Simulateur de Croissance Urbaine Avancé

# Fiche Produit : Simulateur de Croissance Urbaine Avancé

Ce script Python simule l’évolution d’un territoire urbain sur plusieurs années, intégrant des dynamiques démographiques, économiques, sociales et des événements aléatoires. Il offre une analyse détaillée de l’impact des indicateurs clés sur la croissance urbaine, avec des visualisations riches et un rapport final complet.

## Caractéristiques du script :

**1. Modélisation du territoire :**
– Représentation détaillée via une classe `IndicateursUrbains` avec 13 indicateurs : population, superficie, emplois, logements, PIB par habitant, taux de chômage, prix immobilier, investissements publics, scores de transport, éducation, santé, taux de natalité et mortalité.
– Calculs dynamiques de la densité, de l’attractivité économique et de la qualité de vie.

**2. Simulation démographique :**
– Croissance de la population basée sur :
– Taux de natalité et mortalité (en ‰), ajustés par la prospérité.
– Migration nette influencée par l’attractivité économique, la qualité de vie et la capacité d’accueil (logements disponibles).
– Mécanisme de saturation limitant la migration en cas de forte occupation des logements.

**3. Simulation économique :**
– Croissance des emplois calculée à partir de l’attractivité économique et des investissements publics.
– Évolution du PIB par habitant corrélée à la croissance des emplois.
– Ajustement des prix immobiliers en fonction de la pression démographique, de l’attractivité et d’une inflation de base.
– Construction de logements basée sur le déficit estimé et la capacité d’investissement.

**4. Événements aléatoires :**
– Simulation d’événements réalistes avec probabilités définies :
– Récession économique (baisse emplois/PIB/investissements).
– Boom économique (hausse emplois/PIB/investissements).
– Nouvelle infrastructure (amélioration transport/attractivité).
– Crise sanitaire (baisse population/santé/PIB).
– Innovation technologique (hausse emplois/PIB/éducation).
– Catastrophe naturelle (baisse logements/population/investissements).
– Impacts cumulatifs appliqués aux indicateurs concernés.

**5. Visualisations :**
– Génération de six graphiques (via Matplotlib) pour visualiser l’évolution sur 25 ans :
– Population et densité (axes doubles).
– Emplois et taux de chômage (axes doubles).
– PIB par habitant.
– Prix immobilier.
– Attractivité économique et qualité de vie (superposées).
– Croissance démographique annuelle (%).
– Style visuel moderne (Seaborn si disponible) avec grilles et légendes.

**6. Analyse et rapport :**
– Rapport final détaillé incluant :
– Évolution démographique (population, densité).
– Évolution économique (emplois, PIB, chômage).
– Évolution immobilière (prix, logements).
– Indicateurs finaux (attractivité, qualité de vie, scores transport/éducation/santé).
– Sauvegarde des données historiques au format CSV (`evolution_urbaine.csv`).
– Affichage des événements marquants chaque année et résumé tous les 5 ans.

## Utilisation :

Le script s’exécute via la fonction `exemple_simulation()`, simulant une ville fictive (« Métropole-Simulation ») sur 25 ans avec des paramètres initiaux réalistes :
– Population : 75 000 habitants
– Superficie : 45 km²
– Emplois : 32 000
– Logements : 30 000
– PIB par habitant : 32 000 €
– Taux de chômage : 8,5%
– Prix immobilier : 3 200 €/m²
– Investissements publics : 150 M€
– Scores transport/éducation/santé : 70/75/72
– Taux de natalité/mortalité : 10,5‰/8,8‰

Les utilisateurs peuvent personnaliser les paramètres initiaux ou la durée de la simulation. Une graine aléatoire (`random.seed(42)` et `np.random.seed(42)`) assure la reproductibilité, mais peut être désactivée pour des résultats variés.

– **Sortie :** Résumé initial, suivi périodique (tous les 5 ans), rapport final, graphiques et fichier CSV.
– **Dépendances :** Python 3.x, `numpy`, `matplotlib`, `pandas`.
– **Personnalisation :** Ajustement des indicateurs initiaux, des probabilités d’événements ou de la période simulée.

**Licence :** MIT