Avez-vous déjà couru sur un trottoir en passant du bon temps, puis heurter une colline et ralentir? Si c'est le cas, vous avez vu comment la pente affecte les taux de déplacement. Pour la plupart d'entre nous, comprendre l'impact de la pente des pentes sur notre vitesse est une question de condition physique. Pour les autres, comme les pompiers forestiers qui se retirent de la ligne de feu vers une zone de sécurité, prédire combien de temps il faut pour se déplacer sur un terrain peut être une question de vie ou de mort.

Les équipes de pompiers, les urbanistes et les équipes de recherche et de sauvetage ne sont que quelques-uns des nombreux groupes qui peuvent utiliser des modèles mathématiques pour prédire comment la pente affecte les taux de déplacement. Les modèles existants ont deux gros problèmes. Ils sont basés sur des ensembles de données avec de très petites tailles d'échantillon et ils ignorent à quel point les gens se déplacent différemment dans leur environnement - marcher et courir sur la même pente produira des taux de déplacement très différents.

Une équipe de géographes a développé une série de modèles qui prédisent fortement comment la pente du terrain affecte les taux de déplacement humains. En utilisant un massif, base de données participative de suivi de la condition physique, les géographes ont analysé les données GPS de près de 30, 000 personnes autour de Salt Lake City, Utah. Les individus marchaient, jogging, et a couru un combiné 81, 000 milles, équivalent à plus de trois voyages autour de l'équateur terrestre. Les modèles résultants sont les premiers à tenir compte de la variabilité des taux de déplacement entre les déplacements lents, déménageurs moyens et rapides.

« Cela va révolutionner notre compréhension de la façon dont le terrain affecte le mouvement des piétons, " a déclaré Michael Campbell, professeur adjoint au Fort Lewis College et auteur principal de l'étude. « Du point de vue des pompiers, dans des conditions normales, une équipe de pompiers peut avoir amplement le temps de marcher jusqu'à une zone de sécurité, mais si la merde frappe le ventilateur, ils vont devoir sprinter pour y arriver. Nous avons essayé d'introduire une flexibilité prédictive qui peut imiter la gamme de conditions que l'on peut avoir besoin de prendre en compte lors de l'estimation des taux et des temps de déplacement. »

L'article publié en ligne le 3 avril 2019, dans la revue Géographie appliquée .

Big Data

Les chercheurs ont exploité les données de crowdsourcing de Strava, une application sociale de fitness qui suit les cyclistes, coureurs, randonneurs, et les nageurs utilisant les données GPS via les téléphones mobiles des utilisateurs et d'autres appareils compatibles GPS. Strava Metro est un programme qui distribue de grandes quantités d'agrégats, des données GPS anonymes à des entités telles que les gouvernements locaux et régionaux pour aider à la planification des transports. À ce jour, Les collaborations de Strava Metro ont principalement tourné autour des données de cyclisme et de course en milieu urbain. Les géographes sont parmi les premiers à utiliser ses randonnées, les données de course et de jogging des activités sur les sentiers, et sont les premiers à utiliser les mégadonnées pour estimer la relation entre la pente et les taux de déplacement sur les sentiers de randonnée. Les géographes ont évalué la pente avec lidar, qui utilise des impulsions laser pour mesurer la topographie à quelques centimètres près. Des études antérieures se sont appuyées sur des estimations beaucoup plus grossières pour déterminer l'impact de la pente sur les taux de déplacement.

« Calculer la vitesse à laquelle les gens se déplacent dans l'environnement est un problème vieux de plus d'un siècle. Disposer de données provenant d'un si grand nombre de personnes se déplaçant à toutes les vitesses nous a permis de créer des modèles beaucoup plus avancés que ce qui se faisait auparavant, " a déclaré Philip Dennison, professeur au Département de géographie de l'Université de l'Utah et auteur de l'étude. "Toute application qui estime à quelle vitesse les gens marchent, faire du jogging, ou courir d'un point A à un point B peuvent bénéficier de ce travail."

Stéphan Hannon, le chef de produit de Strava, ajoutée, "Il s'agit d'une application fascinante de l'ensemble de données de Strava Metro en dehors de la mobilité urbaine et de la planification des infrastructures, et nous sommes ravis des implications salvatrices de cette étude. Je suis heureux que nos informations sur les données puissent soutenir le travail qui protège les pompiers pendant qu'ils travaillent dur pour protéger le reste d'entre nous."

