AMÉLIORATIONS DE L’APPROCHE …doxa.u-pec.fr/theses/th0224141.pdf · mobilitÉ urbaine, son...

1

UNIVERSITÉ DE PARIS XII – VAL DE MARNE

INSTITUT D’URBANISME DE PARIS

AMÉLIORATIONS DE L’APPROCHE

DÉMOGRAPHIQUE POUR LA PRÉVISION À

LONG TERME DE LA MOBILITÉ URBAINE

THÈSE DE DOCTORAT EN TRANSPORT

Présentée par

Zoran KRAKUTOVSKI

Juin 2004 Directeur de thèse Monsieur Jean-Pierre ORFEUIL, Professeur à l’Institut d’Urbanisme de

Paris, Université Paris XII, France Composition du jury

Rapporteur Monsieur Yves Bussière, Professeur à l’INRS - Urbanisation, Culture et Société, Montréal, Québec, Canada

Rapporteur Monsieur Jean Laterrasse, Professeur à l’Université Marne-La-Vallée, France

Madame Férial Drosso, Professeur à l’Institut d’Urbanisme de Paris, Université Paris XII, France

Monsieur Jean-Loup Madre, Directeur de recherche, INRETS-Département Économie et Sociologie des Transports, Arcueil, France

3

Remerciements J’adresse mes remerciements respectueux à Monsieur Jean-Pierre Orfeuil, Professeur à l’Université Paris XII de Créteil, pour la confiance qu’il m’a témoignée à réaliser ce travail. Merci infiniment pour toutes ses instructions et suggestions tout au long de la thèse. Je tiens aussi à remercier Monsieur Jean-Loup Madre, Directeur du DEST, et Monsieur Jimmy Armoogum, ingénieur d’étude au DEST, pour l’accueil et les conseils apportés tout au long de mon travail réalisé à l’Institut National de Recherche sur les Transports et leur Sécurité (INRETS), au Département d’Économie et de Sociologie des Transports (DEST). Je veux exprimer ma profonde reconnaissance à mes amis chercheurs de l’INRETS et particulièrement à Akli Berri, Caroline Gallez, Marie-Hélène Massot, Laurent Hivert et Francis Papon pour leur soutien, leur amitié et leurs conseils pertinents. Merci à toutes les personnes qui m’ont aidé et m’ont présenté leur gentillesse, et particulièrement pour la relecture à Annie Berthelot du DEST. Ce travail a été financé par une bourse du Gouvernement Français, Ministère des affaires étrangères, que je voudrais vivement remercier et plus spécifiquement à Monsieur François Gorget et Madame Anne Mallaplate de l’Ambassade de France à Skopje (République de Macédoine) pour leur confiance et engagement d’avoir m’accorder la bourse. Je souhaite témoigner toute ma reconnaissance à mes proches et amis macédoniens et français, particulièrement Monsieur Marc Navelet et Monsieur Régis Perrier. Merci à tous mes amis dans tous les coins du monde pour leurs encouragements. Un grand remerciement à la famille Pehcevski, qui m’a beaucoup aidé et soutenu lors de mon séjour en France. Merci pour les bons moments passés ensemble. Je rends hommage à la patience et à la compréhension de mon épouse Biljana et je demande pardon pour tous les jours passés sans moi. Je pense particulièrement fort à notre fille Ana dont le visage m’accompagne tout le temps. Je l’adore et lui promets de ne plus jamais être si loin d’elle. J’adresse une pensée affectueuse à mes parents, ma mère Desanka, mon père Milan, ma sœur Anetka et à sa famille. Je pense très profondément à mes grands-parents Aneta et Lazar, qui hélas ne sont pas parmi nous, et à qui je dédie ce travail.

5

Sommaire REMERCIEMENTS............................................................................................................3

SOMMAIRE.........................................................................................................................5 INTRODUCTION GÉNÉRALE............................................................................................7 PREMIÈRE PARTIE :.....MOBILITÉ URBAINE, SON ÉVOLUTION, LES BESOINS ET LES MÉTHODES DE PRÉVISION ...................................................................................15 Chapitre 1 MOBILITÉ URBAINE : DÉFINITIONS, MOYENS D’OBSERVATION.................................17 Chapitre 2 MODÈLES D’ANALYSE ET DE PRÉVISION DE LA MOBILITÉ À LONG TERME..........27 Chapitre 3 INDICATEURS, ÉVOLUTIONS DE LA MOBILITÉ ET SES DÉTERMINANTS..................49 DEUXIÈME PARTIE : INTÉRÊT D’UNE APPROCHE DÉMOGRAPHIQUE ..............61 Chapitre 1 ÉVOLUTIONS DÉMOGRAPHIQUES EN FRANCE..................................................................63 Chapitre 2 DÉVELOPPEMENT DES ANALYSES PAR GÉNÉRATION DANS DIFFÉRENTS

DOMAINES..........................................................................................................................................................75 Chapitre 3 MODÈLE DÉMOGRAPHIQUE DE LA MOBILITÉ .................................................................117 TROISIÈME PARTIE : ......MODÈLES DÉMOGRAPHIQUES DE PROJECTION DE LA MOBILITÉ À LONG TERME – APPLICATION, NOUVELLES MÉTHODOLOGIES DE SPÉCIFICATION, TESTS DE SENSIBILITÉ ................................................................127 Chapitre 1 APPLICATIONS DE MODÈLE DÉMOGRAPHIQUE DANS LES PROJECTIONS DE LA MOBILITÉ............................................................................................................................................129 Chapitre 2 SPÉCIFICATION DU MODÈLE : MÉTHODOLOGIE EXISTANTE....................................155 Chapitre 3 NOUVELLES MÉTHODOLOGIES DE SPÉCIFICATION DU MODÈLE ÂGE-COHORTE ...............................................................................................................................................189 Chapitre 4 TESTS DE SENSIBILITÉ DU MODÈLE ET SIMULATION DE DIFFÉRENTS SCÉNARIOS ......................................................................................................................................................209 Chapitre 5 EXAMEN D’EFFET DE PÉRIODE ET PROPOSITION DU MODÈLE « ÂGE-COHORTE-VITESSE »..........................................................................................................................................................229 CONCLUSION GÉNÉRALE ............................................................................................255 BIBLIOGRAPHIE ............................................................................................................265 TABLE DES MATIERES................................................................................................273

LISTE DES FIGURES.....................................................................................................277

LISTE DES TABLEAUX.................................................................................................279 ANNEXES .........................................................................................................................281

7

INTRODUCTION GÉNÉRALE

9

INTRODUCTION GÉNÉRALE 1. L’intérêt de projeter la mobilité. La notion de mobilité renvoie à des mouvements des gens dans un espace donné pour réaliser certaines activités hors de leur domicile. La progression de la civilisation amplifie les contacts sociaux, les échanges économiques et culturels et diversifie les motifs et les territoires de déplacements. La fréquentation de l’espace tout d’abord reposé sur la marche à pied et sur l’utilisation des animaux domestiques. Les villes se caractérisaient alors par leur petite taille et une structure très dense au centre. Le rayon de la ville a été déterminé par la distance qu’un homme pouvait franchir en 30 minutes à pied (Diekmann, Achim, 2002). Par exemple, en 1800 Pékin était la plus grande ville du monde avec 1,1 million d’habitants (Moriconi-Ebard, 2000). Il a fallu attendre la révolution industrielle du 19ème siècle pour que le développement technologique et technique donne naissance aux modes de transports motorisés et aux premières infrastructures modernes (chemin de fer et routes goudronnées). Depuis, les nouvelles technologies dans le domaine de transports ont progressé à un rythme soutenu jusqu’à nos jours. Les habitudes de déplacements des gens changent également sous l’influence du développement socio-économique, et avec l’apparition de différents moyens de transport. Les distances quotidiennement parcourues en ville s’allongent et permettent l’élargissement et la diversification du marché du travail et d’activités. La modernité change les villes, élargit leur rayon en formant les couronnes périphériques. Les effets de cette transformation se traduisent par une plus grande efficacité économique des villes et une concentration forte de la population dans les périphéries urbaines. Les grandes agglomérations urbaines continuent d’attirer la population, bien que cette tendance soit aujourd’hui ralentie. L’usage massif de l’automobile a contribué largement à ces mutations de la structure des territoires en dispersant les activités et surtout l’habitat dans une aire plus vaste. Ainsi, ce n’est pas par hasard que les nombreuses études de la planification des transports apparaissent avec la période de la motorisation des ménages, lors des années 60 et 70. À cette époque, l’objectif essentiel de la planification était la mise en place de l’infrastructure de transport capable de répondre à une forte demande de déplacements, surtout dans les grandes agglomérations urbaines. P. Merlin constate que « ce sont les transports urbains qui ont fait l’objet des études les plus nombreuses et qui ont joué un rôle pionnier pour clarifier les enjeux, les concepts et les méthodes de planification » (Merlin, 1991). Pourtant, la mobilité est aussi aujourd’hui à l’origine de beaucoup d’inquiétudes liées à la consommation d’énergie, la consommation d’espace et aux enjeux d’environnement. La sensibilité de la population, dans les pays développés, à ces questions grandit et demande des actions publiques pour réduire les effets néfastes de la mobilité. Ainsi, les pouvoirs publics doivent disposer des éléments d’information nécessaires pour assurer la cohérence des choix concernant les instruments de la politique des transports et particulièrement sur les décisions à réaliser de nouvelles infrastructures. Le caractère irréversible de l’infrastructure de transport demande une vision de la mobilité à long terme. La complexité de l’analyse de la mobilité implique de recourir à différentes disciplines comme l’économie, la géographie, la psychologie, la démographie, la biologie, etc.

10

2. Pourquoi utiliser l’approche démographique ? Les modèles de la mobilité développés jusqu’à nos jours considèrent très souvent un environnement statique et stable où les phénomènes observés et modélisés sont identiques sur les différentes périodes. Or, cette stabilité pose problème lorsque les études portent sur les comportements de mobilité à long terme. La mobilité n’est pas indépendante aux transformations de la société et des habitudes des citadins. De plus, l’intensité de ces changements n’est pas constante et elle dépend de la conjoncture socio-économique pendant une certaine période de temps. L’évolution au niveau agrégé de nombreux comportements des individus par rapport aux pratiques de la mobilité apparaît, généralement, difficile à expliquer. Les projections reposant sur les analyses des tendances passées ne permettent pas toujours d’avoir une vision précise des évolutions possibles. Les analyses statiques apparaissent peu appropriées en période de transformation rapide des changements démographiques, économiques et sociaux. Elles ne prennent pas en compte l’éventualité d’un changement, ignorant ainsi un aspect essentiel de la réalité. Leur utilisation pour les objectifs de prédictions à long terme est sensiblement limitée. Il importe donc, de développer des approches dynamiques de la modélisation des comportements. La décomposition d’un phénomène étudié en effets temporels permet d'éclaircir leur évolution au fil du temps. Parmi plusieurs segmentations possibles, celle qui fait intervenir le rôle de l’âge est exploitée depuis longtemps dans différents domaines de recherche, particulièrement en économie (Kessler, Masson, 1984). Mais, l’effet d’âge n’est pas le seul facteur suffisant pouvant expliquer la dynamique d’évolution. Le dynamisme du comportement est affecté également par la « génération» qui exprime l’impact des événements historiques, du vécu des individus sur les changements. Pour que la mosaïque soit complète il faut ajouter dans les analyses la troisième composante temporelle qui est le moment pendant lequel des événements se sont passés (Vandeschrick, 2003). La décomposition du temps en trois facteurs est depuis longtemps utilisée dans les analyses des phénomènes démographiques puisque « quel que soit l’événement démographique, celui-ci peut être soumis à des variations selon l’âge (par exemple la fécondité), la période (une épidémie,…) et la cohorte de naissance (les générations successives expérimentent des schémas de fécondité ou de mortalité très différents) » (Wanner et al., 2000). Un autre événement, de nature purement démographique, devient l’objet d’intérêt d’études pluridisciplinaires ; il s’agit du vieillissement inéluctable de la population et de la baisse de la natalité dans les pays développés. Les débats publics sur ce sujet ne manquent pas et leur actualité augmentera dans les années à venir lorsque les premières générations du baby-boom seront à la retraite (Aglietta et al., 2002). Ces événements purement démographiques peuvent influencer également la mobilité urbaine à long terme. L’utilisation de l’approche démographique est pertinente pour identifier des forces d’inertie expliquant les changements de comportement à long terme et pour effectuer des projections basées sur un regard rétrospectif de la dynamique des phénomènes. Cette méthode est déjà exploitée dans l’étude de la projection à long terme de la structure du parc et du marché de l’automobile (Gallez, 1994), ainsi que dans la modélisation de la mobilité à long terme en Île-de-France (Madre, Armoogum, 1996) et dans d’autres villes (Bussière, Madre, 2002). Notre

11

projet est de poursuivre la recherche à partir des méthodes éprouvées et de proposer des améliorations et innovations dans les analyses et la modélisation. 3. La contribution scientifique de la thèse Le but de ce travail est d’approfondir l’analyse de la mobilité par l’approche démographique et de proposer de nouvelles méthodologies de spécification du modèle pour réaliser des projections à long terme. L’application présentée concerne les analyses de la mobilité urbaine dans l’agglomération lilloise et les projections de cette mobilité à l’horizon 2030. Les principales nouveautés dans la thèse portent sur les points suivants : • Les effets d’âge et de cohorte dans le comportement de mobilité sont évalués selon

l’analyse démographique dénommée par le terme « diagramme cohortal », permettant de mieux interpréter l’effet des deux facteurs temporels. La nécessité d’une telle étude s’est imposée comme un passage, une première étape exploratoire pour continuer la recherche sur la modélisation.

• Bien que l’âge et la cohorte aient un rôle important, voire central, dans l’élaboration de la

modélisation du comportement de mobilité, nous procéderons également à des analyses d’effet de période. L’analyse de trois effets temporels est enrichie suivant les études démographiques, sociologiques et économiques pour approfondir l’explication et la compréhension des mécanismes influençant la mobilité. Différentes études dans plusieurs domaines ont été exploitées pour donner des interprétations plus valables des phénomènes qui ont influencé les évolutions de comportement.

• Les projections de la mobilité à long terme sont effectuées d’abord par la méthodologie

existante1 du modèle « âge-cohorte » afin de comparer les résultats des projections déjà réalisées par le même modèle dans d’autres agglomérations. Ensuite, nous proposons de nouvelles méthodologies de spécification du modèle en fonction de différentes segmentations de la population. Les tests de sensibilité du modèle par rapport aux diverses projections démographiques et caractéristiques de la population ont été également évalués.

• Des simulations de scénarios probables sont évaluées avec le modèle « âge-cohorte », afin

de montrer la capacité de ce type de modèle à prendre en compte les changements hypothétiques dans l’avenir. Les deux scénarios adoptés simulent des décisions administratives, c'est-à-dire un scénario qui simule la modification de l’âge de la retraite et l’autre qui envisage des régulations du trafic au centre-ville par un usage limité de la voiture.

• À partir de la modélisation « âge-cohorte » nous avons spécifié un nouveau modèle « âge-

cohorte-vitesse » qui permet de mieux identifier les effets « purs » de l’âge et de la cohorte. En outre, ce modèle offre la voie à l’insertion des variables quantitatives dans la modélisation du comportement à long terme. Le but de cette spécification est de mesurer au plus juste l’importance de l’âge et de la cohorte dans les évolutions de mobilité en introduisant une variable « vitesse individuelle » qui permet de rapprocher le comportement des individus par rapport à l’espace et au temps de déplacement.

1 La méthodologie existante est développée par l’INRETS-DEST (Institut National de Recherche sur les Transports et leur Sécurité – Département d’Économie et Sociologie des Transports).

12

4. L’organisation générale de la thèse La demande de mobilité est une demande dérivée des préoccupations quotidiennes des gens et naturellement, elle dépend beaucoup de la localisation des activités dans l’espace et des besoins en déplacements des individus pendant un intervalle de temps. Le comportement de mobilité est fonction de plusieurs dimensions physiques, socio-économiques et démographiques. Afin d’apporter un éclairage serein sur les évolutions de différents facteurs explicatifs de la mobilité et d’expliciter correctement les projections des modèles, nous avons organisé la rédaction de ce mémoire en trois parties distinctes : • Première partie : La mobilité urbaine, son évolution, les besoins et les méthodes de

prévision La première partie introductive englobe trois chapitres contenant des sujets fondamentaux de la notion de mobilité et des approches théoriques de modélisation de la demande de déplacements. Le premier chapitre rappelle les définitions fondamentales relative à la mobilité et à l’espace urbain, ainsi que les moyens d’observation de la mobilité. Les travaux sur la mobilité pendant plusieurs décennies permettent de bien préciser le niveau d’analyse et de standardiser les moyens d’observation. Le deuxième chapitre touche d’abord les conceptions essentielles de la construction d’un modèle. On propose ensuite une brève présentation historique du développement des méthodes d’analyse de la mobilité, et enfin les modèles de projection de la mobilité à long terme sont présentés plus en détail. Un aperçu critique des modèles conventionnels est également proposé pour identifier les points délicats de cette méthode. Le troisième chapitre présente les indicateurs, les évolutions principales de mobilité urbaine en France et les déterminants explicatifs. La mesure de la mobilité et son évolution est à la base de chaque méthode de la modélisation. Évidement, notre intérêt est orienté vers les déterminants explicatifs à long terme et particulièrement vers le comportement selon l’âge et l’appartenance des individus à une génération de naissance. • Deuxième partie : L’intérêt d’une approche démographique La particularité la plus remarquable des tendances démographiques de la population française se caractérise par une croissance continue de l’espérance de vie et une dégradation de la fécondité des nouvelles générations de femmes. À l’échelle européenne on se trouve également dans une période importante de mutations de la structure et du comportement démographique exprimées par le vieillissement de la population et la baisse de la fécondité. Ces changements ont, et auront dans l’avenir, des conséquences importantes sur l’organisation de la société dans différents domaines. Les prévisions de l’impact des phénomènes purement démographiques sur les transformations de la société sont présentées dans le premier chapitre à travers différentes études démographiques et socio-économiques. Le deuxième chapitre de cette partie aborde le développement des analyses par génération dans différents domaines de recherche. Le passage de l’analyse de données transversales à l’analyse de données longitudinales est au cœur de l’étude de la dynamique des comportements individuels. Le traitement économétrique des données de panel et de pseudo-

13

panel permet de constituer des modèles dynamiques et de projeter les phénomènes dans le futur. Toutefois, l’usage de techniques statistiques ne suffit pas toujours à expliquer les phénomènes modélisés. Les analyses socio-économiques complètent la compréhension de la dynamique des changements de comportement en montrant la pertinence de l’analyse par cohorte. Le troisième chapitre présente les modèles de dynamique des comportements issus de l’approche démographique. Il s’agit de deux types des modèles : le modèle « âge-période-cohorte » et le modèle « âge-cohorte ». Le principe de projection de la mobilité à long terme est également explicité. • Troisième partie : Modèles démographiques de projection de la mobilité à long terme –

application, nouvelle méthodologie de spécification, tests de sensibilité Cette partie de la thèse contient l’application du modèle démographique pour effectuer des projections de la mobilité dans la région lilloise et comporte cinq chapitres. Le premier chapitre est consacré à l’analyse rétrospective de la population, de la motorisation et de la mobilité dans le périmètre d’étude à partir des trois enquêtes disponibles. À la fin du chapitre nous présentons les analyses par des diagrammes cohortaux de comportements de mobilité. Le deuxième chapitre présente la méthodologie développée à l’INRETS de projection selon le modèle « âge-cohorte », les résultats et leur validation, ainsi que des commentaires sur les estimations du modèle. Nous comparons également les projections de la mobilité avec celles obtenues d’après la même méthodologie du modèle « âge-cohorte » dans d’autres agglomérations. Le troisième chapitre expose deux nouvelles méthodologies de spécification du modèle « âge-cohorte » : la première désagrège la population en actif/inactif et la deuxième suivant la taille du ménage. Les résultats de projections sont validés et on présentera les réflexions sur les estimations à long terme. Le quatrième chapitre englobe d’abord les tests de sensibilité du modèle par rapport aux différents scénarios démographiques et diverses désagrégations de la population prise en modélisation. Nous allons comparer également les projections obtenues par le modèle et celles par les facteurs de croissance. Le modèle est testé aussi en fonction du niveau d’agrégation des observations et du choix de la génération de référence. Ensuite, nous présentons des simulations de deux scénarios : l’un selon l’âge de la retraite et l’autre suivant l’usage de la voiture en centre-ville. Le cinquième chapitre inclut la recherche sur les effets de période dans le comportement. Une nouvelle modélisation de projection du budget-distance est proposée suivant le modèle « âge-période-vitesse » dont les estimations sont comparées avec celles du modèle « âge-cohorte ».

15

PREMIÈRE PARTIE :

MOBILITÉ URBAINE, SON ÉVOLUTION, LES BESOINS ET LES MÉTHODES DE PRÉVISION

17

Chapitre 1

MOBILITÉ URBAINE : DÉFINITIONS, MOYENS D’OBSERVATION

19

1. INTRODUCTION La mobilité urbaine, les déplacements, les modes de transport, les motifs de déplacements…, beaucoup d’expressions dont les significations méritent d’être précisées. Ce chapitre introductif aborde les sujets concernant la définition fondamentale de la mobilité urbaine et les dispositifs d’observation.

2. DÉFINITIONS DE SUJETS ÉTUDIÉS 2.1 La mobilité : notions de base Les gens se déplacent sur un territoire donné afin de réaliser différentes activités en-dehors de leur domicile, liées au travail ou pour d’autres motifs personnels. Donc, la demande de transport des personnes peut être considérée comme une demande dérivée de la réalisation d’activités impliquant d’effectuer un certain nombre de déplacements dans un intervalle de temps donné. Le nombre de déplacements effectués chaque jour par un individu est un indicateur habituel de mesure de la mobilité. La définition du CERTU (CERTU, 1998) décrit un déplacement comme le mouvement d’une personne, effectué pour un certain motif, sur la voie publique, entre une origine et une destination, selon une heure de départ et une heure d’arrivée, à l’aide d’un ou plusieurs moyens de transport. D’après cette définition, la description d’un déplacement contient les réponses aux quatre questions essentielles: pourquoi, où, quand, et comment on se déplace ? La réponse à la première question fait appel aux motifs de déplacement. Le motif de déplacements est une activité (travail, école, achats, loisirs,…) qui conduit à effectuer un déplacement. Pendant une journée, différents motifs peuvent engendrer plusieurs déplacements. Dans ce cas, tout changement de motif conduit à la description d’un nouveau déplacement. La seconde question renvoie aux notions de « voie publique », « origine » et « destination ». Les déplacements sont effectués sur la voie publique, depuis une zone géographique nommée origine, vers une autre zone géographique désignée destination. La voie publique comprend toutes voies ouvertes au public dans un espace non clos. Chaque déplacement est entrepris à un moment précis de la journée et il a une durée de déplacement identifiée par la différence entre l’heure de départ et l’heure d’arrivée. La quatrième caractéristique d’un déplacement repose sur les moyens de transport. Chaque déplacement est fait à l’aide d’un ou plusieurs moyens successifs de transport appelés les modes de transport. Changer le mode de transport ne constitue pas une activité permettant de caractériser un déplacement. Un classement de priorité est défini entre les plusieurs modes utilisés suivant le temps passé dans chaque mode ; le mode dont la durée est la plus élevée est nommé « mode principal ». Par exemple : un déplacement effectué en bus et en train est compté comme un déplacement utilisant le train en mode principal. On considère qu’un déplacement est effectué « à pied » quand il est intégralement réalisé à pied ce qui exclut la marche dès qu’un autre mode est utilisé.

20

Souvent, les citadins réalisent plusieurs activités en différents lieux avant de rentrer chez eux ; ils enchaînent alors plusieurs déplacements. On appelle boucle de déplacements la suite des déplacements entre une sortie du domicile et le retour. Les activités quotidiennes peuvent être exercées à proximité de domicile (dans ce cas on parle de mobilité locale) et plus loin de lieu de résidence (mobilité à longue distance). La différence entre la mobilité locale et la mobilité à longue distance est par une convention géographique. Notamment, l’ensemble des déplacements dont les origines ou les destinations sont à l’intérieur d’un cercle de 80 km à vol d’oiseau autour du domicile, définit la mobilité locale ou la mobilité quotidienne (Orfeuil, 1999). La distinction entre la notion de la « mobilité urbaine » et celle de la « mobilité locale », réside dans le champ d’observation incorporé dans les différents dispositifs d’enquêtes (Orfeuil, 2000). « La mobilité urbaine » retient le mouvement sur un territoire, notamment celui des unités urbaines2, tandis que la « mobilité locale » s’intéresse aux déplacements quotidiens effectués dans l’espace éloigné au maximum de 80 kilomètres autour du domicile (Figure 1). La notion de zone de peuplement industriel ou urbain (ZPIU) est développée à partir des années soixante par l’INSEE3. Le concept de ZPIU4 utilise les migrations vers le travail pour « identifier les extensions périurbaines et les petites villes situées dans l’orbite des plus grandes » (Orfeuil, 2000).

Figure 1 Définition du champ d’analyse de la mobilité locale (Source : Gallez C., 1998, p. 25, encadré 1)

Plusieurs facteurs de natures géographiques, démographiques, économiques, et sociales, déterminent les potentiels d’émission ou d’attraction de déplacements sur un territoire. Les pratiques de déplacements sont conditionnées par la localisation des activités urbaines, tant dans les trajets que les choix de mode. Le tissu urbain exerce une forte influence sur les comportements de la mobilité, mais en même temps la demande de déplacements conditionne la politique de l’urbanisation. Cette

2 Mobilité urbaine : ensemble des déplacements dont l’origine et la destination appartiennent à l’unité urbaine principale d’une même ZPIU (Orfeuil, 2000). 3 Institut National de la Statistique et des Études Économiques. 4 Les ZPIU sont constituées en agglomérant aux unités urbaines les communes ayant moins de deux mille habitants (seuil qui défini le caractère urbain ou rural d’une commune), mais où l’activité agricole n’est pas dominante dans la population municipale.

21

interaction, implantée dans la dynamique urbaine, se manifeste par les mutations observées dans la structure des villes, en particulier l’étalement des lieux de résidence ou la spécialisation fonctionnelle des espaces. 2.2 La croissance urbaine en France : vers une inflexion des tendances longues ? La poursuite de l’urbanisation en France est confirmée par les résultats du dernier recensement de 1999 qui montrent que presque les trois quarts de la population vit en milieu urbain, soit en ville, soit en banlieue ou dans la couronne périurbaine (Bessy-Pietri, 2000c). Le développement des villes au cours des trente dernières années est caractérisé par le desserrement urbain, processus qui conduit les ménages à quitter le centre des villes pour s’installer en périphérie. Toutefois, les évolutions de croissances urbaines, affichées pendant les années quatre-vingt-dix, sont plus homogènes. Les villes-centres et les banlieues proches gagnent des habitants, tandis que couronnes périurbaines attirent moins de résidants. Certaines aires urbaines montrent un rééquilibrage quantitatif en faveur des centres au prix d’une relative stagnation des banlieues. Parmi les nombreux facteurs qui agissent sur les mutations des espaces, les actions de la politique d’urbanisation marquent durablement le fonctionnement des villes. Par exemple, la politique du logement avait contribué à ces transformations, partout où la croissance de la population a nécessité une politique active de construction de logements. La promotion de l’habitat individuel durant la décennie 70 et le début des années 80 favorisait l’urbanisation de communes restées jusque-là rurales. Mais, l’influence de la politique sur les évolutions des espaces urbains ne se limite pas uniquement à la politique de logement. Les choix d’investissement public en matière de transports urbains (métro, tramway ou voies rapides) sont également déterminants pour le développement des villes. En effet, la dynamique permanente d’évolutions des grandes agglomérations françaises change le mode de vie des résidents, et en même temps structure fortement la demande et l’offre de transports. 2.3 La mesure de l’univers urbain L’urbanisation des villes en France a été fortement extensive depuis les années soixante en repoussant de plus en plus loin les limites des grandes villes. L’étalement des villes au cours du temps et leur influence sur les territoires de proximité ont rendu nécessaire la construction de plusieurs indicateurs du fait urbain (Julien, 2000). La première nomenclature spatiale de l’INSEE est celle de l’unité urbaine qui se réfère à la continuité du bâti, et la seconde celle de l’aire urbaine qui prend en compte les migrations domicile-travail entre la ville et sa périphérie. Le terme général d’unité urbaine englobe les notions d’agglomérations urbaines et des villes isolées. Une agglomération urbaine est un ensemble de communes sur le territoire dont la population est au moins 2 000 habitants et telle qu’aucune habitation ne soit séparée de plus de 200 mètres. Les terrains servant à des buts publics ne sont pas pris en compte lors de la délimitation de la distance entre les habitations. Si cette agglomération s’étend sur une seule commune on utilise la notion de ville isolée. Pour l’INSEE une commune urbaine est celle qui appartient à une unité urbaine, et celles qui ne font pas partie d’unités urbaines sont classées comme rurales. Les aires urbaines se composent d’un pôle urbain et d’une couronne périurbaine. Un pôle urbain est une unité urbaine offrant au moins 5 000 emplois n’étant pas elle-même attirée à

22

plus de 40% par une autre unité urbaine. Une couronne périurbaine est composée des communes rurales ou unité urbaines dont au moins 40% de la population résidente possédant un emploi travaille dans le reste de l’aire urbaine. L’introduction de nomenclatures spatiales telles que des aires urbaines ou des unités urbaines dans l’analyse de l’urbanisation présente de grands avantages. Elles peuvent être utilisées au-delà des aspects démographiques, pour décrire l’évolution dynamique des villes. Pourtant, lorsqu’on veut effectuer des comparaisons temporelles à l’aide de ces nomenclatures spatiales, il importe de déterminer des dates de référence puisqu’il y a une évolution au cours du temps manifesté par l’étalement urbain. En 1999, la notion de ZPIU (Zone de Peuplement Industriel ou Urbain) est remplacée par la nouvelle notion de ZAU (Zones Aires Urbaines), selon laquelle plus de 73 % de la population métropolitaine vit dans une des 361 aires urbaines et près de 56 % vit dans une des 73 aires urbaines de plus de 100 000 habitants (Bessy-Pietri, 2000a). Alors, la majorité de la population française réside soit en ville, soit dans les territoires directement sous son influence où les échanges quotidiens produisent un grand nombre de mouvements. La compréhension des évolutions de la demande de déplacements implique donc, l’intégration des espaces périurbains qui changent également au fil du temps. Ces transformations dynamiques des territoires posent des problèmes concernant la classification des lieux et des types d’origine/destination des déplacements. Afin de faciliter les analyses géographiques de la mobilité locale dans le temps et leur évolution de 1982 à 1994 en France, « on a raisonné à champ constant dans les découpages issus du recensement de 1990 » (Orfeuil, 2000). En effet, on a défini quatre tailles de bassin de vie à partir de la notion de ZPIU (Zone de Peuplement Industriel ou Urbain) : • Le milieu rural profond et les ZPIU de moins de 50 000 habitants ; • Les ZPIU de 50 à 300 000 habitants ; • Les ZPIU de plus de 300 000 habitants, hors Île-de-France ; • La ZPIU francilienne. Au sein de chaque ZPIU on spécifie, en général, les couronnes d’urbanisation suivantes : • la ville centre qui correspond le plus souvent à la ville au sens « historique » du terme,

constituée d’une commune (la plus peuplée), dans quelques cas de plusieurs ; • la banlieue, territoire plus ou moins vaste sous l’influence directe de la ville et

continûment bâti ; • la couronne périurbaine, périphérie plus lointaine, au-delà du front dense de l’urbanisation

mais encore sous l’influence directe de la ville et de sa banlieue du point de vue du marché de travail.

Le découpage géographique de l’agglomération permet d’effectuer des segmentations spatiales des déplacements locaux et de reprendre les études sur leur évolution dans le temps. En résumé, les études de la mobilité locale, et également de la mobilité urbaine, s'intéressent aux territoires urbains et périurbains dans lesquels les mécanismes de la transformation de ville agissent en interaction avec les performances des systèmes de transport. Les effets de ces mécanismes peuvent être affichés sous forme d'indicateurs liés d’une part aux mouvements observés dans le changement des comportements individuels et d’autre part aux transitions urbaines. Pour révéler les tendances de la mobilité et effectuer des analyses pluridimensionnelles, il faut recueillir des données relatives à la demande et l’offre de

23

transport, mais également, des données indiquant les caractéristiques socio-économiques des résidants.

3. MESURE DE LA MOBILITÉ 3.1 Généralités La collecte des données relatives à la mobilité nécessite l’emploi des techniques spécifiques pour assurer la fiabilité des résultats. En général, ces techniques peuvent être groupées dans deux grandes familles (Dobias, 1989 ; Orfeuil, 1999) : • les comptages au niveau des modes de transport permettent de déterminer le nombre de

voyageurs ou de véhicules en un point du réseau pour estimer les matrices Origine/Destination ou calibrer un modèle.

• les enquêtes auprès des ménages permettent d’évaluer les principaux indicateurs de la mobilité en fonction de plusieurs facteurs.

Les enquêtes peuvent être réalisées aux moyens de courriers, de téléphone, des interviews directs auprès des ménages, ainsi que par des combinaisons entre ces solutions. Le suivi de la mobilité locale en France se base sur deux types d’enquêtes quantitatives : les enquêtes locales menées suivant le standard « CERTU » et les enquêtes nationales « Transports » réalisées par l’INSEE et l’INRETS (Madre, 1997). Les deux types d’enquêtes sont basés sur des échantillons représentatifs de résidents d’une agglomération. Pour obtenir une représentation la plus conforme de la population totale, on utilise la technique de redressement des données d’enquête pour que chaque individu soit affecté du poids dans la population représentant sa catégorie. Les enquêtes mentionnées permettent de déterminer la demande de déplacements dans le temps et l’espace en fonction de plusieurs facteurs considérés comme explicatifs. Pourtant, cette demande ne concerne que la mobilité observée, identifiée par les techniques d’enquêtes. La demande appelée demande latente, par définition non observable, pourrait se révéler à la faveur de changements dans l’offre de transport en termes de destination, d’horaire ou de mode de transport (Merlin, 1991). L’évaluation de la demande latente peut être expérimentée par des techniques particulières en utilisant les enquêtes qualitatives ou en faisant des comparaisons a priori (avant le changement de l’offre de transport) et a posteriori (après la réalisation d’une infrastructure et la mise en service des moyens de transports). Alors, on parle aussi de trafic induit (CEMT, 1998). 3.2 Enquêtes standard CERTU Les enquêtes regroupées sous l’appellation contrôlée « enquêtes ménages-déplacements, standard CERTU» permettent un suivi des évolutions des déplacements et de leurs déterminants dans une région urbaine (CERTU, 1998). Depuis 1973, plusieurs agglomérations françaises font l’objet d’une telle enquête5. Actuellement le maître d’ouvrage est l’Autorité Organisatrice des Transports (AOT), avec le soutien financier de l’État.

5 Plusieurs enquêtes ont été réalisées à intervalle régulier, selon le cahier des charges du CERTU dans plus de trente agglomérations.

24

L’objectif principal des enquêtes ménages déplacements est de recueillir les pratiques de déplacements dans des grandes agglomérations urbaines pour un jour « normal et moyen de semaine ». La notion d’un tel jour signifie qu’il faut recenser seulement les déplacements réalisés un jour de semaine, du lundi au vendredi, d’exclure du recueil les jours fériés et les vacances scolaires, et d’exclure également toute journée particulière (météo exceptionnelle, grève de transports publics…). Afin d’éviter l’impact considérable des variations météorologiques durant la période de l’enquête il faut répartir la collecte sur environ 10 semaines. Les enquêtes portent sur un échantillon représentatif des ménages de l’aire d’étude enquêtée. L’échantillon est tiré aléatoirement, par secteur de résidence, dans un fichier de logements. Donc, l’unité de base de l’enquête est le logement et non un ménage particulier. Dans l’enquête ménage déplacements « standard CERTU » le ménage n’est pas défini uniquement sur la base de liens familiaux, mais au sens de l’ensemble des personnes occupant un logement. Le logement désigné doit constituer la résidence principale du ménage. La collecte des données relatives à la mobilité urbaine est dans le périmètre défini par le maître d’ouvrage qui, en général, englobe la ville centre, les communes de la banlieue et de la périphérie de l’agglomération. La taille de l’échantillon doit remplir les exigences suivantes : • assurer une fiabilité minimum des résultats permettant une analyse sectorielle6 ; • être suffisamment grand pour garantir un minimum de précision statistique. Le seuil

recommandé dans chaque secteur de tirage est de 75 enquêtes. Les enquêtes sont réalisées au domicile par des enquêteurs spécialement formés. Les personnes, âgées d’au moins 5 ans, occupant habituellement le logement au moins trois nuits par semaine (du lundi au vendredi) font partie d’un ménage7 et sont interrogées en face à face. Les enfants de moins de huit ans peuvent être aidés par leurs parents. Les ménages ayant au moins un actif ne sont enquêtés que le soir entre 18 et 20 heures. Tous les déplacements, réalisés la veille du jour d’enquête par chaque membre du ménage, doivent être recensés au cours d’une journée. Le découpage du périmètre d’enquête en zones fines doit permettre d’identifier les lieux de résidence et de repérer avec suffisamment de précision les lieux origines et destinations des déplacements. Ces zones portent les noms de « zones de résidence », « zones origine » et « zones destination » et celles appelées « générateurs de trafic » sont généralement des zones vides d’habitants mais qui génèrent un trafic important (centres commerciaux, zones industrielles, hôpitaux, universités). Les déplacements des résidents ayant une seule extrémité dans l’aire d’étude (sortant ou rentrant) sont recensés. Par contre, les déplacements effectués entièrement à l’extérieur de l’aire d’étude ne sont pas collectés. Les déplacements effectués hors l’espace public ainsi que les déplacements effectués pour le transport marchand de personnes ou de marchandises sont exclus du champ de l’enquête (à l’intérieur d’un centre commercial par exemple). Le questionnaire est composé de quatre fiches: Ménages, Personnes, Déplacements, Opinions. La fiche « ménages » contient des questions concernant les caractéristiques socio-économiques du ménage comme le nombre de personnes, la motorisation, le revenu, la commune de résidence, l’ancienneté dans la commune de résidence, le type de logement, la

6 Le découpage en secteurs de tirage d’échantillon doit être compatible avec le découpage en îlots INSEE. 7 Il n’existe dans cette définition aucune notion de parenté.

25

position dans le cycle de vie (étudiant, actif, retraité, etc.). Le plus souvent c’est la personne de référence (ou le chef du ménage) qui répond à ce questionnaire. La fiche « personnes » décrit chaque membre du ménage par ses caractéristiques socio-économiques telles que la catégorie sociale, la commune de travail, le niveau d’instruction (dernier diplôme obtenu), l’âge et le sexe de l’individu, la possession du permis de conduire… Les descriptions des « déplacements » contiennent les informations concernant le lieu d’origine et de destination, les modes de transport, les motifs de déplacements, le moment de départ et d’arrivée. En effet, la reconstitution des activités de chaque individu s’accompagne de renseignements détaillés sur les zones d’origine et de destination des déplacements. La fiche « opinion » ne concerne qu’une personne du ménage, tirée au sort parmi les individus âgés d’au moins 16 ans. Au niveau local, ces enquêtes sont à la base de la planification de politique de déplacements et d’infrastructures de transport. Elles permettent de donner une image du partage modal de déplacements et d’étudier les clientèles potentielles pour chaque mode. Le fait qu’elles sont réalisées périodiquement offre la possibilité de mesurer a posteriori les conséquences de choix de la politique de transport. Au niveau national l’ensemble des enquêtes ménages-déplacements permet de suivre l’évolution des activités et des habitudes de déplacements quotidiens et de comparer des agglomérations en distinguant ce qui est l’effet de « tendances lourdes » de ce qui est la conséquence des politiques locales de transport. 3.3 Enquêtes TRANSPORTS Depuis les années soixante, tous les dix ans, l’enquête nationale transports fournit une vue d’ensemble des comportements de transport de l’ensemble des Français, qu’ils résident en ville ou en milieu rural (Madre, 1997). L’objectif est de décrire tous les déplacements suivant le motif, le mode de transport, la longueur, la période de l’année ou le moment de la journée. La collecte des données contient les descriptifs suivants : • une déclaration des habitudes pour les déplacements réguliers (domicile-travail, domicile-

lieu d’étude) remplie par tous les membres du ménage concernés ; • un questionnaire sur les déplacements de la veille (un jour de la semaine) et du dernier

week-end pour un membre du ménage, de plus de cinq ans, tiré au sort ; • un carnet-voiture contenant tous les trajets effectués par l’une des automobiles du ménage

pendant sept jours ; • un dispositif complexe destiné à décrire les voyages à longue distance pendant la période

la plus longue possible; • une fiche descriptive concernant les véhicules dans le ménage, ainsi que les abonnements

et cartes de réduction sur les différents réseaux de transports collectifs ; • un questionnaire concernant l’usage du téléphone avant et au cours des déplacements, et

l’équipement en moyens de télécommunications (pour la première fois dans l’enquête de 1993-1994).

26

Les enquêteurs visitent les ménages à deux dates ; la première fois ils recueillent les descriptions de la composition du ménage et les informations relatives aux déplacements de proximité. Une seconde visite, concernant les déplacements à longue distance, est réalisée huit jours plus tard. Les lieux de déplacements et les lieux de résidence sont repérés à l’échelle communale sauf dans le cas des communes de Paris, Lyon et Marseille, pour lesquelles le repérage géographique est fait à l’échelle des arrondissements municipaux.

27

Chapitre 2

MODÈLES D’ANALYSE ET DE PRÉVISION DE LA MOBILITÉ À LONG TERME

29

1. INTRODUCTION

L’emploi des modèles statistiques dans plusieurs étapes de la planification du transport est indispensable en raison de la complexité d’analyse. Les modèles rendent plus facile la compréhension de la réalité observée et en outre, ils permettent d’évaluer des scénarios prospectifs sur les évolutions futures. Les sources fondamentales de la modélisation sont des données multidimensionnelles recueillies dans les enquêtes. L’objectif de ce chapitre est de présenter la notion de modèle, et de faire une histoire rapide des développements des modèles conçus pour la projection de la mobilité. Afin d’éviter une très large description des modèles de la demande de transports des personnes dans un milieu urbain, nous allons élaborer les principes et les caractéristiques communes de différents type de modèles. Une attention plus détaillée sera consacrée aux modèles conventionnels et la technique de projection de la mobilité à long terme.

2. NOTIONS FONDAMENTALES D’UN MODÈLE L’objectif de chaque modèle statistique est de donner une représentation chiffrée du phénomène étudié. Il peut être défini comme « une construction mentale qui a pour but la traduction opérationnelle d’un ensemble de connaissances » (Bernier, Parent, Bureaux, 2000). Chaque modèle comporte trois éléments clés : • D’abord, il contient des hypothèses fondatrices qui organisent une représentation

simplifiée du phénomène approprié aux objectifs fixés. Moins on connaît le phénomène étudié, plus il faudra faire d’hypothèses pour disposer de repères sur lesquels on peut fonder une réflexion.

• Ensuite, il contient des relations possibles entre la variable endogène et une ou plusieurs variables exogènes. La variable endogène symbolise le phénomène dont le comportement est l’objet d’étude. Les variables exogènes sont supposées, sous les hypothèses fondées, être des facteurs explicatifs de la variable endogène. Les variables exogènes sont considérées indépendantes entre elles et d’agir à l’extérieur du système.

• Enfin, tous les modèles statistiques incluent une partie probabiliste qui sert à représenter les influences échappant au savoir acquis. En effet, la modélisation de la réalité ne se limite pas simplement à l’écriture d’une relation mathématique. Puisqu’un modèle est une image de la réalité il est soumis certainement à la subjectivité de son concepteur qui comprend leur existence à travers de ses connaissances. Il est donc indispensable de prendre explicitement en compte les incertitudes de la modélisation et les erreurs de mesure (imprécision des données). Le qualificatif « aléatoire » implique que les variables d’erreur proviennent de perturbations extérieures au système que l’on modélise et sur lesquelles on ne possède ni des mesures directes, ni un savoir approprié. Le postulat fondamental est que les valeurs de cette erreur proviennent de tirages aléatoires indépendants et de même loi.

Un modèle possède ainsi des hypothèses nécessairement explicitées, des paramètres en nombre réduit dépendants des relations entre les variables et des termes d’erreurs.

MODÈLE = HYPOTHÉSES + PARAMÈTRES + ERREURS

30

Les valeurs des paramètres ne sont pas connues et elles ne peuvent qu’être estimées. Un résultat essentiel de l’étude sera de lever une partie des incertitudes sur les valeurs possibles de ces paramètres afin de fournir un ensemble de valeurs acceptables, scientifiquement argumenté pour toutes les grandeurs jouant un rôle dans le modèle. En principe, le savoir a priori guide le choix du modèle, les paramètres déterminent le modèle en dessinant une courbe précise et pour repérer la meilleure courbe la plus proche de la réalité, on utilise des données expérimentales, ce qu’on appelle « le calibrage du modèle ». Il existe donc un modèle a priori basé sur des hypothèses préalables de leur structure et un modèle posteriori obtenu après les observations et le calibrage (Figure 2).

Figure 2 Phases principales de création d’un modèle

Quelle que soit la finesse de description du phénomène étudié, la réponse du modèle est toujours une imitation de la réalité basée sur des données d’observations elles-mêmes contaminées d’imprécision de mesures. Le travail du modélisateur peut être comparé « à celui du paléontologue qui doit reconstituer la physionomie d’un dinosaure à partir d’un morceau de son omoplate gauche, ou à celui de l’astrophysicien qui explique l’origine de l’univers et imagine son évolution en interprétant les signaux lancés par une étoile située dans une lointaine galaxie » (CERTU, 2003). Malgré ces approximations, l'usage de la modélisation est répandu dans toutes les recherches scientifiques. Les propositions de solution possible « ne seraient pas faisables sans modèle, et il ne resterait qu’un constat d’impuissance intellectuelle. Pourtant, il est impossible de démontrer qu’un modèle porte une vérité absolue. Finalement, pour refuser un modèle, il faut faire une contre-proposition, c’est-à-dire encore proposer un modèle» (Bernier, Parent, Bureaux, 2000).

3. CLASSIFICATION DES MODÈLES Un modèle est un objet abstrait, cherchant à reproduire le fonctionnement d’un système dans un certain but. Il n’existe pas de modèle multi-usage ou plus exactement, un type de modèle universellement approprié à toutes catégories d’analyses. Le regroupement des modèles en familles distinctives est un exercice difficile puisque les critères de différenciation sont fonction des objectifs (ou besoins) d’études et des techniques utilisées dans la modélisation. Les modèles analytiques, basés sur des considérations théoriques et des développements mathématiques, s’utilisent largement en sciences pures. Cependant, ils ne sont pas concevables pour les phénomènes sociaux, pour lesquels il n’existe pas une structure théorique fondamentale stricte; donc, dans les sciences humaines on utilise des modèles

Hypothèses (modèle a priori)

Échantillon de données

Modèle (a posteriori)

Savoir

31

statistiques. La validation des modèles statistiques nécessite des données d’observations du phénomène modélisé qui peuvent être collectées sur plusieurs endroits en même temps, et dans ce cas il s’agit d’une coupe instantanée, ou les observations peuvent également porter sur le même lieu géographique, mais pour différentes époques, ce qui donne des séries temporelles (Figure 3).

SÉRIE TEMPORELLE COUPE INSTANTANÉE PAYS « X« PÉRIODE « P »

• 1990 • 1980 • 1970 pays A • pays B • • 1960 • 1950 pays C • pays D • pays E •

VARIABLE EXPLICATIVE VARIABLE EXPLICATIVE

Figure 3 Exemple de coupe instantanée et de série temporelle

Lorsque le modèle utilise des données collectées pendant une période précise (coupe instantanée), il fournit des résultats statiques. En revanche, les modèles qui prennent en considération les changements arrivés au cours du temps emploient généralement des données de séries temporelles. Ces modèles permettent d’évaluer les effets dynamiques sur l’évolution et de donner des explications probables de la dynamique de mutations observées. Plusieurs types de modèles peuvent être utilisés en fonction des objectifs propres de l’étude. Par exemple, l’échelle géographique d’étude peut porter sur le réseau entier ou sur un de ses sous réseaux ainsi que sur un mode de transport ou sur tous les modes (Dobias, 1989). D'après l’horizon de projection des phénomènes étudiés, la modélisation pourrait être faite à court, moyen ou long terme (Quinet, 1998). Les modèles de projections à long terme se caractérisent par l’incertitude des relations quantitatives qui s’exprime par l’instabilité des coefficients de corrélation, par l’intervention d’autres variables explicatives etc. Pour évaluer ces risques d’erreur dans les projections à long terme on utilise fréquemment la méthode des scénarios avec des hypothèses contrastées.

