Wikidebrouillard - Contributions [fr]

Mobi BOX

2026-05-30T12:12:57Z

AYOUB :

{{Tuto Details
|Main_Picture=Mobi_BOX_IMG_0412.jpeg
|Licences=Attribution (CC-BY)
|Description=Un dispositif fournissant des informations en temps réel sur la pertinence d’utiliser une voiture ou les transports en commun, en évaluant la qualité de l’air, les niveaux de pollution atmosphérique ainsi que la disponibilité des différents moyens de transport dans la zone
|Disciplines scientifiques=Arduino, Computing, Electricity, Mechanics
|Difficulty=Expert
|Duration=2
|Duration-type=day(s)
|Tags=Pollution, transport, mobilité, qualité de l’air
}}
{{Introduction
|Introduction=pour présenter l’expérience ou la réalisation technique de manière attractive.
}}
{{Materials
|ItemList={{ItemList
|Item=Découpeuse laser
}}{{ItemList
|Item=Moteur électrique
}}{{ItemList
|Item=Imprimante 3D
}}{{ItemList
|Item=LED
}}{{ItemList
|Item=Boite en carton
}}{{ItemList
|Item=ESP32
}}
}}
{{Tuto Step
|Step_Title=Comprendre le terme ( Mobilité de transport commun)
|Step_Content=Chaque participant partage sa compréhension du thème. Toutes les idées et les mots-clés sont ensuite notés et organisés sous forme de schéma.
|Step_Picture_00=Mobi_BOX_IMG_1827.jpeg
|Step_Picture_01=Mobi_BOX_IMG_1829.jpeg
}}
{{Tuto Step
|Step_Title=Recherche dans les sources disponibles
|Step_Content=Analyse des sources disponibles sur les sites de TBM et de Bordeaux Métropole pour identifier les bénéfices environnementaux du tramway et du réseau de bus.
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.55.11.jpeg
}}
{{Tuto Step
|Step_Title=Élaboration d’un schéma préliminaire
|Step_Content=Conception d’une machine capable d’analyser la qualité de l’air et le trafic, afin de proposer le meilleur moyen de transport entre bus, tram, voiture ou taxi.
|Step_Picture_00=Mobi_BOX_IMG_1832.jpeg
|Step_Picture_01=Mobi_BOX_Capture_d_e_cran_2025-12-05_a_10.36.02.png
}}
{{Tuto Step
|Step_Title=Choisir les matériaux pour la maquette
|Step_Content=Bois, LED, papier transparent, éléments imprimés en 3D, ainsi que des cartes électroniques(Arduino ) pour la rotation et l’éclairage des LED.
|Step_Picture_00=Mobi_BOX_93993C_zoo.jpg
|Step_Picture_01=Mobi_BOX_IMG_0413.jpeg
|Step_Picture_02=Mobi_BOX_IMG_0333.mov
|Step_Picture_03=Mobi_BOX_IMG_0326.jpeg
|Step_Picture_04=Mobi_BOX_WhatsApp_Image_2026-05-30_at_14.12.33.jpeg
}}
{{Tuto Step
|Step_Title=Programmation sur Python
|Step_Content=import requests

from bs4 import BeautifulSoup

class AQIRepository:

URL = "<nowiki>https://www.atmo-nouvelleaquitaine.org/air-commune/Bordeaux/33063/indice-atmo?date=2025-10-14</nowiki>"

def __init__(self):

self.cat_to_conc = {

'Bon': {'PM2.5': 5.0, 'PM10': 15.0, 'O3': 0.040, 'NO2': 20.0, 'SO2': 5.0},

'Moyen': {'PM2.5': 20.0, 'PM10': 40.0, 'O3': 0.060, 'NO2': 60.0, 'SO2': 20.0},

'Mauvais':{'PM2.5': 40.0, 'PM10': 100.0,'O3': 0.100, 'NO2': 150.0,'SO2': 100.0},

'Très mauvais':{'PM2.5':120.0,'PM10':300.0,'O3':0.180,'NO2':800.0,'SO2':500.0}

}

self.breakpoints = {

'PM2.5': [(0.0,12.0,0,50),(12.1,35.4,51,100),(35.5,55.4,101,150),(55.5,150.4,151,200)],

'PM10': [(0,54,0,50),(55,154,51,100),(155,254,101,150),(255,354,151,200)],

'O3': [(0.000,0.054,0,50),(0.055,0.070,51,100),(0.071,0.085,101,150)],

'NO2': [(0,53,0,50),(54,100,51,100),(101,360,101,150),(361,649,151,200)],

'SO2': [(0,35,0,50),(36,75,51,100),(76,185,101,150),(186,304,151,200)],

}

def linear_scale(self, C, C_low, C_high, I_low, I_high):

return round((I_high - I_low) / (C_high - C_low) * (C - C_low) + I_low)

def find_aqi_subindex(self, C, pollutant):

for (C_low, C_high, I_low, I_high) in self.breakpoints[pollutant]:

if C_low <= C <= C_high:

return self.linear_scale(C, C_low, C_high, I_low, I_high)

return None

def scrape_categories(self):

response = requests.get(self.URL, timeout=10)

soup = BeautifulSoup(response.text, "html.parser")

categories = {}

blocks = soup.select(".c-indice-polluant")

for block in blocks:

title_tag = block.select_one(".c-indice-polluant-title span")

cat_tag = block.select_one(".home-map-legend-item span")

if title_tag and cat_tag:

name = title_tag.get_text(strip=True).replace("₂", "2").replace("₃", "3")

cat = cat_tag.get_text(strip=True)

categories[name] = cat

return categories

def compute_aqi(self, categories):

concentrations = {k: self.cat_to_conc[v][k] for k, v in categories.items() if k in self.cat_to_conc[v]}

subindices = {k: self.find_aqi_subindex(concentrations[k], k) for k in concentrations}

aqi_global = max(v for v in subindices.values() if v is not None)

return aqi_global, subindices

import requests

class MeteoRepository:

def __init__(self, latitude=44.8378, longitude=-0.5792):

self.latitude = latitude

self.longitude = longitude

self.api_url = (

"<nowiki>https://api.open-meteo.com/v1/forecast</nowiki>?"

