Bilan synthétique des expérimentations 2019-2021
Capitalisation des résultats des expérimentations menées dans le cadre du programme Action Coeur de Ville - Data
L'ensembre des éléments synthétiques des expérimentations a été repris dans un document publié par la Banque des territoires, accessible via la lien suivant :

1- Les enseignements généraux de l’AMI

1.1 - La data pour répondre à quels enjeux locaux ?

Lors des expérimentations menées dans le cadre de l'AMI Action Coeur de Ville Data, les deux groupes de travail "Attractivité Commerciale" et "Mobilité" ont fait émerger des problématiques spécifiques à leur thématique. Nous en présentons les principaux enseignements ici. Les détails se trouvent largement commentés, mis en perspective et illustrés dans les rapports de chaque territoire.

1.1.1 - Groupe Attractivité Commerciale

Dans ce groupe, les démarches engagées par les collectivités étaient de nature assez différente : réflexion sur une démarche stratégique Data (très en avance de phase donc) ou approfondissement de projets déjà largement engagés.
Pour autant, le manque d'outils d'observation et de planification des implantations commerciales est apparu comme un sujet commun à toutes les collectivités impliquées et, à travers les enquêtes entreprises (veille nationale, offre des éditeurs), il s'agit probablement d'un besoin commun à toutes les villes de France. Même les grandes métropoles ont une attente très importante à ce sujet.
La question des flux a été aussi souvent soulevée mais les contraintes inhérentes à la mesure et la discrimination entre piétons et acheteurs, ont refroidi les collectivités dans leurs attentes d'outils fiables et dans l'approfondissement de fonctionnalités propres à rapprocher les offres et les demandes. Ce sujet n'a finalement pas été beaucoup travaillé, sauf dans le cas de Belfort.

1.1.2 - Groupe Mobilité

Dans ce groupe, il est apparu des questionnements récurrents sur la place de la voiture en centre-ville et en particulier sur les aspects suivants :
  • Report modal vers des modes doux (comment le comprendre, le favoriser, le mesurer)
  • Les voitures ventouses (les raisons, leurs mesures, les méthodes de réduction)
  • Les infractions de stationnement (leur mesure, les méthodes de réduction)
  • Eviter la congestion (l'observation, la régulation)

1.1.3 - Les liens entre les problématiques “mobilité” et “attractivité commerciale”

Lors des échanges entre les deux groupes, il a été constaté que les deux problématiques concernent également toutes les collectivités impliquées dans l'AMI (et probablement toutes les collectivités d'ACV au niveau national et généralement toutes les communes françaises de la plus grande à la plus petite).
Néanmoins, il n'a pas été constaté de liens directs entre les usages expérimentés sur ces deux thématiques, à l'exception de Digne-les-Bains dont l'objectif était précisément de faire converger au sein d'une même application les deux sujets.

1.2 - Quelles données pour alimenter de nouveaux services ?

Les données ne suffisent pas à résoudre les problématiques soulevées. En revanche, elles se révèlent être des ressources non seulement précieuses mais aussi indispensables pour nourrir les différentes applications étudiées.

1.2.1 - Groupe Attractivité Commerciale

Les différentes solutions de pilotage de l'activité commerciale étudiées ont permis de faire le constat de la très forte disparité des sources de données nécessaires :
  • données publiques connues au niveau national (par exemple identification des entreprises et artisans dans la base SIREN)
  • données connues au niveau local soit à l'initiative des collectivités (listes en enseignes, autorisations locales, politiques foncières de la commune, etc.), en open data dans certains cas, ou par des opérateurs privés (CCI, fédération commerciale) dans une logique de non-partage assumée
  • enquêtes locales menées par la collectivité auprès des acteurs économiques.
  • données crowdsourcées sur les référentiels comme OpenStreetMap
Les cas d'usages observés (voir en particulier IM'Observer) ont permis d'identifier de nombreuses sources et des principes d'interopérabilité qui peuvent déboucher sur un projet très structurant de Référentiel Nationale des Commerces (voir le dossier de pré-étude pour une industrialisation dans le courant 2021-2022) .

1.2.2 - Groupe Mobilité

Les données considérées comme les plus susceptibles d'alimenter les outils d’aide à la décision sont en particulier :
  • les données de stationnement intelligent

1.3 - Identification de données d'intéret général et normalisation

L'objectif d'identifier des données prioritaires apportant un atout local pour la mise en oeuvre d'applications ou de services est partiellement atteint.

