Analyse et prétraitement des données du réseau routier d'une grande ville

L'objectif du projet est d'aider à l’exploitation d'un jeu de données de nature spatio-temporel servant à la modélisation des comportements routiers d’une grande ville. 
Le jeu de données est issu des informations du terrain et met notamment en valeur des notions de débit moyen de véhicules sur une section de routes, estimé périodiquement. Un pré-traitement des données fournies s’avère nécessaire, du fait d’incohérence, d’inconsistance et de comportements ou situations exceptionnelles sur certaines sections de routes. Le développement de services sous la forme d'une application visuelle et interactive de type QGIS est aussi souhaité. 

Il y a 3 parties complémentaires dans ce projet :

1. Etude locale à toute section de routes : 
   Par l’étude de similitudes spatio-temporelles au regard des débits sur des sections de routes pris en isolation, mettre en valeur des notions de débit nominal, d’anomalie ou d’incomplétude locale.
2. Etude globale sur des sections de routes interconnectées :
   Par des études de proximité plus ou moins lâches, mettre en valeur des notions de cohérence globale des débits et d’impacts entre sections de routes.
3. Développement d’une plateforme interactive de prétraitement et visualisation spatio-temporelle. 
   Des sélections multi-critères de tout ou partie du réseau et des mises en valeur graphique aideront le processus de l'analyse. 

Attendus du projet : 
- Développement en python de procédures de type math-info. En particulier, des analyses en composantes principales seront utiles dans les études locales, des analyses efficaces d’adjacence
de type graphe ou matrice seront utiles dans les études globales. 
- Exploiter une plateforme intermédiaire de traitement et de visualisation 
de type QGIS (système d'information géographique), pour construire une application et ses services.

Intérêts du projet : 
- Science de données spatio-temporelles.
- Jeux de données de large taille
- Savoir-faire QGIS et python.

Documents fournis : 
-Jeux de données et commentaires.
-Références à des algorithmes de traitement.

Coaching : 
régulier.