Spaces:
Sleeping
Sleeping
File size: 12,412 Bytes
4340cca 0c7547b 0a278c1 0c7547b 4340cca dea8950 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 5316521 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 0c7547b 0a278c1 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 | #from os import write
import joblib
import numpy as np
import streamlit as st
import requests
import pandas as pd
#from dotenv import load_dotenv
#import os
#load_dotenv(".api_env")
API_KEY = 'AIzaSyAWfT7LegzDMdwebnghQu3vjqYBZfJUdo0'
API_METEO = 'bd715056584f453cc48cb17af2e5e0bd'
# -------------------------------------------------------------------------
# PARAMÈTRES ET CHARGEMENT DU MODÈLE
# -------------------------------------------------------------------------
modele_linear = joblib.load("mon_modele.joblib")
modele_rf = joblib.load("mon_modele_rf1.joblib")
# Tarif fixe (0.70 $/km) pour le modèle
TARIF_PAR_KM = 0.70
st.title("Prédiction du prix d'une course")
# -------------------------------------------------------------------------
# FONCTIONS D'APPEL D'API
# -------------------------------------------------------------------------
def get_address_suggestions(input_text, api_key):
"""Autocomplete des adresses (Google Places)."""
if not input_text:
return []
url = (
"https://maps.googleapis.com/maps/api/place/autocomplete/json"
f"?input={input_text}"
f"&key={api_key}"
"&types=geocode"
"&language=fr"
)
resp = requests.get(url).json()
#print(resp)
suggestions = []
if resp["status"] == "OK":
for pred in resp["predictions"]:
suggestions.append({
"description": pred["description"],
"place_id": pred["place_id"]
})
for i in suggestions:
print(f"Adresse : {i['description']}\n"
f"ID : {i['place_id']} ")
print(suggestions)
return suggestions
def get_place_details(place_id, api_key):
"""Récupère (lat, lng) d’un lieu via Place Details API."""
url = (
"https://maps.googleapis.com/maps/api/place/details/json"
f"?place_id={place_id}"
f"&key={api_key}"
)
resp = requests.get(url).json()
if resp["status"] == "OK":
loc = resp["result"]["geometry"]["location"]
#print(loc)
return loc["lat"], loc["lng"]
else:
return None, None
def get_distance_and_duration(lat1, lng1, lat2, lng2, api_key):
"""
Retourne (distance_km, duration_min) entre deux points
via l’API Distance Matrix.
"""
origin = f"{lat1},{lng1}"
destination = f"{lat2},{lng2}"
url = (
"https://maps.googleapis.com/maps/api/distancematrix/json"
f"?origins={origin}"
f"&destinations={destination}"
f"&key={api_key}"
"&mode=driving"
)
resp = requests.get(url).json()
if resp["status"] == "OK":
elem = resp["rows"][0]["elements"][0]
if elem["status"] == "OK":
dist_m = elem["distance"]["value"] # mètres
dur_s = elem["duration"]["value"] # secondes
dist_km = round(dist_m / 1000, 2)
dur_min = round(dur_s / 60, 1)
return dist_km, dur_min
return None, None
def interpret_weather(description):
"""
:param description: recupere la description qui est de base une chaine de caractere qui
nous est retournée par la fonction get_weather.
:return: nous retourne un des mots clés (rain, snow, clear)
"""
if description is not None:
# convertissons toute la description en minuscule
description_lower = description.lower()
if "rain" in description_lower :
return "rain"
elif "snow" in description_lower :
return "snow"
else:
return "clear"
def get_weather(lat, lng, api_key):
"""
Récupère la météo actuelle à partir des coordonnées GPS.
Retourne (température, description) ou (None, None) en cas d'erreur.
"""
url = (
f"https://api.openweathermap.org/data/2.5/weather"
f"?lat={lat}"
f"&lon={lng}"
f"&appid={api_key}"
f"&units=metric"
f"&lang=en"
)
response = requests.get(url)
if response.status_code == 200:
data = response.json()
temp = data["main"]["temp"]
description = data["weather"][0]["description"]
desc = interpret_weather(description)
return temp, desc
else:
return None, None
def encoding_weather(description):
"""
:param description: recupere la description du retour de la fonction get_weather.
:return: nous retourne 0 ou 1 (pour que le modele comprenne)
"""
if description is not None:
description_lower = description.lower()
if description_lower == "rain":
return 1,0
elif description_lower == "snow":
return 0,1
else:
return 0,0
else:
print("Description non recuperée")
return
def interpret_traffic_level(elem):
"""
Compare duration_in_traffic vs. duration
pour en déduire un label (Low, Medium, High).
"""
dur_no_traffic = elem["duration"]["value"] # en secondes
dur_with_traffic = elem["duration_in_traffic"]["value"]
ratio = dur_with_traffic / dur_no_traffic
# Ex. si la durée augmente de moins de 10% => Low
# entre 10% et 30% => Medium
# plus de 30% => High
if ratio < 1.10:
return "Low"
elif ratio < 1.30:
return "Medium"
else:
return "High"
def get_traffic_conditions(lat1, lng1, lat2, lng2, api_key):
"""
Récupère les conditions de trafic entre deux points via l'API Distance Matrix.
Retourne le niveau de trafic (Low, Medium, High).
