Explorateur de ressources

From Communauté de la Fabrique des Mobilites

Search a tutorial

Catégorie : Commun x
Cent centipede.jpg
Réseau Centipède RTK
Le projet Centipède vise à créer un réseau de bases RTK ouvertes et disponibles pour toute personne se trouvant dans la zone de couverture. Le réseau, est étendu par des instituts, des particuliers, des privés comme les agriculteurs ou d’autres partenaires publics. Le projet est développé pour offrir à terme une couverture totale du territoire. Il est soutenu financièrement par l’INRAE côté serveur et mutualise dès son démarrage en 2019 les moyens entre des instituts, des structures publiques, des agriculteurs et des entreprises privés. La carte ci-dessous vous permet de voir l’étendu actuel du réseau. Les instituts de recherche comme l’[https://www.inrae.fr/ INRAE] ou le [http://www.cnrs.fr/fr/page-daccueil CNRS] utilisent la géolocalisation pour référencer leurs données environnementales, mais la précision des systèmes de navigation par satellite, qui dépend des conditions atmosphériques, n’est que de quelques mètres. Des systèmes de correction différentiels peuvent pallier ce manque de précision : le cinématique temps réel (Real Time Kinematic) permet ainsi d’approcher la précision centimétrique. Mais ce système nécessite une base de référence à proximité du lieu de collecte, l’accessibilité de son signal, un matériel et une location du signal extrêmement coûteux. Depuis quelques années, des développeurs travaillent d’arrache-pied avec les logiciels Opensource et l’Open Harware pour créer des solutions peu coûteuses, légères, faciles d’utilisation et fiables. Cette technologie permet, par exemple, d’effectuer des relevés de haute précision géographique (flore, faune, océanique,…) , d’accomplir des relevés photographiques grâce aux drones volants et d’automatiser la conduite haute précision des véhicules agricoles afin d’augmenter la précision, la qualité et la traçabilité des interventions. Contact: contact@centipede.fr
avatar

Gabriel PLASSAT

J1939.png
J1939 CAN Heavy duty Vehicle
Framework to work with J1939 protocol. J1939 protocol is a standard used in different systems compliant with CAN 2.0B specification. The framework has been developed in C++ in a Linux distribution and compiled using the GNU toolchain. No dependencies are required for the compilation of any of the projects except from SocketCan compiled in the Linux Kernel. == What can you do with J1939-Framework == * Save can frames from the Can Bus into recordings in TRC format with BinUtils/TRCDumper. * Play can frames from recordings in TRC format into the Can Bus with BinUtils/TRCPlayer. * Convert TRC files into pcap files readable by wireshark with BinUtils/TRCToCap. * Dissect pcap files with wireshark and the J1939 plugin dissector (wireshark/dissector). * Sniff frames from the Can Bus compliant with J1939 protocol with BinUtils/j1939Sniffer. * Decode raw J1939 data to human readable data with BinUtils/j1939Decoder. * Craft your own J1939 frames and send them to the Can Bus with BinUtils/j1939Sender. The functionality can be extended with the help of bash scripts located in Scripts (some examples are listed). * Visualize what is going on in the Can Bus with GUI_WEB. You will be able to craft, send and visualize the frames that are flowing in the Bus as well as visualizing graphics of their content (SPNs). * Discover J1939 devices with BinUtils/j1939AddressMapper. * Simulation of the Address Claim Process with BinUtils/j1939AddrClaim.
avatar

Gabriel PLASSAT

Logo-chouette-2020-saas.png
Logiciel Chouette (données de TC)
Chouette permet de manipuler les données statiques en respectant les normes et les standards : NeTEx, Neptune, GTFS. Pour vos données de mobilité, il permet de : # Saisir et produire les données de mobilité de mon territoire, de mon réseau # Agréger les données de mobilité de mon territoire # Intégrer des données de mobilité « open data » dans une application mobile # Gérer la conception collaborative de l’offre de transport # Vérifier la qualité de mes données de mobilité # Valoriser mes données : tableaux de bord, stats, visualisation et simulations # Respecter les obligations réglementaires (directives EU, loi LOM) # Assurer la cohérence des flux de données pour une plateforme MaaS Chouette est une solution pour : * décrire l’offre de services d’un réseau de transport (lignes, arrêts, horaires…), * importer et exporter de manière automatisée les données de mobilités depuis / vers : * les SAE, les SIV, les SIM, les calculateurs d’itinéraires, les systèmes billettique… , * les SI de partenaires (entités publiques, éditeurs d’applications mobiles, opérateurs de transport…), * contrôler la qualité des données de mobilité et produire des données conformes aux standards, * agréger les données générées par plusieurs réseaux dans un environnement collaboratif, * valoriser les données générées (historisation, statistiques, visualisation, tableaux de bord…),
avatar