4. ERREURS DE MODÈLE Le terme d’erreur d’un modèle est la composante qui contient deux types d’erreur : des erreurs de mesures et des erreurs de spécification (formalisation) du modèle. Les erreurs de mesures proviennent de processus de collecte des données utilisées pour estimer des paramètres du modèle. Elles contiennent des erreurs engendrées par la manière de mesurer, des erreurs produites lors du transfert de l’information et des erreurs d’agrégation, lorsque plusieurs valeurs d’une variable sont regroupées dans la même classe. Les erreurs provenant de manière de mesurer peuvent être réduites et rendues négligeables en valeur relative avec un choix approprié de mesure. Les erreurs dues au transfert de données et

PH

EN

OM

EN

E O

BS

ER

VE

PH

EN

OM

EN

E O

BS

ER

VE

32

d’agrégation8 sont théoriquement évitables. Les erreurs provenant de l’échantillonnage des observations sont inévitables, mais elles peuvent être déterminées statistiquement. Les erreurs de formalisation du modèle peuvent provenir, d’abord, d’un mauvais choix des variables introduites dans le modèle, ensuite, d’une mauvaise spécification de la formulation mathématique du modèle, et enfin de l’utilisation du modèle en-dehors de son domaine de pertinence (l’absence surtout d’analyse de sensibilité). Les erreurs de formalisation diminuent lorsque la complexité9 du modèle croît, mais les erreurs de mesure augmentent (Figure 4).

Figure 4 Relation entre les erreurs totales et la complexité du modèle

Il existe donc un niveau de complexité optimal du modèle qui est d’autant plus élevé que la qualité des données est élevée (Tzieropoulos, 1980).

5. DÉVELOPPEMENT HISTORIQUE DES ÉTUDES DE LA MOBILITÉ Les premières études de planification des transports sont apparues aux États-Unis avant la Deuxième Guerre Mondiale, sous forme d’enquêtes pour constituer les matrices Origine/Destination. L’intérêt a été orienté exclusivement sur les axes saturés des tronçons autoroutiers (Merlin, 1991). Mais, très rapidement, au début des années 50 il fallait raisonner en termes de réseau et évaluer la charge d’un réseau à partir de l’occupation du sol de la région desservie. C’est à cette époque qu’apparaissent les premiers modèles de demande de transports. Ces premiers modèles ont été orientés surtout vers l’usage de la voiture particulière dans le trafic urbain.

8 Elles sont difficilement identifiables. 9La complexité du modèle croît lorsque le nombre de variables dans le modèle augment ou les relations mathématique simples sont remplacées par des expressions plus complexes.

COMPLEXITE

ER

RE

UR

S

Erreurs de formalisation

Erreurs totales

Erreurs de mesure

33

Le développement des modèles de transport urbain pendant les années 50 a été encouragé par deux évènements de caractère exogène. La première opportunité concerne le désir de gouvernement américain de relancer l’économie et pour cela il consacre des fonds très importants à la construction des réseaux routiers. Les choix des investissements ne peuvent être faits que par une bonne connaissance de la demande et de son évolution future. Des études méthodologiques ayant l’objectif d’estimer la demande de transport sont déclenchées dans des plusieurs agglomérations urbaines. En même époque, la deuxième circonstance positive est l’apparition des premiers ordinateurs. L’assemblage de ces deux événements fait qu’à la fin des années 50 il apparaît une méthode d’estimation de la demande connue sous le nom « les modèles conventionnels » employée jusqu’à nos jours. Cette première génération des modèles est adaptée à son objectif essentiel, notamment l’évaluation de la demande sur des réseaux routiers urbains à construire. Elle s’inspire largement d’analogies physiques ou biologiques, appliquées dans la modélisation des déplacements d’individus. Les observations utilisées pour estimer les valeurs des paramètres du modèle sont agrégées par moyennes de chaque zone d’aire d’étude d’où provient le nom : modèles agrégés. Ils marquent une époque de croissance démographique urbaine poursuivie par des extensions territoriales et une rapide croissance de la motorisation de ménages dont les effets se reflètent sur les besoins d’infrastructures routières urbaines et un développement inéluctable de l’industrie automobile. Lors la première moitié des années 70, la planification des transports subit une réorientation importante. Les grands projets d’infrastructures de transports dans les pays développés sont en voie d’achèvement. L’infrastructure de base est déjà en place, les premières difficultés énergétiques se présentent, la sensibilité de l’opinion publique face à l’urbanisme, l’environnement et la structure sociale grandissent. Le problème n’est pas seulement de connecter différents lieux dans l’espace pour permettre le développement économique, mais de gérer des externalités de transports et une urbanisation rapide de l’espace. La nécessité d’une meilleure organisation d’usage des ressources et des infrastructures déjà existantes se ressentait fortement dans les pays occidentaux. Pour répondre aux nouveaux défis, il apparaît un nouveau type de planification appelée opérationnelle, dont l’objectif est plutôt orienté vers l’exploitation des systèmes existants et vers des prévisions à court et moyen terme, que sur la planification de construction et aux conceptions de plus long terme, dite stratégique (Tzieropoulos, 1980). Dans ce nouveau contexte les modèles conventionnels atteignent rapidement leur limite. Une utilisation plus rationnelle d’un système multimodal exige des modifications de la répartition modale, des reports de déplacements vers des modes plus efficaces. Des nouveaux modèles basés explicitement sur le comportement des usagers sont à la recherche. Les progrès de l’économétrie et des disciplines, telles que l’économie, la géographie, la sociologie, la psychologie contribuent à l’apparition d’une autre famille de modèles. Au début des années 70 apparaissent les modèles désagrégés basés sur la théorie du consommateur où le comportement des individus revient au centre de l’analyse. La modélisation suppose que l’individu fait ses choix en matière de transport de manière à maximiser son utilité. Tous les facteurs explicatifs du choix sont convertis en valeur monétaire (temps de déplacements, coûts, confort, etc.) exprimée par la notion du coût généralisé de transport. Ces modèles, créés principalement pour expliquer le choix modal, ne sont pas exempts de critiques. Le principe du coût généralisé est mis en question et considéré comme « un concept abstrait et inapte à l’explication des comportements » (Kaufman, 2000). En plus, l’expérience montre que les comportements réels ne correspondent pas à ceux annoncés et identifiés par les enquêtes dès qu’il y a une modification dans l’offre de transport (Merlin, 1991).

34

L’insuffisance de l’analyse désagrégée se décrit clairement lorsqu’on s’intéresse sur l’ensemble de la dynamique de la mobilité et des systèmes urbains. Une autre approche d’analyse de la mobilité, suivant les activités quotidiennes, est apparue à la fin des années 70 (Jovicic, 2001). L’analyse est par les programmes d’activités des individus sous les contraintes d’espace et de temps dans lesquels ils sont implantés. La représentation spatio-temporelle de la ville à trois dimensions, deux pour l’espace et une pour le temps, (Figure 5) permet de tester la possibilité d’effectuer des programmes d’activités selon plusieurs caractéristiques du lieu de résidence et de l’individu. Les adhérents de cette méthode basent ses réflexions sur le principe que la mobilité est une demande dérivée de la réalisation d’un programme d’activités. La répartition des activités dans le temps, ainsi que leur durée, est rapportée aux contraintes personnelles, familiales ou sociales. L’accent est mis sur la séquence des déplacements et sur les relations possibles entre les membres d’un ménage. L’analyse est différenciée par catégories de personnes dont la position dans le cycle de vie est une caractéristique fréquemment utilisée. En effet, les programmes d’activités permettent d’évaluer la mobilité dans le cadre du cycle familial : jeunes célibataires, jeunes couples sans, puis avec enfants, couples âgés, personnes âgées.

Figure 5 Diagramme espace-temps d’Hagerstrand (source : Merlin, 1991, p. 330) Les travaux essentiels sur ce plan ont montré la diversité des programmes d’activités et des schémas de mobilité. Pourtant, les différentes conceptualisations des activités rendent les analyses difficiles à comparer. Les résultats des recherches de Y. Zahavi (Zahavi, 1980) sont apparus à la fin des années soixante-dix. Ils mettent évidence des stabilités dans les budgets monétaires et temporels. Les analyses de la mobilité dans de nombreuses agglomérations de plusieurs pays ont permis de proposer une nouvelle théorie et méthode de la modélisation connue sous le nom « conjecture de Zahavi ». La base théorique de cette approche se trouve dans les travaux de A. Szalai (Szalai, 1972) portant sur l’allocation du temps dans la journée. Les résultats de ces études ont

0

8

12

14

18

19

21

23

heures

R = lieu de residenceT = lieu de travailA = lieu d'achatsL = lieu de loisirs

AL

T

R plan de la ville

35

permis de remarquer que le temps consacré aux déplacements était peu variable dans différents pays dont les caractéristiques socio-économiques et politiques sont pourtant contrastées. A. Szalai constate : « lorsque les formes les plus efficaces de transport sont répandues, les distance au travail augmentent fortement alors que les quantités de temps allouées aux déplacements varient peu autour d’une moyenne ». Il semble avoir une préférence nette pour utiliser l’amélioration de l’efficacité des systèmes de transport pour s’étendre dans l’espace. Les distances domicile-travail varient d’un facteur 15, alors que le temps consacré aux déplacements est peu variable. » Les études entreprises par Y. Zahavi ont démontré qu’il existe une forte interaction entre la taille de ménage, la disposition de voitures et le niveau de revenu de ménage avec les dépenses de déplacements exprimées en valeur de temps par jour (Zahavi, Talvite, 1980). L’apparition de modèles dynamiques pendant les années quatre-vingt résulte de l’impuissance des modèles statiques à englober la complexité de la mobilité urbaine et de projeter des estimations assez fiables. J.-P. Orfeuil (Orfeuil, 2000) note : « puisque nous ne pouvons pas modéliser correctement toute la complexité du phénomène mobilité quotidienne, alors prenons pour acquis les comportements actuels et modélisons les changements ». Le regard s’oriente vers des modèles dynamiques aussi pour les raisons suivantes (Orfeuil, 2000) : - La réalité observée d’aujourd’hui ne correspond jamais à une situation d’équilibre pour

qu’on puisse assimiler des élasticités10 transversales à des élasticités longitudinales. - Le changement dans la société produit des phénomènes irréversibles comme le

remplacement des personnes âgées par les nouvelles générations qui adaptent des nouvelles valeurs et habitudes.

- La capacité de changement se caractérise avec des asymétries qui se traduisent, par exemple pour un réseau de transport collectif, par le fait qu’il est plus facile de perdre des clients que de les regagner.

- La sensibilité aux changements exige des délais d’adaptation aux nouvelles transformations des systèmes de transport.

La technique de la modélisation emploie les séries d’observations des mêmes individus pendant plusieurs périodes ou les données de panel. Les analyses dynamiques de comportement peuvent être réalisées suivant deux types de réflexions: au niveau agrégé, par exemple étude d’une série longue de clients d’un réseau de transport public en fonction du niveau d’offre et du prix, ou en terme désagrégé en utilisant les données de panel de consommateurs. Suivant les objectifs de la modélisation on peut distinguer deux types de modèles dynamiques : au niveau microscopique il s’agit des modèles de simulation du trafic urbain qui s’intéressent principalement à la congestion et aux prévisions de la demande dynamique à très court terme (modèles METROPOLIS /www.predit.prd.fr/, …), et au niveau macroscopique il s’agit des modèles de simulation dynamique de trafic dont l’objectif est de reproduire les phénomènes de congestion et de mesurer l’impact en temps réel sur l’affectation, ainsi que d’évaluer des scénarios de régulation des flux (CERTU, 2003). 10 D’après sa signification fondamentale, l’élasticité économique exprime la sensibilité de la demande aux changements de l’offre.

36

6. PROJECTION DE LA MOBILITÉ À LONG TERME – MODÈLES CONVENTIONNELS

Les modèles agrégés sont largement exploités pour effectuer des projections de la mobilité à long terme. Malgré un progrès considérable de la connaissance des facteurs explicatifs de la mobilité dans les pays développés, l’usage des modèles séquentiels reste la méthode classique de prévision de la demande de transport (Merlin, 1991). En général, la base d’agrégation des données statistiques est la proximité géographique ce qui rend nécessaire d’effectuer un découpage d’agglomération en zone. 6.1 Description des modèles conventionnels La particularité architecturale des modèles conventionnels réside dans son caractère séquentiel puisqu’ils séparent la fonction de la demande en différentes composantes telles que la génération, la distribution, la répartition modale et l’affectation des déplacements sur les axes des réseaux. La position de chaque étape du modèle dans l’enchaînement de la modélisation donne trois catégories de modèles conventionnels (Figure 6): • les modèles de génération directe ; • les modèles à répartition des déplacements générés ; • les modèles à répartition des déplacements distribués.

Figure 6 Trois types de modèles conventionnels

En pratique, ces étapes ne s’enchaînent pas clairement de manière séquentielle sans aucune influence d’une étape à l’autre. Afin d’obtenir un calage correct du modèle, il faut introduire des boucles de rétroactions entre différentes étapes de la modélisation (CERTU, 2003). Un schéma de rétroaction entre différentes étapes de la modélisation, utilisée pendant les années 70 aux États-Unis, est présenté sur la figure suivante :

GÉNÉRATION GÉNÉRATION GÉNÉRATION MODALE DISTRIBUTION RÉPARTITION DISTRIBUTION

MODALE AFFECTATION DISTRIBUTION RÉPARTITION

MODALE AFFECTATION AFFECTATION

37

Figure 7 Schéma de rétroaction dans la planification du transport urbaine utilisé dans l’UTPS (Urban Transportation Planning System) développé par le Département de Transport aux États-Unis (Sundaram, 2000)

D’une manière générale, la mobilité exprimée suivant la fonction de la demande de déplacements a la forme suivante :

Dodmi = f(So, Ad, Omi) Dodmi– le volume des déplacements sur l’itinéraire i par le mode m qui est émis par la zone d’origine o et attiré dans la zone de la destination d pendant un intervalle de temps donné. So – les variables décrivant les caractéristiques socio-économiques des résidents d’une zone d’origine o. Ad – les variables décrivant le niveau d’activités dans une zone de destination d. Omi – les variables caractérisant le niveau de service offert par le mode m sur un itinéraire i. Les expressions mathématiques souvent utilisées contiennent des fonctions de combinaisons linéaires, des fonctions multiplicatives et des fonctions exponentielles entre la variable endogène et les variables exogènes. Ces expressions mathématiques s’utilisent davantage pour effectuer les calculs par des régressions simples ou multiples. La modélisation commence par un découpage géographique de l’aire d’étude en zones homogènes. La finesse du découpage dépend de plusieurs facteurs comme des modes étudiés, la proximité de l’infrastructure de transport, la densité de la population, la taille d’échantillon, etc. Le zonage devrait être adapté aux objectifs de l’étude et également aux différentes exigences de nature techniques, temporelles, administratives, institutionnelles et financières. L’homogénéité de zonage a une grande importance dans la modélisation par des modèles agrégés et elle devrait assurer une cohérence entre les territoires et la démographie.

Génération de déplacements

Distribution

Répartition modale

Affectation du trafic urbain

Affectation du transit

Activités urbaines

Transit Trafic urbain

38

Dans un premier temps le travail consiste à reconstituer la demande en situation de référence, et dans un deuxième temps, on estime des projections aux horizons voulus. 6.2 Principes d’estimation de la mobilité à long terme Les projections de la demande de déplacements peuvent être réalisées après l’élaboration de la demande en situation de référence.

Avant de commencer le travail de la prévision de la mobilité, des efforts considérables sont à faire pour étudier les données et révéler les relations entre les variables. Établir les rapports entre la décision de se déplacer, où et comment se déplacer contiennent deux étapes:

- la première est le choix de la formulation mathématique et les variables utilisées dans la modélisation,

- la seconde étape consiste à calibrer et valider le modèle pour reproduire les déplacements observés (Figure 8).

La spécification du modèle peut adopter plusieurs variables et formulations mathématiques afin d’obtenir les meilleurs résultats concernant les observations. Le critère d’analyse devrait être défini au départ de la modélisation, pour étudier soit les déplacements d’individus, soit les déplacements des groupes rassemblés par zone de résidence.

Figure 8 Principales étapes dans la projection de la mobilité par un modèle conventionnel

Spécification de la structure

du modèle et le niveau d’analyse

Entrée des données pour une description

du système de transport

Entrée des données concernant les déplacements

Entrée des données concernant les zones

et les ménages

Calibrage du modèle

Validation du modèle par les données existantes

Prévision du nombre de déplacements

Entrée des données pour des nouvelles

zones

Entrée des données pour une nouvelle

description du système de transport

Evaluation des résultats

39

La deuxième phase, désignée par le calibrage du modèle, devrait justifier le choix de formalisation et des variables utilisées dans le modèle par rapport aux observations recueillies à l’aide d’enquêtes. Dans cette étape on tente de reconstituer par le modèle les phénomènes réellement observés (débit, temps de parcours, flux origine-destination, répartition modale etc.) pour une ou plusieurs périodes de référence. Les données de la période de référence s’utilisent pour calibrer séparément toutes les étapes du modèle : la génération de déplacements, de la distribution, de la répartition modale et de l’affectation. Le calibrage inclut aussi les tests intuitifs du modèle pour examiner les variables et leurs coefficients dont les valeurs doivent être raisonnables. Il permet de donner une valeur à tous les paramètres utilisés dans le modèle, pourtant, lors du calibrage il existe deux risques d’erreurs possibles :

- le calibrage du modèle n’implique pas que l’ensemble des paramètres soit correct, - la projection de la mobilité à une distance temporelle assez éloignée est souvent discutable

et difficilement estimable.

Après le calibrage du modèle il faut procéder à la validation du modèle qui consiste à vérifier certains résultats du modèle immédiatement après sa constitution pour juger s’il est réaliste et cohérent en situation réelle. Les techniques envisageables pour effectuer la validation sont les suivantes (CERTU, 2003) :

- la comparaison entre prévision et réalisation, ce qui demande un recul temporel souvent impossible. Pour confronter la réalité observée et les résultats du modèle on peut également reconstituer une situation passée,

- l’utilisation des données complémentaires non utilisées dans l’étape de calage. 6.3 Génération des déplacements La génération des déplacements est la première étape de la modélisation. Le but est d’estimer le nombre total de déplacements émis dans les zones désignées comme « origine » et le nombre de déplacements attirés dans les zones nommées « destination ». Cette étape peut être définie comme l’étude des relations entre le nombre des déplacements effectués dans une région et des caractéristiques de cette région telles que l’utilisation du sol, la population, le nombre d’emplois et d’autres mesures de l’activité économique. Depuis 1950 plusieurs modèles ont été proposés pour déterminer la génération des déplacements. Il s’agit des modèles statistiques dont la transposition dans l’espace (à d’autres villes) et dans le temps (en prévision) est très discutable. La plupart des modèles utilisent des relations linéaires entre la variable à expliquer et les variables explicatives. Les variables explicatives souvent utilisées sont : le rapport entre la population active et le nombre d’emplois, la motorisation des ménages, la distance entre la zone de résidence et la zone de travail ou la zone du centre-ville, le revenu des ménages, le nombre de personnes disposant du permis de conduire, la profession du chef de ménage, le nombre de personnes adultes dans le ménage, l’âge du chef de ménage, la position du ménage dans le cycle de vie, etc. Le choix et l’importance de chaque variable dépendent de la région d’étude et de ses propres caractéristiques. Cette étape de la modélisation est la plus délicate et la plus incertaine du processus de constitution du modèle. La démarche de recueil des données nécessaires pour constituer des matrices de demandes doit être appropriée aux objectifs de la modélisation. Ainsi, lorsque les questions posées sont

40

plus précises, plus il apparaît nécessaire de « segmenter » la demande. Les déplacements peuvent être regroupés selon les motifs comme domicile – travail, domicile – école…, suivant le mode de transport ou par rapport à la période modélisée. Les relations sont établies en général à l’aide de trois méthodes classiques (CERTU, 2003) : - la méthode par la régression multiple regroupe d’abord les déplacements par zones

considérées homogènes, en postulant que les résidants dans une même zone ont un comportement moyen unique. Ensuite, les flux de déplacements identifiés dans les enquêtes sont mis en relation avec les caractéristiques socio-économiques des zones. Enfin, on établit des régressions linéaires multiples de type :

∑=p

pipi VαE

où Ei est le volume de déplacements émis par la zone i (suivant la segmentation voulue de la demande), Vpi sont les valeurs des variables caractéristiques Vp propres à la zone i et αp sont des coefficients obtenus par la régression.

- la méthode normative se réfère aux formulations types établies en général sur des agglomérations de natures comparables dont les habitants ont un comportement moyen unique. La demande est calculée suivant le motif de déplacements et pour un motif donné on emploie la relation suivante :

Ei = αt mt Vi

où Ei est le flux généré (émis) par la zone i, Vi est la valeur de la variable retenue pour la zone i (par exemple : la population, les emplois, …), mi est la mobilité des individus correspondant à la variable explicative retenue pour les zones de type t (les zones sont regroupées en zones « homogènes »), αt est un coefficient correctif tenant en compte le type de la zone t. Cette méthode ne permet pas de tenir compte correctement des particularités locales, mais c’est la seule possibilité en l’absence de données locales ;

- la méthode par la classification croisée ou par catégorie de ménages se fonde sur des regroupements de la population plutôt par type de ménage que par zone homogène. Ce type de modèle est fondé sur l’hypothèse selon laquelle l’unité de base de description des comportements est le ménage. Les variables souvent utilisées dans la modélisation sont : la taille du ménage (le nombre de personnes dans le ménage), le nombre d’actifs, la motorisation du ménage, le revenu du ménage.

Les déplacements émis sont mieux connus que les déplacements attirés puisque les enquêtes « ménages– déplacements » offrent la possibilité d’identifier précisément le lieu de résidence des personnes interrogées, et en outre, la part des déplacements liés au domicile est de l’ordre de 60% à 70% du volume total de déplacements engendrés dans une agglomération (CERTU, 2003). Les résultats d’étude de la génération forment une matrice contenant le nombre de déplacements émis et attiré dans chaque zone. À ce stade de constitution du modèle il faut vérifier la cohérence de la démarche. Notamment, l’ensemble de déplacements dans l’aire d’étude devrait être redressé de telle sorte que la somme des attractions soit égale à la somme des émissions :

41

∑ ∑=i j

AjEi

où Ei est le flux émis par la zone i, Aj est le flux attiré par la zone j. Les résultats issus du modèle doivent coïncider avec la mobilité globale observée dans l’enquête de l’année de référence. L’estimation de la demande de déplacements future se fonde sur une anticipation des évolutions en tenant compte des objectifs du modèle et des orientations des politiques de transport. Les prévisions d’évolution des variables socio-économiques locales comme la croissance de la population, les emplois, le parc automobile, la consommation et les revenus des ménages etc. peuvent être utilisées pour établir des corrélations entre les évolutions de la mobilité et celles du progrès général. Donc, les projections de la mobilité se réalisent à l’aide des liaisons existantes entre les variables socio-économiques et la mobilité. L’hypothèse lourde est que les interactions observées entre la mobilité et les variables socio-économiques resteront valables dans le futur. P. Merlin (Merlin, 1991) mentionne une méthode qui se fonde sur la liaison entre la courbe de déplacements m(R) et celle du revenu ; si on peut estimer l’évolution des revenus n(R) on pourrait projeter la mobilité:

M = R)dR(mn(R)0∫∞

⋅

Ce lien se base sur l’hypothèse implicite que la relation revenu-mobilité restera stable dans le temps, ce qui n’est pas certain à long terme. Parfois il faut élargir les réflexions fondamentales sur l’évolution des comportements en matière de la mobilité par des scénarios contrastés des croissances économiques et démographiques. La technique pour constituer les matrices de la demande future consiste à extrapoler les matrices de la période de référence. Dans ce cas on peut utiliser le(s) facteur(s) de croissance et l’expression suivante :

Ti = Fi⋅ti Ti – nombre de déplacements futurs dans la zone i Fi – facteurs de croissance dans la zone i ti – nombre de déplacements observés dans la zone i 6.4 Distribution géographique des déplacements La distribution géographique des déplacements est généralement la seconde phase de la modélisation. L’objectif principal est la distribution du nombre total des déplacements M généré dans une zone i, à toutes les zones de destination possibles j. Les données couramment utilisées dans l’étape de distribution concernent l’ensemble des déplacements par zone, calculés précédemment, ainsi que les variables décrivant le niveau de service.

Le but de cette étape de la modélisation est d’établir les matrices de déplacements contenant des flux entre chaque paire de zone.

42

La projection de flux M1ij dans le temps futur 1 pourrait s’effectuer à partir des flux actuels M0ij corrigés ou par une recomposition sans référence aux flux actuels. Trois types de modèles de distribution ont été définis :

• les modèles par facteurs de croissance dont la technique consiste à déterminer des corrections des flux actuels,

• le modèle gravitaire, • les modèles des possibilités d’activités (« opportunity models »). Modèles par facteurs de croissance : c’est la forme la plus simple de modèle de distribution basée sur une simple correction des flux par des facteurs multiplicatifs11. Différentes méthodes peuvent être employées: - méthode par facteur uniforme selon les types de flux Dans le cas de déplacements domicile-travail on peut envisager que les facteurs de croissance les plus appropriés sont les évolutions démographiques du secteur d’origine i et les évolutions des emplois dans la zone j entre les dates 0 et 1 qui peuvent être estimées par :

0i

1i

i P

PF =

où : Fi – facteur de croissance démographique dans la zone d’origine i entre les deux dates données, Pi

1 – population dans la zone d’origine i dans le temps 1 Pi

0 – population dans la zone d’origine i dans le temps 0

0j

1j

j E

EF =

Fj – facteur de croissance d’emplois dans la zone de destination j entre les deux dates données, Ej

1 – nombre d’emplois dans la zone de destination j dans le temps 1 Ej

0 – nombre d’emplois dans la zone de destination j dans le temps 0 Les modèles de projections de la distribution géographique des déplacements deviennent :

2

FFMM ji0

ij1ij

+⋅=

ou :

F

FFMM ji0

ij'ij

⋅⋅=

où F est le facteur de croissance de l’ensemble de la zone étudiée.

11 En fonction de la croissance attendue des zones d’origine et de destination.

43

- méthode Fratar

∑

∑

⋅⋅⋅⋅=

jjij

jij

ji0ij

'ij FM

M

FFMM

Modèles gravitaires : Plusieurs chercheurs ont proposé des analogies entre la loi de gravitation universelle et les phénomènes de migration.

( )β

ij

αji

ijD

EPkM

⋅⋅=

Mij est le trafic entre zones i et j proportionnel à la population active Pi dans la zone d’origine i et à l’emploi Ej dans la zone de destination j, mais décroissant avec la distance Dij entre les deux zones. D’une manière générale le modèle gravitaire peut être écrit à l’aide de l’équation suivante :

Mij=k⋅Ei⋅Aj⋅f(Cij) Ei – variable caractérisant la génération de la zone i Aj – variable caractérisant l’attractivité de la zone j f(Cij) – facteur de résistance entre les zones i et j qui peut être la distance, ou le temps, ou le coût, ou le coût généralisé du déplacement entre les zones i et j. Donc, ces modèles s’appuient sur le principe selon lequel les flux échangés entre deux zones données augmentent avec leur « poids » respectif. Modèles des possibilités d’activités ou modèles des opportunités sont des modèles explicatifs. Dans le cas de déplacements domicile-travail l’hypothèse fondatrice suppose qu’un individu parcourra (à partir de son domicile) successivement les zones classées par ordre de distance (ou du coût généralisé) croissante jusqu’à ce qu’il ait trouvé un emploi disponible correspondant à sa qualification. Donc, il faut déterminer la probabilité b qu’un emploi se présenterait dans une zone donnée. La similitude avec le modèle gravitaire se manifeste dans la détermination de la valeur de b qui n’est pas très différent de la signification du paramètre β. Les modèles de facteurs de croissance sont préférables pour les projections à court terme et ceux du type gravitaire et d’opportunités donnent des meilleurs résultats pour des estimations à long terme (Merlin, 1991). Les critères qui doivent être respectés par le modèle à l’issue de la modélisation sont les suivants:

ji

ijj

iij AMEM == ∑∑

6.5 Répartition modale des déplacements La répartition modale est la troisième phase de la modélisation dans laquelle on modélise les facteurs qui affectent le choix modal ainsi que les décisions des individus concernant le

44

mode de transport : voiture, transport public, train, etc. Évidemment, les modes qui sont plus rapides et moins chers sont plus attractifs que les modes moins rapides et plus coûteux. Mais il existe aussi d’autres facteurs qui peuvent être décisifs sur le choix du mode comme : - Les caractéristiques du déplacement

Les déplacements peuvent être réalisés suivant plusieurs motifs: travail, achat, école, loisir, etc. Le moment dans la journée et dans la semaine, comme la position par rapport au centre-ville sont des facteurs qui affectent aussi le choix modal.

- Les caractéristiques des usagers Les facteurs liés aux caractéristiques d’individus et des ménages sont les suivants : le nombre de voitures par ménage, le revenu moyen du ménage, la densité des résidences, la densité des emplois, le nombre de voitures par personne, le nombre de voitures disponibles, le nombre d’actifs par ménage, la distance au centre-ville, le sexe, l’âge, la taille du ménage, le type d’habitation, le niveau d’instruction…. Plusieurs de ces caractéristiques sont évidemment en corrélation ; par exemple les habitants des zones denses ont en général moins de voitures et moins d’individus par ménage que les résidents des zones périphériques.

- Les caractéristiques du système de transport (offre de transport) La particularité du système de transport joue un rôle très important dans le choix modal. Si l’existence d’un mode de transport dans une région n’est pas assurée, alors le choix modal sera orienté vers les modes présents. Les autres caractéristiques du système de transport qui affectent le choix du mode sont : l’écart du temps de déplacement entre différents modes, les accessibilités, le coût du stationnement, le rapport des coûts de déplacement, le temps perdu, l’indice de confort...

La conception du modèle devrait prendre en compte l’ampleur d’interactions entre ces trois caractéristiques. Une fois les relations révélées, il faut ainsi estimer comment la population dans le futur ferait le choix entre les modes.

Les recherches menées aux États-Unis pendant les années 60 par S. Warner (Warner, 1962) ont abouti à construire un modèle statistique à partir d’une analyse désagrégée (les informations sont traitées individu par individu). La fonction discriminante de choix12 Z entre deux modes de transport (voiture et transport public) peut être écrite comme une combinaison linéaire des caractéristiques des individus : revenu R, nombre de voitures du ménage m, ainsi que des caractéristiques du déplacement (coût C1 et C2) et durée (t1 et t2) pour les deux modes.

m

logRaRloga

C

Cloga

t

tlogaaZ 43

1

22

1

210 ⋅+⋅+⋅+⋅+=

L’affectation d’un individu à un mode de transport (voiture ou transport public dans l’exemple) pourrait se faire avec le choix d’un seuil z0 ou par le calcul de la probabilité P(z) que l’individu choisirait un mode :

βα

βα

+

+

+=

z

z

e1

eP(z)

12 Connue encore sous le nom « la fonction d’utilité ».

45

Merlin (Merlin, 1991) propose l’usage de l’expression du coût généralisé d’un déplacement par un mode de transport donné :

CG = D + λt + ∑ µkCk CG – coût généralisé d’un déplacement D – dépense monétaire λ – la valeur du temps de déplacement ∑ µkCk – expression tenant en compte les divers inconforts lors de déplacement. 6.6 Affectation des déplacements L’affectation des déplacements dans le réseau de transport est la dernière étape du modèle quand on estime le trajet des déplacements. Elle peut être définie comme l’opération qui consiste à diffuser un ensemble de déplacements de zone à zone dans un réseau de transports donné. Les résultats de ce type d’analyse montrent les cheminements de tous les déplacements ainsi que le nombre de voitures sur chaque route et le nombre de passagers en transit par rapport à la zone.

Cette étape de la modélisation utilise les variables explicatives dont le rôle est une description complète du système de transports ainsi que des caractéristiques du réseau comme le nombre de voie, la localisation d’infrastructure dans l’agglomération, la liaison avec d’autres routes, la vitesse, le temps de parcours… Les résultats de cette phase de la modélisation donnent des charges sur chaque tronçon du réseau sur un intervalle du temps donné.

L’affectation sur un réseau doit être considérée plutôt comme un algorithme de recherche de plus courts chemins sur lesquels les flux seront affectés sur le réseau ou de minimisation du coût généralisé de transport. Il existe trois techniques d’affectation: • affectation par tout ou rien ; affectation de la totalité des mouvements entre une paire de

zones sur le chemin le plus court le reliant (ou le chemin le plus rapide) ; • affectation à capacité limitée : affectation des mouvements sur le chemin le plus court

jusqu’à une certaine limite ; au-delà l’affectation est sur le chemin le plus court parmi les chemins restant, etc. ;

• affectation multi chemins. L’hypothèse de base des deux premières techniques est que l’usager choisit le plus court chemin, tandis que la troisième postule sur une fonction décroissante du temps de déplacement.

Dans le cas de saturation de la voirie le temps de parcours T est fonction du volume du trafic et on peut écrire (Merlin, 1991) la formule proposée par le Bureau des Routes Publiques aux États-Unis (1964):

T = T0 [1 + α (V/C)β] T0 – le temps de trajet sur la voie libre V – le volume du trafic C – la capacité de la voie

46

α et β - sont des coefficients à ajuster. La recommandation de J. D. Ortuzar et L. G. Willumsen (Ortuzar, Willumsen, 1995) est d’utiliser dans la phase d’affectation, une version simplifiée du concept de coût généralisé qui contient une combinaison linéaire entre le temps de parcours et la distance :

C = α(le temps de parcours) + β(la distance) Le CERTU (CERTU, 2003) propose une formule assez générale du coût généralisé de transport par le mode voiture particulière de la forme :

Cg = Vt [to + kf (t – to)] + Cd·d + P – B et plus souvent:

Cg = Vt t + Cd·d + P – B où Vt est la valeur du temps, t est le temps de parcours en charge, to est le temps de parcours à vide, d est la distance, kf est la coefficient de fiabilité, Cd est le coût kilométrique, P est le péage, B est le bonus (ou le malus) de confort et de sécurité. 6.7. Limites de l’approche par modèles conventionnels Les modèles agrégés sont spécifiés et calibrés à partir des données par coupes instantanées et livrent donc des résultats valables sous les conditions existantes au moment de la collecte des données, en décrivant un équilibre momentané entre les performances du système et la demande. Pourtant, lorsque les sous-populations sont considérées dans l’analyse, chaque groupe socioprofessionnel de la population dispose de sa propre fonction de la demande ce qui multiplie les points d’équilibre entre la demande et l’offre. Ces modèles ne sont pas du type causal, mais du type descriptif puisqu’ils ne décrivent pas la demande, mais un ensemble de points d’équilibre. Dans certains cas, ils n’ont aucune justification du point de vue du comportement réel, mais représentent plutôt un processus d’ajustement sur les données. La proximité géographique est le critère habituel pour agréger les observations. Ainsi, les données concernant un certain nombre de ménages sont remplacées par leurs moyennes par zone. L’agrégation des données ne constituerait un problème, que si l’ensemble des ménages est très homogène par rapport aux caractéristiques dont dépend la demande de transport. Mais une homogénéité parfaite est très difficile à rencontrer en pratique. Ainsi, l’agrégation par zone masque les vraies relations entre les caractéristiques socio-économiques des individus ou des ménages. Le seul point commun entre les ménages est la proximité géographique. Les données relatives au système de transports (temps, coût,…) sont mesurées pour l’ensemble des déplacements émis dans une zone par rapport à un seul point de la zone, le centroïde. Cette hypothèse met en question une hypothèse de concentration selon la quelle l’ensemble de la population d’une zone est concentré et localisé en un seul point dans le système. Les modèles conventionnels sont ainsi très sensibles au type de découpage de la région d’étude.

47

Le caractère séquentiel de ces modèles est une source d’amplification potentielle d’erreurs initiales. Du fait que les résultats d’une phase servent de données d’entrée dans une phase suivante, la présence d’une erreur dans une phase initiale risque de s’amplifier au fur et à mesure de la modélisation. Les variables considérées comme exogènes dans le modèle sont difficiles à prévoir à long terme. Les conséquences de changement dans le milieu socio-économique sur la mobilité peuvent être évaluées à court terme selon les élasticités « statiques ». Pourtant, le passage des élasticités « statiques » à des élasticités « dynamiques » à long terme est discutable.

7. LE MODÈLE D’ÉQUILIBRE DE ZAHAVI L’idée révolutionnaire de Y. Zahavi réside dans son postulat que les gens ne cherchent pas à minimiser les distances quotidiennes à parcourir13, mais au contraire, le comportement se caractérise par une volonté de maximiser les distances de déplacements sous contraintes monétaires et temporelles. La théorie se fonde sur l’hypothèse que l’objectif des gens est de profiter au maximum de la structure urbaine et de la diversité de l’offre qui se révèlent dans l’espace (accessibilité aux différents modes de transport, coût du logement, proximité de différents services, etc.). D’après ses études il remarque que la moyenne du budget-temps d’habitants dans une agglomération ne doit pas excéder entre une heure et une heure et demi, ainsi que les dépenses de déplacements ne doit pas excéder 5% du revenu des ménages chez les ménages non motorisés (les plus nombreux dans les pays en développement) et 13% du revenu des ménages dans les ménages motorisés (dans les pays industrialisés). La traduction mathématique de cette méthode de la modélisation est la suivante:

max ∑ di

sous contrainte du budget monétaire :

∑ cidi ≤ a R

et du budget temporel :

∑ tidi ≤ T

où : di – distances parcourues par le mode i ci – coût kilométrique du mode i ti – temps de parcours par le mode i R – revenu disponible du ménage T – temps disponible pour les déplacements quotidiens a – est le coefficient à estimer (suivant Y. Zahavi il est d’environ 4 à 7% du revenu pour les ménages sans voiture et de 12 à 16% du revenu pour les ménages motorisés). Le modèle peut être appliqué aux sous-populations pour les ménages non motorisés et motorisés. Ce type de la modélisation accentue très remarquablement le rôle de l’automobile

13 Dans les modèles à quatre étapes on postule qu’on cherche à minimiser les distances de déplacements explicitement exprimées dans l’étape de modélisation de la distribution.

48

dans les pratiques de la mobilité. Les observations réalisées en France au cours des quinze dernières années, sont cohérentes avec la vision de Y. Zahavi (Orfeuil, 2000). Il est à noter que le budget-temps est l’une des mesures de la mobilité la moins variable. La modélisation permet de prendre en compte l’évolution du partage modal avec le changement de revenu, ainsi que d’englober des effets des nouvelles infrastructures routières dont la construction offrent la possibilité de parcourir des distances plus élevées. Toutefois, cette méthode de modélisation est mise en question par plusieurs recherches. P. Mokhtarian et C. Chen (Mokhtarian, Chen, 2002) ont analysé un grand nombre d’études consacrées au budget-temps afin de faire le point sur les résultats. Les analyses d’environ 60 recherches ont permis de conclure que « lorsque l’étude s’intéresse aux sous-populations de ménages ou d’individus, les dépenses de temps pour se déplacer ne sont pas constantes. Pourtant, lorsqu’on mène l’analyse au niveau le plus agrégé, la théorie de Y. Zahavi est confirmée ». Le budget-temps est fortement liée aux caractéristiques d'individu et de ménage (par exemple, niveau de revenu, sexe, statut d'emploi, propriété de voiture), aux caractéristiques des activités à la destination (groupe d'activité et durée d'activité), et aux caractéristiques des zones résidentiels (par exemple : densité, structure et niveau de services). Les auteurs suggèrent l’existence d’un budget-temps « idéal » suivant les caractéristiques des individus. Afin d'augmenter la compréhension comportementale, ils recommandent d’orienter la recherche vers la piste d’affectation de coût temporel et monétaire de transport suivant l’activité et la caractéristique de déplacement. La compréhension améliorée du comportement des individus augmentera la connaissance du comportement de la mobilité, en permettant la spécification des modèles plus précis. Cette manière d’analyser la mobilité à travers les activités et les caractéristiques individuelles ouvre les pistes de recherches de comportement de ménages dont le cycle de vie et le style de vie est l’objet d’intérêt (Goulais, 2000).

49

Chapitre 3

INDICATEURS, ÉVOLUTIONS DE LA MOBILITÉ ET SES DÉTERMINANTS

51

1. INTRODUCTION La complexité d’une analyse de la mobilité urbaine réside dans sa définition pluridimensionnelle qui renvoie à différentes catégories d’analyses. Les interactions entre la mobilité et l’urbanisation sont des champs de préoccupations de plusieurs acteurs dans le fonctionnement d’une ville. Les responsables d’agglomération et des urbanistes «s’efforcent de trouver les compromis nécessaires entre la ville à produire, la ville à habiter, la ville à vivre et à voir» (Orfeuil, 1999). Les objectifs fixés par la politique en matière de transport demandent des moyens pour les mettre en oeuvre, mais aussi des techniques pour mesurer les résultats obtenus par rapport aux effets souhaités. L’estimation de l’impact des actions des pouvoirs publics sur la mobilité se fait par les évaluations socio-économiques ou connues encore dans la littérature sous le nom de « la planification de transport ». Le principe consiste à comparer les options alternatives à une situation de référence et à choisir la plus efficace par rapport aux objectifs prédéfinis.

2. INDICATEURS Les évaluations peuvent porter sur le choix d’un projet (dans ce cas il s’agit d’évaluation de projets) ou sur la définition de stratégie d’action. L’évaluation de projets par une analyse de type « coût-avantage » est suffisante pour déterminer le projet d’aménagement le plus rentable au sens d’investissement. Cependant, dans le cas de choix d’une stratégie à moyen ou long terme, une analyse classique coût–bénéfice n’a pas la capacité de tenir compte de toutes les problématiques de l’évaluation d’une politique de transport. La technique utilisée pour ce type de planification consiste à simuler des scénarios d’évolutions possibles sur la base d’un système d’hypothèses formalisées. En général, l’étude sur la stratégie d’action contient : • un scénario nommé « au fil de l’eau » constitué par le prolongement des tendances

passées, relatives à l’année de base ; • les scénarios de rupture contiennent des changements radicaux par rapport aux tendances

passées liés à des actions volontaristes d’élus, à des révolutions technologiques ou à des modifications exogènes (récession économique, choc pétrolier,…).

Afin d'assurer un suivi de la politique de transports, un dispositif d'observation des résultats obtenus doit être mis en place sous forme d'indicateurs permettant d'estimer le niveau de réalisation des principaux objectifs fixés. Lors des années soixante-dix, l’objectif principal était de faciliter l’insertion sociale de toutes les couches sociales dans la société et de développer les transports publics comme réponse au besoin de mobilité des personnes sans voiture et comme une réaction à la congestion des centres (Orfeuil, 1999). Actuellement, la formulation d’un système d’indicateurs de suivi de la mobilité locale devrait être orientée vers les principales problématiques socio-économiques et environnementales. D’après une étude menée par le CERTU, les orientations sur la construction d’indicateurs devraient porter sur les questions suivantes (CERTU-IUD, 2002) : • le territoire et son contexte : ce qui permet de qualifier les caractéristiques géographiques

et socio-économiques des territoires et de faire apparaître leur diversité ;

52

• l'efficacité économique : ce qui permet de faciliter les échanges, d'améliorer l'accessibilité des activités et des services sur le territoire considéré (qualité de service des réseaux de transport de personnes et de marchandises, possibilités de choix modal...) ;

• la consommation de ressources : ce qui relève de l'étalement et de la dispersion urbaine, de la consommation d'espace ou de la consommation de transport, des émissions polluantes, des consommations d’énergie ;

• la mobilité et inégalités : ces inégalités peuvent être liées aux captifs de la voiture ou des transports collectifs, aux précarités potentielles, à l'accessibilité à l'emploi et aux services, inégales selon les territoires et les catégories sociales ;

• la qualité de l'espace public et du cadre de vie: les questions relèvent de la sécurité, de l'agrément (bruit, coupures urbaines), de la qualité de l'espace collectif à l'échelle des quartiers, la diversité des fonctions urbaines et le partage par l'ensemble des habitants et des usagers (faciliter la marche à pied ou l'usage des deux-roues...).

Deux principes essentiels doivent être respectés lors de choix d’indicateurs. Ils doivent permettre de réduire la complexité d’analyse et en même temps rendre lisibles les évolutions et les changements d’hypothèses dans les scénarios prospectifs. Le regroupement fonctionnel des indicateurs14 distingue deux grandes familles : • les indicateurs relatifs aux comportements individuels, destinés à comprendre les facteurs

qui influencent les choix relatifs à la mobilité ainsi que leurs conséquences d’un point de vue économique, social ou environnemental ;

• les indicateurs caractérisant le marché des déplacements, ou l’interaction entre l’offre de transport et la demande de mobilité, destinés à élaborer un diagnostic sur la productivité des modes de transport en présence.

Cette distanciation permet d’effectuer des analyses pluridimensionnelles suivant les informations recueillies dans les enquêtes, ainsi que de distinguer les changements dans le comportement individuel à l’égard de la mobilité urbaine. 2.1 Les indicateurs relatifs aux individus ou aux ménages Ils décrivent les schémas de déplacements en fonction des caractéristiques propres à chaque individu comme l’âge, le sexe, la profession,... L’intervalle temporel, dans lequel on réalise les mesures, doit être suffisamment long pour qu’on puisse identifier les habitudes de la mobilité, et en même temps, il doit être suffisamment court pour que les caractéristiques individuelles restent stables. Depuis les années 80, la plupart des indicateurs relatifs aux comportements individuels de mobilité, privilégient l’intégration des pratiques sur la journée comme unité temporelle la plus pertinente d’analyse (Orfeuil, 1999). La journée est plutôt retenue comme un compromis entre la tolérance des individus vis-à-vis des enquêtes15 et la plus grande pertinence d’une analyse sur la semaine pour « saisir ce qui relève de l’habitude ». L’indicateur le plus utilisé dans les analyses de la mobilité urbaine est sans doute le nombre de déplacements par personne et par jour qui indique l’insertion sociale des individus dans la société. Leur croissance indique une amélioration du lien social due à l’augmentation d’activités pratiquées hors du domicile.

14 Il est proposé par J.-P. Orfeuil (Orfeuil, 1999) 15 La tolérance des individus à l’égard des enquêtes a ses limites, et le questionnaire sur la semaine peut donner lieu à des biais de « fatigue » (Armoogum J., Madre J.-L., 1997)

53

Les indicateurs de coûts peuvent concerner des coûts privés, ressentis par les individus (coûts monétaires et temporels), des coûts publics (dépenses d’investissement, de maintenance et d’exploitation des systèmes de transports) et des coûts externes (bruit, pollution, etc.). L’usage d’indicateurs des coûts publics et externes vise à éclairer les décisions politiques, mais dans les analyses comportementales on n’utilise que les coûts monétaires et temporels. Ces indicateurs appelés « budgétaires » font la somme des unités physiques ou monétaires qui caractérise la mobilité d’un individu ou d’un ménage (Gallez, 2000). L’unité temporelle pourrait être une journée, mais aussi une semaine, un mois et même une année. Le budget-temps est la somme des durées des déplacements réalisés par une personne en une journée. La valeur moyenne du budget-temps varie peu depuis plusieurs décennies dans les pays développés. Cette caractéristique, connue comme la « conjecture de Zahavi » (Zahavi, 1980) a un sens au niveau global des sociétés et de leur économie plus qu’au niveau des individus. Elle représente le temps passé en transport que l’organisation d’un territoire impose globalement à la population et à son économie. Le budget-distance est un indicateur d’interaction spatiale qui somme les distances parcourues par une personne au cours de ses déplacements quotidiens. Elle peut être élevée même si le nombre de déplacements est faible (cas des actifs travaillant très loin de leur domicile) ou être assez faible, même avec un nombre de déplacements élevé (cas des personnes vivant dans des quartiers denses). Cet indicateur peut être interprété positivement comme une aptitude au mouvement sur des espaces élargis, ou négativement comme une distance domicile-travail élevée pouvant révéler un échec de planification. Le budget coût de transport représente la somme des dépenses monétaires effectuées par un individu (ou ménage) pour se déplacer. Les coûts monétaires de transport doivent être estimés puisqu’on ne dispose d’aucune information en clair dans les enquêtes concernant ces dépenses. Parmi les composants de ces coûts existent des frais fixes et des frais variables en fonction de la période de l’année, du mois, de la journée. En général, leurs estimations sont mensuelles. Elles peuvent être analysées en valeur absolue ou rapportées au revenu mensuel de l’individu ou du ménage. Dans ce groupe d’indicateurs « budgétaire » notons encore les indicateurs concernant l’environnement : • le budget énergie transport (BET) indique la dépense énergétique d’un individu pour ses

déplacements quotidiens, évalué en grammes équivalent pétrole (gep) ; • les budgets émissions de polluants (BEP) font la somme des quantités de gaz et particules

polluants réglementés ; • le budget consommation d’espace est la somme de l’espace consommé en stationnement et

circulation par un individu au cours ou à la fin de ses déplacements quotidiens mesuré en mètres carrés x heures (m2 h).

