Dans trois villes vietnamiennes abritant plus de 9 millions d'habitants, comment identifier les zones scolaires les plus à risque et les enfants qui les fréquentent quotidiennement afin de lutter contre la principale cause de mortalité chez les jeunes : les accidents de la route ? La réponse ? Le Big Data.
Une méthodologie d'analyse des mégadonnées, développée dans le cadre du projet AI&Me, a permis d'effectuer une analyse à distance des données relatives à Hô Chi Minh-Ville, Pleiku et Yen Bai. Cette analyse a permis d'identifier les 106 écoles présentant les risques les plus élevés et nécessitant une enquête approfondie en matière de sécurité routière, et de prioriser les investissements parmi les 1 063 écoles analysées.
S’appuyant sur ces résultats, le projet attribuera un système d’étoiles à la sécurité des écoles. Star Rating for Schools application, tester une nouvelle application d'engagement des jeunes YEA auprès de 1 800 élèves cartographiant les endroits où ils se sentent en sécurité et en danger sur leur trajet vers l'école, et travailler avec les décideurs des gouvernements locaux pour mettre en œuvre des améliorations d'infrastructure dans 18 écoles prioritaires.
Les sources de données massives sont de plus en plus accessibles et permettent d'obtenir des informations sur un large éventail d'éléments de l'environnement urbain susceptibles de représenter un risque pour la sécurité routière. L'utilisation de ces données pour identifier les zones à haut risque constitue un moyen efficace d'étendre les évaluations à l'échelle d'une ville, d'une région ou d'un pays.
La méthodologie a utilisé des sources de données massives, notamment des données télématiques et satellitaires, pour collecter des attributs routiers, infrastructurels et sociodémographiques et identifier les écoles à risque où la combinaison des éléments environnementaux pourrait représenter un risque pour les élèves.
Les attributs ont été classés selon leur niveau de risque en quatre catégories, une approche qui a permis de réduire les coûts et les efforts d'analyse. Le premier niveau comprenait les informations librement accessibles et, à mesure que les niveaux progressaient et que le périmètre d'étude se réduisait, des données plus complexes, plus coûteuses et plus détaillées pouvaient être collectées et analysées de manière très ciblée.
“ Cette approche nous a permis de définir la méthodologie d'analyse et d'exploiter les données massives disponibles pour analyser et comparer 1 063 écoles. Elle nous a également permis de cibler et d'évaluer un ensemble de paramètres de risque à grande échelle et au niveau de chaque école au Vietnam ”, a déclaré Peter Jamieson, directeur général de la société d'analyse de données., Anditi.
Évolution des niveaux et modifications du périmètre d'analyse – Source des images : Anditi et iRAP
Shanna Lucchesi, chef de projet AI&Me du International Road Assessment Programme (iRAP) a déclaré que, à notre connaissance, c'est la première fois qu'une méthodologie de mégadonnées a été développée et mise à l'essai pour évaluer les risques liés aux infrastructures routières aux abords des écoles.
“ Les trois villes sont très différentes en taille et en complexité, ce qui prouve la flexibilité de la méthodologie pour s'adapter à différents contextes ”, a déclaré Mme Lucchesi.
“” Nous sommes ravis de lancer le programme pilote AI&Me au Vietnam, où nous pourrons utiliser le big data pour transformer notre façon de penser, d'aborder et de résoudre la crise routière », a déclaré Trang Truong, chef de projet AI&Me. Fondation AIP.
“Les autorités locales ont également recueilli des informations sur les décès de piétons et le nombre d'élèves. La méthodologie a été partagée avec nos partenaires des collectivités locales et des établissements scolaires au Vietnam. L'enquête menée après la formation a révélé que 861 000 participants ont jugé la méthodologie d'analyse des données massives présentée utile, voire très utile, pour permettre aux acteurs gouvernementaux d'identifier plus facilement les communautés et les zones à haut risque.
“ Non seulement la méthodologie a révélé des perspectives intéressantes pour une application au Vietnam, mais elle est conçue pour être évolutive, transférable, abordable et facile à appliquer partout en conjonction avec l'application iRAP Star Rating for Schools (SR4S) pour affiner une liste prioritaire de sites pour des évaluations détaillées “, a déclaré Mme Lucchesi.
“ Associée à SR4S, cette méthode aidera les décideurs à faire des choix efficaces et fondés sur des données probantes quant aux domaines où concentrer les efforts en matière de sécurité routière, en lien avec les interventions les plus efficaces et les plus rentables pour sauver des vies d'enfants ”, a-t-elle déclaré.
Les accidents de la route touchent de manière disproportionnée les jeunes, étant la principale cause de mortalité chez les personnes âgées de 5 à 29 ans dans le monde.
La combinaison de conditions routières dangereuses à proximité des écoles, de la vulnérabilité particulière des enfants et de la tolérance au risque élevée des jeunes conducteurs expose ces derniers au risque quotidien de blessures et de décès sur les routes.
On estime que 500 enfants meurent chaque jour sur les routes du monde et que plus de 10 000 subissent des blessures qui bouleversent leur vie, ce qui aura d'énormes conséquences économiques et sociales pour les générations futures.
Malgré ces niveaux inacceptables de traumatismes chez les jeunes, l'ampleur réelle du problème est souvent cachée à la conscience collective, tout en paraissant trop importante pour être prise en charge.
Mme Lucchesi a déclaré qu'il peut être difficile pour les gouvernements de savoir par où commencer en matière de priorité à la sécurité et pour qui, et de décider où concentrer leurs investissements dans les modifications routières ou l'application de la loi.
“Le projet Ai&Me est passionnant non seulement par son approche novatrice du big data, mais aussi par l'implication de toutes les personnes concernées et capables d'apporter leur contribution : élèves, directeurs d'établissement, élus locaux habilités à prendre des décisions d'investissement, et experts internationaux en sécurité routière et en données, forts de leur savoir-faire de pointe. Tous unissent leurs efforts pour protéger les plus vulnérables aux abords des écoles et appuyer les décisions gouvernementales.
“ Nous sommes enthousiasmés par la méthodologie du Big Data, les enseignements qu'elle a permis de tirer et les améliorations très ciblées qu'elle rendra possibles en matière de sécurité routière dans les trois villes. Nous sommes également enthousiasmés par son potentiel à l'échelle mondiale pour sécuriser les trajets scolaires de la manière la plus rentable, bien au-delà des frontières du Vietnam ”, a déclaré Mme Lucchesi.
La méthodologie a été développée dans le cadre de IA et moi : Projet d'autonomisation des jeunes pour des routes plus sûres fondée par Fondation Botnar et FIA Foundation, dirigé par la Fondation AIP et soutenu par iRAP et ANDITI.
Pour plus d'informations sur la méthodologie, téléchargez le Rapport méthodologique sur le Big Data d'AI&Me disponible ici.
Il sera également présenté à Conférence internationale Walk21 qui se tiendra la semaine prochaine, du 19 au 23 septembre, à Dublin.
Source de l’image d’en-tête : Vuong Bùi sur Pixabay