Sarazin Simon

Exploring traffic.gif
AB Street
Ever been stuck in traffic on a bus, wondering why is there legal street parking instead of a dedicated bus lane? A/B Street is a game exploring how small changes to a city affect the movement of drivers, cyclists, transit users, and pedestrians. * Play on [https://github.com/dabreegster/abstreet/releases/download/v0.2.1/abstreet_windows_v0_2_1.zip Windows], [https://github.com/dabreegster/abstreet/releases/download/v0.2.1/abstreet_mac_v0_2_1.zip Mac], [https://github.com/dabreegster/abstreet/releases/download/v0.2.1/abstreet_linux_v0_2_1.zip Linux], or [https://github.com/dabreegster/abstreet/blob/master/docs/INSTRUCTIONS.md read all instructions] (new releases every Sunday) * [https://github.com/dabreegster/abstreet/blob/master/docs/dev.md build from source] (new changes daily) == Documentation == * [https://github.com/dabreegster/abstreet/blob/master/docs/how_it_works.md How A/B Street works] * [https://dabreegster.github.io/abstreet/ Case studies] * Technical ** [https://github.com/dabreegster/abstreet/blob/master/docs/dev.md Developer guide] ** [https://github.com/dabreegster/abstreet/blob/master/docs/articles/map/article.md Map model] ** [https://github.com/dabreegster/abstreet/blob/master/docs/articles/trafficsim/article.md Traffic simulation] ** [https://github.com/dabreegster/abstreet/blob/master/docs/new_city.md Running A/B Street in a new city] ** [https://yuwen-li.com/work/abstreet UX design] * Presentations ** April 2020 Rust meetup: [https://www.youtube.com/watch?v=chYd5I-5oyc recording], [https://docs.google.com/presentation/d/1nUodhr42eppB2E2eMAnuTkMhIVuHnN7_6i6V6MA028c/edit?usp=sharing slides] ** [https://docs.google.com/presentation/d/181so6bWkGsPzpc-mI72CQffthMKMVzFPAkYxIyzgfAs/edit?usp=sharing Feb 2020 traffic sim] ** [https://docs.google.com/presentation/d/1PJRFoXmJAyenkqHIwo48zxqu1LSH6pc7XKSzhyC1raw/edit?usp=sharing Oct 2019 Traffic sim and current challenges] ** [https://docs.google.com/presentation/d/1cF7qFtjAzkXL_r62CjxBvgQnLvuQ9I2WTE2iX_5tMCY/edit?usp=sharing Oct 2019 Map construction] * Project ** [https://github.com/dabreegster/abstreet/blob/master/docs/roadmap.md Roadmap] ** [https://github.com/dabreegster/abstreet/blob/master/docs/motivations.md Motivations] ** [https://github.com/dabreegster/abstreet/blob/master/docs/history/history.md History]
avatar

Gabriel PLASSAT

Aslan.jpg
ASLAN
To accelerate the progression of driverless technology, Project ASLAN launched an open-source and rapidly deployable self-driving software platform. The free and open software stack has been launched expressly to foster engineering collaboration. The platform provides mature and stable code combined with plug and play ease of use, offering real-world self-driving capability validated by public highway trials as well as complete simulation capability for users without access to driverless vehicle hardware. The collaboration’s founder members and advisory board represent a wide spectrum of skills unified by a common purpose and world-class expertise, including [https://hanuniversity.com/english/research/automotive/ HAN University of Applied Sciences, Holland], [http://www.robosense.ai/ RoboSense], an advanced LiDAR technology company, [http://www.streetdrone.com/ StreetDrone], the end-to-end urban mobility company, cybersecurity experts, [https://www.enkrypta.io/ Enkrypta], Jim O’Reilly, Strategic Product and Innovation Manager at [https://www.ordnancesurvey.co.uk/business-government/innovation/research/smart-systems Ordnance Survey], Prof Siraj Ahmed Shaikh, Professor of Systems Security at the [https://www.coventry.ac.uk/research/areas-of-research/institute-for-future-transport-and-cities/ Institute of Future Transport and Cities (IFTC) at Coventry University], Garry Staunton of [http://www.race.ukaea.uk/ RACE] (Remote Applications in Challenging Environments) as part of [https://zenzic.io/testbed-uk/ Testbed UK] and Hai L. Vu, Professor, [https://www.monash.edu/engineering/its/home Intelligent Transport Systems at Monash University], Melbourne, Australia. Project ASLAN has identified the high investment demands required to pursue end-to-end driverless technologies presents a clear barrier to progress. The project has set itself the ambition to remove these barriers to entry and prioritise the benefits of driverless vehicles for metropolitan and low speed use cases where the benefits are the greatest and a collaborative approach is already determined by the involvement of multiple public agencies and private companies. By focusing on a more defined operational domain based on slow speeds in cities as well as embracing an open-source approach, Project ASLAN opens up a smaller problem to a far larger group of collaborative engineering capability from across the world. From today at [http://www.project-aslan.org/ www.project-aslan.org], engineers can freely download an open-source resource enriched by software contributed by the founders and augmented with data from 22 autonomous vehicles currently deployed in a variety of trial use-cases in locations ranging from Hong Kong to the UK. * GitHub : https://github.com/project-aslan/Aslan * Discourse : https://discourse.ros.org/t/project-aslan-open-source-announcement/15163
avatar

