Explorateur de ressources

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

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.

enviroCar is an open Citizen Science Platform for traffic monitoring and environment : * an Android App : for collecting car sensor data * cloud upload : a data store for managing & sharing enviroCar data * tools for analyzing and visualizing enviroCar tracks The data collected and analysed by enviroCar is available as [https://de.wikipedia.org/wiki/Open_Data Open Data]. The access is standardized and described below. EnviroCar is made up of several components which are also available as Open Source. == Documentation == The enviroCar server API supports selective access to anonymized tracks using the HTTP protocol. You can access tracks, measurements and relevant statistics. In addition, spatial and temporal filters are available which help access data of interest. You can find a detailed description of the API [http://envirocar.github.io/enviroCar-server/api/ here]. == enviroCar Source Code == All compontents of the enviroCar platform are available as [https://github.com/envirocar Open Source on GitHub] and can be used and extended.

Le Compte Livraison serait similaire à Mon Compte Mobilité pour mieux gérer la livraison des colis. Le Compte Livraison couvre plusieurs domaines et avantages : * le citoyen ou le ménage configure une seule fois son "profil" : adresse, livraison privilégiée, en 24h - 48h... ou en cas d'absence mode de livraison par défaut, etc... * lors d'un achat, il suffit alors de se connecter au site avec un bouton "Livraison Connect" * la collectivité pourrait proposer des incitatifs aux personnes/ménages pour mutualiser, éviter les livraisons sur de courts délais, ... Dans certains cas, le citoyen pourra partager certaines données d'usages moyennes pour permettre à l'acteur public de développer de nouvelles connaissances pour ensuite mieux gérer la logistique urbaine, piloter la mise en oeuvre de nouvelles infrastructures logistiques par la donnée. Comme le compte Mobilité, ce compte Livraison sera développé en open source en rassemblant les parties prenantes et en plaçant cette ressource en tant que Commun co-géré par toutes les parties prenantes.

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…),

Ara est un outil pour gérer les données temps réel : SIRI, GTFS-RT... Il a comme principaux cas d'usages : * Agréger les données de mobilité de mon territoire * Intégrer des données de mobilité « open data » dans une application mobile * 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 Ara permet de : * 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…),

Link to Nextcloud application website : https://apps.nextcloud.com/apps/phonetrack 📱 PhoneTrack is a Nextcloud application to track and store mobile devices locations. 🗺 It receives information from mobile phones logging apps and displays it dynamically on a map. 🌍 Help us to translate this app on [https://crowdin.com/project/phonetrack PhoneTrack Crowdin project]. ⚒ Check out other ways to help in the [https://gitlab.com/eneiluj/phonetrack-oc/blob/master/CONTRIBUTING.md contribution guidelines]. How to use PhoneTrack : * Create a tracking session. * Give the logging URL* to the mobile devices. Choose the [https://gitlab.com/eneiluj/phonetrack-oc/wikis/userdoc#logging-methods logging method] you prefer. * Watch the session's devices location in real time (or not) in PhoneTrack or share it with public pages.

CoopCycle est une plateforme de livraison cyclo-urbaines open-source. L'objectif est de créer un écosystème autour d'une plateforme et d'une application native, sur le principe du [http://internetactu.blog.lemonde.fr/2016/01/01/plateformescooperatives/ coopérativisme de plateforme] : dans chaque ville, une ou plusieurs coopératives peuvent se constituer, et offrir des services de livraison (colis, plis, repas, dernier kilomètre...), avec leur propre identité, leur propre culture, tout en utilisant le même logiciel. Nous avons choisi une licence à réciprocité de type CopyFarleft ([http://wiki.p2pfoundation.net/Peer_Production_License Peer Production License]), car nous souhaitons offrir un avantage concurrentiel aux sociétés coopératives. https://coopcycle.org/

