1. AI et Big Data
Pour le développement territorial
Pr Hajji Hicham
Spatial Big Data and ML Expert
https://www.linkedin.com/in/dr-hajji-hicham-6601606/
2. Plan
• Big Data et Développement urbain
• AI et Développement urbain
• Quelques Use Cases
3. Big Data et Développement urbain
Big Data ou Données massives:
Mot tendance pour décrire
*beaucoup* de données!
Et dans l’urbain ?
Oui c’est bien
Mais ca reste flou
4. Smart Metering et compteurs intelligents
Exp: l’Eau et Eletricité
Un dispositif électronique qui
enregistre la consommation d’eau/électricité à intervalles d’une heure ou
moins
communique ces informations pour le suivi et la facturation
Besoin :
Produire des profils des clients précis
Détection des fuites…
Stocker ce volume de données en temps réel
Lancer des requêtes analytiques complexes
5. Images satellites urbaines
• Les sociétés d’imagerie commerciale collectent plus
de
• 100 Téraoctets (To) ou plus par jour, chaque jour,
• 365 jours par an,
• accumulant d’énormes ensembles de données mesurées
en pétaoctets par entreprise.
A Bird’s-Eye View of Earth: Petabytes
of satellite data at our fingertips
Besoin:
Monitoring de La population humaine
“More than 40 commercial companies have launched imaging satellites in the past 10 years,” said
Janice Starzyk, Vice President of Commercial Space for analytics and engineering firm Bryce
Space and Technology. “We count 36 commercial earth observation companies as start-up space
companies. Twenty-one of these were founded between 2014 and 2019.”
6. Mobilité urbaine
• la quantité estimée de données provenant des capteurs individuels du
véhicule à partir du troisième niveau d’autonomie, la quantité totale de
données transmises est d’environ 19 To / h.
• Pour les véhicules qui entrent dans la catégorie inférieure de l’autonomie, la
quantité estimée de données produites est d’environ 1,4 To/h.
• Un véhicule peut produire plus de 5500 To de données par an..
7. Open Data et autres initiatives
• Open Data:
• Documents d’urbanismes
• Documents d’aménagement
• Systèmes d’informations géographiques
• Cadastres
• …
8. Modélisation du changement climatique
• Beaucoup de modèles climatiques utilisent des
superordinateurs pour réaliser des simulations du
changement climatique.
Besoin :
Modélisation précise du Changement Climatique
Modélisation et analyse plus rapide
Analyse en temps réel
9. Modélisation intensive des inondations urbaines
• Les modèles informatiques de l’hydrologie
urbaine sont très consommateurs de données
et en temps de calcul
Besoin pour les praticiens de :
Utiliser des modèles de plus en plus complexes
Corriger en temps réel des modèles hydrologique
Modéliser avec précision les basins versants
10. Caractéristiques des données massives
Changement de Paradigme avec le Big Data
Approche traditionnelle Approche Big Data
Analyser une petite portion de data Analyser toutes les données
information
Analysée
12. Intelligence Artificielle
• En utilisant des algorithmes:
• Machine learning
• Deep Learning à base de réseaux de neuronnes
• Les réseaux d’apprentissage profond sont une fonction d’approximation
universelle qui pourrait résoudre n’importe quel problème
17. DEFIS de IA et Big Data
Défis :
IA:
L’IA a besoin de beaucoup de données
Ces données nécessitent des traitements non
traditionnels
Big Data
Les approches traditionnelles de stockage
et de calculs non efficaces
Stockage distribué et lac de données
Calcul distribué
3(4,5)V’s: volume, vélocité, variété
18. Analytique urbaine
Les recettes d’une bonne analytique urbaine :
Big Data
Capacités de
calculs
importantes
Algorithmes
intelligents qui
apprennent de
ces données
19. Applications urbaines
Big Data et IA
Cartographie de la pauvreté avec IA
Extraction des empruntes de bâtiments avec IA
Efficacité énergétique avec SunRoof
Air Quality Monitoring avec Big Data et AI
Smart Metering et BiG Data
Google Earth Engine
Microsoft Planetary Computer
Transportation
20. Cas d’utilisation – Use case 1
Smart Grid : Capteurs et Smart Metring
• Projet SmartMetering (Microsoft Azure Research Award)
• Projet BiG Data For Water Management
https://github.com/hajjihi/BD4WM
Trois types de données
relatives à l’EAU testés dans
notre framework
Water Smart Metering data
Weather Station Data
Climate Data (netDCF)
Comment analyser et traiter une telle quantité de données?
21. Cas d’utilisation – Use case 2
Cartographie de la pauvreté avec IA
- Les données sur la pauvreté dans les pays en développement ,
sont généralement :
- rares,
- peu couvertes
- et nécessitent beaucoup de main-d’œuvre.
- En revanche l’imagerie satellitaire à haute résolution devient de
- plus en plus disponibles
- et peu coûteuses.