Tous les indicateurs mentionnés peuvent être désagrégés suivant le mode de transport pour évaluer « la compétitivité des différents modes » (Gallez, 2000). Ils peuvent être également désagrégés selon des caractéristiques démographiques et socio-économiques de l’individu (âge, sexe, activité, revenu, profession,…), ainsi que par des caractéristiques spatiales et fonctionnelles de la localisation du logement (densité, distance au centre, services de proximités, …) et de lieu d’emploi. Certains indicateurs caractérisent la prédisposition des individus à utiliser un mode de transport précis (par exemple : la possession du permis de

54

conduire, la proximité de transport en commun, la disposition de plusieurs voitures dans le ménage, etc.). 2.2 Les indicateurs relatifs au marché des déplacements Le marché des déplacements représente « l’ensemble des déplacements qui lient les différentes parties d’un territoire entre elles » (Orfeuil, 1999). Les caractéristiques fonctionnelles du marché de déplacement peuvent être décrites par trois indicateurs classiques : • les indicateurs désignant la répartition modale des déplacements dont la mesure indique le

degré de compétitivité de chaque mode de transport sur le marché de déplacement ; • les indicateurs révélant la répartition temporelle des déplacements au cours de la journée ; • les indicateurs de distribution spatiale des déplacements (par exemple centre - banlieue,

etc.) Afin de démontrer le poids de chaque mode de transport, le partage modal de déplacements peut être évalué selon différentes liaisons entre les territoires agglomérés et selon différentes distances de déplacements16. La segmentation spatiale du marché de déplacements permet d’effectuer des analyses à l’aide des indicateurs désagrégés par zone. Les indicateurs concernant la répartition temporelle des déplacements découpent le temps de la journée en heures de pointe et en heures creuses pour mesurer la satisfaction de la demande par rapport à la capacité offerte du réseau. La façon de représenter l’écoulement du temps dans la journée n’est pas « totalement neutre sur la représentation des points » (Hubert, Toint, 2002).

3. ÉVOLUTION DE LA MOBILITÉ 3.1 Évolution de la mobilité locale observée au cours de la dernière décennie La mobilité locale représente 96% des déplacements totaux réalisés en 1994, mais seulement 60% des distances parcourues par les résidants français17 (Madre, Maffre, 1997). La tendance lourde de l’évolution de la mobilité locale18 s'exprime par le recul des modes de proximité, particulièrement de la marche à pied et des deux-roues. La moyenne du nombre de déplacements est en stagnation pour un jour « moyen » de la semaine ou même en légère régression puisqu’il passe de 3,34 à 3,16 déplacements. Le budget temps de transport reste stable entre les deux dates d’enquête, en gardant la moyenne de 55 minutes par personne et par jour. La vitesse globale (tous modes) est aussi en forte croissance. Cela résulte de la baisse de la part des modes les plus lents (marche, deux-roues), de la croissance rapide de l’usage de modes motorisés, particulièrement de la voiture et du développement des circulations sur les voies rapides et dans les espaces moins denses. Le nombre de déplacements et le budget-temps de la mobilité locale augmentent légèrement entre les deux enquêtes lorsque les déplacements par la marche ne sont pas compris. Pourtant,

16 Cela permet de construire des indicateurs concernant la durée et la vitesse de déplacements. 17 Les résultats obtenus d’après l’enquête nationale « Transport ». 18 L’évolution est observée d’après les deux enquêtes transport de 1982 et 1994.

55

quand la mesure de la mobilité est suivant les distances parcourues, leur croissance est remarquable (Tableau 1).

Tableau 1 Mobilité locale des résidants français et leur évolution

Indicateur Enquête 1982 Enquête 1994 Écart

Tous modes confondus 3,3 3,2 -0,1 Nombre de déplacements

par personne au cours d’une journée de semaine

Non compris la marche 2,2 2,4 +0,2 Tous modes confondus 5,2 7,3 +2,1 Distances moyennes par

déplacement au cours d’une journée de semaine (en km)

Non compris la marche 7,5 9,2 +1,7 Tous modes confondus 55 55 0 Budget-temps au cours

d’une journée de semaine (en min)

Non compris la marche 41 45 +4 Tous modes confondus 16,4 17,3 +0,9 Temps moyen par

déplacement au cours d’une journée de semaine (en km)

Non compris la marche 18,5 18,6 +0,1

Source : INSEE-INRETS, « La mobilité régulière et la mobilité locale en 1982 et 1994 », Madre, Maffre, 1997

La part de la voiture dans la répartition modale de déplacements, continue de progresser régulièrement, tandis que les transports publics défendent difficilement leur part de marché en déclinant un peu entre 1982 et 1994. Les motifs de déplacements « obligés » comme travail, études, professionnels, connaissent une baisse globale de 20% (Tableau 2). L’explication de cette régression réside dans la diminution du nombre des actifs occupés dans la population française et la faible croissance du nombre des personnes dans les groupes « élèves » et « étudiants ». Une partie de cette diminution réside aussi, dans la régression du nombre de déplacements de retours à midi pour déjeuner. Toutefois, le nombre de déplacements pour les motifs « non obligés » croît considérablement (de 33%) grâce notamment à l’augmentation de la population inactive19.

Tableau 2 Nombre moyen de déplacements par personne un jour de semaine

Mobilité locale Enquête Transports 1994 Évolution 1982/1994

Moyenne du nombre de déplacements (personne/jour)

3,16 - 5%

Travail, études 0,74 - 20%

Personnels 0,82 - 7%

Loisirs et visites 0,36 +33% Mot

ifs

Retour au domicile 1,31 - 4%

Source : d’après le tableau 4.4, p.72, Orfeuil, 2000.

La plus grande croissance dans la période de 1982 à 1994 est observée pour la mobilité locale non urbaine (Orfeuil, 2000). La mobilité urbaine représente environ un tiers de la mobilité locale en terme de distance (Tableau 3). 19 Dans le sens de ne pas disposer d’un engagement professionnel qui doit être réalisé nécessairement pendant la journée. Le nombre de ces personnes (en majorité des retraités) était 19,2 millions en 1994 ou +21,5% entre 1982 et 1994.

56

Tableau 3 Poids des différents segments de la mobilité motorisée en 1994 et leur évolution

Voyageurs-km Mobilité automobile

véhicule-km Évolution 1982-1994

Mobilité observée milliards % milliards % voyag-km véhic-km

Mobilité urbaine 138,5 19,3 77,5 21,3 +20% +19%

Mobilité locale non urbaine

294,3 41,4 184,2 50,6 +50% +63%

Ensemble mobilité locale 432,8 60,4 261,7 71,9 +39% +47%

Mobilité à longue distance 283,6 39,6 102,3 28,1 +82% +104%

Total : mobilité locale + mobilité à longue distance

716,4 100,0 364,0 100,0 - -

Source : Tableaux 4.1 et 4.2, p.68, (Orfeuil, 2000). 3.2. Évolutions de la mobilité urbaine L’évolution de la mobilité urbaine dans les grandes agglomérations françaises, observée à travers les enquêtes « ménages-déplacements » du CERTU, signale qu’elle se remet à croître de manière assez forte lors la deuxième moitié des années 90, alors qu’elle stagnait ou baissait pendant des années 80 (CERTU, 2002). Cette progression de la mobilité résulte d’une croissance continue des modes mécanisés, mais également d’un arrêt du déclin de la marche qui se stabilise autour d’un déplacement par personne et par jour. Seul le nombre de déplacements en deux-roues (les deux-roues motorisés et le vélo) continue à baisser. L’usage de la voiture dans les grandes villes françaises continue d’augmenter constamment, malgré les investissements en faveur des transports collectifs. À l’exception de Paris et Marseille, toutes les villes20 ont en moyenne plus de 2 déplacements par jour effectués en voiture particulière. L’origine de cette croissance est liée aux caractéristiques propres de la voiture, lui permettant d’offrir un confort supérieur par rapport aux autres modes de transport, mais aussi à l’intensité de l’urbanisation et de l’aménagement du territoire. Notamment, la voiture permet l’indépendance géographique et individuelle de son usager, ainsi qu’un confort de déplacements de plus en plus élevé. Parfois elle est le mode de transport imposé par la périurbanisation de la ville ou par l’absence d’un autre mode (par exemple, le transport public) ou encore par le caractère du motif de déplacement comme l’accompagnement, le travail à horaires décalés, l’achat dans des grands centres commerciaux, etc. L’importance de la voiture dans la vie contemporaine se confirme aussi par l’augmentation du parc automobile. Ainsi, le nombre de voitures à disposition des ménages accroît de 18,8 à 26,2 millions soit une progression de 34% entre 1982 et 1994 (Orfeuil, 2000). En même temps, le taux du permis de conduire dans la population de 18 ans et plus augmente de 63% à 76% avec une progression plus forte chez les femmes (de 47% à 64%) que chez les hommes (de 81% à 88%) et également, parmi les personnes les plus âgées au-delà de 65 ans. La moyenne nationale de voitures par personne augmente de +28% entre les deux périodes et en 1994 elle est de l’ordre de 0,46 voitures/personne. Le nombre moyen de voitures à disposition de ménage en 1994 est de 1,15 voitures/ménage, soit une augmentation de +19% par rapport à 1982. La part des ménages sans voiture diminue

20 Il s’agit des villes de plus de 100 000 habitants (CERTU, 1998).

57

de 30% à 24% (20% en 1999), mais les ménages, dont la personne de référence a moins de 35 ans, affichent une légère progression de 2% dans le groupe de ménages sans voiture. À l'inverse, les foyers constitués de personnes retraitées montrent un recul de la non-motorisation (de 57% de ménages sans voiture en 1982 à 37,6% en 1994). Les déplacements réalisés par le transport collectif progressent principalement dans les centres-villes et dans les aires urbaines avec une forte densité de population. Sauf à Paris, où la part du transport public est d’environ 30% du marché de déplacements, dans les autres grandes villes la part de déplacements réalisés avec ce mode varie de 2 à 20%. Les performances des transports collectifs, dans les trois grandes villes de plus d’un million d’habitants (Lille, Lyon, Marseille) sont très différentes. En particulier à Lille, qui a une structure urbaine multipolaire peu dense, l’importance du transport public (TC) dans la mobilité urbaine est inférieure de moitié par rapport aux deux autres métropoles. Pour présenter l’efficacité des modes motorisés dans le fonctionnement de la ville, on peut utiliser la technique d’affichage par un triangle. Lorsque la somme de partage modal de trois modes est égale à 100, on peut résumer leur importance par un seul point dans le plan à l’intérieur d’un triangle équilatéral. Par exemple les parts de marché pour les déplacements mécanisés sont (Figure 9): Deux-roues = 11% Transports collectifs = 20% Voiture = 69% TOTAL = 100%

Figure 9 Présentation de différents modes de transport par le triangle ; source: CERTU, 2002, p. 46

Ainsi, une ville « totalement voiture » serait en A, une ville « totalement transport collectif » serait en C et une ville « totalement deux-roues » serait en B. Cette présentation de la part de modes motorisés dans la mobilité urbaine fait apparaître la différence entre les villes dans l’efficacité des modes de transport, et elle donne, également, l’image de la progression d’usage de l’automobile dans les quatre régions urbaine : Paris, Lille, Lyon et Marseille (Figure 10).

11%50%

50% 50%

69%

20%

A (100% voiture)

C (100% TC)B (100% 2 roues)

58

Figure 10 Partage modal entre trois modes motorisés dans les agglomérations de Paris, Lille, Lyon et Marseille (Source: CERTU, 2002, p. 49)

La ville la plus proche du pôle « transports collectifs » est Paris où l’offre de transport public est exceptionnellement développée. Les difficultés de circulation et de stationnement de la voiture en région parisienne contribuent à l’efficacité élevée du transport public.

4. FACTEURS EXPLICATIFS D’ÉVOLUTION DE LA MOBILITÉ La technique simple d’analyser la mobilité individu par individu, montre une très grande diversité des comportements de déplacements. On remarque, également, qu’il existe une distinction forte entre les classes respectives, lorsque les individus (ou les ménages) sont regroupés en classes de taille suffisante (les hommes, les femmes, les actifs, les étudiants, etc.). Cette analyse de la variabilité des comportements d’individus, enquêtés pendant une même période, constitue l’étude des déterminants structurels de la mobilité. L’objectif est d’approfondir la connaissance sur les schémas de déplacements, mais également, d’essayer à expliquer le comportement observé dans la population par rapport à la mobilité urbaine. La définition de la mobilité souligne l’importance primordiale des motifs de déplacements, dont la réalisation est en fonction d’un programme d’activité. Donc, les facteurs explicatifs de l’évolution du comportement individuel devraient résider dans les différents plans d’activités correspondant à la position d’un individu dans son cycle de vie. En général, les facteurs explicatifs du comportement de la mobilité retiennent les trois domaines suivants : • le programme d’activité quotidienne de l’individu dont l’organisation dépend du sexe, de

l’âge, de la taille du ménage et de la présence d’enfants, du statut socioprofessionnel de l’individu, etc. ;

• la localisation résidentielle du ménage et le lieu de travail de l’individu influencent les modalités à réaliser ces programmes d’activité ;

59

• l’accessibilité des modes de transport exerce un fort impact sur la mobilité, particulièrement la disposition de voitures dans le ménage et la possession d’un permis de conduire.

La position de l’individu dans son cycle de vie joue un rôle important sur la décision de la motorisation (Madre, 1999) et aussi sur la mobilité (Gallez, Orfeuil, 1997). Notamment, le profil de la motorisation suivant l’âge a ses pics les plus élevés pour les tranches d’âge autour de 50 ans (Bussière, Madre, 2002). Également, le nombre de déplacements par personne et par jour commence à croître à partir des plus jeunes âges, il touche son maximum vers le milieu du cycle de vie pour diminuer régulièrement avec le vieillissement. L’importance des facteurs démographiques sur le comportement de la mobilité apparaît clairement dans l’étude de la mobilité des seniors en Île-de-France (Orfeuil, Mangeney, 1999). L’analyse montre que la décroissance de la mobilité, mesurée par le nombre de déplacements par personne et par jour, commence après l’âge de 40 ans pour continuer avec un rythme régulier jusqu’à l’âge des personnes les plus âgées. La diminution de la mobilité entre 40 à 60 ans peut s’expliquer par une réduction des déplacements vers le travail résultant d’un effet qui touche plus les générations anciennes (les femmes de nouvelles générations sont plus actives), et un effet d’âge exprimé par la baisse avec l’âge de la proportion de femmes actives appartenant à une même génération. Malgré une diminution rapide du nombre de déplacements pour le travail après l’âge de la retraite, l’effet de seuil autour de 60 ans est à peine remarquable. Certes, la mobilité de travail disparaît après la retraite, mais elle est compensée par le développement des mobilités personnelles et de loisirs. L’analyse des distances de déplacements, effectuées par les seniors, indique qu’elles diminuent également. En conséquence, l’espace fréquenté se resserre, ce qui traduit le déclin du nombre de déplacements motorisés et l’usage de la voiture. Toutefois, lorsqu’on analyse les évolutions entre les deux enquêtes (de 1983 à 1991 pour l’Île-de-France) on constate que les déplacements en automobile progressent à tous les âges et particulièrement chez les personnes âgées de 68-75 ans où ils ont presque doublé. Ces analyses montrent que l’âge structure assez nettement le comportement de la mobilité, mais pour un âge donné, d’autres facteurs, agissent également comme des éléments de distinction. Ces facteurs peuvent être de nature démographique et socio-économique comme le sexe de l’individu, la taille de son ménage, la génération de naissance, la profession, ainsi que de caractère spatial comme la localisation du ménage ou le lieu de travail. La possibilité d’utiliser un mode de transport donné est également un facteur de très grande importance dans la compréhension de la mobilité urbaine. Le rôle de tous ces facteurs explicatifs sur l’évolution de la mobilité peut être résumé par la constatation suivante : « Enfin, l’explication de l’évolution de la mobilité ne peut se construire qu’en renvoyant à la démographie (et notamment à la « transition automobile » vécue par les seniors et les femmes), à l’économie du logement (avec des prix en croissance forte, contrairement aux transports) et enfin aux règles produites, prélèvements fiscaux opérés, subventions accordées par les institutions qui gèrent l’espace et le logement, et concourent ainsi à la formation des stratégies de localisation des acteurs » (Orfeuil, 2000). Dans l’histoire récente de la motorisation se combinent des effets de génération et des effets d’âge. L’histoire future sera différente, avec des effets de génération probablement amoindrie

60

(l’automobile est largement diffusée à tout âge) et des effets d’âge rendus plus importants par le vieillissement. Quelles sont les particularités des changements démographiques en France dans le passé et que seront-elles dans l’avenir ? Le chapitre suivant essaye de donner quelques réponses à ces questions.

61

DEUXIÈME PARTIE :

INTÉRÊT D’UNE APPROCHE DÉMOGRAPHIQUE

63

Chapitre 1

ÉVOLUTIONS DÉMOGRAPHIQUES EN FRANCE

65

1. INTRODUCTION La sensibilité remarquable à l’égard des débats concernant les mouvements démographiques en France trouve ses origines dans le caractère particulier de sa transition historique. Depuis la fin du XVIIIe siècle, la fécondité en France a commencé à diminuer et a suivi la même tendance jusqu’au milieu du XXe siècle. Le résultat de cette tendance a été exprimé par une croissance démographique lente et moins rapide que celle des pays voisins. Une telle évolution a impliqué des effets nuisibles pour la croissance économique dans certaines périodes du passé (Aglietta, Blanchet, Héran, 2002). Mais, des nouvelles inquiétudes démographiques se réinstallent à nouveau avec la croissance importante de la population inactive et le vieillissement. Quelles sont les particularités des mutations démographiques en France et les scénarios possibles d’évolution dans les décennies suivantes ? Nous abordons ces sujets pour faire un bref bilan de l’évolution de la population française, ainsi que pour noter les principaux points dans les estimations démographiques prévues à long terme.

2. TENDANCES DANS LES ÉVOLUTIONS DÉMOGRAPHIQUES 4.1 Sources d’informations démographiques Les champs d’intérêts de la démographie sont multiples. On s’intéressera particulièrement ici aux modifications au sein d’une population humaine, ainsi qu’aux projections de leurs effectifs et structure dans un espace géographique donné. La définition21 de la « population française », annoncée par les démographes, comprend l’ensemble des résidants permanents sur le sol français, quelles que soient leur nationalité actuelle ou leurs origines nationales (Aglietta et al., 2002). Le bilan démographique annuel, publié chaque année par l’INSEE, donne des résultats quantitatifs concernant le solde naturel et le solde migratoire de la population française. La croissance annuelle de la population s’obtient avec l’addition des deux soldes. Notamment la croissance résulte des naissances enregistrées sur un territoire donné et des entrées de nouveaux résidents (immigrants), tandis que la population diminue par les décès et les sorties (émigration) de la population. On appelle « solde naturel » le surcroît de naissance sur les décès, et le « solde migratoire » ou « migration nette » le surcroît d’entrées sur les sorties. Le solde migratoire (les personnes sorties et entrées en France) n’est pas observable directement22, mais à travers la croissance globale de la population, déduite périodiquement de recensements de la population23. Ainsi, les sources d’informations démographiques en France se trouvent dans les bases de données suivantes : • l’État-civil ou la série annuelle des naissances et de décès, • les recensements de population (le dernier date de 1999), • des enquêtes spécialisées auprès de vastes échantillons représentatifs. Le recensement de la population, les séries statistiques de l’État-civil, ainsi que la réalisation des enquêtes sont des activités permanentes de l’INSEE en collaboration avec les mairies.

21 Cette convention est adoptée de longue date aussi bien par les démographes étrangers. 22 Cela résulte de l’absence des registres tenus au niveau municipal, centralisés à l’échelle nationale où tous les changements de résidence sont obligatoirement consignés, comme il en existe dans d’autres pays. 23 Les derniers recensements datent de 1990 et 1999.

66

Également, depuis 1968, l’INSEE gère une base des données longitudinales, appelée « Échantillon démographique permanent ». 4.2 Croissance démographique La population française comptait environ 40 millions d’habitants au début de XXe siècle, et longtemps ce chiffre n’a pas changé significativement. La forte croissance de la population commence en 1946 et elle continue avec, à peu près, le même rythme de progression jusqu’à 1974 ; une période connue sous le nom « baby-boom » pendant laquelle le nombre de naissance dépasse 800 000 chaque année. Depuis 1974 la croissance de la population continue jusqu’à nos jours, mais avec une progression moins importante. Tout au long de cette période après la guerre, les deux composantes de cette croissance, le solde naturel et le solde migratoire, sont positives. Dans les dernières années le nombre de naissances excède d’environ 40% de celui des décès, et concernant le solde migratoire estimé par l’INSEE, le nombre des personnes immigrées dépasse d’environ 60 000 celui des émigrées (Tableau 4). Toutefois, la croissance de la population résulte principalement de l’augmentation du solde naturel qui reste de trois à quatre fois plus élevée par rapport à la migration nette.

Tableau 4 Evolution générale de la population métropolitaine en France

En milliers

Proportion pour 100

Année

Pop

ulat

ion

Moi

ns d

e 20

ans

De

20 à

64

ans

65 a

ns o

u pl

us

Mar

iage

s

Nai

ssan

ces

Déc

ès

Sol

de n

atur

el

Sol

de

mig

rato

ire

1985 55 284 29,2 58,0 12,8 269 768 553 215 +38

1990 56 709 27,8 58,3 13,9 287 762 526 236 +80

1995 57 844 26,1 58,9 15,0 255 730 532 198 +40

1998 58 026 25,8 58,5 15,7 271 738 534 204 +45

1999 58 623 25,7 58,4 15,9 286 745 538 207 +45

2000 (p) 58 893 25,6 58,4 16,0 305 775 536 239 +50

2001 (p) 59 191 25,4 58,5 16,1 304 775 528 247 +60

(p) Résultats provisoires Source : INSEE, Bilan démographique, tableaux 1 et 2 (Doisneau, 2002) La reproduction naturelle de la population, sur un territoire donné, se mesure à l’aide de l’indicateur conjoncturel de fécondité. Cet indicateur représente la somme des taux de fécondité par âge de femmes observé sur une année donnée (Tableau 5). Il synthétise donc, les comportements suivis d’une année, mais il n'éclaircit pas les attitudes des femmes tout au long de leur vie. Pour cela, on utilise également une autre mesure habituelle de la fécondité exprimée suivant le nombre moyen d’enfants pendant la vie féconde d’une génération de femmes. Ainsi, les femmes appartenant à la génération 1950 (leur âge en 2000 est de 50 ans) ont eu 2,1 enfants en moyenne. La descendance finale24 pour les femmes nées après 1950 n’est pas encore connue (leur vie féconde ne se termine pas en 2000) d’où provient l’incertitude dans les projections à long terme. Les femmes nées en 1965 (âgées de 35 ans en 2000) ont 1,8 enfants en moyenne. Au même âge, les femmes de la génération 1950 en 24 La descendance finale est le nombre moyen d’enfants que mettrait au monde une génération de femmes, non soumis à la mortalité, tout au long de leur vie féconde.

67

avaient déjà deux, mais cet écart peut résulter soit d’un changement du calendrier des naissances, soit d’une descendance finale qui sera plus tardive. Ainsi, les femmes nées en 1960 n’avaient que 1,9 enfants à 35 ans, mais à 40 ans, elles ont 2,1 enfants en moyenne ou autant que la génération 1950 au même âge. Le recul continu de l’âge à la maternité indique que les femmes tendent à d’avoir le premier enfant peu avant 30 ans et le second après cet âge. La proportion de naissance hors mariage ne cesse de croître depuis 1975: elle était de 7% et elle dépasse aujourd’hui 40% (Daguet, 2002). En effet, sur 14,6 millions de couples existant actuellement en France, 2,6 millions cohabitent sans être mariés et plus d’une fois sur deux, le premier enfant naît hors mariage.

Tableau 5 Fécondité selon l’âge, pour 100 femmes

Indicateur conjoncturel de fécondité (pour 100 femmes)

dont part des âges Année

Total 15 – 24 ans 25 – 29 ans 30 ans et +

Age moyen des mères

1980 194,5 69,7 72,1 52,7 26,8 1985 181,4 54,1 70,8 56,5 27,5 1990 177,8 41,7 69,0 67,1 28,3 1995 171,3 31,5 65,8 74,0 29,0 1999 179,3 30,6 64,4 84,3 29,3 2000 (p) 188,0 32,1 66,7 89,2 29,4 2001 (p) 189,7 32,6 66,1 91,0 29,4

(p) Résultats provisoires Source : INSEE, Bilan démographique, tableau 3 (Doisneau, 2002) Dans le cadre européen, la croissance démographique en France est largement atypique par rapport à celle des autres pays membres. Elle représente d’environ 16% de la population européenne en 2000, mais leur croissance démographique est un phénomène exceptionnel par sa stabilité et son ampleur depuis un quart de siècle. En effet, lorsqu’on observe la tendance dans les quinze pays de l’Union (Doisneau, 2002), on aperçoit que l'excès des naissances sur les décès dans la population européenne est encore positif mais il ne cesse de diminuer pendant la dernière décennie. La tendance commune pour les pays membres de l’Union se manifeste par un vieillissement continu de la population (Tableau 6). La population vieillit à long terme suivant trois manières: • par le bas exprimé avec une réduction de la fécondité. Pour assurer la simple reproduction

des générations, actuellement, le nombre d’enfants pendant la vie d’une génération de femmes devrait être au minimum de 2,1. La moyenne dernièrement évaluée en France correspond à ce minimum et donc, la reproduction naturelle des générations n’est pas encore mise en question. Pourtant, une autre caractéristique structurelle, manifestée suivant le nombre de femmes par tranches d’âge, peut influer la reproduction à long terme. Notamment, depuis 1990 la part de la tranche d’âge de 20 à 40 ans dans la population totale n’augmente plus et à partir de 1995 elle diminue de plusieurs de milliers d’individus par an;

• par le haut manifesté avec un recul de la mortalité aux grands âges dont la conséquence est l’accroissement de la part des personnes âgées dans la population totale. Les gains d’espérance de vie commencent à s’effectuer dans l’enfance, avant de se concentrer fortement sur les âges élevés (Tableau 7).

• par une onde de choc de bas en haut énoncée par une hausse exceptionnelle du nombre des naissances sur une durée limitée, comme c’était le cas du « baby-boom » pendant

68

deux décennies. Le récapitulatif historique montre que dès le milieu du XVIIIe siècle, la France a connu une baisse de fécondité. Le nombre moyen d’enfants par femme dépassait 5 enfants vers 1750, ensuite il est descendu à 4 vers 1810, puis à 3 vers 1890, à 2,5 vers 1910, il ne dépassait 2 au milieu des années trente pour arriver un peu au-dessous de 3 enfants pendant la période de « baby-boom ».

Tableau 6 Principaux indicateurs démographiques de l’Union Européenne en 2000

Espérance de vie à la naissance

Pays Po

pula

tion

au

01.0

1.20

01

(mill

iers

)

Nai

ssan

ce v

ivan

te

(mill

iers

)

Déc

ès

(mill

iers

) Indicateur conjoncturel de fécondité (enfants pour 100 femmes)

Hommes (années)

Femmes (années)

Taux de mortalité infantile (pour 1000 naissances vivantes)

Danemark 5 349,1 67,1 58,0 176 74,0 78,8 4,2

Finlande 5 181,1 56,7 49,3 173 74,1 81,0 3,8

Eur

ope

du

Nor

d

Suède

8 882,8 90,4 93,5 154 77,4 82,0 3,0

Allemagne 82 192,6 754,1 830,3 134 74,4 80,6 4,4

Autriche 8 121,3 78,3 76,8 132 75,1 81,0 4,8

Belgique 10 262,2 116,3 105,4 165 74,9 81,4 5,2

France 59 039,7 778,9 538,3 189 75,2 82,7 4,4

Irlande 3 819,7 54,2 31,1 189 73,9 79,1 5,9

Luxembourg 441,3 5,7 3,8 178 74,7 81,2 5,1

Pays-Bas 15 983,1 206,6 140,5 172 75,3 80,6 4,8 Eur

ope

de l’

Oue

st

Royaume-Uni

59 832,1 679,3 610,6 164 75,0 79,8 5,6

Espagne 39 489,6 386,5 359,3 122 75,5 82,7 4,6

Grèce 10 564,7 101,0 103,0 130 75,5 80,6 6,1

Italie 57 844,0 543,0 560,2 125 76,2 82,6 5,1

Eur

ope

du

Sud

Portugal

10 022,8 120,1 105,8 154 71,8 78,9 5,5

Union Européenne 377 026 4 038,2 3 665,9 153 74,9 81,2 4,9

Source : d’après la figure 1, « Panorama démographique de la France en 2000 » (Doisneau, 2002) L’analyse du vieillissement de la population française confirme qu’elle vieillit par le bas, mais plus encore par le haut. La conséquence d’une telle évolution devrait se présenter dans les années à venir par une diminution de la part d’actifs et une croissance continue du nombre de personnes âgées.

Tableau 7 Espérance de vie à divers âges

Hommes Femmes Année

0 an 1 an 20 ans 40 ans 60 ans 0 an 1 an 20 ans 40 ans 60 ans

1980 70,2 70,0 51,8 33,3 17,3 78,4 78,1 59,6 40,3 22,4 1985 71,2 70,9 52,5 34,0 17,9 79,4 79,0 60,4 41,1 23,0 1990 72,7 72,4 53,9 35,5 19,0 81,0 80,5 61,8 42,5 24,2 1995 73,9 73,3 54,7 36,3 19,7 81,9 81,3 62,6 43,3 24,9 1999 75,0 74,4 55,7 37,0 20,2 82,5 81,8 63,1 43,7 25,3 2000 (p) 75,2 - - - - 82,7 - - - - 2001 (p) 75,5 - - - - 83,0 - - - -

(p) Résultats provisoires Source : INSEE, Bilan démographique, tableau 4 (Doisneau, 2002)

69

Les projections de la population peuvent être réalisées au niveau national, mais également au niveau local d’une région ou d’agglomération. Les migrations sont difficilement estimables, et elles ont un rôle plus important dans les projections locales (des migrations entre zones), qu’à l’échelle nationale. Cela est la raison de définir un seuil minimal de la population par zone où les projections peuvent être réalisées. Afin d’effectuer des projections de la population à long terme, l’INSEE a développé le modèle OMPHALE dont les projections de la population sont exploitées également dans le modèle démographique de projection de la mobilité à long terme.

3. MODÈLE OMPHALE ET DIFFÈRENTS SCÈNARIOS DE PROJECTIONS DE LA POPULATION

4.1 Introduction Le modèle « OMPHALE », développé par l’INSEE, permet de réaliser des projections de population à long terme suivant le sexe et l’âge, sur toute zone constituée d’un nombre entier de communes. Le nombre minimal de la population par zone pour laquelle les estimations sont possibles est de l’ordre de 50 000 habitants. Ainsi, des diverses projections peuvent être faites comme les projections d’actifs, de ménages et d’élèves, par simple application de taux par sexe et âge aux populations projetées (taux d’activité, de personnes de référence, de scolarisation). Ces taux sont calculés par zone à partir des données communales issues du recensement 1999, puis projetés suivant une tendance définie au niveau national. 4.2 Les principes de fonctionnement d’OMPHALE Les données nécessaires pour effectuer les projections par ce modèle sont les suivantes : • la population par sexe, âge et par commune, issue des quatre derniers recensements (1975,

1982, 1990, 1999) ; • les naissances et décès par commune et par sexe (l’État civil annuel) depuis 1975 ; • des données de référence métropolitaines (naissances et décès par sexe et âge, projections

nationales). Le principe de fonctionnement de modèle « OMPHALE » réside dans l’application des quotients de fécondité, de décès et de solde migratoire suivant le sexe et l’âge au 1er janvier de l’année en cours, dans une zone donnée. Le quotient de fécondité peut être formulé comme la probabilité qu’a une femme (résidant dans une zone donnée) d’avoir un enfant lors de l’année t, en fonction de son âge compris entre 15 et 50 ans. De même, le quotient de décès s’interprète comme la probabilité qu’a un individu résidant dans une zone donnée de décéder au cours de l’année t en fonction de son âge. Le quotient de migration nette représente le rapport entre les migrations nettes (entrées - sorties) d’une zone donnée et l’effectif moyen de cette zone au cours de l’année t par sexe et âge. Ces quotients sont négatifs lorsque le nombre d’émigrants est supérieur à celui des immigrants. Le processus de projection commence par l’étape de découpage de l’agglomération en zones d’étude. Le premier découpage du périmètre doit s’effectuer à l’aide du classement administratif en communes. Les données communales contiennent les observations relatives aux caractéristiques démographiques de la population issues des recensements. Ensuite, ces

70

zones sont agrégées pour que chaque nouvelle zone englobe au moins 50 000 habitants. Ce seuil minimal de la population par zone est exigé pour éviter les difficultés liées aux calculs des quotients migratoires de la population (Descours, 1992). À partir des données agrégées, pour chaque zone « OMPHALE » calcule les quotients de fécondité, de mortalité et de migrations nettes qui vont servir comme points de départ pour la projection. En utilisant diverses hypothèses relatives au calcul des quotients de référence, plusieurs scénarios d’évolution sont possibles en fondant des combinaisons sur l’évolution des migrations, de la fécondité et de la mortalité. Ainsi, les quotients de fécondité peuvent être considérés comme stables tout au long de temps de projection ou modifiés sous les hypothèses d’évolution de l’indicateur conjoncturel de fécondité. Les scénarios d’évolution de la mortalité contiennent trois hypothèses : centrale, haute et basse. L’hypothèse tendancielle (ou centrale) prolonge la tendance observée au cours des 30 dernières années pour des décès suivant le sexe et l’âge. Le changement de scénarios relatifs aux migrations nettes de la population est possible suivant le caractère des hypothèses utilisées pour calculer les quotients migratoires. Les quotients migratoires peuvent prolonger la tendance observée sur la période de 1982 à 1999 ou ils peuvent être calculés sur une autre période, par exemple 1990 à 1999. En outre, ils peuvent être utilisés pour constituer des scénarios de travail théorique, qui permet d’avoir une référence et de mesurer l’impact des migrations sur la population projetée de la zone. Les projections s’effectuent année par année en combinant les trois composantes : le décès, le solde migratoire et la naissance ou :

Décès : Dt,i,s = Pt,i,s ( 1+QM/2 ) QD

Solde migratoire : Mt,i,s = Pt,i,s ( 1-QD/2 ) QM

On obtient ainsi la population de l’année t+1 de chaque sexe s et âge i Pt+1,i+1,s = Pt,i,s - Dt,i,s + Mt,i,s

= Pt,i,s ( 1-QDt,i,s ) ( 1+QMt,i,s ) Naissances : Nt,i = Pt,i,2 (1+QM/2) (1-QD/2) QF Où : QM – quotient migratoire ; QD – quotient de décès ; QF – quotient de fécondité Pt,i,s – population dans une zone donnée à la date t, à l’âge i et par sexe s.

Les décès d’âge i au cours de l’année t sont obtenus en appliquant un quotient de décès QD à la population d’âge i, en tenant compte du fait qu’une partie de la population de la zone pourrait migrer au cours de l’année. QD n’est donc pas appliqué exactement à Pt (population au 1er janvier), mais à Pt(1+QM/2) pour tenir compte des migrations. De même, les migrations nettes de la zone (entrées-sorties) s’obtiennent par application d’un quotient migratoire QM de la population à l’année t, en tenant compte du fait qu’une partie des migrants potentiels est

71

susceptible de décéder au cours de l’année. Enfin les naissances par âge de la mère sont obtenues par application d’un quotient de fécondité QF à la population féminine âgée de 15 à 50 ans, en tenant compte des migrations et des décès qui peuvent arriver à ce groupe de femmes. Les naissances totales par sexe sont obtenues en utilisant une proportion de naissances masculines et féminines.

Les hypothèses sous jacentes de la projection sont : les différents évènements supposés uniformément répartis dans l'année (coefficient 1/2) ; les migrants ont le même comportement que les autres habitants de la zone. Ainsi un immigrant dans une zone donnée au cours de l’année t peut résider en moyenne 6 mois. Pendant cette période on considère qu’il a la même probabilité de décéder que les autres habitants de la zone. Cette considération est valable également pour les individus qui émigrent hors de la zone.

4. HYPOTHÈSES UTILISÉES POUR LES PROJECTIONS DE LA POPULATION EN FRANCE MÉTROPOLITAINE

4.1 Les hypothèses de fécondité L’évolution non régulière de la fécondité au cours du temps rend complexe leur projection à long terme (Brutel, Omalek, 2002). En effet, la baisse d’effectif de femmes appartenant aux générations potentiellement fécondes et la coïncidence de cette baisse avec l'amoindrissement de la fécondité, conduit à constater que le déclin dans la croissance à long terme est vraisemblable. Les projections de population pour la France métropolitaine sont généralement révisées après chaque recensement de la population. D’après le dernier recensement de 1999, l’INSEE a publié ses projections métropolitaines en utilisant trois scénarios de fécondité : • le scénario bas garde une faible fécondité de 1,5 enfants par femme, analogue à la

croissance observée dans les pays de l’Union européenne et au Japon ; • le scénario central se base sur une fécondité de 1,8 enfants par femme, une moyenne

observée depuis une vingtaine d’années ; • le scénario haut retient un niveau de fécondité de 2,1 enfants par femme qui correspond au

seuil de remplacement naturel des générations. En effet, parmi la descendance finale des quinze dernières générations de femmes, aucune n’est descendue sous le seuil de deux enfants en moyenne.

4.2 Les hypothèses de mortalité Les scénarios basés sur les hypothèses de mortalité, utilisés dans les projections sont les suivants : • la baisse de la mortalité est une tendance continue depuis trente ans et une hypothèse de

mortalité tendancielle est retenue. Elle prolonge le rythme de baisse des risques de décès de chaque sexe et chaque âge observés depuis une trentaine d’années. D’après cette hypothèse, l’espérance de vie à la naissance est de 81 ans pour les hommes et de 88,3 ans pour les femmes en 2030;

• le scénario pessimiste se base sur une hypothèse de mortalité haute: elle consiste à ralentir

le rythme de baisse de l’hypothèse tendancielle pour chaque âge et de manière plus importante pour les femmes que pour les hommes. Suivant ce scénario l’écart d’espérance de vie à la naissance entre les hommes et les femmes se réduit et il serait de 6,5 ans en 2030 contre 7,3 pour l’hypothèse tendancielle;

72

• le scénario optimiste retient l’hypothèse de mortalité basse qui retient le rythme de baisse

de la mortalité constaté entre 65 et 74 ans depuis trente ans. L’espérance de vie à la naissance serait alors de 81,9 ans pour les hommes et de 89,9 ans pour les femmes en 2030.

D’après les différentes hypothèses, le gain annuel moyen d’espérance de vie entre 2000 et 2030 serait de un mois et demi pour l’hypothèse haute de mortalité, deux mois pour l’hypothèse centrale et trois mois pour l’hypothèse basse (Brutel, Omalek, 2002). 4.3 Les hypothèses sur les échanges migratoires Le solde migratoire est le paramètre le plus délicat à estimer, notamment en l’absence de sources statistiques sur les sorties. L’hypothèse centrale retient un solde migratoire de 50 000 par an, soit le niveau moyen estimé sur la période 1990-1999. Une seconde hypothèse retient un solde migratoire de 100 000 par an dès 2005. Les 50 000 immigrants supplémentaires sont répartis par sexe et âge selon les structures observées pour les entrées sur le territoire entre 1990 et 1999.

5. PROJECTIONS DÉMOGRAPHIQUES EN FRANCE ET CHANGEMENTS PRÉVISIBLES

D’après les projections de l’INSEE la croissance extraordinaire de la population française dans les cinq dernières décennies devrait se prolonger, mais à un rythme ralenti jusqu’en 2030 et par la suite le solde naturel deviendra négatif (Tableau 8).

Tableau 8 Projections de la population de la France métropolitaine de 2000 à 2050

Scénario central: fécondité à 1,8 enfants par femme, mortalité tendancielle, solde migratoire à 50 000

En milliers

Proportion pour 100

Année d’horizon

Pop

ulat

ion

Moi

ns d

e 20

ans

De

20 à

59

ans

60 a

ns o

u pl

us

Sol

de n

atur

el

de l’

anné

e

Esp

éran

ce d

e vi

e à

la

nais

sanc

e de

s ho

mm

es

Esp

éran

ce d

e vi

e à

la

nais

sanc

e de

s fe

mm

es

2000 58 744 25,6 53,8 20,6 209,5 75,2 82,9

2010 61 061 23,8 53,1 23,1 145,9 77,3 84,9

2020 62 734 22,5 50,2 27,3 86,6 79,2 86,7

2030 63 927 21,3 47,6 31,1 45,4 81,0 88,3

2040 64 468 20,6 45,9 33,5 -56,2 82,7 89,7

2050 64 032 20,1 44,8 35,1 - 84,3 91,0 Source : INSEE (Brutel, Omalek, 2002, figure 1)

La tendance du vieillissement de la population continuera et elle sera deux fois plus intense dans les décennies à venir, quelles que soient les hypothèses formulées sur la mortalité, la fécondité et les migrations. Suivant le scénario central, qui prolonge les tendances des deux dernières décennies, la part des personnes âgées de 60 ans ou plus sera de 31,1% en 2030

73

contre 20,6% en 2000. La raison de cette progression de vieillissement s’explique par les mouvements démographiques suivants: • l’arrivée des générations de « baby-boom » dans les tranches d’âges de plus de 60 ans

augmentera les effectifs des personnes âgées ; • l’allongement de l’espérance de vie accroît mécaniquement la moyenne d’âge dans la

population. En moyenne pour les deux sexes, l’espérance de vie est passée de 66,4 ans en 1950 à 79,2 ans en 2000, soit une progression de 12,8 ans. La projection prolonge cette tendance à un rythme légèrement ralenti ; l’espérance de vie ne gagnerait plus que 8,5 ans environ sur les 50 ans à venir (Blanchet, Lerais, 2002) ;

• le troisième facteur est la baisse de la fécondité après les générations de « baby-boom ».

L’indicateur conjoncturel de la fécondité diminue presque constamment entre 1965 et 1975, et il se situe entre 165 et 195 enfants pour 100 femmes. Le recul de la fécondité ralentira le vieillissement soixante ans plus tard, c'est-à-dire au-delà de 2030, par la baisse d’effectifs. Donc, la plus grande accélération de la croissance du nombre de personnes âgées sera pendant les années 2006–2035.

L’arrivée des générations du « baby-boom » à l’âge de la retraite et l’allongement de l’espérance de vie devrait augmenter les dépenses pour la retraite et pour la santé (Beffy et al., 2003). Dans l’avenir, d’autres effets envisageables peuvent être attribués aux changements de la pyramide des âges. Notamment, l’épargne et la consommation des ménages sont aussi affectées par le vieillissement, ainsi que la productivité du travail par la diminution de la population active (Aglietta et al., 2002).

6. CONCLUSION Les générations de « baby-boom » nées pendant les années 1946-1974 provoqueront progressivement une augmentation du nombre d’inactifs et de retraités après 2006. Donc, à partir de cette année, la France connaîtra un important changement de régime démographique, marqué, notamment, par une diminution progressive de la croissance de sa population et une augmentation presque continue de la part des personnes les plus âgées. Ces évolutions provoquent fréquemment des fortes inquiétudes relatives à leurs effets sur le marché du travail et du capital, ainsi que sur les conséquences économiques à atteindre dans le futur (Aglietta et al., 2002). Pourtant, Aglietta et al. montrent que ces craintes doivent être relativisées. La croissance démographique française devrait rester relativement dynamique, en comparaison des tendances à long terme dans d’autres pays européens. La fécondité des femmes françaises resterait compatible avec le renouvellement des générations. Le vieillissement pourrait induire moins d’épargne, et donc moins de croissance, mais les analyses empiriques conduisent à relativiser ce risque. Le vieillissement conduira cependant à une moindre croissance du niveau de vie moyen des Français, ce qui peut provoquer des tensions sur le partage des revenus entre actifs et inactifs. Comme le constate François Héran : « en définitive, le vieillissement est inéluctable et l’onde de choc du baby-boom est en passe d’accélérer la transition. La politique familiale sera inévitablement amenée à s’enrichir d’une politique des générations, c’est-à-dire d’une politique qui assure dans les meilleures conditions la coexistence de toutes les générations ». Le changement dans la structure démographique à l’avenir exigerait des nouveaux dispositifs pour répondre aux besoins spécifiques de la population. La mesure des effets d’actions publiques en face de ces

74

changements, demande des analyses appropriées aux phénomènes purement démographiques. L’approche démographique, particulièrement l’analyse longitudinale est la méthode largement utilisée par les démographes, les sociologues, les économistes pour « envisager » les évolutions à travers les comportements observés dans le passé.

75

Chapitre 2.

DÉVELOPPEMENT DES ANALYSES PAR GÉNÉRATION DANS DIFFÉRENTS DOMAINES

77

1. INTRODUCTION Dans le monde matériel, les phénomènes physiques sont repérés selon quatre dimensions. La description statique d’un point matériel s'explique par ses deux coordonnées dans le plan et son altitude dans l’espace. La quatrième dimension, qui révèle la dynamique du monde réel, est le temps. Ainsi, la définition du temps contient trois notions: la durée qui peut être mesurée, l’époque déterminée et le moment. La première signification est largement utilisée en mécanique classique, lors la composition des lois générales. Dans ce cas, les résultats d’une expérience ne sont pas modifiés en fonction de la date à laquelle elle est réalisée. En revanche, dans les sciences humaines cette dualité de sens du temps, exprimée par l’époque et le moment, est très importante pour comprendre des événements sociaux, culturels, économiques. En effet, le monde change éternellement et l’histoire ne se répète pas. Cependant, les hommes conservent au cours du temps de troublantes similitudes de comportement. Certaines situations se reproduisent, en confirmant que les analogies répétitives existent entre les différentes générations dans une phase déterminée de fonctionnement de la vie. Par exemple, les années d’apprentissage et de découverte de la vie sont situées autour de 15 ans ; la constitution de ménage et la première phase d’équipement de la famille se passe autour de 30 ans ; l’équipement plus durable et confortable se concrétise autour de 40 ans. « Chaque génération passera par ces différentes étapes de la vie et s’enrichira à sa façon dans ce parcours obligatoire » (Excousseau, 2000). Néanmoins le contexte historique joue également un rôle déterminant dans la vie d’un individu. Le destin du parcours d’une génération donnée est fortement influencé par les événements historiques de l’époque dont elle est témoin. « Le passé ne disparaît jamais complètement : il s’inscrit, déformé ou non, dans la mémoire et, de là, continue à vivre comme un « revenant » qui hanterait les contemporaines, les habiterait, leur dictant des habitudes dont on ne dira jamais assez la force » (Préel, 2000). Il est donc possible, en suivant les traces des générations, de découvrir l’impact de certains événements historiques qui ont durablement marqué les mémoires collectives des générations successives.

