“J’étais très heureux que même les premiers résultats soient si plausibles. C’est rare ! », déclare Karen Cabos. L’économiste et professeur de gestion internationale à l’Université technique (TH) de Lübeck travaille avec son collègue et professeur Thomas Romeyke sur un projet Big Data pour l’Agence de développement des entreprises de Lübeck. La tâche : enregistrer, traiter, analyser des millions de mesures de capteurs dans la ville et, dans une dernière étape, en déduire des prévisions. Dans le cadre du projet “City Laboratory for Germany: Vacancies and Settlement”, la ville mesure depuis le 17 juin 2021 la fréquence des piétons à dix endroits du centre-ville à l’aide de capteurs laser. Complètement sans caméras. “Avec les compteurs laser, on peut déterminer les déplacements et ainsi enregistrer la fréquence des piétons. Sans prendre de photos ou de vidéos », explique Cabos.
Le trésorier
« Le nombre de piétons mesurés par les capteurs, c’est ce que nous essayons d’expliquer avec d’autres données. Sur la base de l’explication, nous espérons ensuite trouver des ajustements qui pourront être utilisés pour influencer le flux de personnes à travers la ville de manière ciblée à l’avenir », ajoute le professeur Thomas Romeyke. “C’est pourquoi nous avons besoin d’autant d’autres données que possible en plus du flux de piétons, qui peut faire partie de la motivation à passer devant l’un des capteurs en ce moment.” Un exemple évident est les heures d’ouverture des entreprises – un paramètre très important . Si celles-ci sont relativement faciles à prendre en compte, l’obtention d’autres données très détaillées, par exemple sur l’occupation actuelle des places de parking et des parkings à étages et sur les transports en commun locaux, est plus complexe : “Ces données sont structurées très différemment et doivent donc être rendus compatibles les uns avec les autres dans un processus relativement complexe », décrit le professeur Romeyke dans cette partie du projet. “Ce n’est qu’alors que le travail de recherche pourra commencer”, ajoute le spécialiste de l’informatique d’entreprise.
Le détective
À partir de l’ensemble de données préparé par sa collègue, la professeure Karen Cabos tire une prévision du nombre de visiteurs. Jusque-là, Cabos, comme un détective, doit faire des suppositions sur les facteurs qui pourraient affecter la fréquentation. Cela comprend, par exemple, les jours de la semaine, les horaires et les vacances scolaires, mais aussi les conditions météorologiques, l’utilisation des places de stationnement, les fréquences de bus et des facteurs particuliers. Après c’est “essai et erreur”. “J’utilise plusieurs étapes d’itération pour d’abord analyser les contributions explicatives de groupes de variables thématiques telles que les heures d’ouverture des magasins et enfin pour les intégrer dans un modèle de prévision optimal. Dans le modèle de prévision, les variables contrôlables – comme les heures d’ouverture des magasins – doivent être combinées avec des variables non contrôlables – comme la météo », explique Karen Cabos. “Ce que ça montre : les données sont évidemment bonnes, puisque les premiers résultats sont tous plausibles.”
L’effet parking
“Ce qui m’a vraiment surpris, c’est l’importance de l’utilisation des places de stationnement pendant les mois d’été et en décembre”, explique le professeur. L’utilisation des parkings suggère que de nombreux touristes en dépendent. “D’un point de vue écologique, le ratio de voitures par personne est pire ici que les autres mois”, résume Cabos. De plus, il y a une forte influence des horaires d’ouverture des magasins et des bureaux sur le nombre de piétons. « Les résultats sont assez robustes. Notre trésor de données est encore fortement influencé par la pandémie de corona. Plus nous pouvons collecter les données et faire des comparaisons, mieux nous pouvons prédire et tirer des conclusions sur ce qui pourrait aider les magasins et les entreprises. Le projet doit donc continuer », a lancé le professeur.
À propos du projet des laboratoires municipaux : https://www.stadtlabore-deutschland.de/city/lubeck/