# Modélisation des pics de demande de transport à Garoua
## Contexte
La ville de Garoua connaît des variations importantes de la demande de transport selon les zones et les horaires.
Ce projet propose un prototype d'aide à la décision permettant d'identifier les périodes de surcharge et les zones nécessitant un renforcement des motos-taxis.
## Objectifs
- Prévoir la demande de transport
- Identifier les heures critiques
- Détecter les zones en surcharge
- Générer des recommandations opérationnelles
## Méthodes utilisées
- Régression de Poisson
- Modèles Additifs Généralisés (GAM)
## Technologies
- Python
- Pandas
- Statsmodels
- PyGAM
- Streamlit
- Plotly
## Structure
data/
notebooks/
app/
## Résultats
Le modèle de Poisson obtient les meilleures performances :
- MAE Poisson : 16.99
- MAE GAM : 18.62
## Lancement
```bash
pip install -r requirements.txt
streamlit run app/streamlit_app.py
```