Dans le précédent article de blog, nous évoquions notre projet pour la municipalité de Haarlem, qui a sollicité Tensing afin de trouver une solution pour aider ses habitants à déterminer si leurs toits sont éligibles à l’installation de panneaux solaires. Nous avons créé une visionneuse qui permet aux habitants de voir rapidement si leur maison se prête à l’installation de panneaux solaires. La visionneuse se compose de trois ensembles de données. Dans cet article, nous faisons un zoom sur les trois ensembles de données utilisés.  

FME COMME PLATEFORME D’INTÉGRATION DE DONNÉES 

Outre les jeux de données, nous avons également utilisé FME. FME (Feature Manipulation Engine) est une plateforme d’intégration de données de Safe Software. Cette plateforme vous permet de connecter facilement un grand nombre d’applications/données, de transformer les données et d'automatiser les processus de données. Grâce aux processus FME créés, la municipalité peut reproduire les résultats à mesure que de nouvelles données deviennent disponibles au fil des ans. 

LES TROIS ENSEMBLES DE DONNÉES 

Les trois jeux de données sont livrés à plusieurs niveaux : 

• Le jeu de données n°1 contient une carte en 2D de tous les toits de chaque adresse du centre-ville, avec une classification indiquant s'il s'agit d'un toit plat ou incliné et si le bâtiment est classé ou non (ceci est important dans la politique de la municipalité) ;  
• Le jeu de données n°2 contient une carte en 2D de toutes les parties de toit de chaque adresse dans le centre-ville, avec une classification indiquant s'il s'agit d'un toit plat ou incliné et si le bâtiment est classé ou non ; 
• Le jeu de données n° 3 contient une carte en 2D des cônes de vue des parties du toit de chaque adresse dans le centre-ville qui sont visibles depuis la voie publique. 

Vous êtes intéressé par la description complète de notre travail pour la municipalité de Haarlem ? Téléchargez l'étude de cas ici.

ENSEMBLE DE DONNÉES N°1 : TYPES DE TOITS  

Pour rendre la solution possible, la municipalité et Tensing souhaitaient utiliser autant de données provenant de l’OpenData que possible. Cela permet à la municipalité de travailler avec des données faciles à obtenir et à transformer. Par conséquent, elle n'a pas besoin de licences de données et n'est pas confrontée aux risques ou aux responsabilités d'autres parties. Pour Tensing, l'utilisation de données OpenData facilite la reproduction et la mise en œuvre éventuelle de la solution dans d'autres municipalités afin de les aider à résoudre des problèmes similaires. 

 La municipalité de Haarlem est utilisatrice de FME. Elle souhaitait donc également que l'ensemble du processus soit construit dans FME.  

 Pour construire le premier ensemble de données, nous avons utilisé 4 sources : 

• Les limites du centre-ville de Haarlem (comme seule zone d'intérêt), disponibles sur https://kaart.haarlem.nl/app/map/62.  
• Les données Base Adresse pour tous les bâtiments de la municipalité (données spécifiques aux bâtiments).

• Les données de Haarlem (contenant des détails sur les bâtiments étant classés ou étant au-dessus/en dessous du sol, etc.),. 
• Les données altimétriques en format raster d'une résolution de 0,5m par 0,5m.

Avec ces données dans FME, nous n'avons utilisé que les bâtiments du centre-ville, nous avons ajouté tous les détails de la base adresse  et des données de la ville dans un seul ensemble de données, et nous avons découpé les données d'élévation pour chaque bâtiment individuel. À l'aide de ces petites grilles de toit, nous avons calculé la pente moyenne de chaque toit et l'avons classée comme étant inclinée ou plate, sur la base d'une valeur de référence. En outre, nous avons également classé les bâtiments en fonction de leur état classé ou non. Enfin, nous avons transformé les grilles et les classifications en polygones pouvant être inscrits dans une couche vectorielle finale. 

Un extrait de ce jeu de données final ressemble à la vue ci-dessous, avec les différentes classifications basées sur le type de toit et le statut monumental sur la gauche : 

ENSEMBLE DE DONNÉES N°2 : TYPES DE TOITS PARTIELS  

Le deuxième jeu de données a été construit sur le processus FME du premier, la seule différence étant que ce jeu de données contient toutes les sections de toit individuelles de chaque bâtiment, plutôt que le toit entier. 

 Nous avions deux options pour créer les sections de toit individuelles : 

• Réinventer la roue et créer un modèle ou un processus personnalisé qui indique les bords des sections de toit, les cheminées, les lucarnes. 
• Utiliser des données OpenData déjà disponibles et les intégrer facilement dans notre processus. 

