Sommaire

1. Objectif
2. Méthodologie
3. Fichiers
4. Exemple du tableau de bord Power BI
5. Variables d’environnement
6. Reproduire

Analyse des flux cyclistes à Bruxelles (CB02411)

ACP + HCPC + Régression multiple en R — Connexion directe MySQL via {RMariaDB} — Dashboard Power BI.

Objectif

Comprendre l’évolution des passages vélo à Bruxelles (2022–2024), identifier des profils de stations (jour/nuit, semaine/saisons) et modéliser les facteurs explicatifs (calendrier, météo).

Méthodologie

1. Données : connexion MySQL avec {RMariaDB} (stations/horaires) + données calendaires (vacances/jours fériés).
2. R (tidyverse) : nettoyage, features temporelles.
3. ACP (FactoMineR) + HCPC : typologie de stations.
4. Régression multiple (avec imputation mice, retrait outliers/Cook).
5. Power BI : tableau de bord interactif (observé vs ajusté, filtres).

Fichiers

• Script : bicycle-project/code.R
• Données calendaires : data/Vacances FR-NL.csv
• Rapport PDF : results/Analyse-borne-CB02411.pdf
• Dashboard : Télécharger le Dashboard (PBIX)

Exemple du tableau de bord Power BI

Voici un aperçu du dashboard construit avec Power BI :

Variables d’environnement requises

Le script R attend des identifiants de connexion MySQL via {RMariaDB}.
Avant d’exécuter code.R, définissez :

• DB_USER : utilisateur MySQL
• DB_PASS : mot de passe
• DB_HOST : hôte/serveur MySQL
• DB_NAME : nom de la base de données

Exemple (sous Linux/macOS) :

export DB_USER="mon_user"
export DB_PASS="mon_motdepasse"
export DB_HOST="localhost"
export DB_NAME="nom_base"

Reproduire

# Connexion MySQL (adapter les secrets)
con <- DBI::dbConnect(RMariaDB::MariaDB(),
                      user="USER", password="***",
                      dbname="DB", host="HOST", port=3306)

# Exécuter l'analyse
source("bicycle-project/code.R")