# La Roche-sur-Yon ## 1 - Le contexte et la problématique Une étude de circulation et de stationnement à la Roche-sur-Yon, finalisée au début de l’année 2018, a permis d’identifier que « l’offre \[de stationnement] est satisfaisante » dans son ensemble. Cependant, des ateliers citoyens organisés en 2018 ont mis en lumière certains enjeux et débats relatifs au stationnement. Le stationnement est également un levier de revitalisation du centre-ville, qui doit se développer à mesure que le tissu urbain évolue. Partant de ces constats, la ville de La-Roche-sur-Yon souhaite approfondir sa démarche de valorisation des données d’usage générées par le stationnement. L’enjeu est d’en améliorer la lisibilité pour les usagers, au travers d’une double démarche de communication sur la qualité du stationnement, voire de diffusion en open data (afin que d’autres acteurs du territoire puissent s’en servir à leur tour). Le stationnement à La Roche-sur-Yon fait d’ores et déjà l’objet d’une diffusion de données aux usagers en ce qui concerne la disponibilité des parkings, via le site web de la ville. Les objectifs de l'expérimentation sont : * Créer une information de qualité en trouvant un juste équilibre entre précision et clarté pour les usagers, et en tenant compte des opportunités et limites des jeux de données. * Réorienter les usagers vers les parkings de proximité (parkings-relais) en cas de saturation du stationnement en centre-ville, et encourager les mobilités douces / intermodales. Pour répondre à ces objectifs, six étapes de projet ont été identifiées : 1. Recensement, exploration et qualification des données existantes ; 2. Approfondissement d’un des jeux et collecte d’un historique de données ; 3. Construction d’une méthodologie pour produire des indicateurs ; 4. Application de la méthodologie au jeu de données collecté ; 5. Exploration de data visualisations possibles pour valoriser ces données ; 6. Formalisation des livrables et restitution finale. ## 2 - Les étapes de l'expérmentation ### 2.1 - Recensement, exploration et qualification des données existantes ; La première étape du projet fut de recenser et d’explorer les données disponibles concernant la thématique du stationnement. Le recensement a été initié par la Direction des systèmes d’information et du développement numérique de La Roche-sur-Yon et a permis d’identifier plusieurs sources de données. Ceux qui sont soulignés font actuellement l’objet d’une diffusion en open data ou de mise à disposition du grand public : * Zonage des différents secteurs de stationnement de la Ville de La Roche-sur-Yon * Places de stationnement PMR à La Roche-sur-Yon * Disponibilité en temps-réel des parkings clos et couverts (source : Designa) * Cartographie des travaux impactant la circulation et le stationnement * Prévision annuelle et suivi des travaux de voirie * Visualisation en Saas des données des horodateurs connectés et de l’application (source : Flowbird) Les jeux de données recensés ont ensuite fait l’objet d’une exploration, dans le but de déterminer parmi ces derniers, ceux qui répondent potentiellement aux objectifs de l’AMI. La phase d’exploration, réalisée par Spallian, a permis de retenir deux jeux de données : * Flowbird : données recueillies par les horodateurs connectés et de l’application de stationnement. * Designa : système de gestion de stationnement des parkings clos et couverts. ### 2.2 - Qualification des deux principaux jeux de données Pour chacun des jeux de données retenus dans le périmètre d’intervention, nous avons réalisé un audit dont les résultats sont formalisés sous la forme d’un répertoire qualifié. Ce répertoire met en exergue les points positifs et les limites de chaque jeu au regard de l’exploitation envisagée par la commune de La Roche-Sur-Yon, et nous permet in fine de statuer sur leur utilisation. #### a - Méthodologie d’audit L’audit des données prend la forme d’une évaluation multicritère, couvrant trois thématiques : * La source (producteur de la donnée), * La base de données, * Les données stockées dans la base. De chacune de ces thématiques découlent un ou plusieurs critères pour lesquels est attribuée une note allant de 1 à 5. Pour un critère donné, plus la note est élevée, plus la qualité des données est grande au regard de la problématique identifiée. Chaque note est donc subjective et dépend des objectifs de l’exploitation de données (définis en préambule). Les critères retenus sont les suivants : * Qualité de la source : autorité et fiabilité du producteur de la donnée et du mode de compilation des informations. * Fréquence d’actualisation : fréquence à laquelle les données sont produites et mises à jour. * Complexité d’intégration à une base de données : l’information est-elle facilement lisible par une machine, quelle est l’ampleur des pré-traitements nécessaires ? * Détail : nombre et diversité des variables disponibles et de leurs modalités * Granularité géographique : niveau de précision dans l’espace de la donnée (ex : coordonnées GPS, IRIS, commune, ...) * Granularité temporelle : niveau de précision de la donnée dans le temps Afin de justifier les notes qui ont été attribuées à chacun de ces critères, une matrice d’évaluation a été développée spécifiquement au regard des enjeux relatifs au stationnement à La Roche-Sur-Yon. Cette matrice est disponible en Annexe 1. #### b. Audit du jeu de données Flowbird Flowbird est une société française, acteur de la mobilité urbaine et de la ville intelligente. Elle propose une offre transversale en matière de solutions de gestion du stationnement et de solutions billettiques pour les transports publics. La Roche-sur-Yon a fait appel aux services de Flowbird pour gérer le paiement du stationnement dans les rues du centre-ville, en voirie, de la commune. Le jeu de données Flowbird étudié contient les enregistrements passés par les usagers qui stationnent dans les rues du centre-ville de La Roche-Sur-Yon. Les données sont générées à partir des horodateurs de la commune ainsi que de l’application mobile Flowbird. * Producteur : Flowbird * Source : Horodateurs connectés et application mobile Flowbird * Période : De mars 2018 à aujourd’hui ![page6image18911920](blob:https://app.gitbook.com/097be498-2adf-4b7c-88b2-8d24f99888ac) {% hint style="info" %} Synthèse de l’audit du jeu de données Flowbird Avantages : Une source fiable, une base de données actualisée en temps réel, dans un format facile à retraiter, offrant quelques perspectives pour estimer le niveau de saturation du stationnement en centre-ville. Limites : Les informations fournies ne permettent pas de déterminer de manière exacte l’état de stationnement réel dans le centre-ville de la Roche-sur-Yon : stationnements des abonnés et des voitures électriques, zones bleues, stationnements sauvages et fraude sont autant de points qui ne sont pas abordés dans ce jeu. {% endhint %} **Qualité de la source (4/5) :** Flowbird n’est pas une autorité institutionnelle, néanmoins il s’agit d’une entreprise reconnue dans le secteur du stationnement ; enregistrer des données relatives au stationnement est son cœur de métier. Les données opérationnelles de Flowbird sont créées et récupérées à partir de deux canaux : les horodateurs placés dans les rues et l’application mobile Flowbird. A chaque fois qu’un usager stationne sur une place payante en voirie de La Roche-sur-Yon, il doit se rendre à l’horodateur de sa zone de stationnement afin de s’identifier (plaque d’immatriculation) et de payer. Les utilisateurs passant l’application mobile doivent sélectionner l’horodateur correspondant à leur zone de stationnement : quelque ce soit le canal utilisé, la zone de stationnement de l’utilisateur est identifiée et stockée. L’activité de Flowbird ainsi que les modalités de remontée de l’information (informatisées) nous permettent de qualifier la source de