Les haies sont un moyen efficace de retenir les eaux pour prévenir les inondations.
La région a mené une action pour planter 4000 kilomètres de Nouvelles haies. Mais où sont-elles situées ? Cela correspond il aux zones inondables. Y a -t-il des territoires qui manquent de haies?
Nous proposons de visualiser ces plantations afin d’estimer leur répartition et l’adéquation de celles-ci aux territoires les plus menacés par les inondations et/ou au manque de biodiversité.
Quels sont les groupes de personnes concernés ?
Tou·te·s les citoyen·ne·s wallon·ne·s.
Quelques pistes de réflexion pour la solution
Le premier niveau de ce défi, c’est de faire prendre conscience via une visualisation de la réalité d’une action publique.
Plusieurs niveaux sont possibles :
La visualisation des données déclaratives reçues par le SPW environnement
L’identification des zones où des haies sont apparues
L’identification des zones où elles abondent et là où elles manquent
La juxtaposition des données avec les zones inondables
Selon les données disponibles, il sera possible non seulement de visualiser l’effet de l’action, son utilité mais aussi d’identifier éventuellement des zones qui devraient faire l’objet d’une attention particulière.
Inventaire des données disponibles ou mises à disposition pour réaliser le challenge
Objectif : Sur base des données disponibles, comment offrir la meilleure offre en ligne avec la demande ?
Quelle est la problématique ?
La Ville de Charleroi est idéalement connectée au réseau de mobilité belge et international : route, train et avion.
Par ailleurs, la Ville de Charleroi se transforme et accueille de nouvelles solutions de mobilité : extension et modernisation du réseau de métro, bus à haut niveau de service, …
Même si de nombreuses données sont disponibles de manière isolée, la Ville de Charleroi ne dispose pas d’un outil permettant de fusionner / concentrer les données de mobilité dans la ville et ses environs. La fusion et l’observation de ces données est une première étape vers l’optimisation de l’offre de mobilité multimodale en fonction de la demande réelle attendue.
Celle-ci est fonction d’un grand nombre de paramètres mais pour lesquels des données historiques et prévisionnelles existent : flux de personnes, utilisation actuelle des transports en commun, points chauds dans la ville (salles de spectacle, stade, …), horaire des événements, météo, …
Quels sont les groupes de personnes concernés ?
Citoyens Ville de Charleroi
Visiteurs
Ville de Charleroi / Mobilité
Opérateurs de mobilité collective (TEC, SNCB, trottinettes électriques, …)
Gestionnaire de parkings.
Quelques pistes de réflexion pour la solution
L’ambition d’un tel projet dépasse le cadre de ce challenge. Il est toutefois possible d’en construire une première étape reprenant :
La mise en commun de données de mobilité diverses au sein d’une base de données unique,
La création de fonctions de visualisation et d’analyse,
En complément, l’élaboration de fonctions d’aide à la prise de décision : recherche de points de saturation par exemple.
AISIN et ALSTOM mettent à disposition des participants des outils informatiques de gestion et de visualisation des données ainsi qu’un accompagnement technique permanent (coachs) pour les aider à réaliser la réalisation d’un premier prototype qui pourra convaincre le jury.
En quoi la donnée peut aider à résoudre ce challenge ?
Les données disponibles permettent de collecter les flux d’utilisateurs des différents modes de mobilité (y compris piétons), de les fusionner, de les observer et de créer des fonctions de corrélation.
Inventaire des données disponibles ou mises à disposition pour réaliser le challenge
Jeu de données
Description
Où trouver le jeu
Adresse du jeu
Commentaires
Données de validation TEC
Enregistrement des montées dans les transports en commun de Charleroi
Préparé par les coaches
Mise à disposition sur place
Traces GPS de véhicules connectés
Enregistrement des trajets d’une flotte de véhicules connectés (voitures et utilitaires légers) durant 4 mois sur toute la région de Charleroi.
