Révolutionner le suivi du vélo urbain avec le crowdsensing

Les villes du monde entier essaient de faire en sorte que plus de gens roulent à vélo. Ce changement aide à résoudre des problèmes comme les embouteillages et la pollution. Une grande partie pour rendre le cyclisme plus attirant est de s'assurer que la balade soit fluide et sécurisée. Mais comment savoir si les routes et les pistes sont en bon état ?

Surveiller la qualité des pistes cyclables est important, mais c'est une grosse tâche. Vérifier manuellement chaque piste cyclable d'une ville n'est pas réaliste, surtout dans les grandes villes avec de nombreux kilomètres d'infrastructures cyclables. Par exemple, à Berlin, il y a plus de 2 300 kilomètres de pistes cyclables. Donc, il nous faut un moyen pratique de collecter des Données sur ces pistes pour améliorer les conditions de cyclisme.

Cet article présente une nouvelle méthode appelée Crowdsensing. Cette méthode utilise les capteurs des smartphones pour rassembler des données de cyclistes sur les routes qu'ils empruntent. En collectant ces informations, on peut mieux comprendre si ces pistes sont lisses ou rugueuses et planifier des améliorations en conséquence.

#L'importance de l'infrastructure cyclable

Les villes veulent encourager le cyclisme pour diverses raisons. Les vélos réduisent le trafic, diminuent la pollution et favorisent la santé en incitant les gens à être plus actifs. Cependant, plusieurs facteurs influencent l'expérience d'un cycliste, y compris la sécurité et le confort. L'état de l'infrastructure cyclable joue un grand rôle dans ce confort. Des pistes lisses offrent une meilleure expérience de conduite, tandis que des pistes rugueuses ou endommagées peuvent rendre le cyclisme désagréable et même dangereux.

De bonnes pistes cyclables doivent être surveillées régulièrement pour les garder en bon état. Cela inclut la vérification de problèmes comme des fissures, des nids-de-poule ou des surfaces inégales. Malheureusement, faire ce genre de surveillance manuellement est difficile et coûteux. C'est là que la nouvelle approche de crowdsensing entre en jeu.

#Qu'est-ce que le Crowdsensing ?

Le crowdsensing est une méthode où des gens ordinaires aident à collecter des données en utilisant leurs smartphones ou d'autres appareils. Dans ce cas, les cyclistes utiliseront une application smartphone pour enregistrer des données pendant qu'ils roulent. L'application profitera des capteurs intégrés, comme les accéléromètres, pour mesurer les vibrations et les bosses sur la route.

Quand les cyclistes roulent, l'application enregistre les données puis les traite sur leur téléphone. Une fois la balade terminée, les données sont téléchargées sur un service cloud pour une analyse plus poussée. En collectant des données de nombreux cyclistes, on peut créer un tableau complet de la qualité de la surface des pistes cyclables à travers la ville.

#Comment ça marche

Les principales étapes de cette approche de crowdsensing impliquent la collecte de données, le traitement et l'analyse. Voilà comment ça fonctionne :

1. Collecte de données : Quand les cyclistes roulent, l'application enregistre des données grâce aux capteurs de mouvement. Cela inclut les vibrations et les mouvements qui indiquent si la surface est lisse ou rugueuse.

2. Prétraitement : Après la balade, les données sont traitées sur le téléphone du cycliste pour réduire leur taille et enlever les parties inutiles. Cela garantit que seules les informations pertinentes sont envoyées au cloud.

3. Analyse dans le cloud : Les données sont ensuite téléchargées sur un service cloud. Dans le cloud, une analyse plus approfondie est menée pour mieux comprendre la qualité de la surface. Cela inclut le nettoyage des données et des comparaisons avec d'autres balades dans la même zone.

4. Données de sortie : Le résultat de cette analyse est une image claire de la qualité de la surface des différentes pistes cyclables, qui peut être utilisée pour la planification d'entretien et les suggestions de routes.

En utilisant cette approche, les villes peuvent gagner du temps et de l'argent tout en obtenant des informations précises sur leur infrastructure cyclable.

#Défis dans la surveillance de la Qualité de surface

Même avec l'approche de crowdsensing, collecter des données précises sur la qualité de surface n'est pas simple. Voici quelques défis qui peuvent survenir :

• Variabilité des données : Différents cyclistes ont des vélos et des styles de conduite différents, ce qui peut affecter les données collectées. Par exemple, un vélo de course peut vibrer différemment qu'un VTT. Cela rend difficile la création de mesures standard.

• Précision du GPS : La précision du GPS peut varier, ce qui pourrait rendre difficile de déterminer exactement où un cycliste a roulé. Si un cycliste roule par erreur sur un trottoir au lieu de la route, cela pourrait conduire à des données confuses.

• Différences de dispositifs : Comme tous les smartphones ne sont pas identiques, différents appareils peuvent enregistrer les vibrations de manière variable. Cela peut créer des écarts dans les données.

• Facteurs environnementaux : Les conditions météorologiques, comme la pluie ou la neige, peuvent changer la qualité de surface des routes. Si un cycliste roule sur une piste mouillée, la balade peut sembler différente que par temps sec.

Malgré ces défis, l'approche de crowdsensing peut toujours fournir des informations précieuses sur l'infrastructure cyclable.

#Avantages du Crowdsensing

Utiliser le crowdsensing pour rassembler des données sur les surfaces cyclables offre de nombreux avantages :

• Économie : En utilisant les smartphones que les gens possèdent déjà, les villes n'ont pas besoin de dépenser de l'argent pour des équipements spéciaux ou des inspections manuelles.

• Évolutivité : Le crowdsensing peut impliquer un grand nombre de cyclistes, permettant une collecte de données massive à travers différentes zones.