Gabriel PLASSAT

Remodel.png
REMODEL project
All resources on GitHub : https://github.com/RE-MODEL * Phase-1-Discovering-open-source :REMODEL Phase 1: You will learn the basics of open source principles by getting insights into some succesful manufacturing companies who apply open principles already. These examples show how going… * Phase-2-Imagining-going-open : REMODEL Phase 2: You will dive into imagining what it would look like if you open source a product from your portfolio (or parts/elements of it). You will select who your most important users are a… * Phase-3-Visualising-user-journeys : REMODEL Phase 3: Here you will transform one of the user stories you made last week into more detailed storyboards that describe the interaction users will have with your product. Moreover you will… * Phase-4-Building-community-and-your-system-map : In this phase you will start to lay the foundation for establishing a community around your product by mapping your existing stakeholders, and then dive into imagining the full scope of the system … * Phase-5-Community-testing-round-one : In this and the next 2 phases you will dive into engaging with what can become your community of co-creators. In this phase you will organize a hackathon (in a simulation) to collect feedback and r… * Phase-6-Mentor-feedback-community-testing-round-two : In this phase you will be getting valuable expert input from your two mentors, who have been reviewing your work. Following a call with them you will update your system map and pitch according to t…
avatar

Gabriel PLASSAT

Capture d’écran 2020-05-27 à 10.30.27.png
IA Prediction de flux routier
Le pays du Luxembourg met à disposition sous forme d'OpenData, les données récoltées par ses caméras positionnées tous les kilomètres sur ses autoroutes. L'objet de ce commun est de produire de la connaissance pour identifier quelles sont les conditions minimales pour alimenter une IA capable de prédire les flux de circulation à un horizon de 15 minutes. Voici les questions que nous souhaitons explorer à travers cette étude : * Valider l’hypothèse qu'il est possible d'avoir une IA qui prédise les flux de circulation 15 minutes en avance * Identifier le faisceau des données nécessaires pour produire une IA pertinente * Clarifier les besoins en infrastructure de captation et distribution des données pour alimenter l'IA '''Etat des lieux''' * Les données du site cita.lu ont été captées sur un mois et formatées * Deux algorithmes de "machine learning" ont été testés (LSTM - Random Forest) '''Résultats''' Nous obtenons une cohérence entre les prédictions à 5 minutes et la réalité des flux. Il est nécessaire d'affiner les analyses pour clarifier le poids des différentes données. '''Livrables attendus''' * Connecteur Spring : Batch générique OpenSource à l'aide du framework - Spring permettant de récolter les données des caméras * Base de données "Time Séries" : Intégration et alimentation d'une base de données "Time Series" * Outil de visualisation : outil de visualisation de données * Test de prédiction à l'aide de "machine learning" * Rapport d'analyse sur les résultats de l'algorithme prédictif et description de l'infrastructure à son cycle de vie
avatar