f"latitude={self.latitude}&longitude={self.longitude}"

"&hourly=temperature_2m,precipitation,weathercode"

"&current_weather=true&timezone=Europe%2FParis"

)

def get_weather(self):

response = requests.get(self.api_url, timeout=10)

data = response.json()

return data.get("current_weather", {})

def compute_weather_score(self, weather):

wmo_scores = {

0: 100, 1: 90, 2: 80, 3: 70, 45: 60, 48: 55,

51: 50, 53: 45, 55: 40, 61: 35, 63: 25, 65: 15,

71: 25, 73: 15, 75: 5, 95: 10, 99: 0,

}

temp = weather.get("temperature", 20)

wind = weather.get("windspeed", 10)

code = weather.get("weathercode", 0)

base_score = wmo_scores.get(code, 60)

if temp < 0:

temp_penalty = 30

elif temp < 10:

temp_penalty = 15

elif temp > 30:

temp_penalty = 20

else:

temp_penalty = 0

wind_penalty = 0

if wind > 40:

wind_penalty = 20

elif wind > 25:

wind_penalty = 10

score = base_score - temp_penalty - wind_penalty

return round(max(0, min(100, score)))

import requests

import json

class TrafficRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", typename="ci_trafi_l"):

self.api_key = api_key

self.typename = typename

def get_traffic_by_gid(self, gid=2215):

params = {

"key": self.api_key,

"typename": self.typename,

"filter": json.dumps({"gid": gid}),

}

response = requests.get(self.BASE_URL, params=params, timeout=10)

if response.status_code != 200:

raise Exception(f"Erreur API {response.status_code} : {response.text}")

return response.json()

def compute_traffic_score(self, traffic_data):

features = traffic_data.get("features", [])

if not features:

return 50

props = features[0].get("properties", {})

etat = props.get("etat_trafic") or props.get("etat") or "INCONNU"

mapping = {"FLUIDE": 100, "RALENTI": 70, "EMBOUTEILLE": 30, "INCONNU": 50}

return mapping.get(etat.upper(), 50)

import requests

import json

from datetime import datetime, timezone

class TbmRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", arret_id=4037):

self.api_key = api_key

self.arret_id = arret_id

def get_next_tram(self, max_results=100):

params = {

"key": self.api_key,

"typename": "sv_horai_a",

"filter": json.dumps({"rs_sv_arret_p": self.arret_id}),

"orderby": json.dumps(["hor_theo"]),

"maxfeatures": max_results

}

response = requests.get(self.BASE_URL, params=params)

response.raise_for_status()

data = response.json()

now = datetime.now(timezone.utc)

for feature in data.get("features", []):

props = feature.get("properties", {})

hor_theo = props.get("hor_theo")

if not hor_theo:

continue

try:

tram_time = datetime.fromisoformat(hor_theo)

except ValueError:

continue

if tram_time > now:

diff_sec = int((tram_time - now).total_seconds())

return {"heure": tram_time, "seconds": diff_sec, "etat": props.get("etat"), "type": props.get("type")}

return None

from AQIRepository import AQIRepository

from MeteoRepository import MeteoRepository

from TrafficRepository import TrafficRepository

from TramRepository import TbmRepository

from fastapi import FastAPI

app = FastAPI()

@app.get("/")

def read_root():

longitude = -0.5935101

latitude = 44.8538665

borneTraficGID = 2215

Aqirepo = AQIRepository()

categories = Aqirepo.scrape_categories()

aqi, details = Aqirepo.compute_aqi(categories)

meteo = MeteoRepository(latitude=latitude, longitude=longitude)

weather = meteo.get_weather()

score_M = meteo.compute_weather_score(weather)

traffic = TrafficRepository()

data = traffic.get_traffic_by_gid(borneTraficGID)

score_T = traffic.compute_traffic_score(data)

tbm = TbmRepository(arret_id=4037)

prochain = tbm.get_next_tram()

if prochain and 'seconds' in prochain:

TP_seconds = prochain['seconds']

else:

TP_seconds = 3600

max_tp_seconds = 3600

TP_score = max(0, min(100, 100 - (TP_seconds / max_tp_seconds) * 100))

IMR = (

0.4 * (100 - aqi) +

0.3 * (100 - score_T) +

0.2 * TP_score +

0.1 * score_M

)

return {"IMR": round(IMR, 1)}

<br />
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.46.41.jpeg
}}
{{Tuto Step
|Step_Title=Monter les éléments de la maquette et effectuer les tests
|Step_Picture_00=Mobi_BOX_IMG_0308.jpeg
|Step_Picture_01=Mobi_BOX_IMG_0345.mov
|Step_Picture_02=Mobi_BOX_IMG_0418.jpeg
|Step_Picture_03=Mobi_BOX_IMG_0384.mov
|Step_Picture_04=Mobi_BOX_IMG_1836.jpeg
}}
{{Tuto Step
|Step_Title=Vidéo final
|Step_Picture_00=Mobi_BOX_POCL.mp4
}}
{{Notes
|Observations=Une rotation d’un cache dévoilé le moyen de transport conseillé à l’instant t.
|Avertissement=Connexion

Disponibilité des Api externe
|Explanations=L’esp appelle une api sur un serveur (api en fast api). Cette api va appeler les autres apis et faire les calcule.

