Points d'intérêt et flux urbains dans le centre-ville de Fort-de-France à partir de données ouvertes

Contexte

Fort-de-France (Martinique) ne dispose de presque aucune donnée ouverte locale. Les jeux de données de la ville ont été mis à jour pour la dernière fois en 2019, et il n’existe ni compteurs piétons publics, ni chiffres ouverts de fréquentation des transports en commun, ni comptages routiers ouverts à l’échelle du centre-ville. Le projet cherche à savoir jusqu’où les données ouvertes nationales et des flux archivés en continu permettent de décrire le centre-ville comme un système de points d’intérêt (commerces, administrations, établissements scolaires, santé, culture, portes d’entrée) et de flux (résidents, navetteurs, élèves, visiteurs, croisiéristes, véhicules, bus) sur un horizon de dix ans (2016–2026).

Aucune source ne répond seule à cette question. Le répertoire des entreprises sait où sont les établissements, mais pas qui les fréquente. Le recensement sait où les habitants dorment, mais pas où ils passent la journée. Les flux de transport montrent les bus, pas leurs passagers ; les calendriers d’escales montrent les navires, pas les croisiéristes à terre. La démarche consiste donc à croiser de nombreuses sources hétérogènes sur un cadre spatial et temporel commun, pour que chacune comble un angle mort des autres, puis à confronter le résultat aux rares signaux mesurés qui existent.

Approche

La méthode est issue d’un précédent projet de base de connaissances que j’ai mené. Les données brutes sont immuables et adressées par leur contenu. Chaque base de données est jetable et reconstruite à partir d’elles. Chaque valeur conserve sa provenance, et un ensemble d’invariants est vérifié à chaque reconstruction.

flowchart TB
    A[Catalogue des sources
sources.yaml] --> B[Stockage brut immuable
sha256 + manifeste JSONL]
    C[Collecteurs planifiés
Meta tous les 14 jours · GTFS-RT 60 s] --> B
    B --> D[Extracteurs versionnés
Parquet normalisé]
    D --> E[Entrepôt spatial DuckDB
reconstruit, jamais modifié]
    E --> F[Invariants QA I1–I6]
    E --> G[Statistiques
requetes/*.sql]
    E --> H[Application de bureau
carte + sélecteur temporel]
    G --> I[Calage sur
des signaux mesurés]

Méthodes

• Acquisition. Chaque téléchargement est haché (SHA-256) et consigné dans un manifeste JSONL, et l’acquisition est idempotente. Les fichiers nationaux de plus de 1 Go (répertoire Sirene des entreprises) sont lus sous forme d’extraits distants par requêtes HTTP Range, filtrés sur la commune. La requête de filtrage est enregistrée comme partie intégrante de la provenance.
• Sources éphémères. Meta Movement Distribution ne conserve que 90 jours en ligne : une tâche planifiée l’archive donc tous les 14 jours. Un collecteur de bus interroge les positions des véhicules GTFS-RT toutes les 60 s et les prévisions toutes les 10 min, et compresse chaque journée en zip avec une somme de contrôle SHA-256.
• Cadre spatial. Les données sont stockées en WGS84 et calculées en EPSG:5490 sur la grille INSEE de 200 m. Les points d’intérêt sont classés selon une typologie unique (codes NAF, balises OSM, arrêts), avec une famille, un poids et un rythme horaire sur sept créneaux.
• Modèles. La présence horaire par carreau combine résidents (Filosofi 2021, répartis de manière dasymétrique sur les bâtiments), salariés, élèves et touristes. Un modèle de Huff estime les zones de chalandise. Les croisiéristes à terre sont modélisés à partir des horaires et des capacités des navires. Un modèle gravitaire à l’échelle de l’île, avec affectation BPR, couvre les visiteurs et le trafic de transit.
• Qualité. Six invariants sont vérifiés, de la provenance à l’absence de données personnelles. Les paramètres non confirmés sont consignés dans un journal des décisions.

Sources de données

Le croisement des sources est le cœur du projet. Les registres d’entreprises (Sirene, BODACC, URSSAF) donnent le stock et la rotation des activités, mais ne disent rien des personnes qui les entourent. Le recensement et les données fiscales (RP, Filosofi) situent les habitants, leurs revenus et la vacance des logements, mais seulement la nuit. Les fichiers de navettes et l’enquête nationale de mobilité (MOBPRO, MOBSCO, EMP) disent qui se déplace, pourquoi et quand. Les flux de transport, d’accidents et de qualité de l’air (GTFS-RT, BAAC, Madininair) sont les seules traces mesurées du mouvement. Les calendriers d’escales et les capacités des navires apportent une population qu’aucun recensement ne compte. Les référentiels géographiques (IGN, OpenStreetMap, grille INSEE de 200 m) rendent enfin tout cela comparable, carreau par carreau.