MATSim provides a framework to implement large-scale agent-based transport simulations. The framework consists of severel modules which can be combined or used stand-alone. Modules can be replaced by own implementations to test single aspects of your own work. Currently, MATSim offers a framework for demand-modeling, agent-based mobility-simulation (traffic flow simulation), re-planning, a controler to iteratively run simulations as well as methods to analyze the output generated by the modules.MATSim is used all over the world! Have a look how others use MATSim and in what regions they apply it. Learn what data they used and how they prepared their data and processed the output.

a low cost device able to measure PM10 concentration levels, temperature and relative humidity (environmental factors involved in viral infection spread), in order to warn people when these values are too high and potentially dangerous for their health, so they can choose to stay home and don’t go out or, if they are outside, to go home, or wear a mask, even if distances between people are much greater than one meter. The device consists of a PM10 sensor, a temperature and relative humidity sensor, a display and three LEDs, all controlled by an Arduino Nano. The sensor data are shown on the display and the LEDs indicate what the air situation is.

* [http://www.general-vision.com/neuromem/nm500/ Digital neural network of 576 neurons] * Expandable to 4032 neurons with add-on NeuroBrick module * Arduino connectors * USB_C connector * Power source through Arduino connector or micro USB * [https://www.general-vision.com/documentation/TM_NeuroShield_GettingStarted.pdf Read more…] * [https://www.general-vision.com/documentation/TM_NeuroMem_Library_Arduino.pdf NeuroMem library] to access the neurons via SPI, teach them in real-time and and start monitoring immediately. * [https://www.general-vision.com/techbriefs/TB_TestNeurons_SimpleScript.pdf Academic scripts] (Arduino IDE and Python for RPi) * [https://www.general-vision.com/techbriefs/TB_NeuroMemArduino_IMUDemo.pdf Motion recognition examples] using the on-board IMU from Invensense (MPU6050) and the IMU from the Arduino101. * [https://www.general-vision.com/techbriefs/TB_NeuroMemArduino_VideoMonitoringDemo.pdf Video recognition examples] using an ArduCAM shield and the RaspiCam

NeuroMem is a fully parallel Real Time Machine Learning Classifier with constant latency regardless of  the number of neurons. It has been in operation in the Industry for more than 10 years with many fielded applications NeuroMem is now Open source for Xilinx FPGA from July 4th. 2020. A full Vivado oproject for Real Time Machine Learning on Digilent ARTYZ7 (to start with) is downloadable now. Yearly subscription for update/improvement are available.

Lien vers une présentation (EN) : https://cloud.fabmob.io/s/7jYjJ92jmgPiTFe

== Voici comment fonctionne le Traffic Lab == Traffic Lab est une communauté pour les données de trafic ouvertes. Un endroit où vous en tant que développeur pouvez accéder aux données et aux  [https://www.trafiklab.se/vad-ar-ett-api API]  pour les transports publics en Suède et obtenir facilement les informations dont vous avez besoin pour développer des services pointus. Nous voulons également vous permettre de montrer plus facilement ce que vous avez fait et de vous inspirer de ce que d'autres ont déjà créé. Nous sommes fiers des données et des API que nous pouvons présenter aujourd'hui, mais nous savons qu'il reste encore beaucoup à faire. Derrière Trafiklab, nous voulons aider à ouvrir davantage de sources de données et à améliorer celles existantes. == La coopération derrière le Traffic Lab == Trafiklab a été lancé en 2011 en collaboration entre Samtrafiken, SL et RISE Viktoria. L'interconnexion relie les entreprises suédoises de transport public par le biais de services tels que ResRobot et Resplus. Grâce à nos API, nous offrons un accès à toutes les données de transport public de la Suède. Au fil du temps, davantage d'organisations ont été ajoutées, et nous espérons bien sûr que davantage d'acteurs souhaitent faciliter la tâche des développeurs de services externes. Github : https://github.com/trafiklab

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]

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

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…

Many agencies run flexible services to complement their fixed-route service. "Flexible" service does not follow a strict timetable or route. It may include any of the following features: boardings or alightings outside its scheduled timetable and route; booking and scheduling in advance; or transit parameters which depend on customer requests ("demand-responsive transit" or DRT). These services are typically used in rural areas or for mobility-impaired riders. Voir aussi: [https://docs.opentripplanner.org/en/latest/Flex/ GTFS-Flex routing] (en lien avec open trip planner) Projet identifié: https://www.connectingcommuters.org/

Open Trip Planner (OTP) est un logiciel libre (java) qui permet de produire en mode web des calculs d'itinéraires et d'en dériver des indicateurs d'accessibilité transport ou des isochrones (module Analyst).