2. GENÈSE DE L’ANALYSE DYNAMIQUE L’analyse des phénomènes par une approche dynamique trouve ses origines dans les études des comportements économiques du consommateur. La théorie libérale de la consommation, basée sur la rationalité de choix d’usager, opérait longtemps dans une dimension atemporelle (Deaton, Muellbauer, 1980). L’absence du temps dans l’analyse économique a été critiquée et progressivement, plusieurs améliorations visent à redonner aux décisions des consommations une épaisseur temporelle. Le pas décisif de positionner les comportements dans une perspective de long terme est franchi avec la naissance des modèles de cycle de vie dans les années 50 (Kessler, Masson, 1988). Ces modèles, basés initialement sous l’hypothèse selon laquelle « un individu autonome et rationnel détermine le profil de sa consommation en maximisant sa fonction d’utilité sous une contrainte budgétaire, et épargne à long terme principalement pour financer sa retraite », ont connu un développement considérable à l'égard de la théorie de la consommation. Ces modèles ont accentué le rôle des facteurs démographiques, et plus particulièrement celui de l’âge dans le processus de formation de la demande. Notamment, on

78

considère que la consommation (ou l’épargne) d’un individu dépend beaucoup de sa position dans le cycle de vie. Ainsi, l’âge est vu comme une variable clef des comportements de la consommation dont les effets sur le phénomène étudié peuvent être affichés par une courbe tout au long de cycle de vie. Toutefois, la forte hétérogénéité observée dans les enquêtes en coupe instantanée et l’absence de référence au contexte économique global dans les analyses par le cycle de vie remettent en cause leur pertinence pour effectuer des estimations à long terme. La notion du temps dans la modélisation intervient essentiellement sous la forme de début jusqu’à la fin de l’existence d’un individu. Donc, le problème majeur de l’interprétation directe de ces modèles réside dans l’agrégation des comportements individuels marqués par une forte hétérogénéité d’un individu à l’autre, et dans l’insuffisance de la seule différence d’âge pour expliquer les changements temporels. Parmi les différentes pistes de développement du modèle élémentaire du cycle de vie, on trouve le modèle visant le « motif de transmission intergénérationnelle ». Ce raisonnement considère que la consommation est en fonction du revenu le plus haut atteint par le passé, du revenu permanent, du revenu de cycle de vie et enfin du « revenu intergénérationnel ». Plus généralement, la prise en compte des relations et comportements au sein de la famille (ou entre les générations) conduit à des modèles où l’individu n’est plus considéré isolément. Le lissage inter temporel de la consommation s’étend au-delà de la durée de vie et prend en compte les générations qui se succèdent. Ces développements conduisent à une représentation du comportement des consommateurs beaucoup plus élaborée en mettant l’accent sur l’écartement possible du profil caractéristique d’individu suivant l’importance de leur patrimoine. Le constat tiré de ce type de modèle est que les changements de milieu économique, politique et social agissent sur les évolutions du profil par âge. Dans ce cas, le temps laisse sa trace sous la forme d’écarts entre les générations successives, mais aussi à travers des fluctuations périodiques. Les effets de génération modifient les profils individuels observés au cours du cycle de vie, en fonction de changements des habitudes ou des goûts d’individus pour un bien ou un service. Ces effets se manifestent par les différences permanentes et irréversibles entre les individus appartenant aux différentes générations. Par ailleurs, les effets de période représentent des variations ponctuelles ou périodiques dues aux évolutions tendancielles du contexte socio-économique global. Comment distinguer les deux types d’effets temporels et entrer dans la dynamique de comportement ? La recherche d’une solution contenant à la fois les effets d’âge et de génération conduit vers les méthodes utilisées en démographie et en particulier vers l’approche longitudinale. 2.1 Notions fondamentales de l’analyse démographique Les objets principaux d’intérêts de la démographie sont la structure et la composition d’une population humaine sur un territoire pendant une période donnée (Wanner, 2004). Avec le développement progressif d’approche explicative, la démographie s’intéresse de plus en plus à des phénomènes liés aux comportements de sous-populations. Les sous-populations peuvent être définies en fonction de différents critères socio-démographiques, mais toujours avec une préférence pour le sexe et l’âge. L’extension de son champ d’intérêt s’élargie vers l’économie,

79

la sociologie, la géographie et la statistique. Néanmoins, la natalité, la mortalité et les migrations représentent les trois domaines principaux de l’analyse démographique. L’âge (avec le sexe) joue un rôle essentiel dans la description et l’explication des changements démographiques. Mais il n’est pas le seul facteur de nature temporelle intervenant sur l’apparition d’un phénomène, puisque l’appartenance à une cohorte ou génération de naissance, ainsi que la période d’observation sont les deux autres variables d’identification dans l’espace temporel. De ce fait, les analyses des évaluations démographiques sont étroitement liées aux facteurs suivants : • l’âge, qui dans une vision historique mesure le temps passé depuis la naissance d’un

individu jusqu’à la date d’observation de comportement, • la cohorte ou la génération de naissance d’un individu, • la période d’observation ou la date d’identification du phénomène. Ces trois dimensions temporelles sont étroitement utilisées dans l’analyse démographique, malgré une interdépendance très forte25. 2.2 Analyse Transversale – Analyse Longitudinale L’analyse des comportements démographiques peut être effectuée selon deux approches suivantes: • analyses transversales - la mesure des comportements observés est au cours d’une période

définie (en général une année). Elles comparent les observations de différentes générations à une date donnée en offrant une représentation instantanée de la population. Cependant, les estimations transversales selon l’âge masquent le fait que les individus appartiennent aux différentes générations.

• analyses longitudinales - le triage des individus se fait par l’appartenance d’une génération donnée ce qui permet d’obtenir l’histoire des générations ou d’entrer dans la dynamique du comportement. Les estimations longitudinales bénéficient du fait que l’on suit les mêmes générations à travers les dates d’enquête. Ce type d’analyse exige des observations déployées dans le temps ; une caractéristique difficile à remplir pour certaines études.

La mise en évidence de l’importance du temps dans les analyses démographiques ou d’une manière de fractionner le temps par ses composantes, se réalise donc, à l’aide d’une analyse longitudinale. Les évolutions s’affichent à travers la résultante de deux composantes, une statique et une dynamique. La première met l’accent sur l’existence d’un régime permanent qui est exprimé par un profil-type au cours du cycle de vie et la seconde traduit les évolutions historiques en employant les écarts de générations. L’analyse longitudinale en démographie est exploitée de longue date. Le statisticien allemand Lexis propose, déjà en 1875, un diagramme original pour présenter simultanément sur un même plan les relations entre trois dimensions : le temps (ou période), l’âge des individus (position dans le cycle de vie) et la génération (ou la cohorte) de naissance. Il propose de mettre en abscisse l’année de naissance, en ordonnée les âges et dans ce cas la période d’observation apparaît sur la diagonale principale. Pressat (Chauvel, 2002) simplifie le

25 Par exemple, lorsque l’âge d’une personne et la période d’observation sont connus, il est possible de déduire la cohorte d’appartenance.

80

diagramme en mettant l’année d’observation en abscisse, l’âge en ordonnée, l’année de naissance apparaît dès lors sur une des diagonales : c’est la forme moderne et standard de la représentation (Figure 11). Une telle représentation permet de remarquer la différence entre un traitement de données transversal et longitudinal. Dans le cas d’une analyse transversale, la mesure du temps se fait uniquement par l’âge des individus, tandis qu’une étude longitudinale contient d’une part la mesure du temps par l’âge (en ligne) et d’autre part une mesure historique du temps (en colonne).

Figure 11 Diagramme de Lexis-Becker-Pressat, présentation type Pressat (source : L. Chauvel, 2002 figure 56 p. 267)

Les observations correspondant à une même génération apparaissent sur la diagonale en croisant l’âge des individus et l’année d’observation. L’intérêt d’une telle analyse est qu’on peut observer pour chaque génération de combien le cycle de vie affecte des phénomènes étudiés, ainsi que l’impact du remplacement des générations sur le comportement des individus à un âge donné.

3. NATURE DES DONNÉES UTILISÉES DANS LES ANALYSES LONGITUDINALES

La plupart des enquêtes réalisées en France sont des enquêtes ponctuelles et elles visent à étudier la situation des personnes interrogées, les comportements ou les opinions à un moment donné. Dans divers domaines pourtant, on s’intéresse aux histoires personnelles ou autrement dit des successions d’événements qui concernent les personnes interrogées. Les enquêtes spécialement conçues pour suivre des personnes au cours du temps sont appelées des « panels ». La technique consiste à choisir un échantillon, en général représentatif d’une certaine population, et à interroger plusieurs fois ces mêmes personnes pendant un intervalle

LONGITUDIN

AL

TR

AN

SVE

RS

AL

1900

1905

1910

1915

1920

1925

1930

1935

1940

1945

1950

0

5

10

15

20

45

40

35

30

25

50

Age

Période

Ligne de vie: cohorte née en 1920

Isochrone: observation en 1935

Age à l'année d'observation: 15 ans

81

du temps donné. L’usage de ce type de données est très répandu dans la gestion et la recherche, par exemple : • Le panel européen des ménages est une base de données gérée par l’Eurostat, dont

l’objectif principal est de suivre les dynamiques d’emploi et de revenu au niveau communautaire (Lollivier, 2001). Les enquêtes ont été réalisées pour la première fois en 1994 et l’échantillon total contient environ 60 500 ménages sélectionnés de façon aléatoire.

• Le panel de l’Échantillon démographique permanent (EDP), géré par l’INSEE, rassemble

des données issues des recensements de la population (1968, 1975, 1982 et 1990) et de l’état civil (bulletins de naissance, mariage, décès, etc.). Il permet de suivre d’environ 800 000 personnes au cours du temps (Brutel, 2000).

• Le panel « Parc Automobile » englobe 10 000 ménages français qui sont interrogés chaque

année sur les caractéristiques des véhicules dont ils disposent et sur leur utilisation (Hivert, 2001).

• Les panels épidémiologiques (Dégenne, 2001) permettent à un grand nombre de femmes

volontaires d’être suivies médicalement afin de repérer quelles sont celles qui développeront un cancer du sein. Cette surveillance offre la possibilité d’un traitement rapide de la maladie et des nombreux renseignements recueillis sur leurs ancêtres et leur mode de vie fournissent des informations pour mieux comprendre les causes de la maladie.

Plusieurs établissements publics et privés disposent de bases de données permettant de prendre en compte des histoires individuelles ou des séquences de vie d’individus. Par exemple : les caisses de retraite recueillent les histoires professionnelles de personnes employées afin de pouvoir calculer le montant de la pension à l’âge de la retraite ; les assurances automobiles enregistrent précisément les informations concernant les accidents déclarés par leurs clients pour moduler leurs primes ; le ministère de l’Éducation nationale suit les histoires scolaires d’un grand nombre d’élèves pour mieux connaître les origines de la réussite ou de l’échec scolaire des jeunes, etc. Toutes ces enquêtes utilisent un suivi nominal des personnes observées. D’autres enquêtes appelées « rétrospectives » et effectuées ponctuellement, peuvent posséder des éléments d’histoires individuelles exploitables dans le processus de création de données appelées « longitudinales ». Dans ces enquêtes répétitives, il est probablement impossible d’identifier et de suivre les mêmes individus (ou ménages) comme dans un panel, mais on peut utiliser la technique de composition des « cohortes » pour constituer des bases de données de « pseudo-panels » (Deaton, 1985).

82

4. ÉCONOMÉTRIE DES DONNÉES DE PANEL 4.1 Caractéristiques des données de panel Les données longitudinales de panel contiennent plusieurs observations des mêmes individus dans des différents moments au cours du temps. Elles offrent certains avantages par rapport aux données d’une enquête traditionnelle ou une pure série des données temporelles (Matyas, Sevestre, 1996). • L’avantage le plus évident est que le nombre d’observations est plus large dans un panel

que dans une enquête en coupe transversale. La multiplication des observations offre la possibilité de résoudre en partie les problèmes de multi colinéarité entre les variables exogènes, liés à la modélisation des séries temporelles.

• Les observations de panel permettent de calculer simultanément des estimateurs transversaux (quand il s’agit de la dimension inter-individuelle) et des estimateurs en série, mettant l’accent sur les évolutions temporelles. La question de la stabilité des effets mesurés en coupe instantanée peut être éclaircie à partir du suivi des mêmes individus au cours du temps.

• L’usage du panel permet d’identifier et de mesurer les effets qui ne sont pas détectables dans une enquête traditionnelle ou dans une série de données. La combinaison entre les deux types d’informations (en coupe transversale et en séries temporelles) donne la possibilité d’entrer dans la dynamique de comportement et de réaliser des estimations. En outre, l’utilisation des informations temporelles et individuelles offre l’opportunité d’examiner plus facilement l’omission des facteurs explicatifs dans un modèle économétrique.

Pour une démonstration plus détaillée de cet avantage, admettons que les observations y de la variable endogène Y sont disponibles pour N individus pendant les T périodes. Donc, les valeurs de y varient dans une dimension individuelle et temporelle. L’affichage de cette double dépendance d’observation se fait par les deux indices : i pour l’individu et t pour le moment dans le temps où l’observation a été réalisée.

yi,t : i = 1, …, N ; t = 1, …,T. Maintenant, considérons par exemple le modèle économétrique suivant :

yi,t = α + β·xi,t + γ·zi,t + ui,t α, β, γ – les vecteurs des paramètres d’équation à estimer par la régression, xi,t – le vecteur de variables exogènes observées, zi,t – le vecteur de variables exogènes latentes (ou des variables « oubliées »), ui,t - le terme d’erreur du modèle. Les variables omises peuvent caractériser les deux effets suivants: • Un effet individuel, constant au cours du temps, et dans ce cas on a zi,t = zi. Le calcul

d’estimateurs non biaisés se réalise à partir de :

yi,t - yi,t-1 = β’ (xi,t - xi,t-1) + (ui,t - ui,t-1)

83

• Un effet temporel, identique pour l’ensemble des individus et dans ce cas on a zi,t = zt. Les

calculs des moyennes par rapport aux différences individuelles à un instant donné s’effectuent suivant l’expression :

( ) ( )tittit'

tit uuxxβyy −+−⋅=−

∑=

=N

1iitt y

N

1y , ∑

=

=N

1iitt x

N

1x , ∑

=

=N

1iitt u

N

1u

4.2 Spécification générale de modèle basé sur les données de panel Le problème crucial de spécification d’un modèle de données de panel, consiste à différencier clairement les comportements individuels pendant un certain temps lorsque les observations possèdent une double dimension (données transversales et données temporelles). En général, le modèle simple de la régression entre les observations y de la variable endogène Y et celles de K variables exogènes X1, …, XK s’écrit :

yi,t = β1,it x1,it + …+βK,it xK,it + uit = β’it x’it + uit où: βK,it – les paramètres de l’équation dont les valeurs doivent être déterminées par la régression, xK,it – les observations de la variable explicative XK concernant l’individu i au moment t, x’it – le vecteur ligne de dimension (1 x K) contenant des observations de variables explicatives, β’it – le vecteur colonne de dimension (K x 1) contenant les coefficients de régression, uit - le terme aléatoire d’erreur du modèle, par définition inobservable. Lorsque le modèle ci-dessus contient le terme constant du modèle qui exprime un effet commun pour l’ensemble d’individus et pendant toutes les dates d’observation, par exemple x1it= 1 pour tous les i et tous les t, ainsi le modèle devient :

yit = β1,it + β2,it x2,it …+βK,it xK,it + uit = β’it x’it + uit Dans ce cas la constante apparaît dans le modèle et le vecteur x’it contient les observations de K-1 variables exogènes (ainsi le vecteur β’it contient aussi K-1 valeurs). Les deux expressions ci-dessus correspondent à la spécification la plus générale d’un modèle de la régression des données de panel. Le choix de la spécification la plus appropriée dépend du type de problème à traiter et de la nature des données disponibles (Matyas, Sevestre, 1996). 4.3 Le modèle à effets fixes La voie la plus facile pour expliquer les différences individuelles (ou temporelles) de comportement est par les hypothèses fondées sur les variations de coefficients de la régression au niveau individuel (ou temporel). Lorsque les variations sont dans une des deux dimensions, on parle de modèle à effets fixes (ou le modèle de coefficient fixe). Dans ce contexte il est

84

important de faire la distinction entre deux types de coefficients de régression : la constante et les paramètres de régression pour les variables explicatives. Si on considère que les variations s’expriment simplement par la constante, dans ce cas, il s’agit d’un modèle de la covariance (ou « dummy variable model »). 4.3.1 Spécification d’un modèle à effets fixes individuels Les variations individuelles dans ce modèle sont exprimées par la constante et les autres paramètres de la régression sont envisagés invariables pour les deux dimensions individuelles et temporelles. Tout d’abord, le cas le plus répandu est lorsque tous les paramètres (inclus la constante) de la régression sont constants. L’équation fondamentale de la régression linéaire pour les données d’un panel disposant d’observations de N individus pendant T périodes est la suivante :

yit = α + β2 x2it + … + βK xKit + uit = α + 'itx~ β

~ + uit

i = 1, …, N ; t = 1, …,T.

où - yit sont des observations de la variable endogène pour l’individu i dans le moment t; - '

itx~ est le vecteur ligne de dimension ( K-1) pour les variables explicatives;

- β~

est le vecteur colonne de dimension (K-1) contenant les valeurs de paramètres ;

- α est la constante dans le modèle ; - uit est le terme d’erreur du modèle. Lorsque les différences entre les individus N, exprimées par la constante αi, sont prises en compte, le modèle à l’effet individuel s’écrit :

yit = αi + 'itx~ β

~+ uit

Donc, pour chaque individu i on estime un effet fixe exprimé par la constante du modèle αi. Écriture matricielle L’écriture plus simple de ce modèle s’obtient lorsque les T observations pour les individus i forment l’expression suivante :

iy = lT αi + iX~

β~

+ ui

où:

- iy est le vecteur de dimension (T x 1) contenant les observations yit ;

- lT est un vecteur unitaire de dimension T, contenant uniquement des 1;

- iX~

est la matrice de dimension T x (K-1) dont les lignes contiennent les vecteurs 'itx~ ;

- ui est le vecteur d’erreurs de dimension (T x 1). La matrice DN permet d’associer à chaque observation yit la constante correspondante αi :

85

+

+

=

N

2

1

N

2

1

N

2

1

T

T

T

N

2

1

u

....

u

u

β~

X~....

X~X~

α....

α

α

00

.........

00

00

y

....

y

y

l

l

l

y DN α X~

u

(NT x 1) (NT x N) (N x 1) (NT x (K-1)) (NT x 1) Ainsi, le modèle à effets fixes individuels s’écrit sous forme matricielle :

y = DN α + X~

β~

+ u

4.3.2 Spécification d’un modèle à effets fixes temporels La spécification d’un modèle qui n’inclut que les effets de temps par les valeurs de la constante de la régression est similaire à la spécification du modèle précédant.

yit = λt + 'itx~ β

~+ uit

Dans ce modèle, pour chaque période d’observation t, on estime un effet fixe exprimé par la constante λt. L’écriture matricielle est la suivante :

y = DT λ + X~

β~

+ u

où : - DT est une matrice de dimension (NT x T) dont le rôle est d’associer à chaque observation

yit la constante correspondante λt ; - λt est la constante de la régression et elle désigne les variations temporelles. Les estimations des coefficients de la régression s’effectuent en utilisant la méthode de moindres carrés ordinaires (Matyas, Sevestre, 1996). 4.4 Modèle à erreurs composées Le modèle à erreurs composées est l’une des spécifications les plus couramment adoptées pour exploiter les données de panel. Les raisons d’un usage très répandu résident dans: • leur capacité à traiter des bases de données pratiquement de toutes les grandeurs ; • les méthodes d’estimation et des tests d’hypothèses utilisent les procédures classiques; • les résultats d’estimations sont facilement interprétables. La modélisation est basée sur l’hypothèse générale d’homogénéité des comportements et la prise en compte des spécificités individuelles et temporelles est par le terme d’erreur du modèle. Donc, un modèle « à erreurs composées » décrit un ensemble de comportements homogènes dans lequel la seule source de variabilité individuelle ou temporelle est d’origine

86

aléatoire. La spécification d’un tel modèle où figure uniquement des effets aléatoires individuels αi est la suivante :

yit = it

K

1kitk,k uxβ +∑

=

avec uit = αi + εit

i = 1, …, N ; t = 1, …,T. où - yit sont les valeurs de la variable endogène Y concernant l’entité individuelle i (un

ménage, une personne, une entreprise, …) observée à la date t ; - βk sont des paramètres inconnus à estimer ; - xk,it sont des valeurs de K facteurs exogènes mesurées pour l’individu i à la date t ; - uit est le terme d’erreur de modèle; - αi et εit sont des perturbations aléatoires non corrélées, d’espérances nulles. L’hypothèse de l’homogénéité des comportements signifie qu’un paramètre βk, lié à une variable explicative Xk, s’applique à tous les individus i et à toutes les périodes t. Autrement dit, les coefficients βk sont indépendants de l’individu i ou de temps t, et donc, il n’y a pas de comportement spécifique à un individu ou à une date retenue26 par les βk. La prise en compte de spécificité individuelle est uniquement au niveau du résidu uit par le terme αi et on suppose que :

- les résidus sont non corrélés pour deux individus différents (les comportements individuels sont indépendants)

E (uit, ui’t’) = 0 si i ≠ i’

- pour un même individu on postule que :

E (uit, uit’) = σ2

α si t ≠ t’ E (uit, uit’) = σ2

α + σ2ε si t = t’

où σ2

α et σ2ε sont les variances respectives des deux éléments αi et εit de la perturbation

aléatoire. Le caractère aléatoire de εit est facilement compréhensible lorsqu’on considère qu’il s’agit d’une perturbation habituelle, mais le caractère aléatoire de αi est moins évident car pour un individu i il se reproduit à l’identique pour t = 1, …, T. Évidement, lorsque T → ∞ on discerne comme αi n’était plus aléatoire mais certain. Les estimations effectuées sous l’hypothèse que αi est aléatoire ou que αi est certain ne diffèrent lorsque N et T→ ∞ (Dormont, 1987). La forme la plus générale d’un modèle à erreurs composées contient, outre l’effet individuel αi, un effet spécifique temporel γt.

uit = αi + γt + εit 26 À la différence d’un modèle contenant des coefficients composés βit = β + βi + βt.

87

L’effet temporel correspond à l’omission d’une ou plusieurs variables explicatives. Leur valeur est identique pour tous les individus en un moment du temps donné et il peut s’agir par exemple du niveau des prix, des tendances de la conjoncture, etc. Toutefois, la faible quantité d’information en terme de variabilité temporelle justifie la simplification de modèle à erreurs composées, par la non prise en compte d’effet spécifique temporel dans le résidu. Écriture matricielle du modèle Dans le premier temps, les données temporelles yi1, …, yiT relatives à un individu sont regroupées dans un même vecteur yi de dimension (T x 1) et dans le seconde temps, les N vecteurs individuels yi sont empilés pour former un vecteur y de dimension (NT x 1) :

=

iT

i2

i1

i

y

...

...

y

y

y et

=

N

2

1

y

...

...

y

y

y

(T x 1) (NT x 1) En utilisant la même technique, les N matrices Xi de dimension (T x K) sont constituées par le regroupement des K vecteurs de dimension (T x 1) contenant les valeurs des variables explicatives pour l’individu i à chaque date t. La matrice X de dimension (NT x K) est ensuite formée par l’empilement des N matrices individuelles Xi :

=

iTK,iT2,iT1,

i2K,i22,i21,

i1K,i12,i11,

i

x...xx

............

............

x...xx

x...xx

X et

=

N

2

1

X

...

...

X

X

X

(T x K) (NT x K) Enfin, le vecteur u des perturbations s’écrit de la même façon que le vecteur y des observations et il a les même dimensions (ui (T x 1) et u (NT x 1)). L’expression matricielle du modèle est la suivante :

Y = X β + u (NT,1) (NT,K) (K,1) (NT,1)

88

4.5 Estimateurs • L’estimateur des moindres carrés ordinaires (MCO) et des moindres carrés généralisés

(MCG) L’estimateur total βMCO correspond aux MCO appliqués au modèle spécifié par des données non transformées yit. En utilisant la variance totale des observations on a :

βMCO = (X’X)-1 X’y où X’ est la matrice transposée de X. Cet estimateur est sans biais : E(βMCO) = 0. Mais, en raison de l’absence de sphéricité du terme d’erreur du modèle et pour minimiser la variance on utilise un autre estimateur obtenu par la méthode des moindres carrés généralisés (Dormont, 1987). • Estimateurs en coupe (Between) et en serie (Within) Les données individuelles – temporelles permettent de disposer d’estimations en coupe et en série, à partir de la même base de données. Ainsi, les estimateurs caractéristiques de ces deux catégories d’estimation peuvent être: l’estimateur inter-individuel (ou estimateur « between ») et l’estimateur intra-individuel (ou estimateur « within »). L’estimateur « between » βB s’obtient par l’application de la méthode des moindres carrés ordinaires (MCO) au modèle :

yi. = xi. β + ui. où :

∑=

=T

1titi. y

T

1y ∑

=

=T

1titi. x

T

1x ∑

=

=T

1titi. u

T

1u

La régression « between » (inter-individuelle) concerne l’estimation en coupe sur les niveaux moyens auxquels se situent les individus. L’estimateur « within », βw, résulte de l’application des MCO au modèle :

(yit – yi.) = (xit – xi.)β + (uit – ui.) La régression « within » (ou intra-individuelle) s’effectue sur les fluctuations observées dans le temps autour des niveaux moyens. Elle incorpore une information d’ordre plutôt temporel comparable à une estimation en série. Les deux modèles précédents sont issus de projection du modèle initial sur des espaces orthogonaux : la première projection transforme le vecteur yit des observations totales de la variable Y en un vecteur yi. (les moyennes individuelles), la deuxième projection transforme le vecteur initial yit en un vecteur yit – yi. (les écarts aux moyennes individuelles) (Dormont, 1989).

89

Pour un individu i, les T observations de la variable endogène peuvent être présentées par le vecteur suivant :

=iy

iT

it

i1

y

y

y

Μ

Μ

(T x 1) Soit JT la matrice carrée de format (T x T) composée de 1 et le vecteur colonne jT de dimension (T x 1) contenant aussi des valeurs 1. La matrice KT =JT/T est la matrice de projection orthogonale sur l’espace engendré par le vecteur jT :

=

11

.

.

1

1...11

JT

=

1

.

.

1

1

jT KT =

=

T

1...

T

1

.

.T

1...

T

1

T

1

T

JT

(T x T) (T x 1) (T x T) En multipliant la matrice KT avec le vecteur yi on obtient :

=⋅ iT y

T

J

T

1...

T

1

.

.T

1...

T

1

iT

it

i1

y

y

y

Μ

Μ

=

∑

∑

=

=

T

1tit

T

1tit

yT

1

yT

1

Μ

Μ =

i.

i.

i.

y

y

y

Μ

Μ

= yi.

où ∑=

=T

1titi. y

T

1y - est la moyenne individuelle de yit pour l’individu i.

Donc, la transformation de vecteur yi par la matrice KT aboutit au vecteur des moyennes individuelles yi. répétées T fois. En utilisant la matrice KT on peut définir l’opérateur « écarts à la moyenne » MT = (IT – KT), où IT désigne la matrice identité de format T. L’application de cette transformation au vecteur yi donne le vecteur des écarts à la moyenne individuelle (yit – yi.) de dimension (T x 1):

90

⋅

−=⋅

−

iT

it

i1

TTi

TT

y

y

y

T

JIy

T

JI

Μ

Μ

=

−

−

−

i.iT

i.it

i.i1

yy

yy

yy

Μ

Μ

= (yit – yi.)

La matrice B (NT x NT) de projection « betwen » est obtenue en appliquant à l’ensemble des vecteurs individuels yi l’opérateur précédent ou :

B = (IN ⊗ KT) =

T

T

T

K00

0K0

00K

Κ

Μ

Μ

Κ

Μ

Μ

Κ

où ⊗ désigne l’opérateur du produit de Kronecker27. L’expression de l’estimateur « betwen » βB (ou inter) permet de calculer les moyennes individuelles des différents individus de l’échantillon. Il s’obtient par l’application des MCO sur le modèle transformé par B : By = BXβ + Bu, notamment, à l’application des MCO aux données transformées y, donc on a :

βB = (X’BX)-1 X’By L’expression de la matrice W de projection « within » est similaire de celle de la matrice B :

W = IN ⊗ ( IT - KT) où IN désigne la matrice identité de format N et IT désigne la matrice identité de format T. L’estimateur « within » βW (ou intra) s’écrit finalement :

βW = (X’WX)-1 X’Wy Les opérateurs « inter » et « intra » offrent la possibilité de partager convenablement la variance des observations en deux composantes ; l’une correspondant plutôt aux différences permanentes moyennes entre les individus, l’autre aux fluctuations individuelles autour de ces niveaux moyens.

V(y) = VB(y) + VW(y)

27 Le produit de Kronecker de deux matrice A et B de formats respectifs (m,n) et (p,q) est une matrice de format (mp, nq) définie par :

C = A ⊗ B = [ aij B] où aij sont les éléments de A

91

V(y)= ∑∑i t

2ity

NT

1 VB(y) = ∑

i

2i.y

N

1 VW(y) = ( )∑∑ −

i t

2i.it yy

NT

1

5. ÉCONOMÉTRIE DES PSEUDO-PANELS Malgré les avantages de données de panel mentionnés auparavant, elles comportent quelques inconvénients liés à la décision sur la spécification de modèle et à la technique d’effectuer les enquêtes. Par exemple, la décision sur la nature d’effet individuel imputable aux paramètres de la régression est très difficile à prendre : effets aléatoires ou effets fixes ? De plus, les données de panel sont relativement rares à cause de l’exigence relative à la régularité d’enquêtes. De plus, la fiabilité de données collectées auprès des mêmes personnes pendant une longue période est discutable puisqu’il y a aussi un abandon de certains individus enquêtés. Néanmoins, une autre technique fondée sur l’exploitation des données transversales de plusieurs enquêtes en coupe instantanée, offre la possibilité de créer des données temporelles (Deaton, 1985). Ces enquêtes répétitives contiennent des informations concernant la population en deux ou plusieurs points dans le temps et on peut reconstituer un ensemble d’observations en gardant les deux dimensions : individuelle et temporelle, comme dans un panel. Le principe de construction de ce « pseudo-panel » repose sur la définition de groupes de personnes ou de ménages suffisamment homogènes pour que l’on puisse les assimiler à un individu unique, représentatif, dont le comportement pourra être suivi au cours du temps. Le terme de « cohorte », à savoir l’ensemble des individus rencontrant à la même époque un événement donné, est l’expression la plus utilisée dans la méthodologie de constitution de pseudo-panel. Le choix des critères de composition et d’identification des cohortes d’après les données d’enquêtes ponctuelles, est le point principal de cette méthode. Une cohorte peut être constituée par un groupe d’individus partageant les mêmes caractéristiques au cours du temps. Les groupes d’individus sont déterminés de manière que chaque individu soit uniquement un membre d’une cohorte pendant toutes les périodes d’observation. Évidemment, ces exigences demandent des solutions dans les événements démographiques parce qu’ils marquent longtemps ou même définitivement les individus. Le choix de l’âge comme premier facteur de différenciation est introduit souvent sous forme d’année de naissance, car elle est le seul facteur constant tout au long du cycle de vie pour un individu donné. Lorsque les cohortes sont exclusivement fondées sur l’année de naissance on parle de « cohortes de naissance ». Parmi les autres facteurs constitutifs des cohortes, on peut envisager le capital humain, mesuré par le niveau d’éducation, la catégorie socioprofessionnelle, le sexe de l’individu, et dans un intervalle de temps limité, la localisation géographique. 5.1 Spécification d’un modèle basé sur les données de pseudo-panel L’hypothèse admise, concernant les observations issues d’une série d’enquêtes indépendantes, est qu’on dispose de N observations individuelles dans toutes les périodes d’enquête. La forme générale d’un modèle linéaire avec les effets fixes individuels est la suivante (Baltagi, 1995) :

92

yit = αi + x’it β + uit t = 1, ..., T.

Chaque série de données de T périodes contient N observations individuelles et donc, l’indice28 i coïncide à différents groupes de N individus dans chaque période et t correspond à la période d’observation. Le terme d’erreurs de modèle uit est supposé être non corrélé avec les variables explicatives x’it et l’effet individuel αi. Pourtant, dans plusieurs applications théoriques, par exemple dans les modèles de cycle de vie, l’effet fixe individuel αi est en corrélation avec les variables explicatives. En outre, d’estimer que αi indique les effets fixes individuels est impossible car les observations répétitives de mêmes individus ne sont pas disponibles par ce type d’enquêtes. Supposons qu’il soit possible de rassembler les observations individuelles dans C groupes de cohortes. Lorsque les observations sont agrégées au niveau de cohortes et si on utilise les valeurs moyennes de xit de la cohorte c dans le temps t (notée '

ctx ), le modèle devient :

cty = ctα + 'ctx β + ctu c = 1, …, C t = 1, ..., T.

où

- cty est la moyenne de toutes les observations individuelles yit appartenant à la cohorte c pendant le temps t ;

- ctα est la moyenne d’effets fixes pour les membres de la cohorte c dans le temps t ;

- 'ctx est le vecteur de moyennes de variables explicatives contenant les observations de

chaque cohorte c dans le temps t ; - ctu est le terme d’erreurs de modèle.

Dans ce modèle, la variation des effets fixes de cohortes (considérés par la constante de la régression ctα ) n’est pas constante pendant tout le temps et de plus elle est en corrélation avec

les variables explicatives 'ctx . Néanmoins, quand le nombre d’observation dans chaque

cohorte est suffisamment grand, la variation temporelle de ctα peut être ignorée et on a :

ctα = cα

cty = cα + 'ctx β + ctu c = 1, …, C t = 1, ..., T.

L’estimateur d’effets fixes de cohorte pour le pseudo-panel avec les observations de T périodes et de C cohortes réside sur le « within » transformation suivante : cctct yyy~ −= .

Ainsi, l’estimateur « within » βW est un estimateur naturel de β si le nombre d’observation dans les cohortes est suffisamment grand (Matyas, Sevestre, 1996).

28 Le fait que des différents individus sont observés lors des périodes d’enquêtes ne permet pas l’indexation de i à partir de 1 jusqu’à N, mais i = 1, …, NT.

93

Pourtant, Deaton (Deaton, 1985) affirme qu’un autre estimateur, qui ne dépendra pas du nombre d’observation par cohorte, est la meilleure solution. Notamment, il considère le modèle suivant :

* cty = *

ctx β + θc + εct

où

- * cty et *

ctx désignent les moyennes inobservées respectivement des variables endogènes

et exogènes dans la cohorte c à la date t ; - θc est un paramètre décrivant l’effet fixe caractérisant la cohorte c ; - εct est le terme d’erreurs de modèle.

La spécification précédente repose sur les hypothèses suivantes : • L’effet individuel associé à chaque cohorte est fixe au cours du temps L’effet fixe individuel imputable à chaque cohorte (exprimé par le paramètre θc) est supposé d’être invariable pendant le temps puisque la population appartenant à chaque cohorte c est constante pendant toutes les périodes d’observation. Cet effet fixe peut être estimé à partir de variables indicatrices associées aux différentes cohortes. • Toutes les variables du modèle sont mesurées avec erreur Les moyennes inobservées *

cty et * ctx ne peuvent pas être examinées, mais il est possible de

les estimer à partir des moyennes par cohortes cty et ctx et les erreurs de mesures associées à

ces moyennes. En effet, les pseudo-panels sont constitués par des individus différents d’une enquête à l’autre, mais suffisamment proches pour que le comportement moyen de chaque cohorte puisse être assimilé à la trajectoire d’un même individu, mesurée avec l’erreur. Donc, on a :

* cty = cty + uct

*

ctx = ctx + νct

où cty et ctx sont les moyennes empiriques de la cohorte c à la date t, et uct et νct les erreurs de mesure correspondantes. • Les erreurs sont normalement distribuées, homoscédastiques et indépendantes au cours du

temps d’une cohorte à l’autre Il est naturel de supposer que les erreurs soient non corrélées dans le temps puisque les pseudo-panels sont inventés à partir d’une série d’enquêtes indépendantes. En outre, le principe de constitution des cohortes consiste à minimiser la variance intra-classe et de maximiser la variance inter-classe. Cela permet de supposer que les erreurs du modèle sont indépendantes d’une cohorte à l’autre.

94

L’homoscédasticité (ou sphéricité) des erreurs signifie que la variance des perturbations est constante au cours du temps ou d’un individu à l’autre. L'amplification de la variation dans un échantillon est proportionnelle à l’augmentation du nombre de leurs effectifs. Les cohortes d’un pseudo-panel sont en général constituées par des effectifs très hétérogènes d’une enquête à l’autre. En effet, on observe généralement des classes d’âge beaucoup moins nombreuses aux deux extrémités du cycle de vie qu’au milieu. Les évolutions de cette structure par âge sont en fonction de la taille d’échantillons dans chaque enquête. Il s’impose donc de tenir compte de cette absence d’homoscédasticité en pondérant les observations par un

facteur cn , où nc est l’effectif de la cohorte c.

La nature des observations est liée aux techniques d’échantillonnage couramment utilisées dans les enquêtes, et on peut considérer que les erreurs de mesure sont normalement distribuées :

−

−

* ctct

* ctct

xx

yy ∼ N

Σ

σ

σσ;

0

0 '00

Finalement, si les effets fixes θc associés aux cohortes sont inclus dans les paramètres « β », le modèle s’écrit :

t*

t*

t εβxy +⋅=

Les cohortes et les observations sont empilées et désignées par l’indice t = 1, …, T où T est le produit du nombre d’enquêtes et du nombre de cohortes. L’application de la méthode des moindres carrés ordinaires et suivant les hypothèses mentionnées précédemment, donne l’expression de l’estimateur βD du vecteur β :

βD = (XX’-T Σ )-1 (X’y – Tσ) Lorsque le nombre d’observations est très grand, l’estimateur βD ne diffère pas de celui de « within » (Verbeek, Nijman, 1993).

95

6. ÉTUDE BASÉE SUR LES DONNÉES DE PSEUDO-PANELS 6.1 Une étude de l’évolution de la consommation des ménages L’étude concernant les effets d’âge et de génération sur le niveau et la structure de la consommation de ménages (Bodier, 1999) est un exemple indicatif de l’importance d’analyses longitudinales. Les résultats obtenus par analyse en coupe transversale des enquêtes Budget de Famille parviennent à la conclusion que la consommation diminue avec l’avancée en âge. D’après l’enquête de 1995, à revenu et taille des ménages égaux, la consommation des ménages est maximale à 49 ans, puis elle décroît : à 70-74 ans, la consommation moyenne d’un ménage représente 89% de celle d’un ménage de 40-44 ans de même niveau de vie, et à 80-84 ans, elle n’en représente plus que 74%. La progression de l’espérance de vie, et naturellement de la part des tranches d’âge des plus âgés dans la population totale, « fait peser des incertitudes fortes sur le niveau de consommation des ménages au cours des décennies à venir ». En effet, les personnes âgées sont considérées « a priori sous consommatrices » et l’explication habituelle de la diminution de leur consommation est par la décroissance des besoins avec l’âge. Pourtant, parmi les populations observées dans les enquêtes coexistent des générations nées au début du dernier siècle dont les étapes du cycle de vie sont fortement marquées par des périodes de guerre et de pénurie, des générations nées dans les années 30 et 40 qui ont grandi pendant les « Trente Glorieuses » et les générations nées pendant les années 50 et après qui ont ressenti le ralentissement de la croissance économique. Le défi qui s’impose est de déterminer dans quelle mesure la sous-consommation des ménages âgés, à revenu et taille du ménage équivalent, s’explique par un effet propre au vieillissement, et dans quelle mesure elle est l’expression du comportement spécifique à la génération à laquelle ces ménages appartiennent. 6.1.1 Spécification du modèle d’analyse Théoriquement, l’analyse longitudinale sur les évolutions de la consommation d’un ménage lorsqu’il vieillit est possible par des données de panels. Dans cette étude les observations transversales de quatre enquêtes Budget de Famille (de 1980, 1985, 1990 et 1995) sont utilisées pour fabriquer des données de pseudo-panel en identifiant les ménages appartenant à la même « cohorte ». La notion « cohorte » comprend un groupe de ménages de même génération29 et de même diplôme de fin d’études30. L’idée est que suivre le comportement moyen d’une cohorte revient à suivre le comportement d’un ménage représentatif de la cohorte. En utilisant les données moyennes calculées sur quatre enquêtes successives, on a alors créé des données temporelles qui permettent de suivre des cohortes d’une façon comparable à un suivi des ménages dans un véritable panel. Le postulat fondamental d’analyse est qu’il existe un profil de la consommation spécifique à l’âge tout au long du cycle de vie, indépendant de la cohorte à laquelle appartient la personne de référence du ménage.

29 Les générations sont définies en plages quinquennales de date de naissance. 30 Les diplômes de fin d’études concerne la personne de référence du ménage et ils sont regroupés en quatre niveaux : 1 : pas de diplôme ou CEP ; 2 : CAP, BEP, BEPC ; 3 : baccalauréat ; 4 : supérieur au baccalauréat.

96

L’identification des effets d’âge, de cohorte et de période est prise en compte par la spécification du modèle suivant:

[ ] [ ]cjtcjt

1...Ppcjptikt

1...Kkkcjtcjt εθXγIθR logβαC Log ++++⋅+= ∑∑

∈∈

cjtC Log est la moyenne des logarithmes de la consommation en bien i du ménage

appartenant à la cohorte c, et à la strate j (couple c, j), observée à la date t. La strate j est définie par un critère qui varie au long de la vie d’un ménage, c'est-à-dire la position relative dans l’échelle des revenus et la taille de ménage de cette date.

cjtR Log est la moyenne des logarithmes des revenus du ménage appartenant au couple (c, j)

et à la date t.

ktI est l’indicatrice de la tranche d’âge k de la personne de référence à la date t ;

kθ est le coefficient de l’indicatrice d’âge k associée à la cohorte c à la date t ;

cjptX Log est un vecteur de variables explicatives dépendant de la date t (il s’agit des

indicatrices de la taille du ménage).

cjtθ est le coefficient de l’indicatrice associée au couple (c, j) à la date t. Il s’agit de la

moyenne des effets fixes associée aux ménages du couple (c, j) à la date t. Si on ne travaille pas sur un panel, cette moyenne n’est pas le même à chaque date, mais lorsque la base de

données contient suffisamment de ménages du couple (c, j) on suppose que cjtθ est une

bonne approximation de cjθ .

cjtε est le terme d’erreurs de modèle.

α, β, γi, sont des paramètres à estimer par la régression. 6.1.2 Quelques résultats d’analyse Pour un revenu et une taille du ménage donnée, les profils selon l’âge des différentes cohortes sont semblables. Pourtant, les comparaisons entre les résultats d’une analyse « between » (les estimations sans effets de cohorte sur un échantillon constitué des quatre enquêtes) et une analyse « within » (les estimations longitudinales) montrent que le profil longitudinal par âge, relatif à la consommation totale, diffère principalement de celui observé en coupe transversale après la tranche d’âge 70-74 ans (Tableau 9)31.

31 Parmi les 12 biens et services de consommation analysés dans l’article de M. Bodier, nous en présentons six.

97

Les besoins alimentaires décroissent avec l’âge, mais lorsqu’on tient compte de la cohorte, les résultats sur cette consommation sont modifiés. Notamment, l’analyse suivant la cohorte montre que la consommation alimentaire diminue régulièrement de génération en génération.

Tableau 9 Rapport entre la consommation des 60-64 ans, 70-74 ans, 80-84 ans, et celle des 40-44 ans en transversal (« between ») et en longitudinal (« within »)

Rapport à la consommation des 40-44 ans de la consommation des…

…60-64 ans …70-74 ans …80-84 ans

«between » « within » «between » « within » «between » « within »

Consommation totale

0,97 1,02 0,84 0,93 0,72 0,85

Alimentation 1,18 0,96 1,12 0,86 0,92 0,69 Disposition du

logement 0,67 1,26 0,53 1,35 0,54 2,02

Santé 1,46 1,69 1,76 2,32 1,99 3,07 Transports 0,87 1,17 0,48 0,84 0,19 0,52

Télécommunication et poste

1,03 2,02 0,96 2,54 0,79 2,88

Loisirs 0,86 1,18 0,68 1,13 0,53 0,98 Source : M. Bodier, 1999, d’après le tableau 1, p. 167

Lecture : à revenu et taille du ménage égaux, lorsqu’on compare des cohortes différentes, la consommation totale des ménages de 60-64 ans représente 97% de celle des ménages de 40-44 ans. Si on compare les ménages d’une même cohorte au fur et à mesure de leur avancée en âge, leur consommation à 60-64 ans représente 102% de ce qu’elle aurait représenté à 40-44 ans s’ils avaient eu le même revenu et la même taille de ménage à cet âge. L’explication retenue met l’accent sur le fait que les générations les plus récentes profitent le plus des prix dits « discounts » des hypermarchés grâce aux deux raisons suivantes : • les hypermarchés n’existent que depuis 1963 et les générations qui avaient déjà dépassé la

quarantaine à cette époque ont probablement moins pris l’habitude de s’y rendre ; • les hypermarchés ne sont en général accessibles qu’en voiture et chaque nouvelle

génération est mieux équipée en voiture que la précédente. L’analyse par cohorte montre qu’à 80-84 ans, la consommation alimentaire ne représente plus que 69% de ce qu’elle aurait été à 40-44 ans pour un ménage de la même cohorte de même revenu et de même taille. Cela peut s’interpréter à la fois comme une décroissance des besoins avec l’âge, mais aussi une diminution des invitations d’amis ou de parents à des repas chez soi. En coupe instantanée, les dépenses de loyers et de charges diminuent avec l’âge. Cette tendance, nettement remarquable, s’explique par le fait qu’il s’agit des générations différentes. Plus elles sont anciennes, moins elles occupent des logements confortables au prix élevé. Pourtant, l’analyse « within » donne des estimations complètement différentes des résultats précédents. La dépense ne diminue pas avec l’âge ; elle augmente jusqu’à la dernière tranche d’âge de 80-84 ans. Une personne seule en fin de cycle de vie habite fréquemment dans un logement beaucoup plus grand que celui qu’elle aurait choisi si elle avait été seule à l’âge actif. A l’égard de son revenu et de la taille de son ménage, sa dépense en loyers et surtout en charges pour les propriétaires apparaît très élevée. Cela s’explique pour partie par la conservation d’un logement qui a « servi » à une famille plus grande.

98

La particularité des dépenses de santé est qu’elles augmentent avec l’âge suivant les deux types d’analyses. Pourtant, le profil selon l’âge en coupe instantanée sous-estime légèrement cette tendance. Probablement, à l’effet de cohorte s’ajoute un effet d’offre puisque l’offre médicale s’est élargie et diversifiée au cours du siècle dernier. Toutefois, il est probable qu’il existe un effet propre à la cohorte déterminé par la croissance de l’habitude de nouvelles générations à consulter régulièrement un médecin. L’analyse transversale des dépenses de transports montre une décroissance rapide de la consommation après 45-49 ans. Lorsque le revenu et la taille de ménage sont égales, la consommation de 60-64 ans représente 87% de ceux de 40-44 ans, et celle des ménages de 80-84 ans, seulement 19%. L’explication de ce résultat est à nouveau due en partie, par l’appartenance des ménages les plus âgés à des générations moins équipées en voitures et aussi moins habituées à voyager. L’analyse « within » montre qu’à génération et diplôme égaux, la consommation des ménages de jeunes retraités de 60-64 ans est de 17% plus élevée que ce qu’elle aurait été à 40-44 ans si ces ménages avaient gardé le même revenu et la même taille. En effet, ces individus achètent moins souvent un véhicule que leurs cadets, mais ils préfèrent des modèles plus chers, et au total ils dépensent plus pour le transport. La consommation commence à diminuer significativement à partir de 70 ans. La diminution des besoins de transports après 70 ans est indiscutable, mais l’analyse « within » indique qu’elle reste modérée, et elle « semble plutôt liée à la diminution de la mobilité liée à l’entrée dans le grand âge qu’au passage à la retraite. D’ailleurs, l’équipement des ménages en voiture ne diminue pas vraiment avec l’âge » (Bodier, 1996). Les analyses des résultats concernant les dépenses de télécommunications et poste doivent tenir compte qu’il s’agit d’un domaine où les innovations technologiques et la diversification de l’offre des services sont très fortes depuis les années 60. Les effets de l’expansion de l’offre, grâce à des innovations technologiques, sur la croissance de la consommation sont considérables. En négligeant ces effets, on risque d’attribuer l’agrandissement de la consommation à un effet des habitudes prises par chaque génération, et à un effet de l’âge, ce qui n’est pas conforme à la réalité. L’analyse par la coupe transversale montre que ce type de dépense est insensible à l’âge du ménage, mais en coupe « within » on remarque qu’à offre et niveau de vie égaux, les générations anciennes auraient plus dépensé en poste et télécommunications que les récentes. En effet, le prix relatif des services de poste et télécommunications a baissé d’environ de -40% entre 1979 et 1995 sous l’effet du progrès technologique. Lorsqu’on ne tient pas compte de la cohorte de naissance, les dépenses de loisirs (sorties culturelles, achats de biens récréatifs tels que les radios, téléviseurs, appareils photos, achat de livres et disques) sont a priori réservées aux plus jeunes. Ainsi, les analyses d’après une coupe transversale montrent que la consommation de biens et services de loisirs diminue continuellement avec l’âge à partir de 45-49 ans. Pour les ménages de 60-64 ans elle représente 86% de celle des ménages de 40-44 ans et celle des ménages de 80-84 ans est de 53% de la consommation des ménages de référence de 40-44 ans. Cependant, la consommation de loisirs commence à progresser à partir des années 50. Les plus âgés observés dans la dernière enquête de 1995 n’ont pas vécu leur jeunesse dans une société de loisirs ; au contraire, cette partie de leur cycle de vie est marquée par une société dominée par le travail. Donc, à une date donnée, les ménages plus âgés (des ménages appartenant aux générations du début du siècle) semblent consacrer moins à leur dépense de loisirs. Cette constatation pourrait être en contradiction entre la quantité du temps libre dont disposent les retraités et leur désengagement des activités de loisirs marchands. Concernant les ménages

99

d’une même cohorte (l’analyse « within »), les dépenses de loisirs sont (toutes choses égales par ailleurs) maximales entre 60-64 ans et 70-74 ans ; elles représentent à 60-64 ans 118% de ce qu’elles étaient entre 40 et 44 ans. La chute des dépenses consacrées aux loisirs apparaît après l’âge de 80 ans de la personne de référence. La consommation des ménages nés à une même date (à revenu, taille du ménage et âge égaux) suivant le diplôme de la personne de référence est d’autant plus élevée que les ménages sont plus diplômés. Ainsi, toutes choses égale par ailleurs, la consommation des ménages les plus diplômés d’une génération est entre 1,2 et 1,6 fois plus élevée que la consommation des ménages les moins diplômés de cette même génération. Ceci s’explique par le comportement lié à l’espérance de revenus futurs et des chocs continus affectant le « revenu permanent ». La sensibilité de la consommation par rapport à une augmentation de revenu est d’autant plus forte qu’il s’agit d’une augmentation plus permanente. 6.1.3 Commentaires concernant les résultats d’étude Cette étude montre qu’une partie de la diminution de la consommation des ménages avec l’âge s’explique par un effet propre au vieillissement indépendant des évolutions du revenu ou de taille du ménage, ainsi que des habitudes prises par la génération à laquelle le ménage appartient. Il peut résulter d’une diminution des besoins (ou de l’envie de consommer) avec l’âge. La décroissance de la consommation totale après l’âge de 70 ans (à revenu et taille de ménages égaux) s’explique en partie, par l’appartenance des ménages de plus de 60 ans à des générations qui ont toujours eu l’habitude de consommer moins. Les ménages appartenant aux plus anciennes générations n’ont pas débuté dans la vie avec les mêmes perspectives de niveau de vie que les plus récentes. Leur jeunesse est marquée par les deux guerres mondiales et un niveau de vie beaucoup plus faible que dans la deuxième moitié du siècle. Même si la « société de consommation » les a incité à consommer plus, ils ont gardé leur habitude de dépenser moins que leurs descendants au même âge plus tard. Les évolutions du comportement de consommation avec l’âge au fur et à mesure du renouvellement des générations s’affichent clairement, mais elles ne sont pas d’une telle importance pour inverser les tendances déjà identifiées (la diminution de la consommation avec l’âge). En effet les ménages en milieu de cycle de vie ont été et ils restent ceux qui consomment plus. Ces constats sont tirés des résultats issus d’analyse et de projections par le modèle jusqu’à 2004. Pourtant, les estimations à long terme (15 ou 20 ans) permettront-elles de tirer les mêmes conclusions ? Les générations nées après les années 75 ne figurent pas parmi les échantillons de ménages analysés dans cette étude (la dernière enquête date de 1995) et qui pourraient peut-être afficher à l’âge de la retraite un comportement différent de celui de générations précédentes. Les résultats dépendent beaucoup du niveau de formation de la personne de référence et de sa position socioprofessionnelle. Comment vont évoluer les grands groupes sociaux et leur structure dans l’avenir ?

