VelObserver rend visible la qualité des itinéraires cyclables du point de vue de celles et ceux qui les empruntent. Les usagers évaluent des tronçons à partir de photographies et de leur expérience. Regroupées dans l’espace, ces appréciations font ressortir les besoins d’amélioration du réseau. Avec la coopérative POSMO, Adrian F. Meyer développe des méthodes d’analyse fondées sur l’intelligence artificielle en tant que data scientist et responsable du développement de l’IA.
Contexte et portée
La catégorie officielle d’un aménagement cyclable ne dit pas à elle seule s’il est agréable ou sûr à emprunter. Les véhicules stationnés, le trafic mixte et les trajectoires peu lisibles modifient l’expérience. VelObserver associe donc les données d’infrastructure aux photographies et aux observations géolocalisées des cyclistes.
L’IA sert à structurer les indices visuels et à faciliter les comparaisons. Les évaluations humaines restent distinctes des caractéristiques déduites automatiquement : un modèle peut signaler des problèmes possibles sans déterminer à lui seul le vécu des usagers.
01
La question de recherche
Où les usagers estiment-ils que les infrastructures cyclables ont le plus besoin d’être améliorées ?
02
La démarche
- Prendre en compte les évaluations de tronçons cyclables fondées sur des photographies et sur l’expérience des usagers.
- Mettre en relation les appréciations et leur contexte géographique.
- Développer avec POSMO des méthodes d’analyse des infrastructures cyclables reposant sur l’intelligence artificielle.
03
Résultats et applications
- Des évaluations de la qualité des itinéraires cyclables regroupées par secteur.
- Un socle d’informations partagé pour faire évoluer le réseau cyclable en fonction des besoins.






