Génération des émissions et attractions à l’échelle des communes

Génération des émissions et attractions à l’échelle des communes

Nous avons étudié jusqu’ici les différentes possibilités en génération de trafic. Il s’agit maintenant de faire le choix de méthodologies adaptées à notre territoire d’étude, aux objectifs du modèle de génération, aux objectifs plus généraux du modèle à quatre étapes et aux données disponibles. La présentation de la construction des données, de l’accès que nous en avons eu ainsi que de l’extrapolation de certaines informations est nécessaire pour comprendre les choix méthodologiques que nous avons réalisés. Cette présentation permettra également d’expliciter clairement les positions que nous avons choisies quant à la modélisation effectuée par la suite. Enfin, nous présenterons les résultats en terme d’émissions et attractions des déplacements à l’échelle communale du modèle ainsi mis en place. 1. Les données disponibles Différentes sources de données sont accessibles concernant la mobilité en France. Elles sont principalement contenues dans la base de données de l’Insee Communes mobilité. Ces données ne sont toutefois pas exhaustives et ne présentent qu’une partie restreinte de l’information. Afin d’approcher au plus près la mobilité et sa quantification à un instant de référence, différentes techniques ont été employées :Une enquête axée sur les transports en commun a tout d’abord été réalisée ; à laquelle sont venues s’ajouter les données de l’enquête ménages – déplacement de la Communauté d’agglomération du Grand Besançon (CAGB) qui nous ont permis d’extrapoler les données inhérentes au déplacement en voiture personnelle sur l’ensemble de la région de Franche-Comté. Nous allons présenter ici les différents protocoles, d’enquête et d’extrapolation, qui nous ont fourni les données nécessaires à la modélisation, après avoir expliqué les objectifs du modèle qui ont conditionnés nos choix.

 L’objectif du modèle de génération de trafic est, en premier lieu, de pouvoir prévoir, de la manière la plus fine possible, l’évolution de la mobilité à court et moyen terme. Prévoir à long terme de ce genre de phénomène s’avère être un exercice périlleux, de par la difficulté d’estimation des différents paramètres liés à la mobilité quotidienne. Remis dans le cadre plus complet du modèle à quatre étape, le modèle de génération de trafic a également pour but de pouvoir estimer l’impact d’une modification de l’offre de transport sur les comportements de mobilité des individus. Cette problématique n’est au demeurant qu’assez peu liée à l’étape spécifique de la génération de trafic. Nous considérons en effet ici que l’individu fait le choix d’effectuer ou non un déplacement sans prendre en compte les potentialités liées à l’offre de transport. Il va de soi que la réalité du processus décisionnel est plus complexe et que les informations liées aux possibilités modales influencent la décision de mobilité. Le modèle de génération de trafic étant à terme inclus dans un modèle à quatre étapes, la séparation des étapes reste une contrainte forte, comme nous l’avons vu dans le premier chapitre. Les postulats de départ du modèle à quatre étapes nous obligent donc à ignorer les phénomènes d’induction qui sont responsables de l’augmentation ou la diminution de la mobilité à la suite de mise en service de nouvelles prestations ou de nouvelles infrastructures. Les inactifs motorisés connaissent par exemple une forte évolution de leurs déplacements, spécifiquement pour des motifs non contraints, en fonction de l’évolution de l’offre de transport en commun [Bonnel, 1995a]. La modélisation développée ici est donc une modélisation à but prévisionnel, chargée de quantifier, à un instant t+1, les émissions et attractions de zones géographiques préétablies. Ces émissions et attractions pourront par la suite, au cours des autres étapes du modèle, permettre de tester les incidences de politiques spécifiques de transport.

Les données « Communes mobilité »

Les données communes mobilité ne couvrent qu’une partie des motifs de déplacement. Ces données sont réparties selon les motifs travail et études et fournissent diverses informations attachées à cette mobilité (annexe 1). On connaît notamment la répartition modale de cette mobilité. Même si la question du mode n’est pas abordée dans notre modélisation, elle reste importante dans la quantification des déplacements. En effet, si on connaît l’ensemble des déplacements concernant les deux motifs détaillés ici, nous allons voir par la suite que les diverses enquêtes et données dont nous disposons ne nous permettent pas d’accéder aux données concernant la mobilité en voiture personnelle attachée à certains motifs.