Le premier semestre 2020 a condamné la moitié de l’humanité à entrer en confinement contre le covid. Les confinements se sont répétés en 2021, et en 2022, la Chine a dû se résoudre à re-confiner face au dernier variant. Le confinement a été particulièrement sévère dans les villes où la promiscuité provoque davantage de contaminations. Il était donc crucial que les personnes restent isolées des autres pendant une longue période. Mais pour permettre le ravitaillement et l’exercice physique, les personnes sont autorisées à sortir une heure chaque jour. L’application Ariane covid a pour objectif de proposer à ses utilisateurs des trajets optimisés pour réduire l’exposition au virus en exploitant les propriétés géométriques pour lutter contre l’instinct grégaire. En théorie, les trajets Ariane covid réduisent d’un facteur entre 3 et 6 les temps moyens d’exposition au virus (et de réduire d’autant le R0). Hors épidémie, l’application permettra d’optimiser et de diversifier les trajets décarbonés dans la ville.

Les sciences du numérique dans la ville sont partout, pour observer, comprendre et agir de façon efficace. Prenons l’exemple des routes et pistes cyclables. Comprendre les déplacements des citoyens permet de mieux gérer les trafics et mieux entretenir les chaussées. Connaître les trajectoires privilégiées des cyclistes aide par exemple à mieux tracer les pistes cyclables au travers de la ville. Mesurer l’affluence des véhicules et cycles aux carrefours permet de mieux orchestrer le trafic et anticiper les opérations de maintenance. Plusieurs outils sont nécessaires pour réaliser cette vision. Il faut d’abord collecter de la donnée, via des capteurs permettant de tracer les trajectoires, mesurer l’affluence, les vitesses, et toute autre donnée utile. Ces données et capteurs peuvent être de différents types (caméra, capteur de position, de qualité de l’air, etc.) fournissant des données de précisions différentes à des fréquences différentes. Pour collecter ces données, il faut des réseaux de communication adaptés permettant de couvrir même des zones isolées ou souterraines avec une consommation d’énergie limitée. Pour donner du sens à ces données, il faut les filtrer, les traiter, pour modéliser les chaussées et créer de la connaissance, créer un jumeau numérique, le tout de façon sobre et sécurisée. Ainsi, les villes intelligentes qui ont pour objectif d’être durables, respectueuses de l’environnement et offrant une meilleure qualité de vie aux citoyens reposent entre autres sur des outils mathématiques et informatiques toujours plus complexes.

Nathalie Mitton, Responsable de l’équipe Inria FUN.

La période de dérèglement climatique dans laquelle nous sommes entrés agit de deux manières différentes (au moins !) sur le risque inondation en ville. D’une part, les évènements dits extrêmes (tempêtes, épisodes pluvieux méditerranéens ou cévenols par exemple) ont tendance à être plus fréquents et plus intenses. Par ailleurs, pour les villes qui ont la « mauvaise idée » de se trouver en zone littorale (c’est le cas de plus de 60% de la population mondiale !), la hausse du niveau des mers constitue un second risque évident. Il est donc nécessaire, compte tenu des enjeux humains, environnementaux et économiques, de produire des outils de gestion et de protection de nos villes. C’est l’objectif des outils mathématiques et numériques produits par les scientifiques, qui permettent de réaliser deux types de simulations numériques pour la gestion du risque inondation : d’une part un simulateur très précis, prenant en compte le moindre mobilier urbain, la hauteur des trottoirs, le maillage dense des rues d’une ville afin de produire des simulations très précises de la ville. Ces outils considèrent également les apports extérieurs grâce à un simulateur de pluie ou au couplage avec les informations considérées à plus grande échelle (celle du bassin versant, par exemple). On peut s’en servir comme un outil de gestion de scénario en faisant pleuvoir à tel endroit, en faisant déborder tel cours d’eau, etc.

Malheureusement, ces modèles sont trop précis pour faire du calcul en temps réel, qui serait utile lors de la gestion de crise par exemple, ou pour effectuer une analyse de sensibilité pour laquelle on aurait besoin de nombreuses sorties de modèle. Chez LEMON, avec le logiciel SW2D, nous proposons donc par ailleurs une version dégradée du modèle complet, dite « à porosité » dans laquelle on ne considère plus la ville à l’échelle de chaque ruelle mais plutôt comme une éponge. Cette façon de voir les choses permet des calculs certes moins précis, mais beaucoup plus rapides, ce qui permet de répondre aux besoins évoqués ci-dessus. Quant au « couplage » entre des modèles à haute et à basse résolutions, c’est encore un champ de recherche très actif. Les scientifiques travaillent finalement à pouvoir regarder une inondation comme une gigantesque photographie, dans laquelle on aurait une vue d’ensemble mais aussi la possibilité de « zoomer » dans des zones d’intérêt. Tout cela de manière dynamique, puisque l’écoulement évolue bien entendu avec le temps…

