Distances routières entre communes

Construit la matrice des distances et durées routières entre les 512 communes de l'Isère : liste des communes depuis le SSP Cloud, centroïdes via geo.api.gouv.fr, calcul avec OSRM.

Ce que fait le script

1. Lire la liste des communes d'Isère sur le stockage S3 du SSP Cloud.
2. Récupérer le centre de chaque commune (geo.api.gouv.fr), en ralentissant les appels.
3. Calculer la matrice des distances avec OSRM et l'exporter.

Code

Distances routières entre communes.R
#Cette première partie est faite pour récupérer le fichier dans son emplacement
#sur datalab.sspcloud.fr de l'Insee (Onyxia). Il faut changer les clés d'accès
#selon ce qui est indiqué dans les paramètres d'emplacement du fichier communes d'Isere en .csv

install.packages("arrow", repos = "https://cloud.r-project.org")

Sys.setenv(AWS_PROFILE = "default")
library(arrow)

fs <- S3FileSystem$create(
  region = "us-east-1",
  endpoint_override = "minio.lab.sspcloud.fr",
  scheme = "https"
)

dataset <- open_dataset(
  "maximehautin/Communes-d_Isere.csv",
  filesystem = fs,
  format = "csv"
)

print(head(as.data.frame(dataset)))

#On va ici créer un premier dataset avec 2 colonnes, le code Insee et le nom de la commune

install.packages(c(
  "readxl",
  "writexl",
  "httr",
  "jsonlite",
  "dplyr",
  "osrm"
))

communes <- as.data.frame(dataset)

library(dplyr)

names(communes) <- c("code_insee", "commune")

head(communes)

#Cette partie permet d'aller chercher les coordonnées géographiques du centre de
#chacune des 512 communes d'Isère.
#C'est le centroïde géométrique de la commune, le centre du polygone formé par la commune

library(httr)
library(jsonlite)

get_coord <- function(code){
  
  url <- paste0(
    "https://geo.api.gouv.fr/communes/",
    code,
    "?fields=centre"
  )
  
  req <- GET(url)
  
  res <- fromJSON(content(req, "text", encoding = "UTF-8"))
  
  data.frame(
    lon = res$centre$coordinates[1],
    lat = res$centre$coordinates[2]
  )
}

#Dans cette partie on va ajouter au dataset une 3ème colonne contenant les coordonnées
#du centre de chacune des 512 communes. L'utilisation de map_dfr avec un sys.sleep
#a pour but de ralentir la vitesse de création du du fichier coords (50 secondes pour le tout)
#car quand ça allait trop vite ça buggait

library(purrr)

coords <- map_dfr(
  communes$code_insee,
  ~{
    Sys.sleep(0.1)
    get_coord(.x)
  }
)

communes <- bind_cols(communes, coords)

#On va ensuite chercher les données de distance routière (et non à vol d'oiseau) entre chaque point
#Les données routières sont celles de openstreetmap

library(osrm)

options(osrm.server = "https://router.project-osrm.org/")
options(osrm.profile = "car")

pts <- data.frame(
  id = communes$commune,
  lon = communes$lon,
  lat = communes$lat
)

#On va créer une colonne géométrie ici combinant longitude et latitude pour être 
#dans le même format que les données OpenStreetMap

library(sf)

pts <- st_as_sf(
  pts,
  coords = c("lon", "lat"),
  crs = 4326
)

#On crée une boucle pour aller créer une matrice contenant la distance des 512 
#communes selon les 511 autres communes

n <- nrow(pts)

matrice <- matrix(
  NA,
  nrow = n,
  ncol = n,
  dimnames = list(pts$id, pts$id)
)

taille_bloc <- 50

for(i in seq(1, n, by = taille_bloc)){
  
  i2 <- min(i + taille_bloc - 1, n)
  
  cat("Lignes", i, "à", i2, "\n")
  
  for(j in seq(1, n, by = taille_bloc)){
    
    j2 <- min(j + taille_bloc - 1, n)
    
    cat("Colonnes", j, "à", j2, "\n")
    
    res <- osrmTable(
      src = pts[i:i2, ],
      dst = pts[j:j2, ],
      measure = "distance"
    )
    
    matrice[i:i2, j:j2] <- res$distances
  }
}

#On exporte cette matrice dans un fichier excel

library(writexl)

write_xlsx(
  as.data.frame(matrice),
  "Distances_routieres_Isere.xlsx"
)