Cellules H3
Les cellules H3 fournissent des statistiques agrégées de stationnement pour chaque zone hexagonale. C'est le format idéal pour visualiser la densité de stationnement à l'échelle d'un quartier ou d'une ville.
Le système H3
Nos datasets utilisent le système d'indexation géospatiale H3, développé par Uber. Ce système divise la surface terrestre en hexagones de taille uniforme, permettant une agrégation spatiale efficace et des analyses de voisinage cohérentes.
Pourquoi des hexagones ?
Contrairement aux carrés (grilles traditionnelles), les hexagones offrent :
- Distance uniforme : tous les voisins sont équidistants du centre
- Pas de distorsion directionnelle : analyse cohérente dans toutes les directions
- Meilleure approximation des cercles : idéal pour les zones d'influence
Résolution utilisée
Tous les datasets CartograFit utilisent la résolution 9 du système H3.
| Résolution | Diamètre | Surface | Usage |
|---|---|---|---|
| 8 | ~461 m | ~0.74 km² | Analyse macro |
| 9 | ~174 m | ~0.11 km² | CartograFit |
| 10 | ~66 m | ~0.015 km² | Analyse micro |
Nos datasets sont produits en résolution 9, mais nous pouvons générer des agrégations à d'autres résolutions selon vos besoins.
✉️Contactez-nousTester le format H3
Vous pouvez visualiser et explorer le système H3 avec ces outils :
- H3 Geo Viewer - Visualisation interactive
- H3 Documentation - Documentation officielle
Contenu d'une cellule
Chaque cellule H3 contient des statistiques agrégées sur le stationnement dans sa zone.
Identification
| Propriété | Type | Description | Exemple |
|---|---|---|---|
h3_index | keyword | Identifiant unique H3 | 893b0c6a9a7ffff |
center | geo_point | Centre de la cellule (lat/lon) | { lat: -21.12, lon: 55.48 } |
geometry | geo_shape | Contour hexagonal (GeoJSON Polygon) | - |
Statistiques de stationnement
| Propriété | Type | Description |
|---|---|---|
parking_stats.total_spots | integer | Nombre total de places estimées |
parking_stats.total_areas | integer | Nombre de zones de stationnement |
parking_stats.density_per_km2 | float | Densité de places par km² |
Répartition par type
| Propriété | Type | Description |
|---|---|---|
parking_by_type.parallel | integer | Places en ligne (créneau) |
parking_by_type.perpendicular | integer | Places en bataille |
parking_by_type.diagonal | integer | Places en épi |
Statistiques routières
| Propriété | Type | Description |
|---|---|---|
road_stats.total_roads | integer | Nombre de segments de route |
road_stats.total_length_meters | float | Longueur totale de voirie |
Accessibilité
| Propriété | Type | Description |
|---|---|---|
accessibility.has_paid_parking | boolean | Présence de stationnement payant |
accessibility.has_disabled_parking | boolean | Présence de places PMR |
Cas d'usage
Heatmap de densité
Utilisez parking_stats.density_per_km2 pour créer une visualisation par couleur :
| Densité (places/km²) | Interprétation |
|---|---|
| 0-50 | Zone peu équipée |
| 50-150 | Équipement moyen |
| 150-300 | Bon équipement |
| 300+ | Zone très équipée |
Analyse comparative
Comparez les cellules H3 pour identifier :
- Les zones sur-équipées vs sous-équipées
- La répartition géographique des types de stationnement
- Les secteurs avec stationnement PMR ou payant
Dashboards et KPIs
Agrégez les cellules pour calculer des indicateurs à l'échelle d'un territoire :
- Nombre total de places
- Densité moyenne
- Couverture PMR
Exemple GeoJSON
{
"type": "Feature",
"properties": {
"h3_index": "893b0c6a9a7ffff",
"parking_stats": {
"total_spots": 42,
"total_areas": 8,
"density_per_km2": 382
},
"parking_by_type": {
"parallel": 28,
"perpendicular": 10,
"diagonal": 4
},
"fit_trust_score": 0.82
},
"geometry": {
"type": "Polygon",
"coordinates": [[[55.47, -21.12], ...]]
}
}
Ressources H3
Pour en savoir plus sur le système H3 :
- h3geo.org - Site officiel avec documentation complète
- H3 sur GitHub - Code source et bindings multi-langages
- Introduction à H3 - Article de présentation par Uber
- H3 pour Python - Bibliothèque Python officielle