Je traque les déplacements de 297655 parisiens pour trouver le meilleur Vélib

Summary

Dans cette vidéo, l'auteur explique comment il a exploité une faille de sécurité pour suivre les trajets de plus de 400 000 Vélibes à Paris pendant deux ans, afin de déterminer quel est le meilleur vélo à choisir chaque matin. En utilisant des données en temps réel accessibles publiquement, il a développé un programme qui analyse les vélos disponibles pour éviter les défectueux. Bien qu'il reconnaisse que sa méthode soit artisanale, il partage son expérience et ses découvertes, tout en suggérant l'utilisation de l'apprentissage automatique pour améliorer l'analyse des données et prédire les vélos les plus fiables.

Takeaways

• 😀 L'auteur a analysé plus de 100 millions de trajets Vélib pour déterminer quel est le meilleur vélo à choisir.
• 😀 L'auteur a eu une expérience personnelle avec les Vélibs à Paris, au départ négative, mais qui a évolué positivement après avoir testé le système.
• 😀 Un problème courant rencontré par l'auteur était de tomber sur des Vélibs défectueux, ce qui entraînait des pertes de temps, qu'il a cherché à résoudre scientifiquement.
• 😀 L'auteur a collecté des données en temps réel sur les Vélibs en utilisant une méthode de récupération d'informations depuis l'application officielle Vélib.
• 😀 Il a mis au point un programme pour suivre chaque Vélib individuellement et analyser les disparitions, les trajets et l'état des vélos.
• 😀 Les Vélibs peuvent disparaître pendant 24 heures pour être réparés, mais la plupart réapparaissent dans un délai de quelques jours, avec un rythme régulier de réapparition.
• 😀 Un type particulier de trajet, appelé 'boomerang', a été observé, où les Vélibs sont pris et retournent rapidement au même station, probablement à cause de problèmes techniques.
• 😀 Le programme de l'auteur lui permet de déterminer quel Vélib est le meilleur en fonction de la vitesse et de l'état de chaque vélo.
• 😀 L'auteur a constaté que les Vélibs ayant roulé rapidement dans le passé étaient plus fiables et en meilleur état.
• 😀 Après plusieurs filtres, le taux de Vélibs parfaits récupérés à la première tentative atteint presque 99% grâce à l'optimisation du programme et à l'analyse des données de batterie.
• 😀 L'auteur suggère que l'utilisation de l'intelligence artificielle ou de l'apprentissage automatique pourrait améliorer encore davantage la prédiction de l'état de chaque Vélib.
• 😀 Bien que l'approche de l'auteur soit spécifique à son cas, il partage ses données et invite d'autres à explorer des idées pour améliorer le système de Vélib.

Q & A

Pourquoi le narrateur a-t-il initialement une mauvaise opinion des Vélibs?

Le narrateur avait des préjugés négatifs envers les Vélibs, les considérant comme quelque chose de spécifique à Paris et n'étant pas fan de l'idée de les utiliser.

Qu'est-ce qui a poussé le narrateur à reconsidérer les Vélibs?

Un vidéo a changé sa perception, lui montrant les avantages des Vélibs comme un moyen de locomotion pratique, particulièrement pour les trajets du quotidien.

Quel problème le narrateur rencontre-t-il fréquemment avec les Vélibs?

Il rencontre souvent des Vélibs défectueux, comme ceux avec des freins cassés, qu’il ne découvre qu'une fois en route, ce qui lui fait perdre du temps.

Comment le narrateur résout-il son problème de Vélibs défectueux?

Il analyse les données des Vélibs pour déterminer quels sont les vélos les plus fiables, en utilisant des critères comme les trajets effectués et l'état du vélo.

Le narrateur a-t-il utilisé une méthode légale pour suivre les Vélibs?

Bien que la méthode soit interdite par les règles de Vélib, le narrateur la considère comme légale puisqu'il utilise des données publiques accessibles, sans pirater le système.

Comment le narrateur récupère-t-il les données des Vélibs?

Il utilise un programme qu'il a codé pour récupérer la liste des événements de chaque station Vélib toutes les minutes, 24h/24, en identifiant chaque Vélib individuellement.

Quelles données sont collectées par le programme du narrateur?

Le programme recueille des informations telles que l'identifiant unique de chaque Vélib, les stations de départ et d'arrivée, ainsi que les détails de chaque trajet (durée, distance, vitesse moyenne).

Que révèle l'analyse des données des Vélibs sur la gestion des vélos?

L'analyse montre que de nombreux Vélibs disparaissent chaque jour, mais qu'ils sont régulièrement réinjectés dans le système après des réparations ou un entretien, révélant une gestion logistique précise derrière le système Vélib.

Quels sont les 'boomerangs' dans le contexte des Vélibs?

Les 'boomerangs' sont des Vélibs qui sont pris puis retournés au même endroit en moins de 5 minutes, souvent parce que le vélo était défectueux.

Quel est le but ultime du narrateur dans son projet de suivi des Vélibs?

Le but est de trouver le meilleur Vélib dans sa station chaque matin en utilisant des méthodes statistiques et des algorithmes pour éviter les vélos défectueux et améliorer l'efficacité des trajets.