100

7. ÉVOLUTIONS SOCIALES EN FRANCE La période la plus favorable des évolutions du changement social dans la société française est de 1945 à 1975 ; une époque très souvent décrite par le terme « Trente Glorieuses ». En trois décennies il y a eu plus de progrès économique et social qu’au cours des cent années précédentes. La croissance exceptionnelle du revenu, le développement scolaire, la couverture des besoins de santé et de logement par l’État, la protection des familles, et peu à peu des retraites de l’ensemble de la société, sont quelques exemples de ces progrès. Dans cette période débute aussi l’ouverture de la consommation de masse et l’apparition des produits comme l’électroménager, l’automobile, la télévision, le téléphone, etc. La liste est immense, mais la spécificité primordiale se traduit par un état de plein emploi, l’apparition d’un nouveau groupe social, celui des « cadres », et la formation d’une classe moyenne salariée. Depuis le milieu des années soixante-dix, l’économie française, comme celle de la plupart des pays industrialisés, connaît des difficultés exprimées par la « crise », ou plus exactement le « ralentissement économique ». Le pouvoir d’achat continue de s’élever, mais très légèrement : environ 1,4% par an et par individu de 1984 à 1994 et seulement 0,06% pour le pouvoir d’achat du salaire ouvrier (Chauvel, 2002). La forte croissance économique est définitivement restée loin dans le passé. Pourtant, cette période débutée au milieu des années 70 n’est pas un cataclysme économique. Même avec le chômage de masse, la société continue de connaître des développements typiques des Trente Glorieuses, comme l’élévation moyenne de revenu et de la consommation par individu, la croissance de la proportion de cadres, des taux de départs en vacances, de l’espérance de vie, plus d’ordinateurs, de téléphones portables, et de bien d’autres objets qui, hier, étaient encore inconnus. Néanmoins, le rythme de changement est nettement plus lent qu’avant et la croissance moyenne de 1,4% par an cache de multiples trajectoires individuelles ou collectives, flottant autour de cette moyenne. La question essentielle qui se pose est la suivante: le ralentissement économique est-il réparti proportionnellement sur toute la population ? Existe-t-il des écarts importants entre les générations anciennes et les générations nouvelles et qu’elles sont les catégories sociales qui les subissent plus nettement ? 7.1 Caractéristique des changements de la structure sociale « Une loi du progrès générationnel semble vouloir que les puînés disposent du privilège systématique de se voir dotés de plus de durée de vie, de savoir, de diplômes, d’argent, de biens, de culture, d’emplois plus prestigieux, etc., que leurs aînés. C’est peut-être une loi injuste, dans la mesure où ce dont nous bénéficions aujourd’hui pourrait être la conséquence bénéfique des lointains sacrifices de nos ancêtres. Pourtant, ce destin éternellement meilleur des générations puînées pourrait n’être qu’une réalité de long terme, et une illusion de court terme » (Chauvel, 2002). Le suivi des grandes catégories de la population sur une période longue de 150 ans montre trois tendances de changements remarquables : • en premier lieu, la disparition des paysans-agriculteurs. Depuis 1975, l’agriculture

assimile moins du dixième de l’emploi; donc les racines agricoles de la société française se délitent ;

101

• en second lieu, la population ouvrière a crû jusqu’en 1975 et ensuite a décliné. La proportion d’ouvriers dans l’emploi est aujourd’hui comparable à celle de 1910. Cette tendance est accompagnée aussi par une baisse de la part des ouvriers sans qualification dans la population ouvrière ;

• en troisième lieu, la population d’employés, de cadres et professions intermédiaires explose lors des Trente Glorieuses.

La structure sociale se modifie donc, de manière à ce que les « manuels » poursuivent la tendance à décliner au profit des « intellectuels » généralement mieux rémunérés. Pourtant un tel diagnostic en termes « d’aspiration vers le haut32 de la population globale » est une lecture simple qui néglige l’existence d’une population dont la part est en croissance : celle des chômeurs. Longtemps cette catégorie n’était pas considérée comme un groupe social avec ses propres spécificités. Le chômage était vu plutôt comme une expérience transitoire, « un point de passage entre deux situations durables, entre deux emplois, entre études et exercice d’un métier, ou encore entre travail et retraite ». Pourtant, le chômage est devenu permanent, de long durée ou répétitif pour une partie croissante de la population et il tend à se stabiliser parmi les « chômeurs chroniques ». Une fois que l’on considère les chômeurs, les évolutions de la population active montrent que la part des cadres augmente de 2,5 points depuis 1983, celle des professions intermédiaires de 0,3, les employés et les ouvriers pris ensemble ont une baisse de 5,1 points, et les chômeurs affichent une croissance de 6,5 points (Chauvel, 2002). 7.2 Analyses des groupes sociaux suivant les générations Les transformations sociales ont des liaisons très étroites avec la conjoncture économique en oscillant simultanément dans le temps. Le changement social peut être marqué par (Ryder, 1965) : • un changement global de toute la société en son entier dont les résultats sont

équitablement partagés par tous. Lorsqu’il s’agit, par exemple, d’enrichissement d’une société, cela veut dire que les fruits de la croissance sont distribués également dans toute la population ;

• un changement qui transite par le remplacement des cohortes où les nouvelles cohortes remplacent leurs aînées en bénéficiant ou non de la situation socio-économique héritée.

En effet, chaque catégorie sociale dispose d’un mouvement d’évolution propre, d’intensité différente et variable dans le temps en fonction de la situation économique. L’étude de transformation de grandes catégories socioprofessionnelles, basées sur la moyenne empirique de chaque groupe distinctif n’est pas la manière d’analyse la plus appropriée, surtout lorsqu’on veut faire des estimations sur les chances d’accès aux groupes sociaux des cohortes de nouvelles générations. L’approche fondée sur l’idée de mener l’analyse suivant le remplacement des générations, semble plus appropriée pour éclaircir les évolutions sociales à long terme, car « plonger dans l’Histoire à la suite des générations, c’est redécouvrir l’importance à la fois du contexte et de la durée, des événements et des permanence » (Préel, 2000). La plupart de ces analyses s’appuient sur la propriété des effets de génération. Que signifie cette notion ? D’abord, on peut donner une représentation de ces effets sur une base

32 L’indicateur de l’aspiration vers le haut est la part des cadres et professions intermédiaires dans la population ayant un emploi.

102

démographique. En effet, une génération est repérable par les dates de naissances des effectifs qui la constituent et les effets de générations correspondent aux caractéristiques d’effectifs ou du nombre d’individus appartenant à une génération donnée. Le point de vue de la sociologie sur les effets de générations est plus complexe. Les générations sont considérées comme un mécanisme permettant de mieux comprendre les changements dans la société et son fonctionnement sur longue période. La génération est considérée comme « un point de vue équilibré, à mi-chemin de l’individu et de l’histoire, juste au milieu. Les générations font partie des grandes continuités, des temps lents de l’histoire, des rythmes qui s’imposent au-delà de l’échelle individuelle, et elles agissent malgré tout dans le creuset de l’instant, elles puisent à ce moment précis de notre vie qui nous semble si personnel et singulier. Les générations constituent une des explications et non la seule aux contours du présent et à l’esquisse du futur… La génération s’adapte à son environnement historique et agit sur lui et en fonction de lui.» (Excousseau, 2000). Dans plusieurs études, l’interprétation des analyses menées par génération est difficilement repérable. B. Préel écrit : « Sauf cataclysme, l’histoire ne parvient pas généralement à abolir les frontières sociales. Il faut le rappeler avec force, car si l’on y prend garde, le thème des générations est capable de tout envahir et de se faire passer pour la clé universelle. Chaque classe d’âge, chaque sexe, chaque groupe social réagira à sa façon aux événements de l’histoire » (Préel, 2000). Les explications de changements du phénomène étudié peuvent être imputables à l’époque (tous les gens subissent le même destin à peu près en même temps), à l’âge ou exactement, au cycle de vie (le phénomène est typique à l’âge) ou bien à la génération (le phénomène marque durablement le comportement). Ces trois effets sont souvent entremêlés et il est très difficile de les discerner, mais il est possible de chercher à les isoler. « Les membres d’une génération ont en commun de partager un destin inscrit à la confluence de deux histoires : celle de l’époque, introduisant des événements extérieurs qui les toucheront et les marqueront plus ou moins profondément, et celle du cycle de vie, enchaînant inexorablement les âges les uns après les autres, chacun avec sa sensibilité particulière, mais certaines comptant plus que d’autres. Ce qui les unit, c’est bien de vivre à des âges sensibles les mêmes événements, c’est cette concordance des temps » (Préel, 2000). 7.3 Identification des changements – lissage par cohorte En utilisant la cohorte33 comme un moyen de lecture et « en quelque sorte, un vecteur du changement social », L. Chauvel (Chauvel, 2002) analyse d’abord la structure sociale et ses mutations en France depuis la Seconde Guerre jusqu’à nos jours, et ensuite, il donne des explications possibles du destin de générations récentes. Donc, la cohorte est considérée comme une clef de lecture de nombreux changements sociaux, mais aussi comme un outil de voir la société dans son avenir. La première question que se pose l’auteur concerne la pertinence d’une telle étude, notamment « la cohorte n’est-elle qu’un groupe très arbitraire, qui peut ou peut ne pas, rencontrer un destin commun, trouver une organisation autonome et spécifique, connaître des enjeux de lutte vis-à-vis des autres cohortes ? ». Il répond que : « certains facteurs de rupture comme la guerre, les crises sociales, le ralentissement économique, la modification des règles

33 Il s’agit de « cohorte de naissance ».

103

de gestion des emplois, ou des modes de vie, ont tendance à s’inscrire durablement, un peu comme les hivers chauds ou rigoureux laissant leur marque sur la souche des arbres ». Ainsi la cohorte n’est pas comprise comme un groupe social organisé, mais comme un temps social concret qui offre la possibilité d’une mesure objective des mutations de la structure sociale. Les réflexions, issues d’études de la position de différentes cohortes dans les groupes sociaux, sont fondées à travers l’affichage graphique des résultats d’analyses par « le diagramme cohortal ». Le diagramme cohortal contient les années de naissance de cohortes en abscisse, ainsi que les valeurs d’un indicateur quelconque en ordonnée à différents âges de la vie. Cette façon de présentation permet de suivre le destin des différentes générations aux mêmes âges. Le premier type de diagramme cohortal (Figure 12) représente une société hypothétique totalement fixe où les cohortes qui se succèdent rencontrent au même âge le même destin.

%

0%

5%

10%

15%

20%

25%

30%

1910

1920

1930

1940

1950

1960

1970

Cohorte

30 ans 35 ans 40 ans 45 ans 50 ans

Figure 12 Diagramme cohortal - type 1 (Source : L. Chauvel, 2002, p. 57, exemple 1)

Par exemple, la part de cadres de la population âgée de 30 ans est de 15% pour la cohorte née en 1935 comme celle née en 1965. Pourtant, ce diagramme montre qu’il existe un accroissement de la part de cadres dans le cycle de vie qui passe de 15% à 30 ans à 25% à 50 ans. Cette progression est imputable uniquement à un effet de l’âge, ou autrement dit, quelle que soit l’année de naissance, la part de cadres dans une tranche d’âge est identique. Le deuxième cas théorique de progrès social (Figure 13) montre une progression régulière partagée par toutes les cohortes. Par exemple, la cohorte née en 1935 contient 15% de cadres à 30 ans et celle née en 1965 possède 21% de cadres au même âge. La part de cadres croît avec l’âge pour toutes cohortes, mais les nouvelles cohortes auront un destin meilleur que les cohortes précédentes comparées à la même échelle du cycle de vie. Cette présentation indique implicitement la réflexion sur la « loi du progrès de long terme » dont la spécificité se traduit par le destin plus prometteur des cadets de celui des aînés.

104

%

0%

5%

10%

15%

20%

25%

30%

35%

1910

1920

1930

1940

1950

1960

1970

Cohorte


Figure 13 Diagramme cohortal - type 2 (Source : L. Chauvel, 2002, p. 57, exemple 2)

Les deux diagrammes précédents montrent des situations de progrès social à partir d’un point de vue parfaitement théorique. Il existe des nombreuses combinaisons possibles entre ces deux cas de diagramme cohortal comme le graphique suivant (Figure 14) qui correspond à une évolution typique d’un progrès entièrement concentré sur une cohorte, celle de 1940. Les cohortes nées en 1935 (et avant) comptent toutes 20% de cadres à 40 ans et celles de 1940 et ces cadettes en comptent 25% à ce même âge. Cette situation hypothétique signifie par exemple, que la cohorte 1955 bénéficie du progrès initié par celle de 1940. Néanmoins, le privilège de la cohorte de 1940 est de compter plus de cadres que ses prédécesseurs immédiats au même âge. En effet, à 40 ans (et après) son taux est supérieur à celui des 45 ans nés en 1935 qui sont, cependant, des contemporains immédiats. En revanche, ceux nés en 1955 rencontrent le même destin que leurs aînés immédiats. Évidemment, le raisonnement rationnel dit qu’il est préférable d’être né en 1940 et pendant les années suivantes ou encore, il est déplorable de naître en 1935. Pourtant, ceux nés en 1955 ne peuvent pas réellement ressentir le progrès de la même manière que les cohortes nées 15 ans plus tôt.

%

0%

5%

10%

15%

20%

25%

30%

35%

1910

1920

1930

1940

1950

1960

1970

Cohorte


Figure 14 Diagramme cohortal – combinaison entre les diagrammes de type 1 et 2 (Source : L. Chauvel, 2002, p. 58, exemple 3)

105

Les diagrammes précédents montrent la pertinence d’un suivi de cohortes successives pour mieux comprendre les changements sociaux. En réalité, il existe plusieurs types de trajectoires dont les courbes présentent les relations entre les différentes cohortes à un même âge. Ce type d’analyse, opposée à une analyse de données de l’ensemble de la population active qui ne montre pas les évolutions extraordinaires, permet de comprendre que le ralentissement économique a eu des conséquences importantes sur la structure sociale. 7.4 Changements des groupes sociaux suivant la cohorte Les variations de la part des groupes sociaux dans la structure sociale ne sont pas linéaires, mais nettement irrégulières. L’observation fine de la courbe d’évolution des cadres, montre un rythme flottant de croissance et de ralentissement. Le diagramme cohortal fait apparaître le caractère essentiellement générationnel de la progression de la part de cadres dans la société française contemporaine (Chauvel, 2002, p.59, graphique 8). Pour un âge donné, par exemple 30 ans, la proportion de cadres a connu une forte expansion entre la cohorte 1935 et celle de 1945, tandis qu’elle a d’abord diminué pour les cohortes 1950 et 1955 pour ne reprendre qu’ensuite. Les courbes des différents âges conduisent à conclure que pour une cohorte donnée la proportion de cadres à 30 ans conditionne nettement la proportion de cadres à tout âge de la vie. Donc, le sort d’une cohorte s’établit tôt, avant l’âge de 30 ans, ce qui explique l’importance extrême de la conjoncture des recrutements lorsqu’une cohorte débute dans la vie active. La cohorte née en 1945 a eu le destin le plus fabuleux à 30 ans par rapport à celui de ses prédécesseurs et de ses successeurs immédiats en conservant au long de sa vie de fortes proportions de cadres. Pour la cohorte 1945, les cadres âgés étaient rares et l’accès à l’emploi était facile, tandis que ceux nés en 1965 arrivent dans une société où les cadres plus anciens sont nombreux et resteront jusqu’en 2005, lorsque les cohortes des années quarante quitteront le monde du travail. L’étude de l’expansion des professions intermédiaires montre que les chances d’accès à 35 ans sont doublées entre la cohorte 1930 et celle de 1945 (Chauvel, 2002, p.65, graphique 11). Ensuite, la stagnation ou même le déclin marque les cohortes les plus récentes. Les cohortes nées avant 1930 ou après 1950 ne rencontrent pas d’évolution par rapport à leurs aînés immédiats. Cette catégorie des professions intermédiaires, construite autour des instituteurs, des travailleurs sociaux et de la santé et des techniciens, représente un passage entre les catégories d’employés et de cadres. Lorsque ce groupe affiche une stagnation, la mobilité sociale ascendante pourrait avoir peu de chances de se développer. Les analyses des groupes populaires, constitués d’employés et d’ouvriers, montrent une tendance de tertiarisation d’activité et un déclin de l’emploi (Chauvel, 2002, p.72, graphique 14). Le développement du secteur tertiaire croît et les employés représentaient 37% en 1964 et 50% en 1997. Ce changement est nettement remarquable par la succession des générations, mais aussi par la dynamique du cycle de vie. Les nouvelles cohortes populaires sont de plus en plus dans la catégorie des employés et la reprise d’activité des femmes après l’éducation des enfants fait augmenter la proportion des catégories employées avec l’âge d’une cohorte. Une autre évolution, particulièrement accentuée parmi ces groupes populaires, est l’explosion du chômage qui représente 16,6% des chômeurs dans la population active populaire en 1995, contre 2,4% en 1964 et 3,0% en 1970. De plus, la catégorie des chômeurs comporte 75% des personnes reliées aux catégories populaires par leur emploi précédent. La population au chômage apparaît ainsi comme essentiellement issue des catégories populaires. Pourtant, les cohortes des années quarante compte moins d’individus (de l’ordre de 5%) dans les catégories populaires au même âge que leurs prédécesseurs et successeurs.

106

La part des ouvriers en emploi dans la population populaire décline en moyenne au profit des employés (Chauvel, 2002, p.73, graphique 15). La baisse est considérable dans les générations entre 1930 et 1950 et ensuite le déclin est faible ou inexistant. En effet, pour les générations après 1950, les ouvriers chômeurs se dissimulent derrière les femmes au foyer, les retraits prématurés, des chômeurs adultes ou des jeunes qui n’ont jamais travaillé. L’analyse de la part de chômeurs par cohortes à un âge donné montre que la nature du chômage est un exemple incontestable d’un phénomène cohortal (Chauvel, 2002, p.75, graphique 16). Les cohortes puînées de la fin des Trente Glorieuses, et après, ont une proportion de chômeurs supérieure à celui de ses aînés au même âge. 7.5 Analyse cohortale de la position socioprofessionnelle des femmes Durant l’époque où l’agriculture était l’activité économique essentielle, le taux des femmes ayant un travail était remarquable, et en 1906 il était de l’ordre de 55,4%. L’industrialisation de la production pendant la première moitié du siècle précédent, fait reculer la présence des femmes dans le monde de l’emploi et en 1962 le taux d’activité des femmes était de 46,8%. La féminisation du monde de travail reprend avec la tertiarisation d’activité et en 1996 le taux des femmes de 15 à 64 ans ayant un emploi est de 60,2%. Ainsi, le taux des femmes au foyer âgées de 30 ans pour les cohortes nées pendant les années vingt, était de 45% pour diminuer à 20% à la fin du siècle dernier (pour les cohortes après 1970). Donc, la part des femmes actives augmente considérablement parmi les nouvelles cohortes et si la tendance se prolonge, il y aurait plus de femmes que d’hommes en emploi en l’an 2020, dans la population des 50 ans (la cohorte 1970) (Chauvel, 2002, p.82, graphique 19). Toutefois, il est difficile d’estimer avec une certitude l’avenir de cette tendance sur une période lointaine, d’autant plus que les femmes occupent plus des postes de travail à temps partiel et moins rémunérés que ceux des hommes. L’analyse de la part des femmes active au sein des groupes sociaux montre que la catégorie des cadres se féminise lentement mais régulièrement (Chauvel, 2002, p.83, graphique 20). Par exemple, la cohorte 1930 avait un taux de 15% de femmes parmi la catégorie de cadre à l’âge de 30 ans, mais la cohorte 1965 parvient à 40%. En revanche, la féminisation des professions intermédiaires semble entièrement terminée parce qu’elle compte à peu près autant d’hommes que de femmes (Chauvel, 2002, p.85, graphique 21). L’expansion intense des professions intermédiaires dans la population globale est identique pour les deux sexes en affichant les mêmes évolutions sociales. L’écart entre les cohortes de femmes et celles d’hommes n’existe pas pour ce groupe social. Toutefois, les femmes appartenant aux catégories populaires sont plus souvent parmi la catégorie d’employées que les hommes et le nombre d’hommes est plus élevé chez les ouvriers. La féminisation de groupes populaires se poursuit de manière très linéaire avec un taux de 25% pour la cohorte 1925 à 40 ans et de 48% pour la cohorte 1955. Les tendances révélées par ces analyses montrent que les catégories populaires et celle des cadres (dont la présence des femmes, il y a trente ans, est très modeste) sont marquées par une forte féminisation et si les tendances se prolongeaient encore quelques décennies, elles pourraient mener à la parité. La situation est différente pour les professions intermédiaires où les évolutions de longue date sont moins importantes. Pourtant, une analyse fine de changements de la structure sociale pour les nouvelles cohortes montre qu’ils sont de même nature pour les femmes et pour les hommes et qu’ils sont déterminés par « une annulation de progrès après la cohorte 1950 » (Chauvel, 2002, p.87,

107

graphique 22). Cette particularité d’évolution de la structure socioprofessionnelle des nouvelles cohortes donne une vision spéciale de la structure sociale contemporaine et à venir. Notamment, les évolutions féminines sont moins pessimistes pour l’accès à la catégorie des cadres que celle qui concernent les hommes. En outre, la description de la structure et de la position sociale des ménages à l’avenir devrait être par une approche plus complexe basée sur la position sociale des deux conjoints. 7.6 Inégalité de chance de différentes cohortes Les études précédentes montrent que la liaison entre l’évolution moyenne de la structure sociale pour l’ensemble d’une population et le destin particulier de chaque cohorte de cette population n’est pas automatique ; dans les cas extrêmes, elle peut être même inexistante. Ainsi, les cohortes nées dans les années 50 connaissent la coupure de la tendance ou le retour en arrière. La progression remarquée dans la population globale est essentiellement due au remplacement de générations nées pendant les années 40. Depuis la cohorte 1950 il n’existe plus de progrès et les générations cadettes rencontrent une situation sociale, probablement plus favorable que celle de la société du milieu du XXe siècle, mais elles n’ont pas certainement la dynamique fabuleuse des Trente Glorieuses. Il semble bien qu’il y ait un partage inégal du poids du ralentissement qui est relativement moins connu par les générations plus anciennes, et plus fortement ressenti par les générations nouvelles, tout particulièrement au sein des catégories populaires. Notamment, l’incapacité de la société d’arbitrer entre les besoins d’emplois à court et long terme implique que les recrutements de travailleurs s’adaptent sur les évolutions globales et instantanées. Une fois les postes occupés, les recrutements se terminent aussi longtemps que la profession est en situation d’effectifs « suffisants » et jusqu’à l’apparition d’un nouveau manque. Donc, la conjoncture de recrutement pendant l’arrivé d’un individu sur le marché de l’emploi, marque l’ensemble de sa vie professionnelle. Les analyses des niveaux de vie et le partage de revenus dans la population indiquent des inégalités qui existent entre les plus anciennes et les nouvelles cohortes. La stagnation des chances d’accès aux catégories salariées moyennes et supérieures des cohortes nées après 1950 s’accompagne, en outre, d’une moindre valorisation économique du travail à tout niveau socioprofessionnel. Les revenus des jeunes stagnent ou régressent par rapport à leurs aînés immédiats au même âge, comme les taux de départ en vacances, les dimensions du logement, l’équipement du ménage, et la propriété d’une automobile, alors que pour les générations précédentes, il ne cesse de croître. En outre, ces nouvelles cohortes sont marquées par des suicides plus fréquents au même âge, et connaissent une mortalité supérieure à celles qui les ont précédées. La situation est totalement contrastée pour les cohortes nées dans les années 40 dont les conditions bénéfiques l’accompagnent encore aujourd’hui, quarante ans après sont entrée dans le monde du travail ou « c’est un peu comme si les Trente Glorieuses se prolongeaient pour les plus anciens, alors que les plus jeunes connaissaient une pause, voire un déclin ». La majorité des individus appartenant à ces cohortes nées pendant les années 40, arrive progressivement à l’âge de la retraite, en laissant dans la population active d’autres générations sociales, avec une autre structure et d’autres problèmes. D’après ce raisonnement, le ralentissement ou la crise économique pourrait être interprété comme une moyenne entre les cohortes qui ont continué à bénéficier du progrès économique des Trente Glorieuses et les cohortes nouvelles qui connaissent bien une stagnation. Le résultat d’une telle évolution s’affiche par une mutation lente de la société entière, par une

108

inertie du changement collectif. Les transformations de la société dépendent du remplacement des générations successives, un processus dont l’effet devient visible après plusieurs décennies. Si le développement des inégalités entre les cohortes continue, les déséquilibres de long terme peuvent s’accumuler à tel point que la solidarité entre générations pourrait être mise en question comme le constate L. Chauvel (Chauvel, 2002) « alors que, jusqu’à présent, on a pensé, implicitement ou explicitement, que la structure sociale change avec le temps qui passe, il semblerait plutôt qu’elle se transforme avec la succession des générations qui forment comme des couches successives, spécifiques, portant chacune une structure sociale particulière et des destins collectifs originaux ». D’après ses analyses, il définit sept fractures générationnelles qui permettent de faire une synthèse portant sur les inégalités entre les anciennes et les nouvelles cohortes, notamment : La première fracture retient la répartition du pouvoir d’achat. En 1975 les salariés de 50 ans gagnaient en moyenne 15% de plus que ceux de 30 ans, mais en 2002 l’écart entre les individus du même âge est de 35% : les rares fruits de la croissance économique, depuis 1975, ont été réservés aux plus de 45 ans. La constatation tirée, suivant la lecture de cohortes, est que « les jeunes valorisés d’hier sont devenus les seniors favorisés d’aujourd’hui, par l’ancienneté ». La deuxième renvoie au progrès de la structure socioprofessionnelle. Si on analyse le nombre moyen de cadres et de salariés ayant une responsabilité, on constate qu’il continue de croître aussi dans la période de la « crise ». Pourtant, les salariés de 30 ans ont approximativement la même proportion d’emplois qualifiés depuis 1980. En général, l’expansion des cadres est liée à la dynamique de croissance parmi les personnes âgées de cinquante ans et plus ou en terme de cohorte, les générations nées entre 1945 et 1950. Les individus appartenant à ces générations ont bénéficié de la forte progression scolaire du début des années 1960 et profitent ensuite de la situation extraordinairement favorable à l’emploi des jeunes dans la période de 1965 à 1975. La troisième fracture concerne l’effet de retard lié à l’âge de la première insertion dans le monde de travail. Pour une cohorte donnée, la situation à 30 ans conditionne les perspectives à tout âge ultérieur. Pour ceux qui n’ont pas fait leur place à 30 ans, il est trop tard et les conditions sociales s’immobilisent. La quatrième fracture réside dans le constat que pour la première fois en période de paix, la situation des générations récentes est plus difficile que celle de ses parents. Malgré une amélioration économique à la fin des années 90, le taux de chômage dans les deux ans qui suivent la sortie des études est de 20%, soit quatre ou cinq fois plus grand que celui de leurs parents au même âge. Le cinquième enseignement se rapporte au risque inédit de désocialisation pour les nouvelles générations. L’incohérence, entre d’une part l’image reçue de la société lors de la période de formation et d’apprentissage d’un jeune individu, et d’autre part, celui de la société véritable avec ces problèmes réels, augmente les risques de déclassement social. Cette inadéquation entre valeurs et réalité résulte des oscillations de l’histoire sociale : « la non-linéarité du changement social implique que les situations vécues par les générations peuvent ne pas correspondre à ce à quoi leur société les avait préparées ». Le sixième enseignement est celui de la transmission d’un modèle social aux générations futures comme la retraite, la protection sociale, l'allocation chômage etc., qui est en effet,

109

développé par les générations anciennes et il est plus apte de tenir en compte les besoins spécifiques des cohortes arrivant à la retraite. Mais, dans l’avenir, les individus dont une grande partie de la vie active est marquée par le chômage et de ce fait n’ont pas cotisé suffisamment d’années dans les caisses de retraite, risquent de perdre la possibilité d’avoir une pension (ou de n’avoir qu’une pension très réduite) à l’âge de la retraite ; un avantage bien connu de ses aînés. Le septième segment est le problème de transmission ou de « l’insertion politique ». En 1982, l’âge moyen du titulaire d’un mandat syndical ou politique était de 45 ans, et il est de 59 ans en 2000 (absence presque parfaite de renouvellement). Il faut s’interroger sur l’héritage et la transmission politique parce que « les décisions de long terme sont prises plus souvent par ceux dont l’horizon temporel est le plus réduit, alors que les plus jeunes, les plus intéressés, matériellement, à l’avenir de long terme, en sont exclus, en tous cas totalement absents, tenus dans l’inconscience de ce qui les attend, dans l’impuissance face à l’élaboration de leur destin ».

8. AGRÉGATION DES GÉNÉRATIONS EN GRANDS GROUPES Le regroupement des personnes dans des groupes constitués de plusieurs générations est un examen complexe qui dépend de l’objectif de l’étude, mais également de la possibilité de différencier et de clarifier les particularités de chaque génération. Les démographes utilisent fréquemment la distinction entre les générations nées pendant la période du « baby-boom » de 1946 à 1974, lorsque la croissance démographique de la France était extraordinaire, et les générations arrivées après 1974 dont les effectifs sont moins importants. Dans l’économie le découpage de grandes tendances économiques est suivant les périodes de trente ans, notamment les périodes « positives » (1885-1914, 1945-1975) et « négatives » (1914-1945, 1975-2000), chaque période englobant trois générations décennales (Préel, 2000). Plusieurs critères peuvent s’ajouter pour effectuer un nouveau regroupement, comme des critères de grandes découvertes technologiques (fin du XIXe siècle, fin du XXe siècle), politico-militaires (deux grandes guerres, effondrement de l’Union Soviétique), culturelles (révolte de la jeunesse, libération sexuelle). Du point de vue de la sociologie, le découpage générationnel doit être un outil efficace pour offrir une vision synthétique des évolutions sociales et mettre en évidence les similitudes, ainsi que les différences entre les générations. L. Chauvel (Chauvel, 2002) distingue trois grandes générations sociales contemporaines. D’abord, celles nées de 1920 à 1935 qui connaissent les vingt premières années de la reprise de l’après-guerre et le progrès industriel bénéfique du plein emploi. Ensuite, celles nées de 1936 à 1950 qui ont vécu dans leur jeunesse les changements apportés par les Trente Glorieuses comme la première expansion scolaire, l’expansion tertiaire, l’extension de l’emploi… Enfin, celles de 1950 à 1965 marquées par la stagnation. Cette succession de cohortes implique des divergences dans les perspectives de vie de nouvelles générations. Les effets de la récession sont ressentis plus douloureusement par les générations les plus récentes.

110

J.-L. Excousseau (Excousseau, 2000) analyse l’image générationnelle d’un autre aspect, celui de la sensibilité des grands groupes de générations pour la consommation des biens et des services. Il propose quatre grandes dénominations de générations : • la génération Héritage rassemble les individus nés avant 1941 dont l’âge actuel dépasse

soixante ans et elle entre dans une phase de la vie inactive ou de retraite. Elle représente 24% de la population française et 28% des ménages en 2000.

• la génération Naturel est composée par les individus nées entre 1942 et 1967 qui sont autour de 36% de la population et de 43% des ménages en 2000;

• la génération Réseaux regroupe les individus nés entre 1968 et 1976 ou les personnes entrant dans la troisième et la quatrième décennie de la vie. Les effectifs de cette génération représentent 13% de la population française et 22% des ménages en 2000 ;

• la génération Mosaïque est celle des individus nés après 1977 ; il s’agit d’enfants de la génération Naturel dont la part dans la population totale est de 27% et de 7% des ménages en 2000.

B. Préel (Préel, 2000) propose une première distinction entre « des générations ayant connu la violence de l’histoire et celles qui y auront échappé ». Ensuite, il donne des explications sur les particularités du cycle de vie, en proposant comme des repères les tranches d’âge correspondant à la jeunesse (15 ans), nidification (30 ans), maturité (45 ans), retraite (65 ans) et vieillesse (75 ans). Enfin, il utilise un regroupement « pragmatique » de générations par un découpage décennal, en retenant les générations nées depuis le début de XXe siècle, ou plus précisément depuis 1916, jusqu’à la génération de 1984 ; au total il analyse sept générations décennales. La première génération regroupe les individus nés entre 1916 et 1925 dont l’âge actuel dépasse 80 ans et qui sont entrés dans la vieillesse. Ces générations sont composées par des personnes inactives (99%) vivant dans des ménages minoritairement en couple (46%). La plus grande partie de trois millions d’effectifs en 2000 appartient aux femmes (58%), dont l’espérance de vie est sensiblement plus longue que celle des hommes. La particularité de cette génération réside dans le contraste fort entre les débuts difficiles dans la vie et les succès inattendus remportés tout au long de sa vie adulte. Dans sa jeunesse, elle connaît la crise économique qui commence en 1929 avec cinq cent mille chômeurs « sans droit » (pas de chômage ou de RMI), la baisse de salaires, les grèves générales. Le début de sa vie d’adulte commence encore plus mal avec la Seconde Guerre Mondiale, mais le miracle arrive après la guerre avec la croissance économique inédite. À la fin de l’époque de « Trente Glorieuses », une grande partie de cette génération, et particulièrement les hommes, partent en retraite. Concernant la richesse matérielle, elle n’a pas bénéficié autant que les générations successeurs ; leur taux d’équipement en automobile reste faible et la propriété de logement ne prend pas une grande ampleur. Pour les personnes de cette génération, la famille reste la valeur de référence et les traditions héritées ont une grande importance. Les femmes de cette époque gardent le record de fécondité de 2,6 enfants par femme. La deuxième génération décennale englobe les individus nés entre les deux guerres de 1925 et 1935, nommée encore « la génération Libération », qui sont aujourd’hui en « longue retraite active », encore largement en couple (59%) et plutôt en bonne santé. En 2000, elle compte plus de 5,2 millions de personnes, mais en 2020 elle serait d’environ 2 millions. Cette génération bénéficie d’un niveau de vie très élevé et elle dispose, en général, de ressource lui offrant un grand confort dans les dépenses pour l’équipement en logement et en automobile ; les deux biens dans lesquels elle a principalement investi. Donc, elle a déjà réalisé ses grands investissements pendant le cycle de vie active et maintenant, elle s’offre l’opportunité de bien

111

préparer ses sorties, ses voyages, se préoccuper de sa santé, d’aider ses enfants, mais encore de continuer à épargner. Le destin favorable de cette génération fait qu’elle évitera de participer à la Seconde Guerre Mondiale (trop jeune) et à la guerre d’Algérie (trop vieille), ensuite, qu’elle entrera sur le marché du travail avec le début des « Trente Glorieuses » et enfin, de sortir de la vie active juste avant la crise et de bénéficier d’un système de retraite et des protections sociales très généreuses. Malgré un faible niveau de formation, elle profite de la situation économique favorable au plein emploi et à 20 ans, 80% d’entre eux sont au travail. Cependant, l’activité des femmes reste médiocre jusqu’au milieu du cycle de vie (40 – 50 ans), et en général, elles commencent à travailler après l’éducation des enfants. Le chômage permettra à cette génération d’entrer dans une retraite anticipée et en même temps d’être payée; « c’est probablement la première génération masculine à être majoritairement inactive à 60 ans et peut-être l’une des dernières à pouvoir se permettre de partir à la retraite si tôt parce qu’elle a commencé à travailler aux alentours de 17-18 ans » (Préel, 2000). Le troisième groupe de générations décennales rassemble les personnes nées entre 1935 et 1944 dont les effectifs sont d’environ 5,5 millions en 2000, ils diminueraient à 4 millions en 2020 et en 2030, lorsqu’elles auraient entre 85 et 94 ans, cette génération devrait compter environ 2 millions d’individus. C’est la première génération bien formée, et en outre elle arrive sur le marché du travail à une époque très favorable au moment où se développe la société de consommation ; donc elle a pu profiter de sa position favorable pour négocier salaires et conditions de travail. Pendant sa jeunesse, le niveau d’équipement en automobile (de télévision, téléphone, etc.) est à peine 20%, mais lors de sa maturité (autour de 45 ans) ce taux passe de 70% et même 90% pour certains biens, ce qui montre qu’elle est une génération de transition vers la société de consommation, mais aussi vers la société européenne. L’ouverture sur le monde contribue à développer une culture « sans frontière », comme le rock, le cinéma d’Hollywood, le blue-jean… ; tout ce qui est innovateur par rapport à la société conservatrice de l’époque. La quatrième génération décennale est celle de 1945 à 1954, qui englobe les premières générations de « baby-boom », marquées par ses effectifs très élevés dont le nombre en 2000 est d’environ 8,2 millions de personnes. Actuellement, elle a une position dominante dans le monde des affaires et elle accède, au fur et à mesure, aux plus hauts postes politiques. Les ménages sont quasiment constitués de couples bi-actifs et elle a du mal à « faire face aux besoins de ses parents et de ses enfants qui tous jouent les prolongations, alors qu’elle a toujours privilégié son autonomie ». Elle garde le record du mariage précoce (22,4 ans pour les femmes) ce qui affiche une amélioration du niveau de vie et un désir de constituer sa vie en quittant le foyer parental jeune. D’ailleurs, elle a un niveau de dépense par ménage le plus élevé en 1995, dû à la taille du ménage, mais aussi à la bi-activité. Pendant la jeunesse de cette génération, l’accès au marché du travail ne pose pas de problème, puisque le rythme de croissance économique annuelle est supérieur à 5%. Les femmes de cette génération ont une baisse de la fécondité par rapport aux générations précédentes et elles se lancent sur le marché du travail. Pourtant, tout ne va pas bien pour cette génération. Elle occupe la première place de divorces : trente mille divorces par an durant les années 50, et plus de cent mille au milieu des années 80. Elle évite à peine la période de la crise avec son arrivée sur le marché de l’emploi juste avant la récession. De plus, elle craint pour sa sortie d’activité professionnelle où des nouvelles technologies « compliquent » leur capital professionnel et la concurrence avec les jeunes se durcit. La cinquième génération décennale regroupe les individus nés entre 1955 et 1964, une génération appelée encore « la Génération Crise ». Elle est encore dans l’âge de la

112

nidification, d’autant plus qu’elle s’est installée tard dans la vie adulte en raison de plusieurs facteurs comme l’allongement des études, entrée difficile dans le monde du travail, le chômage, la révolution féminine. En outre, les années 70 sont la période où on a vécu beaucoup de périls liés à l’apparition des terroristes et des chocs pétroliers. Les effectifs de 8,6 millions de personnes en font la génération la plus nombreuse ; d’ailleurs c’est la deuxième vague du « baby-boom ». En 1995, elle se distingue des autres générations par la plus faible dépense par personne, en retardant la propriété du logement par rapport à la génération précédente, et pour la première fois le taux d’équipement automobile recule de 4 points à 25-34 ans. En outre, c’est la première génération véritablement inquiète pour sa retraite manifestant « toutes les caractéristiques d’une génération victime ». Néanmoins, tout commence bien pour cette génération avec une enfance dorée et une formation plus élevée que celle de ses prédécesseurs. Mais la concurrence est rude, d’autant plus que les bonnes places sont occupées déjà par la génération précédente et le taux d’activité féminine arrive à 80% (il est de 64% pour la génération 1945-1954 et de 54% pour celle de 1935-1944). Les contrats de travail sont instables, le chômage devient une situation « chronique » et c’est la première génération à pratiquer de plus en plus la cohabitation prolongée chez les parents. « Si cette époque mérite bien le nom Crise, ce n’est pas tant parce que la machine à créer de la richesse s’est enrayée, mais bien parce que l’économie a cessé de créer de l’emploi et commencé à créer de l’exclusion. Il est frappant, à cet égard, de noter en parallèle la poursuite des performances de productivité horaire et la quasi-incapacité à donner plus d’emplois. On ne sait plus partager les fruits de la croissance ou, plutôt, on a appris à les distribuer autrement : davantage au profit des détenteurs de capitaux et, sur le marché du travail, davantage au bénéfice des plus qualifiés et de ceux qui se situent dans le sanctuaire de l’âge mûr » (Préel, p. 102, 2000). Pour que l’image de destin de cette génération soit plus sombre, il faut mentionner encore la réduction du nombre de mariage et la baisse de la fécondité chez les femmes. La sixième génération décennale est composée de personnes nées entre 1965 et 1974 dont le nombre est similaire à la génération précédente de 8,6 millions et en 2030 (lorsqu’elle aura entre 55 et 64 ans) elle devrait compter encore plus de 8 millions de personnes. Elle a grandi dans une atmosphère de responsabilisation précoce (où les deux parents travaillent), et elle est un témoin de la précarité familiale et de la ruine de la vie en couple qui se termine par des divorces. Les membres de cette génération arrivent à l’âge de la première embauche dans une période marquée par le chômage, la concurrence et l’égoïsme, lui offrant peu de chance. Aujourd’hui, à l’âge adulte, elle connaît un difficile parcours auquel elle était préparée ; elle agit avec une flexibilité étonnante dans le travail (des petits boulots, des contrats de CDD), dans le semi-départ du domicile parental (un cinquième des « grands enfants » de 25 à 28 ans continuent de vivre chez ses parents), dans la mise en couple (la peur d’échec résultant de « déjà vu » chez ses parents). Leur niveau de vie est inférieur à celui des générations précédentes au même âge, mais elle attend et espère trouver sa place à travers la révolution numérique, « si celle-ci ne saute pas une génération ». Elle évite de se mettre en ménage et elle est partisane de la « non-demande en mariage » en créant et coupant ses unions avec un rythme accéléré. « Pas pressés de se faire mettre la bague au doigt, indécis dans l’attente du Grand Amour plutôt que du Grand Soir, ils vivent toute cette période initiatique comme un roman d’apprentissage, comme un temps d’épreuves. De fait, au milieu de leurs pairs, dans leur bande de potes, ils jouissent de la chaleur « cool » de la tribu et du bonheur propre à cette phase d’entre-deux qui permet de rêver à des jours meilleurs sans assumer de véritables responsabilités… ; on cherche à s’en sortir par la débrouille, pas par la coalition » (Préel, p. 113, 2000). L’aide de ses parents amortit un peu le mauvais sort de cette génération, pour laquelle la qualification est parfois comme « la génération X », impénétrable, inconnue.

113

La septième génération décennale est celle d’individus nés entre 1975 et 1984 ou appelée encore la « Génération Internet », comptant en 2000 environ 7,7 millions individus. Leurs effectifs sont largement au-dessous de ses prédécesseurs, ce qui lui facilitera la situation au moment de l’entrée dans la vie active. Cette génération est bien consciente de l’importance de l’éducation pour son avenir, et « elle n’entend parler que de société de l’information et des nouvelles technologies de communications ». Cela n’est pas surprenant puisqu’elle est équipée d’ordinateurs, des magnétoscopes, des consoles de jeux vidéo dès le plus jeune âge. Elle aime surfer dans l’univers virtuel d’Internet pour obtenir des informations dans les champs de ses intérêts, mais aussi pour faire de bonnes affaires. L’esprit que le progrès est de retour s’installe. « Elle baigne dans une atmosphère rassérénée comme si elle avait la certitude que la Crise appartenait au passé, en tout cas qu’elle était réservée aux « autres »(Préel, p. 120, 2000). Les nouveaux produits de haute technologie comme les ordinateurs, les téléviseurs et les téléphones portables lui donnent la possibilité d’indépendance, de s’évader de la « cellule » familiale, de s’écarter et en même temps d'être réellement dans le foyer familial. La déclaration d’indépendance s’annonce parfois par l’envie de mettre sa vie en jeu, en négligeant son état de santé futur : par exemple une grande partie des individus appartenant à cette génération (28% de filles et 24% de garçons) commencent à fumer dès l’âge de 15 ans ; ils déclarent boire régulièrement (environ 80% significativement plus que leurs aînés) ; les accidents de la route parmi les 15-24 ans progressent constamment (25% des tués en 1998 ou 2190 personnes). D’une manière symbolique, « elle se détourne du blue-jean en pratiquant des vêtements urbains, trop grands, trop larges, trop longs, confortables pour se déplacer en roller et dans lesquels on peut porter un portable, un baladeur… Tout cela converge pour affirmer qu’une rupture se dessine ». 8.1 Génération - un facteur de changement Tous ces grands groupes de génération cohabitent aujourd’hui dans la société française en conservant ses propres particularités générationnelles. Pourtant, la société est susceptible de changer constamment en négligeant la « volonté » de chaque génération à préserver ses propres valeurs. Parfois les jeunes cassent les liens avec les aînés pour rester fidèle à leur propre innovation qui les accompagnera toute leur vie. Les expériences accumulées lors de la jeunesse marquent chaque génération parce que « s’écarter de ses valeurs, de sa culture de base, et plus encore si elle est partagée par toute sa génération, c’est plonger dans l’anxiété et l’inquiétude » (Préel, 2000). Dans une telle hypothèse, l’âge ne jouerait pratiquement aucun rôle dans les évolutions de la société ou alors il faudrait lui imputer la formidable inertie qui incite à persister à tous les changements. D’ailleurs, le lien aux traditions croît avec l’âge, et le mûrissement de la population s’oppose souvent aux changements annoncés par la jeunesse. « Les valeurs se déplacent de génération en génération ; le traditionalisme des vieux d’aujourd’hui correspond à des valeurs adoptées pour l’essentiel à l’époque de leur jeunesse, moment où elles apparaissaient terriblement modernes » (Préel, 2000). Le progrès résulte donc du renouvellement des générations et de la manière dont chaque nouvelle génération dépasse ses prédécesseurs. Ainsi, d’une génération à l’autre on observe la propagation d’une vague libérale qui se caractérise par le désire à l’autonomie, de la tolérance et du rejet de l’autorité.

