|
Résumé :
|
Les jumeaux numériques urbains suscitent un intérêt croissant dans les domaines urbain et géospatial. Cette technologie permet non seulement la visualisation, mais aussi une analyse approfondie des villes dans divers domaines, tels que l'environnement, l'infrastructure et la mobilité urbaine. Bien que plusieurs initiatives aient déjà été entreprises pour créer des jumeaux numériques urbains, les approches varient souvent et sont conçues pour des applications spécifiques. Ce projet vise à développer un cadre pour un jumeau numérique urbain, englobant l’intégration des données, le stockage, la visualisation et l’analyse. L’approche proposée repose sur des outils et des solutions open-source, intégrant divers types de données, notamment des modèles 3D de villes encodés en CityJSON, des données dynamiques sur la qualité de l’air, ainsi que des données externes qui sont intégrées depuis l’interface client telles que les données vectorielles, les modèles de ville 3D et les nuages de points. Pour chaque étape du processus proposé, nous avons mené une série d'expériences et fait plusieurs choix technologiques, tout en relevant divers défis. Avant d'intégrer les modèles 3D, diverses configurations sont appliquées, notamment la reprojection des objets au sol, la conversion de types de géométrie et la conversion de format. Pour le stockage et la gestion des modèles 3D de la ville, nous avons effectué plusieurs tests comparatifs entre 3DCityDB et CJDB. L'analyse de la base de données nous a conduit à choisir CJDB pour sa simplicité et sa légèreté. Nous avons développé une interface client en utilisant le framework Giro3D basé sur ThreeJS. Cette interface constitue la partie client de la plateforme, permettant aux utilisateurs de visualiser leurs modèles et d'interagir avec eux. L’interface est directement reliée à la base de données du modèle 3D via un serveur Flask, ce qui permet une gestion efficace des données et des mises à jour depuis le côté client. Les données dynamiques sont récupérées via des API externes et peuvent être soit directement visualisées sur la plateforme, soit stockées dans une base de données séparée suivant le modèle de données SensorThings API, permettant ainsi l'analyse de séries temporelles. Le concept de CityThings permet de relier les deux bases de données ; en effet, un objet urbain (stocké dans la base de données statique) correspond à un objet sur lequel un capteur est placé (stocké dans la base de données dynamique). Pour enrichir la plateforme, plusieurs fonctionnalités ont été développées, notamment l’intégration de différents types de données (telles que les données vectorielles, les modèles de ville 3D et les nuages de points) depuis l’interface client, la configuration de la scène de visualisation, la manipulation des attributs à l’échelle des objets urbains et des surfaces (c.-à-d., les bâtiments), les filtres attributaires et spatiaux, ainsi que l’intégration et la visualisation de données issues de simulations. La gestion des utilisateurs a également été mise en place pour gérer les connexions et les autorisations. Par rapport aux initiatives actuelles, ce projet a apporté des améliorations significatives dans les fonctionnalités d'analyse de données. Il a mis également en évidence l’importance d’avoir une base de données séparée pour stocker les données dynamiques, plutôt que de les intégrer directement dans le modèle 3D, ainsi que l’importance d’avoir une interaction directe entre l’interface client et la base de données.
|