Cette architecture permet de ne pas être limité par l’esp niveau performance.
|Applications=Ils sont installés dans les lieux publics, aux arrêts de tramway, aux stations de bus et dans les taxis, et sont signalés par un panneau indiquant leur présence.
|Related=- Ajouter un GPS afin d’avoir la position dynamiquement.

- Ajouter un capteur qui permet d’analyser la qualité de l’air pour ne plus dépendre d’un service tier et être plus précis
|Objectives=Améliorer notre capacité à travailler en équipe Améliorer notre capacité à s’adapter au différent profils et compétence des membres de notre équipe (oral, méthode de travail, contrainte)
|Notes=https://datahub.bordeaux-metropole.fr/pages/accueil/

https://fastapi.tiangolo.com/

https://open-meteo.com/
}}
{{Tuto Status
|Complete=Draft
}}

Fichier:Mobi BOX WhatsApp Image 2026-05-30 at 14.12.33.jpeg

2026-05-30T12:12:50Z

AYOUB : Mobi_BOX_WhatsApp_Image_2026-05-30_at_14.12.33

Mobi_BOX_WhatsApp_Image_2026-05-30_at_14.12.33

Mobi BOX

2026-05-30T12:03:16Z

AYOUB :

{{Tuto Details
|Main_Picture=Mobi_BOX_IMG_0412.jpeg
|Licences=Attribution (CC-BY)
|Description=Un dispositif fournissant des informations en temps réel sur la pertinence d’utiliser une voiture ou les transports en commun, en évaluant la qualité de l’air, les niveaux de pollution atmosphérique ainsi que la disponibilité des différents moyens de transport dans la zone
|Disciplines scientifiques=Arduino, Computing, Electricity, Mechanics
|Difficulty=Expert
|Duration=2
|Duration-type=day(s)
|Tags=Pollution, transport, mobilité, qualité de l’air
}}
{{Introduction
|Introduction=pour présenter l’expérience ou la réalisation technique de manière attractive.
}}
{{Materials
|ItemList={{ItemList
|Item=Découpeuse laser
}}{{ItemList
|Item=Moteur électrique
}}{{ItemList
|Item=Imprimante 3D
}}{{ItemList
|Item=LED
}}{{ItemList
|Item=Boite en carton
}}{{ItemList
|Item=ESP32
}}
}}
{{Tuto Step
|Step_Title=Comprendre le terme ( Mobilité de transport commun)
|Step_Content=Chaque participant partage sa compréhension du thème. Toutes les idées et les mots-clés sont ensuite notés et organisés sous forme de schéma.
|Step_Picture_00=Mobi_BOX_IMG_1827.jpeg
|Step_Picture_01=Mobi_BOX_IMG_1829.jpeg
}}
{{Tuto Step
|Step_Title=Recherche dans les sources disponibles
|Step_Content=Analyse des sources disponibles sur les sites de TBM et de Bordeaux Métropole pour identifier les bénéfices environnementaux du tramway et du réseau de bus.
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.55.11.jpeg
}}
{{Tuto Step
|Step_Title=Élaboration d’un schéma préliminaire
|Step_Content=Conception d’une machine capable d’analyser la qualité de l’air et le trafic, afin de proposer le meilleur moyen de transport entre bus, tram, voiture ou taxi.
|Step_Picture_00=Mobi_BOX_IMG_1832.jpeg
|Step_Picture_01=Mobi_BOX_Capture_d_e_cran_2025-12-05_a_10.36.02.png
}}
{{Tuto Step
|Step_Title=Choisir les matériaux pour la maquette
|Step_Content=Bois, LED, papier transparent, éléments imprimés en 3D, ainsi que des cartes électroniques pour la rotation et l’éclairage des LED.
|Step_Picture_00=Mobi_BOX_93993C_zoo.jpg
|Step_Picture_01=Mobi_BOX_IMG_0413.jpeg
|Step_Picture_02=Mobi_BOX_IMG_0333.mov
|Step_Picture_03=Mobi_BOX_IMG_0326.jpeg
}}
{{Tuto Step
|Step_Title=Programmation sur Python
|Step_Content=import requests

from bs4 import BeautifulSoup

class AQIRepository:

URL = "<nowiki>https://www.atmo-nouvelleaquitaine.org/air-commune/Bordeaux/33063/indice-atmo?date=2025-10-14</nowiki>"

def __init__(self):

self.cat_to_conc = {

'Bon': {'PM2.5': 5.0, 'PM10': 15.0, 'O3': 0.040, 'NO2': 20.0, 'SO2': 5.0},

'Moyen': {'PM2.5': 20.0, 'PM10': 40.0, 'O3': 0.060, 'NO2': 60.0, 'SO2': 20.0},

'Mauvais':{'PM2.5': 40.0, 'PM10': 100.0,'O3': 0.100, 'NO2': 150.0,'SO2': 100.0},

'Très mauvais':{'PM2.5':120.0,'PM10':300.0,'O3':0.180,'NO2':800.0,'SO2':500.0}

}

self.breakpoints = {

'PM2.5': [(0.0,12.0,0,50),(12.1,35.4,51,100),(35.5,55.4,101,150),(55.5,150.4,151,200)],

'PM10': [(0,54,0,50),(55,154,51,100),(155,254,101,150),(255,354,151,200)],

'O3': [(0.000,0.054,0,50),(0.055,0.070,51,100),(0.071,0.085,101,150)],

'NO2': [(0,53,0,50),(54,100,51,100),(101,360,101,150),(361,649,151,200)],

'SO2': [(0,35,0,50),(36,75,51,100),(76,185,101,150),(186,304,151,200)],

}

def linear_scale(self, C, C_low, C_high, I_low, I_high):

