Tango : l'arme absolue de la navigation indoor ?

Le GPS ne fonctionne pas à l'intérieur des bâtiments... C'est une limitation sérieuse pour qui empêche de guider les clients vers les bons rayons dans les centres commerciaux et les voyageurs vers le quai de départ dans les gares. Plusieurs industriels et différentes technologies sont sur les rangs pour vaincre la difficulté.
Une des technologies les plus prometteuse est aussi aussi l'une des plus intuitive : utiliser les images et les capteurs d'accélération du téléphone pour mémoriser puis pour reconnaître les espaces intérieurs. C'est ce que proposait Slam en 2011 mais c'est aussi ce à quoi s'attaque Google avec le projet Tango.
Pour le moment peu d'information disponible mais une vidéo vendeuse et intéressante :



A votre avis tient on la solution en matière de navigation indoor ? 

Carte déformée des transports en Ile de France

Les cartes des transports en Ile de France sont des cartes anamorphosées qui présentent l'offre de transport de façon claire sans se préoccuper de la géographie sous-jacente, mais petit à petit, ces cartes déformées modifient notre perception du territoire.

Je me suis amusé avec une carte de l'Ile de France pour rendre compte de la déformation  :


  • Voici une carte des communes d'Ile de France colorée en fonction du département "à l'échelle" (disons à peu près à l'échelle, car je ne suis pas géographe !)  :

 



  • Voici une version classique de carte des transports (récupérée par exemple sur transilien.com) :



  • Voici la première carte déformée pour se rapprocher de la transformation de la carte des transports :




Tous les modèles sont faux... Certains sont utiles !
Pour ceux que cela amuse, j'ai réalisé ces cartes à partir de Notebook iPython qui est vraiment un outil simple et performant pour analyser des données. J'ai, notamment utilisé les librairies : Matplotlib, Pandas. Il existe plusieurs "distributions" associant  au moins une partie de ces outils, j'ai essayé Pyzo, Enthought ou Anaconda... et, bien sûr, les données "opendata" des limites communales d'Ile de France.

Data Visualisation du temps de mobilité quotidienne : l'empreinte de mobilité journalière !

J'ai poursuivi l'analyse de mes traces Google Location History et je vous propose cette visualisation. 

Elle représente le temps moyen passé dans les différents modes de transport pour chaque heure de la journée.

A chaque colonne correspond une heure de la journée. Plus la colonne est fine, moins je passe de temps à me déplacer sur ce créneau horaire. 
Les rectangles rouges foncés représentent le nombre de relevés "inVehicle" c'est à dire en transport (ou en voiture), pour l'heure qui figure en haut de chaque colonne, en rouge clair, le nombre de relevés "onFoot"  (à pied), et en rouge "moyen" les relevés en vélo.

L'information est assez dense. Elle permet de constater que :
  • C'est à 8 heures (entre 8.00 et 9.00) que je me déplace le plus, puis à 19.00, puis 18.00, 7 et 12...
  • Je passe beaucoup plus de temps à marcher que dans les transports. A ce point, la proportion m'étonne, peut être est ce un biais de Google Location... Ou une conséquence du traitement réalisé sur les données brutes pour ne retenir que le mode le plus probable....
  • Il m'arrive très rarement de circuler en vélo (vrai depuis quelques mois), et c'est en général entre midi et deux (ce qu est juste).
  • Je me déplace beaucoup moins entre 21.00 et 1 heure du matin, et plus du tout entre 2 et 6 heures (ce qui semble aussi probable si la période étudiée n'est pas trop longue). 


Au total c'est une véritable "empreinte de mobilité journalière" qui est probablement aussi différente pour chacun d'entre nous que le sont nos empreintes digitales.

Et vous quelle est votre empreinte de mobilité ?