... === Espace de documentation === Le wiki de la Fabrique est un volet essentiel. Cet espace permet de construire des contenus qui resteront et formeront toute la connaissance partagée de la Fabrique. Tout le monde est invité à rédiger sur le wiki ! Toute contribution même minime est essentielle. Le Wiki peut être utilisé pour documenter des ressources sur la mobilité (voir l'onglet Explorer en haut). L'espace wiki est basé sur l'outil wikimedia utilisé par des projets tels que Wikipedia, Wikiversité, OpenLaw, etc... Pour savoir comment bien contribuer sur le wiki, vous avez les informations sur cette page '''[[Comment utiliser ce wiki

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

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. »

Ce projet est à l’initiative de plusieurs têtes de réseaux, accompagnateurs, observateurs et chercheurs. Ils ont l’envie de partager la connaissance des solutions de terrain et les rendre accessibles. L’ambition est de renforcer la connaissance et le potentiel transformateur des innovations sociales pour cultiver une société meilleure. L’association de préfiguration du Carrefour des innovations sociales a été créée fin 2017. La base de projet est accessible : http://carrefourdesinnovationssociales.fr/bientot/recherche - avec l'utilisation de mot clé comme Mobilité.

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]

The Axionaut is the winner of the second [http://ironcar.org IronCar France] robocar competition. The following repository contains all the tricks we used to win. The final Keras model achieves more than 98% of accuracy on the validation set. The provided autopilot model will work seamlessly with Vincent's [https://github.com/vinzeebreak/ironcar IronCar] framework. == Introduction == The Axionaut is based on a 4x4 Radio Controlled (RC) monster truck chassis, the complete bill of materials is available here: https://www.axionable.com/axionaut-termine-1er-de-la-deuxieme-course-iron-car/ The following code and documentation will guide you through the best practices and tricks to train the car. All strategies were defined both searching on the Internet and by experimentation. So, are you ready to win your next race?

Le projet CampOSV a été lancé en 2015 le [https://labfab.univ-rennes1.fr/ LabFab de l'Université de Rennes 1] qui le pilote en partenariat avec [https://www.ietr.fr/spip.php?article76 l'IETR-UMR CNRS 616]4 et l[http://www.imt-atlantique.fr/ 'IMT Atlantique]. Au niveau du territoire de Rennes Métropole, ce projet concerne de nombreux partenaires et contributeurs : l'EESAB, l'INSA, l'IRISA, l'IPR, le CREM-UMR CNRS 6211, l'ISTIC, l'UFR SPM, le Pôle Mécanique et de Technologies,le LabFab Rennes, la Pf MobBI, l'association My Human Kit, l'association Levita.... Les contributeurs travaillent principalement sur le modèle Tabby d'OSVehicule.

Lever les barrières à l’entrée pour « réinventer le train » sur les petites lignes : Une part très significative des 100 000 km de lignes européennes en déshérence peut reprendre du service sans subvention sous réserve de rompre avec les modèles d’affaires dominants (centralisation des acteurs, inflation de technologie, protectionnisme, « silotage »). Le train redevient la 1ère alternative au transport routier pour décarboner la mobilité (objectif de 3 g CO2 /km voyageur). Une particularité : la navette, allégée par rapport aux TER que l'on connait conçus pour des vitesses importantes, fonctionne sur batterie, lui permettant de rouler sur ces lignes sans devoir les électrifier et sans devoir fonctionner au diesel. Des trains simples à construire, économiques à exploiter, à faible empreinte carbone. * Un concept de base standardisé et « ouvert » à l’ensemble des constructeurs * Une architecture logicielle publique et interopérable à faible coût de service * Un pari gagnant-gagnant pour les industriels : croissance et protection de l’innovation  [https://cloud.fabmob.io/s/8TCQzyatsgt5dia '''English Presentation'''] = Vidéo = * en anglais -> https://dai.ly/x7ujwl0 * en français -> https://dai.ly/x7ujwi0

