Ce projet analyse les données de transport en commun du réseau Ilevia de la Métropole Européenne de Lille (MEL) en utilisant les fichiers GTFS (General Transit Feed Specification). L'analyse comprend l'exploration des horaires, des itinéraires, des arrêts et la visualisation cartographique du réseau.

Le projet utilise les fichiers GTFS standard d'Ilevia :

• agency.txt : Informations sur l'agence de transport
• calendar_dates.txt : Exceptions de calendrier et dates spéciales
• routes.txt : Définition des lignes de transport
• stop_times.txt : Horaires de passage aux arrêts
• stops.txt : Localisation et informations des arrêts
• trips.txt : Voyages programmés sur chaque ligne

import pandas as pd      # Manipulation des données
import folium           # Cartographie interactive
import matplotlib.pyplot as plt  # Graphiques
import seaborn as sns   # Visualisations statistiques
import requests         # Requêtes API

• API Adresse (data.gouv.fr) : Géocodage d'adresses françaises

# Exemple d'utilisation de l'API Adresse
link = 'https://api-adresse.data.gouv.fr/search/?q=728+Route+de+Villerest&postcode=42155'
r = requests.get(link).json()

ilevia-gtfs-analysis/
├── data/
│   ├── gtfs/
│   │   ├── agency.txt
│   │   ├── calendar_dates.txt
│   │   ├── routes.txt
│   │   ├── stop_times.txt
│   │   ├── stops.txt
│   │   └── trips.txt
│   └── processed/        # Données traitées
├── notebooks/
│   └── transport_ilevia.ipynb  # Notebook principal
├── scripts/
│   ├── data_loader.py    # Chargement des données GTFS
│   ├── geocoding.py      # Fonctions de géocodage
│   └── visualizations.py # Cartes et graphiques
├── maps/                 # Cartes générées
└── README.md

pip install pandas folium matplotlib seaborn requests

# Chargement des fichiers GTFS
df_agency = pd.read_csv('data/gtfs/agency.txt')
df_calendar = pd.read_csv('data/gtfs/calendar_dates.txt')
df_routes = pd.read_csv('data/gtfs/routes.txt')
df_stop_times = pd.read_csv('data/gtfs/stop_times.txt')
df_stops = pd.read_csv('data/gtfs/stops.txt')
df_trips = pd.read_csv('data/gtfs/trips.txt')

1. Ouvrir le notebook transport_ilevia.ipynb
2. Exécuter les cellules dans l'ordre
3. Les visualisations et cartes seront générées automatiquement

• Nombre de lignes par type de transport
• Répartition des arrêts sur le territoire
• Fréquences de passage par ligne
• Couverture géographique du réseau

• Carte interactive des arrêts avec Folium
• Tracé des lignes de transport
• Zones de desserte et accessibilité
• Heatmap de la densité d'arrêts

• Horaires de pointe et creuses
• Fréquences par ligne et par période
• Exceptions de service (jours fériés, travaux)

Le projet utilise l'API Adresse du gouvernement français pour :

• Convertir les adresses en coordonnées GPS
• Valider les localisations des arrêts
• Enrichir les données géographiques

def geocode_address(address, postcode):
    """Géocode une adresse avec l'API Adresse"""
    url = f"https://api-adresse.data.gouv.fr/search/?q={address}&postcode={postcode}"
    response = requests.get(url).json()
    if response['features']:
        coords = response['features'][0]['geometry']['coordinates']
        return coords[1], coords[0]  # lat, lon
    return None, None

• Nombre total d'arrêts : À calculer depuis stops.txt
• Nombre de lignes actives : À calculer depuis routes.txt
• Fréquence moyenne : Basée sur stop_times.txt
• Couverture territoriale : Surface desservie

• Arrêts PMR : wheelchair_boarding = 1
• Desserte par commune : Agrégation par zone
• Temps d'accès moyen : Distance entre arrêts

Le General Transit Feed Specification (GTFS) est un standard international pour les données de transport public. Il permet :

• Interopérabilité entre systèmes
• Planification d'itinéraires multi-modaux
• Analyse comparative entre réseaux
• Applications tierces (Google Maps, Citymapper)

# Attention aux types mixtes dans stop_times.txt
df_stop_times = pd.read_csv('stop_times.txt', low_memory=False)

# Joindre les arrêts avec leurs horaires
stops_with_times = df_stops.merge(df_stop_times, on='stop_id')

# Joindre les voyages avec leurs lignes
trips_with_routes = df_trips.merge(df_routes, on='route_id')

Les contributions sont bienvenues ! Zones d'amélioration :

1. Optimisation des performances pour les gros datasets
2. Nouvelles visualisations (3D, animations temporelles)
3. Analyses prédictives (retards, affluence)
4. Export vers d'autres formats (GeoJSON, KML)

• Projet : Analyse GTFS Ilevia MEL
• Source des données : Open Data Ilevia
• API Adresse : api-adresse.data.gouv.fr

• Spécification GTFS
• Open Data Ilevia
• API Adresse Documentation
• Folium Documentation
• Pandas GTFS

*Dernière mise à jour : [19/07/25]