Le numérique au service de l’urbain (Num-Urb)

Approche Deep learning appliquée à l’imagerie drone pour l’évaluation fiscale des biens immobiliers – Cas de la taxe sur les terrains non bâtis.

mots-clés

fiscalité immobilière, Images drone, Terrains urbains non bâtis, Détection automatique, Segmentation sémantique, Apprentissage profond.

Résumé de l’étude

Selon les statistiques établies par la cour des comptes, la fiscalité urbaine est la principale source de revenus des collectivités locales dans pratiquement toutes les régions du monde. Au Maroc, plus particulièrement la taxe sur les terrains urbains non bâtis représente 35 % des recettes des taxes gérées directement par les communes.

Le système d’évaluation des taxes foncières adopté actuellement n’est pas régulièrement mis à jour et ne fait pas l’objet d’un suivi approprié. Ces difficultés liées au recensement périodique du patrimoine ne permettent pas un élargissement significatif de l’assise foncière. Elles se répercutent sur le rendement peu dynamique des taxes foncières.

Afin de remédier à ce fléau et dans l’optique de contribuer dans l’amélioration et l’accélération du recensement du patrimoine urbain par des approches innovantes, cette étude se propose d’identifier automatiquement les terrains non bâtis dans un milieu urbain par un processus de Deep Learning à partir d’images à très haute résolution prise par drone.   L’approche méthodologie consiste en un ensemble de processus séquentiels d’acquisition et de génération d’images ortho-rectifiées à haute résolution pour former la base de données. Ensuite, il sera procédé à la création et l’entraînement d’un algorithme d’apprentissage profond de segmentation sémantique des images afin d’extraire les caractéristiques définissant les terrains non bâtis.

L’architecture U-Net profonde du réseau de neurones convolutives que nous avons paramétrée afin de l’adapter à la nature du phénomène traité et le volume des données dont nous disposons ainsi que les performances de la machine, offre une précision de segmentation qui atteint 98.4%. Ces algorithmes sont perçus comme plus prometteurs pour surmonter les difficultés d’extraction de caractéristiques sémantiques à partir de scènes complexes et de grandes différences dans l’apparence des terrains urbains non bâtis. Les résultats prédits peuvent être utilisées à la fois pour la création de cartes urbaines à destination fiscale et pour l’automatisation de la révision de ces cartes ultérieurement et également pour définir les zones où des mises à jour sont faites dans la perspective de suivre l’expansion urbaine.

Réalisation d’un nanosatellite comme station de base LoRa pour un réseau global IoT

mots-clés

NewSpace, Smart Cities, IoT, Système Satellitaire Distribué 

résumé de l’étude

 En 2050, d’après les estimations, la population urbaine sera de 66 % par rapport à la population mondiale avec 2,5 milliards d’urbains supplémentaires. Les taux de croissance démographique les plus élevés seront constatés dans les 47 pays les moins développés où les 33 sont des pays africains. Disposer des meilleurs outils et technologies pour une gestion intelligente de ces villes africaines devient une nécessité et doit être une priorité dans les politiques de développement durable des pays africains. C’est en ce sens que durant nos travaux de recherche dans le domaine du NewSpace plus particulièrement sur les systèmes satellitaires distribués, nous avons senti la nécessité de proposer une solution et une alternative à l’échec du projet africain de communication satellite RASCOM afin de desservir en couverture réseau à bas coût les agglomérations et villages africains avec de nouveaux services (IoT, système de géolocalisation, qualité de l’air, Agriculture intelligente). Notre solution est basée sur un nouveau paradigme réseau distribué Open Teranga avec comme élément de base les nanosatellites et d’un protocole (Niveau 2 OSI) Plug & Play pour faciliter la formation et l’intégration des futures missions spatiales des pays africains dans un seul réseau partagé. Open Teranga se veut être un exemple d’intégration africaine avec un réseau de mutualisation des futures ressources spatiales africaines. En collaboration avec l’Ecole Supérieure Polytechnique de Dakar, le laboratoire NanoSat Lab, le centre spatial Teranga Space et la startup Tolbi, nous travaillons sur deux missions spatiales (cubesat + Picosat) pour entamer les premiers tests sur orbite de ce nouveau concept. En tant que Membre et délégué au sein du Space Generation Advisory Council Africa, un organe consultatif de l’ONU sur les applications spatiales, nous espérons porter la voix et accompagner le développement spatial de l’Afrique avec des contributions scientifiques pour une Afrique intégrée, prospère et pacifique. 

Modélisation de l’accessibilité spatiale à la santé dans les villes d’Afrique sub-saharienne : Une étude de cas à Yaoundé, Cameroun

mots-clés

Résumé de l’étude

Offrir des services de santé équitables à tous d’ici 2035, tel est l’objectif du Ministère de la Santé  Publique du Cameroun (2015). La modélisation  de l’accessibilité aux structures de santé permet d’identifier les zones mal desservies dans le but d’améliorer l’utilisation des services de santé. Le contexte urbain sub-saharien est particulier avec des schémas de mobilité et des structures urbaines spécifiques à cette partie du monde. La faible fiabilité des données disponibles  est également un challenge. C’est précisément en tenant compte de ces particularités que nous avons choisi Yaoundé au Cameroun pour développer notre 

projet. 

L’objectif principal de ce travail est de développer un modèle d’accessibilité aux structures de santé adapté au contexte urbain sub-saharien. Nous avons réalisé plusieurs expériences afin d’observer l’impact des différents moyens de transport, de plusieurs sources de données démographiques et de structures de santé. Les résultats du modèle ont montré que les nouvelles zones urbaines situées à la périphérie de la ville et les zones en retrait des principaux axes de transport sont les moins accessibles et sont 

donc mal desservis. L’amélioration de l’accessibilité aux structures de santé dans ces zones peut se faire en optimisant la répartition des services et en améliorant les réseaux de transport entre et au sein des quartiers.Avec la réalisation d’une analyse de sensibilité, nous avons évalué que l’exhaustivité partielle et la faible fiabilité des données sur les établissements de santé n’étaient pas décisives pour modéliser les résultats des utilisateurs de transports motorisés.