données comme fiable. Toutefois, il faut noter que la durée de stationnement indiquée, qui nous intéresse tout particulièrement dans le cadre de cette étude, est théorique : il s’agit de la durée maximale autorisée et non de la durée réelle de stationnement. **Fréquence d’actualisation de la base (5/5)** : La base dont est issue le jeu de données est actualisée en temps réel. En effet, chaque enregistrement passé à un horodateur via alimenter la base, via un protocole Internet. **Complexité d’intégration de la base (4/5)** : La base est interrogeable de manière simple et flexible via l’interface Smartfolio. Il est ainsi possible d’exporter les données voulues sous format csv, de manière quotidienne (au maximum). Cependant, cela nécessite une action récurrente d’un utilisateur. Pour exploiter pleinement le caractère temps-réel de la donnée et automatiser l’intégration de ces dernières, une API sera nécessaire. Nous n’avons pas connaissance d’une API de Flowbird à l’heure actuelle. **Détail des données (3/5)** : Ce jeu de données nous fournit des données très utiles : montant, type d’usager (stationnement, abonné, FPS), durée d’occupation théorique, numéros de plaque d’immatriculation... Cependant, ne sont pas comprises les données concernant : * les stationnements non enregistrés (payants ou non payants) : stationnements en zone bleue ou en zone gratuite, stationnements nocturnes ou pendant les créneaux de gratuité, stationnement sauvage, stationnement des abonnés, handicapés et voitures électriques (macarons), fraude. * les temps de stationnements réels : un usager qui a payé pour 1h30 ne peut en réalité rester moins ou plus longtemps. De même, il est impossible de connaître la durée de stationnement d’un usager qui prendrait un ticket juste avant une période où le stationnement est gratuit (en journée de 12h à 14h, la nuit de 19h à 9h, le samedi après- midi et le dimanche). Géo-précision des données (3/5) : Les données Flowbird sont géolocalisées à l’horodateur. Ainsi,lorsqu’un usager paie un stationnement, nous ne connaissons pas exactement l’emplacement occupé par son véhicule. Il est toutefois possible d’estimer à partir de l’horodateur la zone probable de son stationnement. Cependant, cette estimation repose sur l’hypothèse que l’usager utilise l’horodateur le plus proche de l’emplacement sur lequel son véhicule est stationné, ce qui n’est pas forcément vrai. Cette limite demeure également pour les utilisateurs de l’application mobile, qui peuvent sélectionner l’horodateur n’étant pas nécessairement le plus proche de leur stationnement. Précision-temps des données (5/5) : Chaque enregistrement est horodaté à la seconde.Informations complémentaires sur l’audit mené sur les données Flowbird : Nous avons collecté et étudié un historique de données d’une journée pour l’ensemble des horodateurs de La Roche-sur-Yon. Des échanges croisés avec les équipes de Flowbird et de la Roche-sur-Yon ont également été organisés afin d’appréhender de manière exacte les variables disponibles ainsi que le processus de remontée de l’information. #### c. Audit du jeu de données Designa Designa est une entreprise spécialisée dans le développement de systèmes de gestion de stationnement. La Roche-sur-Yon a recours aux solutions Designa pour gérer l’accès et le paiement de ses quatre parkings (payants) : * Parking Clémenceau (420 places) * Parking des Halles (198 places) * Parking Gare Ouest (180 places) * Parking Gare Est (58 places) Le recensement des données disponibles réalisé par La Roche-sur-Yon a permis d’identifier une première approche de récupération des données issues du système d’information Designa : via des fichiers XML en ligne (une adresse web = un parking), il est possible de récupérer des informations concernant la disponibilité en places des parkings, en temps réel. * Producteur : Designa * Source : Fichiers XML disponibles en ligne * Période : Non applicable (données non stockées) Evaluation : ![](/files/-MYtpnxKm-Wz838nIcNS) {% hint style="info" %} **Synthèse de l’audit du jeu de données Designab** Avantages : Une source fiable et des données accessibles en temps réel. Limites: Pas d’historique de données, une intégration nécessitant l’utilisation de connecteurs et un niveau de détail permettant uniquement de connaître le nombre de places disponibles à un moment donné. {% endhint %} **Qualité de la source (4/5) :** Designa n’est pas une autorité institutionnelle, néanmoins il s’agit d’une entreprise reconnue dans le secteur du stationnement ; enregistrer des données relatives au stationnement est son cœur de métier. Les données opérationnelles de Designa sont créées et récupérées à partir des bornes d’entrée et de sortie de chaque parking payant de La Roche-sur-Yon. A chaque fois qu’un usager entre ou sort du parking, il doit passer par ces bornes. L’activité de Designa ainsi que les modalités de remontée de l’information (informatisées) nous permettent de qualifier la source de données comme fiable. **Fréquence d’actualisation de la base (5/5)** : Les données accessibles via les fichiers XML sont actualisées en temps réel. Plus précisément, elles sont actualisées à chaque fois qu’un enregistrement (entrée ou sortie de véhicule) est passé. **Complexité d’intégration de la base (3/5)** : Les données contenues dans les fichiers XML peuvent être récupérées et exploitées grâce à des connecteurs. Cette méthode est déjà utilisée par la commune de la Roche-sur-Yon pour afficher sur son site web le nombre de places disponibles dans chaque parking. Ce sont ces mêmes fichiers XML qui alimentent en données les panneaux de la ville, qui indiquent également le nombre de places disponibles. **Détail des données (2/5) :**\ Chaque fichier XML est composé de 5 données : * DateTime: Horodatage de la génération des informations dans le XML. Nous supposons qu’il s’agit du moment où le dernier mouvement a eu lieu dans le parking (entrée ou sortie) ; ainsi l’information disponible dans le XML est bien en temps-réel malgré un horodatage antérieur au moment auquel il est consulté (ex : 2020-03- 18T14:05:23) * Name : Nom du parking (ex : CLEM) * Status : statut du parking, fonction du nombre de places disponibles (ex : LIBRE) * Free : nombre de places libres (ex : 0186) * Total : nombre total de places (ex : 0207) * DisplayOpenIf : seuil de modification de statut. En dessous d’un certain nombre de places, disponibles, le parking affiche complet (ex : 10) Ces fichiers nous donnent uniquement des informations sur le nombre de places disponibles dans un parking donné à un moment précis. Aucune donnée antérieure à ce moment n’est stockée dans ces fichiers XML, ne nous permettant ainsi pas de de réaliser de statistiques sur un historique de données (cf. informations complémentaires infra). Nous n’avons également pas de données sur le type d’usagers (abonnés VS ponctuels). **Géo-précision des données (5/5)** : Nous disposons du nombre de places disponibles au parking. **Précision-temps des données (5/5)** : La disponibilité des parkings est fournie en temps réel. #### Informations complémentaires sur l’audit mené sur les données Designa : Un historique de données jusqu’à 2019 (parking des Halles), 2017 (parking Clemenceau) et 2016 (parkings de la Gare) est disponible. D’après les informations qui nous ont été communiquées, il est possible de disposer d’une information de fréquentation heure par heure. Toutefois, à ce jour nous n’avons pas pu obtenir ces échantillons de fichiers non agrégés pour les étudier. ## 3 - Réflexions transversales dans une optique de valorisation des données ### 3.1 - Identifier les perspectives et les limites de la démarche Le principal objectif de cet AMI est de valoriser les données à disposition pour communiquer aux usagers sur le niveau de saturation de stationnement en centre-ville, et de pouvoir les réorienter en fonction