PARTIE III : RESULTATS ET DISCUSSION 64
Chapitre 7 : Déploiement réel du système 76
7.4 Paramètres nécessaires à la mise en place du système
Ce projet vise à aider à la prise de décision des différents acteurs de la ville en particulier la ville de Porto-Novo. Sa mise en œuvre né-cessite un certain nombre de paramètres à satisfaire.
Le personnel requis pour la mise en place du projet peut se pré-senter comme suit :
– un Directeur du projet : cadre désigné par la municipalité et qui fait parvenir au coordonnateur technique les besoins de la municipalité. Il s’agit ici du Directeur de la DPDC (Direction de la Prospective, du Développement et de la Coopération) de la Mairie de Porto-Novo ;
– un Coordonnateur Technique et Chef de Projet : il s’agit d’un ingénieur en réseaux et internet spécialisé dans le déploiement, l’administration et la sécurité des réseaux informatiques et éga-lement dans le développement des systèmes décisionnels. Il dé-finit avec le directeur du projet les grandes orientations à donner au système et les diverses dispositions à prendre. Ceci sera fait de concert avec les autres directions techniques de la municipa-lité. Le coordonnateur technique a pour rôle de transformer les besoins de la mairie en proposition de solutions techniques puis de procéder en la mise en œuvre des diverses solutions rete-nues ;
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
– trois Techniciens en Informatique: ils doivent être placés sous la tutelle directe du coordonnateur technique. Le premier est char-gé d’assurer la maintenance des divers équipements (serveurs, équipement réseau, etc.) du système. Les deux derniers doivent avoir des connaissances en informatique décisionnelle et sont chargés du développement des différents modules du système selon les instructions du coordonnateur technique.
Les différents éléments qu’il faut prendre en compte lors de l’esti-mation du coût sont les suivants :
– les serveurs ; – les onduleurs ;
– les ordinateurs pour les bureaux d’arrondissement ; – le déploiement du réseau ;
– le recrutement du personnel technique (si la Mairie le juge né-cessaire) ;
– la formation des gestionnaires de ville.
Le coût nécessaire pour la mise en œuvre réelle de ce projet (ta-bleau VII.II) est évalué à soixante-quatorze millions quatre cent vingt mille francs CFA (74.420.000 FCFA).
TableauVII.II – Estimation du coût
Elément Montant (FCFA)
2 Machines serveurs 3.500.000
6*5 Ordinateurs pour les bureaux d’arrondissement 9.000.000
2 Routeurs 120.000
Mise en place du réseau 50.000.000
Onduleurs, switch, câbles, groupe électrogène 800.000
Main d’oeuvre 10.000.000
Autres 1.000.000
Montant 74.420.000
DISCUSSION 8
Après avoir présenté les résultats dans le chapitre 6, nous faisons à présent une analyse critique.
Les résultats de test de notre système sont globalement satisfai-sants. Notre système a montré ses capacités à stocker de gros vo-lumes de données provenant de diverses sources de données, à trai-ter et restituer ces données sous différentes formes pour des fins d’analyse.
De gros volumes de données hétérogènes et éparses sur les in-dicateurs contenus dans des sources de données différentes (base de données du SAGU, fichiers de données ) ont été extraits, struc-turés, rendus homogènes et chargés dans l’entrepôt de données du système. L’ETL du système a montré ses capacités à intégrer des don-nées justes et correctes dans l’entrepôt en un temps relativement ac-ceptable. Cependant, nous devons ajouter aux algorithmes de trans-formation de données de l’ETL, l’ensemble des conditions nécessaires à l’élimination des données non importantes pour le système. Seule-ment certains cas de données aberrantes ont été pris en compte pour le moment. Une optimisation de ces algorithmes afin de réduire
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
au maximum le temps d’exécution rendra le système plus rapide et flexible.
L’entrepôt de données de par son architecture physique et logique de données a montré ses capacités à sauvegarder les gros volumes de données et à permettre de les restituer de façon fiable aux utilisa-teurs.