Gainier Fabien

Prkng.jpg
Prkng
Cette application est en code source ouvert. http://lactualite.com/techno/2018/02/15/la-vie-apres-la-mort-de-prkng/ L’idée était ''a priori'' excellente : voir sur une carte où il était possible de se stationner dans la rue à Montréal et à Québec. Puis étendre le service à d’autres grandes villes, comme Boston, New York et Seattle. Lancée en 2015, l’appli montréalaise Prkng devait rallier 10 000 utilisateurs en un an. « Mais nous avons atteint ce nombre en une semaine seulement », précise Arnaud Spuhler, cofondateur de l’entreprise. Ce début prometteur a permis à Prkng d’obtenir plus de financement et de poursuivre son développement. « Nous étions six salariés pendant environ une année », explique-t-il. L’appli était gratuite, sans publicité, et les renseignements personnels des utilisateurs n’étaient vendus d’aucune façon. « Nous ne voulions pas monnayer nos utilisateurs », note Arnaud Spuhler. Prkng vendait plutôt les données sur le stationnement qu’elle produisait pour son application. « Ces informations sont demandées par les grandes entreprises. Rien qu’à New York, le service d’autopartage Car2Go doit débourser plus de 300 000 dollars par année en contraventions, dit-il. On parle beaucoup de voitures autonomes qui iront se stationner toutes seules, mais elles devront savoir où aller. » Mais même si l’information traitée par Prkng avait de la valeur, l’entreprise n’a pas été capable de démontrer aux investisseurs que le succès montréalais pouvait facilement être reproduit dans d’autres villes. Arnaud Spuhler et son partenaire Samuel Mehenni ont finalement décidé de mettre l’application en vente, tout en la maintenant en ligne entre-temps pour les utilisateurs. Les mois ont passé, et l’entreprise n’a toujours pas trouvé d’acheteur, même si quelques sociétés ont montré de l’intérêt. Entre-temps, Prkng a continué sa croissance, même si elle n’avait pas de soutien marketing et que la dernière mise à jour datait de 2016. En janvier 2018, plus de 68 000 personnes utilisaient encore le service. Mais conserver l’application en ligne pour la laisser mourir de sa belle mort n’était pas une option, puisqu’elle coûtait à ses développeurs de 300 à 500 dollars par mois pour les frais de serveurs et l’accès à certaines bases de données. Le 13 février, un message pour annoncer la fermeture officielle de Prkng a été envoyé aux utilisateurs. ==== Une deuxième vie avec un code ouvert ==== L’histoire aurait pu s’arrêter là. Mais Prkng a décidé de mourir dans la dignité. Alors que les entreprises qui ferment leurs portes retirent habituellement leurs applications des boutiques et désactivent leurs services en ligne, les créateurs de Prkng ont choisi une autre option : permettre à n’importe qui de lire et d’utiliser le code informatique à la base de leur produit. Aujourd’hui même, quelqu’un pourrait recréer l’application Android, l’application iOS et toute l’architecture permettant à Prkng de fonctionner, sans écrire une seule ligne de code. « Nous préférons inspirer quelqu’un avec ça plutôt que de cacher le tout dans un carton », explique Arnaud Spuhler, qui travaille désormais pour l’entreprise en démarrage montréalaise Breather. L’autre cofondateur, Samuel Mehenni, est pour sa part passé du côté de l’appli pour le transport en commun Transit. D’autres raisons ont contribué à l’ouverture du code. Prkng a bénéficié de l’aide de mentors venant de la communauté du logiciel libre et a utilisé des données ouvertes pour sa création, ce qui a joué un rôle dans son choix. « Sam et moi avons aussi beaucoup appris grâce à l’éducation publique, dit-il. Nous trouvons que le partage du savoir est important. » Cette décision n’est pas unique, mais elle est rare. Google a déjà utilisé une stratégie similaire pour son logiciel en ligne Google Wave, par exemple, mais il s’agissait surtout d’une opération de relations publiques. Les logiciels abandonnés sont en quasi-totalité rangés en espérant qu’un éventuel acheteur se fasse connaître ou qu’une partie du code puisse être réutilisée ailleurs. Quelques jours seulement [https://github.com/prkng après avoir publié le code source], Arnaud Spuhler observe déjà de l’intérêt dans la communauté du logiciel ouvert. « On a reçu beaucoup de demandes, surtout pour l’application iOS, dit-il. Ça me fait chaud au cœur de savoir que des jeunes développeurs vont pouvoir apprendre grâce à Prkng. » ==== Beaucoup d’appelés, peu d’élus ==== L’échec de Prkng n’est pas une anomalie. [https://www.gartner.com/newsroom/id/2648515 Une étude de la société de recherche Gartner] estimait en 2014 que seulement 0,01 % des applications mobiles pour consommateurs lancées cette année-là connaîtraient un succès financier en 2018. [https://hbswk.hbs.edu/item/why-companies-failand-how-their-founders-can-bounce-back Selon une étude de Shikhar Ghosh à la Harvard Business School], de 30 % à 40 % des jeunes entreprises doivent un jour ou l’autre liquider tous leurs avoirs et entraînent une perte totale ou presque totale pour leurs investisseurs. Qu’est-ce qui n’a pas fonctionné pour Prkng ? Avec le recul, Arnaud Spuhler concède que l’entreprise a trop investi de temps dans le design et l’ingénierie de l’application, mais pas assez dans son modèle d’affaires. « Si c’était à refaire, nous essayerions de trouver un juste milieu, en tentant d’obtenir plus de revenus, plus rapidement. » L’entreprise aurait peut-être été ainsi plus alléchante, tant pour les investisseurs que pour les acheteurs potentiels. « On dit souvent que lorsqu’on lance une entreprise, il faut être au bon endroit au bon moment, dit-il. Ce n’était peut-être pas notre cas. »
avatar

