Les données concernant l'immobilier sont de plus en plus disponibles en libre accès (voir par exemple la mise à disposition de la base
Demandes de valeurs foncières en open data en ce qui concerne la France). Il devient donc possible de faire de l'analyse avec des données immobilières en utilisant les fonctions simples d'un SIG. C'est ce que propose Aveek Das dans un article publié sur le site
Towards Data Science :
L'auteur y fournit un pas à pas très documenté avec un jeu de données complet qui permet de s'initier à l'analyse spatiale avec QGIS. Au départ, il s'agit de trouver pour un cousin un appartement à louer à Mumbai (Bombay), donc de se mettre à la recherche d'un logement dans une grande métropole : une activité concrète inspirée de la vie quotidienne (et que l'on pourrait transposer sur une autre métropole). A l'arrivée, l'objectif est de conduire une analyse urbaine sur les différents quartiers de Mumbai et de pouvoir optimiser ses choix immobiliers (cf usage du SIG comme outil d'aide à la décision) en fonction de critères bien précis :
- Il souhaite d'abord connaître les tarifs de location afin de décider de son budget.
- L'appartement doit se situer dans un rayon de 5 km de l'aéroport international de Mumbai car il travaille à l'aéroport.
- L'appartement doit être proche du littoral et, si possible, face à la mer.
- Enfin, il souhaite également trouver l'itinéraire le plus rapide vers le chantier naval de Mumbai où travaille son beau-frère.
Pour rappel, Mumbai est une grande métropole de plus de 20 millions d'habitants. Elle fait partie des plus grandes villes au monde en taille de population (voir cette infographie sur
Visual Capitalist). Elle est considérée comme la capitale économique de l'Inde en raison de la puissance et la diversité de ses activités industrielles et financières. Des personnes de tout le pays viennent s'installer à Mumbai pour trouver un emploi ou faire des études, ce qui fait exploser le secteur immobilier avec des prix qui montent en flèche en ce qui concerne les tarifs des appartements à louer. Avec pour conséquence un fort étalement urbain et des quartiers résidentiels qui s'étendent à perte de vue jusqu'en périphérie de la métropole.
Pour conduire l'analyse avec un SIG (en l'occurrence le logiciel libre
QGIS qu'il faut installer au préalable sur votre ordinateur), vous pouvez suivre les étapes en vous aidant de la
vidéo et du
tutoriel mis à disposition par l'auteur. Voir également la vidéo proposée par
TutorielGeo qui commente le jeu de données et les opérations à faire.
Étape 1 : Télécharger le jeu de données
Le jeu de données est téléchargeable sous la forme d'un fichier zip sur Github :
Télécharger le fichier et l'extraire dans un dossier de travail. Observer la description des couches géographiques ainsi que les champs disponibles dans le fichier house_price_data.csv qui contient toutes les données immobilières (plus de 30 000 appartements en 2020 avec adresse, géolocalisation, prix, type de prestations, quartier, opération immobilière...).
Source des données immobilières :
Flats for Rent in Mumbai (fichier de 21 Mo téléchargeable en open data sur le site
Kaggle). Les autres couches concernent des informations sur l'état du Maharashtra (trait de côte, zones naturelles, hydrographie, routes, limites administratives de cet état de l'Union indienne) où est localisée la ville de Mumbai.
Étape 2 : Charger les couches d'information géographique dans le logiciel QGIS
Les données sont stockées dans le sous-dossier "dataset". On peut commencer à ouvrir des couches en utilisant le fichier de projet spatial-db-project.qgz disponible dans le sous-dossier "qgis". Attention cependant car l'arborescence sur votre disque dur n'étant pas la même, il faut cliquer sur "Annuler" pour ne pas charger les couches qui buguent. Les couches OpenStreetMap commencent à s'afficher en fond d'écran, il faut y ajouter les couches d'information dans le sous-dossier "dataset". Ne pas oublier à la fin d'importer le fichier house_price_data.csv qui contient les données immobilières. Pour cela, cliquer sur "ajouter un texte délimité" et faire correspondre les champs de latitude et longitude qui fournissent les coordonnées géographiques des logements. Ne pas oublier d'indiquer la projection utilisée EPSG : 4326 WGS 84.
Étape 3 : Importer les données immobilières et classer les prix en fonction des tarifs de location
L'auteur utilise les fonctions de PostGreSQL pour faire les sélections en ligne. Mais on peut procéder aux sélections en local directement dans QGIS. Il s'agit de déterminer si le quartier a un impact sur le prix de l'immobilier. Pour cela, on peut répartir les prix des logements en 3 catégories : en dessous de 20 000, entre 20 000 et 40 000 et au dessus de 40 000 (à noter : la plupart des logements dépassent ce prix de location dans la ville-centre). Une fois la classification faite, créer une nouvelle colonne et l'exporter comme une nouvelle couche d'information (au format shp). Il faut maintenant charger cette couche et lui affecter une symbologie en fonction de chaque catégorie. Cliquez avec le bouton droit sur Couche → Propriétés → Symbologie → Catégoriser → Valeur = house_price_category → Dégradé de couleur = Créer un dégradé de couleurs manuel pour les 3 catégories → Classer.
