Safe City Solution by Engie Inéo
Technology Type: Video Analysis, Smartphone App, Control and command center
Details:
| Dataset used | |
|---|---|
| Related Technologies | |
| Code Repository |
Developers and Users:
| Developed by | Engie Ineo |
|---|
Events:
| Creation Date | |
|---|---|
| End Date |
Description[edit | ]
En décembre 2017, la mairie de Marseille annonçait le début du déploiement de son « observatoire Big Data de la tranquillité publique » à l’issue d’un appel d’offre remporté par l’entreprise Engie Inéo, leader du marché de la vidéosurveillance. Le projet marseillais promet une vaste plateforme d’intégration basée « sur les méthodes de Big Data » et de « machine learning », capable d’« analyser ce qui s’est passé (hier) », d’« apprécier la situation actuelle » (aujourd’hui) », et d’« anticiper la situation future ou probable (demain) »/ L’outil agrégera en effet de multiples bases de données structurées et non-structurées, notamment celle de la Délégation Générale de la Sécurité (DGSEC) de la ville de Marseille, qui répertorie toutes les mains courantes, les verbalisations, et bien d’autres données géolocalisées récoltées par les acteurs municipaux de la sécurité. À cela s’ajouteront les flux du vaste réseau de vidéo-surveillance rendu « intelligent » grâce au traitement de l’image (2000 caméras à terme, et demain des drones1), les données des hôpitaux publics, les données publiées par les foules sur les réseaux sociaux (Twitter et Facebook sont mentionnés page 22 du CCTP). Sans compter les jeux de données fournis par les partenaires externes de la ville, qu’il s’agisse d’autres collectivités, de l’État (coucou la Place Beauvau, ses statistiques sur la criminalité, ses fichiers biométriques TES et autres !) ou des partenaires privés (opérateurs télécoms, etc.), qu’Engie Inéo aura pour mission de démarcher. Il y a de quoi faire. Enfin, le « crowdsourcing » est également de mise. Si l’on en croit le CCTP, « chaque citoyen » pourra « fournir en temps réel des informations (texto, vidéo, photo, vitesse de déplacement, niveau de stress, …) via une application sur smartphone ou des objets connectés ». Grâce à toutes ces données, la ville souhaite donc analyser automatiquement les « incidents » grâce à des algorithmes portant sur « leur contexte et leur cause », sur la « détection et l’investigation des comportements anormaux », sur la « géolocalisation des points dits « chauds » de la ville ». 1
Additional properties[edit | ]
- Geolocation 43° 17' 49.11" N, 5° 21' 52.94" E
- CiteRef 1