1 Introduction

Les données sur les accidents auto corporels sont disponibles sur le site de data gouv.

Pour la visualisation géogrpahique des accidents, on peut utiliser le package R leaflet.

2 Géolocalisation des adresses

#### constitution de base ####

caracteristiques=data.table()
vehicules=data.table()
usagers=data.table()
lieux=data.table()

for (annee in seq(2010,2014,1)){
  caracteristiques <- rbind(caracteristiques,
                                data.table(read.csv(paste0("caracteristiques_",annee,".csv"))))
#   vehicules <- rbind(vehicules,
#                          data.table(read.csv(paste0("vehicules_",annee,".csv"))))
#   usagers <- rbind(usagers,
#                        data.table(read.csv(paste0("usagers_",annee,".csv"))))
#   lieux <- rbind(lieux,
#                      data.table(read.csv(paste0("lieux_",annee,".csv"))))
}

caracteristiques$lat[caracteristiques$lat == 0] <- NA
caracteristiques$lat <- caracteristiques$lat/100000
caracteristiques$lat <- as.double(caracteristiques$lat)

caracteristiques$long[caracteristiques$long == 0] <- NA
caracteristiques$long <- caracteristiques$long/100000
caracteristiques$long <- as.double(caracteristiques$long)

geoloc=data.table(lat=caracteristiques$lat,
                  long=caracteristiques$long,
                  dep=caracteristiques$dep)

geoloc=geoloc[is.na(lat)==FALSE,]
geoloc=geoloc[is.na(long)==FALSE,]
geoloc=geoloc[geoloc$long<1000,]

nrow(geoloc)/nrow(caracteristiques)

## [1] 0.339456

Dans un premier temps, on doit nettoyager la base de données :

Après nettoyage, on a 34% de lignes qui contiennent déjà des coordonnées GPS.
Pour les adresses non géocodées, il est possible d’utiliser le package ggmap. Un exemple est donné ci-dessous :

adr1=geocode(paste0(caracteristiques[1,]$adr,",",caracteristiques[1,]$com,"000"))

## Information from URL : http://maps.googleapis.com/maps/api/geocode/json?address=71%20RUE%20JEAN%20JAURES,52000&sensor=false

m <- leaflet(width="100%") %>%
  addTiles() %>%  # Add default OpenStreetMap map tiles
  addMarkers(lng=adr1$lon, lat=adr1$lat)
m  # Print the map

3 Visualisation des points individuels

Comme le nombre total de points est important, on choisit de visualiser les points individuels du déppartement 92 et 93.

geoloc92=geoloc[geoloc$dep==920,]

m <- leaflet(width="100%") %>%
  addTiles() %>%  # Add default OpenStreetMap map tiles
  addCircleMarkers(lng=geoloc92$long, lat=geoloc92$lat,radius=1)
m  # Print the map

geoloc93=geoloc[geoloc$dep==930,]

m <- leaflet(width="100%") %>%
  addTiles() %>%
  addCircleMarkers(lng=geoloc93$long, lat=geoloc93$lat,radius=1)
m

4 Visualisation avec un maillage

On peut construire un maillage pour repérer les endroits où les accidents sont fréquents.

h2d=function(x, y, pas,
             na.rm = TRUE, 
             FUN = base::length) {
  x.cuts <- seq(from = -5, to = 8.5, by = pas)
  y.cuts <- seq(from = 42, to = 51.5, by = pas)
  index.x <- cut(x, x.cuts, include.lowest = TRUE)
  index.y <- cut(y, y.cuts, include.lowest = TRUE)
  m <- tapply(x, list(index.x, index.y), FUN)
  if (identical(FUN, base::length)) 
    m[is.na(m)] <- 0
  midpoints <- function(x) (x[-1] + x[-length(x)])/2
  retval <- list()
  retval$counts <- m
  retval$x.breaks = x.cuts
  retval$y.breaks = y.cuts
  retval$x = midpoints(x.cuts)
  retval$y = midpoints(y.cuts)
  retval$nobs = length(x)
  retval
}


pas=0.002

haccid=h2d(x=geoloc$long,y=geoloc$lat,pas=pas)

mmm=cbind(rep(haccid$x,each=1,time=length(haccid$y)),
          rep(haccid$y,each=length(haccid$x),time=1),
          as.vector(haccid$counts))

pts=data.table(mmm)
names(pts)=c("x","y","freq")
maille=pts[pts$freq>10,]

pal <- colorNumeric(
  palette = "Spectral",
  domain = maille$freq
)
m=leaflet(data=maille) %>% 
  addTiles() %>% 
  addRectangles(
    lng1=~x-pas/2, lat1=~y-pas/2,
    lng2=~x+pas/2, lat2=~y+pas/2,
    color=~pal(freq),
    popup=~as.character(freq))%>% 
  addMarkers(lng=~x, lat=~y,popup=~as.character(freq))
m

5 Heatmap

Grâce au package rMaps, on peut voir tous les points sous forme de heatmap.

L2 <- Leaflet$new()
L2$setView(c(46,  3), 5)
L2$tileLayer(provider = "MapQuestOpen.OSM")

L2$addAssets(jshead = c(
  "http://leaflet.github.io/Leaflet.heat/dist/leaflet-heat.js"
))


# Add javascript to modify underlying chart
L2$setTemplate(afterScript = sprintf("
<script>
  var addressPoints = %s
  var heat = L.heatLayer(addressPoints).addTo(map)           
</script>
", rjson::toJSON(geolocj)
))

L2$save("heatmap_accidents_auto.html")

6 Pour aller plus loin

D’autres visualisations sur la base d’accidents auto corporels :

Pour une étude plus approfondie sur la géolocalisation :

Meilleure quantification de la densité du nombre d’accidents avec un estimateur noyau
Pour faire un meilleur maillage, il est possible de tracer des cercles

Géolocalisation des accidents auto corporels

Kezhan SHI

02 Novembre 2015