Préparé par les coaches
Mise à disposition sur place
Evènements de conduite de véhicules connectés
Enregistrement des accélérations, freinages brusques et coups de volant de la même flotte de véhicules connectés durant 4 mois sur la région de Charleroi.
Préparé par les coaches
Mise à disposition sur place
Accidents en Belgique de 2017 à 2022
Dataset anonymisé mis à disposition par statbel. Localisation des accidents de la route et description des véhicules impliqués, du nombre de victimes et des circonstances dans lesquelles ces accidents se sont produits.
Challenge proposé par le NID (ville de Namur) & Deloitte Digital
Quelle est la problématique ?
Depuis plusieurs années, la Ville de Namur réfléchit à l’avenir de son centre-ville. En 2021, une étude urbanistique et socio-économique sur le centre-ville et la possible extension du piétonnier a été lancée. Celle-ci a été couplée à un processus participatif citoyen afin de récolter les aspirations sur le futur visage du centre-ville : Un centre-ville apaisé, végétalisé et convivial. Les objectifs poursuivis sont entre autres de :
Améliorer la qualité de vie des habitants
Favoriser la mobilité active
Améliorer la qualité de l’air
Ce 18 mars 2024 commence le début de plusieurs années de travaux. Accompagner les citoyens durant cette longue phase laborieuse est primordial. L’enjeu est qu’ils puissent au mieux se projeter dans leur futur centre-ville apaisé. Dans cette optique, la Ville de Namur a lancé un marché de vidéos et expériences immersives en 3D afin d’aider le citoyen à visualiser le nouvel espace public. Dans la même optique, il serait très intéressant pour le citoyen de pouvoir visualiser l’impact que ce changement de mobilité aura sur la qualité de l’air du centre-ville. Ce dernier point fait l’objet du challenge.
Quels sont les groupes de personnes concernés ?
Les pouvoirs publics
Les citoyens
Les usagers de Namur
Quelques pistes de réflexion pour la solution
Exemple inspirant : Holocity
En quoi la donnée peut aider à résoudre ce challenge ?
Les données sont des données de pollutions sur un historique de 3 ans (données du STI Namur) et plus pour la station située place Maurice Servais.
Ces-données peuvent être mises en lien direct avec des données de mobilité.
Les données de la station place Maurice Servais peuvent être analysée tout en prenant en compte certains des projets clés ayant été mis en place dans le centre ces dernières années (ex. réaménagement de la place Maurice Servais en 2021).
Le challenge repose sur la simulation des années futures avec l’arrivée d’un projet tel que le piétonnier de Namur, l’expérience de visualisation de ces données et l’expérience en réalité mixte ou virtuelle.
Inventaire des données disponibles ou mises à disposition pour réaliser le challenge
Jeu de données
Description
Où trouver le jeu
Adresse du jeu
Commentaires
Données de la qualité de l’air à Namur
Données journalières et horaires de 6 capteurs localisés autour du centre-ville.
Mises à disposition.
Application HoloLens2 disponible sur place pendant l’évènement.
Challenge proposé par Infrabel en collaboration avec Mobilesem
Quelle est la problématique ?
Les gares et points d’arrêt (de train, de bus, de vélo, …) et les points intermodaux qui réunissent tous ces transports sont plus ou moins accessibles pour les PMR. Le citoyen souhaite avoir une vue claire sur leur niveau d’accessibilité.
L’objectif du challenge est d’identifier et de scorer l’accessibilité des nœuds intermodaux, en croisant les données ouvertes ou non, issues de plusieurs modes de transport (gares de trains, de bus, de vélos, taxis, …).
Quels sont les groupes de personnes concernés ?
Personnes à mobilité réduite (PMR)
Que veut dire PMR ?
Le terme PMR englobe toutes les personnes ayant des difficultés à se mouvoir dans un environnement inadapté.
Une personne à mobilité réduite est toute personne gênée dans ses mouvements et ses déplacements de manière provisoire ou permanente, que ce soit en raison de : Sa taille / Son état (maladie, surpoids…) / Son âge / Son handicap permanent ou temporaire / Les objets ou personnes qu’elle transporte / Les appareils ou instruments auxquels elle doit recourir pour se déplacer.