114

L’explication de ce changement culturel peut être attribuée au niveau d’études qui n’a cessé de monter au cours du dernier siècle. Mais, le grand changement culturel parvient après 1965 avec l’arrivé à l’âge adulte des femmes nées entre 1945 et 1954. Le contraste entre le rôle classique de femmes et la modernité apportée par cette génération est d’une telle ampleur qu’il représente une vraie rupture avec les traditions héritées. Jusqu’aux années soixante, le travail professionnel était une affaire privilégiée de l’homme, qui avait la responsabilité de « nourrir le ménage », et les femmes s’occupaient du fonctionnement du ménage. Mais, l'apparition de cette génération de femmes nées après la Seconde Guerre Mondiale change complètement leur image dans la société. L’accès aux recrutements professionnels est ouvert largement, d’autant plus que la période de leur arrivée à l’âge adulte est située dans l’époque dorée des Trente Glorieuses. Le nombre de couples bi-actifs est le plus élevé pour cette génération, mais le taux de fécondité décline sensiblement par rapport aux générations précédentes. Les femmes de cette génération vont au-delà de sa « révolution silencieuse » ; elles transmettent le désir d’émancipation et d’égalité entre les sexes à leurs filles pour qu’elles réalisent le rêve d’une égalité dans tous les domaines d’activité professionnelle et sur le partage de la responsabilité au sein de la famille. 8.2 Rupture entre générations – un scénario de progrès social B. Préel (Préel, 2000) défini un scénario de rupture entre les générations pouvant arriver dans la décennie suivante en postulant sur les caractéristiques de générations décrites précédemment. Il donne également, une vision du progrès envisageable pour les plus jeunes générations. Le premier regard est orienté vers une crise de la solidarité intergénérationnelle. La liaison entre les générations devrait progresser avec le vieillissement de la population en incitant les individus à se recentrer sur la famille. Pourtant, le choc des générations s’annonce inévitable. Cette réflexion se base sur la montée des tensions liées à la situation des jeunes. Toutes les analyses sur le destin des nouvelles générations annoncent un avenir plus sombre que celui de leurs parents ; donc, les jeunes apparaissent comme des victimes ou autrement dit, plus une génération est ancienne, plus elle mérite d’être qualifiée de « privilégiée ». En effet, dans l’hypothèse où les problèmes de la société française persisteraient, un conflit de générations apparaît très probable. Plusieurs enquêtes révèlent que les jeunes générations déclarent souvent que les vieux n’ont pas la capacité pour comprendre l’ampleur des changements dans la société. Les intérêts matériels peuvent compliquer les relations, mais d’autres facteurs culturels participent aussi au desserrement des liens générationnels et à leur transformation. Actuellement la culture dominante valorise l’autonomie et l’affectivité, mais elle n’apprécie que peu le langage des obligations et des devoirs. Les jeunes seniors d’aujourd’hui ont été habitués dans leur jeunesse à voir leurs parents aider les enfants. Donc, inverser les rôles, c’est-à-dire être à la charge de ses enfants, revient à regarder « le monde à l’envers ». Les liens entre générations sont de plus en plus distendus. La deuxième hypothèse d’une rupture générationnelle est fondée sur le caractère « égoïste » de la génération 1945-1954. « Il est en effet fascinant de voir que, durant la période 1975-1995, le salaire réel maximum a glissé de trente-cinq ans à plus de cinquante ans ; autant dire que cette génération s’est débrouillée pour faire la course en tête à tous les âges de sa vie active, n’hésitant pas à se servir sans craindre de léser ses propres enfants ». Actuellement,

115

elle s’approche de la retraite qui n’est pas une « tragédie économique » puisque toutes les générations du XXe siècle n’ont pas diminué leur niveau de vie après la retraite. Les évolutions envisageables pour les nouvelles générations trouvent leurs racines dans le nouveau monde technologique, qui envahit de plus en plus la société. La capacité de jeunes générations, à s’habituer à la nouveauté et à accepter les produits de la haute technologie, devrait leur permettre de dépasser leurs parents. En effet on observe que la société moderne renverse la hiérarchie dans les relations familiales et elle accepte que les jeunes prennent l’avantage sur leurs parents. Le rapport d’autorité joue maintenant en faveur des jeunes générations. « Plus ou moins consciemment, ils avaient deviné que la familiarité serait une arme décisive pour s’emparer bientôt du pouvoir, renverser les rôles en se faisant les éducateurs de leurs vieux ou même les pousser vers la porte de sortie s’ils manifestaient un peu de résistance » (Préel, 2000). Les nouvelles générations peuvent ne pas accepter de payer la facture de tous les inactifs et, pour s’en sortir, elles vont réorganiser le temps au cours de la vie en augmentant sensiblement le pourcentage des actifs (prolonger l’âge de départ à la retraite), elles peuvent réduire le temps annuel moyen de travail par emploi, en développant une vraie politique de formation permanente « sans violer ni la liberté individuelle ni l’impératif de flexibilité des entreprises ». Elles vont essayer de réorganiser le temps tout au long de la vie sans détériorer les relations entre les sexes. En effet, elles sont déjà formées, depuis la crèche, à être presque toujours en présence mixte, elles ont vécu une longue jeunesse avec une faible différenciation des rôles et des statuts entre les deux sexes et en outre, elles sont habituées à voir les mères travailler à l'extérieur du domicile. Pour une grande majorité de ces générations, l’activité professionnelle est aussi indispensable à la femme qu’à l’homme et elles peuvent imaginer de partager des rôles, qui ne soient pas strictement égalitaires, sans faire « la révolution ». Les hommes de ces nouvelles générations mettraient en priorité la réussite de leur vie privée, bien avant la réussite professionnelle. La nouvelle répartition des rôles des deux sexes changerait les priorités en les poussant à gérer autrement leur temps tout au long de l’année, de la semaine et de la journée pour synchroniser les rythmes de vie des nouveaux parents et ceux de ses enfants. Les hommes pourraient moins cotiser pour leur retraite ou la prendre plus tôt puisque leur espérance de vie est inférieure d’environ 8 ans à celle des femmes. Néanmoins, la plus grande surprise dans les évolutions annoncées pourrait venir de la natalité avec un nouveau « baby-boom » à partir de 2006. Les hypothèses d’une telle progression résident dans le nouvel équilibre entre les sexes, l’évolution des villes et le progrès des nouvelles technologies qui vont faciliter l’organisation de la vie familiale. « Maintenant que les femmes avaient fait leurs preuves et pris confiance en elles, elles pouvaient prendre le temps de se consacrer à ce qui comptait le plus à leurs yeux. Elles n’interdiront plus à leurs filles de jouer à la poupée. Elles laisseront à leurs « mecs » le bonheur un peu triste de gagner plus d’argent qu’elles. Une nouvelle culture se reconstruirait » (Préel, 2000). Toutes ces analyses montrent que les nouvelles générations sont celles qui poussent la transformation de la société, en inventant de nouvelles conceptions et qui implantent de nouvelles valeurs. Pourtant, la société est composée d’un mélange de générations aux destins différents, influencés par le moment historique qui laisse ses traces sur chaque génération. L’intensité du changement dépendra de la capacité des générations à l’âge actif à gérer son propre bonheur, mais aussi le bonheur de ses enfants.

117

Chapitre 3

MODÈLE DÉMOGRAPHIQUE DE LA MOBILITÉ

119

1. DÉMOGRAPHIE ET MOBILITÉ Les changements démographiques et socio-économiques de la société contemporaine ont, et auront dans l’avenir, des conséquences importantes sur l’organisation de la société dans différents domaines comme les assurances sociales, la consommation des ménages, le marché du travail, les dépenses de santé, les normes sociales. Evidemment, toutes ces mutations contribueront aux transformations des motifs et des comportements individuels de la mobilité. La progression de la mobilité, observée lors de la dernière décennie, a touché toutes les catégories de la population. Toutefois, la croissance est différenciée suivant le sexe et l’âge ce qui signale que les effets de générations sont présents (Gallez, Orfeuil, 1997). Donc, les évolutions de la mobilité ne peuvent pas être attribuées aisément par un seul glissement démographique, de manière à ce que la proportion de la variation démographique s’applique simplement aux évolutions de la mobilité. Les changements dans les pratiques de la mobilité ont été révélés d’après les enquêtes réalisées aux différentes dates. Ils peuvent être exprimés à travers les décalages dans le comportement individuel au même âge mesurés en différentes périodes. Ces écarts contiennent l’ampleur de l’évolution arrivée au cours du temps. Une partie de ces décalages peut être attribuée aux habitudes générationnelles prises par les individus tout au long de la vie. L’exemple le plus remarquable est la différence dans le taux de possession du permis de conduire entre les individus de même âge, appartenant aux différentes générations. La propagation intensive de l’automobile dans la société date de quatre décennies et leur usage aujourd’hui est largement banalisé dans la vie quotidienne. Pourtant, différentes générations cohabitant dans la société, ont eu accès à l’automobile à différentes périodes du cycle de vie, et ont vécu diverses expériences par rapport à la pratique de l’automobile. Pour évaluer les effets d’âge, de génération et de la période sur la mobilité et afin d’effectuer des projections de la mobilité à long terme, il faut avoir recours à un modèle qui permet de « mettre de l’ordre » dans les effets des différents facteurs.

2. INTÉRÊT DES MODÈLES DÉMOGRAPHIQUES POUR LA PROJECTION DE LA MOBILITÉ URBAINE

La projection de la mobilité à long terme est un véritable défi pour tous les acteurs de la planification et de l’aménagement du territoire dans les grandes agglomérations urbaines. Les changements incessants de la structure sociale et démographique, ainsi que des progrès dans les domaines des nouvelles technologies et économies apportent beaucoup de mutations au sein de la société contemporaine. Les pays développés transitent d’une époque industrielle vers une période de services et d’activités tertiaires ce qui change pour une grande partie le comportement et les habitudes des citoyens. D’après une telle transformation accélérée de la société moderne, les critiques concernant les modèles classiques de projection de la mobilité à long terme prennent plus d’importance. Les contestations sont particulièrement fortes par rapport au caractère statique de modèles conventionnels dont la validité dépend beaucoup du moment de collecte des données. Considérer que les observations actuelles des variables explicatives de la mobilité (comme le revenu, la motorisation, la cohabitation familiale, le

120

niveau de vie, etc.) seront valables aussi à long terme (15 à 30 ans) est une hypothèse très fragile. Une réponse possible est l’emploi d’analyse longitudinale qui offre la possibilité d’entrer dans la dynamique de comportement des individus appartenant aux différentes générations. Une telle analyse permet d’identifier les déformations temporelles à long terme causées par l’influence du remplacement des générations successives (changement des préférences, des habitudes…) et des évolutions de facteurs économiques comme l’augmentation du niveau de vie ou de la modification d’offre de transport. Les constructions de modèles typiquement dynamiques ont pris naissance pendant les années 80, d’abord pour effectuer des projections de la motorisation des ménages à long terme (Madre, Gallez, 1992 ; Gallez, 1994), et ensuite, dans les l’années 90, pour réaliser des estimations de la mobilité à long terme (Madre, Armoogum, 1996). L’intérêt d’utiliser des analyses longitudinales repose sur les arguments théoriques liés aux limites des approches développées jusqu’à présent, notamment : • La plupart des approches traditionnelles s’appuient principalement sur des analyses

économiques dans un contexte d’équilibre dont les variables les plus explicatives sont les revenus des ménages et les prix des transports. Les projections se font d’une part sur l’extrapolation des mouvements observés, et d’autre part sur le calcul des impacts transversaux du revenu et des prix. Or, la projection de ces déterminants de la demande de transport à long terme est contestable. En plus, il y a une confusion dans une telle analyse entre des effets statiques et dynamiques sur la demande.

• La nécessité de cadrer les analyses dans un temps précis en expliquant l’histoire de la

diffusion de l’automobile et ses impacts sur la mobilité. D’après une coupe transversale, l’explication habituelle de la diminution de la motorisation à la fin du cycle de vie est par la décroissance des activités avec l’âge. Pourtant, lorsqu’on compare plusieurs générations à une même date, rien ne permet d’affirmer que le comportement des parents préfigure celui des enfants quelques décennies plus tard. D’autant plus que les projections de la population à l’horizon 2050 au niveau national (éditées par l’INSEE en mars 2001) prévoient « un vieillissement inéluctable », si les tendances du recensement de 1999 se maintiennent et une croissance considérable de l’espérance de vie. À partir de quel âge devient-on une vieille personne qui n’est pas capable de réaliser ses activités quotidiennes toute seule (Hu, Trumble, Lu, 1995)? Ainsi, il faut déterminer dans quelle mesure la mobilité s’explique par un effet propre au cycle de vie, et dans quelle mesure elle est imputable au comportement spécifique de la génération à laquelle ces individus appartiennent.

• Les décisions des ménages à très long terme, telles que la taille de ménage, le statut socio-

économique et professionnel, ainsi que les étapes dans le cycle de vie, dans la plupart des études ont été considérées comme des variables exogènes dans la modélisation. Toutefois, il est important de rappeler que les choix à plus long terme (par exemple le lieu d’habitat) conditionnent les décisions à court terme (par exemple les pratiques quotidiennes de déplacements de ménages). Donc, les choix de ménages à court et à long terme ont un effet synergique qui traduit le style de vie de ménages (Krizek, Waddell, 2001). La dynamique d’évolution et d’interaction comportementale peut être analysée et modélisée à partir des données de séries d’enquêtes déployées dans le temps, comme les analyses démographiques.

121

• Les dernières enquêtes suivant la méthodologie du CERTU (CERTU, 2002), menées

pendant les années 90 dans les grandes agglomérations françaises, désignent quelques ruptures dans les tendances antérieures de la mobilité. Une nouvelle méthode d’analyse devrait permettre d'expliquer ces évolutions et de donner une interprétation du changement dans les tendances lourdes liée à la succession de plusieurs générations.

• Les tendances lourdes dans le comportement de la mobilité à long terme peuvent être prolongées de façon à conserver la même intensité d’évolution déjà observée dans le passé (par facteur de croissance), mais on n’arrivera pas à donner une explication plausible d’estimations. L’usage du modèle démographique permet de donner des interprétations correctes de projections, en s’appuyant sur les effets de l’âge, de la génération et de la période. En outre, ce type de modèle incorpore dans les projections les facteurs purement démographiques, ce qui est convenable pour effectuer des estimations basées sur des différents scénarios démographiques, ainsi que de spécifier le modèle selon les caractéristiques socioprofessionnelles de la population. Toutefois, il faut être très prudent lors de l’interprétation des trois effets temporels qui sont interdépendants.

• La modélisation exploite les données déjà collectées d’enquêtes ponctuelles de la mobilité

ce qui baisse considérablement le coût de la modélisation.

3. PRÉSENTATION THÉORIQUE DES MODÈLES DÉMOGRAPHIQUES DE LA MOBILITÉ

Dans sa forme fondamentale, un modèle démographique décrit la modification de l’effectif global et de la structure d’une population humaine sur un territoire donné. Les évolutions démographiques se caractérisent par une grande inertie de changement et c’est la raison pour laquelle les projections s’appuient en général sur l’extrapolation des tendances passées. Pour appliquer le modèle dans les projections de la mobilité, il faut séparer les projections de la population d’une part, et les projections de la mobilité d’autre part. Ainsi, la structure générale d’un modèle démographique contient deux parties principales (Gallez, 1994) : • la première partie comprend les projections de la population basées sur des phénomènes

purement démographiques comme le taux de fécondité, le taux de mortalité et la migration de la population (des flux migratoires). Ainsi, on obtient des estimations contenant les effectifs d’individus (ou de ménages) suivant l’âge, le sexe et par zone de résidence;

• la seconde partie est au cœur de la modélisation de la mobilité et elle comporte les

estimations d’un profil standard au cours du cycle de vie. L’idée fondamentale est de tracer la courbe d’évolution de la variable endogène de la mobilité (par exemple, le nombre de déplacements, les distances parcourues…) suivant l’âge d’individus et de quantifier l’ampleur de déformation de ce profil-type causée par des effets de génération et de période. La modélisation s’opère à travers un modèle Âge-Période-Cohorte (APC) ou par un modèle Âge-Cohorte (AC).

122

La première partie de ce modèle est l’objet d’étude des démographes34 (le modèle OMPHALE de l’INSEE) et la deuxième phase est le sujet de nos préoccupations dont l’objectif est de réaliser les projections de la mobilité à long terme. 3.1 Création des données longitudinales et technique de spécification du modèle Les sources principales pour projeter la mobilité sont des enquêtes en coupe instantanée conçues pour identifier les déterminants de la mobilité et de la population à une date donnée. Ces enquêtes sont standardisées, mais elles contiennent des grandes hétérogénéités concernant l’âge des individus et les générations auxquelles ces individus sont associés. Néanmoins, les données transversales offrent la possibilité d’identifier des individus appartenant à la même cohorte ou la génération de naissance. Entre la période d’observation (p), l’âge d’individu (a) et la génération de naissance (la cohorte c) existe la relation suivante :

c = p – a En utilisant cette technique, on crée des données longitudinales de pseudo-panel, qui permettent de suivre des cohortes et d’entrer dans la dynamique de comportement étudié. Il faut souligner que lors des différentes périodes de recueil des données les changements économiques, sociaux et institutionnels ont été, certainement, d’une ampleur variable. Donc, la modélisation devrait prendre compte que toutes les générations peuvent être marquées par un même événement qui arrive à une date d’observation, mais à différents moments du cycle de vie des individus. Ainsi, la technique de spécification du modèle devrait être appropriée à isoler l’effet « pur » de l’âge et en particulier l’effet de l’âge valable quelle que soit la génération à laquelle appartiennent les individus. L’importance de l’âge de l’individu sur la mobilité s’affiche par une courbe appelée «profil-type au cours du cycle de vie», reconstituée pour une génération de référence qui correspond à un comportement stabilisé. Les effets de quelconques générations s’obtiennent par le décalage entre la trajectoire propre de chaque génération et la courbe du profil-type de la génération de référence. Lorsque les effets de période sont également incorporés dans la modélisation on parle d’un modèle Âge-Période-Cohorte, et quand on ne teint compte que des effets de l’âge et de la génération on obtient le modèle Âge-Cohorte. 3.2 Le modèle Âge-Période-Cohorte (APC) Dans ce modèle, les déformations du profil-type au cours de cycle de vie sont occasionnées par deux effets : les déformations permanentes sont dues aux effets de générations et les déformations ponctuelles sont imputables aux effets de périodes (Figure 15). Donc, la variable endogène s’explique par les trois facteurs explicatifs : effets temporels d’âge, de période et de génération. La spécification mathématique d’un tel modèle est la suivante:

34 Voir le premier chapitre de la deuxième partie de ce travail.

123

Soit T une matrice de dimension (na, np) constituée des données de phénomène étudié par âge na et par année d’observation d’individu np.

T = [tap] a = 1, ..., na p = 1, …, np

périodes 1 …. p …. np 1 . . T = âges a tap

. . na cohortes c (1…k…nk)

Les données correspondant aux générations figurent dans les intersections des classes d’âge et des périodes d’observation qui se trouvent sur la diagonale de cette matrice. Le modèle Âge-Période-Cohorte (APC) décompose le phénomène étudié Vapk en un effet d’âge, un effet de la période d’observation et un effet de la génération. La spécification de ce modèle correspond à une analyse de la variance à trois facteurs : âge, période et cohorte. L’expression mathématique du modèle aditif est la suivante :

Vapk = µµµµ + ααααa Aa+ ββββp Bp+ γγγγk Ck+ εεεεapk avec : a = 1, …..na p = 1, ….np k = 1, ….nk où:

- µ est la constante du modèle, - Aa, Bp et Ck sont les “dummy” variables (variables prenant la valeur 1 ou 0 selon que

la condition est respectée ou non) associées au aème âge, à la pème période et à la kème cohorte,

- αa paramètres estimés pour l’effet de l’âge a, - βp paramètres estimés pour l’effet de la période p, - γk paramètres estimés pour l’effet de la génération k, - εapk terme d’erreur du modèle.

Les difficultés d’estimation de ce modèle sont liées à la présence d’un terme constant (µ) et au problème de multicolinaréité entre les trois effets : âge, période et cohorte. La constante du modèle peut être interprétée comme l’effet général si les conditions suivantes sont imposées :

na np nk

∑αa=0, ∑βp=0, ∑γk=0 a=1 p=1 k=1

Lorsque la mesure de trois dimensions du modèle (l’âge, la cohorte et la période) est dans la même unité temporelle (par exemple en année quinquennale) il existe entre les trois grandeurs une relation exacte qui décrit l’âge comme la différence entre l’année courante et l’année de naissance. En raison de cette relation exacte on ne peut pas identifier les trois effets avec les

124

seuls choix habituels de situations de référence. Donc, on ne peut pas mesurer les trois dimensions âge, cohorte et période avec la même unité (Bodier, 1999).

Figure 15 Principe d’estimation d’un model âge-période–cohorte (d’après le graphique 26b p.179, Gallez, 1994)

Dans la littérature, il existe des différents moyens pour séparer les effets d’âge, de cohorte et de période ou de résoudre le problème de multicolinéarité. Le meilleur moyen consiste à mener un examen approfondi du phénomène étudié à partir d’observations transversales et temporelles du phénomène. Une telle analyse permettra d’éliminer l’un des trois facteurs d’analyse. Également, on peut introduire dans le modèle des variables auxiliaires qui caractérisent un des trois effets. Par exemple, la recherche d’une indicatrice d’effet de la période se réalise en se demandant quelles modifications dans la société sont arrivées aux périodes des enquêtes, qui pourraient influencer le comportement de tous les individus quels que soient leur âge et leur génération. La variable auxiliaire, caractérisant la période, peut être introduite dans le modèle à travers les changements du milieu économique pendant la période d’observation (par exemple : un changement de TVA, de niveau de vie, de taxes du gazole, etc.). Pourtant, pour introduire convenablement les effets de périodes dans le modèle il faudrait disposer de plusieurs enquêtes déployées dans le temps. La série d’enquêtes permettrait d’identifier les effets imputables à la date ou le moment de la collecte des données. 3.3 Le modèle Âge-Cohorte (AC) Les effets de période, ou l’impact des facteurs affectant l’ensemble des individus, peuvent être négligés s’il s’agit de déséquilibres de court terme ou lorsque les hypothèses sur la permanence des effets de période sont fragiles. Dans ce cas on spécifie le modèle Âge-Cohorte (AC) qui permet de mettre en évidence uniquement l’influence de facteur âge et de la génération sur la mobilité.

125

L’examen du moment du cycle de vie permet de tracer la courbe du profil-type, qui mesure le comportement d’individus face aux phénomènes étudiés lors des différentes étapes de la vie. L’impact de la génération sur les phénomènes évalués s'insère sous la forme de décalages entre différentes générations ce qui permet de positionner le profil-type dans une vision à long terme. Pour introduire ces effets de générations (ou l’évolution historique) il faut faire un simple déplacement du profil d’âge, relatif à une génération de référence ko. Donc, les effets d’une génération quelconque k se révèlent en écartant la courbe du profil-type de cette génération par rapport à la génération de référence ko d’une distance égale à l’écart relatif γk entre eux (Figure 16).

Figure 16 Principe d’estimation d’un modèle âge-cohorte (d’après le graphique 26a p.178, Gallez, 1994)

Ainsi, la formulation mathématique du modèle est la suivante :

Va,k = ααααa Aa + γγγγk Ck+ εεεεa,k où:

- Va,k est la mesure du phénomène observé quand l’âge de la personne de référence est égal à a, sachant qu’elle appartient à la génération k,

- Aa, et Ck sont les “dummy” variables, - αa est la mesure du comportement à l’âge a du cycle de vie d’un individu appartenant

à la génération de référence ko. Ces mesures définissent un « profil-type » au cours du cycle de vie, correspondant à un comportement stabilisé,

- γk est le décalage de la trajectoire de la génération k par rapport à la courbe de la génération de référence ko,

- εa,k est le terme d’erreur du modèle. 3.4 Principes de projections de la mobilité Les projections de la mobilité utilisent les résultats issus du modèle APC ou AC d’une part, et des prévisions du nombre d’individus effectuées par l’INSEE, d’autre part.

126

Lorsqu’il s’agit d’un modèle AC, pour chacun des phénomènes analysés, le modèle nous fournit les résultats suivants : • estimations d’un profil-type au cours du cycle de vie contenant na valeurs des effets d’âge

αa ; • estimations des écarts de génération γk contenant nk valeurs des effets de générations qui

permettent de translater les trajectoires de cohortes successives par rapport à celle de la génération de référence.

A partir des résultats de projection issus du modèle AC on peut calculer la valeur prédite tap de la variable Dp dans la période p à partir de l’expression suivante :

tap = αa + γk où

- tap est la valeur prévue de la variable Dp (a indique la tranche d’âge d’individu et p l’année de la projection) et

- αa, γk, sont des valeurs estimées pour les effets de l’âge et de la génération. Ainsi, les prévisions du nombre d’individus à long terme sont introduites dans les projections de la mobilité de manière suivante : L’INSEE fournit la projection de la population à long terme (30 ans) suivant l’âge, le sexe et la zone de résidence ce qui nous permet de projeter les phénomènes étudiés en utilisant ces prévisions. A chaque horizon temporel p, la mobilité des individus est reconstituée par le produit entre la valeur prévue tap de la variable Dp en question et la prédiction de la population par tranche d’âge.

na

Dp = ∑ tap⋅Iap a=1

où - Iap est la prévision de la population d’individus appartenant à la tranche d’âge a dans

la période p, - Dp est par exemple le nombre total de déplacements en période p, et - tap est le nombre de déplacements par tranche d’âge a dans la période p.

Pour calculer la valeur moyenne des variables étudiés par rapport à la population il suffit de diviser l’effectif total par nombre d’individus coïncidant à la même période de projection:

dp=Dp/Ip où

- dp est, par exemple, la moyenne du nombre de déplacements dans la période p, - Dp est le nombre de déplacements dans la période p, - Ip est la population dans la période p.

Les analyses longitudinales, et ensuite les projections, peuvent être désagrégées suivant plusieurs critères de la spécification du modèle ; par exemple on peut mener les analyses suivant l’âge, le sexe, la zone de résidence, l’appartenance des individus aux ménages sans voitures, mono et multi équipés, l’activité de la population, etc., mais il faut toujours disposer d’un nombre suffisant d’observations.

127

TROISIÈME PARTIE :

MODÈLES DÉMOGRAPHIQUES DE PROJECTION DE LA MOBILITÉ À LONG TERME – APPLICATION, NOUVELLES

MÉTHODOLOGIES DE SPÉCIFICATION, TESTS DE SENSIBILITÉ

129

Chapitre 1

APPLICATIONS DE MODÈLE DÉMOGRAPHIQUE DANS LES PROJECTIONS DE LA MOBILITÉ

131

1. INTRODUCTION Le modèle démographique de projections de la mobilité à long terme comporte deux parties principales : les projections de la structure démographique de la population d’une part, et d’autre part les estimations d’un profil-type au cours de cycle de vie dont les modifications au fil du temps sont occasionnées par les effets de cohorte et de période. La projection de la population est du ressort de l’INSEE, tandis que l’estimation du profil-type et leurs déformations sont des questions abordées dans ce travail. Les projections de la mobilité, ainsi que les tests de sensibilité du modèle utilisent des données de trois enquêtes « ménages-déplacements » de l’agglomération lilloise. Nous allons présenter tout abord les caractéristiques générales de trois enquêtes à Lille et les évolutions révélées de la mobilité pour poursuivre les analyses des effets d’âge et de génération sur le comportement individuel. Les projections de la mobilité à Lille seront comparées avec celles obtenues par le même modèle en Île-de-France, dans l’agglomération lyonnaise et dans la région urbaine de Montréal. L’horizon de projection dans les agglomérations françaises est l’année 2030 et dans la région de Montréal celle de 2021. Les dates sont fixées en raison de la disponibilité des projections de la population qui sont des entrées du modèle « âge-cohorte » et, rappelons qu’elles viennent des projections purement démographiques.

2. CARACTÉRISTIQUES GÉNÉRALES DES ENQUÊTES RÉALISÉES À LILLE

Les enquêtes « ménages-déplacements standard CERTU » effectuées en 1976, 1987 et 1998 sont les sources principales pour toutes les analyses de la mobilité à Lille. Elles contiennent les fiches « Ménages », « Individus » et « Déplacements ». Le périmètre enquêté de 1987 et de 1998 est plus large que celui de l’enquête de 1976 (Figure 17) (CUL, 1989).

Figure 17 Découpage de l’agglomération lilloise pour réaliser les enquêtes (Source : « Les déplacements des habitants de l’arrondissement de Lille en 1987 » - Communauté Urbaine de Lille, juin 1989)

132

Afin de poursuivre l’étude sur le même périmètre correspondant à l’enquête de 1976, et pour calculer les distances de déplacements, l’aire d’étude est découpée en 26 zones contenant une ou plusieurs communes de l’agglomération35. Cependant, l'INSEE ne fournit que des projections de la population sur des zones abritant plus de 50 000 habitants ce qui nous oblige à poursuivre les analyses sur un découpage grossier. La densité de la population, la localisation spatiale des communes autour du centre, ainsi que la taille d’échantillon par zone guident vers un zonage non radial par rapport au centre-ville. Ainsi, le périmètre de 1976 est découpé en trois macros zones suivantes (Figure 18): − zone 1 : Centre de Lille; − zone 2 : Banlieue dense ; − zone 3 : Banlieue moins dense ;

Figure 18 Découpage de l’agglomération en trois zones d’après le périmètre d’enquête de 1976

Les échantillons correspondant au périmètre enquêté en 1976 et utilisés dans ce travail ont les caractéristiques suivantes :

Tableau 10 Echantillons utilisés dans les analyses correspondant au champ enquêté en 1976

ENQUÊTE QUESTIONNAIRE 1976 1987 1998

Ménages 9 804 3 465 3 744

Individus (âge ≥ 5 ans) 27 005 8 345 8 454

Déplacements internes 76 383 29 967 33 907 Déplacements totaux 79 948 31 969 35 804

Source : EMD 1976, 1987 et 1998 à Lille * Les déplacements internes ont l’origine et la destination à l’intérieure du périmètre d’enquête de 1976.

35 Le tableau de passage de zones est présenté dans l’Annexe 1.

133

Les questionnaires « Déplacements » contiennent les observations de déplacements effectués par des résidants dans le périmètre d’étude. La taille des échantillons dans les trois zones est suffisamment grande pour segmenter les analyses suivant les classes d’âge et le sexe de la population (Tableau 11).

Tableau 11 Tailles des échantillons utilisés dans les trois zones

Zone TOTAL

Centre Lille Banlieue dense Banlieue moins dense

Année Ménage Individu Ménage Individu Ménage Individu

Ménages

Individus

1976 2 198 5 398 4 845 13 241 2 761 8 366 9 804 27 005

1987 1 035 2 118 1 502 3 739 928 2 488 3 465 8 345

1998 1 122 2 056 1 616 3 891 1 006 2 507 3 744 8 454

Source : EMD 1976, 1987 et 1998 à Lille 2.1 Caractéristiques de la population Malgré l’étalement urbain, le nombre de personnes domiciliées dans l’aire d’étude augmente de 10% en 1998 par rapport à 1976 et de 7% par rapport à 1987. Dans les trois périodes, la part des femmes est d’environ 53% de la population (Tableau 12). L’âge moyen de la population de cinq ans et plus ne croît pas significativement et il est stable aux alentours de 37 ans.

Tableau 12 Nombre de personnes de 5 ans ou plus dans les trois enquêtes

Année Hommes Femmes Population totale Part d’hommes Part de femmes

1976 380 331 423 196 803 527 47,3% 52,7%

1987 395 280 435 301 830 581 47,6% 52,4%

1998 417 904 473 082 890 986 46,9% 53,1%

Source : EMD 1976, 1987 et 1998 à Lille Le nombre de résidants dans les zones de banlieue augmente constamment. Le desserrement se manifeste par un renforcement continu du poids de la banlieue moins dense. Toutefois, on notera un renforcement du poids du centre au détriment de la banlieue dense au cours des années quatre-vingt-dix (Tableau 13).

Tableau 13 Nombre d’individus de 5 ans ou plus dans les trois zones

ZONE

Centre Lille Banlieue dense Banlieue moins dense

TOTAL Année

effectifs taux effectifs taux effectifs taux effectifs taux

1976 172 832 21,5% 396 577 49,4% 234 119 29,1% 803 528 100%

1987 153 235 18,4% 423 289 51,0% 254 057 30,6% 830 582 100%

1998 172 858 19,4% 441 295 49,5% 276 833 31,1% 890 986 100%

Source : EMD 1976, 1987 et 1998 à Lille L’analyse de la population suivant l’activité des individus montre que la part des personnes « actifs36 » et « étudiants37 » est d’environ 70% dans les trois enquêtes (Annexe 2, Tableau 1).

36 La population « actifs » contient les personnes ayant un emploi. 37 La population « étudiants » inclut les écoliers et les étudiants.

134

Cependant, on note un changement important lorsqu’on désagrège l’analyse suivant le sexe. Notamment, la part des hommes ne travaillant pas (ils sont donc dans la population « autres38 ») augmente, alors que la part des femmes diminue dans cette catégorie. La taille des ménages décline régulièrement de 2,7 personnes par ménage en 1976 à 2,5 en 1987, puis à 2,3 en 1998, mais le nombre de ménages augmente dans les trois zones (Annexe 2, Tableau 2). En 1998 et en 1987, le plus grand nombre de jeunes ménages réside dans le centre, tandis qu’en 1976 la distribution selon l’âge moyen du chef de ménage est uniformément répartie dans les trois zones. La structure des ménages, observée selon le sexe de la personne de référence indique un changement important. Le nombre de ménages dont la personne de référence est une femme augmente très significativement (Annexe 2, Tableau 3). Cette tendance s’accompagne dans ce cas d’une baisse considérable de l’âge moyen de la personne de référence chez les femmes (de 61 ans en 1976, de 55 ans en 1987 et de 50 ans en 1998), tandis que celui des hommes ne change pas beaucoup (de 47 ans en 1976, de 46 ans en 1987 et de 47 ans en 1998). L’âge moyen du chef de ménage dans la population totale est de 50 ans en 1976, de 48 ans en 1987 et en 1998. Ce changement résulte d’une croissance du nombre de jeunes vivant en-dehors du foyer familial et d’une augmentation du nombre des ménages dont le chef est une femme. 2.2 Motorisation La motorisation est un déterminant très explicatif de comportements de la mobilité qui mérite d’être analysée et insérée dans la modélisation. Elle est évaluée en utilisant les deux mesures suivantes : - la part d’individus appartenant aux ménages sans voiture, avec une voiture, et multi-

motorisé, - le nombre de voitures particulières à disposition de ménage. Les analyses de la part d’individus vivant dans des ménages sans voiture, mono-équipés et multi-motorisés sont effectuées selon le sexe, les trois zones, et les tranches d’âge quinquennal de la population. Les résultats montrent que les habitants du centre sont du plus en plus sous-motorisés par rapport à ceux qui résident en banlieue (Annexe 2, Tableau 5). La motorisation des individus selon le sexe garde les mêmes tendances dans les trois enquêtes (Annexe 2, Tableau 6). Notamment, les hommes restent plus motorisés que les femmes, même si la part d’individus appartenant aux ménages équipés en voiture s’accroît dans les deux sous-populations. La démotorisation commence après l’âge de 60 ans. Dans les trois périodes, les classes d’âge les plus motorisées sont situées au milieu du cycle de vie (Annexe 2, Figure 1). La deuxième mesure révèle que la moyenne du nombre de voitures à disposition des ménages était relativement faible en 1976 (de 0,78) comparé aux autres grandes villes françaises (Madre, 1984). Cependant, la tendance à la motorisation des ménages se poursuit. Elle arrive à 0,95 voitures par ménage en 1987 et à 1,04 en 1998. Compte tenu du retard des villes du Nord dans les années soixante-dix, la croissance de l’équipement des ménages est plus remarquable de 1976 à 1987 lorsque le taux des ménages motorisés augmente de 10 points.

38 Dans la catégorie « autres » de la population sont les chômeurs, les retraités, les femmes au foyer.

135

La progression de la motorisation des ménages entre 1987 et 1998 est due essentiellement à la multi-motorisation (Tableau 14).

Tableau 14 Pourcentages de ménages sans et avec voiture dans les trois enquêtes

% de ménages avec voiture Année

% de ménages avec une voiture

% de ménages avec deux voitures et plus

% total de

ménages avec voiture

% de ménages sans voiture

Total en %

1976 46,1 14,8 60,9 39,1 100 1987 49,4 21,3 70,7 29,3 100 1998 46,6 27,5 74,1 25,9 100

Source : EMD 1976, 1987 et 1998 à Lille La motorisation des ménages suivant la zone affiche une tendance cohérente de l’équipement. Le taux des ménages sans voiture est plus élevé en centre-ville, tandis qu’il est plus bas dans la zone de banlieue du peuplement moins dense. 2.3 Analyse du nombre de déplacements Le nombre de déplacements par personne et par jour est la mesure habituelle de la mobilité. Afin de mieux expliquer les changements survenus au cours des trois décennies, deux types d’analyses sont effectués : les analyses du marché de déplacements à partir des questionnaires « Déplacements » et les analyses de la mobilité mesurée suivant la moyenne du nombre de déplacements par individu pendant une journée. La répartition modale de déplacements est analysée pour des modes principaux suivants : « voiture particulière conducteur » (VPC), « voiture particulière passager » (VPP), « marche à pied » (MàP), « transport collectif » (TC) et « autres ». Les analyses de la mobilité par motif de déplacements à la destination sont effectuées pour les motifs : « travail », « école », « achats » et « autres39 ». Le choix de ces quatre motifs est adapté afin de faire des comparaisons entre les trois enquêtes. Les déplacements dont la destination est « domicile » sont récupérés par leur motif de l’origine40. À l’échelle de l’agglomération, le nombre de déplacements effectués par les résidants dans l’aire d’étude ne cesse de croître par rapport à l’enquête réalisée en 1976 (Tableau 15).

Tableau 15 Nombre de déplacements dans les trois enquêtes

Année

Nombre de déplacements

internes41


externes


totaux

Pourcentage de déplacements externes dans les déplacements

totaux 1976 2 272 129 104 240 2 376 369 4,4% 1987 2 989 316 195 971 3 185 287 6,2% 1998 3 569 059 200 608 3 769 667 5,3%

Source : EMD 1976, 1987 et 1998 à Lille Le premier type d’analyse des déplacements retient les données des questionnaires42 « Déplacements » (Annexe 2, Tableau 7). Les résultats montrent des changements importants

39 Le motif « autres » inclut : loisirs, affaires personnelles et professionnelles, visites, santé, accompagnement, promenades, sorties au restaurant, activités culturelles et sportives,... 40 Par exemple, un déplacement qui a un motif à l’origine « travail » et à la destination « domicile » est regroupé avec les déplacements de motif « travail ». 41 Déplacements dont les deux extrémités (l’origine et la destination) sont à l’intérieure du périmètre d’étude enquêté en 1976.

136

dans la répartition des déplacements selon le motif et le mode. Les déplacements en voiture progressent nettement entre la première et la dernière enquête. Les déplacements en transport public augmentent, la marche diminue doucement, et les autres modes diminuent beaucoup. Les calculs des fréquences des déplacements selon les motifs montrent que la part de déplacements pour motif « travail » et « école » diminuent, pour motif « achats » restent stables et pour le motif « autres » augmentent. Le deuxième type d’analyse est effectué à partir du questionnaire « Individus » et retient la mesure par la moyenne du nombre de déplacements quotidiens effectués par les résidants dans le périmètre étudié. Les déplacements conservés dans les analyses sont les déplacements internes (dont les deux extrémités, l’origine et la destination, sont à l’intérieur de l’aire enquêtée en 1976). La moyenne du nombre de déplacements internes par personne, rapportée à la population totale, augmente et elle atteint une valeur de 4,01 déplacements internes par personnes et par jour en 1998 (de 3,60 en 1987 et de 2,83 en 1976). Cette croissance n’est pas uniforme pour toutes les tranches d’âge. La moyenne des déplacements pour la population jeune (de 5 à 24 ans) croît de 30% de 1976 à 1998, et celle de la population de 25 à 64 ans de 45%. Bien que le nombre des personnes âgées (de 65 ans et plus) augmente à peine de 3% de 1976 à 1998 (Annexe 2, Tableau 4), elles ont, dans la même période, la plus forte croissance du nombre de déplacements de 62%. Les écarts entre les deux sexes diminuent régulièrement, mais en moyenne le nombre de déplacements effectués par les hommes est plus grand dans les trois enquêtes (Tableau 16).

Tableau 16 Nombre de déplacements selon le sexe dans les trois enquêtes

Nombre de déplacements internes

Croissance 1998/1976 Croissance 1998/1987 Année

Hommes Femmes Hommes Femmes Hommes Femmes

1976 3,02 2,66 1987 3,74 3,47 1998 4,05 3,97

34%

49%

8%

14%

Source : EMD 1976, 1987 et 1998 à Lille Le nombre de déplacements par individu dans les trois zones montre que la croissance est plus grande dans les zones de banlieue (Tableau 17).

Tableau 17 Nombre de déplacements par individus dans les trois zones

Nombre de déplacements internes43


Zone 1 Zone 2 Zone 3 Zone1 Zone2 Zone3 Zone1 Zone2 Zone3 1976 2,94 2,88 2,67 1987 3,54 3,66 3,55 1998 4,07 4,02 3,95

38%

40%

48%

15%

10%

11%

Source : EMD 1976, 1987 et 1998 à Lille L’analyse du nombre de déplacements par sexe et classe d’âge quinquennale révèle que les femmes âgées entre 30 et 34 ans sont les plus mobiles en 1987 et en 1998 avec une moyenne de 5,0 et 5,4 déplacements par jour. La croissance du nombre de déplacements est observée parmi toutes les tranches d’âge (Figure 19). 42 Il s’agit de déplacements dont l’origine et destination sont à l’intérieur du périmètre enquêté en 1976. Les résultats du calcul concernent le questionnaire « déplacements ». 43 La zone 1 concerne le centre de Lille, la zone 2 la banlieue du peuplement dense et la zone 3 la banlieue du peuplement moins dense.

137

Figure 19 Nombre de déplacements suivant les tranches d’âge d’individus

La forme de ces trois courbes, dessinant les fréquences de déplacements suivant l’âge, indique l’existence d’un effet d’âge dans le comportement. L’allure concave ne change pas dans les trois périodes et on peut en conclure que les effets d’âge expriment un comportement stable dans le temps. La mobilité, mesurée par le nombre de déplacements, est toujours la plus élevée au milieu de cycle de vie d’un individu et elle diminue après l’âge de la retraite. Pourtant, les décalages entre l’intensité de déplacements au sein d’une tranche d’âge, lors des trois périodes d’observation, suggère qu’il existe d’autres phénomènes dont l’effet n’est pas visible à partir d’une coupe instantanée. 2.4 Analyse du budget-temps Le budget-temps est la durée totale pour tous les déplacements journaliers effectués par un individu. Les analyses sont effectuées suivant la classe d’âge, le sexe, la zone, le mode de transport et le motif de déplacements. La moyenne du budget–temps de déplacements totaux44 est significativement plus grande en 1998 que celui-ci en 1987 et en 1976 au seuil de confiance de 95% (Tableau 18). En outre, l’analyse du budget-temps de déplacements internes accroît aussi significativement dans les trois périodes. Le budget-temps selon le sexe indique une tendance de la baisse d’écarts entre les femmes et les hommes, malgré une moyenne généralement plus grande pour les hommes (Tableau 18). En effet, le budget-temps de déplacements augmente surtout chez les femmes.

44 Les déplacements totaux comprennent les déplacements internes, mais aussi des déplacements dont une extrémité (soit l’origine, soit la destination) est à l’intérieure du périmètre étudié.

NOMBRE DE DEPLACEMENTS SELON LES TRANCHES D'AGE DANS LES TROIS PERIODES D'ENQUETES

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

5,0

5,5

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

1976 1987 1998

138

Tableau 18 Budget-temps de déplacements internes et totaux selon le sexe

Budget-temps, déplacements internes (min/individu/jour)

Budget-temps, déplacements totaux (min/individu/jour)

Année

Hommes Femmes Total Hommes Femmes Total

1976 49,1 40,2 44,4 58,8 43,6 50,8 1987 52,9 46,1 49,4 55,0 47,3 51,0 1998 56,9 53,5 55,1 59,4 54,8 57,0

Croissance Taux de croissance Taux de croissance 1998/76 16% 33% 24% 1% 26% 12% 1998/87 7% 16% 12% 8% 16% 12%

Source : EMD 1976, 1987 et 1998 à Lille Le budget-temps croît plus dans le centre-ville (zone 1) et dans la banlieue moins dense (zone 3) que dans la zone de banlieue dense (zone 2) (Tableau 19).

Tableau 19 Budget-temps de déplacements internes selon la zone

Budget-temps de déplacements internes (min/individu/jour)


Zone 1 Zone 2 Zone 3 Zone1 Zone2 Zone3 Zone1 Zone2 Zone3

1976 46,9 44,5 42,4

1987 52,1 49,6 47,4

1998 59,7 53,9 54,0

27%

22%

28%

15%

9%

14%

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille Le budget–temps de déplacements internes reste stable dans les trois enquêtes pour la marche à pied (autour de 14 à 15 minutes), il augmente progressivement pour les modes VPC, VPP et TC, mais il diminue pour le mode « autres » (Annexe 2, Tableau 8). L’analyse selon le sexe et le mode de transport, montre que les femmes conductrices ont la croissance la plus soutenue du budget-temps (Annexe 2, Tableau 9). Le temps pour se déplacer en centre de Lille est plus élevé pour les modes « marche à pied » et « TC » par rapport au budget-temps de mêmes modes dans les zones de la banlieue (Annexe 2, Tableau 10). Dans la zone de banlieue moins dense, le temps passé en voiture est plus grand qu’en centre-ville et en banlieue dense. Le plus grand budgets–temps s’observe parmi les jeunes de 15-19 ans (de l’ordre de 72 minutes en 1998, de 67 minutes en 1987, et de 58 minutes en 1976). Les individus de cet âge se déplacent le plus souvent en transport public en 1987 et 1998 et, en 1976 le mode préféré était les deux-roues. Les formes des courbes du budget-temps, suivant les tranches d’âge quinquennal, sont similaires dans les trois périodes d’enquête (Figure 20). Notamment, les pics maximaux sont régulièrement parmi les individus de 15 à 19 ans et les valeurs minimales sont toujours dans la dernière tranche d’âge. Néanmoins, au sein de chaque tranche d’âge, les écarts verticaux apparaissent différents selon la date d’observation. Ces décalages sont plus importants dans la dernière enquête que dans l’enquête de 1987.

139

Figure 20 Budget-temps suivant les tranches d’âge d’individus

2.5 Analyse du budget-distance Les analyses des distances de déplacements sont réalisées suivant la variable de budget-distance qui cumule les distances totales effectuées par un individu lors de ses déplacements journaliers. Elles sont calculées à l’aide de coordonnées x et y de 26 zones rassemblant une ou plusieurs communes de l’agglomération lilloise. Il s’agit des distances à vol d’oiseau (portées) obtenues par les formules suivantes : - Pour les distances de déplacements intra zones :

22 )()(distance desoridesori yyxx −+−=

- Pour les distances de déplacements à l’intérieur d’une zone :

zoneladesurface⋅= 5,0distance

Le budget–distance de déplacements augmente pour les deux sexes, mais il est régulièrement plus élevé pour les hommes (Tableau 20).

Tableau 20 Budget-distance selon le sexe

Budget-distance de déplacements internes (kilomètres/individu/jour) Année Hommes Femmes Total

1976 7,1 4,2 5,6 1987 8,5 6,3 7,4 1998 9,9 7,8 8,8

Source : EMD 1976, 1987 et 1998 à Lille

BUDGET-TEMPS SELON LES TRANCHES D'AGE DANS LES TROIS PERIODES D'ENQUETES

0

10

20

30

40

50

60

70

80

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (e

n m

in/in

d/jo

ur)

1976 1987 1998

140

Les distances dans les zones de banlieue sont toujours nettement plus grandes que celles au centre de Lille (Tableau 21).

Tableau 21 Budget-distance selon la zone

Budget-distance de déplacements internes (kilomètres/individu/jour) Année Centre de Lille Banlieue dense Banlieue moins dense

1976 3,8 5,8 6,4 1987 5,4 7,2 8,8 1998 6,8 8,6 10,3

Source : EMD 1976, 1987 et 1998 à Lille L’analyse du budget-distance selon le mode de transport révèle que le budget–distance effectué par la marche à pied est de l’ordre de 0,5 km dans les trois enquêtes. Il augmente pour tous les modes sauf pour les deux-roues (Annexe 2, Tableau 11). Les hommes conducteurs réalisent les plus grandes distances. Toutefois, lorsqu’on compare les écarts entre les deux sexes pour le mode « voiture conducteur » on aperçoit un rapprochement. Notons que dans les trois enquêtes les femmes gardent un budget-distances plus élevé que les hommes pour le mode voiture passager. Les distances quotidiennes sont presque identiques chez les hommes et les femmes pour le mode « marche à pied », (Annexe 2, Tableau 12). L’examen du budget-distance dans les trois zones montre que le mode le plus utilisé dans les banlieues est la voiture (Annexe 2, Tableau 13). Le budget-distance effectué avec la marche à pied et avec transport public est plus grand dans le centre-ville, tandis que dans les zones de banlieue les distances sont plus grandes pour les déplacements réalisés en automobile. L’analyse du budget-distance suivant les tranches d’âge quinquennal montre une croissance pour tous les individus depuis la première enquête (Figure 21).

