GRAND DOSSIER

SOLUTIONS TECHNOLOGIQUES POUR UNE VILLE CONNECTÉE

PAR PATRICE-GUY MARTIN ET CATHERINE FLORÈS intelligente, connectée, efficiente, durable : derrière les promesses de la ville de demain se tiennent des enjeux scientifiques reliés à la production et la gestion des données produites par les infrastructures, les réseaux et les usagers. plusieurs chercheurs de polytechnique consacrent leurs travaux au développement de solutions technologiques pour les infrastructures « communicantes » nécessaires à la numérisation de l?univers urbain. nous vous proposons un éventail de certains de ces travaux. LE DÉFI DE L?EXPLOITATION DES DONNÉES Martin Trépanier est professeur titulaire au Département de mathématiques et de génie industriel. Si la ville intelligente l?intéresse, il la regarde sous l?angle des systèmes d?information en logistique et planification des transports. Il travaille avec des données de mobilité urbaine, les données des cartes à puce des sociétés de transport en commun, par exemple, ainsi qu?avec des données d?autopartage (soutenu par Communauto et le CRSNG), de télémétrie des autobus et des équipements de déneigement, le plus souvent en collaboration avec la Chaire Mobilité de la P re Catherine Morency. Pour lui, l?un des plus grands défis des villes intelligentes concerne les données. S?il y a beaucoup de technologies pour en collecter, le défi réside dans leur exploitation. Encore faut-il d?abord s?assurer de leur intégrité. L?approche utilisée pourrait être jugée classique, d?un point de vue du traitement des données. Le défi scientifique est lié à la très grande quantité de données. « Avant de les utiliser, explique le P r Trépanier, il faut d?abord s?assurer de bien décrire les données ? savoir exactement ce qu?on a, de manière quantitative et qualitative. Souvent, on doit les compléter; avec les données de cartes à puce dans les réseaux de transport en commun, par exemple, on voudra trouver des moyens de séquencer les données pour identifier l?origine et la destination. » Ensuite, en collaboration avec le P r Bruno Agard, on appliquera les techniques de fouille des données (data mining), pour creuser dans de grands ensembles de données afin de retrouver des comportements ou des groupes (clusters) similaires. Finalement, on cherche à identifier des modèles pour prédire des données ou mieux les expliquer. C?est ensuite qu?on P R MARTIN TRÉPANIER, DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL peut les visualiser, par exemple, pour les utiliser dans un contexte d?identification des problèmes, de planification ou d?optimisation des services. C?est à ce stade qu?on parvient à véritablement exploiter les données. « Ce qui est intéressant, note Martin Trépanier, c?est que jusqu?à présent, on recueillait surtout les données à d?autres fins. Par exemple, dans les transports en commun, les cartes à puce servaient à collecter de l?argent, pas à faire de la planification. Les données de télémétrie de déneigement servaient plutôt à surveiller le fonctionnement des équipements 8 POLY / HIVER 2016 / Volume 13 / Numéro 1

Vous devez télécharger Flash Player


Vous devez télécharger au minimum la version de Flash Player 9

Cliquez ici

Adobe Flash Player Download Center