de ce niveau de saturation. Comparer les jeux de données sur les parkings (Designa) et sur les horodateurs (Flowbird) permet de mesurer certaines limites dans l’exploitation de ces derniers, pour atteindre cet objectif. Pour les parkings, une des finalités de la collecte des données est le calcul de la disponibilité, afin d’éviter qu’un véhicule entre si le parking est déjà plein. Le dispositif matériel générateur de la donnée est donc doté de bornes physiques dénombrant les entrées et sorties. Il est donc aisé de produire une information sur la disponibilité. C’est pourquoi la Roche-sur-Yon diffuse la disponibilité de ses parkings sur l’espace « Un territoire connecté » de son site internet. Des travaux sur la valorisation de ces données pourraient être menées et sont détaillées dans la section II. 2). En revanche, la **finalité de la production de données** par les horodateurs est la gestion des paiements pour le stationnement sur voirie. Utiliser ces données pour évaluer la disponibilité s’apparente à un ‘détournement’ de leur vocation initiale. Il est donc normal qu’elles ne soient pas a priori adaptées pour calculer un taux d’occupation, et qu’on identifie de nombreuses limites à l’analyse, inhérentes au jeu de données. A cet égard, il est également important de noter que la place de plus en plus importante qu’est amené à prendre le paiement mobile peut diminuer la qualité des données futures (un utilisateur peut réserver des places sans les utiliser, ou sélectionner un horodateur qui n’est pas à proximité de son lieu de stationnement)). Toutefois, à défaut de mieux et en l’absence de coûteux objets connectés (capteurs de stationnement) que la Ville n’a pas prévu de déployer, il convient d’exploiter autant que possible le jeu de données Flowbird. Il convient de retenir, avant tout, que parmi l’ensemble des indicateurs que l’on aurait pu envisager : * taux d’occupation * taux de congestion * taux de rotation Seul le premier peut être traité. Le taux de rotation nécessiterait de disposer des plaques d’immatriculation, qui ont été anonymisées dans le cadre de la présente étude, et le taux de congestion nécessiterait des données complémentaires (notamment les FPS). Ensemble, il faut noter qu’il est impossible en voirie calculer un taux d’occupation réel en raison des effets de bord de la politique tarifaire : * Certains secteurs géographiques bénéficient de la gratuité du stationnement. Comme la production des données Flowbird découle de la tarification, le stationnement gratuit ne génère pas de données. On ne pourra donc pas traiter les zones gratuites ; y compris la zone bleue. * Sur les secteurs de stationnement payant (zones rouges et oranges), certains créneaux horaires sont gratuits et ne sont donc pas générateurs de données (actuellement : en journée de 12h à 14h, la nuit de 19h à 9h, le samedi après-midi et le dimanche). * La gratuité de la première heure de stationnement, ainsi que la gratuité de 12h à 14h, conduisent à surestimer certaines durées de stationnement, puisque l’enregistrement calcule la durée maximale autorisée. Exemple : je stationne entre 11h et 11h15, l’application enregistre un stationnement théorique d’une durée de 3h. * Les abonnés ne sont pas tenus de s’enregistrer à l’horodateur à chaque stationnement, l’on ne sait donc pas où et quand ils se garent. Pour en mesurer l’impact, il conviendrait dans un premier temps de voir combien il y a d’abonnés. S’ils représentent une faible part du nombre total de places de parking, nous pouvons ignorer cette limite, voire ajouter en permanence un taux d’occupation estimé pour ces derniers. S’ils constituent une part importante des stationnements dans le centre de la Roche-sur-Yon, il faudra peut-être adresser de manière un peu plus précise ce problème un adaptant le %d’ajustement par zone horodateur, en fonction de l’adresse de ces abonnés (pour rappel, les abonnés sont forcément des résidents du centre-ville). * De la même manière que les abonnés, les détenteurs de cartes GIG/GIC ou mobilité inclusion ainsi que les propriétaires de véhicules électriques peuvent stationner de manière gratuite et sans s’enregistrer sur l’ensemble des rues de la zone payante. * Le stationnement illicite (usager n’ayant pas payé ou stationné sur une place non autorisée) n’est pas quantifiable, quand bien même on identifierait une source de données exhaustives sur les forfaits de post-stationnements – ce qui n’est pas le cas. * Enfin, il arrive que certains usagers ne s’enregistrent pas, consciemment ou non, auprès d’un horodateur de la bonne zone (orange ou rouge), entraînant ainsi un effet de report entre les zones. En effet, par volonté de payer moins cher, certains vont se garer en zone rouge mais vont s’enregistrer auprès d’un horodateur orange. Cette pratique est d’autant plus encouragée par le fait que les agents de contrôles soient indulgents face à celle-ci. De manière marginale, certains usagers peuvent, par inattention, stationner en zone orange mais s’enregistrer en zone rouge. Ces limites ne sont pas forcément bloquantes au regard des objectifs de la démarche. En effet, c’est principalement en journée et en semaine que les navetteurs domicile-travail occupent des places de stationnement, et que les visiteurs cherchent une solution de stationnement temporaire. De plus, si le taux d’occupation réel se révèle inaccessible, un tauxthéorique, ou un taux relatif, peuvent servir à l’usager (à quels endroits le stationnement est-il ‘meilleur’ aujourd’hui qu’à l’habitude ?). Combiner une information sur le taux d’occupation théorique (issu d’une moyenne historique, par exemple : « d’habitude sur ce créneau, le stationnement dans tel quartier est saturé / est fluide ») et une information sur le taux relatif (« en ce moment, l’occupation du stationnement est supérieur / est inférieur à l’habitude ») permettrait de renseigner l’usager et de le réorienter, contribuant à la décongestion des secteurs les plus saturés. Enfin, on pourra retenir de l’étude de stationnement réalisée en 2017-2018 quelques valeurs de référence calculées lors d’un comptage ponctuel, un jeudi d’octobre 2017. Elles pourront peut-être être utilisées comme point de repère, de comparaison ou de mise en perspective par la suite : * les taux d’occupation par segment viaire entre 9h et 19H le jour du comptage (p.51 et pp. 74 à 78) * le nombre et l’emplacement des places de stationnement (récupérées en format SIG) (p.45) * la distribution des durées de stationnement (p.59). ### 3.2 - Définir le périmètre cible pour la suite de l’analyse Il s’agit à présent d’établir de premières recommandations, et de valider le périmètre sur lequel nous travaillerons pour la suite de l’analyse. Les deux objectifs de La Roche-sur-Yon sont l’inscription dans une démarche d’open data, et la communication d’informations pertinentes aux usagers. Nos recommandations : 1. L’historique de données de fréquentation des parkings en ouvrage serait pertinent à publier en open data. Il pourrait donner lieu à des réutilisations intéressantes par les acteurs du territoire (entreprises, citoyens, prestataires de services, associations). Reste à définir le format exact de données pertinent, en relation avec le prestataire Designa. 2. Les données temps réel d’occupation des parkings pourraient être valorisées davantage sur le site de la Roche-sur-Yon, afin de gagner en visibilité. Par exemple, des indicateurs clefs pourraient être produits, des data visualisations (cartes, diagrammes, graphiques) permettraient de contextualiser l’information et de la mettre en exergue. 