]> 2026-06-15T08:19:49+02:00 Mobi BOX 0 fr Ils sont installés dans les lieux publics, aux arrêts de tramway, aux stations de bus et dans les taxis, et sont signalés par un panneau indiquant leur présence. Connexion Disponibilité des Api externe Draft Un dispositif fournissant des informations en temps réel sur la pertinence d’utiliser une voiture ou les transports en commun, en évaluant la qualité de l’air, les niveaux de pollution atmosphérique ainsi que la disponibilité des différents moyens de transport dans la zone Expert Arduino Computing Electricity Mechanics 2

day(s)

L’esp appelle une api sur un serveur (api en fast api). Cette api va appeler les autres apis et faire les calcule. Cette architecture permet de ne pas être limité par l’esp niveau performance. pour présenter l’expérience ou la réalisation technique de manière attractive. Attribution (CC-BY) Mobi_BOX_IMG_0412.jpeg https://datahub.bordeaux-metropole.fr/pages/accueil/ https://fastapi.tiangolo.com/ https://open-meteo.com/ Améliorer notre capacité à travailler en équipe Améliorer notre capacité à s’adapter au différent profils et compétence des membres de notre équipe (oral, méthode de travail, contrainte) Une rotation d’un cache dévoilé le moyen de transport conseillé à l’instant t. - Ajouter un GPS afin d’avoir la position dynamiquement. - Ajouter un capteur qui permet d’analyser la qualité de l’air pour ne plus dépendre d’un service tier et être plus précis Chaque participant partage sa compréhension du thème. Toutes les idées et les mots-clés sont ensuite notés et organisés sous forme de schéma. Analyse des sources disponibles sur les sites de TBM et de Bordeaux Métropole pour identifier les bénéfices environnementaux du tramway et du réseau de bus. Conception d’une machine capable d’analyser la qualité de l’air et le trafic, afin de proposer le meilleur moyen de transport entre bus, tram, voiture ou taxi. <nowiki>import requests from bs4 import BeautifulSoup class AQIRepository: URL = "https://www.atmo-nouvelleaquitaine.org/air-commune/Bordeaux/33063/indice-atmo?date=2025-10-14" def __init__(self): self.cat_to_conc = { 'Bon': {'PM2.5': 5.0, 'PM10': 15.0, 'O3': 0.040, 'NO2': 20.0, 'SO2': 5.0}, 'Moyen': {'PM2.5': 20.0, 'PM10': 40.0, 'O3': 0.060, 'NO2': 60.0, 'SO2': 20.0}, 'Mauvais':{'PM2.5': 40.0, 'PM10': 100.0,'O3': 0.100, 'NO2': 150.0,'SO2': 100.0}, 'Très mauvais':{'PM2.5':120.0,'PM10':300.0,'O3':0.180,'NO2':800.0,'SO2':500.0} } self.breakpoints = { 'PM2.5': [(0.0,12.0,0,50),(12.1,35.4,51,100),(35.5,55.4,101,150),(55.5,150.4,151,200)], 'PM10': [(0,54,0,50),(55,154,51,100),(155,254,101,150),(255,354,151,200)], 'O3': [(0.000,0.054,0,50),(0.055,0.070,51,100),(0.071,0.085,101,150)], 'NO2': [(0,53,0,50),(54,100,51,100),(101,360,101,150),(361,649,151,200)], 'SO2': [(0,35,0,50),(36,75,51,100),(76,185,101,150),(186,304,151,200)], } def linear_scale(self, C, C_low, C_high, I_low, I_high): return round((I_high - I_low) / (C_high - C_low) * (C - C_low) + I_low) def find_aqi_subindex(self, C, pollutant): for (C_low, C_high, I_low, I_high) in self.breakpoints[pollutant]: if C_low <= C <= C_high: return self.linear_scale(C, C_low, C_high, I_low, I_high) return None def scrape_categories(self): response = requests.get(self.URL, timeout=10) soup = BeautifulSoup(response.text, "html.parser") categories = {} blocks = soup.select(".c-indice-polluant") for block in blocks: title_tag = block.select_one(".c-indice-polluant-title span") cat_tag = block.select_one(".home-map-legend-item span") if title_tag and cat_tag: name = title_tag.get_text(strip=True).replace("₂", "2").replace("₃", "3") cat = cat_tag.get_text(strip=True) categories[name] = cat return categories def compute_aqi(self, categories): concentrations = {k: self.cat_to_conc[v][k] for k, v in categories.items() if k in self.cat_to_conc[v]} subindices = {k: self.find_aqi_subindex(concentrations[k], k) for k in concentrations} aqi_global = max(v for v in subindices.values() if v is not None) return aqi_global, subindices import requests class MeteoRepository: def __init__(self, latitude=44.8378, longitude=-0.5792): self.latitude = latitude self.longitude = longitude self.api_url = ( "https://api.open-meteo.com/v1/forecast?" f"latitude={self.latitude}&longitude={self.longitude}" "&hourly=temperature_2m,precipitation,weathercode" "&current_weather=true&timezone=Europe%2FParis" ) def get_weather(self): response = requests.get(self.api_url, timeout=10) data = response.json() return data.get("current_weather", {}) def compute_weather_score(self, weather): wmo_scores = { 0: 100, 