyse, ce qui est également un atout. Il s’est donc avéré qu’il était l’outil qui s’adaptait le plus à notre analyse, même si finalement, nous n’avons utilisé que très peu les fonctionnalités qu’il offre et que nous nous sommes rendu compte qu’il exige un certain niveau de contrainte dans la collecte des données (nous revenons là- dessus à la section 4.6.4).
99