Figure 21 Budget-distance selon les tranches d’âge d’individus

La progression la plus élevée est pour les classes d’âge de 30-34, 35-39, 40-44 et 45-49 ans et la moins sensible parmi la tranche d’âge après 60 ans. Pourtant, dans la dernière enquête les

BUDGET-DISTANCE SELON LES TRANCHES D'AGE DANS LES TROIS PERIODES D'ENQUETES

0

3

6

9

12

15

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(en

km

/ind

/jou

r)

1976 1987 1998

141

tranches d’âge 65-69 et 70-74 ans montrent une importante croissance des distances. Le plus important budget–distance en 1976 est repéré dans la tranche d’âge de 25-29 ans avec une valeur de 9,1 km, tandis qu’en 1987 parmi les individus âgés de 20-24 ans de 10,9 km. En 1998, les tranches d’âge de 25-29 ans et 35-39 ans ont les distances journalières les plus élevées, de 12,6 km. Comme pour le nombre de déplacements et le budget-temps, on peut remarquer qu’il existe aussi un effet d’âge dans le comportement qui structure les distances parcourues sur une journée. Elles sont particulièrement élevées pendant la vie active pour baisser brusquement autour de l’âge de la retraite. 2.6 Analyse de la mobilité selon la position des individus Les analyse de la mobilité sont menées dans les trois catégories de population: « actifs » (les personnes qui ont un emploi), « étudiants » et « autres ». Les évaluations sont faites pour le nombre de déplacements, le budget-temps et le budget-distance. Le nombre de déplacements de la population « actifs » pour le motif45 « travail » est d’environ 2 déplacements par jour dans les trois périodes d’observation, mais il augmente pour les motifs « achats » et « autres » (Tableau 22). En moyenne, la population scolaire se déplace deux fois par jour pour le motif « école » et elle fait environ 0,2 déplacement pour le motif « achats ». Cependant, le nombre de déplacements pour le motif « autres » augmente significativement. Concernant la population « autres », le nombre de déplacements pour le motif « achats » ne change pas, mais il croît fortement pour le motif « autres ».

Tableau 22 Nombre de déplacements suivant le motif et les catégories « actifs », « étudiants » et « autres »

Nombre de déplacements selon le motif Catégorie de la

population

Année travail école achats autres Total

1976 2,0 0,0 0,4 1,0 3,3 1987 1,9 0,0 0,6 1,7 4,2

Actifs

1998 1,9 0,0 0,6 2,0 4,5 1976 0,0 2,0 0,2 0,7 3,0 1987 0,0 2,0 0,2 1,4 3,6

Etudiants

1998 0,0 1,9 0,4 1,7 4,0 1976 0,0 0,0 0,9 1,1 2,0 1987 0,0 0,0 0,9 1,9 2,8

Autres

1998 0,0 0,0 1,1 2,4 3,5 Source : EMD 1976, 1987 et 1998 à Lille

Le budget-temps diminue de 15% dans la population « actifs » pour le motif « travail » dans la période de 1976 à 1998, mais il augmente pour les motifs « achats » et « autres » (Tableau 23). La population « étudiants » préserve la même valeur du budget-temps pour le motif « école » en 1976 et 1998, mais le budget-temps croît pour le motif « autres ». Le budget-temps reste stable pour le motif « achat » parmi la population « autres » et il augmente fortement pour le motif « autres ». La répartition du budget-temps selon le motif de déplacements par tranches d’âge montre que pour le motif « travail » les jeunes ont eu en 1976 un budget-temps plus élevé par rapport aux

45 Soulignons encore une fois que les déplacements dont la destination est le «domicile» sont récupérés par leur motif de l’origine. Par exemple, un déplacement dont le motif de l’origine est le «travail» et à la destination le «domicile» est inclus dans le même groupe comme un déplacement dont le motif à la destination est le «travail».

142

deux enquêtes suivantes. À cette époque beaucoup de jeunes travaillaient. Mais, en 1987 et 1998 dans cette classe d’âge, le budget-temps du motif « travail » baisse et augmente pour les motifs « école » et « autres ». Concernant les personnes âgées, le budget-temps augmente très fortement pour les motifs « achats » et « autres ».

Tableau 23 Budget-temps suivant le motif et les catégories « actifs », « étudiants » et « autres »

Budget-temps selon le motif Catégorie de la

population


1976 35,4 0,0 4,6 14,8 54,9 1987 30,9 0,0 5,9 20,7 57,5

Actifs

1998 30,2 0,0 6,8 23,9 60,9 1976 0,0 30,2 2,8 10,7 44,3 1987 0,0 27,1 2,0 21,1 50,8

Étudiants

1998 0,0 30,0 3,9 22,2 56,0 1976 0,0 0,0 11,6 17,6 29,4 1987 0,0 0,0 9,8 28,3 38,2

Autres


Le budget-distance augmente pour tous les motifs dans les populations « actifs », « étudiants » et « autres » (Tableau 24).

Tableau 24 Budget-distance suivant le motif et les catégories « actifs », « étudiants » et « autres »

Budget-distance selon le motif Catégorie de la

population


1976 5,6 0,0 0,6 2,4 8,6 1987 6,5 0,0 1,1 3,7 11,2

Actifs

1998 7,0 0,0 1,3 4,4 12,8 1976 0,0 2,3 0,3 1,3 4,0 1987 0,0 2,8 0,2 2,1 5,3

Etudiants

1998 0,0 3,2 0,6 2,5 6,6 1976 0,0 0,0 1,0 1,7 2,7 1987 0,0 0,0 1,2 3,2 4,4

Autres


L’étude de la mobilité suivant le motif et les catégories « actifs », étudiants », « autres » est approfondie par les analyses selon le sexe. Le nombre de déplacements pour le motif « travail » ne change pas pour les deux sexes et il reste légèrement plus élevé pour les hommes (Annexe 2, Tableau 14). Toutefois, les femmes actives se déplacent de plus en plus pour le motif « autres ». Le nombre de déplacements parmi la population « étudiants » est identique chez les deux sexes, mais il croît surtout pour le motif « autres ». Le budget-temps progresse pour les motifs « achats » et « autres », mais il diminue pour le motif « travail » (Annexe 2, Tableau 15). Le budget-temps est presque identique pour les hommes et les femmes dans les populations « actifs » et « étudiants » en 1987 et 1998. Bien que les écarts entre les sexes existent dans la population « autres » en faveur des hommes, les décalages se rapprochent.

143

Les hommes font de plus grandes distances que les femmes pour le motif « travail » (Annexe 2, Tableau 16). Le budget-distance de la population féminine est légèrement plus élevé que celui des hommes pour le motif « achats ». En résumé, on peut constater que le nombre de déplacements pour le motif « travail » et « école » reste stable dans les trois périodes. La croissance de la mobilité est principalement due au motif « autres » dont les composants sont loisir, santé, accompagnement, sortie, visite, sports, etc. Malgré une augmentation du budget-temps dans l’ensemble de la population, on observe une baisse pour les déplacements motivés du travail. La croissance du budget-temps résulte principalement des déplacements effectués pour le motif « autres ». Pourtant, le budget-distance croît pour tous les motifs de déplacements et particulièrement dans la population masculine pour le motif « travail ». Donc, pour ce motif, le budget-temps diminue et le budget-distance augmente ce qui indique que les hommes se déplacent plus loin pour travailler, mais aussi plus rapidement par rapport aux années soixante-dix. 2.7 Analyse de la mobilité selon la motorisation des individus La motorisation des individus est une déterminante très importante concernant la mobilité quotidienne. Il est donc important d’évaluer le comportement individuel suivant l’appartenance des individus dans les ménages sans, avec une et plusieurs voitures. Les analyses portent sur le nombre de déplacements, le budget-temps, le budget-distance et la vitesse (le rapport entre le budget-distance et le budget-temps). La tendance générale se traduit par une mobilité plus élevée parmi les individus motorisés que chez les individus sans voiture (Tableau 25).

Tableau 25 Mobilité des individus en fonction de la motorisation

Motorisation Année Nombre de déplacements

Budget-temps (min/ind/jour)

Budget-distance

(km/ind/jour)

Vitesse (km/h)

1976 2,25 38,2 2,8 3,3 1987 2,65 43,7 3,5 3,7

Individus appartenant aux ménages sans

voiture 1998 3,30 55,3 4,2 3,4 1976 3,02 45,6 6,1 6,4 1987 3,76 50,1 7,2 7,4

Individus appartenant aux ménages avec une

voiture 1998 4,01 53,0 8,0 7,6 1976 3,29 51,3 8,7 8,6 1987 4,01 52,2 10,5 10,3

Individus appartenant aux ménages avec 2

voitures et plus 1998 4,35 57,4 11,9 11,3 Source : EMD 1976, 1987 et 1998 à Lille

D’après ces résultats il existe une rupture avec les tendances générales concernant le budget-temps de 1998. Cette année, la valeur du budget-temps pour les individus non motorisés est plus grande par rapport aux individus disposant d’une voiture. La classe d’âge de 15-19 ans, dont les individus n’ont pas accès pour la plupart à la conduite automobile, affiche le plus grand budget-temps en 1998 et 1987. Une analyse plus détaillée montre que la mise en service de la ligne de métro n° 1 en 1983/84 et celle de la ligne n° 2 en 1989 (un prolongement en 1995) a contribué à la croissance du budget-temps parmi les jeunes. Les personnes de la même tranche d’âge se déplacent en deux-roues en 1976, mais avec la construction du métro

144

et le changement du motif de déplacement,46 ces individus utilisent de plus en plus le transport public. 2.8 Résumé général des tendances de la mobilité observées à Lille L’évolution de la mobilité dans l’agglomération lilloise se caractérise par une croissance significative observée dans la période d’environ vingt ans. L’analyse désagrégée selon le sexe montre une très forte croissance de la mobilité des femmes. Les changements de leur statut dans la société se remarquent avec une présence plus élevée dans l’emploi, un plus grand usage de la voiture dans les pratiques quotidiennes, et enfin d’une augmentation considérable des déplacements, des distances et du budget-temps. Le résultat de cette émancipation contribue à un resserrement de l’écart entre le comportement des femmes et celui des hommes à l’égard de la mobilité. L’usage élevé de la voiture comme conducteur par les femmes, contribue au rapprochement du comportement des deux sexes. En outre, la croissance du nombre de femmes avec le permis de conduire amplifie la multi-motorisation des ménages très remarquable pendant les années quatre-vingt-dix. Le nombre de déplacements de travail est plus modéré en 1987 et 1998 par rapport à celui de 1976 en raison du chômage et de la baisse des retours à midi. Malgré le changement de la situation économique et la récession, la croissance de la mobilité ne cesse pas après les années soixante-dix. La plus grande progression de la mobilité est identifiée pour les motifs « non obligés » comme les loisirs, la santé, les visites, les promenades, les événements sportifs et culturels, etc. Pour le motif « travail », le budget-temps de la population active diminue, mais leur budget-distance augmente en gardant le nombre de déplacements stable. Malgré l’étalement urbain et la dispersion des lieux d’activité, la vitesse des personnes actives vers le lieu de travail augmente. En général, les femmes de l’agglomération préfèrent se déplacer à proximité du lieu de résidence et réaliser de plus petites distances que les hommes. L’aménagement du territoire et la possibilité d’avoir accès à des modes de transport jouent aussi sur le comportement individuel à l’égard de la mobilité. Dans le centre-ville les déplacements réalisés à pied et avec le transport public sont plus nombreux qu’en banlieue, et au contraire, en banlieue la voiture est le mode dominant. L'effet de la zone de résidence et l’usage du mode se reflètent par un plus grand budget-temps dans le centre-ville et un budget-distance plus important dans les zones de banlieue. Les analyses de la mobilité selon les tranches d’âge quinquennal des individus révèlent des changements importants de comportements parmi les jeunes et les personnes âgées. Pour la classe d’âge de 15-19 ans, les motifs de déplacements « école » et « autres » deviennent primordiaux lors des années quatre-vingt-dix, tandis que le travail était le motif principal pour les jeunes pendant les années soixante-dix. Les classes d’âge de 15-19 ans et 20-24 ans montrent un changement dans la répartition modale exprimé par un transfert de mode des deux-roues vers le mode transport public. Les personnes retraitées se déplacent beaucoup plus en 1998 que lors des années soixante-dix, en profitant de la motorisation arrivée dans la vie active et de l’augmentation du niveau de vie. Leur croissance de la mobilité s’affiche également par les budget-temps et les budget-distances. 46 En 1976 le motif principal de déplacements pour cette classe d’âge est le travail et en 1987 et en 1998 celui de l’étude.

145

Les facteurs démographiques, comme le prolongement de la longévité et la baisse de la taille des ménages peuvent agir aussi sur la modification du comportement. La progression de la part des personnes âgées dans la population est un fait inéluctable, d’autant que les générations de baby-boom s’approchent de la retraite. Tous ces facteurs peuvent probablement modifier les évolutions futures de la mobilité. L’ampleur du changement à long terme peut s’exprimer à travers les effets imputables aux pratiques prises lors des différentes étapes du cycle de vie. Le fractionnement du temps en trois composantes indiquant les effets d’âge, de la cohorte et de la période, permet de constituer des données pseudo-longitudinales et de réaliser la modélisation traduisant ces effets.

3. EFFETS D’ÂGE ET DE COHORTE Les recherches effectuées au cours de dernières décennies en sociologie, en économie et en démographie, ont éclairci le rôle très important de l’âge et de la génération dans l’interprétation des comportements individuels et sociaux. Le temps s’introduit dans les analyses sous trois notions : celle de l’age, de la cohorte et de la période. Toutefois, les effets purs de chaque composant temporel sont rarement identifiés et généralement mélangés et corrélés. Malgré cette difficulté, la décomposition du temps dans l’analyse longitudinale permet d’essayer à expliquer les facteurs qui agissent sur les changements de comportement dans le temps. L’importance de l’âge se révèle d’après un profil au cours du cycle de vie qui exprime les effets d’âge. Ce profil selon l’âge, se déforme sous l’impact d’événements historiques et on parle alors d’effets de génération. Peut-on postuler sur l’existence des effets d’âge et de génération dans les comportements des individus à l’égard de la mobilité urbaine ? Comment identifier les effets « purs » de l’âge, de la génération et du moment ? Les effets de la période sont-ils repérables ? Voilà les questions posées et qui sont l’objet de travail. 3.1 Effets d’âge L’âge devient une variable explicative fondamentale du comportement lorsque la façon dont il agit un individu est très complexe. Le cycle de vie donne un sens explicite au phénomène étudié, et comme écrit D. Kessler (Kessler, Masson, 1985) « rien ne paraît en effet plus immédiat d’avancer le rôle éminent de l’âge mais rien ne semble plus difficile que de caractériser cette variable ». L’âge est la variable de segmentation la plus utilisée dans beaucoup d’études pour le traitement des données. Toutefois, lorsqu’on veut donner une explication du rôle de l’âge dans le comportement, il faut passer à une analyse théorique du comportement individuel. Diverses dimensions peuvent être attribuées à cette variable. L’âge peut être un indice de durée depuis la naissance d’un individu jusqu’au moment d’observation du comportement, mais aussi, dans la prospective, il peut représenter le temps entre un moment précis et la mort. Il peut également intégrer une notion biologique qui se traduit par une évolution des besoins des individus au cours du cycle de vie ou par des limites biologiques imposées à un être humain47. Plusieurs études du comportement de consommation ont clairement montré que la consommation évolue fortement avec l’âge (Kessler, Masson, 1985). La question de la

47 Par exemple, l’âge de la fécondité des femmes est limité entre 15 et 50 ans.

146

maturité peut être considérée aussi comme un effet d’âge dans une dimension psychologique. Enfin, on peut donner à l’âge une signification uniquement sociale ou institutionnelle, comme l’âge de la retraite après lequel la vie active des individus s’achève. Dans une société en mouvement permanent, l’âge joue un rôle moins important que dans une société stationnaire où le trajet de vie est tracé d’une manière répétitive pour toutes les générations successives. L’importance de l’âge pour la mobilité peut être étudiée suivant une coupe transversale, mais également, en utilisant les données longitudinales. 3.1.1 Analyse suivant la coupe transversale L’analyse de la mobilité à partir des données instantanées des trois enquêtes menées à Lille montre l’existence d’un effet imputable à l’âge des individus (voir le chapitre précédent, Figures 19, 20 et 21). Les courbes au cours du cycle de vie gardent régulièrement une forme concave en cloche pour les trois variables étudiées. La mobilité est plus élevée parmi les individus au milieu du cycle de vie et elle est moins importante chez les jeunes et les personnes âgées. L’explication possible est que les besoins de la mobilité, ainsi que l’accès aux divers modes de transport, sont différents tout au long du cycle de vie de chaque personne. L’intensité de la fréquence de déplacements dépend largement de la position dans le cycle de vie. Les motifs pour se déplacer pendant la période d’apprentissage sont principalement liés aux activités d’études et de loisirs, et donc, la fréquentation d’espace est moins importante par rapport à celle du milieu du cycle de vie. L’époque dans la vie adulte se caractérise par des activités professionnelles, la constitution de la famille, l’arrivée d’enfants dans le ménage, l’organisation de la vie sociale,... La conséquence de tous ces événements se manifeste par une croissance du nombre de déplacements due à la nécessité d’insertion socio-économique dans la société. Finalement, la fréquence de déplacements diminue progressivement avec le vieillissement des individus, affectée par une baisse de socialité et/ou de prédisposition physique à se déplacer. Ainsi, concernant le nombre de déplacements, les effets d’âge englobent une dimension socio-économique (le statut socio-économique de l’individu lors de son cycle de vie), mais aussi une dimension biologique, exprimée chez les personnes âgées, par une diminution de capacité à se déplacer. L’importance de la position dans le cycle de vie est particulièrement accentuée lorsque la mobilité est mesurée par le budget-distance. En outre, l’âge désigne le seuil de maturité pour accéder à un permis de conduire. L’arrivée à l’âge adulte et l’usage de la voiture augmentent les distances parmi les tranches d’âge au milieu du cycle de vie. Dans ce cas, les effets d’âge n’expriment pas seulement le fait qu’on se déplace plus au milieu du cycle de vie, mais également, les effets d’âge désignent une différence entre les individus qui sont en situation d’avoir le permis de conduire et un accès vers l’automobile et ceux qui en sont privés. La voiture permet de réaliser de plus grandes distances et de profiter de la diversité des espaces. L’âge est donc un facteur très explicatif concernant l’usage de l’automobile et les distances parcourues. Pour le budget-temps, les effets d’âge contiennent également des dimensions socio-économiques et biologiques, mais ils déterminent aussi la capacité à utiliser certains modes de transport.

147

Le rôle de l’âge est analysé également suivant l’échantillon constitué de l’ensemble des observations des trois enquêtes (Annexe 4, Figures 1, 2 et 3). L'examen de ces données montre des courbes semblables à celles reconstituées par chaque enquête indépendamment (Chapitre précédent, Figures 19, 20 et 21). Bien que toutes ces analyses désignent l’importance de l’âge dans le comportement, cette variable ne renseigne pas sur les évolutions au fil du temps. Le changement ne peut pas être identifié correctement lorsque les réflexions se basent simplement sur des données instantanées. Il est important de distinguer clairement une coupe transversale de la mobilité selon l’âge d’une courbe d’évolution de la mobilité par âge. L’analyse de la mobilité des femmes, d’après une coupe transversale, est inférieure à celle des hommes presque pour toutes les tranches d’âge dans les trois enquêtes (Annexe 4). Pourtant, la comparaison entre les courbes du cycle de vie des trois enquêtes montre qu’il y a des changements notables exprimés par la croissance de la mobilité pour quasiment toutes les tranches d’âge. La croissance est particulièrement élevée parmi les femmes (Annexe 4, Figure 4). Une autre évolution constatée suivant les coupes instantanées aux différentes dates est celle de la croissance de la mobilité des personnes âgées. Ces analyses nous montrent que le comportement d’un individu donné peut être largement expliqué par l’effet d’âge. Néanmoins, rien ne permet de considérer que cet effet reste invariant dans le temps ou dans l’espace. La variation des effets d’âge suivant les différentes catégories sociales et leur instabilité temporelle ne permettent pas d’interpréter des coupes instantanées en termes de profil-type au cours du cycle de vie48. Pour déterminer les effets purs de l’âge, il faut disposer à la fois de données instantanées et de données longitudinales. En terme de comportement, le passage d’une optique transversale à une optique longitudinale correspond à l’introduction d’un effet de génération qui symbolise l’irréversibilité de l’histoire. 3.2 Effet de génération L’histoire de chaque individu s’écrit à travers les transformations de son entourage arrivées au cours du temps. Certains événements laissent des traces ineffaçables de la mémoire collective de plusieurs générations cohabitant dans la société. Cependant, l'impression des changements arrivés pendant un moment précis de l’histoire est différente suivant la position des individus dans leur cycle de vie. Les trois interactions entre l’âge, la cohorte et le moment sont a priori envisageables, et certainement que ce mélange spécifique des trois effets agit sur le comportement des individus. L’existence de relation entre l’âge et le moment est la liaison la plus souvent conservée dans les études de comportement socio-économique (Kessler, Masson, 1985). Cette interaction signifie que les phénomènes produits dans une période affectent de manière originale chaque classe d’âge. Par ailleurs, les interactions entre les effets d’âge et de cohorte suggèrent que des événements arrivés à un âge donné marquent différemment les individus, de telle manière que cette différence est permanente. Il est très difficile de déterminer les effets « purs » de l’âge et encore plus fastidieux de séparer les effets de la période de ceux de la cohorte. Comme le mentionne D. Kessler « l’effet de cohorte ou de génération, c’est ce qui reste lorsque l’effet de moment a disparu » (Kessler, Masson, 1985), ou bien, les effets de génération persistent 48 L’existence de « profil-type au cours du cycle de vie » est utilisée comme l’hypothèse fondatrice du modèle « âge-cohorte ».

148

comme des résidus de l’histoire. En outre, la période peut concerner des périodes historiques de durée variable et non pas une simple date qui définie un moment. La distinction de divers effets d’âge, de la période et de la cohorte, passe par une explication approfondie de leur impact exercé sur le phénomène étudié. Pour présenter correctement les effets du cycle de vie, il est nécessaire de les traduire en courbes longitudinales, en reconstituant le parcours historique de la mobilité des individus classés par la génération de naissance. Pour réussir à distinguer les effets purs de chaque notion temporelle, il faudrait disposer de nombreuses enquêtes permettant les analyses sur une longue période. Malheureusement, les enquêtes en matière de la mobilité ne datent que de trois décennies et ne sont pas très fréquentes. En effet, nous disposons de trois enquêtes de l’agglomération lilloise et l’effet de la période ne peut pas être implanté dans les analyses comme une simple date. Nous allons essayer de donner quelques réflexions sur la simulation de la période, mais pour l’instant, nous poursuivons les analyses en fragmentant le temps par le couple âge-cohorte. Les données des trois enquêtes sont utilisées pour créer des données longitudinales (ou pseudo-longitudinales) contenant les cohortes de naissance. Deux types de diagrammes sont utilisés pour mieux repérer le comportement des différentes cohortes, pendant une partie de leur cycle de vie49 : • le premier type comporte les tranches d’âge en abscisse, et en ordonnée les valeurs de la

variable respective de la mobilité (Figures 22, 24 et 26). Lorsque les courbes des cohortes sont proches ou confondues à un âge donné, on considère que les générations successives adoptent les comportements des générations précédentes arrivés à cet âge, et il n’y a pas d’effet de génération. Les comportements sont stables autour de cet âge sur la période observée. En revanche pour un âge donné, les écarts verticaux entre cohortes mettent en évidence les effets de générations constituant l’aspect dynamique du phénomène étudié.

• le deuxième diagramme représente les cohortes en abscisse et les valeurs de la variable de mobilité en ordonnée50 (Figures 23, 25 et 27). Cette présentation permet de comparer l’évolution temporelle des cohortes successives aux différents âges. Si les écarts n’apparaissent pas entre les courbes respectives d’âge, on considère que la croissance de la mobilité est due à un effet de la cohorte. Dans le cas contraire, lorsque les décalages entre les courbes d’âge existent, alors les effets d’âge s’annoncent.

En effet, les deux diagrammes montrent les mêmes phénomènes, mais d’une vue opposée, ce qui permet de mieux remarquer les évolutions. 3.2.1 Analyse suivant les coupes longitudinales L’analyse de données longitudinales pour le nombre de déplacements (Figures 22 et 23) indique l’apparition des effets imputables à la paire âge-cohorte. Quelques résultats méritent d’être soulignés : • les plus jeunes cohortes, de 1985-1994 et 1975-1984, observées à l’âge de 05-14 ans ne

manifestent aucune évolution. Pourtant, au même âge, les deux cohortes précédentes (de 1955-1964 et 1965-1974) ont réalisé légèrement moins de déplacements que les deux cohortes précitées.

• les cohortes de 1925-1934 et 1935-1944, percevables à l’âge de 35-44, 45-54 et 55-64 ans ne montrent pas d’effet pouvant provenir du cycle de vie. Les écarts n’existent qu’entre les cohortes. En outre, la cohorte de 1925-1934 n’affiche pas de baisse du nombre de déplacements entre les classes d’âge du milieu du cycle de vie et celles de 65-74 ans.

49 Les observations sont classées dans des groupes décennaux. Le choix d’une distance temporelle entre les générations et les tranches d’âge de 10 ans est nécessaire à une présentation plus claire des phénomènes. 50 Ce diagramme est similaire aux « diagrammes cohortaux » de L. Chauvel (Chauvel, 2002).

149

• le nombre de déplacements diminue après 65-74 ans pour les cohortes de 1915-1924, 1905-1914 et « avant 1905 ».

• les effets d’âge sont les plus considérables parmi les cohortes de 1945-1954, 1955-1964 et 1965-1974 dont l’âge est de 15-24, 25-34 et 35-44 ans. Les individus appartenant à la cohorte de 1955-1964 et ayant l’âge de 35-44 ans font le plus grand nombre de déplacements (5,0 déplacements/individu/jour).

Figure 22 Comportement observé dans les enquêtes – nombre de déplacements par tranche d’âge et la cohorte

Figure 23 Comportement observé dans les enquêtes – nombre de déplacements par cohorte et tranche d’âge

COMPORTEMENT OBSERVE DANS LES ENQUETES - NOMBRE DE DEPLACEMENTS

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05

_1

4

15

_2

4

25

_3

4

35

_4

4

45

_5

4

55

_6

4

65

_7

4

75

_8

4

85

et p

lus

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

avant 1905

1905-1914

1915-1924

1925-1934

1935-1944

1945-1954

1955-1964

1965-1974

1975-1984

1985-1994

COMPORTEMENT OBSERVE DANS LES ENQUETES- NOMBRE DE DEPLACEMENTS

0

1

2

3

4

5

6

ava

nt

19

05

19

05

_1

91

4

19

15

_1

92

4

19

25

_1

93

4

19

35

_1

94

4

19

45

_1

95

4

19

55

_1

96

4

19

65

_1

97

4

19

75

_1

98

4

19

85

_1

99

4

Cohorte

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

05_14

25_34

15_24

35_44

45_54

55_64 65_74

75_84

85 et plus

150

L’analyse du rôle de l’âge et de la cohorte sur la grandeur du budget-distance (Figures 24 et 25) montre l’existence simultanée des deux effets.

Figure 24 Comportement observé dans les enquêtes – budget-distance par tranche d’âge et la cohorte

Figure 25 Comportement observé dans les enquêtes – budget-distance par cohorte et tranche d’âge

Les deux diagrammes indiquent les relations suivantes : • les écarts sont remarquables entre toutes les cohortes nées avant la génération de 1965-

1974. Les cohortes de 1975-1984 et 1985-1994 n'annoncent pas de décalages parmi les plus jeunes individus âgés de 05-14 ans. Également, il n’y a pas de décalages entre les cohortes de 1965-1974 et 1975-1984 à l’âge de 15-24 ans.

COMPORTEMENT OBSERVE DANS LES ENQUETES - BUDGET-DISTANCE

0

2

4

6

8

10

12

14

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

avant 1905

1905-1914

1915-1924

1925-1934

1935-1944

1945-1954

1955-19641965-1974

1975-1984

1985-1994

COMPORTEMENT OBSERVE DANS LES ENQUETES - BUDGET-DISTANCE

0

2

4

6

8

10

12

14

avan

t 1

90

5

19

05

_1

91

4

19

15

_1

92

4

19

25

_1

93

4

19

35

_1

94

4

19

45

_1

95

4

19

55

_1

96

4

19

65

_1

97

4

19

75

_1

98

4

19

85

_1

99

4

Cohorte

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

05_14

15_24

25_3435_44

45_54

55_64

65_74

75_84

85 et plus

151

• les effets d’âge sont reconnaissables pour toutes les tranches d’âge. Les plus jeunes de 05-14 ans et les plus âgées de plus de 85 ans réalisent des plus petites distances quotidiennes. Pourtant, il faut souligner que le fléchissement des courbes du cycle de vie commence à l’âge de 35-44 ans pour la cohorte 1945-1954 et pour les deux cohortes précédentes de 1935-1944 et 1925-1934 après l’âge de 45-54 ans. Le décalage n’existe pas entre les tranches d’âge de 55-64 ans et 65-74 ans pour la cohorte de 1925-1934.

• les plus grandes distances concernent les cohortes de 1965-1974 et 1955-1964 observées à l’âge de 25-34 et 35-44 ans.

L’analyse longitudinale du budget-temps montre les relations suivantes (Figures 26 et 27) :

Figure 26 Comportement observé dans les enquêtes – budget-temps par tranche d’âge et cohorte

Figure 27 Comportement observé dans les enquêtes – budget-temps par cohorte et tranche d’âge

COMPORTEMENT OBSERVE DANS LES ENQUETES - BUDGET-TEMPS

0

20

40

60

80

05_1

4

15_2

4

25_3

4

35_4

4

45_5

4

55_6

4

65_7

4

75_8

4

85

et

plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

avant

1905

1905-1914

1915-1924

1925-1934

1935-1944

1945-1954

1955-19641965-1974

1975-1984

1985-1994

COMPORTEMENT OBSERVE DANS LES ENQUETES - BUDGET-TEMPS

0

20

40

60

80

avant 1

905

1905

_191

4

1915

_192

4

1925

_193

4

1935

_194

4

1945

_195

4

1955

_196

4

1965

_197

4

1975

_198

4

1985

_199

4

Cohorte

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 et plus

152

• le budget-temps des jeunes de 05-14 ans est presque constant, d’environ 40 minutes, pour les quatre dernières cohortes observées (1955-1964, 1965-1974, 1975-1984, 1985-1994). Les individus dans la tranche d’âge de 15-24 ans, appartenant aux cohortes de 1965-1974 et 1975-1984 ont le temps de transport le plus élevé.

• les tranches d’âge décennales entre 25 et 64 ans dont les générations de naissance sont 1945-1954 et 1935-1944 ne montrent pas d’abaissement du budget-temps.

• la cohorte de 1925-1934 indique une baisse du budget-temps entre l’âge de 45-54 et 55-64 ans. Pourtant, cette diminution n’est pas poursuivie par les personnes âgées de 65-74 ans ; le budget-temps garde le même niveau comme les individus de tranche d’âge de 55-64 ans.

Les analyses de données de pseudo-panel démontrent clairement des phénomènes dont les caractéristiques dépendent d’effets de cohorte et d’effets d’âge: • La mobilité de plus jeunes générations, celles de 1985-1994 et 1975-1984, ne montre pas

d’évolution significative, particulièrement pour la classe d’âge de 05-14 ans. • Le comportement atypique se manifeste parmi les individus nés en 1925-1934 ayant l’âge

de 65-74 ans. L’analyse de leur comportement pourrait se traduire par « un arrêt de vieillissement », un refus de diminuer la mobilité à l’âge avancé. Les analyses nous montrent que cette attitude concerne les trois variables : le nombre de déplacements, le budget-distance et le budget-temps. Cette cohorte est celle que B. Préel (Préel, 2000) nomme « la génération Libération » dont la particularité est que la plupart des femmes commencent l’activité au milieu du cycle de vie (40-50 ans), après l’éducation des enfants. Les hommes de cette cohorte sont majoritairement inactifs à 60 ans, puisqu’ils ont commencé à travailler à l’âge de 17 à 18 ans pendant l’époque des « Trente Glorieuses ». Cette génération a bien profité de l’époque dorée de la croissance économique et elle a réussi, en général, à avoir la propriété de son logement et de l’automobile.

• Il semble que le comportement mesuré suivant le budget-distance soit le plus proche par rapport à l’hypothèse annoncée de la spécification du modèle âge-cohorte. Les deux effets, ceux de l’âge et de la cohorte, s’affichent très nettement. Les décalages entre les courbes de différentes cohortes sur un âge donné sont nets et, de plus, ces courbes de cohortes sont quasiment parallèles.

• En ce qui concerne le nombre de déplacements, il paraît que les cohortes de 1935-1944, 1925-1934 et d’une partie de celle de 1915-1924 ne présentent pas d’effets imputables à l’âge. Les écarts ne sont remarquables qu’entre les cohortes.

• La mobilité mesurée par le budget-temps montre l’évolution la plus faible entre les cohortes par rapport aux autres variables de la mobilité. Ces décalages sont identifiables, mais les écarts verticaux ne sont pas très importants.

Les résultats annoncés jusqu’à présent mettent un peu plus de lumière sur le comportement de la mobilité des différentes générations. Les analyses peuvent être approfondies par la stratification des données en groupes distinctifs de la population comme le sexe, l’activité et la motorisation51. Les diagrammes cohortaux donnent des images de la mobilité en fonction des caractéristiques propres de chaque groupe respectif de la population (Annexe 6, Figures 1 à 12).

51 Le terme « individus actifs » comprend des personnes qui travaillent, « individus inactifs » ceux qui n’ont pas d’emploi et la motorisation est étudiée suivant l’appartenance de l’individu aux ménages sans voiture, avec une voiture et aux ménages multi-équipés.

153

La perception générale est que les effets de cohorte sont plus importants parmi la population féminine et chez les individus habitant dans des ménages motorisés. Ce constat est valable pour les trois variables de la mobilité (Annexe 6). Les femmes nées pendant les années 1945-1954 et 1955-1964 âgées de 25-34 et 35-44 ans, vivant dans des ménages multi-équipés se déplacent le plus souvent. Ce même profil des individus ne montre pas de différence entre les femmes actives et inactives (Annexe 6, Figure 10). Toutefois, lorsque la comparaison se fait entre la population active et inactive, le nombre de déplacements est le plus élevé parmi les inactifs à l’âge de 25-34 et 35-44 ans appartenant aux cohortes de 1955-1964 et 1965-1974. La croissance des distances d’inactifs, pour les cohortes de 1925-1934 et 1935-1944, affiche une aspiration vers le haut avec le vieillissement des individus (Annexe 6, Figure 5). La tendance de la forte motorisation des ménages à Lille commence pendant les années soixante-dix. À cette époque là, les individus de ces deux cohortes ont atteint l’âge de 25 à 44 ans. L’usage de la voiture augmente les distances rapidement et cette pratique continue à l’âge de la retraite. En effet, la péri-urbanisation des zones moins denses et éloignées de Lille devient très attirante pour cette génération qui accède à la propriété immobilière et s’installe durablement dans ces sites. Mais, il semble que, pour les mêmes individus, l’impact de la disposition de voiture augmente aussi le nombre de déplacements, ainsi que le budget-temps (Annexe 6, Figures 4 et 6). Les comportements démontrés d’après les analyses longitudinales confirment le changement du budget-temps des femmes lié aux effets de génération (Annexe 6, Figure 3). Pourtant, dans la population masculine, ces effets sont les plus nets chez les plus jeunes et les plus anciennes cohortes, tandis que les autres cohortes montrent peu de décalages. L’analyse des individus actifs et inactifs suivant le sexe, donne plus d’explications du comportement. Notamment, il n’y a aucun écart entre les cohortes d’hommes actifs pour le budget-temps ; toutes les générations de ce groupe ont quasiment adopté le même temps pour se déplacer (Annexe 6, Figure 12). Comme s’il avait existé une loi du comportement de ces individus prescrivant l'accord mutuel entre plusieurs générations? Le diagramme montrant les effets de cohortes suivant la motorisation pourrait donner une explication (Annexe 6, Figure 9). Le diagramme du budget-temps des individus multi-équipés est similaire au diagramme cohortal d’hommes actifs. Pratiquement, l’effet de cohorte n’existe presque pas pour les individus nés après 1925-1934 et vivant dans des ménages multi-équipés. Donc, l’arrivée de la voiture dans les pratiques quotidiennes de la mobilité aide à gérer l’emploi du temps pour les déplacements journaliers de la population active masculine. Le comportement du budget-temps chez les femmes se caractérise par le rôle plus important de la cohorte des femmes inactives par rapport aux femmes actives. Principalement les femmes au foyer prennent plus de temps pour le transport que celles qui travaillent. Dans la population active, les femmes de 35-44 et 45-54 ans appartenant à la génération de 1945-1954 consacrent plus de temps en déplacements que les générations précédentes. Toutes ces analyses sur le comportement individuel affecté par les effets de génération et d’âge, montrent des changements d’habitudes au fil du temps. La génération de naissance est particulièrement parlante lorsqu’il s’agit de l’usage de la voiture et de son impact sur la mobilité. Le progrès du statut social des femmes dans la société est aussi un facteur de changement du comportement de nouvelles générations. Le taux des femmes actives augmente, cela accroît le nombre de voiture dans les ménages constitués de couples. En outre, le nombre de ménages dont la personne de référence est une femme croît très significativement.

154

Nous avons essayé d’éclaircir un peu le comportement des différentes générations à un certain âge de leur cycle de vie pour engager des réflexions sur les projections de la mobilité issues du modèle âge-cohorte. Le sujet présenté dans le chapitre suivant concerne la méthodologie de spécification du modèle âge-cohorte développée par l’INRETS-DEST, ainsi que les résultats de l’application du modèle dans la région de Lille.

155

Chapitre 2

SPÉCIFICATION DU MODÈLE : MÉTHODOLOGIE EXISTANTE

157

1. INTRODUCTION Depuis une dizaine d’années l’INRETS-DEST52 développe une modélisation de la motorisation et de la mobilité à long terme en utilisant les approches démographiques (Madre, Armoogum, 1996). Cette méthodologie se caractérise par une désagrégation de l’échantillon de pseudo-panel en sous-populations spécifiques. Les éléments nécessaires pour spécifier un modèle âge-cohorte sont des variables indicatrices d’âge et de cohorte. Le profil-type, ainsi que les écarts entre les cohortes sont calculés par rapport à la génération de référence choisie parmi les cohortes présentes. La spécification du modèle intègre deux ou trois zones de résidences, les deux sexes, et trois modalités de la motorisation désignant l’appartenance des individus aux trois groupes de ménages : sans voiture, avec une voiture et avec deux et plusieurs. L’introduction du rôle de la voiture dans la modélisation à travers une variable à trois modalités, nécessite d’effectuer d’abord des projections de la part des individus dans les trois groupes respectifs de ménages. Malgré la simplification adoptée pour cette variable, elle s’avère très pertinente pour effectuer des projections par le modèle âge-cohorte. Les estimations de la population suivant l’âge, le sexe et les trois zones de résidence jusqu’à 2030 sont fournies par l’INSEE (modèle OMPHALE) et on les utilise comme des données exogènes dans le modèle âge-cohorte. Nous présentons d’abord les résultats de projections de la population dans le périmètre d’étude à Lille, puis les estimations du modèle âge-cohorte concernant les prévisions de la motorisation comme elle était définie dans la spécification du modèle.

2. PRÉVISION DE LA POPULATION PAR L’INSEE Les projections de la population par l’INSEE à l’horizon 203053 estiment que le nombre des individus dans le périmètre d’étude croîtra jusqu’à 2015. Il devrait baisser après 2015 jusqu’à 2030 pour retrouver le niveau de 2000 (Tableau 26).

Tableau 26 Projection de la population lilloise par l’INSEE

Année de projection

2000 2005 2010 2015 2020 2025 2030

Population 899 087 903 098 905 114 906 550 905 807 903 166 897 702

Source : INSEE Dans cette période de trente ans il y aura une légère croissance de la part des femmes dans la population (Tableau 27). 52 Institut National de Recherche sur les Transports et leur Sécurité – Département d’Économie et Sociologie des Transports. 53 Le scénario de base I, voir l’Annexe 7.

158

Tableau 27 Part des deux sexes dans la population totale à l’horizon 2030

Année de projection Sexe 2000 2005 2010 2015 2020 2025 2030

Hommes 47,6% 47,5% 47,4% 47,2% 47,1% 47,0% 46,9%

Femmes 52,4% 52,5% 52,6% 52,8% 52,9% 53,0% 53,1%

Total 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% Source : INSEE

Les projections de la population dans les trois zones de l’agglomération estiment qu’elle augmenterait dans le centre-ville et dans la banlieue moins dense, mais elle devrait diminuer dans la zone du peuplement dense. La croissance projetée est plus élevée dans la zone de banlieue moins dense que celle au centre-ville (Tableau 28).

Tableau 28 Répartition de la population entre les trois zones selon la projection de l’INSEE

Année de projection Zone

2000 2005 2010 2015 2020 2025 2030

Centre-ville 19,3% 19,3% 19,3% 19,4% 19,6% 19,8% 19,9%

Banlieue dense 49,4% 49,1% 48,8% 48,5% 48,2% 47,8% 47,6%

Banlieue moins dense 31,3% 31,6% 31,9% 32,0% 32,2% 32,4% 32,6%

Total 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%

Source : INSEE Des évolutions importantes sont prévues selon les tranches d’âge de la population (Tableau 29).

Tableau 29 Projection de la population selon les tranches d’âge et les taux de croissance

Année de projection Taux de croissance Tranche d’âge 2000 2015 2030 2000/2015 2015/2030 05-09 67 632 64 413 55 646 -4,8% -13,6% 10-14 71 884 65 892 57 973 -8,3% -12,0% 15-19 74 735 66 396 62 556 -11,2% -5,8% 20-24 90 816 70 036 68 304 -22,9% -2,5% 25-29 83 257 72 068 67 857 -13,4% -5,8% 30-34 72 088 67 301 60 429 -6,6% -10,2% 35-39 67 658 74 454 59 007 +10,0% -20,7% 40-44 63 982 67 541 59 503 +5,6% -11,9% 45-49 61 859 60 982 57 280 -1,4% -6,1% 50-54 58 144 57 381 62 955 -1,3% +9,7% 55-59 34 604 52 755 56 185 +52,5% +6,5% 60-64 34 613 49 173 49 465 +42,1% +0,6% 65-69 34 915 44 778 45 654 +28,2% +2,0% 70-74 31 098 25 714 41 402 -17,3% +61,0% 75-79 28 002 24 303 37 288 -13,2% +53,4%

80 et plus 23 800 43 363 56 198 +82,2% +29,6% TOTAL 899 087 906 550 897 702 +0,8% -1,0%

Source : INSEE La baisse de la part des jeunes est à prévoir, mais également une progression forte de la part des retraités dans la population totale. La part des femmes devrait être plus grande dans les tranches d’âge des personnes âgées. La croissance du nombre des personnes en retraite devrait

159

se présenter dans les zones de banlieue, tandis qu’en centre-ville, les effectifs resteront plus importants pour les jeunes que ceux des personnes âgées. Ces estimations de la population du scénario central de l’INSEE seront exploitées dans nos projections de la motorisation et de la mobilité jusqu’à 2030. L’impact de différents scénarios démographiques sur les projections de la mobilité est également évalué (Annexe 3).

3. PROJECTION DE LA MOTORISATION DES INDIVIDUS Les projections de la part des individus habitant dans des ménages définis par les trois modalités d’équipement en voiture, sont effectuées en utilisant le principe d’estimation du modèle âge-cohorte. La distance temporelle la plus fréquemment utilisée par les démographes pour regrouper les individus dans leurs projections est de cinq ans. Nous avons rassemblé également les individus en tranches d’âge quinquennal et de même, chaque cohorte englobe cinq générations de naissance. Pour effectuer la validation du modèle suivant une confrontation entre les observations et les estimations, nous avons cadré le modèle âge-cohorte afin qu’il fournisse des résultats à partir de 1975 jusqu’à 2030 avec un pas de cinq ans. Cela nous permet d’interpoler les estimations pour les années d’enquêtes, notamment de 1976, 1987 et 1998 et de comparer les projections avec les observations54. Ainsi, les individus sont associés dans les tranches d’âge de 5-9 ans, 10-14 ans, … , 75-79 ans et « 80 ans et plus ». Au total, le modèle comporte 16 variables indicatrices d’âge des individus. Les cohortes examinées dans le modèle correspondent aux années de naissance suivantes: avant 1911, 1911-1915, 1916-1920, …, 1991-1995. Les générations de 1976-1980 et 1981-1985 sont observées dans les deux enquêtes de 1987 et 1998, tandis que les générations de 1986-1990 et 1991-1995 ne sont que connues dans l’enquête de 1998. Pour projeter les tendances jusqu’à 2030, il faut ajouter encore les cohortes suivantes : 1996-2000, 2001-2005, 2006-2010, 2011-2015, 2016-2020, 2021-2025 et 2026-2030 dont le comportement n’a pas été observé. La stabilité des coefficients pour les plus jeunes générations a été examinée par J.-L. Madre et C. Gallez (Madre, Gallez, 1992) pour une modélisation de la motorisation sur le territoire national. Les conclusions sont les suivantes : lorsque le modèle est ré-estimé en retirant la série des cinq dernières années, ils ont constaté que non seulement le dernier décalage n’est plus observable, mais aussi que celui de l’avant-dernière cohorte diverge significativement entre les deux estimations, alors que tous ceux des générations précédentes sont stables. Cette remarque, ainsi que nos analyses suggèrent qu’il ne faut pas tenir compte des dernières observations et quand la série des décalages ne montre pas de tendances nettes il faut affecter celui de l’avant-dernière aux cohortes suivantes. Concernant la motorisation des individus ces remarques nous suggèrent de tenir compte dans le modèle du décalage observé jusqu’à la cohorte 1986-1990. La mesure de la motorisation directement utilisée dans le modèle est l’appartenance d’un individu à un ménage sans voiture et un ménage multi-équipé. La part des individus vivant

54 La méthodologie ainsi que les résultats de la validation du modèle sont présentés dans le chapitre « Validation des résultats du modèle ».

160

dans des ménages mono-équipés s’obtient par la différence entre le taux de non-équipés et celui de multi-équipés. Donc, les profil-types du cycle de vie sont reconstitués pour les individus habitant dans des ménages sans voiture et les personnes appartenant aux ménages de deux voitures et plus. Dans la suite nous utilisons le terme « motorisation des individus » dont la signification se rapporte à l’appartenance des individus à ces trois catégories de ménages. L’évaluation est faite selon la zone de résidence et le sexe pour les individus âgés de 5 ans et plus. Les profils-types, ainsi que les décalages entre les cohortes sont estimés pour la génération de référence de 1966-1970. Les calculs sont effectués avec le logiciel de traitement statistique S.A.S. 3.1 Profil-type et écarts entre cohortes pour la motorisation Le profil-type des individus non-équipés, selon la zone de résidence, montre que les résidants du centre-ville sont moins équipés que ceux des deux zones de banlieue (Figure 28).

Figure 28 Profil-type au cours du cycle de vie pour les individus non-équipés selon la zone de résidence

L’autre particularité, attribuable à l’effet d’âge, se traduit par la baisse des trois courbes au milieu du cycle de vie et par un accroissement après l’âge de la retraite ce qui indique la démotorisation après la fin de la vie active. Celle-ci est toutefois fortement différenciée suivant la localisation résidentielle. La courbe de la banlieue moins dense montre que les individus de 45-49, 50-54, 55-59 et 60-64 ans devraient tous habiter dans des ménages motorisés. Une grande partie des jeunes de 15-19 et 20-24 ans résidents du centre ne sont pas motorisée. Le lissage de ce profil-type dans une vision prospective peut positionner le comportement au fil du temps. Par exemple, lorsque les individus affichent un comportement à l’âge de 45-49 ans (médiane de 47 ans), cela signifie qu’il s’agit de l’année 2013-2017 puisque le profil-type est reconstitué pour la génération de référence 1966-1970. Le profil-type pour les multi-équipés montre que leur part est la plus élevée lorsqu’ils sont âgés de 45-49 et 50-54 ans (Figure 29). La zone de banlieue moins dense contient le plus

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 PART DES INDIVIDUS APPARTENANT AUX MENAGES SANS VOITURE

0%

10%

20%

30%

40%

50%

60%

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80 e

t p

lus

Tranche d'âge

Par

t d

es in

div

idu

s ap

par

ten

ant

aux

mén

ages

sa

ns

voit

ure

Centre de Lille Banlieue dense Banlieue moins dense

161

grand nombre d’individus multi-équipés pour toutes les tranches d’âge. La part des personnes

âgées parmi les multi-équipés reste assez forte dans cette zone.

Figure 29 Profil-type au cours du cycle de vie pour les individus multi-équipés, selon la zone de résidence

L’effet de la génération sur la motorisation s’évalue suivant les courbes d’écarts estimés entre la génération de référence et les autres cohortes successives (Figures 30 et 31).