"""
origin = f"{lat1},{lng1}"
destination = f"{lat2},{lng2}"
url = (
"https://maps.googleapis.com/maps/api/distancematrix/json"
f"?origins={origin}"
f"&destinations={destination}"
f"&key={api_key}"
"&mode=driving"
"&departure_time=now"
"&traffic_model=best_guess"
)
resp = requests.get(url).json()
if resp["status"] == "OK":
elem = resp["rows"][0]["elements"][0]
if elem["status"] == "OK":
# Extraire duration & duration_in_traffic et créer un label
return interpret_traffic_level(elem)
return "Unknown"
def encodage_traffic_conditions(level):
"""
:param level: c'est le niveau du trafic qui sera (Low,Medium ou High)
:return: retourner un tuple avec deux valeurs 0 ou 1 pour pouvoir etre considerer par notre modele
"""
if level is not None:
if level == "Low":
return 1,0
elif level == "Medium":
return 0,1
elif level == "High":
return 0,0
else:
print("Le niveau du traffic est introuvable")
return
# -------------------------------------------------------------------------
# INTERFACE UTILISATEUR : ADRESSES
# -------------------------------------------------------------------------
st.header("Adresse de départ")
pickup_input = st.text_input(
"Tapez votre adresse de départ (puis Entrée)",
placeholder="Ex: 84 Rue de Sauternes"
)
pickup_suggestions = []
if pickup_input:
pickup_suggestions = get_address_suggestions(pickup_input, API_KEY)
pickup_options = [s["description"] for s in pickup_suggestions]
selected_pickup = st.selectbox("Suggestions pour l'adresse de départ :", pickup_options,
placeholder= "Pas d'options proposés")
st.header("Adresse d'arrivée")
destination_input = st.text_input(
"Tapez votre adresse d'arrivée (puis Entrée)",
placeholder="Ex: 4949 Métropolitain Est"
)
dest_suggestions = []
if destination_input:
dest_suggestions = get_address_suggestions(destination_input, API_KEY)
dest_options = [s["description"] for s in dest_suggestions]
selected_destination = st.selectbox("Suggestions pour l'adresse d'arrivée :", dest_options)
# -------------------------------------------------------------------------
# BOUTON POUR TOUT CALCULER
# -------------------------------------------------------------------------
if st.button("Prédire le prix"):
# Vérifier que l'utilisateur a sélectionné une suggestion
if not selected_pickup or not selected_destination:
st.error("Veuillez sélectionner une adresse de départ et d'arrivée.")
else:
# Récupérer le place_id du départ
pickup_place_id = None
for s in pickup_suggestions:
if s["description"] == selected_pickup:
pickup_place_id = s["place_id"]
break
# Récupérer le place_id de l'arrivée
dest_place_id = None
for s in dest_suggestions:
if s["description"] == selected_destination:
dest_place_id = s["place_id"]
break
if pickup_place_id and dest_place_id:
# Coords de départ
pickup_coords = get_place_details(pickup_place_id, API_KEY)
# Coords d'arrivée
dest_coords = get_place_details(dest_place_id, API_KEY)
if pickup_coords and dest_coords:
dist_km, dur_min = get_distance_and_duration(
pickup_coords[0], pickup_coords[1],
dest_coords[0], dest_coords[1],
API_KEY
)
print(pickup_coords)
#
traffic_level = get_traffic_conditions(pickup_coords[0],pickup_coords[1],
dest_coords[0],dest_coords[1],API_KEY)
temp, desc = get_weather(pickup_coords[0],pickup_coords[1],API_METEO)
if dist_km is not None and dur_min is not None:
# Affichage
if dur_min > 60:
heures = dur_min // 60
minutes = dur_min % 60
#print(heures, minutes)
st.write(f"**Durée estimée** : {int(heures)} heures {int(minutes)} minutes")
else:
st.write(f"**Durée estimée** : {int(dur_min)} minutes")
st.write(f"**Distance estimée** : {dist_km} km")
#
traffic_low, traffic_medium = encodage_traffic_conditions(traffic_level)
#
weather_rain, weather_snow = encoding_weather(desc)
# Appel du modèle ML :
# => Le modèle attend [distance, durée, prix_km=0.70]
# => On lui passe donc ces 3 features
colonnes = ['distance', 'minutes', 'prix_kilometre',
'Traffic_Conditions_Low', 'Traffic_Conditions_Medium',
'Weather_Rain', 'Weather_Snow']
donnee_entree = pd.DataFrame([[dist_km, dur_min, TARIF_PAR_KM,
traffic_low, traffic_medium,
weather_rain, weather_snow]], columns=colonnes)
if dist_km > 50:
prediction_modele1 = modele_linear.predict(donnee_entree)
print("prediction_modele1")
st.write(f"**Prédiction du modèle** : {prediction_modele1[0]:.2f} $")
else:
prediction_modele2 = modele_rf.predict(donnee_entree)
print("prediction_modele2")
st.write(f"**Prédiction du modèle** : {prediction_modele2[0]:.2f} $")
else:
st.error("Impossible de calculer la distance ou la durée.")
else:
st.error("Impossible de récupérer les coordonnées GPS.")
# Affichage des conditions du traffic
if traffic_level:
st.write(f"**Conditions de trafic** : {traffic_level}")
else:
st.write('**Conditions de traffic** : Inconnues')
# Affichage de la meteo
meteo = get_weather(pickup_coords[0], pickup_coords[1], API_METEO)
if meteo:
temperature, descrip = meteo
st.write(f"**Temperature** : {round(temperature)} degré celsius, principalement : {descrip} en ce moment")
else:
st.error("Place ID introuvable pour l'adresse sélectionnée.")
|