Le catalogue recense 120 sources : 51 intégrées, 32 à intégrer, 7 à vérifier, 13 disponibles uniquement sur demande, 5 payantes, 1 sur partenariat et 11 non retenues. Les tableaux ci-dessous listent toutes les sources intégrées et résument les autres par thème.

Entreprises, emplois et équipements

Population, revenus et logement

Mobilité et transports

Tourisme et croisière

Contexte : météo, air, calendrier, sécurité

Géographie et fonds de carte

Résultats

Le projet a démarré en octobre 2026 et en est à un stade précoce, non calé (application v0.6.0). Tous les chiffres relatifs au centre-ville dépendent d’un périmètre provisoire (voir ci-dessous). Chaque résultat ci-dessous précise les sources qu’il croise : aucun ne pourrait être obtenu à partir d’un seul jeu de données.

• Catalogue. 120 sources sont cataloguées, dont 51 intégrées.
• Entrepôt (première construction). 117 161 entités, environ 25 000 mesures et 1 278 indicateurs, avec les 6 invariants validés.
• Déclin commercial et résidents (mesuré, registres × recensement × données fiscales). Le nombre d’établissements actifs d’équipement de la personne (Sirene) est passé de 498 (2016) à 363 (2026), soit une baisse de 27 %, et la part du centre-ville dans la commune pour ce secteur de 75,5 % à 64,7 %. Sur la même période, la population des IRIS du centre-ville (recensement) est passée de 13 444 (2016) à 12 898 (2022), et la vacance des logements de 24,9 % à 27,6 %. 47 % des ménages du centre-ville vivent sous le seuil de pauvreté, contre 30 % pour la commune (Filosofi 2021). Lues ensemble, ces trois sources montrent un centre qui perd en même temps des commerces, des habitants et du pouvoir d’achat.
• Rythme jour/nuit (modélisé, six sources croisées). Environ 3 700 personnes sont présentes la nuit et 11 200 le matin, soit un rapport de 3,0. Les résidents de nuit viennent de Filosofi carroyé 200 m réparti dans les bâtiments BD TOPO ; les salariés de jour, des tranches d’effectif Sirene ; les élèves, de l’annuaire de l’éducation ; les touristes, de la capacité des hébergements classés. Le créneau du matin est ajusté sur le profil horaire du NO₂ aux stations trafic.
• Vitesse observée des bus et modèle (GTFS-RT × graphe routier × enquêtes de mobilité). Sur une journée complète, les bus roulaient à 12,7 km/h à 5 h, puis à 7 à 8 km/h en journée et à 10,6 km/h à 19 h. Le modèle d’affectation, construit à partir des routes BD TOPO, des navettes MOBPRO, des profils de déplacements EMP et des équipements BPE, prévoit un ralentissement de 20 % aux heures de pointe, alors que les bus en montrent 45 %. La mesure révèle ce que le modèle ne voit pas.
• Contrôle croisière (escales × capacités des navires × effectifs publiés). Les croisiéristes à terre sont modélisés à partir du calendrier des escales et des capacités des navires (CruiseMapper). Pour la seule journée d’escale documentée (24 avril 2026), les estimations se sont situées à environ 1 à 2 % des effectifs de passagers publiés dans la presse (3 075 contre 3 112, et 1 995 contre 1 969). Le taux de remplissage du modèle a été fixé sur cette même journée : il s’agit donc d’un contrôle de cohérence, pas d’une validation indépendante.

Limites & suite

• D1 : le périmètre du centre-ville est provisoire. Il s’agit d’un rectangle autour du noyau historique, complété d’une zone élargie de 1 km, utilisé dans l’attente d’un périmètre officiel. Tous les chiffres relatifs au centre-ville en dépendent.
• Aucune donnée de comptage piéton, de fréquentation ou de comptage routier n’est ouverte. Les rythmes horaires, les poids d’attractivité et les hypothèses de stationnement ne sont pas encore calés. Les seuls contrôles mesurés à ce stade sont le NO₂ horaire aux stations trafic et les vitesses observées des bus.
• Le stock d’établissements 2016–2026 est reconstitué uniquement à partir des dates de création et de fermeture.
• Prochaines étapes : accumuler plusieurs mois de données GTFS-RT pour mesurer la congestion, solliciter des données d’enquête et de comptage, et caler la présence sur des comptages de terrain.

Stack technique

Python · DuckDB (spatial, httpfs) · Parquet · SQL · GTFS / GTFS-RT · pytest · ruff · Electron · React · TypeScript · ECharts · Leaflet · GitHub Actions