Analysing open data on Brussels' public transport

La prévision de l’heure d’arrivée des bus est la base de la promotion du développement des services de transports publics urbains. Afin de résoudre ce problème, dans un premier temps, nous avons développé des scripts en python 3, ces scripts nous ont permis d’organiser les données recueillies sur le réseau de transport des bus de la STIB dans un format (tableau) permettant l’utilisation des approches de machine learning. Une fois les données organisées, la deuxième partie de notre travail a consisté à l’élaboration des approches permettant la prédiction de l’heure d’arrivée d’un bus aux arrêts de son trajet. Nous avons proposé différentes approches qui nous ont permis de prendre en compte le nombre d’arrêts considérés pour la prédiction, le nombre des voisins considérés et la mesure de distance utilisée. Ces approches nous ont permis à réaliser les prédictions dans différentes situations caractérisées par : l’heure qu’on effectue la requête, l’heure selon l’horaire prévue pour prendre le bus et l’arrêt où l’on veut prendre le bus. Sur base de ces approches et situations, nous avons constitué les ensembles d’apprentissage. Pour la partie d’apprentissage, nous avons utilisé l’algorithme des k plus proches voisins proposé par la librairie scikit-learn.