Mandjo Béa Boré
Mandjo Béa Boré
Analyste-développeur
Mandjo Béa Boré

Mandjo Béa BoréAnalyste-développeur

Créer des applications et cartes pour raconter la donnée et la transformer en leviers d'action

construit avec:

☕ Comment l'analyse Kernel Density a révélé le meilleur emplacement (2) ?

2025Spatial Analysis
En tant qu'analyste SIG, la mission consiste à identifier l'emplacement optimal d'un nouveau café dans le comté de Sacramento en analysant la distribution spatiale des restaurants et établissements de restauration existants. L'objectif est d'exploiter les données géographiques pour appuyer une décision stratégique, en garantissant que le nouveau café soit situé dans une zone à forte densité de restaurants afin d'attirer plus de clients et de profiter du flux de passage existant.

L'objectif principal est de réaliser une analyse d'aptitude du site à l'aide de l'estimation par noyau (Kernel Density Estimation, KDE) afin de quantifier la densité de restaurants sur la zone d'étude. Il s'agit d'évaluer trois emplacements candidats pour le café — Downtown, Stockton Boulevard et Old Placerville Road — en comparant leur proximité aux restaurants et en identifiant celui qui offre le plus fort potentiel de réussite selon la concentration de restaurants.

Pour y parvenir, une démarche systématique est suivie avec ArcGIS Pro et ses outils Spatial Analyst :

Le jeu de points « Restaurants/Food Service Permit Locations » issu du portail Open Data du comté de Sacramento est d'abord chargé, ainsi que la couche « Candidate Coffee Shop Locations » dans ArcGIS Pro.

Le système de coordonnées du projet est défini sur « NAD 1983 California (Teale) Albers (US Feet) » pour garantir des mesures de distance précises et la cohérence de l'analyse spatiale.

À l'aide de l'outil Kernel Density, une couche raster représentant la densité de restaurants par mile carré est créée. L'outil est configuré avec un rayon de recherche de 5 280 pieds (1 mile) et une taille de cellule de sortie de 98,4252 pieds pour équilibrer le niveau de détail et l'efficacité de traitement.

Le résultat, nommé « food_permit_density », visualise les zones de forte et faible concentration de restaurants et constitue la base de l'analyse comparative.

L'outil Extract Values to Points est appliqué pour échantillonner les valeurs de densité de restaurants à chaque emplacement candidat. La classe d'entités de sortie, « coffee_shop_with_food_density », comporte un champ « RASTERVALU » contenant la valeur de densité pour chaque point.

L'examen de la table attributaire de la couche de sortie révèle que l'emplacement Downtown présente une densité de 148 restaurants par mile carré, nettement supérieure à Stockton Boulevard (26) et Old Placerville Road (11).

Une mise en page (Layout3.png) est réalisée pour visualiser les résultats, en mettant en évidence les gradients de densité et les sites candidats afin d'obtenir des enseignements clairs et exploitables.

L'analyse identifie sans ambiguïté Downtown Sacramento comme l'emplacement le plus adapté pour le nouveau café, avec une densité de restaurants près de six fois supérieure à celle des autres candidats. Ce résultat fournit une justification fondée sur les données pour retenir le site de Downtown, maximisant le potentiel d'engagement client et de réussite commerciale. Le flux de travail démontre la puissance de l'analyse spatiale pour appuyer une prise de décision éclairée dans le choix d'un site commercial.


📌 Tech Stack : ArcGIS Pro 3 — Spatial Analyst — Kernel Density — Extract Values to Points — NAD 1983 California Teale Albers — File Geodatabase

Technologies utilisées :
ArcGIS Pro 3.4
Spatial Analyst
Kernel Density Estimation
Python
ArcPy

SHARE

Mandjo Béa Boré

Créer des applications et cartes pour raconter la donnée et la transformer en leviers d'action