• Données en temps réel : Puisque les données sont collectées en temps réel, les villes peuvent rapidement réagir aux problèmes au fur et à mesure qu'ils surviennent. Si une piste est signalée comme étant en mauvais état, les réparations peuvent être planifiées plus tôt plutôt que plus tard.

• Amélioration de l'expérience utilisateur : En fournissant des informations aux cyclistes sur la qualité de surface, cela leur permet de choisir de meilleures routes et améliore leur expérience globale de cyclisme.

#Pipeline de traitement des données

Pour analyser les données collectées grâce au crowdsensing, nous avons créé un pipeline de traitement des données. Voici un aperçu des étapes impliquées :

1. Rassemblement des données : Les cyclistes utilisent l'application pour rassembler des données sur leurs trajets. L'application enregistre les informations de capteur de mouvement nécessaires pendant la balade.

2. Traitement de proximité : Avant que les données soient téléchargées, un traitement initial est effectué sur le smartphone de l'utilisateur. Cette étape aide à réduire la quantité de données qui doivent être envoyées au cloud, ce qui préserve à la fois la batterie et l'utilisation des données.

3. Traitement dans le cloud : Une fois les données téléchargées, elles subissent un nettoyage et une analyse supplémentaires dans le cloud. Cette étape inclut le filtrage du bruit et le calcul de valeurs qui représentent la qualité de surface.

4. Calcul de la qualité de surface : L'application calcule la "rugosité" des différents segments de route en se basant sur les données collectées par de nombreux cyclistes. Cela fournit une image globale des conditions de route.

5. Rapport : Les résultats sont ensuite compilés et peuvent être visualisés. Les planificateurs urbains et les cyclistes peuvent ainsi voir quelles zones ont une bonne ou une mauvaise qualité de surface.

Ce pipeline de traitement des données garantit que les informations collectées sont précises et utiles pour la prise de décision.

#Utilisation des informations sur la qualité de surface

Une fois que les données sur la qualité de surface sont calculées, elles peuvent être appliquées de plusieurs manières :

#1. Planification améliorée des itinéraires

La qualité d'une piste cyclable peut être un facteur important lors de la planification d'un itinéraire. Avec les données collectées, l'application peut suggérer les meilleurs chemins à suivre, en prenant en compte non seulement la distance et le temps mais aussi la qualité de surface.

Les cyclistes peuvent définir des préférences sur la façon dont ils veulent que la qualité de surface influence leur itinéraire. Par exemple, ils peuvent choisir de privilégier des routes plus lisses même si cela signifie prendre un itinéraire légèrement plus long.

#2. Planification de l'entretien

Les administrations municipales peuvent utiliser les données pour planifier les calendriers d'entretien des pistes cyclables. Si certaines zones sont identifiées comme ayant une mauvaise qualité de surface, ces zones peuvent être prioritaires pour les travaux de réparation. Cette approche proactive peut aider à maintenir l'infrastructure cyclable en bon état.

#3. Visualisation des données pour les planificateurs urbains

Les données collectées peuvent être visualisées à l'aide de cartes pour montrer la qualité de surface dans différentes zones. Les planificateurs et les fonctionnaires de la ville peuvent facilement voir où se trouvent les problèmes et agir en conséquence. Pour les non-experts, ces visualisations sont une excellente façon de comprendre l'état des pistes cyclables d'un coup d'œil.

#Évaluation de la qualité de surface

Pour vérifier l'efficacité de cette méthode de crowdsensing, nous comparons les résultats de l'application avec les conditions réelles de surface notées dans le monde réel. Nous regardons différentes sections de routes dans la ville et voyons combien les données s'alignent avec ce que nous savons sur ces pistes.

#Sections avec des résultats clairs

Certaines zones peuvent montrer des résultats clairs, où les données correspondent à nos attentes en matière de qualité de surface. Par exemple, une piste en asphalte nouvellement pavée devrait montrer un score de qualité élevé, tandis qu'une rue en pavés pourrait être notée plus bas. Ces résultats clairs confirment que la méthode fonctionne dans certains scénarios.

#Résultats mixtes

Tous les résultats ne seront pas simples. Certaines zones pourraient montrer des signaux mitigés où les données semblent contredire les observations du monde réel. Cela pourrait se produire dans des endroits où les cyclistes préfèrent rouler sur des trottoirs plus lisses plutôt que sur des rues bosselées.

#Résultats déroutants

Il peut également y avoir des circonstances où les résultats semblent inexactes. Par exemple, si une route est étiquetée comme étant en pavés, mais que les données suggèrent qu'elle offre une balade très lisse, cela soulève des questions. De telles incohérences pourraient indiquer que les cyclistes évitent la route à cause de conditions médiocres et choisissent de rouler là où c'est plus confortable.

#Conclusion

En résumé, cette approche de crowdsensing offre un moyen innovant de surveiller l'infrastructure cyclable. En utilisant la technologie des smartphones pour rassembler des données de cyclistes, les villes peuvent obtenir des informations précieuses sur la qualité de surface. Cela aide à mieux planifier les itinéraires pour les cyclistes et à s'assurer que l'infrastructure est correctement entretenue.

Bien que des défis existent dans la collecte et l'analyse des données, les avantages du crowdsensing l'emportent largement sur ces problèmes. Alors que les villes continuent d'encourager le cyclisme, l'adoption de telles méthodes sera cruciale pour créer des environnements plus sûrs et plus agréables pour les cyclistes. Maintenir l'infrastructure en bon état favorise non seulement le cyclisme mais contribue aussi positivement à la vie urbaine, à la santé et à l'environnement.