Le serveur OLAP quant à lui a aussi répondu à nos attentes. En effet, il gère parfaitement les demandes de reporting et d’analyse des utilisateurs à travers l’exécution rapide des demandes d’analyse et la restitution sous forme de table, de carte et de graphes des rapports des indicateurs du système.
En gros, notre système, bien qu’il s’agit là que d’une première im-plémentation susceptible d’améliorations, répond aux objectifs fixés.
Contrairement au SMURF, le système conçu est accessible en ré-seau. Une fois installée sur les serveurs, les utilisateurs peuvent y avoir accès depuis leurs différents postes utilisateurs pour y faire leur analyse. Il utilise des outils libres et est peu onéreux.
Par rapport au SIT, notre système renforce beaucoup plus les capa-cités d’analyses de données. Il assure le traitement et le stockage de gros volumes de données issues de différentes sources hétérogènes.
Plus besoin de se connecter à plusieurs bases de données avant de faire une analyse, l’aide à la décision se fait sur des données justes, précises, structurées et centralisées.
Comparativement au SAGU, notre système apporte un degré de précision dans l’analyse de données à travers l’exploitation des don-nées cartographiques de la ville. De plus, il tient compte de presque tous les secteurs de développement de la ville. En se basant sur un entrepôt de données, il offre la possibilité de développer aisément des outils de datamining pour le système.
CONCLUSION ET
PERSPECTIVES
CONCLUSION ET PERSPECTIVES
La gestion urbaine est un processus complexe et indispensable à une ville qui connait un essor et une grande croissance dans les dif-férents secteurs d’activité. Afin de pouvoir faciliter cette gestion, nous avons proposé un outil informatique pour l’aide à la décision dans les villes en particulier pour la ville de Porto-Novo, Bénin.
Nous avons étudié les systèmes existants tels que le SAGU, le SMURF et le SIT afin de dégager leurs faiblesses qui ont été par la suite prises en compte par notre système. Suite à l’analyse des différents besoins pour gérer à bien les villes en voie de développe-ment en particulier la ville de Porto-Novo, Bénin, nous avons modé-lisé et ensuite implémenté le système. En effet, une liste d’indicateur a été retenue en accord avec la mairie de Porto-Novo. Ces indicateurs contenus dans les bases de données (SAGU par exemple) et les fi-chiers de données (Excel, XML, CSV), ont été extraits, transformés et chargés dans un entrepôt de données grâce à l’ETL Kettle. Cet entre-pôt a été conçu à partir d’une base de données PostgreSQL suivant l’approche ROLAP. Ensuite, afin de permettre aux utilisateurs de faire du reporting et de l’analyse des données de l’entrepôt, une interface de visualisation de données écrite en Java, un serveur ROLAP Mon-drian et un serveur cartographique MapServer ont été déployés. Les utilisateurs (agent de la mairie) accèdent à la plateforme du système à partir de l’interface de visualisation depuis leur poste.
Les données sur les indicateurs retenus, ont été entrées dans le système. Le système a montré ses capacités à stocker, à permettre
l’analyse et le reporting de ces données. Nos différents tests ont été effectués en local suivant une architecture robuste mettant en œuvre tous les éléments du système.
Une fois le système déployé réellement, les résultats d’analyse des indicateurs constitueront de véritables éléments d’aide à la décision des différents acteurs de la ville de Porto-Novo. Notre système consti-tuera un réel outil d’aide à la décision pour la municipalité de Porto-Novo.
Outre les méthodes et outils utilisés, le système conçu est très flexible, robuste, multiplateforme, fiable et prêt à de futures évolutions.
Une architecture réseau adéquate pour le stockage brut et l’analyse de données a été étudiée et proposée.
Le système conçu pourra être répliqué à toutes les autres villes en développement (du Bénin, de l’Afrique et du monde). Cette réplication devra, bien sûr, prendre en compte les priorités et spécificités des villes concernées.
En perspective, nous proposons pour plus de précision dans l’ana-lyse des données, l’amélioration de la granularité pour l’affichage des cartes ainsi que l’implémentation des algorithmes de datamining pour l’entrepôt de données.
