Retour
Analyse de données
ISEN CIR 3 - 2024
Rôle
Développeur et Analyste
Durée et résultat
3 Semaines | 16/20
Équipe
3 personnes
Liens
Github Repository
Live site (Soon)
Aperçu
Ce projet à visé à optimiser la gestion des espaces verts de la ville de Saint-Quentin (02) à travers l'intégration de solutions en Big Data, Intelligence Artificielle (IA) et Développement Web. En premier lieu, une collecte et une analyse approfondies des données géospatiales relatives aux arbres urbains ont permis de créer des cartes illustrant leur répartition par quartier. Ces visualisations offrent une perspective claire sur les zones nécessitant une attention particulière en matière de gestion et d'entretien.
Par la suite, des modèles prédictifs ont été élaborés, incluant des études de régression pour estimer l’âge des arbres et une régression logistique pour identifier ceux susceptibles de déracinement en cas de tempêtes. Les résultats ont mis en lumière des corrélations significatives entre différentes variables telles que l’âge, la localisation et le type d’arbre.
Enfin, une application web a été développée pour centraliser et faciliter l'accès aux résultats des analyses. Cette interface permet aux utilisateurs de visualiser des données sur des cartes interactives, d’ajouter de nouveaux arbres à la base de données et d’effectuer des prédictions concernant leur état. En combinant ces technologies, ce projet vise à renforcer la prise de décision et la planification urbaine, contribuant à une gestion plus efficace et durable des espaces verts à Saint-Quentin.
0.1
Accueil
0.2
Prédictions
0.3
Visualisation
Objectif
Créer une solution technologique complète pour la gestion des arbres urbains
L’objectif principal était de développer une plateforme combinant Big Data et IA pour analyser et visualiser les données des arbres urbains, tout en offrant des prédictions sur leur état de santé. Cela comprenait l’analyse de données, la création de modèles prédictifs et le développement d’une application web intuitive.
Contexte
Un projet académique pratique en Année 3 à l'ISEN
1.0
Ajout d'arbre
Réalisé dans le cadre du cursus Big Data/IA/Web de l’ISEN en 2024, ce projet de trois semaines avait pour mission d’appliquer les compétences théoriques acquises dans un contexte réel. L’équipe de trois personnes s’est concentrée sur la gestion des arbres urbains à Saint-Quentin, en collaborant autour des aspects de traitement de données, modélisation IA, et développement web.
Processus et méthodologie
De l'exploration des données à l'implémentation d'une interface web
Le projet s’est déroulé en plusieurs étapes méthodiques :
Exploration des données : nettoyage et préparation des données géospatiales des arbres.
Modélisation prédictive : création de modèles pour estimer l’âge des arbres (régression linéaire) et prédire les arbres à risque en cas de tempête (régression logistique).
Développement web : conception d’une interface interactive permettant de visualiser et gérer les données arboricoles sur des cartes géospatiales.
Tests et optimisation : vérification de la fluidité des prédictions et de l’expérience utilisateur sur l’application.
2.0
Section nouvelles de Saint-Quentin
Défis rencontrés et solutions
Résoudre les problèmes de données et de visualisation
Nettoyage des données : De nombreuses données étaient incomplètes ou erronées. Nous avons mis en place des processus de correction pour assurer la qualité des données.
Modélisation complexe : Optimiser les modèles prédictifs a nécessité des ajustements constants pour garantir leur précision.
Visualisation interactive : Représenter les données arboricoles sur une carte géospatiale a été un défi relevé grâce à l'utilisation de Plotly.
Résultats
Une application fonctionnelle et fluide pour la gestion urbaine
3.0
Tableau de visualisation
Le projet a abouti à un outil complet (noté 15/20 en BigData, 16,51/20 en IA et 16,73/20 en Web), qui offre :
Visualisations cartographiques claires et intuitives.
Modèles prédictifs performants pour estimer l'âge des arbres et prédire ceux à risque.
Application web permettant une gestion en temps réel du patrimoine arboré, avec des options d’ajout de nouveaux arbres et de prédictions.
Retours d'expérience et compétences acquises
Maîtrise des technologies de données et développement web
Ce projet a permis d’acquérir des compétences avancées dans :
Traitement et analyse des données massives avec Python, notamment avec Pandas et Scikit-learn.
Modélisation prédictive avec des techniques de régression pour des cas réels.
Développement web full-stack en utilisant des technologies modernes pour créer une interface utilisateur fluide.
4.0
Visualisation des clusters