Vincent Dussault

curblr.png
CurbLR
CurbLR is a data standard for describing curb regulations. It uses a simple structure to store complex restrictions and conditions regarding where different users can park, load, or stop their vehicles at different days and times. The CurbLR specification exists to help government agencies effectively manage and regulate the curbside, and to support public and private users of city streets. CurbLR is a common language on which many things can be built, including rules engines, query APIs, consumer notification services, mapping tools, and analytic models. It uses linear referencing to link regulation information back to the street, making it easy for government agencies and third parties to use this data with their own maps. Why CurbLR? * Government agencies : Demand for access to the curbside has skyrocketed in urban areas. CurbLR provides a template for cities to create a digital inventory of their curb regulations, which can be used to analyze the present and reimagine the future of this public space. * Developers :The CurbLR specification enables engineers to ingest curbside inventory data from any city in the world, preventing the need to build custom tools or services for different jurisdictions. * Transportation services : It's no secret that the curbside can be chaotic. A standardized curb inventory allows mobility operators, TNCs, delivery services, and parking payment companies to build services that make it seamless for their users to find and use curbspace. '''Articles et blogues:''' * [https://medium.com/sharedstreets/interactive-curb-map-curblr-feed-for-portland-or-c638dbdf1b45 Building an interactive viewer for CurbLR data] * [https://medium.com/sharedstreets/crossroads-for-the-curb-be3137154148 Crossroads for the curb] * [https://medium.com/sharedstreets/openstreetmap-and-curb-regulations-7812ee582a33 OpenStreetMap and curb regulations]
avatar

Vincent Dussault

Fauteuil trot.jpg
My Human Kit
Tous les projets réalisés au Humanlab sont documentés sur le wiki My Human Kit afin de les rendre réplicables au plus grand nombre. Ils sont référencés par catégorie selon leur niveau d'avancement (Concept, En cours, Réalisé). Toutes les étapes de fabrication sont documentées y compris les erreurs. '''La licence par défaut sur ce wiki est la [https://creativecommons.org/licenses/by-sa/2.0/fr/ licence CC BY SA] ''' mais vous pouvez en attribuer une autre en le spécifiant sur votre page projet et en ajoutant le lien correspondant. '''Responsabilité:Toute la documentation est fournie "en l'état", sans aucune garantie, expresse ou implicite. En aucun cas, les auteurs ne pourront être tenus responsables des dommages résultant de l'utilisation de cette documentation.''' [http://wikilab.myhumankit.org/index.php?title=Limite_responsabilit%C3%A9 Voir la page limite de responsabilité.] Quand la documentation d'un projet est complète, une page tutoriel est créé pour constituer la documentation finale (qui ne retient que les étapes essentielles à sa refabrication). Celle-ci sera alors présente sur la page [http://wikilab.myhumankit.org/index.php?title=Category:Tutoriels Tutoriels]. '''Pour contribuer à la documentation''' [http://wikilab.myhumankit.org/index.php?title=Contribuer_%C3%A0_la_documentation#Comment_contribuer.3F rendez-vous ici]. Les projets de la Catégorie Mobilité : http://wikilab.myhumankit.org/index.php?title=Category:Mobilit%C3%A9
avatar

Gabriel PLASSAT

Africa Paratransit.png
Projets pilotes de cartographie
L’Objectif de Développement Durable 11.2 (ODD) -visant à rendre « les systèmes de transports en commun sûrs, accessibles et viables pour tous » - ainsi que les objectifs internationaux de réduction d’émission de polluants et de gaz à effet de serre, constituent des enjeux forts pour le secteur de la mobilité. Aujourd’hui, l’optimisation des accès au lieu de travail et de la distance entre espaces de vie et modes de transport fonctionnels sont des indicateurs primordiaux attenants à ces problématiques de planification durable des transports. Afin d’atteindre ces objectifs, il est nécessaire de produire des données et documents décrivant les offres de transports. La Banque Mondiale estime que près de 92% des villes du monde n’ont pas de carte de leur réseau de transport en commun, et, en Afrique, ces informations - ces infrastructures d’exploitations- sont très rares, voire inexistantes. Dans ces métropoles en plein développement, le service de transport est en grande partie assuré par des réseaux de minibus, caractérisés par des arrêts et des trajets flexibles ainsi que par des niveaux de services répondant à la demande. Ils sont communément associés aux modes de transport artisanal et très peu de données décrivent leurs modes de fonctionnement. L’absence d’autorités regroupant la multitude d’acteurs qui composent ce secteur et les méthodes de collecte traditionnels permettant de cartographier un réseau de transport n’étant pas adaptées, le numérique a été identifié comme un levier pertinent pour simplifier le processus de planification. En effet, l’émergence des nouvelles technologies et l’évolution des formats de données offrent des opportunités pour collecter et partager les données décrivant ces réseaux de transport. Des expériences pilotes ont été menées dans des grandes villes d’Afrique pour tirer parti des évolutions numériques et technologiques et ainsi produire des jeux de données sur les arrêts, les lignes et le niveau de service à l’aide de smartphones. Ces projets pilotes sont ceux de Digital Matatu à Nairobi, Accra Mobility, et Transport for Cairo qui sont actuellement reconduits et améliorés dans d’autres villes comme Adis Adeba, Dhaka et Abidjan.
avatar