- Couvrent toute la planète
- Idée
- Comme marker d’activité humaine:
- L’intensité lumineuses nocturne peuvent être utilisée
comme un indicateur de pauvreté
- Plusieurs approches ont été proposées depuis 2016
Proceedings of the AAAI Conference on Artificial Intelligence, 2016
22. Cas d’utilisation – Use case 3
Extraction des empreintes de bâtiments urbains
Les empreintes des bâtiments
- Une des principales informations cadastrales relatives à la
population et aux villes.
- Clé pour la planification urbaine et l'élaboration des politiques.
- Les services et infrastructures clés dépendent d'informations
actualisées sur la population et les bâtiments
23. Cas d’utilisation – Use case 3
Extraction des empreintes de bâtiments urbains
24. Cas d’utilisation – Use case 4
Inspection intelligente des défauts des Panneaux Photovoltaïques
avec Drone et IA
- Les énergies renouvelables sont de plus en plus omniprésentes, y compris au
Maroc
- L’inspection des PVs :
- Très couteuse
- Très lente
- Manuelle
Hotspots
Délaminations
Décolorations
Cracks
Pourquoi ne pas utiliser drone et IA?
25. Cas d’utilisation – Use case 4
Inspection intelligente des défauts des panneaux
photovoltaïques avec Drone et IA
26. Cas d’utilisation – Use case 5
Estimer le potentiel de génération d’énergie solaire de sa maison
Sunroof évalue l’ensoleillement des toits à
partir d’une adresse dans Google Maps
- Combine ces informations en utilisant
Machine Learning avec :
- des tendances météorologiques historiques,
- de la position du Soleil selon les saisons,
- de la forme des toits
- et de l’ombre induite par les objets situés à
proximité, comme les arbres ou les bâtiments
adjacents.
- Actuellement uniquement qq villes au
Monde (US, Paris …)
https://sunroof.withgoogle.com/
31. - Initiative de Microsoft
- Le Planetary Computer Data Catalog comprend des pétaoctets de
données de surveillance environnementale
- Dans des formats cohérents et prêts à l’analyse.
- Toutes ces données sont accessibles via Azure Blob Storage
Cas d’utilisation – Use case 8
32.
33. Cas d’utilisation – Use case 9
• Plusieurs startups geospatiales sont nées pour remédier à un problème principal:
• La plupart des images sont du mois dernier, semaine dernière ;-)
• Besoin de données satellites en quasi-temps réel :
• pour monitoring des habitations clandestines dans l’urbain et le suivi de grands projets
• Commander des images satellites personnalisées
• Créer des workflow automatisé ML et IA
• Planet.com a plus de 200 satellites avec un taux de revisite le plus rapide au monde
• Constellations Dove et SkySat capturent plus de 25 téraoctets d’images chaque jour
34. Autres comme
• Astraea (https://astraea.earth)
• is a commercial cloud platform which has a well-structured satellite and
spatial data processing workflow as a distinctive feature.
• Descartes Labs (https://www.descarteslabs.com )
• is a commercial cloud platform that aggregates and prepares satellite data
for further analysis from various data providers
• Sentinel Hub (https://www.sentinel-hub.com )
• is a commercial platform with great opportunities for research and solving
scientific problems.
• Earth Observing System (https://eos.com )
• is a commercial cloud platform that provides access to a wide range of
satellite data, including ultra-high resolution
• ArcGIS Online
• is a commercial cloud platform from a well-known developer of
geographic information systems (GIS), which is primarily a cloud GIS.
Provides a wide range of tools for working with geospatial data (raster and
vector), including analytics and a Python API.
35. • Projet Polluscope:
• Observatoire participatif pour la surveillance de l’exposition
individuelle à la pollution de l’air en lien avec la santé
• Évaluer sur le terrain l’exposition individuelle à la pollution
de l’air et de ses effets sur la santé
• En utilisant des capteurs individuelles
Cas d’utilisation – Use case 10
Monitoring de la qualité d’air
36.
37. • Infrastructure:
• Capteurs pour le monitoring des routes et la fluidité du Traffic
• Véhicules:
• Capteurs sur les véhicules intelligents
• Eviter les Collusions
• Navigations
• Citoyens:
• Applications pour la prédiction du traffic
• Planification d’itinéraire plus efficace
Cas d’utilisation – Use case 11
Gestion de la mobilité
38. • Initiation Plan Go Boston 2030
• IA dans le plan de transport
• London for smart mobility:
• capital to be zero carbon by 2030
• Paris CAPITALE ÉCOLOGIQUE D'ICI 2050
Cas d’utilisation – Use case 11
Gestion de la mobilité
40. Conclusion
• Big Data
• Algorithmes intelligents qui apprennent de ces données
• Capacités de calculs importantes
Les recettes d’une bonne analytique urbaine est
Et Beaucoup de choses reste à construire chez nous
pour une analytique urbaine