De nombreux facteurs peuvent donc intervenir : le handicap moteur, mais aussi la cécité, la surdité, la grossesse, une blessure, le transport d’un enfant à l’aide d’une poussette, l’utilisation d’une valise ou encore les difficultés de compréhension de la langue…
Pour ces personnes, chaque déplacement peut constituer une difficulté.
Source : loi du 1er janvier 2008 transposée à l’échelle européenne.
Quelques pistes de réflexion pour la solution
Identifier quelles gares et points d’arrêt sont les plus fréquentés pour les PMR.
Chercher les meilleurs critères pour pouvoir calculer un score d’accessibilité de ces gares et nœuds intermodaux.
Pouvoir crowdsourcer les erreurs dans les données sur base du feedback reçu par les usagers sur le terrain.
Extra :
Pouvoir établir un itinéraire accessible aux PMR en exploitant les modes de transport en commun. Une sorte de Waze pour PMR.
En quoi la donnée peut aider à résoudre ce challenge ?
Combiner des données issues de sources différentes :
Liste des gares et points d’arrêts ferroviaires, liste des hauteurs de quais
Chaque année, sont organisées des rave party dans des lieux tenus secrets jusqu’au dernier moment. Ces fêtes attirent un nombre important de personnes dans des lieux où la sécurité ne peut pas toujours être garantie (ex. ancien bâtiment industriel…) et où les mesures d’accompagnement ne sont pas présentes (ex. absence d’une antenne médicale pour palier tout problème éventuel…).
De même, ces évènements non prévus peuvent engendrer diverses nuisances pour le voisinage, le trafic local…
Quels sont les groupes de personnes concernés ?
Pouvoirs publics
Services d’urgence
Zones de Police
Quelques pistes de réflexion pour la solution
Quelle serait l’outil idéal pour prendre rapidement les mesures nécessaires ?
Un outil permettant de détecter en temps réel les Rave Party clandestines ou d’autres regroupements d’un grand nombre de personnes en des endroits inattendus.
Une interface pour visualiser en temps réel ces anomalies et ses caractéristiques (ex : représentation géospatiale, indication du nombre d’individus observés, heure de début de l’anomalie, …). Interface consultable par différents services publics.
En quoi la donnée peut aider à résoudre ce challenge ?
Proximus mettra à disposition des participants un jeu de données Location Analytics lié à une province belge où une rave party a pu être identifiée.
Ce jeu de données couvrira une période de plusieurs semaines. Cela permettra aux participants de définir une fréquentation « normale » avant l’évènement et de ce fait de pouvoir identifier des anomalies potentielles.
Les participants sont invités à utiliser une partie des données pour déterminer la fréquentation normale, et le reste des données pour simuler la réception des données en temps réelle ainsi que la détection d’anomalie.
Les participants sont libres d’utiliser d’autres sources de données pour améliorer leur algorithme d’identification des anomalies.
Inventaire des données disponibles pour réaliser le challenge
Location Analytics de Proximus.
Liste non exhaustive de portails où trouver des jeux de données autres que les vôtres :
Challenge proposé par le FabLab de Charleroi (ULB) en collaboration avec Repair Together
Quelle est la problématique ?
L’économie circulaire doit permettre de réduire l’utilisation des ressources tout au long de la vie d’un produit tout en maximisant son utilisation. Cette approche permet de réduire son impact environnemental depuis sa production, jusqu’à son élimination, tout en exploitant au mieux les différentes valeurs qu’un produit peut apporter à ses utilisateurs (valeurs économiques, sociales, culturelles, environnementales, etc.).
Le secteur de la réparation participe activement à ce mouvement en permettant aux produits déjà sur le marché de conserver le plus longtemps possible leur fonction. De plus en plus d’entreprises de réparations et de reconditionnement sont aujourd’hui parvenus à créer des modèles économiques soutenables dans ce secteur et même les grands acteurs se lancent désormais dans le seconde main (Ikea, Decathlon, Back Market,…). Par ailleurs, des initiatives citoyennes variées, telles que les Repair Cafés, voient le jour un peu partout.
