Secteur public
Analytics

L’analyse des données, c’est l’avenir!

Parking space in a smart city.
Christophe Gielkens

3, 2, 1, c’est parti !

En novembre dernier, j’ai l’occasion de suivre une formation de trois jours sur R, en compagnie de quatre autres jeunes diplômés – la nouvelle génération de Möbiens. C’est Jeroen Colin, expert Tooling & Analytics de Möbius, qui supervise l’immersion dans ce langage de programmation et environnement logiciel. Cette formation compte parmi les nombreuses initiatives prises par Möbius pour exceller dans l’analyse des données.

Pour le quasi-profane en programmation que je suis, cette aventure promettait d’être intense. Et elle le fut ! Avant d’explorer R plus en profondeur, on nous rappelle les bases de la programmation qui, pour certains (c’est-à-dire M. Gielkens), dépassent le stade du b. a.-ba. Quelque peu étourdi par ce flux d’informations et me surprenant même à rêver de R, me voici prêt pour la deuxième journée. Prêt à entrer dans le vif du sujet. Jeroen nous livre une explication concise suivie d’exercices. Je commence même à maîtriser la programmation.

Le troisième et dernier jour de la formation, le moment est venu de mettre en pratique toutes les connaissances acquises. Jeroen présente donc différents projets tout en laissant la place à l’initiative personnelle. Doute, quand tu nous tiens… Il y a tant d’options attrayantes et enrichissantes. À vrai dire, elles donnent toutes envie! Allons-nous chacun choisir un projet différent ou tous opter pour le même? Sous la devise du « coude-à-coude », nous optons pour un projet en équipe. Ensemble, nous nous jetons sur les données relatives au stationnement urbain, que la ville de Gand publie sur son site.

Les tendances que nous avons pu observer sur la base de données historiques

À l’aide de R, nous parvenons à bricoler plusieurs graphiques et représentations dont nous déduisons clairement certaines tendances. Sur base du graphique ci-dessous, par exemple, nous réussissons à analyser la disponibilité des parkings en fonction des différents mois pour lesquels nous disposons de données. Nous observons ainsi une nette augmentation de l’occupation des parkings autour des périodes de fin juillet, fin août et fin septembre. Comme par hasard, ces périodes correspondent à celles des Gentse Feesten, des secondes sessions et du début de l’année scolaire. En outre, nous constatons que l’occupation moyenne des parkings est supérieure dès la mi-septembre, par rapport aux grandes vacances. Explication : les vacances sont passées, l’année scolaire reprend.

Nous observons également de nettes différences entre les schémas de stationnement et les niveaux d’occupation des différents parkings gantois. Les taux d’occupation moyens font d’ailleurs ressortir que le parking de la Sint-Pietersplein est loin d’avoir la cote. Au top 3 des parkings les plus chargés, on trouve le Ramen, le parking du marché du vendredi et le Sint-Michiels. Une tendance qui semble constante à travers le temps.

Outre la comparaison des taux d’occupation des différents parkings sur plusieurs mois, nous pouvons établir la même analyse selon les jours de la semaine. Et à cet égard, nous remarquons que le vendredi et le samedi correspondent de toute évidence aux jours de grande affluence en termes de stationnement à Gand. À l’inverse, le taux d’occupation moyen est inférieur le dimanche par rapport au reste de la semaine. Ce résultat tient probablement au fait que beaucoup de gens vont à Gand le samedi pour faire du shopping ou profiter du soleil en terrasse et au bord de l’eau, et que la ville tient son marché le vendredi. Sans compter le week-end qui arrive dans la foulée, durant lequel les sorteurs organisent peut-être une soirée.

Applications potentielles pour l’avenir

Selon une étude, le conducteur moyen passe de 6 à 14 minutes pour trouver une place de stationnement. Dans les grandes villes, ce chiffre peut même grimper à 20 minutes. Vous perdez donc environ 106 jours de votre vie à chercher une place de stationnement. En plus, il y a peu de chances qu’après avoir tant cherché, vous trouviez la place de parking idéale, juste à côté de votre destination et à moins d’un kilomètre des magasins. On en devine déjà les conséquences : des conducteurs frustrés, une émission supérieure de gaz d’échappement et des commerçants qui font moins de chiffre. Or, la collecte et l’analyse des données permettent de résoudre de diverses manières les problèmes relatifs au stationnement.

Ainsi, l’analyse des données de stationnement historiques dans R permet tout à fait d’établir des modèles de prévisions qui tiennent également compte d’informations en temps réel. Une première utilisation qui pourrait en découler consiste en une application mobile. On pourrait développer celle-ci à l’aide d’un logiciel comme Google Maps ou d’une application similaire. L’appli en question serait capable de prédire les parkings encore libres au moment prévu de votre arrivée en ville, ou de vous rediriger directement vers le parking le mieux adapté à ce moment-là.

Une deuxième option pourrait consister à optimiser les itinéraires de stationnement à travers la ville (vous savez bien, ces fameux panneaux « P-route » dans toute la ville), voire les rendre dynamiques. Ainsi, on pourrait réorganiser ces itinéraires lors de certaines périodes, selon les schémas prédits et le taux d’occupation de certains parkings.

La ville de Gand peut utiliser ces données pour déterminer s’il faut davantage de parkings, ou quelle partie du centre-ville en nécessite peut-être un de plus. Elle pourrait même optimiser le taux d’occupation des différents parkings via la fixation des prix. Un tarif bas durant les périodes creuses permettrait d’exploiter au mieux les capacités des parkings.

C’est fou, ce que trois jours de formation sur la programmation de données dans R peuvent apporter comme possibilités d’amélioration. Moins de stress pour les conducteurs, moins de circulation dans le centre-ville, moins de gaz d’échappement et plus de personnes qui profitent de la ville d’Artevelde.

Nos collègues de LoQutus, entité du groupe Möbius, ont utilisé les mêmes données de stationnement pour créer des ‘heatmaps’ et pour définir des tendances et schémas.

Lisez leur blog ‘Parking space in a smart city‘.

Merci d'avoir lu

Contactez notre expert

Jeroen Colin