1.3.1 - Données relatives aux cellules commerciales

Sur le cas d'usage des tableaux de bord "Observatoire du commerce de proximité", il est apparu qu'il existe plusieurs sources de données de nature assez différentes.
Comme nous l'avons déjà indiqué :
  • certaines sont déjà disponibles en open data et des formats pouvent converger (SIREN et OSM).
  • certaines appartiennent des acteurs privés (CCI) et les barrières à leurs réutilisations n'ont pas permis de trouver des conditions de partages satisfaisantes
  • la production de données inexistantes à travers des enquêtes ouvre des prespectives très intéressantes
extrait de l'enquêt
Dans le domaine du Commerce, il est donc possible de proposer des formats de données normalisées de plusieurs jeux de données qui constitueront le référentiel nécessaire à alimenter des usages tels qu'IM'Observer. Cette normalisation a intéressée en particulier l'AGURAM et la Carene. Un draft de normalisation a été proposé ici.
Pour rappel, l'élaboration d'un standard de données s'appuie sur les étapes suivantes :
1 - identification des données disponibles (producteur, format, état de partage, droits d'accés) 2 - identification de cas d'usage permettant de préciser les données essentielles nécessaires pour alimenter un noyau minimal de services 3 - phase d'investigation 4 - phase de concertation 5 - phase de publication et de généralisation (cf https://schema.data.gouv.fr)
On peut considérer que les expérimentations ont permis d'atteindre l'étape 3. L''étape 4 sera abordé dans le cadre du projet Référentiel National des Commerces, vu précédement.

1.3.2 - Données relatives aux flux piétons

Il aurait pu être envisagé d'approfondir et de proposer un schéma de données convergent pour les données de flux (sources Orange ou MyTraffic) avec des écarts importants de contenus en terme de précision et de conditions d'accès. S'agissant de données privées, et ce sous-thème n'ayant pas été assez développé dans les expérimentations, il n'a pas été possible de faire des propositions de normalisaiton sur ce sujet.

1.3.3 - Données relatives aux stationnements de centre-ville

Les expérimentations se sont plus intéressées aux traitements des données déjà existantes, venant généralement d'opérateurs privé, agissant pour le compte des collectivités, donc accessible à terme en open data. En particulier, l'expérimentation de Soissons nous propose un cadre de retaitement des données, via un outil actuellement de type Excel, qui pourrait être industrialisé et généralisé au niveau national pour les collectivités utlisant le service MyTraffic. Des rappels juridiques ont été fait pour permettre aux collecvitiés de reprendre le contrôle de données leur appartenant.
Les expérimentations ont cependant menées des études de faisabilité technico-économiques pour la production de données lorsqu'elles n'existent pas naturellement (capteurs en voirie), voir cas de Digne-les-Bains.