3. Un travail sur les données des horodateurs pourrait permettre d’estimer un taux d’occupation moyen théorique du stationnement en voirie, ce qui ouvrirait par la suite la perspective d’informer l’utilisateur sur la qualité relative du stationnement, par rapport à d’habitude. Ce troisième point est celui qui a été retenu pour la suite de nos travaux. A partir des données Flowbird (mais également d’informations complémentaires), nous avons élaboré une méthodologie de calcul du taux d’occupation par horodateur et par tranche horaire. #### Le périmètre d’étude est le suivant : * Périmètre géographique : L’ensemble des secteurs payants est étudié (tous les horodateurs) Nota bene : le stationnement présente un taux d’occupation important dans le quart nord du Pentagone. Celui-ci n’étant pas concerné par le stationnement payant, les données ne sont pas disponibles. Cf cartes infra. ![page15image18949888](blob:https://app.gitbook.com/1c5a179b-8522-467e-8fac-cb9ac6fe0583) ![page15image18948224](blob:https://app.gitbook.com/b46fcedc-16fd-4dd3-aaca-16aee6e749ab) Extraits de l’étude circulation et stationnement de 2017-2018 * Périmètre temporel : de mars 2018 à mars 2020, sur l’ensemble des créneaux horaires payants. ## 3 - Méthodologie de calcul du taux d’occupation Afin de calculer le taux d’occupation par horodateur, il faut tout d’abord déterminer le nombre de places de stationnement assignées à chaque horodateur. Pour y parvenir, deux méthodes ont été imaginées (3.1 et 3. 2). ### 3.1 - Places de stationnement disponibles par horodateur (méthode 1) Ressources utilisées * Fichier SIG projetant les barrettes de stationnement sur voirie en centre-ville et contenant le nombre de places de stationnement par barrette. A noter que certaines barrettes sont courbes. * Fichier SIG contenant le code et l’emplacement des horodateurs * Fichier SIG contenant l’emplacement des places PMR * Un logiciel de SIG (exemple : QGis) * Un logiciel tableur (exemple : Excel) Livrables * Fichiers SIG contenant les zones d’influence de chaque horodateur * Fichier SIG contenant des « sous-barrettes », découpées selon la zone d’influence des horodateurs * Table CSV contenant le nombre de places estimées par horodateur. ![page17image18960032](blob:https://app.gitbook.com/ea2b82db-44f5-4dcf-87a6-d8d22ca609d5) ![page17image18963984](blob:https://app.gitbook.com/73db5dde-bfb2-4701-a7a5-38cb50bb06ca) Projection du fichier Horodateurs (par couleur) #### Méthodologie par étape ***1. Définir la zone d’influence de chaque horodateur*** La première étape consiste à partitionner le territoire du centre-ville en autant de cellules (ou « zones d’influence ») qu’il y a d’horodateurs, de sorte que chaque horodateur soit le plus proche de tout point de sa zone d’influence (à vol d’oiseau, par souci de simplification). On considère que l’horodateur le plus proche (à vol d’oiseau) est celui que privilégiera tout automobiliste garé dans sa zone d’influence. Deux partitions de territoires sont à effectuer : une pour les horodateurs orange, une pour les horodateurs rouges, étant donné qu’un usager stationné en zone orange ne peut s’enregistrer qu’auprès d’un horodateur orange, et réciproquement pour la zone rouge. Technique retenue Spallian : Création de polygones de Voronoï à partir de l’emplacement des horodateurs sur QGis (une fois pour les horodateurs orange, une fois pour les horodateurs rouges) Polygones de Voronoï - Horodateurs orange ![page18image18956288](blob:https://app.gitbook.com/4e28841a-2573-4041-aad6-3ab2e52c0eb9) ![page19image18902816](blob:https://app.gitbook.com/e1029db4-b282-41a2-8eba-4fe9a0951ad3) Polygones de Voronoï - Horodateurs rouges 2\. ***Répartir les barrettes entre les horodateurs selon leur zone d’influence*** La plupart des barrettes de stationnement appartiennent à plusieurs zones d’influence. On souhaite donc découper chaque barrette en sous-barrettes, de sorte qu’une sous-barrette n’appartienne qu’à une seule zone d’influence. En anticipation de l’étape 3, nous calculons également la longueur de chaque barrette. Technique retenue Spallian : Sur QGis : calcul des longueurs de barrette à partir du fichier barrette, puis création des sous-barrettes via l’intersection des barrettes avec les polygones de Voronoï. *3**. Calculer le nombre de places de stationnement dans chaque sous-barrette*** Le nombre de places par sous-barrette n est calculé à partir de la longueur de la sous-barrette l, de la longueur de la barrette mère L, et du nombre de places N de la barrette mère : n=𝑁∗ 𝑙 𝐿 Technique retenue Spallian : Calcul des longueurs des sous-barrettes sur QGis, export de la table d’attribut des sous-barrettes sur QGis, traitement (calcul de n) dans Excel. ***4. Calculer le nombre de places dans la zone d’influence de chaque horodateur*** Il se calcule en additionnant le nombre de places de chaque sous-barrette rattachée à sa zone d’influence. Pour chaque horodateur, nous prendrons soin de n’additionner que les places des sous-barrettes du périmètre d’analyse : on ne garde que les barrettes dont le champ « reg » équivaut à « Courte durée », « Moyenne durée » ou « Réglementé ». Autrement dit, on ne garde que les places de stationnements requérant à l’utilisateur d’aller s’enregistrer auprès d’un horodateur. Technique retenue Spallian : Export de la table d’attributs du fichier horodateurs via QGis. Chaque sous-barrette exportée dans l’étape 3 dispose des attributs de ses parents, donc des horodateurs et des barrettes mères. Ainsi, pour chaque horodateur, identifié par un code horodateur, on additionne le nombre de places de chaque sous-barrette ayant le même code horodateur et dont la réglementation entre dans le paramètre d’étude (courte durée, moyenne durée, réglementé). ![](/files/-MYttjmJFTn9-cqTpz5x) Le fichier SIG barrettes indique le nombre de places de stationnement disponibles en voirie par barrette. Aucune distinction n’est faite entre les places « classiques » et les places réservées PMR. Or, comme nous l’avons vu précédemment, les places PMR ne font pas partie du périmètre de l’étude, car le stationnement sur ces places n’est pas soumis à l’enregistrement auprès d’un horodateur. Il faut donc retraiter les places PMR pour se rapprocher du taux d’occupation réel. Technique retenue Spallian : A partir des fichiers SIG barrettes et places PMR, création d’une zone tampon autour des barrettes de stationnement payant, puis récupération du nombre de places PMR dans la zone tampon, via QGis. Ensuite, réduction du nombre de places de stationnement disponibles (calculé en étape 4) pour chaque horodateur de : nombre de places PMR / nombre d’horodateurs. Cette technique se repose sur l’observation suivante : au sein de la zone tampon, les places de stationnement PMR sont réparties de manière uniforme. Technique complémentaire : Pour affiner la répartition entre les horodateurs, il est également possible de compter les places PMR dans les zones tampons de chaque sous-barrette (générées à partir des polygones de Voronoï), puis de réduire le nombre de places PMR entre les horodateurs en fonction de la zone d’influence dans lesquelles sont situées ces sous- barrettes (exemple : si la sous barrette X contient 2 places PMR dans sa zone tampon et que ces dernières appartient à la zone d’influence de l’horodateur 8, alors je viens réduire le nombre de places disponibles de l’horodateur 8 de 2). ### 3.2 - Places de stationnement disponibles par horodateur (méthode 2) Ressources utilisées * Fichier SIG projetant les barrettes de stationnement sur voirie en centre-ville et contenant le nombre de places de stationnement par barrette. A noter que certaines barrettes sont courbes. * Fichier SIG contenant le code et l’emplacement des horodateurs * Fichier SIG contenant l’emplacement des places PMR * Un logiciel de SIG (exemple : QGis) * Un logiciel tableur (exemple : Excel) Livrable * Tableau contenant le nombre de places par horodateur Méthodologie par étapes Nous partons du postulat que les horodateurs sont placés dans le centre-ville de sorte que chaque horodateur couvre dans son périmètre le même nombre de places de stationnement. En