return round((I_high - I_low) / (C_high - C_low) * (C - C_low) + I_low)

def find_aqi_subindex(self, C, pollutant):

for (C_low, C_high, I_low, I_high) in self.breakpoints[pollutant]:

if C_low <= C <= C_high:

return self.linear_scale(C, C_low, C_high, I_low, I_high)

return None

def scrape_categories(self):

response = requests.get(self.URL, timeout=10)

soup = BeautifulSoup(response.text, "html.parser")

categories = {}

blocks = soup.select(".c-indice-polluant")

for block in blocks:

title_tag = block.select_one(".c-indice-polluant-title span")

cat_tag = block.select_one(".home-map-legend-item span")

if title_tag and cat_tag:

name = title_tag.get_text(strip=True).replace("₂", "2").replace("₃", "3")

cat = cat_tag.get_text(strip=True)

categories[name] = cat

return categories

def compute_aqi(self, categories):

concentrations = {k: self.cat_to_conc[v][k] for k, v in categories.items() if k in self.cat_to_conc[v]}

subindices = {k: self.find_aqi_subindex(concentrations[k], k) for k in concentrations}

aqi_global = max(v for v in subindices.values() if v is not None)

return aqi_global, subindices

import requests

class MeteoRepository:

def __init__(self, latitude=44.8378, longitude=-0.5792):

self.latitude = latitude

self.longitude = longitude

self.api_url = (

"<nowiki>https://api.open-meteo.com/v1/forecast</nowiki>?"

f"latitude={self.latitude}&longitude={self.longitude}"

"&hourly=temperature_2m,precipitation,weathercode"

"&current_weather=true&timezone=Europe%2FParis"

)

def get_weather(self):

response = requests.get(self.api_url, timeout=10)

data = response.json()

return data.get("current_weather", {})

def compute_weather_score(self, weather):

wmo_scores = {

0: 100, 1: 90, 2: 80, 3: 70, 45: 60, 48: 55,

51: 50, 53: 45, 55: 40, 61: 35, 63: 25, 65: 15,

71: 25, 73: 15, 75: 5, 95: 10, 99: 0,

}

temp = weather.get("temperature", 20)

wind = weather.get("windspeed", 10)

code = weather.get("weathercode", 0)

base_score = wmo_scores.get(code, 60)

if temp < 0:

temp_penalty = 30

elif temp < 10:

temp_penalty = 15

elif temp > 30:

temp_penalty = 20

else:

temp_penalty = 0

wind_penalty = 0

if wind > 40:

wind_penalty = 20

elif wind > 25:

wind_penalty = 10

score = base_score - temp_penalty - wind_penalty

return round(max(0, min(100, score)))

import requests

import json

class TrafficRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", typename="ci_trafi_l"):

self.api_key = api_key

self.typename = typename

def get_traffic_by_gid(self, gid=2215):

params = {

"key": self.api_key,

"typename": self.typename,

"filter": json.dumps({"gid": gid}),

}

response = requests.get(self.BASE_URL, params=params, timeout=10)

if response.status_code != 200:

raise Exception(f"Erreur API {response.status_code} : {response.text}")

return response.json()

def compute_traffic_score(self, traffic_data):

features = traffic_data.get("features", [])

if not features:

return 50

props = features[0].get("properties", {})

etat = props.get("etat_trafic") or props.get("etat") or "INCONNU"

mapping = {"FLUIDE": 100, "RALENTI": 70, "EMBOUTEILLE": 30, "INCONNU": 50}

return mapping.get(etat.upper(), 50)

import requests

import json

from datetime import datetime, timezone

class TbmRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", arret_id=4037):

self.api_key = api_key

self.arret_id = arret_id

def get_next_tram(self, max_results=100):

params = {

"key": self.api_key,

"typename": "sv_horai_a",

"filter": json.dumps({"rs_sv_arret_p": self.arret_id}),

"orderby": json.dumps(["hor_theo"]),

"maxfeatures": max_results

}

response = requests.get(self.BASE_URL, params=params)

response.raise_for_status()

data = response.json()

now = datetime.now(timezone.utc)

for feature in data.get("features", []):

props = feature.get("properties", {})

hor_theo = props.get("hor_theo")

if not hor_theo:

continue

try:

tram_time = datetime.fromisoformat(hor_theo)

except ValueError:

continue

if tram_time > now:

diff_sec = int((tram_time - now).total_seconds())

return {"heure": tram_time, "seconds": diff_sec, "etat": props.get("etat"), "type": props.get("type")}

return None

from AQIRepository import AQIRepository

from MeteoRepository import MeteoRepository

from TrafficRepository import TrafficRepository

from TramRepository import TbmRepository

from fastapi import FastAPI

app = FastAPI()

@app.get("/")

def read_root():

longitude = -0.5935101

latitude = 44.8538665

borneTraficGID = 2215

Aqirepo = AQIRepository()

categories = Aqirepo.scrape_categories()

aqi, details = Aqirepo.compute_aqi(categories)

meteo = MeteoRepository(latitude=latitude, longitude=longitude)

weather = meteo.get_weather()

score_M = meteo.compute_weather_score(weather)

traffic = TrafficRepository()

data = traffic.get_traffic_by_gid(borneTraficGID)

score_T = traffic.compute_traffic_score(data)

tbm = TbmRepository(arret_id=4037)

prochain = tbm.get_next_tram()

if prochain and 'seconds' in prochain:

TP_seconds = prochain['seconds']

else:

TP_seconds = 3600

max_tp_seconds = 3600

TP_score = max(0, min(100, 100 - (TP_seconds / max_tp_seconds) * 100))

IMR = (

0.4 * (100 - aqi) +

0.3 * (100 - score_T) +

0.2 * TP_score +

0.1 * score_M

)

return {"IMR": round(IMR, 1)}

<br />
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.46.41.jpeg
}}
{{Tuto Step
|Step_Title=Monter les éléments de la maquette et effectuer les tests
|Step_Picture_00=Mobi_BOX_IMG_0308.jpeg
|Step_Picture_01=Mobi_BOX_IMG_0345.mov
|Step_Picture_02=Mobi_BOX_IMG_0418.jpeg
|Step_Picture_03=Mobi_BOX_IMG_0384.mov
|Step_Picture_04=Mobi_BOX_IMG_1836.jpeg
}}
{{Tuto Step
|Step_Title=Vidéo final
|Step_Picture_00=Mobi_BOX_POCL.mp4
}}
{{Notes
|Observations=Une rotation d’un cache dévoilé le moyen de transport conseillé à l’instant t.
|Avertissement=Connexion

Disponibilité des Api externe
|Explanations=L’esp appelle une api sur un serveur (api en fast api). Cette api va appeler les autres apis et faire les calcule.

Cette architecture permet de ne pas être limité par l’esp niveau performance.
|Applications=Ils sont installés dans les lieux publics, aux arrêts de tramway, aux stations de bus et dans les taxis, et sont signalés par un panneau indiquant leur présence.
|Related=- Ajouter un GPS afin d’avoir la position dynamiquement.

- Ajouter un capteur qui permet d’analyser la qualité de l’air pour ne plus dépendre d’un service tier et être plus précis
|Objectives=Améliorer notre capacité à travailler en équipe Améliorer notre capacité à s’adapter au différent profils et compétence des membres de notre équipe (oral, méthode de travail, contrainte)
|Notes=https://datahub.bordeaux-metropole.fr/pages/accueil/

https://fastapi.tiangolo.com/

https://open-meteo.com/
}}
{{Tuto Status
|Complete=Draft
}}

Fichier:Mobi BOX POCL.mp4

2026-05-30T12:03:07Z

AYOUB : Mobi_BOX_POCL

Mobi_BOX_POCL

Mobi BOX

2026-05-30T11:56:58Z

AYOUB :

{{Tuto Details
|Main_Picture=Mobi_BOX_IMG_0412.jpeg
|Licences=Attribution (CC-BY)
|Description=Un dispositif fournissant des informations en temps réel sur la pertinence d’utiliser une voiture ou les transports en commun, en évaluant la qualité de l’air, les niveaux de pollution atmosphérique ainsi que la disponibilité des différents moyens de transport dans la zone
|Disciplines scientifiques=Arduino, Computing, Electricity, Mechanics
|Difficulty=Expert
|Duration=2
|Duration-type=day(s)
|Tags=Pollution, transport, mobilité, qualité de l’air
}}
{{Introduction
|Introduction=pour présenter l’expérience ou la réalisation technique de manière attractive.
}}
{{Materials
|ItemList={{ItemList
|Item=Découpeuse laser
}}{{ItemList
|Item=Moteur électrique
}}{{ItemList
|Item=Imprimante 3D
}}{{ItemList
|Item=LED
}}{{ItemList
|Item=Boite en carton
}}{{ItemList
|Item=ESP32
}}
}}
{{Tuto Step
|Step_Title=Comprendre le terme ( Mobilité de transport commun)
|Step_Content=Chaque participant partage sa compréhension du thème. Toutes les idées et les mots-clés sont ensuite notés et organisés sous forme de schéma.
|Step_Picture_00=Mobi_BOX_IMG_1827.jpeg
|Step_Picture_01=Mobi_BOX_IMG_1829.jpeg
}}
{{Tuto Step
|Step_Title=Recherche dans les sources disponibles
|Step_Content=Analyse des sources disponibles sur les sites de TBM et de Bordeaux Métropole pour identifier les bénéfices environnementaux du tramway et du réseau de bus.
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.55.11.jpeg
}}
{{Tuto Step
|Step_Title=Élaboration d’un schéma préliminaire
|Step_Content=Conception d’une machine capable d’analyser la qualité de l’air et le trafic, afin de proposer le meilleur moyen de transport entre bus, tram, voiture ou taxi.
|Step_Picture_00=Mobi_BOX_IMG_1832.jpeg
|Step_Picture_01=Mobi_BOX_Capture_d_e_cran_2025-12-05_a_10.36.02.png
}}
{{Tuto Step
|Step_Title=Choisir les matériaux pour la maquette
|Step_Content=Bois, LED, papier transparent, éléments imprimés en 3D, ainsi que des cartes électroniques pour la rotation et l’éclairage des LED.
|Step_Picture_00=Mobi_BOX_93993C_zoo.jpg
|Step_Picture_01=Mobi_BOX_IMG_0413.jpeg
|Step_Picture_02=Mobi_BOX_IMG_0333.mov
|Step_Picture_03=Mobi_BOX_IMG_0326.jpeg
}}
{{Tuto Step
|Step_Title=Programmation sur Python
|Step_Content=import requests

from bs4 import BeautifulSoup

class AQIRepository:

URL = "<nowiki>https://www.atmo-nouvelleaquitaine.org/air-commune/Bordeaux/33063/indice-atmo?date=2025-10-14</nowiki>"

def __init__(self):

self.cat_to_conc = {

'Bon': {'PM2.5': 5.0, 'PM10': 15.0, 'O3': 0.040, 'NO2': 20.0, 'SO2': 5.0},

'Moyen': {'PM2.5': 20.0, 'PM10': 40.0, 'O3': 0.060, 'NO2': 60.0, 'SO2': 20.0},

'Mauvais':{'PM2.5': 40.0, 'PM10': 100.0,'O3': 0.100, 'NO2': 150.0,'SO2': 100.0},

'Très mauvais':{'PM2.5':120.0,'PM10':300.0,'O3':0.180,'NO2':800.0,'SO2':500.0}

}

self.breakpoints = {

'PM2.5': [(0.0,12.0,0,50),(12.1,35.4,51,100),(35.5,55.4,101,150),(55.5,150.4,151,200)],

'PM10': [(0,54,0,50),(55,154,51,100),(155,254,101,150),(255,354,151,200)],

'O3': [(0.000,0.054,0,50),(0.055,0.070,51,100),(0.071,0.085,101,150)],

'NO2': [(0,53,0,50),(54,100,51,100),(101,360,101,150),(361,649,151,200)],

'SO2': [(0,35,0,50),(36,75,51,100),(76,185,101,150),(186,304,151,200)],

}

def linear_scale(self, C, C_low, C_high, I_low, I_high):

return round((I_high - I_low) / (C_high - C_low) * (C - C_low) + I_low)

def find_aqi_subindex(self, C, pollutant):

for (C_low, C_high, I_low, I_high) in self.breakpoints[pollutant]:

if C_low <= C <= C_high:

return self.linear_scale(C, C_low, C_high, I_low, I_high)

return None

def scrape_categories(self):

response = requests.get(self.URL, timeout=10)

soup = BeautifulSoup(response.text, "html.parser")

categories = {}

blocks = soup.select(".c-indice-polluant")

for block in blocks:

title_tag = block.select_one(".c-indice-polluant-title span")

cat_tag = block.select_one(".home-map-legend-item span")

if title_tag and cat_tag:

name = title_tag.get_text(strip=True).replace("₂", "2").replace("₃", "3")

cat = cat_tag.get_text(strip=True)

categories[name] = cat

return categories

def compute_aqi(self, categories):

concentrations = {k: self.cat_to_conc[v][k] for k, v in categories.items() if k in self.cat_to_conc[v]}

subindices = {k: self.find_aqi_subindex(concentrations[k], k) for k in concentrations}

aqi_global = max(v for v in subindices.values() if v is not None)

return aqi_global, subindices

import requests

class MeteoRepository:

def __init__(self, latitude=44.8378, longitude=-0.5792):

self.latitude = latitude

self.longitude = longitude

self.api_url = (

"<nowiki>https://api.open-meteo.com/v1/forecast</nowiki>?"

f"latitude={self.latitude}&longitude={self.longitude}"

"&hourly=temperature_2m,precipitation,weathercode"

"&current_weather=true&timezone=Europe%2FParis"

)

def get_weather(self):

response = requests.get(self.api_url, timeout=10)

data = response.json()

return data.get("current_weather", {})

def compute_weather_score(self, weather):

wmo_scores = {

0: 100, 1: 90, 2: 80, 3: 70, 45: 60, 48: 55,

51: 50, 53: 45, 55: 40, 61: 35, 63: 25, 65: 15,

71: 25, 73: 15, 75: 5, 95: 10, 99: 0,

}

temp = weather.get("temperature", 20)

wind = weather.get("windspeed", 10)

code = weather.get("weathercode", 0)

base_score = wmo_scores.get(code, 60)

if temp < 0:

temp_penalty = 30

elif temp < 10:

temp_penalty = 15

elif temp > 30:

temp_penalty = 20

else:

temp_penalty = 0

wind_penalty = 0

if wind > 40:

wind_penalty = 20

elif wind > 25:

wind_penalty = 10

score = base_score - temp_penalty - wind_penalty

return round(max(0, min(100, score)))

import requests

import json

class TrafficRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", typename="ci_trafi_l"):

self.api_key = api_key

self.typename = typename

def get_traffic_by_gid(self, gid=2215):

params = {

"key": self.api_key,

"typename": self.typename,

"filter": json.dumps({"gid": gid}),

}

response = requests.get(self.BASE_URL, params=params, timeout=10)

if response.status_code != 200:

raise Exception(f"Erreur API {response.status_code} : {response.text}")

return response.json()

def compute_traffic_score(self, traffic_data):

features = traffic_data.get("features", [])

if not features:

return 50

props = features[0].get("properties", {})

etat = props.get("etat_trafic") or props.get("etat") or "INCONNU"

mapping = {"FLUIDE": 100, "RALENTI": 70, "EMBOUTEILLE": 30, "INCONNU": 50}

return mapping.get(etat.upper(), 50)

import requests

import json

from datetime import datetime, timezone

class TbmRepository:

BASE_URL = "<nowiki>https://data.bordeaux-metropole.fr/geojson</nowiki>"

def __init__(self, api_key="2HH8S7FKPP", arret_id=4037):

self.api_key = api_key

self.arret_id = arret_id

def get_next_tram(self, max_results=100):

params = {

"key": self.api_key,

"typename": "sv_horai_a",

"filter": json.dumps({"rs_sv_arret_p": self.arret_id}),

"orderby": json.dumps(["hor_theo"]),

"maxfeatures": max_results

}

response = requests.get(self.BASE_URL, params=params)

response.raise_for_status()

data = response.json()

now = datetime.now(timezone.utc)

for feature in data.get("features", []):

props = feature.get("properties", {})

hor_theo = props.get("hor_theo")

if not hor_theo:

continue

try:

tram_time = datetime.fromisoformat(hor_theo)

except ValueError:

continue

if tram_time > now:

diff_sec = int((tram_time - now).total_seconds())

return {"heure": tram_time, "seconds": diff_sec, "etat": props.get("etat"), "type": props.get("type")}

return None

from AQIRepository import AQIRepository

from MeteoRepository import MeteoRepository

from TrafficRepository import TrafficRepository

from TramRepository import TbmRepository

from fastapi import FastAPI

app = FastAPI()