1.4 - Les données open data

Les territoires d’expérimentations ont été choisis parmi les collectivités ayant déjà engagé un projet d’ouverture des données publiques. Cela a-t-il facilité la création de services et si oui à partiir de quelles données ?
  • Les premières sources de données open data qui ont intéressées les ré-utilisateurs potentiels sont celles disponibles au niveau national : base SIREN pour les établissements commerciaux par exemple. Cela est dû au fait que ces données sont réputées fiables, complètes, normalisées.
  • Ces sources nationales ont l’énorme avantage d’être par principe « normalisées » à partir de la structure de la base de données unique qui les contient. Cela a conduit d’ailleurs OpenDataFrance a développé un outil d’extraction de telles données nationales à l’échelle communale ou inter-communale dans un format homogène quelques soit le périmètre administratif ou géographique choisi (dataclic.fr)
  • D’autres données locales mais produites par des acteurs indépendants, en particulier les données OpenStreetMap, ont été envisagées par certaines collectivités (Avignon, Saint-Avold, Thionville, Digne-les-Bains). Elles sont réellement open data même si elles ne sont pas produites par la collectivité. Il s’agit en particulier de données relatives aux Commerces ou aux Aménagements urbains et façon générale tout objet visible dans l’espace public.
  • Les données produites par les opérateurs privés dans le cadre d’une mission de service public ou d’une délégation/prestation ont été difficiles à identifier clairement, les opérateurs n’étant pas enthousiastes à leur partage (cas de applications de gestion des parkings par exemple). Il s’en suit que leur collecte et leur publication n’ont malheureusement pas eu lieu durant la durée des expérimentations. Des recommandations précises ont cependant été faites pour que les collectivités puissent les récupérer grâce à l’introduction de clauses juridiques adaptées.
  • Les données locales en open data, produites, publiée et utilisées par les collectivités, ont finalement été peu nombreuses, que ce soit en entrée des expérimentations (préexistantes avant le début des projets) ou en sortie (identifiées et publiées en cours des projets). Les raisons sont essentiellement les suivantes :
    • Ces données n’avaient pas été identifiées comme utiles par la collectivité
    • Les collectivités n’avaient pas produit de telles données (ex. les données de commerce)
    • Les collectivités n’avaient pas la totale propriété de données pour permettre leurs publications en open data (ex. données partagées avec des chambres consulaires comme la CCI pour les commerces ou des opérateurs privés pour les flux piétons)
    • Les collectivités n’avaient qu’une vue partielle des données (non exhaustives ou mal mises à jour)
Pour améliorer la disponibilité et l’utilisation des données en open data dans les contextes Commerce et Mobilité, les préconisations d’OpenDataFrance sont :
  • Intégrer les données de Commerces dans le Socle Commun des Données Locales (référentiel de normalisation des données que les collectivités devraient ouvrir prioritairement)
  • Les données de commerce pourraient être systématiquement collectées ou enrichies par les collectivités à travers un formulaire d’enquête. Cela pourrait être réalisé dans le cadre d’un programme national déjà évoqué dans ce document, le Référentiel National des Commerces.
  • Systématiser l’application des clauses juridiques dans les contrats passés avec les opérateurs privés pour s’assurer de la restitution des données pertinentes par les collectivités (commerce, flux passant et stationnement)
  • Faciliter l’extraction des données ouvertes stockées dans les bases nationales (ministère ou OpenStreetMap). C’est ce qui est désormais possible avec l’outil dataclic.fr (outil d’extraction à partir des bases de l’état) et géodatamine.fr (outil d’extraction à partir de la base OpenStreetMap)

1.5 - La mobilisation des acteurs

Le choix de collectivités déjà engagées dans un projet open data
Dès le début de l'AMI, il a été anticipé la difficulté de parler de données, et en particulier de leur partage et de leur normalisation, avec les collectivités de petite taille. Pour cette raison, les collectivités retenues dans l'AMI devait avoir une certaine maturité en open data, ou un cadre d'accompagnement par un acteur externe (cas de Thionville et Saint-Avold avec l'AGURAM). Cette disposition parait à postériori indispensable.
La difficulté de faire travailler les acteurs
Cependant, bien que les collectivités soient réceptives aux notions du partages des données, quelques soit le groupe de travail, des difficultés importantes ont été rencontrées pour faire parler les équipes métier (commerce ou mobilité) avec les experts data. Cette difficulté tient essentiellement à :
  • une culture data difficile à faire partager avec des agents non concernés
  • des priorités différentes entre les responsable métier et les personnes impliquées par les projets data
  • des attentes parfois très pragmatiques (ou doctrinales) difficile à concilier avec la démarche expérimentale

2 - La méthodologie de l’AMI

2.1 - Une approche par les cas d’usage

2.1.1 - Groupe Attractivité Commerciale

Dans ce groupe, la démarche a été de définir des cahiers des charges territoriaux. Chaque expérimentation a été découpée en deux phases. La première phase consistait à faire un diagnostic des besoins et des ressources, la deuxième d'approfondir les cas d'usages identifiés (préfiguration de tableaux de bord à partir d'indicateurs priorisés et de jeux de rôle). Des conclusions ont été établis et des plans d'action très précis ont été décrits pour la suite de ces projets. Il s'agit donc d'étapes consolidées dans des processus beaucoup plus longs d'innovation territoriale.

2.1.2 - Groupe Mobilité

Dans ce groupe, la démarche a été plutôt orientée sur l'approfondissement de cas d'usage très précis :
  1. 1.
    Diagnostic mobilité : Un diagnostic 360 des problématiques de mobilité (et pas que de stationnement) du territoire (étude documentaire et entretien auprès des services concernés : mobilité, responsable data, centre-ville, commerce, police municipale…)
  2. 2.
    Plongée dans les données : de quelles données a-t-on besoin pour répondre aux problématiques identifiées ? Comment (indicateurs, information voyageur…) ? De quelles données dispose-t-on ? Faut-il les retravailler ?
  3. 3.
    Se servir des données :
    • Comment générer les données qui manquent ?
    • Comment produire les indicateurs ?
    • Comment interpréter les indicateurs ?
    • Comment faire évoluer les comportements en s’appuyant sur les données ? cf. temps collectif groupe mobilité
    • Une approche qui part des questionnements des collectivités pour faire émerger des indicateurs et aller vers les services : préciser les outils méthodologiques mobilisés ?