1: 90, 2: 80, 3: 70, 45: 60, 48: 55, 51: 50, 53: 45, 55: 40, 61: 35, 63: 25, 65: 15, 71: 25, 73: 15, 75: 5, 95: 10, 99: 0, } temp = weather.get("temperature", 20) wind = weather.get("windspeed", 10) code = weather.get("weathercode", 0) base_score = wmo_scores.get(code, 60) if temp < 0: temp_penalty = 30 elif temp < 10: temp_penalty = 15 elif temp > 30: temp_penalty = 20 else: temp_penalty = 0 wind_penalty = 0 if wind > 40: wind_penalty = 20 elif wind > 25: wind_penalty = 10 score = base_score - temp_penalty - wind_penalty return round(max(0, min(100, score))) import requests import json class TrafficRepository: BASE_URL = "https://data.bordeaux-metropole.fr/geojson" def __init__(self, api_key="2HH8S7FKPP", typename="ci_trafi_l"): self.api_key = api_key self.typename = typename def get_traffic_by_gid(self, gid=2215): params = { "key": self.api_key, "typename": self.typename, "filter": json.dumps({"gid": gid}), } response = requests.get(self.BASE_URL, params=params, timeout=10) if response.status_code != 200: raise Exception(f"Erreur API {response.status_code} : {response.text}") return response.json() def compute_traffic_score(self, traffic_data): features = traffic_data.get("features", []) if not features: return 50 props = features[0].get("properties", {}) etat = props.get("etat_trafic") or props.get("etat") or "INCONNU" mapping = {"FLUIDE": 100, "RALENTI": 70, "EMBOUTEILLE": 30, "INCONNU": 50} return mapping.get(etat.upper(), 50) import requests import json from datetime import datetime, timezone class TbmRepository: BASE_URL = "https://data.bordeaux-metropole.fr/geojson" def __init__(self, api_key="2HH8S7FKPP", arret_id=4037): self.api_key = api_key self.arret_id = arret_id def get_next_tram(self, max_results=100): params = { "key": self.api_key, "typename": "sv_horai_a", "filter": json.dumps({"rs_sv_arret_p": self.arret_id}), "orderby": json.dumps(["hor_theo"]), "maxfeatures": max_results } response = requests.get(self.BASE_URL, params=params) response.raise_for_status() data = response.json() now = datetime.now(timezone.utc) for feature in data.get("features", []): props = feature.get("properties", {}) hor_theo = props.get("hor_theo") if not hor_theo: continue try: tram_time = datetime.fromisoformat(hor_theo) except ValueError: continue if tram_time > now: diff_sec = int((tram_time - now).total_seconds()) return {"heure": tram_time, "seconds": diff_sec, "etat": props.get("etat"), "type": props.get("type")} return None from AQIRepository import AQIRepository from MeteoRepository import MeteoRepository from TrafficRepository import TrafficRepository from TramRepository import TbmRepository from fastapi import FastAPI app = FastAPI() @app.get("/") def read_root(): longitude = -0.5935101 latitude = 44.8538665 borneTraficGID = 2215 Aqirepo = AQIRepository() categories = Aqirepo.scrape_categories() aqi, details = Aqirepo.compute_aqi(categories) meteo = MeteoRepository(latitude=latitude, longitude=longitude) weather = meteo.get_weather() score_M = meteo.compute_weather_score(weather) traffic = TrafficRepository() data = traffic.get_traffic_by_gid(borneTraficGID) score_T = traffic.compute_traffic_score(data) tbm = TbmRepository(arret_id=4037) prochain = tbm.get_next_tram() if prochain and 'seconds' in prochain: TP_seconds = prochain['seconds'] else: TP_seconds = 3600 max_tp_seconds = 3600 TP_score = max(0, min(100, 100 - (TP_seconds / max_tp_seconds) * 100)) IMR = ( 0.4 * (100 - aqi) + 0.3 * (100 - score_T) + 0.2 * TP_score + 0.1 * score_M ) return {"IMR": round(IMR, 1)} </nowiki> Bois, LED, papier transparent, éléments imprimés en 3D, ainsi que des cartes électroniques(Arduino ) pour la rotation et l’éclairage des LED. Comprendre le terme ( Mobilité de transport commun) Recherche dans les sources disponibles Élaboration d’un schéma préliminaire Choisir les matériaux pour la maquette Monter les éléments de la maquette et effectuer les tests Programmation sur Python Vidéo final Pollution transport mobilité qualité de l’air 2026-05-30T12:12:57Z

2461191.0089931

Mobi BOX 0 0 0 0 0 plainlist 1 [[:Item:Découpeuse laser]] Mobi BOX# QUERY4411759db49d23165aecb2c6e65d37bd 0 0 plainlist 1 [[:Item:Moteur électrique]] Mobi BOX# QUERY8b8377aaeb38545d2fce25ac1d4058e9 0 0 plainlist 1 [[:Item:Imprimante 3D]] Mobi BOX# QUERYd9dc4b1b9d3e7e5df81315ed91c8d5ba 0 0 plainlist 1 [[:Item:LED]] Mobi BOX# QUERY4e076c3fe2dbaf42d8fc4d4561714a06 0 0 plainlist 1 [[:Item:Boite en carton]] Mobi BOX# QUERY25e017356fa7048cf937f1ef469c3fc2 0 0 plainlist 1 [[:Item:ESP32]] Mobi BOX# QUERYaed63e1f6214d19eb561ba1eae2257ca