Tandem - Tous en selle pour l’Open Data !
  • Produire et fiabiliser les données sur le stationnement vélo, en synergie
  • Comment et pourquoi utiliser cette boîte à outils
  • Phase 1: Standardisation des données
    • Le défi: un monde de données trop varié
    • La solution: un fichier national de référence
  • Phase 2: Le recensement des stationnements
    • Le défi: connaître et cartographier le territoire
    • La solution: la “cartopartie”
  • Phase 3: La mise à niveau des données
    • Le défi: produire des données fiables
    • La solution: le “mapathon”
  • Phase 4: Audit automatique des données
    • Le défi: l’audit continu des données
    • La solution: un algorithme complétant le fichier national de référence
      • Un pilote : Orléans Métropole
  • Phase 5: Responsabiliser l’usager pour rendre la démarche durable
    • Le défi : pérenniser l’entretien des données via l’implication des usagers
    • La solution: l'application collaborative TANDEM
  • Contact
Powered by GitBook
On this page

Was this helpful?

  1. Phase 3: La mise à niveau des données

Le défi: produire des données fiables

Le croisement des jeux de données des collectivités territoriales avec celles d’OpenStreetMap a un double enjeu. D’une part, il s’agit d’utiliser les données crowdsourcées sur OSM pour améliorer la qualité des données officielles en détectant les anomalies qui nécessitent une attention particulière. D’autre part, il s’agit d’augmenter la couverture d’OpenStreetMap.

Ce faisant, le jeu de données à disposition sera exhaustif et - par conséquent - fiable. En effet, l'un des défis majeurs dans le domaine de l'ouverture des données des collectivités territoriales, est le degré/niveau de fiabilité des données en question. Avant tout, récurrentes sont les erreurs et les vides dans les données officielles (position géographique erronée, manque de place de stationnement dans le référentiel officiel…). De plus, il arrive que les données ne soient pas mises à jour régulièrement. Enfin, il se trouve qu’il peut y avoir des incohérences voire des contradictions entre les données officielles et celles en crowdsourcing - d’où la question légitime : quelle est la donnée faible? La méthode du mapathon permet de répondre à ces multiples questions.

PreviousPhase 3: La mise à niveau des donnéesNextLa solution: le “mapathon”

Last updated 6 years ago

Was this helpful?