partant de ce principe, nous pouvons assigner de manière uniforme l’ensemble des places de stationnement disponibles (dans le périmètre d’étude) à chaque horodateur, en distinguant les horodateurs rouges des horodateurs orange. ***1. Déterminer le nombre de places par type de réglementation*** La première étape consiste à récupérer le nombre de places de stationnement dans le périmètre d’étude, en faisant une distinction selon la réglementation applicable à ces places de stationnement : « Courte durée », « Moyenne durée » et « Réglementé ». Technique retenue Spallian : Export de la table d’attributs du fichier SIG barrettes via QGis et traitement dans Excel. ***2. Déterminer le nombre d’horodateurs par couleur*** Ensuite, déterminer le nombre d’horodateurs par tarif (zone rouge ou zone orange). Technique retenue Spallian : Export et traitement de la table d’attributs du fichier SIG horodateurs via QGis et traitement dans Excel. ***3. Assigner le nombre de places à chaque horodateur*** Enfin, déterminer le nombre de places par horodateur en divisant le nombre de places par le nombre d’horodateurs. La distinction entre horodateurs orange et rouges doit être appliquée de la manière suivante : 𝑁𝑏 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟 𝑜𝑟𝑎𝑛𝑔𝑒 = 𝑇𝑜𝑡𝑎𝑙 𝑝𝑙𝑎𝑐𝑒𝑠 "moyenne durée" 𝑇𝑜𝑡𝑎𝑙 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟𝑠 𝑜𝑟𝑎𝑛𝑔𝑒𝑠 𝑁𝑏 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟 𝑟𝑜𝑢𝑔𝑒 = 𝑇𝑜𝑡𝑎𝑙 𝑝𝑙𝑎𝑐𝑒𝑠 "courte durée" + "𝑟é𝑔𝑒𝑙𝑒𝑚𝑒𝑛𝑡é" 𝑇𝑜𝑡𝑎𝑙 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟𝑠 𝑟𝑜𝑢𝑔𝑒𝑠 Technique retenue Spallian : Traitement dans Excel Correction : Prise en compte des places PMR Idem Partie I {% hint style="info" %} ***Quelle méthode choisir ?*** La méthode 1 postule que chaque automobiliste ira vers l'horodateur le plus proche de son véhicule stationné, à vol d'oiseau (sans prise en compte des cheminements piétons et sans prise en compte de la polarité exercée par le centre. Elle requiert que le fichier des barrettes et celui des horodateurs soient à jour de la réalité du terrain (travaux sur voirie, nouvel horodateur...) : tout écart peut donner lieu à des résultats incohérents. Cette méthode postule également que les places de stationnement sont réparties de manière homogène sur la longueur de la barrette, ce qui n’est en pratique pas forcément vrai : certaines corrections manuelles peuvent être prévues pour affiner les résultats. La méthode 2 postule que la collectivité a installé les horodateurs de sorte qu'ils soient utilisés de façon homogène, c'est-à-dire qu'ils recouvrent un nombre égal de places. Cette méthode ignore les cas de figure où un horodateur serait placé dans un quartier disposant de peu de places de stationnement payant, afin d'éviter que les usagers aient trop de distance à parcourir pour se rendre à l'horodateur. Les résultats de notre première analyse ont été réalisés à partir de la méthode 2. {% endhint %} A partir des données SIG de la commune, nous avons pu déterminer le nombre de places de stationnement disponibles par horodateur. Avec les extractions Flowbird, nous pouvons calculer le volume d’occupation par horodateur et par tranche horaire. Rapporter ce volume d’occupation par rapport aux places disponibles nous permet de calculer un taux d’occupation, par horodateur et par tranche horaire : il s’agit de l’objet de cette troisième et dernière étape. ### ***3.*** 3 Taux d’occupation par horodateur – tranche horaire Ressources utilisées * Tableau contenant le nombre de places de stationnement par horodateur (via la méthode 1 ou 2) * Extractions Flowbird * Information sur les politiques tarifaires de la Roche-sur-Yon (site web) * Un logiciel tableur Livrables * Script permettant de calculer le volume d’occupation, le taux d’occupation et la part de stationnements gratuits, par horodateur et par tranche horaire, à partir d’un historique de données Flowbird * Tableau contenant le volume et le taux d’occupation par association tranche horaire / horodateur Définitions * Volume d’occupation: nombre de véhicules stationnés dans un périmètre spatial (horodateur) et temporel (tranche horaire) donné. * Un moment = une minute + une heure + un jour + un mois + une année. Dans Excel, un moment équivaut vaut à une valeur numérique. La valeur « 1 » équivaut au 01/01/1900 et chaque unité vaut 1 jour (24h). Donc 2 équivaut au 02/01/1900. * Un enregistrement (de stationnement) est défini dans les temps par un moment d’arrivée (« Date horo ») et par moment de départ (« Date de fin »). * Une tranche horaire est constituée d’un moment de début, ou borne inférieure (ex : 01/10/2019 09:00) et d’un moment de fin, ou borne supérieure (ex : 01/10/2019 09:00) Pour calculer le taux d’occupation, nous distinguerons deux étapes : * Création des associations horodateurs / tranches-horaires : Dans un premier temps, nous souhaitons lister l’ensemble des associations tranches – horodateurs sur lesquelles il convient de calculer un volume et un taux d’occupation. * Calcul du volume et du taux d’occupation pour chaque association #### ***3.3.1. Création des associations tranches horaires / horodateurs*** Tout d’abord, nous identifions le jour de début et le jour de fin de l’extraction Flowbird que l’on souhaite étudier. L’espace temporel entre ces deux dates définit un intervalle. Dans cet intervalle, nous souhaitons énumérer l’ensemble des tranches horaires, heure par heure, comprises dans le périmètre d’étude ; on conserve donc uniquement les horaires payants, qui sont les suivants : * du lundi au vendredi, de 9 h à 12 h et de 14 h à 19 h ; * le samedi de 9 h à 12 h. * les jours fériés sont exclus Technique utilisée Spallian : Dans un document Excel, l’utilisateur saisit manuellement le jour de début et de fin de l’analyse qu’il souhaite mener. Il clique ensuite sur un bouton « Générer les tranches horaires » qui active un script VBA. Ce script vient boucler sur chaque jour compris entre les deux dates saisies, venant stocker dans un tableau l’ensemble des jours contenant des tranches horaires dans le périmètre d’étude ; ainsi, les dimanches et les jours fériés sont exclus (les jours fériés sont identifiés et saisis manuellement dans un tableau du fichier Excel, parcouru par le script). Ensuite, le script crée une nouvelle feuille Excel, boucle sur chaque jour compris dans le périmètre d’étude et alimente la feuille avec toutes les tranches horaires de chacun de ces jours. Ces tranches horaires sont enfin dupliquées autant de fois qu’il y a d’horodateurs : pour ce faire, on vient boucler sur le tableau listant l’ensemble des horodateurs, stocké également dans le fichier Excel. ![](/files/-MYtx7Lsr_lShdz8n6Uy) #### ***3.3.2. Calcul du volume d’occupation*** Pour calculer le volume d’occupation des associations tranches horaires / horodateurs créées en étape 1, nous parcourons l’ensemble des enregistrements de l’extraction Flowbird étudiée. Chaque enregistrement génère un volume d’occupation sur une ou plusieurs associations. Le volume d’occupation est calculé uniquement à partir enregistrements « classiques », ce qui exclut les paiements d’abonnements et les FPS (ce ne sont pas des paiements de stationnement). Pour chaque enregistrement, nous allons vérifier plusieurs conditions, nous permettant de déterminer le volume d’occupation qu’il génère ou non sur chaque association horodateur – tranche horaire. Chaque enregistrement est parcouru autant de fois qu’il y a d’association. Technique retenue Spallian : traitement via Excel. Après avoir généré ses tranches horaires, l’utilisateur clique sur un bouton « Calculer les taux d’occupation » et sélectionne l’extraction Flowbird qu’il souhaite analyser. Un script est lancé, qui va parcourir l’ensemble des enregistrements et renvoyer un volume d’occupation. Les volumes d’occupation de chaque enregistrement sont additionnés et répartis entre les différentes associations qu’ils impactent. ![](/files/-MYtxGNji-LBrbjy0HB4) *Exemple pour la tranche horaire « 9h – 10h » : Pour un jour donné, si je stationne AVANT 9h (condition colonne de gauche) et que je repars AVANT 9h (condition ligne du haut), le volume d’occupation de cet enregistrement sur la tranche horaire « 9h – 10h » sera nul.