La ville induit une forte concentration de population dans une surface limitée. Un des rôles historiques de la ville est en effet de maximiser les interactions entre les groupes et les individus. La ville a donc toujours été un espace à haute densité d’information et la numérisation de celle-ci avec l’apparition des ordinateurs n’a fait qu’accroître le phénomène. C’est dans les villes, quelle que soit la richesse du pays auquel elles appartiennent, que les plus gros volumes de données sont disponibles. Ces données sont produites par l’activité de la ville elle-même. Les gens communiquent, s’informent, échangent des biens… Toutes ces activités produisent maintenant des données directement au format numérique par l’intermédiaire des smartphones individuels, des terminaux de paiement, des bornes de validation des titres de transport, etc. De nombreuses données sont produites aussi pour anticiper et réguler la vie urbaine. Il faut planifier et gérer les logements et les locaux d’entreprises, organiser les infrastructures et les systèmes de transports et de logistique, créer et maintenir les réseaux d’eau, d’énergie et de communication, fournir les services de base aux habitants : écoles, administrations, hôpitaux, musées, etc.

La ville est aussi un espace dans lequel les personnes vivent, travaillent, se déplacent. Les données numériques sont donc nécessairement spatialisées. Pour être utiles, elles doivent être équipées d’une localisation grâce à des coordonnées géographiques en latitude et longitude. Ces données sont saisies directement sur le terrain par des topographes, ou captées depuis le ciel par des satellites, des avions ou des drones. Traditionnellement, ces données géographiques étaient transcrites sur des cartes, qu’il fallait dessiner et redessiner au fur et à mesure que la ville changeait. Avec la numérisation, elles sont stockées dans des bases de données géographiques pour être combinées, analysées, transformées avant d’être mises en forme de cartes, imprimées sur papier ou publiées sur Internet ou mises à disposition dans des sites interactifs où l’utilisateur peut les sélectionner et les composer en fonction de ses besoins. Ce traitement informatique des données spatialisées a donné lieu il y a quarante ans à la création d’une discipline, les Sciences de l’Information Géographique appelée aussi Géomatique, qui développe les modèles, les méthodes et les outils pour collecter, analyser et interpréter des volumes de données spatialisées toujours croissants.
Dans toutes les villes du monde, des géomaticiens mobilisent leur expertise pour aider les villes à répondre à des enjeux sociaux et environnementaux de plus en plus complexes et alarmants.

Pour expérimenter :

• Un outil géomatique pour estimer la taille d’une foule sur une carte
• QGIS : Système d’information géographique libre et open source

Thierry Joliveau Professeur de géographie et géomatique à l’Université de Saint-Etienne.

L’expression « Ville Intelligente » renvoie à une grande diversité d’expériences et de dimensions. Parmi les différentes figures qui s’en réclament, il y a celle de la « ville outillée » : l’installation de réseaux de capteurs donne accès à une connaissance inédite des divers phénomènes qui traversent et constituent la ville, notamment la qualité de l’air urbain extérieur. L’air que nous respirons est sous surveillance. L’AASQA (Association Agréées de Surveillance de la Qualité de l’Air) Atmo Auvergne-Rhône-Alpes a développé une application mobile d’information sur la qualité de l’air nommée Air To Go. Elle donne accès à un indice journalier multi polluants de prévision de la qualité de l’air. Il s’agit d’un indice global qui synthétise le niveau de trois polluants : le dioxyde d’azote, l’ozone et les particules fines.
L’indice global prend la valeur du sous-indice le plus élevé des trois.Les choix graphiques réalisés pour visualiser l’indice de qualité de l’air diffusé dans Air To Go reposent sur un présupposé : « rendre visible l’invisible ». Atmo AURA a ainsi considéré que l’enjeu de l’application en terme de design était de dévoiler un phénomène physique dont la population ne ferait pas l’expérience tangible. Or les populations ont un rapport subjectif (sensible et cognitif) à l’air qu’ils respirent, même si les conclusions qu’elles en tirent ne convergent pas toujours avec les résultats de ses modèles. Cela complexifie considérablement la réception de ces informations par le public et notamment leur acceptabilité. Une enquête menée dans le cadre du projet UrPolSens a montré dans ce sens que la réception positive de l’application était fonction du rapport entretenu entre le contenu des informations diffusées et le contenu perceptif déjà-là. La réception de l’information devient notamment problématique lorsqu’il s’agit d’un rapport contradictoire — quand par exemple l’application affiche un indice de bonne qualité de l’air dans une rue alors que l’usager, présent dans cette même rue, ressent un air de mauvaise qualité (odeurs, brume, bruit, sensation d’étouffement, etc.). Au-delà des réflexions propres à la diffusion des données sensibles de la pollution, cette étude permet de commencer à percevoir la complexité des enjeux liés à la représentation des données de manière plus générale : comme représenter c’est déjà penser, la projection des données dans une forme suppose une série de décisions porteuses de sens, qu’il convient de prendre au sérieux.

Texte intégral : Représenter l’intangible : les défis de la visualisation des données numériques environnementales. Montrer la pollution de l’air, le cas d’Air To Go, 2019

Hervé Rivano, avec Lou Herrmann de l’Ecole Urbaine de Lyon.

<< Revenir en haut de page