Cas d'usage

REX : Mécénat voirie SIG

logo mairie de Toulouse

Les archives municipales détiennent plusieurs sources de données sur l’histoire de la voirie toulousaine. Ces sources initialement papier ne pouvaient être mises en valeur sans leur numérisation.

Le temps du premier confinement a été mis à profit pour saisir sur Excel toutes les fiches du classeur rédigées par Jean Coppolani. Ce travail est à l’origine de notre projet. Les autres sources sont des ouvrages qui ont été numérisés, il s’agit du Dictionnaire des rues de Toulouse, voies publiques, quartiers, lieux-dits, enseignes, organisation urbaine, Toulouse : Milan, 1989, 1174 p. (2 vol.) rédigé par Pierre Saliès et Histoire des rues de Toulouse : monuments, institutions, habitants, Toulouse : Les Frères Douladoure, vol. 1, 1919 (495 p.) ; vol. 2, éd. Bonnet, 1927 (372 p.) ; vol. 3, éd. Bonnet, 1929 (125 p.). rédigé par Jules Chalande.

Notre mission est l’harmonisation de ces sources afin d’obtenir un seul fichier contenant toutes les informations relatives à l’historique de la voirie toulousaine dans le but de l’intégrer au SIG du portail du patrimoine toulousain  urbanhist (https://www.urban-hist.toulouse.fr/uhplus/)

 

 

  • Nous aurons alors une couche « Histoire de la voirie » telle que : 

 

  • Histoire de la voirie

 

  • L’harmonisation des sources a été fastidieux puisque les noms de rues bien que légèrement différents pouvaient être la même rue comme :
 
 

« Rue St Aubin »  –>  « Rue Saint-Aubin »

« Rue Arzac »      –>   « Rue Benoît Arzac »

« Chemin Dardagna »  –>  « Chemin de Dardagnac [Dardagna] »

« Rue de l’Anjou »  –>  « Rue d’Anjou »

 

  • Mais attention, certaines voies bien que ressemblantes ne sont pas les mêmes
 

« Rue de la Caussade »  –>  « Rue Caussade »

L’algorithme mis en place sous Python traite tous les cas de figure rencontrés au fur et à mesure. A posteriori, un algorithme permettant de calculer la probabilité de match entre les différentes sources a été mis en place.

Ceci a permis d’aider les archives à modifier et /ou compléter l’information source en leur soumettant ce type d’information :

Si certaines jointures semblent évidentes, d’autre comme la rue Pierre Brunière le sont moins.

Cette dernière technique est très intéressante et peut être appliquée à de nombreux domaines.

La relecture minutieuse des fichiers sources (papier vs numérisation) prend du temps. Certains ouvrages contiennent du latin ou du grec, des compétences spécifiques sont donc nécessaires. Afin de clôturer le projet sans attendre la fin de la relecture des ouvrages, une application est développée en Python (module tkinter). Cette application permet de charger les données sources, de lancer le code et sortir les fichiers résultats. Ainsi les archives sont autonomes pour générer les fichiers résultats.

Pour aller plus loin, nous avons souhaité utiliser les bases graphes afin de visualiser les relations entre nos différentes sources de données. Ainsi avec Neo4j, nous pouvons voir que la rue des Filatiers et la rue du Languedoc sont liées par un même ancien nom de rue. En effet ces 2 rues ont été nommés « Rue des Chapeliers ».

Use case : mécénat Mairie de toulouse w/ goodalgo