LEROY Tom

sharedstreets.png
Shared streets
First funded by Bloomberg Philanthropies and developed in collaboration with NACTO and the Open Transport Partnership, SharedStreets is neutral, anonymized clearinghouse for data collected by transportation providers, private companies and government agencies, as well as a hub for industry-leading data analysis, traffic planning, street design and development of new technologies. Already operating in over 30 cities around the world, the platform overcomes long-standing legal, regulatory and technological barriers between the public and private sectors by converting today’s ad hoc, disparate transportation data sources into a mutually readable, shared, global standard for the first time. It introduces a universal language for digitally describing every aspect of city streets, opening new markets to private sector innovators and eliminating the need to manually clean, collate and transfer data sources, saving crucial public funds. Empowering cities to measure the impacts and outcomes of micromobility by creating tools for turning large datasets into key metrics. The mobility metrics software aggregates data to generate insights about mobility while protecting individual privacy. It standardizes the conversion of data from points (like where a trip starts and where a trip ends) into trip information and then aggregates trips over time. The tool produces overall daily metrics as well as more detailed metrics for particular areas and time periods. [https://sharedstreets.io/taxi-tnc-activity/ Taxi and TNC Activity] Empower cities to better manage curb space with high resolution anonymized and aggregated data on for-hire vehicle pick-up and drop-off, while protecting user privacy. Cities have access to curb pick-up and drop-off data from Uber and Lyft to allow them to make policy and infrastructure decisions based on the use of their streets. '''Tools and projets:''' * [https://github.com/sharedstreets Sharedstreets on Github] * Pilots: [https://sharedstreets.io/mobility-metrics/ Mobility metrics] * [https://github.com/sharedstreets/curblr CurbLR] * [https://github.com/sharedstreets/curb-wheel Curb Wheel] * [[Sidewalk widths - Sharedstreet
avatar

Gabriel PLASSAT

Mobility map.png
Mobility Map
Mobility Map : https://dbabbs.github.io/mobility-map/ Data access Uber provides a handy [https://help.uber.com/riders/article/download-your-data data download tool] that provides access to all Uber trips, UberEATS orders, and JUMP trips. Submit a request for your data and it should be ready to download in a few hours. Lyft enables a download of your trips through the Ride History in the mobile app. You can email yourself a CSV of your recent trips. Lime was a little more difficult to get a copy of my data. They do not provide an easy export of your trip data like Uber and Lyft. Since I had used Lime in Berlin, I was eligible to request a copy of data under Article 15 of GDPR - Right of access by the data subject. Nearly 2 months and 10+ emails later with Lime, I finally received a copy of my data. Enriching the data Except for Lime, my trips data only included start and end addresses. The actual path travel was not included in the data downloads. In order to draw polylines on the map, I used the [https://developer.here.com/documentation/routing/topics/introduction.html HERE Routing API] to calculate the estimated route from the starting point to the ending point. This process happened in the prep/index.js file. Visualizing the Data * [https://reactjs.org/ React] was used to build the client UI * [https://here.xyz/ HERE XYZ] was used to manage and store the geo data * [http://deck.gl/ deck.gl] was used for the geospatial visualizations
avatar

Gabriel PLASSAT

Badge fabmob2.JPG
Open Badge FabMob
Nous voulons à travers ce projet, produire des badges numériques afin de valoriser des compétences, des actions, des savoirs-faire dans la mobilité puis distinguer et encourager les différents acteurs de notre écosystème. '''Pourquoi ?''' Pour donner une identité à notre communauté, notre écosystème et permettre à tous de s'identifier, se connaître et se reconnaître. Ces badges permettraient de connaître l'implication des différents membres adhérents/membres de l'écosystème aux différents communs, leurs appétences et compétences propres '''afin de favoriser les synergies autour de la création de commun'''. '''Comment ? ''' En distribuant des badges établis sur un ensemble de pratiques dans la mobilité, et dans le réseau d'acteur de la FabMob. En badgeant les pratiques, on décline ensuite un panel de compétences techniques, compétences thématiques, savoirs-être, bonnes pratiques permettant une reconnaissance par la communauté. Cette identification sera faite par les membres adhérents/membres de l'écosystème de la Fabrique des Mobilités que l'on veut au cœur du projet. '''Résultats''' Retrouvez la connaissance qui ressort du développement de ce commun sur la '''[[Produire_des_Badges
avatar