Étape 4 : Rechercher les logements dans un rayon de 5 km autour de l'aéroport
Il s'agit désormais de créer une zone tampon (
buffer). Créer une nouvelle couche vecteur et placer un point à l'emplacement de l'aéroport (en utilisant la couche OSM ou
Google Maps pour se repérer). Sélectionner et tracer dans QGIS une zone tampon de 5 km en utilisant le menu Vecteur → Outil de géotraitement → Tampon. Faire l'intersection entre cette zone tampon et la couche points des logements précédemment créée.
Étape 5 : Déterminer quels appartements font face à la mer
C'est une étape plus délicate car on a besoin de savoir si l'appartement est proche ou éloigné du littoral et s'il est orienté à l'ouest. Les appartements qui sont proches de la plage mais qui sont orientés différemment doivent être exclus. L'auteur utilise le plugin QuickOSM, ce qui suppose de l'installer dans QGIS. Mais on peut aussi utiliser la couche maharashtra_coastline pour créer un tampon de 1000 mètres le long de la côte ouest. Pour savoir si les appartements sont orientés vers l'ouest, utiliser la colonne "desc" qui contient ces informations et filtrer les enregistrements qui correspondent à l'expression "west facing" ou "West Facing" (l'outil de filtrage ne supporte pas la casse). Exporter cette nouvelle couche.
Étape 6 : Chercher des itinéraires pour rejoindre le chantier naval de Mumbai
Après avoir visité les lieux physiquement, le choix s'est porté sur un appartement BHK à Juhu Tara Road. Il s'agit maintenant de trouver l'itinéraire le plus rapide et l'itinéraire le plus court en voiture jusqu'au chantier naval situé à proximité de la
Naval Dockyard Junction (coordonnées géographiques : longitude 72.832096, latitude 18.926257). L'auteur utilise
Open Route Service avec le plugin ORS Tools, ce qui suppose de l'installer au préalable. Mais on peut utiliser d'autres outils de calcul d'itinéraire. L'itinéraire le plus rapide en voiture doit faire environ 19,5 km. On peut aussi faire une analyse de l'itinéraire le plus court.
Voici la copie d'écran pour vérifier que vous avez su créer vos nouvelles couches d'information :
- Petits cercles rouges : tous les appartements disponibles à la vente
- Gros cercles verts : appartements situés dans un rayon de 5 km de l'aéroport de Mumbai
- Gros cercles verts avec points noirs à l'intérieur : appartements situés dans un rayon de 5 km de l'aéroport et orientés à l'ouest
- Ligne noire : trait de côte de la région
- Zone orange : zone tampon à une distance égale ou inférieure à 1000 mètres du trait de côte
- Ligne bleue : itinéraire le plus rapide en voiture de l'appartement aux chantiers navals
- Ligne verte : itinéraire le plus court en voiture de l'appartement aux chantiers navals
Une fois que l'on s'est familiarisé avec les outils d'analyse spatiale de QGIS, il peut
être intéressant de refaire l'étude géographique en utilisant d'autres
critères, par exemple en cherchant à s'installer en périphérie de Mumbai où
les prix de l'immobilier sont moins élevés, mais les distances domicile-travail plus
longues. Le même type de démarche peut être conduite sur une autre
grande métropole à condition de pouvoir disposer des données
immobilières.
Habiter au sens de résider, c'est d'abord faire le choix d'un type d'habitat en fonction de différents critères liés au logement lui-même (prix, équipements, prestations...). Mais c'est aussi être en mesure de pouvoir choisir son lieu de vie (ou de pouvoir l'accepter car le choix est souvent contraint) en fonction des commodités qu'il peut offrir par rapport à son travail, ses loisirs, ses pratiques. C'est la question des aménités urbaines, c'est-à-dire des qualités agréables ou utiles associées à un lieu (lire cet article sur la manière d'étudier les aménités urbaines à partir des données OSM).
En prolongement
Le jeu de données peut être enrichi à partir de données et de cartes fournies par Bhuvan qui constitue le portail officiel de l'Union indienne (voir notamment son géoportail en 2D ou 3D) Ce site d'information géographique fournit beaucoup de données SIG en open data (saisir le terme "Mumbai" dans le moteur de recherche interne) ainsi qu'un portail thématique.
Habiter une métropole d'un pays émergent : Mumbai (Le Livre scolaire) avec un schéma d'organisation de l'espace urbain.
Mumbai, une mégapole surpeuplée. Séance d'activité pédagogique proposée sur le site Lumni.
Le choix de la grande ville.
Dis-moi où tu habites, je te dirai qui tu es (France Culture).
Les villes les plus chères au monde pour se loger d'après les données du FCPP (Frontier Centre for Public Policy) https://t.co/gwO9aDHd1I https://t.co/391SNpyja7
Mumbai, classée comme l'une des villes les plus stressantes au monde :
Articles connexes