Le modèle le plus largement utilisé pour estimer les taux de déplacement par pente est la fonction de randonnée de Tobler. En 1993, le géographe Waldo Tobler a adapté une fonction mathématique à une figure qui résumait les données empiriques recueillies dans les années 1950, avant l'âge du GPS. Les gens ont utilisé la fonction de randonnée de Tobler pour estimer les temps d'évacuation pour les tsunamis, la recherche et le sauvetage des personnes disparues et les voies d'évacuation des pompiers forestiers. La fonction suivante la plus largement utilisée, appelé la règle de Naismith, existe depuis 1892. Un alpiniste écossais a fait une randonnée, puis a écrit une entrée dans le Scottish Journal of Mountaineering. Sur la base de son expérience personnelle, il a écrit qu'il fallait prévoir trois heures pour chaque trois milles horizontaux parcourus, et ajouter une heure pour chaque 2, 000 pieds verticaux ascensionnés.

"Des centaines de personnes utilisent ces fonctions de taux de déplacement en pente basées sur un type écossais aléatoire des années 1890 et certaines données des années 1950, " a déclaré Campbell. "Nous voulions faire mieux."

En 2017, Campbell, Dennison et d'autres ont mesuré expérimentalement la pente et les taux de déplacement pour 37 personnes, qui était le plus grand ensemble de données expérimentales jusqu'à ce qu'Irmischer et Clarke enregistrent des taux de déplacement avec 200 personnes en 2018. La nouvelle étude a utilisé des données enregistrées entre le 1er juillet. 2016, et 30 juin, 2017 de près de 30, 000 personnes, totalisant près de 1,1 million de points de données. La quantité massive de données a permis aux géographes de développer des fonctions flexibles sur un spectre de vitesses de déplacement, des randonneurs les plus lents du 1er centile aux coureurs les plus rapides du 99e centile.

Selon les résultats de l'étude, une marche lente sur un plat, Un sentier de 1,6 km prend environ 33 minutes en moyenne, alors que ce même niveau d'effort sur une pente raide, Une pente de 30 degrés prendra environ 97 minutes. A l'autre bout du spectre, une course rapide sur un plat, Le sentier de 1 mile prend environ six minutes, par rapport à 13 minutes sur une pente de 30 degrés. Les gens se déplacent le plus rapidement sur une pente légèrement descendante, et les vitesses de déplacement étaient plus rapides pour les descentes que pour les montées. Par exemple, descendre une pente raide de 30 degrés se faisait à la même vitesse que monter une pente de 16 degrés.

Accorder le big data aux pompiers

Les données ont certaines limites. Parce que c'est du crowdsourcing, les données sont brouillonnes. Et en raison de son anonymat, les chercheurs ne connaissent pas les coureurs individuels. S'ils avaient des informations sur le niveau de forme physique de chaque personne, ils pourraient développer des fonctions plus nuancées pour prédire les temps de trajet.

À partir de ce mois-ci, les géographes appliqueront leurs nouveaux modèles aux pompiers forestiers. Au cours de leur entraînement de printemps, près d'une douzaine de pompiers dans l'Utah, Idaho, Le Colorado et la Californie utiliseront des traceurs GPS pour enregistrer leurs mouvements et enregistrer leurs taux de déplacement. Cela leur permettra de mieux comprendre les taux de déplacement de la population unique de pompiers, qui traversent souvent des terrains accidentés, travailler de longues heures, et transportant des sacs lourds.

« Nous devons trouver où les pompiers se situent dans ce spectre à partir des mégadonnées, " a déclaré Campbell. " Dire aux pompiers que nous pouvons prédire combien de temps il faudra pour atteindre les zones de sécurité en utilisant les données d'une population diversifiée d'utilisateurs de Strava ne sera pas aussi convaincant que les données fournies par les pompiers eux-mêmes. Tout ce que nous pouvons faire pour améliorer les estimations du taux de déplacement des pompiers offrira une marge de sécurité supplémentaire et, espérons-le, sauvera des vies. »