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

un petit panorama des outils à dispo : un benchmark collaboratif des ETL/dataviz/opendata '''Articles et références sur le sujet:''' * [https://medium.com/@stevepepple/visualizing-better-transportation-data-tools-e48b8317a21c Visualizing Better Transportation: Data & Tools]

Le projet de l'association [https://junglebus.io/ « Jungle Bus Community»] (anciennement nommée «Jungle Bus») vise à produire des outils facilitant la contribution à OpenStreetMap pour les données liées au transport public. Ces outils permettent de créer, vérifier et partager des données de grande qualité liées aux réseaux de transport public. Ces outils sont simples d’utilisation, testés par la communauté et leur code est intégralement Open Source. L'application Android "Jungle Bus" est dès aujourd'hui disponible en plusieurs langues. >> La prez Jungle Bus du State Of The Map 2017 est ici : http://junglebus.io/sotmfr2017/

[[Crowdsourcer facilement les plans de transport en commun de votre ville

Magrit est une application en ligne de cartographie thématique développée par Matthieu Viry, Timothée Giraud et Nicolas Lambert au sein du pôle géomatique de l’UMS RIATE. Les concepteurs sont ingénieurs en traitement, analyse et représentation de données. Rappelons que Nicolas Lambert est l'auteur, avec Chistine Zanin, du Manuel de cartographie. Principes, méthodes, applications, dont le principal objectif est d'initier les utilisateurs aux fondamentaux de la cartographie. Magrit est un outil issu du monde de la recherche, mais il comporte une forte dimension pédagogique comme le suggère le carnet du blog qui lui est associé. Le pari semble réussi pour cette application libre et en ligne, assez simple à prendre en main pour des élèves de collège-lycée. Il permet dans un premier temps de réaliser des cartes choroplèthes et des cartes en symboles proportionnels. Mais on peut aller beaucoup plus loin si on le souhaite, en réalisant des représentations cartographiques plus complexes telles que des lissages, des carroyages, des discontinuités, des anamorphoses... D'une certaine façon Magrit permet de commencer à mobiliser des outils de l'analyse spatiale propres aux SIG (Systèmes d’information géographique) tout en restant dans un outil assez simple qui s'apparente à un logiciel de cartographie thématique.

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.

Widths were determined from the [https://open.toronto.ca/dataset/topographic-mapping-physical-area-of-sidewalks/ City of Toronto's open sidewalk data]. This source data was not verfied for accuracy or completeness. The sidewalk data also does not include off-street trails and multi-use paths, which may offer additional routes for pedestrians. This site borrows [https://www.github.com/meliharvey/sidewalkwidths-nyc methods and code] from Meli Harvey's [http://www.sidewalkwidths.nyc/ Sidewalk Widths NYC project], adapted to Toronto's context. To learn more about how this dataset was produced, visit the [https://github.com/sharedstreets/sidewalkwidths-toronto Sidewalk Widths] Villes catographiées avec l'outil: * [https://sharedstreets.github.io/sidewalkwidths-oakland/#13.7/37.80302/-122.26877 Oakland] * [https://holdenmt11.github.io/Sidewalk-Width-DC/#15/38.9072/-77.0369 Washington DC] * [https://sharedstreets.github.io/sidewalkwidths-toronto/#16/43.6493/-79.3808 Toronto] * [https://www.sidewalkwidths.nyc/#13/40.714/-74.005 New York]

La connaissance des arrêtés de circulation pris par les collectivités est très utile pour les professionnels du transport de marchandises, notamment pour organiser les livraisons, mais aussi pour les particuliers. Leur centralisation sur une plateforme leur donnerait de la visibilité et pourrait permettre à terme l'harmonisation des réglementations à l'échelle d'un territoire. Pour cela, il faut les digitaliser... et déterminer un schéma de données commun, utile aux collectivités, aux voyageurs et adaptés aux contraintes et aux nécessités des transporteurs!

