S2 : Commerces le long des Axes Structurants — Toulouse

Debutant CLI + Map

Capabilities : filter

Cas d'usage

Un service urbanisme veut identifier les batiments a usage commercial de Toulouse situes a moins de 50 m d'un axe structurant (routes IGN d'importance 2, 3 ou 4 — nationales, departementales, voies principales urbaines) pour cartographier l'offre commerciale le long des corridors a fort trafic.

Le pipeline enchaine trois etapes (chacune produit un layer visible sur la carte) :

• filter_routes_arterials — sous-ensemble du reseau routier : on garde uniquement les troncons d'importance in ['2','3','4']. Layer reseau visible.
• filter_near_arterials — sur la couche batiments, predicat spatial intersects contre filter_routes_arterials avec un buffer_distance: 50 (Lambert93) : tampon de 50 m metriques autour des arteres, on garde les batiments qui l'intersectent.
• filter_commercial — filtre attributaire : usage_1 ou usage_2 == Commercial et services (la BD TOPO expose deux colonnes d'usage ; un commerce peut etre encode en usage principal ou secondaire).

Donnees IGN BD TOPO V3

Couche	Contenu	Features	Source
batiments	Batiments IGN Toulouse (usage, hauteur, etages, logements)	~31 000	data.geopf.fr — BDTOPO_V3:batiment
routes	Troncons routiers IGN Toulouse (importance 1-5, nature, nom_voie, largeur_de_chaussee)	~6 000	data.geopf.fr — BDTOPO_V3:troncon_de_route

Distribution des importances (Toulouse) : 1 (autoroutes): ~70 · 2 (nationales): ~250 · 3 (departementales): 987 · 4 (voies principales): 410 · 5 (voies communales/rues): 3 497 · 6 (chemins/acces): 1 112.

python examples/prepare_playground_data.py --city toulouse
gispulse info examples/datasets/toulouse_bdtopo.gpkg

Pipeline (3 etapes)

routes  ──► filter_routes_arterials                 # step 1 : axes structurants
              (importance in ['2','3','4'])         #          → ~1 600 troncons (layer visible)
                │
                ▼ (utilise comme ref_layer)
batiments ──► filter_near_arterials                 # step 2 : batiments le long du reseau
              (intersects ref_layer, buffer 50 m,   #          → cohorte spatiale (layer visible)
               Lambert93)
                │
                ▼
            filter_commercial                       # step 3 : commerces
              (usage_1 == 'Commercial et services'  #          → cohorte finale (layer visible)
               or usage_2 == 'Commercial et services')

Chaque step expose son resultat sous forme de layer GeoJSON, ce qui permet a la carte interactive de visualiser a la fois le reseau filtre et les cohortes batiments a chaque etape.

Pourquoi un step separe pour les routes ?

Avec un ref_filter inline (ancienne version), le sous-reseau retenu n'etait jamais materialise comme layer : on voyait les batiments resultats mais pas QUELS axes avaient servi au calcul. Le step explicite filter_routes_arterials produit la couche des arteres comme artefact intermediaire, ce qui rend le diagnostic auditable.

CRS metriques

Les donnees IGN sont stockees en EPSG:4326 (WGS84). Le buffer 50 m est calcule en EPSG:2154 (Lambert93) pour garantir 50 m au sol. Sans crs_meters, le defaut EPSG:3857 (Web Mercator) donnerait ~36 m reels a la latitude de Toulouse.

Deux colonnes d'usage

La BD TOPO encode un usage principal (usage_1) et un usage secondaire (usage_2). Un immeuble mixte commerce + logement peut etre tagge Résidentiel / Commercial et services ou l'inverse. Le or pandas garantit qu'on capte les deux cas.

Rules

{
  "version": 2,
  "name": "toulouse_commercial_buildings_near_arterials",
  "ref_layers": {
    "routes": "routes",
    "batiments": "batiments"
  },
  "steps": [
    {
      "id": "filter_routes_arterials",
      "type": "capability",
      "capability": "filter",
      "params": {
        "expression": "importance in ['2', '3', '4']"
      },
      "input": "routes"
    },
    {
      "id": "filter_near_arterials",
      "type": "capability",
      "capability": "filter",
      "params": {
        "spatial_predicate": "intersects",
        "ref_layer": "filter_routes_arterials",
        "buffer_distance": 50,
        "crs_meters": "EPSG:2154"
      },
      "input": "batiments"
    },
    {
      "id": "filter_commercial",
      "type": "capability",
      "capability": "filter",
      "params": {
        "expression": "usage_1 == 'Commercial et services' or usage_2 == 'Commercial et services'"
      },
      "input": "filter_near_arterials"
    }
  ]
}

Telecharger

scenario-2-rules.json

Execution

gispulse run examples/datasets/toulouse_bdtopo.gpkg \
  --layer batiments \
  --rules playground/scenario-2-rules.json \
  -o output/toulouse_commerces_near_arterials.gpkg \
  --ref-source routes:examples/datasets/toulouse_bdtopo.gpkg:routes

Resultat attendu

Schema de sortie

Colonne	Type	Origine	Description
geometry	MultiPolygon	source	Geometrie du batiment
usage_1	string	source	Usage principal
usage_2	string	source	Usage secondaire (peut etre null)
hauteur	float	source	Hauteur (m)
nombre_de_logements	int	source	Nombre de logements

Sur Toulouse, le pipeline retient les batiments a vocation commerciale situes le long des axes structurants (nationales, departementales et voies principales urbaines). Cohorte attendue : ordre de grandeur 1 000-2 000 batiments en Commercial et services pur ou mixte, concentres sur les corridors de transit (av. de Grande-Bretagne, av. de Toulouse, route de Narbonne, etc.).

Playground interactif complet

Pipeline live en 3 etapes (necessite le backend demo) :

Etape par etape :

1. filter_routes_arterials (bleu) — sous-reseau d'importance 2-4 (~1 600 troncons), affiche comme layer
2. filter_near_arterials (orange) — batiments intersectant le buffer 50 m autour de ce sous-reseau (Lambert93)
3. filter_commercial (violet) — batiments dont usage_1 ou usage_2 vaut Commercial et services

Interactions :

• Popup batiment : usage_1, usage_2, hauteur, logements
• Popup voie : nom_voie, importance, largeur_de_chaussee — utile sur le layer step 1 pour verifier la categorie BD TOPO

Essayer en live

Live DemoVerifier filter + ref_filter

GET/capabilities

Live DemoStatut du serveur demo

GET/health

Pour aller plus loin

• S1 : Risque Inondation — meme ville, 4 etapes filtre bati + buffer metrique + altitude
• S4 : Reseau Routier + Recul Urbanisme — complement, axes structurants a Clermont-Ferrand
• Capabilities vecteur — filter avec ref_filter, spatial_join, area_length