* #### ***Correction 1 : Réduire les temps de stationnements gratuits*** Pour calcule le volume d’occupation, nous partons du principe qu’un usager reste stationné sur sa place pour le temps qu’il a payé. En revanche, il convient de traiter différemment les stationnements gratuits (en zone payante). La Roche-sur-Yon offre aux usagers la possibilité de se stationner gratuitement en zone payante pour une durée maximale d’une heure. Pour autant, cela ne les dispense pas de s’enregistrer à un horodateur. Ces stationnements gratuits figurent donc dans les extractions Flowbird. Cette durée est, nous l’avons indiqué, maximale : les usagers prenant un « ticket » gratuit peuvent rester une heure, mais également 5 minutes, 15 minutes.... Ainsi, Nous avons réduits les temps de stationnements des enregistrements gratuits à 30mn au lieu de 1 heure, en estimant qu’en moyenne un usager prenant un ticket gratuit reste stationné 30 minutes. Technique utilisée Spallian : Pour chaque enregistrement de l’extraction Flowbird, si le champ « Moyen de paiement » équivaut à « Gratuit », alors nous réduisons le champ « Date de fin » de 30 minutes. NB : Nous avons exploité le travail de cette correction pour fournir un indicateur supplémentaire : la part de stationnement gratuits. Pour chaque association horodateur – tranche horaire, nous dénombrons, parmi les enregistrements dont l’heure de début appartient à la tranche horaire, ceux qui sont gratuits, et nous les rapportons à l’ensemble des enregistrements dont l’heure de début appartient également à la tranche horaire. *Correction 2 : Prendre en compte les abonné*s La Roche-sur-Yon propose des abonnements de stationnement aux résidents du centre-ville, qui leur permettent de stationner dans leur quartier de manière illimitée, sans avoir à s’enregistrer auprès d’un horodateur à chaque stationnement. Il convient donc d’augmenter le volume d’occupation en conséquence. Technique retenue Spallian : Tout d’abord, nous avons calculé la moyenne mensuelle du nombre d’abonnements activés sur 4 mois, de novembre 2019 à février 2020. La moyenne observée est de 426. Ensuite, nous nous sommes demandé s’il fallait minorer ce chiffre du fait que les résidents abonnés puissent partir en semaine travailler ailleurs et qu’ils ne sont donc pas stationner dans le centre-ville durant les périodes observées dans cette étude. Cependant , l’étude de stationnement publiée en 2018 indique qu’il y a environ 500 résidents non-mobiles, c’est-à- dire des véhicules toute la journée. Ce chiffre est donc supérieur à nos 426 abonnements, et on peut considérer qu’il est probable que ces abonnements sont pris pour les véhicules non mobiles. Ainsi, nous avons décidé d’augmenter le volume d’occupation de 426 véhicules. Enfin, nous avons réparti ces 426 véhicules abonnés sur les horodateurs, de manière proportionnelle au nombre de places dans la zone d’influence de chaque horodateur. Nous avons ajouté une colonne dans l’onglet « horodateur ». Les valeurs de cette colonne sont utilisées dans le script qui calcule le volume d’occupation. #### ***3.3.3. Calcul du taux d’occupation*** Après avoir calculé les volumes d’occupation pour chaque association horodateur – tranche horaire, il suffit de les rapporter au nombre de places disponibles par horodateur pour trouver le taux d’occupation de chacune de ces associations. 𝑇𝑎𝑢𝑥 𝑑′𝑜𝑐𝑐𝑢𝑝𝑎𝑡𝑖𝑜𝑛 = 𝑉𝑜𝑙𝑢𝑚𝑒 𝑑′𝑜𝑐𝑐𝑢𝑝𝑎𝑡𝑖𝑜𝑛 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟 Technique retenue Spallian : traitement via Excel (script VBA). Le nombre de places disponibles par horodateur est récupéré dans l’onglet « horodateur », à partir du code horodateur. Cette étape est réalisée dans la continuité de l’étape 2. ![](/files/-MYtxRhGlF-LE0AkgsXz) A partir de ces résultats, il est possible de piloter la politique de stationnement mais également de créer graphiques et indicateurs qui peuvent être utilisés pour communiquer auprès des usagers quant à la saturation en centre-ville. Ces résultats peuvent également être diffusés en open data. #### 3.3.4 Corrections complémentaires Comme nous l’avions mentionné lors de nos réflexions préliminaires (cf. II. 1), utiliser le jeu de données Flowbird pour déterminer un volume d’occupation constitue un détournement de sa vocation initiale, qui est la gestion des paiements. Ce détournement implique des biais calculatoires plus ou moins importants, et plus ou moins facilement corrigeables. Dans la méthodologie proposée ci-dessus, les biais qui nous paraissaient les plus importants ont été adressés : réduction des temps de stationnement gratuits (< 1h), prise en compte des abonnés. Cependant, d’autres biais demeurent, et pourraient à l’avenir être corrigés, afin de se rapprocher le plus possible du taux d’occupation réel. ![](/files/-MYty-efyvucW84y7kqz) ## ## 4 - Mise en œuvre de la méthodologie La méthodologie développée a été mise en œuvre sur les données générées par l’ensemble des horodateurs Flowbird d’avril 2018 à décembre 2019. Ainsi, pour l’ensemble des associations tranche horaire – horodateur comprises entre avril 2018 et décembre 2019, nous disposons des informations suivantes : taux d’occupation, volume d’occupation, et part de stationnement gratuit. Ces données permettent à la commune de La Roche-sur-Yon de : * Piloter sa politique de gestion du stationnement (usage interne) * Communiquer aux usagers (usage externe) Afin de mettre en valeur ces résultats et d’en faciliter l’interprétation, nous avons créé un tableau de bord interactif, contenant différentes visualisations de données. ## 5 - Pour aller plus loin ### 5.1 Communiquer auprès des usagers Les résultats générés au travers de la méthodologie actuelle peuvent être utilisés pour créer des valeurs de référence. Ces valeurs de référence sont des moyennes qui permettent de « prédire » la situation actuelle de stationnement et de communiquer à l’usager l’état du stationnement du centre-ville « par rapport à d’habitude ». Ces valeurs de référence peuvent être déclinées et communiquées sous plusieurs formes, et via différents canaux. ***Création de valeurs de références*** Piloter et communiquer à partir de valeurs de références nécessite de réfléchir à la manière dont on va ‘regrouper’ les taux d’occupation par tranche horaire pour en faire des moyennes. L’enjeu est de regrouper les associations tranche horaires – horodateur comparables tout en gardant des groupes statistiques de taille assez élevée. Ci-dessous une proposition de de valeurs de références, construites à partir d’une double approche : temps et géographique. **Approche temps** Ici, il s’agit d’identifier les périodes dans l’année où l’activité en centre-ville, caractérisée par la typologie et le comportement des individus, est homogène. Nous avons mené cette réflexion à différentes ‘échelles’ temporelles : heures de la journée, jour de la semaine et vacances. * Heure de la journée : Les valeurs de référence ne doivent pas regrouper plusieurs tranches-horaires (exemple : matin VS après-midi) car l’activité en centre-ville peut-être très différente entre deux tranches. * Jour de la semaine : Les valeurs de référence ne doivent pas regrouper des tranches- horaires de plusieurs jours de la semaine, car l’activité en centre-ville peut être très différente entre deux jours de la semaine. Par exemple, le lundi est journée particulière car certains commerces sont fermés. Certains employés et certains consommateurs ne feront donc pas le déplacement le lundi, ce qui modifie l’afflux de véhicules en stationnement par