Nous apportons notre expérience à la construction de la couche analytique des données collectées par le biais de notre Smart Mobility Lab : un laboratoire d’analyse comportementale de la mobilité
L’initiative Bidemap, menée par Dinycon, consiste à développer un outil de soutien aux gestionnaires municipaux pour l’analyse comportementale de la mobilité piétonne agrégée dans la smart city.
Cette étude consiste à développer des modèles prédictifs de la mobilité urbaine piétonne : occupation des espaces publics, flux de mobilité, matrices origine-destination ou cartes de chaleur. Elle sert de soutien aux gestionnaires municipaux dans le contexte des villes intelligentes.
Pour construire ces services à partir des donnés de mobilité compilées par Dinycon, il est nécessaire de créer des solutions d’analyse des données pour détecter des patrons, des tendances, décrire des comportements et les prédire, ainsi que de les transcrire sur des formats visuels attrayants et interprétables pour le gestionnaire municipal : les données numériques difficiles à traiter deviennent ainsi des informations enrichies et interprétables pour l’opérateur humain.
Nous apportons notre expérience pour construire la couche analytique des données collectées par le biais de notre Smart Mobility Lab : un laboratoire d’analyse comportementale de la mobilité fondé sur le big data. Des modèles prédictifs à court et long terme sur la mobilité urbaine piétonne sont générés à partir de ces données enregistrées historiquement et insérées en temps réel.
La méthode de prédiction à court terme d’une valeur a comme entrées une fenêtre de lectures antérieures à cette valeur. Elles permettent de jouer avec différentes variables : profondeur, horizon de prédiction et informations contextuelles.
Quant au modèle prédictif à long terme, il repose sur la détection de patrons sur les données connues, regroupées par jours, d’autres facteurs externes et par similitude. Ces patrons sont utilisés comme base pour de nouvelles techniques d’amélioration de la qualité des données, réduisant significativement la nécessité de supervision du processus de captation.
TECNALIA explore actuellement le développement de techniques de capteur virtuel. Nous utilisons le savoir préalable pour générer des données plausibles à des emplacements du réseau sans capteurs, en établissant des corrélations entre capteurs, ce qui réduit les besoins de déploiement massif de capteurs dans le temps.
Plus d’informations
Dinycon dispose d’une vaste expérience en matière d’acquisition de données de qualité et TECNALIA est spécialisée dans l’analyse de volumes massifs de données dans le domaine de la mobilité.
L’initiative Bidemap est financée par le programme d’aides à la R&D Hazitek.