2.2 - Planning général de réalisation

Initialement prévu pour la période de janvier à juin 2020, les expérimentations ont du être ralongées jusqu'à début 2020 en raison de la crise sanitaire du Covid :
  • fort ralentissement de l'activitié des collectivités sur le sujet de l'open data, au profit d'autres projets plus urgents ou en raison du manque de disponibilité des personnes concernées.
  • Par ailleurs, les réunions en présentiel ont du être annulées et remplacées par des webinaires rendant l'interactivité et le partage un peu plus difficile.
  • report des élections municipales de mars à juin 2020 occasionnant un manque de portage politique. Les nouveaux élus désignés durant l'été 2020 ont souhaité s'approprier les enjeux de ces expérimentations ce qui a engendré dans la majorité des territoires de nouvelles séances de sensibilisation et de travail.

Temps de montée en charge des équipes sous-estimé

Dans tous les cas, la dynamique des groupes a été assez longue à se mettre en place (priorité des projets, maturité, collaboration des binômes Métier/Data) et le timing initial de 6 mois aurait de toute façon été impossible à tenir. Il a été accepté collectivement de donner plus de temps de maturation aux projets.

Nécessité d'aller jusqu'au bout des réflexions

La conjonction des retards induits par la situation sanitaire et la dynamqiue des groupes projets a ralongé de fait la durée des expérimentations. Cependant, de nombreuses expérimentations accompagnées par deux cabinets de conseil ont entrainé des pistes de réflexioin intéressantes nécessitant un travail d'investigation et d'animation plus important que ce qui était prévu. Il a été convenu que l'intérêt de l''aboutissement de ces travaux justifait la prolongation des expérimentations. Elles ont été toutes abouties pour le groupe Moblité en décembre 2020 et les dernières du groupe Commerce en mars 2021.

2.3 - Accompagnement individualisé par des cabinets de conseil

Le choix de confier l'accompagnement des collectivités retenus pour chacune des thématiques à un seul cabinet de conseil (Metapolis pour le Commerce et Chronos pour la Mobilité) parait pertinent. Il a permis une focalisation thématique importante.
Pour chaque collectivité, on peut estimer que l'accompagnement s'est réparti entre 60% de problématiques spécifiques à la collectivité et 40% de points communs aux collectivités de chaque groupe.
L'intervention des consultants en présence dans chaque territoire a été indispensable et bénéfique (de l'ordre de 4 à 6 jours par collectivité). Une partie importante de travail (entretien et animation) a cependant pu être réalisée à distance (et rendu quasiment incoutournable par les dispositions sanitaires imposées : télé-travail pour les agents, limitation des regroupements et des déplacements).
Les temps de partage collectif au sein de chaque groupe ont pu être maintenus, quoique malheueusement à distance pour les raisons vues précédement.
Le partage inter-groupes de travail a été réalisé mais insuffisament (2 sessions de 1h30) en raison des contraintes déjà imposées aux participants.

3 - Les retours d’expériences des villes accompagnés

3.1 - Restitution de chaque territoire

Groupe Attractivité Commerciale

3.1.1 Avignon

3.1.2 Belfort

3.1.4 Poitiers

3.1.5 Thionville

Groupe Mobilité

3.1.8 Saint-Quentin

3.1.9 Soissons

3.1.10 Tulle

3.2 - Cas de réutilisation

3.2.1 - Thématique ACV : Attractivité commerciale

Un Observatoire de l'occupation des cellules commerciales (IM'Observer)
  • Description : Développé par l'Agence d'urbanisme du Grand Est AGURAM, IM'Obsever est un outil qui a comme objectif d'apporter une meilleure connaissance du territoire, et en particulier du tissu commercial. Il s'agit d'un véritable outil de pilotage et d’aide à la décision des élus pour arbitrer les orientations des politiques publiques et pour simplifier et faciliter l’implantation des commerces. Il est destiné aux techniciens (manager de commerce et service commerce de la ville ou de l’agglo), aux élus, aux acteurs de l’immobilier et aux porteurs de projet. En raison de la cible (interne à la collectivité) et de la confidentialité de certaines données (privées de la CCI), l'application n'est pas accessible librement (il faut un accès local et un mot de passe). Réalisé avec le soutien de l'entreprise Makina-Corpus, cet observatoire est disponible en open source pour une réutilisation libre dans d'autres territoires.
  • Type : Tableau de bord
  • Profil : Collectivité, opérateur local (ici une agence d'urbanisme)
  • Données utilisées : Base des entreprises SIREN, OpenStreetMap (tag:shop), données CCI (fermées), Enquête locale menée par la collectivité (ex : https://airtable.com/shrS0xfkFMq6Ivvm1)
  • Collectivités : Thionville, Saint-Avold (et intéresse d'autres villes comme Les Lilas (93) ou Saint-Nazaire)