rapport au reste de la semaine. L’évolution des stationnements en fonction des tranches horaires est différente avec un taux d’occupation important entre 9h et 10h que l’on ne retrouve pas les autres jours de la semaine, et un pic de stationnement moins important vers les 15h. Le samedi doit également être analysé de manière isolée car le comportement des usagers est différent et leurs habitudes de consommation varient. En effet, le samedi est un jour du week-end avec les commerces encore ouverts. Les usagers ne sont pas les mêmes, les comportements diffèrent. En ce qui concerne les autres jours de la semaine, on constate également des différences en termes de stationnement : c’est notamment le cas du jeudi après-midi, qui, selon Service Gestion du Domaine Public et du Stationnement de la Roche-sur-Yon, fait l’objet d’une activité nettement plus dense que les autres moments de la semaine. Ainsi, nous avons fait le choix d’isoler chaque tranche horaire et chaque jour de la semaine, la variabilité du taux d’occupation en fonction de l’horaire et du jour de la semaine étant relativement importante. * Vacances * Vacances scolaires : Lors des vacances scolaires, une partie de la population est modifiée et se comporte différemment. Les familles ont tendance à faire plus d’excursions dans le centre-ville. Certains pendulaires seront également en congé en même temps que leurs enfants. Nous avons donc choisi d’isoler ces périodes. * Vacances de Noël : Les vacances de Noel sont différentes des vacances scolaires ‘classiques’ car beaucoup de personnes sont en mouvement (flux d’entrée et flux de sortie) et font également des consommations peu habituelles ; le stationnement en centre-ville en est donc modifié. C’est une période de l’année ou les commerces ont les affluences les plus importantes. * Vacances estivales : Durant les vacances estivales, les stationnements sont différents et une partie de la population quitte la ville. Même si un afflux touristique est tout de même à noter, la fréquentation des stationnements sur voirie reste tout de même en baisse. * Hors vacances *Exemple : pour déterminer le taux d’occupation du jeudi 4 juillet 2019 à 10h30, je vais faire la moyenne des taux d’occupation de l’ensemble des associations tranche horaire – horodateur de la tranche horaire ‘9h – 10h’ de tous les jeudi de juillet et août (vacances estivales).* ***Approche géographique*** Les valeurs de référence peuvent être générées et communiquées au niveau horodateur (taux d’occupation de l’horodateur 5), au niveau du centre-ville (taux d’occupation de tous les horodateurs), mais également à une échelle intermédiaire correspondant à un ensemble logique d’horodateur (à définir). Dans ce dernier cas, nous pourrions parler de secteur. ***Approche spécifique*** De manière complémentaire à ces approches, il pourrait être pertinent de créer des valeurs de référence spécifiques relatives à des événements particuliers, tels que la foire mensuelle, ou encore les soldes. NB : pendant la période de travaux des Halles, la foire mensuelle a lieu place du Théâtre, rues Salvador-Allende et Jean-Jaurès, ce qui peut altérer les taux d’occupation (baisse du nombre de places disponibles) de certains horodateurs, et donc de biaiser les valeurs de référence. {% hint style="info" %} Des analyses quantitatives complémentaires peuvent être réalisées afin d’établir des regroupements assez grands, tout en restant homogènes {% endhint %} ***Canaux de communication (Où ?) :*** * Site web : canal de communication « pull », où l’usager vient chercher l’information par lui-même via le site internet. Ce canal de communication permet de fournir une information détaillée, interactive et visuelle. * Panneaux d’affichage dynamiques en voirie : canal de communication « push », l’information est adressée de manière proactive à l’usager, au moment où il en a le plus besoin : au volant, sur voirie, quand il cherche une place de stationnement. * Application ROCHE+ : canal de communication « pull », où nous retrouvons une information similaire à ceux des panneaux d’affichage dynamique. Nous pouvons également imaginer que l’information soit poussée à l’usager via une notification ; cette dernière pourra être envoyée et personnalisée selon la localisation du smartphone de l’usage. Ces canaux de communication peuvent être exploités de manière conjointe et complémentaire. D’autres communications, plus ponctuelles, peuvent également être envisagées : dans le journal de la ville, au travers de débats et d’ateliers citoyens, des infographies... Ces modes de communication ont une visée plus pédagogique, qui permettent notamment d’appuyer les choix de la commune en matière de stationnement, ou encore d’inciter à l’utilisation de moyens de transports alternatifs. **Messages (Quoi ?) :** * Graphiques et cartographies : une information détaillée dans le temps et l’espace (exemple : taux d’occupation moyen en centre-ville par tranche horaire). * État et stratégie de stationnement : déclinaison des valeurs de référence sous forme textuelle, incitant éventuellement à type de comportement . ***Exemples de messages*** Sur le site web : cartographie colorant les secteurs du centre-ville selon leur taux d’occupation (3 couleurs selon le taux d’occupation : faible / moyen / élevé). Si je clique sur un secteur, un message sur l’état du stationnement et sur la stratégie à adopter s’affiche. Par exemple, si je clique sur le secteur A, « le stationnement dans ce secteur est habituellement difficile, nous vous conseillons d’aller vous stationner au parking relais X ». Bien sûr, l’alternative proposée devra être différente selon le secteur. En voirie : panneau d’affichage digital indiquant le niveau d’occupation de stationnement au travers d’un code couleur, facilement et rapidement compréhensible par l’usager qui conduit. Cette indication est accompagnée d’une suggestion de stratégie de stationnement, basée sur le prix et le temps nécessaire pour accéder au centre-ville. Ci-dessous deux propositions d’affichage : Proposition 1.1 : Panneau digital – Taux d’occupation élevé ![page34image18918784](blob:https://app.gitbook.com/d2cf25c0-f5cf-4ecc-9e6d-2bd8ea8b36aa) * Communication textuelle, décrivant un état du réel (supposé), et non de chiffres qui nécessitent un effort d’interprétation. L’utilisation de couleurs (rouge et vert) renforce l’impact et la compréhension rapide du message. * Emploi du terme ‘risque’ permettant de refléter l’utilisation valeurs de références, et non de données en temps réel (risque de stationnement difficile ≠ stationnement difficile) * Proposition d’une alternative au stationnement en centre-ville, dont le stationnement est difficile : le parking relais. Proposition 1.2 : Panneau digital – Taux d’occupation faible ![page35image18912128](blob:https://app.gitbook.com/a2910d51-c319-451f-ac51-00e74196f3ec) • Proposition d’une alternative au stationnement en centre-ville même quand le taux d’occupation est faible, ce qui permet de prévenir le risque de stationnement difficile et d’informer l’usager des différentes possibilités de stationnement qui existent Proposition 2 : Panneau LCD ![page35image18917120](blob:https://app.gitbook.com/52e6747c-9971-4ee2-abce-f911b2a44586) ***Mise à jour (Quand ?)