Qui utilise la rue, de quelle manière et pourquoi ? Ce sont des questions courantes que les agences de planification examinent chaque jour lorsqu'elles tentent de construire de meilleures villes. Les réponses peuvent les aider à comprendre dans quelle mesure le transport en commun relie les travailleurs aux emplois, à analyser les incidences d'une nouvelle voie à péage sur le trafic ou à identifier le besoin de pistes cyclables et de trottoirs plus larges.Mais les outils de planification standard ne peuvent pas toujours répondre à ces questions avec des détails complets ou actuels. Trop souvent, les planificateurs doivent s’appuyer sur des enquêtes onéreuses auprès des ménages, menées il y a des années ou sur des compteurs de trajets centrés sur un seul mode de transport. Certaines agences ont un logiciel de modélisation complexe, mais celui-ci est souvent limité par des données plus anciennes et une interface trop technique.
Il en résulte un sens incomplet des schémas de déplacement des villes et, par conséquent, une confiance moindre dans les décisions critiques en matière de transport et d'utilisation des sols.
C’est dans ce contexte que Sidewalk Labs, filiale urbaine de la société mère de Google, Alphabet, a lancé un programme baptisé Replica.
Envoyé par Sidewalk Labs
Il existe une solution pour obtenir de meilleurs outils de planification : directement dans le smartphone que vous pourrez peut-être utiliser pour lire cet article. Nos téléphones ont une forte conscience de l’emplacement qui transforme de nombreux aspects de la vie urbaine : ils nous aident à obtenir un itinéraire, à éviter les embouteillages, à trouver un restaurant ou à prendre un taxi. Mais ce type de données de localisation n’a pas été largement utilisé par les services de planification de villes plus équitables et adaptables.
Nous pensons que cette source de données puissante peut aider à atteindre cet objectif. Nous vous présentons Replica: un outil de modélisation convivial qui utilise des données de localisation mobiles non identifiées pour donner aux agences de planification un portrait complet de la manière, du moment et du pourquoi des personnes qui se déplacent en zone urbaine.
Replica fournit un ensemble complet de mesures de base de déplacement qu'il est très difficile de rassembler et de maintenir aujourd'hui, y compris le nombre total de personnes sur une autoroute ou un réseau routier local, le mode utilisé (voiture, transport en commun, vélo ou à pied), et le but de leur voyage (aller au travail, aller faire les courses, aller à l'école, etc.). En mettant à jour ces mesures tous les trois mois, Replica permet également de détecter les modifications apportées au fil du temps - en aidant les planificateurs à répondre aux questions concernant l’utilisation des sols et le transport, du niveau régional au niveau des quartiers.
Plus important encore, Replica fait tout cela avec le respect de la vie privée intégré à sa base.
Nous pensons que cette source de données puissante peut aider à atteindre cet objectif. Nous vous présentons Replica: un outil de modélisation convivial qui utilise des données de localisation mobiles non identifiées pour donner aux agences de planification un portrait complet de la manière, du moment et du pourquoi des personnes qui se déplacent en zone urbaine.
Replica fournit un ensemble complet de mesures de base de déplacement qu'il est très difficile de rassembler et de maintenir aujourd'hui, y compris le nombre total de personnes sur une autoroute ou un réseau routier local, le mode utilisé (voiture, transport en commun, vélo ou à pied), et le but de leur voyage (aller au travail, aller faire les courses, aller à l'école, etc.). En mettant à jour ces mesures tous les trois mois, Replica permet également de détecter les modifications apportées au fil du temps - en aidant les planificateurs à répondre aux questions concernant l’utilisation des sols et le transport, du niveau régional au niveau des quartiers.
Plus important encore, Replica fait tout cela avec le respect de la vie privée intégré à sa base.
Si Sidewalk Labs a accès aux déplacements uniques, ne serait-il pas possible de désanonymiser les données ?
Le mois dernier, le New York Times a révélé la manière dont des données sensibles de localisation sont collectées par des tiers à partir des smartphones - souvent avec des dispositions de consentement faibles ou inexistantes. Une enquête menée par un autre quotidien américain début janvier a également montré comment les sociétés de téléphonie mobile vendent ces données à des harceleurs et à des chasseurs de primes disposés à en payer le prix.
Pour certains, les projets de la filiale d’Alphabet visant à collecter et à commercialiser des données de localisation en temps réel à partir de millions de téléphones portables s'ajoutent à ces préoccupations. « Les préoccupations en matière de confidentialité sont assez extrêmes », a écrit Ben Green, expert en technologie urbaine et auteur de «The Smart Enough City», dans un courrier électronique à The Intercept. « Les données de localisation des téléphones mobiles sont extrêmement sensibles ».
