Français

Le problème visé

Nous souhaitons résoudre le problème typique du cycliste qui ne sait pas vraiment où poser ou prendre son vélib. Pour cela nous avons construit un système de prédiction basé sur méthodes d'apprentissage statistique. A côté de ça nous voulons proposer une interface élégante et intuitive sur le maximum de plateformes. A nos yeux, parmi toutes les applications et les approches utilisées auparavant, aucune ne mélangeait système prédictif intuitif et visuel agréable. Enfin nous faisons en sorte que notre application pour des villes du monde entier, quelque soit les données.

La solution

Nous souhaitons résoudre le problème de la prédiction en utilisant nos compétences développées à l'université, notamment en statistiques et en apprentissage statistique. Pour le côté graphique nous utilisons des outils modernes et travaillons minutieusement sur l'interface idéale.

Se concentrer sur la problématique du vélo et non pas du réseau urbain entier nous permet de développer une certaine expertise pour résoudre le problème. A terme nous voulons amener nos outils et notre expertise à une plus grande échelle pour permettre aux villes de prévoir les transports de vélos qu'elle aura à faire d'une station à une autre.

En d'autres termes nous pourrons prévoir les pénuries de vélos avant qu'elles arrivent pour pouvoir y remédier.

L'impact

Nous faisons en sorte que notre projet soit le plus général possible. Nous avons commencé par intégrer les villes françaises mais notre base de code est conçue d'une façon qui permet d'intégrer les données de villes du monde entier.

Au contraire de certaines applications développées par des villes individuelles, nous apportons une interface et une approche commune à toutes les villes.

Nous souhaitons nous étendre à toutes les plateformes, qu'elles soit mobiles ou bureautiques.

L'équipe

Nous sommes des étudiants en Statistiques et Informatique Décisionnelles de l'Université Paul Sabatier à Toulouse. Nos études tournent autour de l'extraction, l'étude et la réutilisation des données. OpenBikes est un project construit par des étudiants qui le font avec le sourire!

Retrouvez l'application et d'autres informations ici!

English

The problem to be solved

We wish to help bikers pick/drop a bike without fearing the station to be empty/full. In order to do so we have built a prediction system based on statistical learning techniques. We also wish to provide an common interface that is both elegant and intuitive. Finally we wish to make our application work for cities from all across the world, regardless of the shape of the data.

The solution

We hope to fulfill these goals by applying the knowledge we are gathering at university, specifically in statistics. Next to this we are using the latest technologies to provide an ideal user interface.

The fact that we are only targeting city bikes enables to put all of our efforts into making a high-standard prediction system. Most applications only tell the user where the closest bike station is, not if it will have bikes/spaces. One of our future goals is to use the expertise we are developing to advise cities in their bike sharing management.

In other words we will be able to predict when there will be an overflow/lack of bikes before it happens.

The impact

We are making sure that application is the most general possible. Without revealing our internal system we can assure you that adding a new city to the application is very simple, wherever it comes from.

Contrary to individual cities/applications that build a tool a single city, our application works for many cities.

We are aiming to provide our service on as many platforms as possible.

The team

We are students in statistics and business intelligence from the Paul Sabatier University in Toulouse. Our studies cover everything related to "data": extraction, cleaning, storing, analysis and visualization. OpenBikes is a project made by students and we do it by having a lot of fun!

Find the application and more information here!


Discussions

Discussion entre l'organisation et la communauté à propos de ce jeu de données.