Gabriel PLASSAT

Driveseg.png
DriveSeg Dataset for Dynamic Driving Scene Segmentation
DriveSeg contains more precise, pixel-level representations of many of these same common road objects, but through the lens of a continuous video driving scene. This type of full scene segmentation can be particularly helpful for identifying more amorphous objects – such as road construction and vegetation – that do not always have such defined and uniform shapes. The dataset is comprised of two parts: === '''DriveSeg (Manual)''' === A forward facing frame-by-frame pixel level semantic labeled dataset captured from a moving vehicle during continuous daylight driving through a crowded city street. The dataset can be '''[https://ieee-dataport.org/open-access/mit-driveseg-manual-dataset downloaded]''' from the IEEE DataPort or '''[https://www.youtube.com/watch?v=XYGDQO924HY&feature=youtu.be demoed as a video]'''. '''Technical Summary:''' Video data - 2 minutes 47 seconds (5,000 frame) 1080P (1920x1080) 30 fps Class definitions (12) - vehicle, pedestrian, road, sidewalk, bicycle, motorcycle, building, terrain (horizontal vegetation), vegetation (vertical vegetation), pole, traffic light, and traffic sign === '''DriveSeg (Semi-auto)''' === A set of forward facing frame-by-frame pixel level semantic labeled dataset (coarsely annotated through a novel semiautomatic annotation approach developed by MIT) captured from moving vehicles driving in a range of real world scenarios drawn from MIT [https://agelab.mit.edu/avt Advanced Vehicle Technology (AVT) Consortium] data. The dataset can be '''[https://ieee-dataport.org/open-access/mit-driveseg-semi-auto-dataset downloaded]''' from the IEEE DataPort. '''Technical Summary:''' Video data - Sixty seven 10 second 720P (1280x720) 30 fps videos (20,100 frames) Class definitions (12) - vehicle, pedestrian, road, sidewalk, bicycle, motorcycle, building, terrain (horizontal vegetation), vegetation (vertical vegetation), pole, traffic light, and traffic sign This work was done in collaboration with the MIT and Toyota Collaborative Safety Research Center (CSRC).
avatar

Gabriel PLASSAT

Traficrasp.jpg
Traffic monitoring with Raspberry Pi
WeCount aims to empower citizens to take a leading role in the production of data, evidence and knowledge around mobility in their own neighborhoods, and at street level. The project will follow participatory citizen science methods to co-create and use innovative low cost, automated, road traffic counting sensors (i.e. Telraam) and multi-stakeholder engagement mechanisms in 5 pilots in Madrid, Ljubljana, Dublin, Cardiff and Leuven. Following this approach, we will be able to quantify local road transport (cars, large vehicles, active travel modes and speed), produce scientific knowledge in the field of mobility and environmental pollution, and co-design informed solutions to tackle a variety of road transport challenges. Moreover, the project will provide cost-effective data for local authorities, at a far greater temporal and spatial scale than what would be possible in classic traffic counting campaigns, thereby opening up new opportunities for transportation policy making and research. In WeCount, we empower citizens to develop evidence-led interventions into the political discourse on civic and environmental issues. By putting citizens at the heart of the innovation process, the project seeks to overcome existing technological and societal silos so that citizens can champion a new perspective on road transport that take into account their own concerns in pursuit of better quality of life and more equitable, healthy futures. WeCount (http://www.we-count.net/), will deploy large networks of 200-250 in 5 cities (Ljubljana, Cardiff, Dublin, Madrid, Leuven). For the purchase of a counting sensor (Telraam), you can order kit here: https://www.gotron.be/catalogsearch/result/?q=telraam GitHub : https://github.com/Telraam/Telraam-RPi
avatar

