Conférence: Les données au service de la Smart City, ISEG, Lille, 021215

Smart City : les données au service de la gestion intelligente de la ville

Isam SHAHROUR, Professeur Université [email protected]

«Semaine des nouveaux métiers », ISEG, Lille 2 Décembre 2015

Ville

• Quartier• Parc de Bâtiments• Réseau (eau, électricité, gaz,..)• Service (transport, déchet,..)

Intelligente

Solution «innovante » Intérêt «collectif »

• Usager• Environnement • Société

Défis, ambition

La Ville: Concentration de la population

55% de la population Mondiale

70% de la population en 2050

Concentration dans des grandes villes

La ville: 70% du PIB mondial

Tokyo : 1 520 Milliards de €

• 70% de la consommation d'énergie • 80% du gaz à effet de serre

La ville:

Transport

Industrie

Bâtiments

Tokyo(2005)

Mexico(2006)

London (1999)

Shanghai (2007)

La ville : Système complexe et vivant

Infrastructures et réseaux urbains

Electricité :• Lignes haute et basse tensions: 1 300 000 km

(32 fois la circonférence de la terre)

infrastructures en France

Eau :Réseau d’eau : 1 370 000 km

La ville :crise de croissance et de développementInfrastructures largement sous-‐dimensionnées ou (et) vieillissantes

1 milliard privés de service de l'eau potable

2,5 milliards privés de service d’assainissement

1 milliard privés de service d’électricité

80% (France)

Vieillissement du parc de bâtiment

10 mars 2015

Vieillissement des infrastructures

Vieillissement des infrastructures Etats Unis (ASCE, 2013): • Infrastructures fortement dégrées (D+)• Besoin de $ 3.6 Billions d’investissement

Pays en voie de développement

Besoin annuel pour les infrastructures: 1,8 à 2,3 trillions de $

Transport

Electricity

Water

Telecom

Le transport

Pollution de l’airprès de 7 million chaque année (OMS)

Pékin, 30 NovembreConcentration PM 2,5 a atteint 976 (OMS = 25)

Inondations : Près de 350 millions concernés

Sécurité d’approvisionnement

US Blackout (2003)• 50 Million people • 24 hours for full recovery• Cost: $6 to $10 billion

Urban Developing countries

Urban –Developed countries

RuralDeveloping countries

Perspectives: Poursuite de la croissance démographique

0

10

20

30

40

Tokyo Calcuta Lagos

1975 2000 2025

Croissance urbaine

En 2030:• Près de 2 milliards de nouveaux résidents• Besoin de 400 000 km2 de constructions

(doublement de la surface construite)

Tau de dépendance = ( < 15 ans ou > 64 ans)

Vieillissement de la populationPerspectives - Pays développés

(15 > <64ans)

Eco-‐ responsable

Socio-‐ responsable

Future génération

Enjeux : Transformer la ville pour faire face à la pression croissante

Transformation à très grande échelle nécessitant :-‐ Des très grands investissements-‐ Du temps

Piliers de transformation

Infrastructures• Construire• Moderniser

Méthodes de gestion• Optimisation• Sécurité

Usager • Evaluation • Acteur de la ville

La Technologie Numérique a révolutionné et continue à révolutionner de nombreux secteurs : musique, photo, édition, tourisme, distribution, la banque, l’industrie,…

Quel peut être son apport à la ville ?

Apport du Numérique

Internet

Réseaux Sociaux

Capteurs intelligents • Mesurer • Analyser• Communiquer • Faire des actions

VoirAnalyserComprendreAméliorer

Temps réel

Numériser les données de patrimoine• Réseaux (SIG)• Bâtiments (BIM)

Concept « Smart City »

2) InstrumenterDonnées de fonctionnement

1) Numériser les données de patrimoine• Réseaux (SIG)• Bâtiments( BIM)


Concept de Smart City

3) Collecter les données d’usage et d’environnement

2) Instrumenter :Données de fonctionnement

1) Numériser les données de patrimoine• Réseaux (SIG)• Bâtiments( BIM)

Système d’information

• Stocker• Analyser• Commander

• Sécurité• Optimisation




• Stocker• Analyser• Commander


• Partager• Décider

Pour résumer la ville intelligente

Des données pertinentes

On dispose des données historiques et en temps réel sur les composantes de la ville (infrastructures, services, usages,…) et sur son environnement.


L’invisible devient visible

Quand on voit les choses on fait du progrès


Créer de la valeur

Donner de la valeur aux données à travers :• Leur mise dans un contexte spatial et temporel• Croisement avec d’autres données


Modèles prévisionnels

Des techniques d’analyse, d’apprentissage et de BigData permettent de développer des modèles de prévision pour les systèmes urbains complexes


Sécurité et résilience

Les données en temps réel + les modèles prévisionnels permettent de détecter rapidement les anomalies.

Les techniques de commande permettent de :• Confiner les anomalies • Assurer un fonctionnement en mode dégradé • Rétablir rapidement le fonctionnement


Optimisation

Les données sur la ville permettent de:• Optimiser son fonctionnement, • Réduire les consommations • Réduire la pollution

Exemple gestion optimale de l’énergie

Production

Stockage Smart Grid

Consommations

Usagers, acteurs de la ville

• Les données et les analyses sont mises à la disposition des usagers.

• Les usagers remontent des données d’observation et d’évaluation.

• Participent d’une manière plus éclairée et active


Réduire les coûts de construction

Le concept « Smart » permet d’optimiser les systèmes urbains et de réduire leur dimensionnement (coûts,..)


De nouveaux services

De nouveaux services urbains:• Santé, éducation,• Mobilité • Tourisme• Administration • Personnes âgées ou à mobilité réduite


Améliorer l’attractivité - Politique de développement durable- Services améliorés- Sécurité renforcée- Cadre de vie - Image moderne - Activité tourné e vers l’économie de la

connaissance


MERCI POUR VOTRE ATTENTION

Conférence: Les données au service de la Smart City, ISEG, Lille, 021215

Education

Transcript of Conférence: Les données au service de la Smart City, ISEG, Lille, 021215