WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Estimation du temps de parcours aux soins de santé dans le district d'Ifanadiana.


par Randriamihaja Mauricianot
Ecole de management et d'innovation technologique - Master recherche en Informatique 2019
  

précédent sommaire

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

ANNEXES

Après la prédiction du modèle multivarié (sous-section 7.3.2) et le calcul du temps de parcours (sous-section 6.2.3) ; on a obtenu le résultat suivant pour la représentation graphique de données par rapport à la prédiction du temps avec et sans pluie. La figure suivante affiche l'écart entre les deux valeurs (0- sans pluie et 1- avec pluie).

Par rapport à cette figure, on observe un grand écart de temps entre 0 à 100 mn. Cela implique qu'il y a certain temps augment à cause de l'impact de la pluie par rapport à la situation géographique. Et ces valeurs sont dispersés entre 100 à 360 mn.

TABLE DES MATIERES

AVANT-PROPOS i

REMERCIEMENTS v

RESUME vi

ABSTRACT vii

LISTE DES FIGURES viii

LISTE DES TABLEAUX x

LISTE DES ABREVIATIONS xi

GLOSSAIRE xii

SOMMAIRE xiv

INTRODUCTION 1

PARTIE I : CONTEXTE GENERAL 3

Chapitre 1 : Présentation de la zone d'étude 3

1.1. Localisation géographique 3

1.2. Contexte géographique 5

1.2.1. Le relief 5

1.2.2. Les réseaux hydrographiques 6

1.2.3. L'occupation du sol 7

1.2.4. Le climat 9

1.2.5. Les réseaux routiers 9

1.3. Le système de santé dans le district 9

1.3.1. Le site communautaire 9

1.3.2. Le CSB 10

1.3.3. Le CHRD 10

1.4. Le contexte thématique 10

1.4.1. Contexte de l'étude 10

1.4.2. La problématique 12

1.4.3. L'objectif 12

Chapitre 2 : Etat de l'art 13

2.1. Théorie sur l'estimation du temps de parcours 13

2.1.1. Estimation par rapport aux situations régionales 13

2.1.2 Estimation par rapport aux situations rurales 13

2.1.3 Estimation par rapport aux situations des pays 14

2.2. Les approches existantes pour l'estimation du temps de parcours 15

2.2.1. Les approches méthodologiques 15

2.2.2. Les approches SIG 16

2.3. Estimation du temps de parcours qui utilise des modèles pour la prédiction 16

2.4. Synthèse 18

PARTIE II : MATERIELS ET METHODES 19

Chapitre 3 : Présentation des données 19

3.1. Les données de parcours à pied 19

3.1.1. Description 19

3.1.2. Structure des données 19

3.2. Temps de parcours à moto et voiture : TAG-IP 19

3.2.1. Description 19

3.2.2. Structure des données 20

3.3. Données climatiques 20

3.3.1. Description 20

3.3.2. Structure des données 20

3.4. Les données d'occupation du sol 20

3.4.1. Description 21

3.4.2. Structure des données 21

3.5. L'altitude 21

Chapitre 4 : Les outils utilisés 22

4.1. OSMAnd 22

4.2. TAG-IP 22

4.3. Power Api 23

4.4. GPS track editor 24

4.5. QGIS 24

4.6. ArcGIS 24

4.7. PostGIS 25

4.8. R 25

Chapitre 5 : Manipulation des données 26

5.1. Prétraitements 26

5.1.1. Nettoyage des données prise sur le terrain 26

5.1.2. Transformation des données .gpx en .shp sur Qgis 26

5.1.3. Intersection des traces avec l'occupation du sol 26

5.1.4. Utilisation des données géographiques sur PostGIS 26

5.1.5. Finalisation de la base de données 27

5.2. Traitements 27

5.2.1. Modélisation statistique 27

5.2.2. Analyses exploratoires 27

5.2.3. Prédiction de la vitesse de trajet à pied 29

5.2.4. Temps de trajet pour rejoindre les CSB 30

PARTIE III : RESULTAT ET DISCUSSION 19

Chapitre 6 : Mise en oeuvre 31

6.1. Prétraitements 31

6.1.1. Utilisation des données avec les outils 31

6.1.2. Exportation de la base de données 37

6.2. Traitements 38

6.2.1. Exploration des données 38

6.2.2. Mise en place du modèle statistique 40

6.2.3. Prédiction du temps de parcours 41

6.2.4. Interpolation des données sur ArcGIS 42

Chapitre 7 : Estimation du temps de parcours à pied 45

7.1. Les données recueillies 45

7.2. Résultats de la phase d'exploration des données 46

7.2.1. La vitesse 46

7.2.2. La pente 47

7.2.3. La distance 48

7.2.4. La pluviométrie 48

7.2.5. L'individu 49

7.2.6. L'occupation du sol 50

7.3. Les modèles univariés et multivariés 51

7.3.1. Le modèle univarié 51

7.3.2. Le modèle multivarié 54

7.4. Les prédictions du temps de parcours 55

Chapitre 8 : Estimation du temps de parcours en véhicule motorisé 57

8.1. Les données recueillies 57

8.2. Exploration des données utilisées 58

8.2.1. La vitesse 58

8.2.2. La pente 59

8.2.3. La distance 59

8.2.4. La pluviométrie 60

8.2.5. Le pont 61

8.2.6. Les réseaux routiers 62

8.2.7. La zone résidentielle 62

8.2.8. Variation de la vitesse selon le type de véhicule motorisé 63

8.3. Les modèles univariés et multivariés 64

8.3.1. Le modèle univarié 64

8.3.2. Le modèle multivarié 65

Chapitre 9 : Discussion 67

9.1. Estimation du temps de parcours à pied 67

9.2. Estimation du temps de parcours en véhicule motorisé 68

9.3. La plateforme d'affichage des résultats du projet 69

9.3.1. Description du projet 69

9.3.2. Exemple de la maquette complète du projet 70

CONCLUSION ET PERSPECTIVES xvi

BIBLIOGRAPHIE xvii

ANNEXES xix

TABLE DES MATIERES xx

précédent sommaire






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire