« Ur-MoVe » : prédire les déplacements des mobinautes

Une définition de la ville intelligente selon le Smart City Council est : « une ville sachant utiliser les technologies de l'information et de la communication pour améliorer son habitabilité, sa maniabilité et sa durabilité. »
 
 Il semble évident, tenant compte de cette définition, qu’il faille se positionner à la fois sur une vision de l’IoT par l’objet en lui-même mais aussi par la valorisation de la donnée qu’il génère. En effet, quid de lampadaires intelligents dans un parc mais où nous ne collecterions pas les données qui en sont issues pour en tirer tout l’essence et la connaissance ? Ce lampadaire outre le fait de pouvoir s’allumer au passage de piétons à proximité ne peut-il pas aussi renseigner des usages de l’ensemble de ces piétons grâce auxquels nous pourrions déduire des améliorations à apporter ?
 
 Et la lumière fût ! Si aujourd’hui nos chercheurs réussissent à déterminer des trajectoires empruntées,  demain c’est la ré-urbanisation intelligente et adéquate dans nos rues.
 
 Ur-MoVe (Urban Mobility Visualizer) est l’un des premiers prototypes développés par l’ESEO (Ecole Supérieure d’Electronique de l’Ouest) et l’Université d’Angers avec le concours de la société AFONE (Wifilib). Ur-MoVe permet d’étudier la mobilité des citoyens de la ville d’Angers et est entre autre capable de visualiser mais aussi prédire la mobilité des utilisateurs par l'analyse des logs de connexion au réseau Wifilib. À termes, l’application pourra réaliser ses calculs sur l’ensemble de villes en France disposant du réseau Wifilib à savoir : Paris, Amiens, Strasbourg, Reims et Mulhouse.
 

1. Densité des connexions pour chaque point d'accès (le 01/10/2015 à 11h45) :

Elle est tracée sur une échelle de couleur allant du jaune au rouge foncé en fonction du nombre d'utilisateurs connectés au moment sélectionné. Ces premiers résultats nous permettent de déterminer les endroits populaires et occupés et de déduire des périodes spécifiques de la journée telles que les heures de pointe. Ces données peuvent nous permettre aussi de calculer les flux dans la ville et ils sont le point d’entrée nécessaire à la prédiction de la position d'un utilisateur.

2. Durées de connexion à chaque point d'accès (pour toute la journée du 01/10/2015) :

Ceci permet de catégoriser des lieux et des rues; par exemple soit en tant que lieux de passage, soit en tant que lieux où les gens restent. De plus, dans notre figure, qui englobe le centre-ville d'Angers, on remarque que les gens restent plus longtemps sur la place du Ralliement ou dans les rues commerçantes où se trouvent les cafés et magasins dans lesquels ils peuvent s'arrêter. Au contraire, des rues telles que, la rue Saint-Laud, apparaissent comme des voies de passage et les temps de connexion en ces lieux sont plus courts.

3. Langages des utilisateurs connectés (le 01/10/2015 à 15h34) :

Sur la figure, nous voyons les utilisateurs francophones en bleu et les utilisateurs anglophones en rouge. Ce type d’information peut être très pertinent pour des systèmes de recommandation touristique afin par exemple d’afficher des informations directement dans la langue de l’utilisateur sur des panneaux intelligents.

4. Échelles d’âge des utilisateurs connectés (le 01/10/2015 à 16h) :

Les âges sont regroupés par dizaines d'années de 0 à 100 et sont affichés pour chaque point d'accès sur une échelle de couleur allant du jaune au rouge en fonction de l'âge moyen des utilisateurs connectés. Si elle est utilisée en combinaison avec le temps, cette information semble très pertinente pour catégoriser les quartiers en fonction de l'âge des personnes qui les fréquentent. Par exemple, dans notre figure on remarque qu’il y a plus de personnes âgées de 40 à 50 ans, rue Lenepveu, dans l’un des «magasin spécialisé culture», alors que les utilisateurs âgés de 20 à 30 ans tendent plus à fréquenter les bars et les cafés autour de la place du Ralliement.

5. Connexions aux points d'accès en fonction du sexe (le 03/10/2015 14h29) :

Le point d'accès auquel une majorité de femmes sont connectées est représenté en rose et devient bleu lorsqu'une majorité d'hommes sont connectés. Dans la figure, nous remarquons qu'une catégorie de personnes a tendance à se trouver dans des endroits tels que des bars, des cafés, tandis qu'une autre catégorie préfère les zones de shopping. Le nombre exact d'utilisateurs appartenant à chaque sexe connecté à un point d'accès est affiché en cliquant dessus. Cela peut nous éviter des erreurs d'interprétation et devrait éviter les clichés.

6. L’ensemble des déplacements des utilisateurs (le 03/10/2015 de 15h00 à 16h00) :

Ce composant est le point d’entrée incontournable permettant la détermination des trajectoires empruntées, du flux de mobilité et points de blocage (embouteillage), et de la prédiction des déplacements. Ce composant est un élément primordial de la compréhension de la mobilité urbaine de la ville d’Angers et peut de ce fait constituer les prémices d’un véritable outil d’aide à la décision pour l’urbanisation.

Enfin, l’application fait attention avant tout à la protection individuelle et à la vie privée, car d’une analyse bienfaitrice au service des citoyens à un Minority Report, il ne peut y avoir qu’un pas. Aussi, Sécurité et Protection des données personnelles restent les mots d’ordre du projet.
 
Ce prototype est un projet de l’association PAVIC et sera présenté au colloque IoT à l'ESEO le mercredi 25 octobre, dans le cadre du World Electronics Forum à Angers