Ce document décrit le processus technique complet du projet, de l’acquisition des données brutes à la publication des cartes interactives.
Rôle : Base de données spatiale centrale — stockage, indexation et requêtage de toutes les données géographiques.
Déploiement : Instance locale via Docker (postgis/postgis:16-3.4).
Rôle : ETL, calcul des scores, cartographie interactive, visualisations d’analyse.
Rôle : Validation visuelle des données via la connexion à la DB PostGis — vérification des projections, de la cohérence des géometries et d’échantillon de données.
Rôle : Environnement de développement. Chaque notebook correspond à une phase du projet et documente les choix effectués.
Identification des colonnes utiles et du format de chaque fichier pour s’assurer d’un ETL sain :
Cinq tables principales dans le schéma idf créé :
Index GiST sur toutes les colonnes géométrie, index B-tree sur les codes commune (insee_com) et types d’équipement (typequ) pour permettre des les appliquer en clause pour limiter la carte à l’IDF et les équipements choisis.
Chargement via GeoPandas avec set_crs(EPSG:2154) puis reprojection en WGS84 pour Folium. La projection Lambert-93 est conservée en base pour tous les calculs métriques.
Filtrage aux 8 départements IDF et aux 60 types d’équipements retenus. Construction de géométries Point à partir des coordonnées Lambert-93 LAMBERT_X/LAMBERT_Y. Ajout d’une colonne indicator mappant chaque code TYPEQU vers un nom lisible via FACILITY_TYPES dans config.py.
Pivot du format long vers le format large (une ligne par commune, une colonne par indicateur). Agrégation pondérée par population pour Paris (niveau commune 75056, pas par arrondissement).
Agrégation des données IRIS (quadrillage en zone de 200m2) vers le niveau commune.
Traitement via DuckDB directement sur le fichier Parquet (~20 millions de lignes) sans chargement en mémoire. Agrégation par commune et type d’équipement avec moyenne pondérée par population :
SUM(duree * pop) / NULLIF(SUM(pop), 0) AS avg_travel_min
Cette moyenne reflète le temps de trajet vécu par les habitants réels, et non par les cellules géographiques vides (zones industrielles, forêts…)
Plusieurs codes TYPEQU peuvent correspondre au même indicateur. Trois méthodes d’agrégation selon la nature du groupe :
| Méthode | Application | Justification |
|---|---|---|
| MIN | École primaire (C108+C109), lycée pro (C302+C303), sécurité, alimentaire… | Les codes sont fonctionnellement équivalents — le plus proche suffit |
| Médiane simple | Sports autres, culture | Types hétérogènes mais de valeur comparable |
| Médiane pondérée | Enseignement supérieur public, enseignement supérieur privé | Institutions avec des volumes d’élèves très différents — les universités (C501/C502, poids 4) doivent peser davantage que les établissements acceuillant moins d’élèves (C403, poids 1) |
Pour chaque indicateur, le temps de trajet de chaque commune est converti en score 0-1 par rang percentile :
score = 1 - (rang - 1) / (N - 1)
Avantage et désavantage du rang percentile Le rang percentile évite qu’une valeurs extrême (temps de trajet jusqu’à X équipement > 70 min) compresse les communes dans les meilleurs valeurs si on utilisait une classification min-max. Le désavantage est que les commune ayant des temps de trajets exceptionnellement courts sur X équipement seront moins mis en valeur dans le classement (ex : rang 1 = trajet de 1 min, rang 2 = trajet de 10 min. Rang 1 sera moins mis en valeur )
Moyenne pondérée des scores indicateurs au sein de chaque dimension. La dimension Alimentaire applique des poids internes : supermarché ×4, épicerie locale ×2, boulangerie ×1.
Moyenne pondérée des scores de dimension :
IPS = (Somme des score par dimension × poids de chaque dimension) / Somme des poids de toutes les dimensions
Poids totaux : 36. Distribution résultante : moyenne 0.50, écart-type 0.216, min 0.030, max 0.951.
setStyle()) sans rechargement de donnéesloadScript() après initialisation complète de LeafletCe projet a été développé avec l’assistance de Claude. L’IA a été particulièrement utile pour :
Les choix statistiques, de méthodologie, pondération , sélection et exploration des données et des équipements utilisés dans les cartes etc sont des choix seulement fait par l’auteur.