REFERENCES BIBLIOGRAPHIQUES
1. Adédjouma, S.A., Houndji, V.R.E., 2012 : Conception d’un Sys-tème d’Information Urbain : cas de la commune de Porto-Novo, Bénin. Actes du 3ème Colloque des Sciences, Cultures et Tech-nologies de l’UAC-Bénin, 143—160.
2. Ariyachandra, T., Watson, H., 2005 : Key factors in selecting a da-tawarehouse architecture », Business Intelligence Journal, 10(2), 1-9.
3. Bédard, Y., 2008 : OLAP et SOLAP : notions avancées des bases de données SIG. http ://www.scribd.com/doc/6964842/OLAP-et-SOLAP-complet- avec-explication-ppt-univ-laval, consulté 26 Juil-let 2013.
4. Blascka, M., C. Sapia, G. Hofling, B. Dinter, 1998 : Finding your way through multidimensional data models. In :WAGNER Roland.
9nd International Workshop on Database and Expert Systems Applications, Vienne, Autriche. Washington, DC, USA : IEEE Com-puter Society, 198-203.
5. DAT(Délégation à l’Aménagement du Territoire, Bénin), 2011 : Le système d’information territorial, 1-16.
6. Degréne, J., Salgé, F., 1997 : Les systèmes d’information géogra-phiques. 2nd Ed. Paris : Presses Universitaires de France, 125-169.
7. Golfarelli, M., Rizzi, S., 1998 : Methodological framework for data warehouse design. 1st international workshop on Data Warehou-sing and OLAP, Bethesda (Maryland, USA), 3-9.
8. Hüsemann, B., J. Lechtenbörger, G. Vossen, 2000 : Conceptual data warehouse modeling. In : JEUSFELD Manfred A., SHU Hua, STAUDT Martin et VOSSEN Gottfried. second Intl. Workshop on Design and Management of Data Warehouses,Stockholm, Suède.
CEUR-WS.org, 28(6), 13-24.
9. Inmon, W., 2005 : Building the Data Warehouse, 4ème édition, Hungry Minds Inc, États-Unis, 12-450.
10. Inmon, W., 1996 : Building the Data Warehouse. 2nd Ed, New York : Wiley, 7-96.
11. Kimball, R., 2001 : Guide pratique du concepteur de data ware-house.Edition Vuibert, 8-98.
12. Kimball, R., L. Reeves, W. Thornthwaite, M. Ross, 1998 : The Data Warehouse Lifecycle Toolkit : Expert Methods for Designing.
John Wiley Sons, Inc., New York, NY, USA, 13-65.
13. Kimball, R., Ross, M., 1996 : The data warehouse toolkit : the complete guide to dimensional modeling. Second edition, Wiley.
14. Kimball, R., 1996 : The Data Warehouse Toolkit : Practical Tech-niques for Building Dimensional Data Warehouses. New York : John Wiley Sons, 63-102.
15. Lebrun, G., Charrier, C., 2008 : Informatique Décisionnelle. Cours Master UENFE115. 14- 58.
16. Lenz, H., Shoshani, A., 1997 : Summarizability in OLAP and Sta-tistical Databases. In : IOANNIDIS Yannis E., HANSEN David M.. 9th International Conference on Scientific and Statistical Da-tabases Management,Olympia, Washington, USA. Los Angeles, CA : IEEE Computer Society, 132-143.
17. Mitchell, A., 2005 : The ESRI Guide to GIS Analysis, Californie : ESRI Press, 2(1), 100-186.
18. ONU(Organisation des Nations Unies), 2013 : L’Afrique subsa-harienne continue d’avancer sans relâche vers les objectifs du
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
Millénaire pour le développement, Département de l’information des Nations Unies — DPI/2583D, 1-2.
19. Piron, M., 2000 : Systèmes d’information et observatoires en sciences sociales : quel impact sur les démarches de recherche ?.
http ://www.cndwebzine.hcp.ma/IMG/pdf/Systemes_d_information_et _observatoires_en_sciences_sociales_quel_impact_sur_les _de-marches_de_recherche.pdf, consulté le 14 Juillet 2013.