*** Pour avoir des valeurs de références les plus proches de la situation en temps-réel, il convient de mettre à jour la base de données régulièrement. Nous pouvons imaginer un processus où, chaque début de mois, une personne en charge du stationnement extrait les données Flowbird du mois précédent sur Smartfolio, applique le script sur ce jeu de données, et importe ces résultats en base de données. ***Enjeux des valeurs de références*** Les valeurs de référence s’appuient sur le passé pour estimer le présent. Communiquer avec ces dernières sur le présent peut conduire à des inexactitudes : si par exemple, le mardi après- midi, le taux d’occupation est habituellement faible (valeur de référence), un événement inhabituel et inattendu peut conduire à le rendre très élevé. Pour corriger ces inexactitudes, une utilisation en temps réel des données Flowbird peut être envisagée. Cette approche temps-réel pourrait être combinée avec l’approche par valeurs de référence pour communiquer aux usagers (exemple ci-dessous). ![page36image18883104](blob:https://app.gitbook.com/322188e3-7b66-49b2-8173-ea3b57590ead) *Graphique présent sur les fiches Google des lieux publics. Les données en bleu correspondent aux horaires d’affluence moyennes observées (valeurs de références), les données en rose correspondent à l’affluence en direct (temps réel)* ### 5.2 Exploiter les données en temps réel La méthodologie actuelle permet de calculer des valeurs de référence, mais peut également être adaptée pour fournir des indicateurs en temps réel. Néanmoins, l’approche temps-réel fait naitre de nouvelles questions. **Comment récupérer les données de manière automatique ?** L’approche temps-réel nécessite d’interroger la base de données Flowbird régulièrement (plusieurs fois par jour). Cette récupération ne peut donc pas se faire manuellement, mais de manière automatique. Ce mode de récupération automatique doit être réalisé via une API. **A quelle fréquence faut-il récupérer les données ?** L’enjeu est ici d’actualiser les données le moins souvent possible tout en gardant un certain niveau de précision. Deux méthodes sont possibles : * Récupérer les données de manière régulière. L’étude de 2018 montre que 51% des stationnements sont de courte durée (< 2h) et 23% sont inférieurs à 1h. La rotation étant donc assez élevée, les taux d’occupation peuvent potentiellement évoluer rapidement. Nous conseillons donc d’actualiser les données toutes les 30 minutes, voire toutes les heures au maximum, et ce sur les tranche-horaires payantes uniquement. ![](/files/-MYu0cvAKIUkD4pVYTVb) ... * Récupérer les données à chaque fois qu’un utilisateur se connecte (couplé à une limite de connexion : actualiser si personne ne s’est pas connecté depuis x minutes). Cette solution peut être envisagée sur le site web, mais pas pour l’affichage en voirie (car en voirie personne ne se connecte). Nous recommandons donc la première approche, qui permet d’utiliser les données en temps réel en voirie et sur le site web. **Quel volume de données faut-il récupérer ?** L’enjeu est ici de récupérer le plus petit volume de données tout en gardant un certain niveau de précision. Deux méthodes sont possibles * Récupérer les enregistrements des stationnements encore en cours, c’est-à-dire pour lesquelles la ‘Date de fin’ est postérieure à l’heure à laquelle la requête est faite. Il s’agit de la méthode la plus efficiente. * Récupérer tous les enregistrements dont la date de début est comprise dans les 21 dernières heures, ce qui permet d’avoir 100% des stationnements, en partant du principe que les usagers prennent des tickets de 4h maximum. Cas de stationnement de 21 heures : je stationne un mardi à 17h, et je paie pour 4 heures de stationnement, en plus de l’heure gratuite qui m’est offerte, ce qui me donne 5 heures de stationnement sur créneau payant. Ainsi, 2 heures sont utilisées de 17h à 19h, puis le stationnement est non-payant jusqu’au lendemain à 9h. De 9h à 12h, mes 3 dernières heures payées sont écoulées, puis de 12h à 14h le stationnement est non-payant. Ainsi, pour un stationnement payé à hauteur de 4 heures en semaine, j’ai le droit de stationner 21 heures. Le cas du week-end est exclu, pour ne pas gonfler ce nombre d’heures maximum. Cette méthode pourrait être affinée pour réduire ce nombre de 21h et donc récupérer moins de données à chaque actualisation. En étudiant l’historique de données Flowbird, il est possible de déterminer le nombre d’heures à récupérer pour comprendre 90% des enregistrements, sachant que les 10% exclus sont les plus susceptibles d’être déjà partis (comme les personnes dans la situation du cas ci-dessus). Quelle que soit la méthode, les requêtes ne seront faites que sur les enregistrements ‘classiques’, pour lesquels le champ ‘Type usager:’ = 1. Les autres types d’usagers correspondent aux paiements des abonnements et des FPS, et non à des stationnements. ## 6. Conclusion et recommandations Le méthodologie développée au sein du présent document permet, à partir des données de stationnement Flowbird et des données SIG de la commune : * De déterminer le nombre de places de stationnement en voirie pour chaque horodateur * De calculer les volumes d’occupation, les taux d’occupation et la part de stationnements gratuits (inférieurs à une heure) pour chaque horodateur et par tranche horaire (tranches payantes uniquement) Afin de valoriser cette méthodologie pour fluidifier le stationnement en centre-ville (et notamment pour rediriger les usagers en parking-relais) , nous préconisons différentes actions, à court, moyen et long terme. Des recommandations ont également été formulées dans le but d’affiner la méthodologie pour tendre vers un taux d’occupation réel. **A court terme** * Réaliser une étude d’impact en vue d’une hypothétique publication de jeux de données en open data, en réfléchissant à la façon dont chaque donnée peut être perçue / interprétée / réutilisée. Exemple : des données agrégées sur l’occupation des parkings ou des données agrégées résultant de l’exploitation des horodateurs. * Publier une infographie sur le site web ou le journal municipal avec des chiffres clefs issus de l’analyse des données horodateurs * Publier un contenu interactif sur le site web ou l’appli Roche + à l’attention des habitants afin d’instruire leurs décisions de stationnement. * Ajouter des vues dans le tableau de bord afin de pouvoir visualiser les volumes d’occupation et les places disponibles par horodateur (numérateur et dénominateur du taux d’occupation **A moyen terme** * Méthodologie : * Mettre à jour les fichiers SIG des barrettes pour connaître le nombre réel de places sur la voirie * Faire une étude qualitative pour vérifier l’hypothèse que les stationnements « gratuits – 1h » restent en moyenne une demi-heure * Réaliser une étude terrain afin de : déterminer le pourcentage de stationnements de détenteurs de cartes GIG/GIC sur des places de stationnement payants, puis appliquer un correctif dans le script afin d’augmenter le volume d’occupation * Déterminer le nombre de véhicules électriques ayant un macaron, localiser les bornes de recharges et appliquer correctif afin d’augmenter le volume d’occupation des horodateurs proches des bornes de recharge (endroits où les véhicules électriques ont le plus de chances de stationner). * EtudierlesdonnéesFPSafind’identifierleniveauetdestationnementillicite et appliquer un correctif sur le volume d’occupation * Déterminer les valeurs de références les plus pertinentes via une analyse quantitative des données Flowbird. * Tableau de bord\ o Visualiser les données des horodateurs par secteur (groupements d’horodateurs à déterminer) * Ajouter les emplacements des parking fermés avec des informations d’occupation (exemple : taux de remplissage) **A long terme** * Etudier avec le prestataire Flowbird les conditions techniques de la mise en place d’un flux de données temps réel * Etudier avec les autres services de la ville les supports qui permettraient d’acheminer l’information à l’usager en temps réel (affichage urbain dynamique, services à développer sur Roche + et/ou le site web) ## 6 - Les documents de capitalisation {% embed url="" %} --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://opendatafrance.gitbook.io/experimentations-action-coeur-de-ville-data/saison-1-commerce-et-mobilite/saison-1-groupe-mobilite/experimentations-villes/la-roche-sur-yon.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.