A l'heure de la démocratisation des données géographiques ouvertes et compte tenu de leur volume disponible conséquent, la question de leur traitement et de leur utilisation se pose. Cette conférence présentera le traitement de ces données à l'aide de techniques de machine learning et de logiciels Open Source au travers de 2 exemples de projets de recherche menés au sein de la société Oslandia. Le premier exemple propose d'évaluer la qualité des données OpenStreetMap. L'approche choisie est de classifier les contributeurs en fonction de certaines caractéristiques de leurs contributions (fréquence, type de modifications...). En associant chaque élément de la carte à la classe de ses contributeurs, on peut alors estimer la qualité de celui-ci et identifier des éventuelles zones à corriger. Le second exemple est une plateforme de prédiction d'occupation des stations de vélo en libre-service. Les villes disposant de vélos en libre service (Vélô toulouse par exemple) mettent à disposition les données d'utilisation de leurs différentes stations en quasi temps réel. Le traitement de ces données à l'aide d'algorithmes de machine learning permet la segmentation des profils horaires d'occupation des différentes stations et la réalisation d'une prédiction sur la disponibilité d'un vélo. La présentation s'attachera à décrire simplement les concepts parfois complexes du machine learning et mettra en avant l'ensemble des logiciels Open source utilisés.
Speakers: Julien Cabieces