Ryan-Inventor/Douala-Flow-Traffic

Surveillance intelligente du trafic à Douala, Cameroun. Données Brutes (GPS) → Format Parquet → Traitement Pandas → Modèle ML → API Flask → Dashboard Web # 🚦 DoualaFlow — Système Big Data de Surveillance du Trafic Routier > Contexte : Surveillance intelligente du trafic à Douala, Cameroun --- ## 🎯 Objectif Pédagogique Ce projet démontre la **chaîne complète d'un système Big Data** : ``` Données Brutes (GPS) → Format Parquet → Traitement Pandas → Modèle ML → API Flask → Dashboard Web ``` Il illustre les **3V du Big Data** dans un contexte réel : - **Volume** : ~500 000 enregistrements GPS simulés sur 7 jours - **Velocity** : Dashboard rafraîchi toutes les 2-5 secondes - **Variety** : Données GPS, vitesses, heures, météo comportementale --- ## 🏗️ Architecture du Projet ``` douala_flow/ │ ├── run.py ← LANCEMENT EN UNE COMMANDE ├── requirements.txt ← Dépendances Python │ ├── backend/ ← LOGIQUE MÉTIER (Python) │ ├── generate_data.py ← [ÉTAPE 1] Simulateur GPS Douala │ ├── process_bigdata.py ← [ÉTAPE 2] Traitement + Modèle ML │ └── app.py ← [ÉTAPE 3] Serveur API Flask │ ├── frontend/ ← INTERFACE WEB (HTML/CSS/JS pur) │ ├── index.html ← Structure du dashboard │ ├── css/ │ │ └── style.css ← Design "Apple / Spatial UI" │ └── js/ │ ├── map.js ← Carte Leaflet + Véhicules animés │ └── dashboard.js ← Orchestrateur + Graphiques Chart.js │ └── data/ ← DATA LAKE LOCAL ├── raw/ │ ├── raw_traffic.csv ← Données brutes (lisible) │ └── traffic_parquet/ ← ★ APACHE PARQUET PARTITIONNÉ ★ │ ├── date=2024-05-01/ │ │ ├── axis=ndokoti/data.parquet │ │ ├── axis=bassa/data.parquet │ │ └── ... │ └── date=2024-05-02/... └── processed/ ├── aggregated_by_hour.parquet ← Agrégats analytiques ├── current_state.json ← État actuel (API /current) ├── chart_data.json ← Graphique 24h (API /chart) ├── predictions.json ← Prédi …