La Banque Mondiale : exploiter les données spatiales pour prioriser les investissements des infrastructures routières dans les pays en développement

Retour d'expérience Retours d'expérience Business Big Data

26/09/2023 | 14h25 - 14h50 | Amphithéâtre Bleu

Description

· Projet de prise de décision basé sur les risques qui vise à répondre à l’objectif 9 des Nations Unies : Industrie, innovation et infrastructures
· Présentation d’un projet de modélisation numérique du réseau routier propice à déterminer l’exposition à des aléas climatiques déployé en Tunisie, Mexique, Pérou et à l’échelle des pays. Pour chaque pays, la quantité de données traitées varie de 100 à 500 Go.
· Analyse de données satellitaires (RVB, multispectrales, SAR) de sources multiples : soit accessibles librement, soit provenant d'initiatives financées par des fonds publics comme Sentinel, soit de source ouverte comme OpenStreetMap ou issues d'initiatives financées par le grand public comme Mapillary enrichis d'indicateurs clés tels que les indices de chaussée et de rugosité.
· Priorisation des investissements routiers selon les zones géographiques les plus lacunaires et étude d’impact
· Au cœur de ce projet, pipelines d'ingestion de données, modèles ML, segmentation d'images et extraction de caractéristiques sont pratiquées.
· Illustration technique des méthodes d’agrégation, de contextualisation et de traitement de donnée à l’échelle voire méthodes de calculs et processus liés à l’intelligence artificielle sur de la donnée visuelle
· Résultats et retours sur investissements pour les trois premiers pays ainsi que le plan de déploiement

Ce projet s’articule en quatre étapes :
1. La construction du modèle d'itinéraire à l'aide de données open source
2. L’enrichissement du modèle avec des données visuelles
3. La production de modèles d'exposition aux risques climatiques
4. La validation des modèles en confrontation à la réalité du terrain

PLUS DE CONTENUS EXCLUSIFS BIG DATA & AI