@app.get("/")

def read_root():

longitude = -0.5935101

latitude = 44.8538665

borneTraficGID = 2215

Aqirepo = AQIRepository()

categories = Aqirepo.scrape_categories()

aqi, details = Aqirepo.compute_aqi(categories)

meteo = MeteoRepository(latitude=latitude, longitude=longitude)

weather = meteo.get_weather()

score_M = meteo.compute_weather_score(weather)

traffic = TrafficRepository()

data = traffic.get_traffic_by_gid(borneTraficGID)

score_T = traffic.compute_traffic_score(data)

tbm = TbmRepository(arret_id=4037)

prochain = tbm.get_next_tram()

if prochain and 'seconds' in prochain:

TP_seconds = prochain['seconds']

else:

TP_seconds = 3600

max_tp_seconds = 3600

TP_score = max(0, min(100, 100 - (TP_seconds / max_tp_seconds) * 100))

IMR = (

0.4 * (100 - aqi) +

0.3 * (100 - score_T) +

0.2 * TP_score +

0.1 * score_M

)

return {"IMR": round(IMR, 1)}

<br />
|Step_Picture_00=Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.46.41.jpeg
}}
{{Tuto Step
|Step_Title=Monter les éléments de la maquette et effectuer les tests
|Step_Picture_00=Mobi_BOX_IMG_0308.jpeg
|Step_Picture_01=Mobi_BOX_IMG_0345.mov
|Step_Picture_02=Mobi_BOX_IMG_0418.jpeg
|Step_Picture_03=Mobi_BOX_IMG_0384.mov
|Step_Picture_04=Mobi_BOX_IMG_1836.jpeg
}}
{{Tuto Step
|Step_Title=Vidéo final
|Step_Picture_00=Mobi_BOX_WhatsApp_Video_2026-05-30_at_13.25.57.mp4
}}
{{Notes
|Observations=Une rotation d’un cache dévoilé le moyen de transport conseillé à l’instant t.
|Avertissement=Connexion

Disponibilité des Api externe
|Explanations=L’esp appelle une api sur un serveur (api en fast api). Cette api va appeler les autres apis et faire les calcule.

Cette architecture permet de ne pas être limité par l’esp niveau performance.
|Applications=Ils sont installés dans les lieux publics, aux arrêts de tramway, aux stations de bus et dans les taxis, et sont signalés par un panneau indiquant leur présence.
|Related=- Ajouter un GPS afin d’avoir la position dynamiquement.

- Ajouter un capteur qui permet d’analyser la qualité de l’air pour ne plus dépendre d’un service tier et être plus précis
|Objectives=Améliorer notre capacité à travailler en équipe Améliorer notre capacité à s’adapter au différent profils et compétence des membres de notre équipe (oral, méthode de travail, contrainte)
|Notes=https://datahub.bordeaux-metropole.fr/pages/accueil/