Ces problèmes de confidentialité étaient loin d'être théoriques. Une enquête de Associated Press a montré que les applications et le site Web de Google suivent les personnes même après avoir désactivé l'historique des positions sur leur téléphone. Quartz a découvert que Google suivait les utilisateurs d'Android en collectant les adresses des tours de téléphonie cellulaire à proximité, même si tous les services de localisation étaient désactivés. La société a également été surprise en train d'utiliser ses véhicules Street View pour collecter les données de localisation Wi-Fi à partir de téléphones et d'ordinateurs.
C'est pourquoi Sidewalk Labs a mis en place des protections importantes pour protéger la vie privée, avant même de créer une population synthétique. Toute donnée de localisation reçue par Sidewalk Labs est déjà désidentifiée (à l'aide de méthodes telles que l'agrégation, les techniques de confidentialité différentielle ou la suppression pure et simple de comportements uniques). L’entreprise a expliqué que les données obtenues par Replica n’incluent pas les identifiants uniques du périphérique, qui peuvent être utilisés pour découvrir l’identité unique de quelqu'un.
Envoyé par Sidewalk Labs
Replica utilise ces données anonymisées d'environ 5% de la population pour en savoir plus sur les habitudes de déplacement et créer un modèle de comportement de déplacement - un ensemble de règles permettant de déterminer qui se déplace où, quand, pourquoi et comment. Mais les modèles ne sont pas parfaits. Nous devons donc vérifier ces règles en utilisant des données sur le terrain (telles que des comptages de trafic manuels ou des embarquements en transit) pour nous assurer que Replica est cohérent avec les modèles de mouvements du monde réel.
Nous comparons ensuite ces modèles avec ce que les planificateurs appellent souvent une population «synthétique». C’est un terme très technique, mais l’idée de base est que les planificateurs peuvent utiliser des échantillons incomplets de données démographiques du recensement pour créer un nouvel ensemble de données représentatif sur le plan statistique de l’ensemble de la population. Le processus statistique supprime également toute possibilité d'identifier un individu particulier dans les données. (Nous avons proposé les résultats de ce travail en open source l'an dernier et nous encourageons les autres à examiner nos hypothèses ou à les renforcer.)
Lorsque vous combinez des modèles de comportement de déplacement avec une population représentative, vous pouvez reproduire en toute confiance les schémas de déplacement dans une ville ou une région métropolitaine.
Nous comparons ensuite ces modèles avec ce que les planificateurs appellent souvent une population «synthétique». C’est un terme très technique, mais l’idée de base est que les planificateurs peuvent utiliser des échantillons incomplets de données démographiques du recensement pour créer un nouvel ensemble de données représentatif sur le plan statistique de l’ensemble de la population. Le processus statistique supprime également toute possibilité d'identifier un individu particulier dans les données. (Nous avons proposé les résultats de ce travail en open source l'an dernier et nous encourageons les autres à examiner nos hypothèses ou à les renforcer.)
Lorsque vous combinez des modèles de comportement de déplacement avec une population représentative, vous pouvez reproduire en toute confiance les schémas de déplacement dans une ville ou une région métropolitaine.
Cependant, certains urbanistes et technologues urbains, tout en soulignant l’élégance et la nouveauté du concept du programme, restent sceptiques quant à ces protections de la vie privée, demandant comment Sidewalk Labs définit les informations personnellement identifiables. Tamir Israel, avocat à la Canadian Internet Policy & Public Interest Clinic, prévient que la réidentification est en évolution rapide. Si Sidewalk Labs a accès aux voies de mouvement uniques des gens avant de créer ses modèles synthétiques, ne serait-il pas possible de déterminer qui ils sont, en fonction du lieu où ils vont dormir ou travailler?
« Nous voyons de nombreuses entreprises collecter ces informations et procéder à des désidentifications grossières, même si, plus que tout autre type de données, les données de localisation se sont révélées hautement réidentifiables », a-t-il ajouté. « Il est évident que les gens quittent leurs domiciles et reviennent chaque nuit et qu’ils s’arrêtent au bureau en général de 9 heures à 17 heures ». Une étude historique a révélé à quel point il était possible de réidentifier les personnes à partir de données apparemment anonymes en utilisant seulement quatre points de données horodatés où ils se trouvaient auparavant.
Sources : Sidewalk Labs, The Intercept, New York Times
Voir aussi :
Amazon est devenu pendant quelques secondes l'entreprise technologique la plus valorisée au monde en devançant Apple, Microsoft et Alphabet JavaScript est désormais requis pour accéder à votre compte Google, la filiale d'Alphabet explique qu'il doit être activé par mesure de sécurité Alphabet, la maison-mère de Google, annonce une croissance de son CA plus lente que les prévisions et une augmentation de ses dépenses Les habitants de Phoenix seraient frustrés par les voitures autonomes d'Alphabet, à cause de leur incapacité à gérer certaines situations USA : des organisations d'Internet réclament elles aussi le retour de la neutralité du Net avec le soutien de firmes technologiques comme Alphabet