20. Prat, N., J. Akoka, I. Comyn-Wattiau, 2006 : A UML-based data warehouse design method. Decision Support Systems, 42(3), 1449-1473.
21. Repetti, A., Prelaz-Droux, R., 2002 : Un moniteur urbain comme support d’une gestion participative de la ville en développement.
http ://cooperation.epfl.ch/webdav/site/cooperation/shared/publications /moniteururbain_repetti_prelaz_droux.pdf,1-12, consulté le 7 Mai
2013.
22. Repetti, A., 2004 : Un concept de monitoring participatif au ser-vice des villes en développement. Approche méthodologique et réalisation d’un observatoire urbain. Ecole Polytechnique Fédé-rale de Lausanne, THÈSE N 2903, 12-96.
http ://193.55.175.48/eatlas-francophonie/espacedocumentation/
tic/these_expe_thies.pdf, consulté le 14 Juillet 2013.
23. Rizzi, S., J. Trujillo, A. Abello, 2006 : Research in Data Warehouse Modeling and Design : Dead or Alive ?. 9th international work-shop on Data warehousing and OLAP, Arlington (Virginia, USA), 6-10.
24. Tranchant, M., 2011. Capacités des outils SOLAP en termes de requêtes spatiales, temporelles et spatio-temporelles. Épreuve TEST UEENG111, CNAM Rhône-Alpes, 8-40.
25. Turki, S., 2010 : Cours systèmes d’informations urbains.
http ://www.enit.academia.edu/documents/0076/6037/Cours
_SIU_chapitre_2.pdf, consulté le 21 Juin 2013.
26. Zepda, L., L. Celma, R. Zatarain, 2008 : Mixed Approach for Data Warahouse Conceptual Design with MDA. International Confe-rence on Computational Science and Its Applications, 1204-1217.
ANNEXES
dans notre système
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
Tableau I – Liste des indicateurs utilisés dans notre système (Extrait 1)
Catégories Indicateurs Détails Démographie
Densité de la population Nombre d’habitants évalué par kilomètre carré exprimé en habitants/km2
Taux de pauvreté Nombre d’habitants dont les revenus sont en dessous d’un seuil défini comme seuil de pauvreté (1 dollar)
Nombre d’habitants par tranche d’âge
Nombre d’habitants reparti par tranche d’âge : [0–6 ; 7–13 ; 14–25 ; 25–60 ; >60]
Croissance démogra-phique
Taux d’accroissement de la population par an exprimé en pourcentage
Population totale Nombre total d’habitants Education
Nombre moyen d’élèves par enseignant
Nombre moyen d’élèves par enseignant par école, par quartier, par arrondissement et dans la commune exprimé en élèves/en-seignant
Taux d’alphabétisation Proportion de personnes lettrées par quar-tier, par arrondissement et dans la com-mune exprimée en pourcentage
Nombre moyen d’élèves par salle de classe
Nombre moyen d’élèves par salle de classe, par école, par quartier, par arron-dissement et dans la commune exprimé en élèves/salle
Nombre moyen de salles de classe par école
Nombre de salles de classe par école, par quartier, par arrondissement et dans la commune exprimé en salles/école
Effectif scolaire Nombre d’élèves (fille et garçon) par école, par quartier, par arrondissement et dans la commune
Taux Brut de Scolarisa-tion
Nombre d’enfants inscrits à un cycle d’en-seignement exprimé en pourcentage du nombre d’enfants appartenant au groupe d’âge officiel correspondant
Taux Net de Scolarisa-tion
Nombre d’enfants inscrits à un cycle d’en-seignement et qui appartiennent au groupe d’âge officiel exprimé en pourcentage du nombre d’enfants appartenant au groupe d’âge officiel correspondant
TableauII – Liste des indicateurs utilisés dans notre système (Extrait 2)
Catégories Indicateurs Détails
Santé Nombre de centres de
santé
Nombre total de cliniques, dispen-saires, maternités, centres d’hospita-lisation etc. par quartier, par arrondis-sement et dans la commune
Mortalité infantile Proportion d’enfants d’âge compris entre 0 et 1 an, mort sur le nombre total d’enfants d’âge compris en 0 et 1 an exprimée en pourcentage
Densité de centre de santé
Nombre moyen d’habitants par centre de santé, par quartier, par arrondisse-ment et dans la commune exprimé en habitants/centre
Densité de médecins
Nombre moyen d’habitants par méde-cin, par quartier, par arrondissement et dans la commune exprimé en habi-tants/médecin
Eau Consommation en eau Proportion d’eaux consommée par habitant, par quartier, par arrondisse-ment et dans la commune exprimée en m3/habitant
Répartition des centres publics de distribution d’eau
Nombre de centres d’approvisionne-ment public d’eau par quartier, par ar-rondissement et dans la commune.