https://fastapi.tiangolo.com/

https://open-meteo.com/
}}
{{Tuto Status
|Complete=Draft
}}

Fichier:Mobi BOX WhatsApp Video 2026-05-30 at 13.25.57.mp4

2026-05-30T11:56:53Z

AYOUB : Mobi_BOX_WhatsApp_Video_2026-05-30_at_13.25.57

Mobi_BOX_WhatsApp_Video_2026-05-30_at_13.25.57

Fichier:Mobi BOX WhatsApp Image 2026-05-30 at 13.55.11.jpeg

2026-05-30T11:55:41Z

AYOUB : Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.55.11

Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.55.11

Fichier:Mobi BOX IMG 0412.jpeg

2026-05-30T11:53:43Z

AYOUB : Mobi_BOX_IMG_0412

Mobi_BOX_IMG_0412

Fichier:Mobi BOX IMG 1836.jpeg

2026-05-30T11:53:28Z

AYOUB : Mobi_BOX_IMG_1836

Mobi_BOX_IMG_1836

Fichier:Mobi BOX IMG 0384.mov

2026-05-30T11:53:03Z

AYOUB : Mobi_BOX_IMG_0384

Mobi_BOX_IMG_0384

Fichier:Mobi BOX IMG 0418.jpeg

2026-05-30T11:51:20Z

AYOUB : Mobi_BOX_IMG_0418

Mobi_BOX_IMG_0418

Fichier:Mobi BOX IMG 0345.mov

2026-05-30T11:50:39Z

AYOUB : Mobi_BOX_IMG_0345

Mobi_BOX_IMG_0345

Fichier:Mobi BOX IMG 0308.jpeg

2026-05-30T11:50:10Z

AYOUB : Mobi_BOX_IMG_0308

Mobi_BOX_IMG_0308

Fichier:Mobi BOX WhatsApp Image 2026-05-30 at 13.46.41.jpeg

2026-05-30T11:47:21Z

AYOUB : Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.46.41

Mobi_BOX_WhatsApp_Image_2026-05-30_at_13.46.41

Fichier:Mobi BOX IMG 0326.jpeg

2026-05-30T11:23:06Z

AYOUB : Mobi_BOX_IMG_0326

Mobi_BOX_IMG_0326

Fichier:Mobi BOX IMG 0333.mov

2026-05-30T11:22:03Z

AYOUB : Mobi_BOX_IMG_0333

Mobi_BOX_IMG_0333

Fichier:Mobi BOX IMG 0413.jpeg

2026-05-30T11:21:42Z

AYOUB : Mobi_BOX_IMG_0413

Mobi_BOX_IMG_0413

Fichier:Mobi BOX 93993C zoo.jpg

2026-05-30T11:21:09Z

AYOUB : Mobi_BOX_93993C_zoo

Mobi_BOX_93993C_zoo

Fichier:Mobi BOX Capture d e cran 2025-12-05 a 10.36.02.png

2026-05-30T10:47:39Z

AYOUB : Mobi_BOX_Capture_d_e_cran_2025-12-05_a_10.36.02

Mobi_BOX_Capture_d_e_cran_2025-12-05_a_10.36.02

Fichier:Mobi BOX IMG 1832.jpeg

2026-05-30T10:47:31Z

AYOUB : Mobi_BOX_IMG_1832

Mobi_BOX_IMG_1832

Mobi BOX

2026-05-30T10:41:56Z

AYOUB :

{{Tuto Details
|Licences=Attribution (CC-BY)
|Description=Un dispositif fournissant des informations en temps réel sur la pertinence d’utiliser une voiture ou les transports en commun, en évaluant la qualité de l’air, les niveaux de pollution atmosphérique ainsi que la disponibilité des différents moyens de transport dans la zone
|Disciplines scientifiques=Arduino, Computing, Electricity, Mechanics
|Difficulty=Expert
|Duration=2
|Duration-type=day(s)
|Tags=Pollution, transport, mobilité, qualité de l’air
}}
{{Introduction
|Introduction=pour présenter l’expérience ou la réalisation technique de manière attractive.
}}
{{Materials
|ItemList={{ItemList
|Item=Découpeuse laser
}}{{ItemList
|Item=Moteur électrique
}}{{ItemList
|Item=Imprimante 3D
}}{{ItemList
|Item=LED
}}{{ItemList
|Item=Boite en carton
}}{{ItemList
|Item=ESP32
}}
}}
{{Tuto Step
|Step_Title=Comprendre le terme ( Mobilité de transport commun)
|Step_Content=Chaque participant partage sa compréhension du thème. Toutes les idées et les mots-clés sont ensuite notés et organisés sous forme de schéma.
|Step_Picture_00=Mobi_BOX_IMG_1827.jpeg
|Step_Picture_01=Mobi_BOX_IMG_1829.jpeg
}}
{{Tuto Step
|Step_Title=Recherche dans les sources disponibles
|Step_Content={{#annotatedImageLight:Fichier:Mobi BOX Image.png|0=800px|hash=|jsondata=|mediaClass=Image|type=frameless|align=center|src=https://www.wikidebrouillard.org/images/2/2e/Mobi_BOX_Image.png|href=./Fichier:Mobi BOX Image.png|resource=./Fichier:Mobi BOX Image.png|caption=|size=800px}}Analyse des sources disponibles sur les sites de TBM et de Bordeaux Métropole pour identifier les bénéfices environnementaux du tramway et du réseau de bus.
}}
{{Tuto Step
|Step_Title=Élaboration d’un schéma préliminaire
}}
{{Tuto Step
|Step_Title=Choisir les matériaux pour la maquette
}}
{{Tuto Step
|Step_Title=les rôles des membres du groupe
}}
{{Tuto Step
|Step_Title=Découpe laser
}}
{{Tuto Step
|Step_Title=Programmation du système de rotation
}}
{{Tuto Step
|Step_Title=Monter les éléments de la maquette et effectuer les tests
}}
{{Notes
|Observations=Une rotation d’un cache dévoilé le moyen de transport conseillé à l’instant t.
|Avertissement=Connexion

Disponibilité des Api externe
|Explanations=L’esp appelle une api sur un serveur (api en fast api). Cette api va appeler les autres apis et faire les calcule.

Cette architecture permet de ne pas être limité par l’esp niveau performance.
|Applications=Ils sont installés dans les lieux publics, aux arrêts de tramway, aux stations de bus et dans les taxis, et sont signalés par un panneau indiquant leur présence.
|Related=- Ajouter un GPS afin d’avoir la position dynamiquement.

- Ajouter un capteur qui permet d’analyser la qualité de l’air pour ne plus dépendre d’un service tier et être plus précis
|Objectives=Améliorer notre capacité à travailler en équipe Améliorer notre capacité à s’adapter au différent profils et compétence des membres de notre équipe (oral, méthode de travail, contrainte)
|Notes=https://datahub.bordeaux-metropole.fr/pages/accueil/

https://fastapi.tiangolo.com/

https://open-meteo.com/
}}
{{Tuto Status
|Complete=Draft
}}

Fichier:Mobi BOX Image.png

2026-05-30T10:41:25Z

AYOUB :

Mobi BOX

2025-12-11T13:03:00Z

AYOUB :

Mobi BOX

2025-12-05T11:34:40Z

AYOUB : Page créée avec « {{Tuto Details |Licences=Attribution (CC-BY) |Description=Y |Disciplines scientifiques=Arduino |Difficulty=Technical |Duration=2 |Duration-type=day(s) }} {{Introduction}}... »

{{Tuto Details
|Licences=Attribution (CC-BY)
|Description=Y
|Disciplines scientifiques=Arduino
|Difficulty=Technical
|Duration=2
|Duration-type=day(s)
}}
{{Introduction}}
{{Materials}}
{{Tuto Step}}
{{Notes}}
{{Tuto Status
|Complete=Draft
}}