Dans trois villes vietnamiennes abritant plus de 9 millions d’habitants, comment pouvons-nous commencer à identifier les zones scolaires les plus à risque et les enfants qui les utilisent quotidiennement pour lutter contre la principale cause de mortalité chez les jeunes : les accidents de la route. La réponse? Big Data.
Une méthodologie de criblage du Big Data développée dans le cadre du projet AI&Me a permis une analyse bureautique du Big Data pour Hô Chi Minh-Ville, Pleiku et Yen Bai. L'analyse a identifié les 106 écoles les plus à risque devant faire l'objet d'une enquête plus approfondie sur la sécurité routière et a priorisé les investissements sur un total de 1 063 écoles analysées.
Informé par les résultats, le projet évaluera la sécurité des écoles en utilisant le Classement par étoiles pour les écoles application, pilotez une nouvelle application d'engagement des jeunes YEA avec 1 800 élèves cartographiant les endroits où ils se sentent en sécurité et en danger lorsqu'ils se rendent à l'école à pied, et travaillez avec les décideurs du gouvernement local pour mettre en œuvre des améliorations des infrastructures dans 18 écoles prioritaires.
Les sources de données massives sont de plus en plus disponibles et fournissent des informations sur un large éventail d'éléments de l'environnement urbain qui peuvent représenter un risque pour la sécurité routière. Travailler avec le Big Data pour identifier les emplacements à haut risque est un moyen efficace et efficient 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, en particulier des données télématiques et satellitaires, pour collecter des attributs routiers, infrastructurels et sociodémographiques et signaler les écoles à risque où la combinaison d'éléments environnementaux pourrait représenter un risque pour les élèves.
Les attributs ont été classés en fonction de leur risque sur quatre niveaux, une approche qui a permis de réduire les coûts et les efforts d'analyse. Le premier niveau incluait des informations librement disponibles et, à mesure que les niveaux progressaient et que le champ d'application 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 déterminer la manière dont l'analyse a été effectuée et de tirer parti des mégadonnées disponibles pour analyser et comparer 1 063 écoles. Cela nous a également donné la possibilité de cibler et d'évaluer une gamme de paramètres de risque à grande échelle et au niveau de chaque école à travers le Vietnam », a déclaré Peter Jamieson, directeur général de la société d'analyse de données. Anditi.
Progression des niveaux et évolution du périmètre d’analyse – Source images : Anditi et iRAP
Chef de projet AI&Me Shanna Lucchesi du International Road Assessment Programme (iRAP) a déclaré que, à notre connaissance, c'est la première fois qu'une méthodologie Big Data est développée et testée pour évaluer les risques liés aux infrastructures routières autour des écoles.
« Les trois villes sont très différentes en taille et en complexité, ce qui prouve à quel point la méthodologie est flexible pour s'adapter à différents contextes », a déclaré Mme Lucchesi.
"Nous sommes ravis de piloter le programme AI&Me au Vietnam, où nous pourrons utiliser le Big Data pour changer notre façon de penser, d'aborder et de résoudre la crise routière », a déclaré Trang Truong, chef de projet AI&Me pour Fondation AIP.
« Les agences gouvernementales locales ont également collecté des informations sur les décès de piétons et le nombre d'étudiants. La méthodologie a été partagée avec nos partenaires gouvernementaux locaux et les écoles du Vietnam. L'enquête post-formation a montré que 86% des participants ont trouvé la méthodologie de filtrage des mégadonnées présentée dans la formation utile ou très utile pour les parties prenantes gouvernementales afin d'identifier plus facilement les communautés et les emplacements 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 n'importe où en conjonction avec l'application iRAP Star Rating for Schools (SR4S) pour affiner une liste prioritaire de sites pour une évaluation détaillée. évaluations», a déclaré Mme Lucchesi.
"Avec SR4S, la méthode aidera les décideurs à faire des choix efficaces et fondés sur des données probantes sur les domaines sur lesquels concentrer les efforts de sécurité routière, liés aux interventions les plus efficaces et les plus rentables pour sauver la vie des enfants", a-t-elle déclaré.
Les accidents de la route touchent de manière disproportionnée les jeunes, car ils constituent 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 élevée au risque des jeunes conducteurs expose les jeunes au risque quotidien de blessures et de décès sur la route.
On estime que 500 enfants mourront chaque jour sur les routes du monde et que plus de 10 000 subiront des blessures qui changeront leur vie, ce qui entraînera d’énormes conséquences économiques et sociales pour les générations futures.
Malgré ces niveaux inacceptables de traumatismes chez les jeunes, la véritable ampleur du problème est souvent cachée à la conscience communautaire, tout en semblant trop vaste pour être abordée.
Mme Lucchesi a déclaré qu'il peut être difficile pour les gouvernements de savoir par où commencer en donnant la priorité à la sécurité et pour qui, et de décider où concentrer les investissements dans les modifications ou le contrôle des routes.
« Le projet Ai&Me est passionnant non seulement par son approche innovante du Big Data, mais également par l'implication globale de toutes les personnes concernées et capables d'aider – des étudiants aux administrateurs scolaires, en passant par les représentants des gouvernements locaux responsables et habilités à prendre des décisions d'investissement, et les routes mondiales. des experts en sécurité et en données dotés du savoir-faire le plus récent. Ils se mobilisent tous pour protéger les plus vulnérables au bord des routes scolaires et soutenir la prise de décision du gouvernement.
« Nous sommes enthousiasmés par la méthodologie Big Data, les informations qu'elle a révélées et les améliorations très ciblées en matière de sécurité routière qu'elle rendra possibles dans les trois villes. Nous sommes également enthousiasmés par son potentiel mondial à rendre les déplacements scolaires plus sûrs 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 du AI&Me : Projet d'autonomisation des jeunes pour des routes plus sûres fondé 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 AI&Me Big Data ici.
Il sera également présenté au Conférence internationale Walk21 qui se tiendra la semaine prochaine du 19 au 23 septembre à Dublin.
Source de l’image d’en-tête : Vương Bùi sur Pixabay
Français 
English 
Português do Brasil 
Español de Colombia 
हिन्दी