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

Lié au projet MaaS Global : https://github.com/maasglobal

En ouvrant ses données à tous, la Ville de Montréal permet qu’elles soient réutilisées à différentes fins, incluant des fins commerciales. Les résultats de cette réutilisation peuvent ensuite être partagés dans la communauté, ce qui crée un effet démultiplicateur. Les données libérées et réutilisées génèrent ainsi des bénéfices à la fois dans les sphères économiques, culturelles, sociales et technologiques.

Données ouvertes en lien avec le transport au Québec. https://www.donneesquebec.ca/fr/applications/

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

A customizable geospatial toolbox to help make data-driven decisions. * Performance : Built with Deck.gl, Kepler.gl utilizes WebGL to render large datasets quickly and efficiently. * Interaction : You can easily drag and drop a dataset, add filters, apply scales, and do aggregation on the fly. * Embeddable : Built on React & Redux, Kepler.gl can be embedded inside your own mapping applications

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

... == Problème : == * Développer une culture vélo. Cela passe par la nécessité de produire des données d’usage dans tout le territoire, notamment des données d’usage vélo == Opportunité: == * Utiliser les caméras de vidéo-surveillance également disséminées dans tout le territoire, notamment sur les axes principaux. * Il existe des algorithmes d’identification des types de véhicules fonctionnels. Certains sont déjà validés pour identifier et compter des vélos. == Verrous: == * La vidéo-surveillance est très encadrée. == Besoins: == * Faire un état de l’art des technologies de vidéo-surveillance aujourd’hui mises en oeuvre en france, détailler les possibilités/limites. * Expérimenter dans 2 ou 3 territoires avec des techno de vidéo-surveillance différentes la mise en oeuvre d’un algorithme d’identification et comptage * Déterminer les conditions pour étendre rapidement les capacités de comptage sur tout le territoire en complétant les systèmes de vidéo-surveillance * Financement pour la démarche == Demande: == * validation / soutien de la DGITM au Ministère de l'Intérieur * Implication de la CNIL Contacts : * [https://beta.gouv.fr/approche/incubateurs/lab-mi.html Lab Ministère de l’Intérieur]

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).

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

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.

It's possible to use the Common Objects in Context (COCO) dataset for object recognition, reducing unnecessary classes to enable it to run on less powerful hardware. "Detecting some classes, such as airplane, car, bus, truck, ... http://cocodataset.org/#home To do the actual detection, you can use the You Only Look Once (YOLO) real-time object detection system : https://pjreddie.com/darknet/yolo/

The best thing about it: You can make it yourself! With computer vision 'Open Data Cam' understands and quantifies what it sees. The simple setup allows everybody to become an urban data miner. Github : https://github.com/opendatacam/opendatacam

Outil pour tester des scenarios de répartition d'espace entre les modes Logiciel source : https://github.com/streetmix/streetmix/ Chat : https://discord.gg/NsKmV3S

This project uses Google's TensorFlow Machine learning package to identify and categorize types of vehicles on NYC streets. The data images are downloaded from NYC DOT cameras. The training data folder has a series of images and training annotations. The project is described here : https://medium.com/@alex.morgan.bell/drivers-are-breaking-the-law-slowing-commutes-and-endangering-lives-i-can-prove-it-and-fix-it-9fe1f9a101b9

Logiciel libre pour concevoir des rues avec des éléments pré-définis

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 17 août 2015 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.