La vidéo de présentation :

3.2.2 - Thématique ACV : Mobilité

Thématique ACV : Mobilité
Connaitre l’état du stationnement en centre-ville grâce aux horodateurs connectés
  • Description : A partir des données de paiement issues des horodateurs connectés, Spallian a développé un algorithme, et plus largement une méthodologie, permettant de calculer le taux d’occupation pour chaque association tranche horaire-horodateur d’une commune donnée. Une importante partie de la méthodologie est consacrée à identifier et corriger les biais de l’utilisation des données de paiement : abonnements, stationnements gratuits, stationnements illicites… Cette dernière est adaptée pour chaque commune afin de répondre à ses enjeux spécifiques de stationnement. Les données issues de la méthodologie permettent aux collectivités de disposer de statistiques sur le stationnement (tableau de bord), d’informer les usagers sur la situation de stationnement (open data, affichage digital en voirie) et de les réorienter vers des parking relais lorsque le stationnement est difficile.
  • Type : Méthodologie, algorithme
  • Profil : Entreprise
  • Données utilisées : Données de paiement des horodateurs connectés, données de comptage des places de stationnement en voirie
  • Collectivités : Tulle, La Roche-sur-Yon
Conclusions issues de l’AMI sur le sujet « est-il possible de construire une approche unifiée, duplicable sur l’ensemble des villes, pour mesurer le degré d’occupation des places de stationnement » ?
Pourquoi se poser cette question ?
  • Parce que la même préoccupation revient fréquemment : le stationnement en centre-ville est difficile, ce qui nuit à l’attractivité du cœur de ville et à la vitalité de ses services et commerces ; or, pour agir, il faut mesurer.
  • Parce que des changements technologiques sont en cours (recours plus fréquent au paiement mobiles notamment, avec de nouveaux acteurs) et qu’ils peuvent représenter une opportunité ou un risque pour l’exploitabilité et la disponibilité des données.
  • Parce que les usagers sont demandeurs de données ou d’informations générées par leur usage des services publics et qui permettent d’en améliorer le confort (en l’espèce, trouver une place de stationnement plus facilement et favoriser un partage équitable entre les différents usagers : pendulaires, travailleurs, habitants, visiteurs, consommateurs)
Réflexion sur la disponibilité de données
Les données disponibles en matière d’occupation du stationnement sont très disparates d’un centre-ville à l’autre. Elles dépendent de nombreux facteurs qui découlent de la politique de la ville en la matière :
  • du mode de gestion des places de stationnement,
  • de l’approche adoptée en matière tarifaire notamment les choix de gratuité et les systèmes d’abonnement,
  • de l’équilibre entre les différents systèmes de billetterie, par horodateur ou par paiement mobile.
Des facteurs techniques ou technologiques entrent également en jeu :
  • approche adoptée en réponse aux enjeux de protection des données personnelles, quant à l’usage des données de stationnement, à leur anonymisation ou pseudonymisation, et à la durée de conservation des archives
  • homogénéité ou hétérogénéité des systèmes gérant le stationnement (et donc des données générées par ces systèmes), celle-ci dépendant notamment du recours à des prestataires externes
  • investissement ou non dans des systèmes élaborés de comptage (capteurs connectés par exemple)
Des facteurs humains ou organisationnels, enfin, ajoutent des biais nuisant à la disponibilité des données:
  • du côté de l’usager, la proportion de fraude, qu’elle soit majeure (occupation d’une place payante sans paiement) ou mineure (achat d’un ticket dans une zone moins chère que la zone où l’usager stationne)
  • du côté de la collectivité, le maintien à jour ou non, dans ses systèmes d’informations, des renseignements sur la voie publique (nombre de places, modifications temporaires ou durables de la circulation et du stationnement en voirie...) afin que les modalisations informatiques aient pour paramètres des entrants conformes à la réalité du terrain.
La disponibilité des données est un facteur variable, ce qui limite la possibilité de mener une approche unifiée et une méthode duplicable d’une ville à l’autre. Néanmoins, malgré la diversité des cas de figure, on peut identifier des cas de figure types.
L’accompagnement des villes de Tulle et de la Roche-sur-Yon a permis de collecter :
  • des données de paiement dont découle une durée de stationnement autorisée
  • des données sur la localisation des places de stationnement en voirie, à proximité des horodateurs
  • des informations sur les parkings barriérés, notamment des parkings relais
La part croissante du paiement mobile amène un questionnement sur la disponibilité des données, car on est susceptible d’y perdre l’information sur l’emplacement probable du véhicule de l’usager – mais on pourrait également y gagner une information de localisation du smartphone, sous réserve que celle-ci soit utilisable en conformité avec le cadre réglementaire sur les données personnelles. Un dialogue avec les acteurs du paiement mobile semble important pour anticiper ce virage et l’impact qu’il aura en matière de données utilisables.
Réflexion sur l’impact des polarités de circulation
Spallian a imaginé le questionnaire suivant, à l’adresse des villes qui souhaitent lancer une analyse quantitative de leurs données de stationnement. [illustrations dans les rapports respectifs de Tulle et La Roche-sur-Yon]
Il s’agit d’établir leur autodiagnostic et de mettre en lumière les facteurs de succès ou de risque dans cette démarche :
1. L’occupation d’une place de parking dans votre centre-ville laisse une trace informatique ...
  • ... parce que des capteurs connectés sont déployés sur les places de stationnement et enregistrent ses périodes de vacance ou d’occupation
  • ... parce que les usagers prennent un ticket à l’horodateur
  • ... parce que les usagers utilisent une application de paiement mobile
  • ... parce que les principaux parkings sont barriérés, avec un décompte aux bornes d’entrée / sortie
  • ... parce que des forfaits post-stationnement sont appliqués, en cas de défaut ou insuffisance de paiement et lors des contrôles
  • ... parce qu’un dispositif de vidéo-verbalisation permet de mesurer l’occupation en temps réel
2. Combien d’acteurs ou de prestataires différents interviennent dans le cadre de la gestion des paiements de stationnement ?
  • Paiement via application mobile
  • Paiement aux horodateurs
  • Cartes d’abonnement
  • Gestionnaire de parking public
3. Connaissez-vous le nombre et l’emplacement des places de stationnement sur chaque rue du centre-ville ?
  • Non, je ne connais pas le nombre de places de stationnement
  • Non, je connais le nombre global sur la ville ou par quartier, mais pas leur emplacement exact
  • Oui, parce que nous avons fait réaliser une étude de stationnement, mais nous n’avons pas l’intégralité des fichiers informatiques sources
  • Oui, en interrogeant notre service SIG, nous savons localiser les places de stationnement par barrettes / segments de rue
  • Oui, en interrogeant notre service SIG, nous savons localiser exactement chaque place de stationnement
  • Oui, mais les informations ne sont pas forcément à jour car la voirie évolue à la suite de travaux d’aménagement et les fichiers informatiques ne sont pas toujours mis à jour