La refabrication de pièces plastiques avec l’impression 3D offre un potentiel intéressant pour la réparation d’objets pour lesquels il n’existe pas ou plus de pièces de rechange. Elle reste toutefois limitée par de multiples freins tels que le coût de la modélisation des pièces, le coût des transports et l’accessibilité aux imprimantes 3D et peu d’entreprises de réparation proposent actuellement ce service.
Quels sont les groupes de personnes concernés ?
Indépendants en impression 3D, entreprises du secteur de la réparation, acteurs de l’économie sociale, … Il s’agit de pouvoir soutenir le développement de projets d’activités économiques dans ce secteur.
Quelques pistes de réflexion pour la solution
Imaginer une solution locale permettant la mise en lien rapide et facile (UX) des « demandeurs de réparation » avec des « réparateurs 3D » proches de chez eux.
Le FabLab pourrait soutenir la mise en place d’une solution qui permettrait d’agréger des compétences, des modèles, des demandes. Le FabLab pourrait éventuellement aussi mettre les équipements qu’il possède à disposition des professionnels de la réparation selon leurs besoins.
En quoi la donnée peut aider à résoudre ce challenge ?
Les données proposées permettent d’envisager les cas où la réparation par l’impression 3D peut s’avérer utile. Elles permettent également de structurer une demande en se basant sur des classifications déjà établies et sur des bases de données de pièces en libre accès sur des sites communautaires de modèles. Elles permettent également de déterminer quels seraient les réparateurs les plus appropriés pour ce faire.
Inventaire des données disponibles ou mises à disposition pour réaliser le challenge
Jeu de données
Description
Où trouver le jeu
Adresse du jeu
Commentaires
Open Repair Alliance dataset
Le fichier agrégé reprend une liste de plus de 130000 réparations ayant été réalisées dans les différentes initiatives citoyennes des pays participants à l’ORA. Ces données reprennent notamment les catégories d’objets, les types de réparation, le statut (réparé ou non) et différents commentaires tels que l’utilisation de la réparation grâce à l’impression 3D.
Ces données sont principalement utilisées pour communiquer sur les succès et défis de la réparation à travers le monde, et utilisées dans des outils de visualisation tels que le Repair Monitor.
But principal : pouvoir démontrer l’impact positif de la réparation et soutenir des politiques ambitieuses en matière de circularité des produits électriques et électroniques.
Repair Map
Cartographie des différentes structures de réparations telles que les FabLab, les réparateurs professionnels, les Repair Cafés, les magasins ou bibliothèques de réparation.
Les données fournies reprennent plus de 2600 réparateurs professionnels en Belgique, leurs coordonnées et les type de réparations qu’ils peuvent réaliser.
Initialement utilisé pendant le covid pour permettre à des citoyens de rentrer en contact et déposer leur appareil chez un réparateur bénévole. Complexe
Guidance Tool
Faciliter le diagnostic et orienter « demandeurs » de réparation vers les meilleures solutions locales en fonction des pannes (ie. faire réparer par un pro, apporter à un Repair Café local, réparer soi-même,…)
Mise en relation des réparateurs et des designers pour accélérer la modélisation de pièces et créer une base de données de pièces de réparation
https://3d-reparieren.de/ La plateforme 3D Reparieren visait à mettre en lien les réparateurs et des designers pour accélérer la modélisation de pièces et créer une base de données de pièces de réparation.
Le site regroupe de nombreuses ressources et liens sur la réparation par impression 3D. Inscription nécessaire En allemand pour la plupart des pages.
Base de données « Modèles » : Thingiverse
Plateformes d’impression 3D avec accès libre des modèles de pièce réalisées par leur soin ou par leurs utilisateurs : Communauté permettant de découvrir, partager, imprimer des modèles en 3D.