Gabriel PLASSAT

Partenairespartageonsplusdevelos.jpeg
Partageons plus de vélos
L’usage du vélo se développe de plus en plus, notamment dans les grandes villes et agglomérations, où il paraît clairement avantageux en termes de temps et de confort par rapport aux voitures individuelles et aux transports en commun. Cependant, même dans des villes plus petites et des territoires peu denses, son usage peut répondre à des besoins concrets de mobilité peu coûteuse et respectueuse de l’environnement. Par ailleurs, aujourd’hui, plus d’un million de vélos sont mis au rebut chaque année en France, alors que le plus souvent, une simple action de maintenance pour réparer les pièces d’usure classiques permettrait de les remettre en circulation. Face à ces deux constats, le projet « Partageons plus de vélos » propose de réutiliser les vélos disponibles, pour les transformer en service de vélos partagés, dans des territoires à faible ou moyenne densité, en collaboration avec les acteurs locaux (Emmaüs, recycleries, ateliers de réparation de vélos participatifs, organismes de réinsertion professionnelle, etc.) grâce à un système de « partage » apporté par la société Evo Pods. Cette approche propose deux avantages principaux : le faible coût d’investissement et le développement d’une activité de service ancrée dans le territoire, portée par des associations locales. En avril, La Fabrique des Mobilités, le Club des villes et territoires cyclables et Evo Pods lançaient un [https://cloud.fabmob.io/s/CrTSRkAsGrjWN2Z#pdfviewer appel] [https://cloud.fabmob.io/s/CrTSRkAsGrjWN2Z#pdfviewer à manifestation d’intérêt « Partageons plus de vélos »] à destination des collectivités et associations en charge de la promotion du vélo sur leur territoire. Nous recherchions un binôme territoire / association rassemblant les critères suivants : * Un territoire très peu dense, peu dense ou de densité intermédiaire selon la carte de l’Observatoire des territoires, et disposant déjà d'infrastructures adaptées aux vélos (stationnements vélos, bandes cyclables, pistes cyclables,...). * Une personne morale de droit public disposant de compétences en matière de mobilité des personnes et/ou des biens, qui peut être notamment, en cas de compétences de droit ou déléguées : un établissement public de coopération intercommunale (EPCI), un département, un parc naturel régional, une commune, une intercommunalité, un pôle d’équilibre territorial, un syndicat mixte, une région, … * Une association locale en charge de la promotion, du recyclage et/ou du développement du vélo, située sur ce même territoire. Idéalement, cette association possède des vélos. L’objectif sera d’expérimenter, avec le ou les '''binôme(s) territoire /association locale''' sélectionné(s), notre projet « Partageons plus de vélos », à savoir '''un service de vélos partagés en libre-service avec des vélos recyclés'''. Le premier appel à manifestation d'intérêt est clos et 3 binômes territoires / associations locales ont été sélectionnés pour expérimenter "Partageons plus de vélos". Cependant, ce projet ayant vocation à être réplicable, n'hésitez pas à nous contacter sur le [https://chat.fabmob.io/channel/partageons_plus_de_velos canal dédié du Rocket Chat] si vous êtes intéressé.e.s pour rejoindre ce projet.
avatar

Gabriel PLASSAT

ZFE RS Facebook.jpg
Schéma et Données de géolocalisation des Zones Faibles Emissions
Une '''zone à circulation restreinte''' (ZCR), ou '''zone à faibles émissions''' (ZFE) — en anglais, LEZ pour « ''low emission zone'' » (zone à faible émission) ou ZEZ de l'anglais « ''zero emission zone'' » (signifiant zone sans émission) —, est une zone urbaine dont l'accès est réservé aux véhicules les moins polluants. En France, l'accès à ces zones est déterminé par les [https://fr.wikipedia.org/wiki/Certificat_qualit%C3%A9_de_l%27air certificats qualité de l'air], plus connus sous le nom de vignette « Crit'Air ». Ce dispositif a été institué dans le cadre de la [https://fr.wikipedia.org/wiki/Loi_relative_%C3%A0_la_transition_%C3%A9nerg%C3%A9tique_pour_la_croissance_verte Loi relative à la transition énergétique pour la croissance verte] du et figure dans le projet de loi d'orientation sur les mobilités (LOM). L'objectif est généralement de diminuer la [https://fr.wikipedia.org/wiki/Impact_environnemental_du_transport_routier pollution routière] de l'air et en particulier les taux de [https://fr.wikipedia.org/wiki/Particules_en_suspension particules en suspension], d'[https://fr.wikipedia.org/wiki/Oxyde_d%27azote oxydes d'azote] (NO2) et indirectement d'[https://fr.wikipedia.org/wiki/Ozone#Ozone_dans_la_basse_atmosphère_-_Pollution_à_l'ozone ozone] (O3). == Le problème == Il n'existe pas de carte avec le périmètre et les conditions d'accès sous un format numérique pour permettre aux acteurs des domaines de la carte, des itinéraires de proposer des trajets hors ZFE ou d'indiquer les conditions d'accès. == La solution envisagée == Pour créer ses zones géréférencées, la Fabrique pourrait : * Travailler avec les villes pour créer la zone en question sur un support cartographique type OSM * Voir un peu au niveau européen s’il existe des choses ? * Créer avec transport.data.gouv.fr : ** Un schéma (format) spécifique c’est-à-dire la façon dont on va décrire une zone d’un point de vue sémantique , une sorte de standard (idéalement européen J) qui intègre la zone mais aussi les conditions d’accès – ces infos devront être lisibles par des machines ** Une base de données qui abritera les périmètres géographiques * Inviter les futures villes à renseigner leur zone selon une procedure à définir == La mise sur le marché == Rassembler les collectivités et acteurs numériques volontaires pour décrire un premier prototype minimal . Etudier les pistes pour maintenir et poursuivre les développements.
avatar

Gabriel PLASSAT

Load more tutorials