Taux d’eaux usées Quantité moyenne d’eaux usées par habitant, par quartier, par arrondisse-ment et dans la commune exprimée en m3/habitant
Taux d’élimination d’eaux usées
Proportion d’eaux usées éliminées par la quantité d’eaux usées total par quartier, par arrondissement dans la commune exprimée en pourcentage Assainissement Quantité de déchets Poids moyen de déchets produit par
habitant, par quartier, par arrondisse-ment et dans la commune exprimé en kilogramme/habitant
Taux d’électrification Proportion de superficies électrifiées par la superficie totale, par quartier, par arrondissement et dans la com-mune exprimée en pourcentage
Annexe B : Listing de quelques fichiers sources
B.1 Fichier de description de l’entrepôt implémenté dans Mondrian
Ce fichier est le schéma représentant la base de données multdi-mensionnelle de l’entrepôt au niveau du serveur OLAP.
1
<!--2 R a l i s e par : Hola Florentio Ulrich de SOUZA
3 Date : 10 Juillet 2013
4 Description : S c h m a mutidmensionnel de l entrept du s y s t m e
11 <Hierarchy hasAll="true" allMemberName="Tous les Quartiers"
primaryKey="idquartier" defaultMember="Tous les Quartiers">
18 <Hierarchy hasAll="false" allMemberName="Tous les Quartiers 1"
primaryKey="idquartier" >
19 <Table name="quartier" schema="siud.public"/>
20 <Level name="Nom du Quartier" column="nomquartier" uniqueMembers="
true">
26 27
28 <Dimension name="Annee" type="TimeDimension">
29 <Hierarchy name="Toutes Annees" hasAll="false" allLevelName="All"
primaryKey="idannee">
30 <Table name="anne" schema="siud.public"/>
31 <Level name="Annee" column="libelleannee" uniqueMembers="true"
levelType="TimeYears"/>
32 </Hierarchy>
33 </Dimension>
34
35 <Cube name="CubeDemographie" defaultMeasure=" Q u a n t i t de Dechets (kg)">
36 <Table name="informations_quartier" schema="siud.public"/>
37 <DimensionUsage source="Quartier" name="Quartier" foreignKey="
idquartier"/>
38 <DimensionUsage source="Annee" name="Annee" foreignKey="idannee"/>
39 <Measure name="Taux dalphabetisation (%)" column="nombregarcon"
aggregator="avg"/>
40 <Measure name="Croissance d mographique (%)" column="nombrevieux"
aggregator="sum"/>
41 <Measure name="Nombre Maison" column="nombremaison" aggregator="sum"/>
42 <Measure name="Nombre Decces" column="nombredecces" aggregator="sum"/>
43 <Measure name="Nombre Couple" column="nombrecouple" aggregator="sum"/>
44 <Measure name="Nombre Celibataire" column="nombrecelibariare"
aggregator="sum"/>
45 <Measure name="Taux de pauvrete (%)" column="superficie" aggregator="
avg"/>
46 <Measure name="Croissance demographique (%)" column="tauxdechet"
aggregator="avg"/>
47 </Cube>
48 49
50 <Cube name="CubeEcole" defaultMeasure="NombreGarcon Instruit">
51 <Table name="informations_ecole" schema="siud.public"/>
52 <DimensionUsage source="Annee" name="Annee" foreignKey="idannee"/>
53
54 <Dimension name="Ecole" type="StandardDimension" foreignKey="idecole">
55 <Hierarchy hasAll="true" primaryKey="idecole" primaryKeyTable="ecole"
allMemberName="Toutes les Ecoles">