Autres exemples d'ugae (mais pas abordés spécifiquement par les expérimentations ACV) A conserver ?

ParkingMap : L’Observatoire du Stationnement Connecté
Description : ParkingMap s’adresse d’une part aux usagers de la route et leur propose de localiser en temps réel les places de parking disponibles autour d’eux pour optimiser leur trajet et fluidifier la circulation. ParkingMap est aussi une solution utile aux managers de ville pour adapter l’offre de stationnement grâce aux multiples indicateurs de mesure et d’analyse. ParkingMap permet enfin d’optimiser la gestion des parkings en identifiant les infractions et organisant les rondes de contrôle pour réduire la fraude et augmenter le taux de rotation des véhicules.
Type : Service web URL : https://www.parkingmap.fr Profil : Entreprise Données utilisées : Données de parking ouvrage et surface Thème(s) : Mobilité, Parking Mot(s) clé(s) : accessibilité, commerces, itinéraires Collectivités réutilisatrices : Soissons, Communauté d’Agglomération Porte d’Isère, Gif, Grand Paris Sud. (Autres grandes collectivités : Orléans Métropole) Cas cité dans : La data au cœur du parking intelligent

4 - Document de travail et d'élaboraion :

Les dix commandements de l'expérimentation

Doc en ligne (n'est plus à jour)

Fin du document.