Identifier les potentiels de surélévation grâce à UpFactor Géoservices^®

Un jeu de données inédit des bâtiments existants – Partie 1

Par Olivier Cathelineau

Chez UpFactor, la détection en masse des potentiels de surélévation est rendue possible grâce à notre logiciel UpFactor Géoservices^®, véritable outil d’interprétation des possibles de densification au service de la rénovation énergétique.

Notre logiciel révèle ainsi les volumes constructibles en surélévation à partir de la ville telle qu’elle existe au regard des possibilités offertes par les règles d’urbanisme.

À ce titre, l’analyse et la représentation de l’existant sont un préalable à la détection de potentiels. C’est ainsi que la création d’un jeu de données issues de l’analyse et du traitement de datas existantes permet de caractériser les formes urbaines : hauteur, morphologie, matériaux …

Nous abordons plus particulièrement dans cet article la question de la hauteur existante des bâtiments qui constitue la limite basse de détermination du potentiel de surélévation. L’objectif étant de fiabiliser au maximum cette information.

Pour cela, nous disposons de données de deux types de sources. Il s’agit en premier lieu des données publiques issues de l’IGN qui ont l’avantage de couvrir le territoire national mais qui demeurent peu fiables en particulier dès lors qu’un ensemble bâti contient plusieurs bâtiments. En second lieu, nous utilisons des données de type nuage de points, dont la précision varie en fonction des campagnes et des technologies d’acquisition utilisées (LIDAR, photogrammétrie), mais qui permettent après application de traitements automatisés de déterminer la hauteur des bâtiments existants. Par ailleurs, malgré l’effort des collectivités de réaliser des campagnes d’acquisition, ces données ne sont encore aujourd’hui que partiellement disponibles.

C’est ainsi que notre équipe de R&D développe des algorithmes de traitement de ces nuages de points de manière à déduire les caractéristiques de hauteur des bâtiments. Notre chaîne de traitement consiste en la reconnaissance des points du sol de manière à en modéliser la hauteur. Ensuite, nos algorithmes détectent les ensembles de points positionnés en hauteur vis-à-vis du sol. L’une des difficultés réside dans le fait d’écarter la végétation et de ne conserver ainsi que la partie bâtimentaire. Nous interpolons l’ensemble sur des données d’emprises de bâtiment (cadastre ou Open Street Map) de manière à obtenir un modèle statistique explicable qui représente la hauteur plausible des bâtiments par soustraction de la côte du sol précédemment modélisée.

 

 

Nos résultats, toujours plus concluants au fil de l’amélioration de nos traitements algorithmiques, nous permettent de développer un véritable jeu de données de hauteur à l’échelle de bâtiments.

Dans un prochain article, nous aborderons les techniques complémentaires que nous utilisons pour détecter des sous-ensembles de bâtiments, ainsi que la matérialité et la morphologie des toitures.