56 <Join leftKey="idquartier" rightKey="idquartier">
57 <Table name="ecole"/>
58 <Table name="quartier"/>
59 </Join>
60 <Level name="Nom Quartier" table="quartier" column="nomquartier"
uniqueMembers="true">
61 <Property name="Nom Arrondissement" column="nomarrondissement_"/>
62 </Level>
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
63 <Level name="Nom Ecole" table="ecole" column="nomecole"
uniqueMembers="true">
64 <Property name="Annee Creation" column="datecreation"/>
65 <Property name="Reference Ecole" column="referenceecole"/>
66 <Property name="Statut Ecole" column="statutecole"/>
67 </Level>
68 </Hierarchy>
69 </Dimension>
70
71 <Measure name=" Q u a n t i t de Dechets" column="nombrefilleinscrit_"
aggregator="sum"/>
72 <Measure name="NombreGarcon Instruit" column="nombregarconinscrit_"
aggregator="sum"/>
73 <Measure name="Nombre Enseignant" column="nombreprofesseur" aggregator=
"sum"/>
74 <Measure name="Nombre Salle" column="nombresalledeclasse" aggregator="
sum"/>
75 <Measure name="Nombre Fille Reussie" column="nombrefillereussie"
aggregator="sum"/>
76 <Measure name="Nombre G a r o n Reussi" column="nombregarconabandon"
aggregator="sum"/>
77 <Measure name="Nombre Infirmerie" column="nombreinfirmerie" aggregator=
"sum"/>
78 <Measure name="Nombre Laboratoire" column="nombrelaboratoire"
aggregator="sum"/>
79 <Measure name="Nombre Bibliotheque" column="nombrebibliotheque"
aggregator="sum"/>
80 <Measure name="Nombre Ordinateur" column="
nombreordinateursalleinformatique" aggregator="sum"/>
81 </Cube>
82 </Schema>
0.2 Extrait du fichier descriptif du processus ETL im-plémenté
1
<!--2 R a l i s e par : Hola Florentio Ulrich de SOUZA
3 Date : 10 Juillet 2013
4 Description : Processus ETL du s y s t m e
12 <trans_version/>
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
81 <name>Fichier source de d o n n e s </name>
82 <type>TextFileInput</type>
97 <escapechar/>
Système d’Aide à la Décision pour la gestion urbaine : application à la ville de Porto-Novo, Bénin
153 <remotesteps> <input> </input> <output> </output> </remotesteps>
<GUI>
0.3 Exemple d’utilisation de la librairie Olap4j
1 /*
2 R a l i s e par : Hola Florentio Ulrich de SOUZA
3 Date : 20 Juillet 2013
4 Description : Client OLAP du systeme
5 */
6
7 // Execute a statement.
8 OlapStatement statement = olapConnection.createStatement();
9 CellSet result = statement.executeOlapQuery(mdxRequest);
10 List<CellSetAxis> cellSetAxes = result.getAxes();
11 ArrayList<Double> listeValeur = new ArrayList <Double> ();
12 CellSetAxis columnsAxis = cellSetAxes.get(Axis.COLUMNS.ordinal()-1);
13 CellSetAxis rowsAxis = cellSetAxes.get(Axis.ROWS.axisOrdinal()-1);
14 int cellOrdinal = 0;
15 for (Position rowPosition : rowsAxis.getPositions()) {
16 for (Position columnPosition : columnsAxis.getPositions()) {
17 // Access the cell via its ordinal. The ordinal is kept in step
18 // because we increment the ordinal once for each row and
19 // column.
20 Cell cell = result.getCell(cellOrdinal);
21 List<Integer> coordList = result.ordinalToCoordinates(cellOrdinal);