Puisque nous nous concentrons sur la construction d'un produit précis en temps voulu, nous avons choisi d'utiliser les données qui sont déjà à la disposition de tous, à savoir le jeu de données 3D base adresse publié par l'Université technique de Delft. Ces données ressemblent à l'image ci-dessous, et peuvent être converties en sections de toit exactes dont nous avons besoin lorsqu'elles sont lues en 2D.

Puisque la plupart du processus original du jeu de données N°1 est resté le même, nous avons créé un processus similaire pour les sections de toit en suivant les mêmes étapes de transformation. Ce jeu de données final ressemble au premier, mais est beaucoup plus nuancé car il est maintenant classé par section de toit. Par exemple, les bâtiments au milieu de l'image ci-dessous contiennent un certain nombre de zones plates au milieu des toits (ce qui n'est pas évident dans le premier ensemble de données plus simple). Ces zones sont idéales pour installer des panneaux solaires ! 

ENSEMBLE DE DONNÉES N°3 : EXPOSITION DES TOITS 

Le troisième ensemble de données que nous avons construit est quelque peu différent des deux premiers. En outre, il a également été plus difficile à construire, notamment pour trouver les bons outils qui pourraient être intégrés dans les processus de la municipalité.  

Tout d'abord, l'objectif de ce jeu de données était de créer des panoramas à partir d'une multitude de points le long de la route publique. La signification exacte est mieux illustrée dans l'animation ci-dessous : que peut être vu grâce aux points le long d'un chemin particulier ?  

Nous avons pensé à utiliser quelque chose comme l'analyse 3D Viewshed dans ArcGIS Earth, mais cela nécessiterait l'ajout de licence de la part du client, de nôtre part et se situerait également en dehors du champ d'application de FME, ce qui n'était pas souhaitable. Notre choix s’est finalement tourné vers l'outil GRASS GIS, qui est déjà disponible en tant que module complémentaire dans QGIS, mais qui peut également être importé et utilisé en tant que module Python.  

Tout d'abord, nous avons ajouté les données routières publiques, qui sont disponibles dans le viewer de la municipalité à l'adresse suivante : https://kaart.haarlem.nl/app/map/57. Nous avons transformé ces données, de sorte que nous n'ayons que les bords de la route à partir desquels nous pourrions repérer des coordonnées le long de ces lignes tous les 15 mètres. Une estimation approximative de la distance permettrait d'avoir suffisamment de points pour visualiser l'ensemble du centre-ville, mais pas trop pour ne pas allonger de manière significative le temps de traitement).  

Après quelques essais et erreurs sur la façon de gérer les analyses de bassins visuels, nous avons créé une boucle Python où une analyse de bassin visuel est effectuée pour chaque coordonnée le long des routes publiques. Chaque bassin visuel est ajouté aux bassins visuels précédents, et le bassin visuel final est transformé en couche vectorielle.  

Pour donner une idée de ce à quoi ressemblent ces bassins visuels dans la pratique, voici quelques exemples de bassins visuels de sortie qui sont visibles à partir d'une coordonnée particulière au centre de chaque image. 

En soi, ces panoramas ne semblent pas très instructifs. Cependant, lorsque nous superposons chaque bassin visuel aux précédents, le résultat devient soudainement beaucoup plus clair. Dans l'image ci-dessous, nous voyons une partie du centre-ville où tout ce qui est gris peut être vu depuis la voie publique. 

La partie la plus intéressante est la transformation de la trame complète du cône visuel en une couche vectorielle et le détourage des seuls bâtiments enregistrés dans le centre-ville. Nous voyons alors le résultat final des cônes de vue sur toutes les parties du toit qui sont visibles depuis la voie publique ! 

RÉSULTAT FINAL

Ces trois ensembles de données sont des produits d'information très utiles en soi, mais c'est en les combinant qu'ils atteignent leur potentiel maximal. Ci-dessous, vous pouvez voir les classifications de l'ensemble de données n° 2 (en couleur) combinées aux cônes de vue de l'ensemble de données n° 3 (en noir sur le dessus des sections de toit). 

De cette vue, vous pouvez voir exactement quelles sections de toit sont plates, inclinées, classées et visibles ou non.

Sur la base de ces résultats informatisés, la municipalité a pu créer une carte stratégique. Cette carte peut être consultée ici. Grâce à cette carte sur son site Web public, la municipalité de Haarlem peut désormais indiquer clairement pour chaque surface de toit les zones éligibles pour l'installation de panneaux solaires. 

 Vous êtes curieux de connaître l'ensemble du cas ? Téléchargez l'étude de cas complète ici.  

Ce projet a-t-il suscité votre intérêt ? Si oui, consultez notre aperçu de l'étude de cas. Et si ce cas d'utilisation en particulier vous semble intéressant pour votre propre municipalité ou organisation, veuillez nous contacter.