Figure 30 Décalages entre cohortes pour les individus non-équipés selon la zone de résidence

Les courbes désignant les écarts relatifs à la génération de référence pour la part des individus appartenant aux ménages sans voiture montrent des décalages dont l’ampleur dépend de la zone de résidence (Figure 30). Le pourcentage d’individus non-équipés diminue régulièrement dès les plus anciennes générations vers les générations récentes. Les décalages sont plus élevés parmi les générations installées dans les zones de banlieue et moins

PROFIL-TYPE AU COURS DU CYCLE DE VIE SELON POUR LA GENERATION 1966-1970 PAR DES INDIVIDUS APPARTENANT AUX MENAGES MULTI-EQUIPES

0%

30%

60%

90%

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

Par

t d

es in

div

idu

s ap

par

ten

ant

aux

mén

ages

m

ult

i-éq

uip

es


ECARTS RELATIFS A LA COHORTE DE 1966-1970 PART DES INDIVIDUS APPARTENANT AUX MENAGES SANS VOITURE

-20%

-10%

0%

10%

20%

30%

40%

50%

60%

70%

ava

nt

191

1

19

11_

19

15

19

16_

19

20

19

21_

19

25

19

26_

19

30

19

31_

19

35

19

36_

19

40

19

41_

19

45

19

46_

19

50

19

51_

19

55

19

56_

19

60

19

61_

19

65

19

66_

19

70

19

71_

19

75

19

76_

19

80

19

81_

19

85

19

86_

19

90

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


162

importants en centre-ville. Les écarts se stabilisent après la génération 1936–1940 dans les trois zones. Les décalages entre les cohortes de multi-équipés montrent que les écarts sont très petits dans le centre-ville, mais remarquables dans les zones de banlieue et particulièrement dans la zone de banlieue moins dense (Figure 31).

Figure 31 Décalages entre cohortes pour les individus multi-équipés, selon la zone de résidence

Le profil-type au cours du cycle de vie suivant le sexe montre que parmi les individus sans voiture la part des femmes est plus élevée, surtout après la retraite (Figure 32).

Figure 32 Profil-type au cours du cycle de vie – individus sans voiture

ECARTS RELATIFS A LA COHORTE DE 1966-1970PART DES INDIVIDUS APPARTENANT AUX MENAGES MULTI-EQUIPES

-60%

-50%

-40%

-30%

-20%

-10%

0%

10%

20%

avan

t 19

11

19

11

_1

91

5

19

16

_1

92

0

19

21

_1

92

5

19

26

_1

93

0

19

31

_1

93

5

19

36

_1

94

0

19

41

_1

94

5

19

46

_1

95

0

19

51

_1

95

5

19

56

_1

96

0

19

61

_1

96

5

19

66

_1

97

0

19

71

_1

97

5

19

76

_1

98

0

19

81

_1

98

5

19

86

_1

99

0

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970PART DES INDIVIDUS APPARTENANT AUX MENAGES SANS VOITURE

0%

10%

20%

30%

40%

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

Par

t d

es in

div

idu

s ap

par

ten

ants

au

x m

énag

es

san

s vo

itu

re

Hommes Femmes

163

Le profil-type pour les individus multi-motorisés indique que les hommes sont plus nombreux pour toutes les tranches d’âge dans ce groupe (Figure 33).

Figure 33 Profil-type au cours du cycle de vie – individus multi-équipés

Concernant les individus sans voiture, les écarts relatifs à la génération 1966-1970 indiquent que les décalages entre les générations nées après 1936-1940 sont très faibles pour les deux sexes (Figure 34).

Figure 34 Écarts relatifs entre les cohortes successives – individus sans voiture

Les courbes des écarts relatifs à la génération 1966-1970, pour les individus multi-motorisés, montrent que les décalages sont plus importants dans la population masculine (Figure 35).

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970PART DES INDIVIDUS APPARTENANT AUX MENAGES MULTI-EQUIPES

0%

20%

40%

60%

80%

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

Par

t d

es in

div

idu

s ap

par

ten

ant

aux

mén

ages

m

ult

i-éq

uip

és

Hommes Femmes

ECARTS RELATIFS A LA GENERATION 1966-1970 PART DES INDIVIDUS APPARTENANT AUX MENAGES SANS VOITURE

-20%

-10%

0%

10%

20%

30%

40%

50%

avan

t 19

11

191

1-1

915

191

6-1

920

192

1-1

925

192

6-1

930

193

1-1

935

193

6-1

940

194

1-1

945

194

6-1

950

195

1-1

955

195

6-1

960

196

1-1

965

196

6-1

970

197

1-1

975

197

6-1

980

198

1-1

985

198

6-1

990

Cohortes

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

Hommes Femmes

164

Figure 35 Écarts relatifs entre les cohortes successives – individus multi-motorisés

3.2 Projections de la motorisation Les projections issues du modèle âge-cohorte estiment que la part d’individus non-équipés et mono-motorisés diminuerait et en conséquence que la part d’individus multi-équipés augmenterait jusqu’à 2030 (Figure 36). Les individus sans voiture convergent vers la valeur de 12,5% en 2030, les mono-équipés seront dépassés par les multi-motorisés vers 2010 et la progression de multi-motorisés continuera.

Figure 36 Projection de la motorisation d’individus dans le périmètre d’étude à Lille

Les hommes devraient habiter dans des ménages plus motorisés que les femmes jusqu’à la fin de la période d’estimation de 2030 (Tableau 30).

ECARTS RELATIFS A LA GENERATION 1966-1970 PART DES INDIVIDUS APPARTENANT AUX MENAGES MULTI-EQUIPES

-50%

-40%

-30%

-20%

-10%

0%

10%

20%

ava

nt

191

1

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohortes

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

Hommes Femmes

PART DES INDIVIDUS APPARTENAT AUX MENAGES SANS VOITURES, MONO ET MULTI-EQUIPES

0%

20%

40%

60%

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030


Par

t d

es in

div

idu

s ap

par

ten

at a

ux

mén

ages

san

s vo

itu

re, m

on

o e

t m

ult

i-éq

uip

és

Individus sans voiture Individus mono-équipés Individus multi-équipés

165

Tableau 30 Projections de la part d’individus appartenant aux ménages sans, avec une et avec plus de voiture suivant le sexe

Année de projection Sexe des individus

Type de ménage 2000 2015 2030

Sans voiture 20% 16% 15% Avec une voiture 46% 42% 39% Femmes Avec 2 voitures et plus

34% 42% 46%

Sans voiture 15% 12% 10% Avec une voiture 45% 38% 34% Hommes Avec 2 voitures et plus

40% 50% 56%

Source : calcul INRETS-DEST, sur la base de EMD 1976, 1987 et 1998 à Lille

La projection selon la zone de résidence estime que la plus grande part d’individus non-équipés devrait résider dans le centre-ville et la plus forte croissance de multi-motorisés serait dans la zone de banlieue moins dense (Tableau 31). La part d’individus sans voiture converge vers 26% en 2015 dans le centre, aux alentours de 12% dans la banlieue dense en 2025 et de 5% dans la banlieue moins dense en 203055.

Tableau 31 Projections de la part d’individus appartenant aux ménages sans, avec une et avec plus de voiture suivant la zone

Année de projection Zone d’habitat Type de ménage

2000 2015 2030

Sans voiture 29% 27% 26% Avec une voiture 49% 47% 45% Centre de Lille Avec 2 voitures et plus

22% 26% 29%

Sans voiture 17% 13% 12%

Avec une voiture 46% 42% 38% Banlieue dense Avec 2 voitures et plus

37% 45% 50%

Sans voiture 12% 7% 5% Avec une voiture 41% 35% 29%

Banlieue moins dense

Avec 2 voitures et plus

47% 58% 66%


La possession de deuxième voiture n’est pas vitale pour les individus du centre-ville qui préservent la tendance à être moins motorisés que les résidants en banlieue. Le comportement des générations successives ne montre pas des évolutions importantes dans cette zone. Ce constat nous indique que la densité et la structure de la population, ainsi que la présence d’un réseau de transport public développé devrait continuer à agir sur la modération de l’équipement en voiture. Les évolutions projetées dans les zones de banlieue montrent l’importance de la motorisation, particulièrement du multi-équipement. Les individus appartenant aux ménages avec une voiture déclineraient en faveur des ménages avec deux voitures et plus. Cette évolution

55 Les résultats complets des projections suivant le sexe et la zone sont présentés dans l’Annexe 7.

166

pourrait être en contradiction avec la tendance à la diminution de la taille des ménages, mais la croissance importante des femmes dans la population active56 pèse lourdement sur la multi-motorisation. Les effets de la génération et de l’âge s’affichent clairement comme des facteurs très explicatifs du multi-équipement. Les décalages entre les cohortes sans voiture, relatifs à la génération de référence, montrent que les écarts sont très importants dès les cohortes les plus anciennes jusqu’à la cohorte 1936-1940. En effet, l’expansion de la motorisation à Lille est dans les années soixante-dix pendant la période des « Trente Glorieuses » une époque où les générations à l’âge adulte profitaient bien de la situation économique favorable. Bien qu’après les années quatre-vingt la croissance économique stagne et les chocs pétroliers se présentent, les cohortes qui succèdent ne manifestent pas des décalages importants dans la catégorie d’individus non-motorisés. Les écarts entre les cohortes après 1941-1945 existent dans la catégorie de multi-équipés dont la progression parmi les individus motorisés continuerait d’augmenter. La projection de la population de l’Insee suivant l’âge des habitants dans les trois zones est cohérente avec les résultats de l’estimation de la part des individus dans des ménages sans, avec une et avec plus de voitures. Notamment, le centre ville devrait capter plus de jeunes qui sont, en générale, moins motorisés, et la zone la plus faiblement peuplée attirerait plus de personnes placées au milieu de cycle de vie et des retraités qui sont équipés en voiture.

4. PROJECTIONS DE LA MOBILITÉ À LILLE Les projections de la mobilité à l’horizon 2030 dans l’agglomération lilloise sont effectuées avec le modèle démographique âge-cohorte, similaire à l’analyse de la variance de deux facteurs. Afin de comparer les estimations de la mobilité des différentes agglomérations, les projections de la mobilité en région lilloise sont calculées suivant la méthodologie développée à l’INRETS. Dans le chapitre suivant nous proposons également une nouvelle spécification du modèle basée sur les différentes désagrégations de la population. 4.1 Projections de la mobilité à Lille suivant la méthodologie de l’INRETS Le principe de spécification du modèle a été explicité dans le chapitre précédant concernant les projections de la motorisation des individus. Ainsi, les 16 variables indicatrices d’âge et les 17 indicatrices de cohorte quinquennale constituent la base du modèle pour les projections de la mobilité à long terme. La modélisation est désagrégée suivant le sexe, les trois zones et les trois modalités de la motorisation des individus. Les allures du profil-type et les écarts entre générations sont estimés pour les individus de ces groupes distinctifs de la population. Dans la première phase, le modèle fournit des estimations sur les paramètres des variables indicatrices d’âge et de cohorte. Ces résultats désignent les courbes des profils-types et des écarts entre les cohortes. Ensuite, dans la deuxième étape, le modèle utilise les projections de la population pour créer des cohortes futures dont les écarts ne sont pas encore observés. D’après nos analyses des données de pseudo-panel, les écarts entre la dernière et avant dernière cohorte n’est pas identifié et donc on ajoute aux nouvelles cohortes les écarts observés entre l’avant dernière cohorte et celles qui la précède. La technique de distinction et

56 Ces tendances sont révélées dans les analyses comparatives entre les trois enquêtes.

167

d’adition des deux effets permet de réaliser des estimations de la mobilité jusqu’à l’horizon fixé. Les projections de la motorisation des individus, réalisées suivant l’âge, le sexe et la zone de résidence, permettent d’effectuer des projections de la mobilité en accédant aux résultats suivant les 16 tranches d’âge, 2 sexes, 3 zones et 3 modalités de la motorisation. Pour parvenir aux estimations au niveau de l’agglomération, il faut agréger les estimations obtenues suivant ces critères d’analyse. La génération de référence est la même comme dans le modèle de la motorisation des individus, celle de 1966-1970. Afin de mieux marquer le rôle de l’âge et de la génération sur le comportement, nous présentons les estimations de profils-types et d’écarts entre les cohortes suivant le sexe57 pour les trois variables de la mobilité. 4.1.1 Projection du nombre de déplacements Le profil-type au cours du cycle de vie58 produit une première vision du comportement (Figure 37 et Annexe 8, Figures 1 et 2). Les profils-types estimés pour le nombre de déplacements montrent les images suivantes : • Ils reproduisent, de manière similaire, jusqu’à la tranche d’âge 30-34 ans le comportement

observé dans les coupes instantanées. • Après la tranche d’âge 30-34 ans les trois profils-types respectifs estiment des fréquences

de déplacements qui s’écartent nettement de celles observées à partir des données transversales. Le fléchissement des courbes des profils-types vers les tranches d’âge à la fin du cycle de vie est très faible.

Toutefois, pour interpréter correctement le comportement et pour découvrir l’origine de cette déformation du profil-type, il faut se référer en même temps aux écarts entre les cohortes (Figure 38 et Annexe 8, Figures 3 et 4).

Figure 37 Profil-type au cours du cycle de vie pour le nombre de déplacements selon le sexe

57 Les profils-types et les écarts entre cohortes suivant la zone et la motorisation des individus sont présentés dans l’Annexe 8 et les résultats de projections dans l’Annexe 9. 58 Il est estimé pour la génération de référence.

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970NOMBRE DE DEPLACEMENTS SUIVANT LE SEXE

0

2

4

6

05-0

9

10-1

4

15-1

9

20-2

4

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50-5

4

55-5

9

60-6

4

65-6

9

70-7

4

75-7

9

80

et

plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Hommes Femmes

168

Figure 38 Décalages entre les cohortes pour le nombre de déplacements selon le sexe

Le décryptage des résultats du modèle affichés par les profils-types et les écarts entre les cohortes permet d’annoncer les phénomènes suivants : • Les décalages entre les cohortes, relatifs à la génération de référence 1966-1970,

diminuent presque linéairement dès la génération la plus ancienne (avant 1911) jusqu’à la cohorte de référence. Donc, plus la cohorte est éloignée de la génération de référence dans le passé, plus les écarts sont importants. Autrement dit, pour les individus appartenant aux anciennes générations, une grande partie de la progression du nombre de déplacements est intégrée dans les effets de cohorte. Cela explique pourquoi les tranches d’âge vers la fin du cycle de vie sont beaucoup plus marquées par ces effets de cohortes (particulièrement les tranches d’âge des personnes âgées), que les tranches d’âge jusqu’à 30-34 ans. En effet, à partir des analyses des données de pseudo-panel concernant les effets de cohortes et d’âge, nous avons déjà souligné l'absence d’effet d’âge parmi les deux cohortes décennales de 1935-1944 et 1925-1934 dont les individus sont âgés de 35 à 74 ans.

• Les écarts entre les cohortes successives par rapport à la génération de référence 1966-

1970 sont plus remarquables dans la population féminine (Figure 38). Les décalages selon la zone de résidence montrent qu’ils sont supérieurs dans la zone de banlieue moins dense par rapport aux autres zones (Annexe 8 Figure 3). Les cohortes d’individus appartenant aux ménages sans voiture affichent des écarts plus importants que les cohortes de la population motorisée (Annexe 8 Figure 4).

Les projections du nombre de déplacements dans le périmètre d’étude sont obtenues d'après les estimations des profils-types et des écarts entre les cohortes. Le taux de croissance de 1998 (dernière enquête) à 2030 (horizon de projection) est de 20%, ce qui indique un ralentissement

ECARTS RELATIFS A LA GENERATION 1966-1970NOMBRE DE DEPLACEMENTS SUIVANT LE SEXE

-4,0

-3,0

-2,0

-1,0

0,0

1,0

ava

nt 1

91

1

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohortes

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

Hommes Femmes

169

de la progression observée dans la période de 1976 à 199859. Les projections selon le sexe se caractérisent avec une très forte croissance du nombre de déplacements des femmes (Tableau 32). Les résultats envisagent que les hommes se déplaceraient plus que les femmes jusqu’à 2005. Après cette date, les femmes devraient réaliser plus de déplacements en moyenne jusqu’à la fin de la période de projection.

Tableau 32 Projection du nombre de déplacements dans l’agglomération entière et suivant le sexe


Femmes Hommes Agglomération entière

2000 4,06 4,13 4,09 2005 4,27 4,28 4,27 2010 4,46 4,38 4,42 2015 4,59 4,48 4,54 2020 4,75 4,57 4,66 2025 4,87 4,65 4,77 2030 4,95 4,70 4,84


Le modèle estime le plus fort progrès de déplacements dans la zone de banlieue moins dense. La croissance est presque identique dans le centre-ville et dans la banlieue dense (Annexe 9, Tableau 1). Toutefois, le centre de Lille et la zone de banlieue dense devraient garder le plus grand nombre de déplacements que la zone de banlieue moins dense. Les individus appartenant aux ménages multi-équipés vont continuer à se déplacer plus par rapport aux individus moins motorisés et ceux sans voiture (Annexe 9, Tableau 2). Les projections suivant les tranches d’âge affichent une croissance nette de déplacements chez les retraités entre 2015 et 2030 (Annexe 9, Figure 1). En effet, la progression de la fréquence de déplacements dans la période mentionnée est prévue pour tous les individus après 30-34 ans. Pourtant, concernant les personnes les plus âgées, cette croissance est très importante. 4.1.2 Projection du budget-temps Le profil-type au cours du cycle de vie suivant le sexe (Figure 39) estimé par le modèle se distingue du profil d’âge calculé d’après une coupe transversale (Annexe 4, Figure 3). La divergence se présente après la tranche d’âge de 30-34 ans. La courbe du profil-type des femmes s’éloigne plus que celle des hommes par rapport aux courbes observées dans la coupe instantanée. Néanmoins, lorsqu’on compare les écarts entre les cohortes relatifs à la génération de référence, on remarque que les écarts parmi les cohortes des femmes sont plus importants que les écarts d’hommes (Figure 40).

59 La moyenne du nombre de déplacements en 1976 est de 2,83 et en 1998 de 4,01 déplacements ce qui donne un taux de croissance de 42%.

170

Figure 39 Profil-type au cours du cycle de vie pour le budget-temps selon le sexe

Les écarts entre les cohortes se stabilisent après la génération 1956-1960 pour les femmes tandis que parmi la population masculine les décalages ne progressent pas significativement après la cohorte 1926-1930. Cependant, il faut noter l’apparition de décalages entre la génération de référence 1966-1970 et des plus jeunes cohortes de 1976-1980 et 1981-1985. Nous pensons que les écarts résultent d’une utilisation plus importante du transport public de ces plus jeunes cohortes attirées par l’amélioration notable de l’offre de transport public. Les écarts suivant la zone de résidence sont plus élevés dans la zone de banlieue moins dense et moins importants dans la banlieue dense (Annexe 8, Figure 7). Les courbes dessinant les écarts relatifs entre les cohortes suivant la motorisation d’individus indiquent que les effets de cohortes sont plus remarquables parmi les individus sans voiture et ils sont moins grands chez les individus dans les ménages multi-équipés (Annexe 8, Figure 8).

Figure 40Décalages entre les cohortes pour le budget-temps selon le sexe

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LE SEXE

0

20

40

60

80

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80 e

t plu

s

Cohorte

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

Hommes Femmes

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LE SEXE

-40

-30

-20

-10

0

10

ava

nt 1911

1911-1

915

1916-1

920

1921-1

925

1926-1

930

1931-1

935

1936-1

940

1941-1

945

1946-1

950

1951-1

955

1956-1

960

1961-1

965

1966-1

970

1971-1

975

1976-1

980

1981-1

985

1986-1

990

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

Hommes Femmes

171

Les projections du budget-temps dans le périmètre d’étude estiment que le taux de croissance de 1998 jusqu’à 2030 est de l’ordre de 6,5%. Cette progression montre un ralentissement par rapport à la période entre 1976 et 199860. D’après ces estimations, le budget-temps de l’aire d’étude devrait converger vers la valeur de 59 minutes (Tableau 33). Les projections selon le sexe prévoient une plus forte croissance du budget-temps des femmes. Le budget-temps des hommes devrait peu varier, mais celui des femmes progressera jusqu’à 2030 (Tableau 33).

Tableau 33 Projection du budget-temps dans la population totale et suivant le sexe



2000 53,3 56,7 54,9 2005 54,8 57,5 56,1 2010 56,1 57,6 56,8 2015 56,9 57,8 57,3 2020 58,5 57,7 58,1 2025 59,3 57,9 58,6 2030 59,8 57,5 58,7


Les projections selon la zone de résidence envisagent que le budget-temps parvient vers la valeur de 66 minutes dans le centre de Lille, autour de 59 minutes dans la zone de banlieue dense et de 55 minutes dans la zone de banlieue moins dense (Annexe 9, Tableau 3). Ainsi, le centre-ville gardera le budget-temps le plus élevé. Les projections suivant la motorisation des individus estiment que le budget-temps des individus habitant dans des ménages multi-motorisés ne changerait pas et resterait constamment aux alentours de 57 minutes (Annexe 9, Tableau 4). La progression du temps de déplacements quotidiens est envisagée pour les individus sans voiture, et dans une moindre mesure, pour les individus appartenant aux ménages avec une voiture. Les estimations selon l’âge suggèrent une baisse du budget-temps en 2030 par rapport à 2015 pour les tranches d’âge entre 30 et 44 ans (Annexe 9, Figure 2). Les autres classes d’âge devraient augmenter leur budget-temps, particulièrement les individus âgés de 70-74 ans. 4.1.3 Projection du budget-distance Les estimations du profil-type et des écarts entre les cohortes montrent l’importance de l’âge et de la génération de naissance sur le comportement mesurée par le budget-distance. La mosaïque se complète lorsque les résultats ressortent suivant le sexe (Figures 41 et 42), la zone (Annexe 8, Figures 9 et 11) et la motorisation d’individus (Annexe 8, Figures 10 et 12). L’analyse des courbes des profils-types et des écarts de cohortes nous amène à des réflexions sur le passé et l’histoire de chaque cohorte, mais également sur les perspectives de comportement. Le profil-type selon le sexe montre que les hommes réalisent de plus grandes distances pour les tranches d’âge au milieu du cycle de vie, mais les effets de génération sont plus importants parmi les femmes. Les décalages entre les cohortes d’hommes commencent à partir de la première cohorte « avant 1901 » jusqu’à la génération de 1926-1930. Entre les hommes nés de 1926-1930, de 1931-1935 et de 1936-1940 les effets de cohortes ne se présentent pas. Après la génération 1936-1940, les écarts entre les cohortes successives (par rapport à la génération de référence) continuent à s’afficher, mais parmi les plus jeunes cohortes ces décalages deviennent faibles. Les jeunes cohortes des femmes montrent le même

60 La moyenne du budget-temps en 1976 est de 44,4 minutes et en 1998 de 55,1 minutes ce qui donne un taux de croissance de 24%.

172

comportement comme les jeunes cohortes des hommes. Les effets de génération sont très importants pour les cohortes des femmes précédentes celle de 1956-1960.

Figure 41 Profil-type au cours du cycle de vie pour le budget-distance, selon le sexe

Le profil-type suivant la zone de résidence montre que les distances sont significativement plus grandes dans la zone de banlieue moins dense que pour toutes les tranches d’âge. En outre, les décalages entre les cohortes sont également plus importants dans cette zone.

Figure 42 Décalages entre les cohortes pour le budget-distance, selon le sexe

Les résultats suivant la motorisation des individus indiquent des distances beaucoup plus élevées dans les ménages multi-équipés pour toutes les tranche d’âge. Les écarts entre les cohortes sont petits pour les individus appartenant aux ménages sans voiture, mais ils sont très

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LE SEXE

0

4

8

12

16

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

Hommes Femmes

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LE SEXE

-10

-8

-6

-4

-2

0

2

avant 1911

1911-1

915

1916-1

920

1921-1

925

1926-1

930

1931-1

935

1936-1

940

1941-1

945

1946-1

950

1951-1

955

1956-1

960

1961-1

965

1966-1

970

1971-1

975

1976-1

980

1981-1

985

1986-1

990

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

Hommes Femmes

173

significatifs pour les individus multi-équipés. Pourtant, après la génération 1956-1960 les écarts par rapport à la génération de référence se resserrent pour les trois groupes respectifs des individus. Le modèle estime un taux de croissance des distances de 24% entre 1998 et 2030 qui devrait être nettement plus faible que le taux de croissance du passé (de 57% entre 1976 et 1998). Les estimations selon le sexe considèrent une plus forte croissance du budget-distance des femmes, mais jusqu’à la fin de la période de projection les distances devraient rester plus élevées parmi la population masculine (Tableau 34).

Tableau 34 Projection du budget-distance dans la population totale et selon le sexe



2000 7,9 10,0 8,9 2005 8,4 10,5 9,4 2010 8,8 10,8 9,8 2015 9,2 11,1 10,1 2020 9,5 11,4 10,4 2025 9,8 11,6 10,7 2030 10,0 11,8 10,9


Les projections selon la zone de résidence estiment qu’il y aurait une stabilisation du budget-distance dans la zone de banlieue moins dense en 2030, autour de 12 km (Annexe 9, Tableau 5). Dans les autres zones les distances sont inférieures et la croissance se ralentit, également sans atteindre la stabilité. Les distances devraient continuer à progresser pour les individus motorisés ainsi que pour les non motorisés, mais elles vont continuer d’être trois fois plus grandes pour les plus motorisés par rapport aux individus sans voiture. (Annexe 9, Tableau 6). Les projections selon les tranches d’âges prévoient la plus grande croissance des distances entre 2000 et 2015 après 40-44 ans et entre 2015 et 2030 après 60-64 ans (Annexe 9, Figure 3).

5. VALIDATION DES RÉSULTATS DU MODÈLE La validation des résultats issus du modèle est réalisée en utilisant deux techniques : les intervalles de confiance d’une part, la régression linéaire entre les résultats des enquêtes et ceux du modèle, d’autre part. • Validation suivant les intervalles de confiance L’idée consiste à vérifier que la trajectoire modélisée passe à l'intérieur des intervalles de confiance estimés sur les données d’enquête61. Cette validation repose sur une vision dynamique et elle est d'autant moins sévère que l'on considère des sous-populations plus limitées, donc des échantillons plus petits conduisant à des intervalles plus larges. L’application de cette méthode se fait par zone de résidence, par motorisation individuelle,

61 Le principe de calcul d’intervalle de confiance est montré dans l’Annexe 10.

174

par sexe, ou encore dans l’agglomération entière. Les intervalles de confiance sont calculés au seuil de confiance de 95%. • Validation suivant la régression Le modèle fournit les résultats de 1975 à 2030 avec un pas de cinq ans. Pour confronter les projections du modèle avec les observations il faut interpoler les résultats correspondants aux années d’enquêtes (1976, 1987 et 1998). La régression entre les valeurs observées et estimées est calculée au niveau le plus fin. Nous disposons notamment de 864 observations pour les 3 zones, les 3 modalités de la motorisation, les 2 sexes, les 3 périodes d’observation et les 16 tranches d’âge quinquennales. Le modèle sera validé si le R2 est proche de 1, la pente est proche de 1 et la constante ne diffère pas significativement de 0. 5.1 Validation des résultats de la motorisation des individus La confrontation entre les résultats estimés sur l’ensemble de l’agglomération montre que les estimations de 1987 sortent de l’intervalle de confiance (Annexe 11, Tableau 1). Les autres différences entre les résultats du modèle et d’enquêtes de 1976 et 1998 ne sont pas élevées (maximum de 3,2%). Les analyses selon les tranches d’âge indiquent que les plus grands écarts entre les estimations et les observations sont parmi les jeunes de 5-9, 10-14 et 15-19 ans. Les explications possibles peuvent être les suivantes: • La présence d’enfants dans le ménage influence l’équipement en voiture, mais la décision

est propre aux parents dont l’âge et la génération marquent aussi le comportement. • La différence entre la manière d’enquêter les étudiants de 1987 par rapport aux enquêtes

de 1976 et 1998. Notamment, en 1987 de nombreux étudiants étaient logés en chambre chez l'habitant. Ils devaient être considérés comme faisant partie du ménage chez qui ils habitaient, or dans la pratique ils étaient souvent oubliés. En 1998, les étudiants occupent bien plus souvent un logement isolé et sont enquêtés normalement.

L’analyse des résultats selon la zone, montre que dans la zone de banlieue moins dense le modèle surestime la part des individus sans voiture par rapport aux observations des trois enquêtes (Annexe 11, Tableau 2). Les différences sont plus importantes parmi les personnes âgées et peuvent résulter d’effets suivants : • Le petit nombre d’observations dans les enquêtes de 1987 et 1998, en particulier parmi les

tranches d’âge les plus élevées ; • La croissance de la part des personnes âgées dans la zone de banlieue moins dense révélée

dans l’enquête de 1998 (Annexe 2, Tableau 4). En effet, en 1998 le nombre de personnes de 65 ans et plus augmente dans la zone de banlieue moins dense et il diminue dans la zone du centre. Ce résultat montre que la structure de la population selon l’âge dans la zone de banlieue moins dense change en faveur des retraitées.

Tenant compte de ces caractéristiques, nous avons spécifié le modèle âge-cohorte en séparant la population en deux groupes : les « adultes de 20 ans et plus » et les « jeunes de moins de 20 ans ». La projection de la motorisation d’individus selon le modèle âge-cohorte utilise maintenant les tranches d’âge correspondant aux individus de ces deux sous-populations. Afin d’évaluer l’impact de découpage de l’agglomération sur les projections, une autre structure du modèle est testée avec le découpage de l’agglomération en deux zones (les deux zones de banlieue sont rassemblées dans une zone).

175

Les résultats du modèle spécifié pour les adultes sont nettement plus proches des résultats d’enquêtes (Annexe 11, Tableaux 5, 6, 7, et 8). Pourtant, les résultats du modèle pour les individus de moins de 20 ans s’écartent plus des valeurs observées dans les enquêtes de 1987 et 1998 (Annexe 11, Tableaux 9, 10, 11 et 12) par rapport aux écarts du modèle spécifié sur l’ensemble de la population. Les résultats du modèle avec deux zones (Annexe 11, Tableau 13) pour les individus non-motorisés sont convenablement situés entre les deux bornes d’intervalle de confiance. Cela confirme les hypothèses précédentes sur la taille d’échantillon et sur le changement de la structure de la population dans la zone de banlieue moins dense. D’après ce critère de validation des résultats, le modèle estimé sur l'ensemble de l’agglomération (sans découpage en zone) devrait être meilleur, mais il ne rendrait pas compte pleinement du rôle du desserrement de la population. La validation des résultats selon la régression entre les observations d’enquêtes et les estimations du modèle peut être exprimée par la forme mathématique suivante: PART des individus selon la motorisation observé = a + b PART des individus selon la motorisation estimée du modèle La régression linéaire des 864 observations (les 3 zones, les 3 modalités de la motorisation, les 2 sexes, les 3 périodes d’observation et les 16 tranches d’âge) donne les résultats suivants : R2 = 0,9353 Constante = 0,2379 avec t = 0,58 Pente = 1,0089 avec t = 111,04. Les résultats de la régression montrent que le coefficient de détermination R2 est proche de 1, la constante n’est pas significativement différente de 0 et la pente ne diffère pas significativement de 1. La vérification de la consistance du modèle par la régression est convenable. 5.2 Validations des résultats de projection du nombre de déplacements Afin de réaliser la vérification des projections par l’intervalle de confiance, nous avons interpolé les résultats issus du modèle correspondants aux années d’enquête, pour que la comparaison des moyennes d’enquêtes et celles du modèle soit possible (Tableau 35).

Tableau 35 Intervalles de confiance pour le modèle du nombre de déplacements selon le sexe et dans l’agglomération entière

Intervalle de confiance Population Année Modèle Borne

inférieure Borne

supérieure

Enquête Différence

modèle-enquêtes

1976 3,14 2,98 3,06 3,02 +3,8% 1987 3,65 3,65 3,82 3,74 -2,5% Hommes 1998 4,05 3,96 4,14 4,05 -0,1% 1976 2,75 2,62 2,70 2,66 +3,3% 1987 3,40 3,39 3,56 3,47 -2,1% Femmes 1998 3,97 3,88 4,06 3,97 0,0% 1976 2,88 2,80 2,86 2,83 +1,7% 1987 3,54 3,54 3,66 3,60 -1,6%

Agglomération entière

1998 4,01 3,94 4,07 4,01 +0,1% Source : INRETS d’après le modèle AC et EMD 1976, 1987 et 1998 à Lille

176

Les résultats issus du modèle sont bien situés par rapport aux bornes de l’intervalle de confiance calculées sur les données d’enquêtes de 1998 et de 1987. Les comparaisons de valeurs pour la première enquête montrent que les résultats du modèle sortent légèrement de l’intervalle de confiance. En effet, le nombre d’observations en 1976 est beaucoup plus grand par rapport aux enquêtes suivantes62 et en conséquence les intervalles de confiance sont très étroits. La plus grande différence entre les résultats est de l’ordre de 3,8% ce qui montre une bonne reproduction des tendances observées. Les résultats identiques s’affichent lorsqu’on calcule les intervalles de confiance suivant la zone et la motorisation (Annexe 12, Tableaux 1 et 2). La seconde manière de vérifier les résultats du modèle est par la régression avec les observations des trois enquêtes : DÉPLACEMENTS enquêtes = a + b DÉPLACEMENTS modèle La régression des 864 observations issues du modèle et d’enquêtes pour les 3 zones, les 3 modalités de la motorisation, les 2 sexes, les 3 périodes d’observation et les 16 tranches d’âge donne les résultats suivants : R2 = 0,9086 Constante = 0,0004 avec t = 0,01 Pente = 1,0020 avec t = 92,63. La régression indique que le modèle estime convenablement les nombres de déplacements selon les critères d’analyse. Plusieurs vérifications ont été effectuées suivant la régression pour les différents critères d’analyse comme les 16 tranche d’âge, les 3 zones et les 3 périodes d’enquêtes, ensuite, les 16 tranches d’âge, les 3 modalité de la motorisation et les 3 zones, etc. Les statistiques de la régression indiquent une très grande vraisemblance entre les valeurs issues du modèle et les enquêtes. 5.3 Validations des résultats de projection budget-temps La vérification des résultats du modèle de budget-temps est effectuée selon le même principe que celle pour les déplacements. Les intervalles de confiance sur les données d’enquêtes sont évalués au seuil de confiance de 95%. (Tableau 36).

Tableau 36 Intervalles de confiance pour le modèle du budget-temps selon le sexe et dans l’agglomération entière


inférieure Borne

supérieure


modèle-enquêtes

1976 49,6 48,2 50,0 49,1 +0,9% 1987 53,4 51,4 54,4 52,9 +1,0% Hommes 1998 56,3 55,3 58,4 56,9 -1,1% 1976 40,2 39,5 40,9 40,2 +0,1% 1987 47,0 44,8 47,4 46,1 +1,9% Femmes 1998 52,6 52,1 54,8 53,5 -1,7% 1976 44,1 43,8 45,0 44,4 -0,6% 1987 50,1 48,4 50,4 49,4 +1,4%


1998 54,3 54,0 56,1 55,1 -1,4% Source : INRETS d’après le modèle AC et EMD 1976, 1987 et 1998 à Lille

62 Environ 27 000 individus ont été enquêtés en 1976 et 8 400 en 1987 et 1998.

177

Les résultats issus du modèle sont bien situés par rapport aux deux bornes de l’intervalle de confiance calculées sur les données d’enquêtes. La vérification des résultats suivant la zone et la motorisation d’individus indique également des résultats convenables (Annexe 12, Tableaux 3 et 4). Ainsi, la vérification des projections du modèle est évaluée avec la régression suivante : BDGTEMPS enquêtes = a + b BDGTEMPS modèle La régression des 864 observations donne les résultats suivants : R2 = 0,8554 Constante = 0,5540 avec t = 0,77 Pente = 0,9904 avec t = 71,46. Les statistiques montrent que le modèle estime convenablement les observations. 5.4 Validations des résultats de projection budget-distance Les validations des résultats sont effectuées de la même façon que celles pour le nombre de déplacements et le budget-temps La vérification des projections du budget-distance suivant l’intervalle de confiance montre que les résultats issus du modèle sont bien situés par rapport aux bornes inférieures et supérieures de l’intervalle de confiance calculées sur les données d’enquêtes (Tableau 37, Annexe 12, Tableaux 5 et 6).

Tableau 37 Intervalles de confiance pour le modèle du budget-distance selon le sexe et dans l’agglomération entière


inférieure Borne

supérieure


modèle-enquêtes

1976 7,2 6,9 7,3 7,1 +1,1% 1987 8,5 8,1 8,8 8,5 +0,7% Hommes 1998 9,8 9,5 10,3 9,9 -1,4% 1976 4,3 4,1 4,3 4,2 +1,5% 1987 6,2 6,1 6,6 6,3 -1,8% Femmes 1998 7,6 7,4 8,1 7,8 -1,3% 1976 5,6 5,5 5,7 5,6 +0,6% 1987 7,3 7,1 7,6 7,4 -0,4%


1998 8,7 8,5 9,0 8,8 -1,3% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

La vérification des résultats du modèle est évaluée aussi avec la régression entre les observations d’enquêtes et les estimations du modèle. BDGDISTANCE enquêtes = a + b BDGDISTANCE modèle La régression donne les résultats suivants : R2 = 0,9376 Constante = 0,0161 avec t = 0,22 Pente = 1,0008 avec t = 113,86. Cette vérification est également satisfaisante, et on peut constater que le modèle reproduit correctement les observations du budget-distance.

178

6. COMMENTAIRES CONCERNANT LES RÉSULTATS DE PROJECTIONS Le modèle estime que la forte croissance de la mobilité dans les années 70, 80 et 90 se ralentira dans la période 2000-2030. Cependant, les estimations du nombre de déplacements à la fin de l’horizon de projection (4,8 déplacements par personne et par jour) semblent très élevées. L’explication que nous retenons est la suivante : Une croissance du nombre de déplacements comparable à celle de Lille n’est pas observée dans les autres grandes agglomérations françaises63. Le doute concerne la collecte des données du nombre de déplacements dans l’enquête de 1976, d’autant plus que les projections sans observations de 1976 donnent une moyenne de 4,4 déplacements/individu/jour en 2030. Toujours sans observations d’enquête de 1976, les projections du budget-temps sont invariantes et celles du budget-distance montrent un très faible décalage (Annexe 13, Figure 1). Ces résultats conduisent à supposer que peut-être les déplacements de proximité n’ont pas été enregistrés suffisamment correctement dans la première enquête. Le modèle reconstitue convenablement les tendances annoncées dans les enquêtes. Les valeurs moyennes pour les trois variables indicatrices de la mobilité sont correctement situées par rapport aux intervalles de confiance calculés sur les données des trois enquêtes. L’amplitude des fluctuations entre les estimations du modèle et les données des enquêtes atteint au maximum 3,8%. Les régressions linéaires des résultats issus du modèle et les observations donnent constamment des valeurs élevées du coefficient de détermination R2, ainsi que des valeurs de la pente autour de 1 et celles de la constante à 0 (et non significatives) ce qui confirment que le modèle reconstitue convenablement les évolutions observées. Les projections de la mobilité avec la même méthodologie de l’INRETS-DEST ont été réalisées dans les agglomérations à Lyon, en Île-de-France et à Montréal et nous présentons la comparaison des résultats de projections entre les quatre grandes métropoles.

7. COMPARAISONS ENTRE LES ÉTUDES DE DIFFÉRENTES AGGLOMÉRATIONS

Les projections de la mobilité à Lille sont comparées avec les projections réalisées dans d’autres agglomérations pour mettre en évidence l’importance des facteurs démographiques, mais également des caractéristiques propres à chaque ville sur les estimations. Nous présentons les principales tendances de la mobilité projetées à l’horizon 2030 dans les régions urbaines de Paris, de Lyon64 et de Montréal. Notons que les projections à Montréal ne concernent que le budget-distance et le nombre de déplacements à cause de l’absence d’information sur les durées, et ne dépassent pas 2021, horizon des projections démographiques disponibles. L’aire d’étude en Île-de-France et à Montréal couvre la périphérie des villes, mais elle est également réduite à l’échelle de celle de Lyon et de Lille. En effet, pour faciliter les comparaisons nous avons isolé la zone agglomérée en Île-de-France (Paris + petite couronne) et à Montréal (île de Montréal) qui correspondent plus aux périmètres étudiés à Lyon et Lille. Les projections concernent uniquement les déplacements internes à l'aire d'étude.

63 Voir « La mobilité urbaine en France : les années 90 », page 22, CERTU 2002. 64 Les caractéristiques de l’aire d’étude, ainsi que la particularité du calcul des distances en Île-de-France et à Lyon sont présentées dans l’Annexe 14.

179

7.1 Budget-distance L’usage de la voiture et particulièrement la croissance de la multi-motorisation des ménages devraient continuer à stimuler l’étalement urbain dans les quatre régions étudiées. Pourtant, la première tendance remarquable issue des projections est que, si l’on restreint l’aire d’étude à la zone agglomérée pour Paris et Montréal, les résultats sont tout à fait comparables avec ceux de Lyon et de Lille. Donc, à l’échelle comparable des agglomérations, la taille n’exercerait pas d’influence importante sur les évolutions du budget-distance. Les distances de déplacements sont plus élevées dans la région parisienne et celle de Montréal qu’à Lyon et à Lille, mais seulement quand la périphérie est incluse dans la zone d’étude (Figure 43). La deuxième remarque concerne le contraste entre Montréal et l’Île-de-France : la croissance estimée des distances parcourues dans l’ensemble de l’aire urbaine sur la période 2000-2020 est moins importante en Île-de-France qu’à Montréal. Cela pourrait être une conséquence de la conception des villes, particulièrement de la périphérie, et de son influence sur les comportements de leurs habitants. La troisième réflexion est que le budget-distance dans les trois villes françaises croîtrait plus lentement d’ici à 2030 par rapport à la période des années quatre-vingt et quatre-vingt-dix. Le parallélisme entre les trois courbes indique que le ralentissement de la croissance des distances parcourues s’opère au même rythme sur les trois cités.

En distinguant les projections suivant le sexe, on constate que l’allongement des distances parcourues par les femmes résidant en Île-de-France ou à Montréal se ralentit moins que celui des distances parcourues par les hommes ; les écarts entre les sexes se resserrent donc pendant la période de projection. Dans les cas de Lille et de Lyon les écarts entre les deux sexes se maintiennent. Toutefois dans toutes les agglomérations, les distances journalières parcourues par les hommes resteraient plus élevées que celles des femmes jusqu’à la fin de la période de projection. La zone de résidence est un facteur très explicatif concernant la progression du budget-distance : plus on habite loin du centre-ville, plus le budget-distance est important. La tendance commune dans toutes les villes est que la plus grande croissance des budgets-distances devrait s’observer chez les habitants de la périphérie.

180

Figure 43 Projection du budget-distance dans les quatre agglomérations

7.2 Budget-temps Malgré la croissance accélérée des distances en Île-de-France, l’accroissement du temps de déplacements quotidiens ne s’observe pas. La croissance significative du budget-temps est relevée à Lille où il croît surtout parmi les femmes. Dans toutes les villes, le gain de vitesse de déplacements s’est converti en distance supplémentaire quotidiennement parcourue. En effet, les budgets-temps sont déjà élevés à Paris dans les années soixante-dix et leur progression sera donc très faible (Figure 44). Après le ralentissement de la croissance du budget-temps sur la période 1985-2000, la projection affiche une stabilisation d’environ 83 minutes. La diminution de l’écart entre les hommes et les femmes, déjà constatée sur la période 1977-1998 se prolongerait. L’évolution du budget temps est fortement contrastée suivant l’éloignement au centre de Paris. La grande couronne suit le mouvement global observé sur l’Île-de-France, avec un ralentissement de l’augmentation puis une stabilisation d’environ 80 minutes. Dans cette zone la plus éloignée de Paris, les temps de transport restent moins élevés que la moyenne régionale ; mais l’écart se resserre avec les zones plus centrales. Les habitants de la petite couronne voient leur budget-temps croître avec, certes, un ralentissement mais plus tardif et moins prononcé qu’ailleurs en Île-de-France pour se stabiliser à 88 minutes en 2025. Les Parisiens ne conserveraient le record de durée des trajets que jusqu’en 2005, date à laquelle ils seraient dépassés par les habitants de la petite couronne. L’évolution parisienne présente la singularité d’atteindre un maximum en 2000 avec une moyenne de 83 minutes par personne et par jour ouvrable. À Lyon, les projections du budget-temps affichent une croissance particulièrement soutenue, et il n’y a pas pour l’instant de stabilisation jusqu’à l’horizon de projection. En effet, les

PROJECTION DU BUDGET-DISTANCE

4,0

8,0

12,0

16,0

20,0

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Bu

dg

et-d

ista

nce

(K

m/in

div

idu

/jou

r)

Ile-de-France Lyon

Lille Montréal

Ile-de-France (Centre+Banlieue) Montréal (Centre+Banlieue)

181

observations du budget-temps de 1976, 1985 et 1995 à Lyon relèvent les valeurs suivantes : 69 minutes en 1976, 60 minutes en 1985 et 73 minutes en 1995. Pourtant, le modèle ne tient pas compte de la baisse du budget-temps observée en 1985 et il estime un résultat moyen de 66 minutes pour la même année (69 minutes en 1995 et 65 minutes en 1976) (Madre H., 2002). Le budget-temps à Lille croîtrait en convergeant vers la valeur de 60 minutes en 2030. Les femmes passeraient plus de temps à se déplacer que les hommes à partir de 2015. Il existe une différence nette dans les comportements entre d’une part à Lyon et d’autre part à Paris et Lille : c’est la distinction entre hommes et femmes. Alors qu’à Paris et à Lille la mobilité des femmes tend à rejoindre celle des hommes, à Lyon l’écart reste constant et les projections anticipent même une divergence des budgets-temps. Dans chacune des trois agglomérations, ce sont les retraités qui gagnent le plus en mobilité, en grande partie grâce à une plus forte motorisation. On voit en effet arriver à la retraite des citadins qui ont eu une voiture pendant leur vie active et qui ne sont pas prêts à se séparer de leurs véhicules une fois arrivés l’âge de la retraite.

Figure 44 Projection du budget-temps dans les trois agglomérations françaises

7.3 Fréquence des déplacements Concernant l’Île-de-France, les projections estiment une stabilisation à 3,45 du nombre moyen de déplacements par personne et par jour ouvrable à partir de 2010 (Figure 45). La mobilité des hommes diminuerait, tandis que celle des femmes devrait croître légèrement. Le modèle montre qu’entre 2005 et 2010, les femmes auront rattrapé leur retard sur les hommes, et se déplaceront désormais plus souvent. L’évolution du nombre de déplacements pour les habitants de la petite et de la grande couronne est quasiment identique ; en effet, de 1975 à 2010, les déplacements de ces habitants ne cessent de croître, même si c’est de moins en moins vite, et à partir de 2010, ces déplacements se stabilisent. Pour les Parisiens, la mobilité

PROJECTION DU BUDGET-TEMPS

45,0

55,0

65,0

75,0

85,0

95,0

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Bu

dg

et-t

emp

s (m

in/in

div

idu

/jou

r)

Ile-de-France Lyon Lille Ile-de-France (Centre+Banlieue)

182

ne fait que diminuer, de façon assez uniforme de 1975 à 2000, (au rythme de -0,4% par an), ce mouvement s’accélérant par la suite. La mobilité des Parisiens deviendrait inférieure à celle des habitants des deux couronnes à partir de 2010. La projection du nombre de déplacements par personne à Lille prolonge le ralentissement observé pour la progression de la mobilité. Cependant, la moyenne de 4,8 déplacements journaliers par personne en 2030 nous a semblé très élevée et ce chiffre devrait être considéré comme un maximum. Les projections obtenues en n’utilisant que les deux dernières enquêtes donnent une moyenne de 4,4 déplacements en 2030 ; et, comme pour Lyon en 1985, on pourrait s’interroger sur l’exhaustivité de l’enregistrement des déplacements courts à Lille en 1976. À Lyon, la projection estime une croissance modérée de 3,8 en 2000 à 4,0 déplacements par personne et par jour en 2030. Cette augmentation est due à la population masculine, puisque le nombre moyen de déplacements des femmes ne change pas de 2000 à 2030 (il reste à 3,6 déplacements/individu/jour). Comme dans le cas de Lille, la plus forte croissance s'observe en banlieue. Bien que les habitants de Montréal aient des budgets-distance très élevés, la fréquence de leurs déplacements paraît plus faible que dans les villes françaises. Là encore, les déplacements courts sont probablement sous-estimés, puisque un seul répondant doit décrire au téléphone la mobilité de tous les membres du ménage. La fréquence de déplacements devrait augmenter de 2,68 en 2001 à 3,13 en 2021 déplacements par individu et par jour ce qui est largement au-dessous des valeurs estimées pour les villes françaises, où tous les membres du ménage sont réunis pour répondre à l’enquêteur.

Figure 45 Projection de la fréquence des déplacements dans les quatre agglomérations

PROJECTION DU NOMBRE DE DEPLACEMENTS

2,0

2,5

3,0

3,5

4,0

4,5

5,0

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Années

No

mb

re d

e d

épla

cem

ents

/ind

ivid

u/jo

ur

Ile-de-France Lyon Lille

Montréal Ile-de-France (Centre+Banlieue) Montréal (Centre+Banlieue)

183

7.4 Volumes de trafic Les projections des volumes de trafic dépendent beaucoup des projections de la population estimée par l’INSEE pour les villes françaises. Les résultats présentés dans le tableau suivant (Tableau 38) concernent le scénario démographique appelé « scénario central » qui maintient les quotients de migration nette par sexe et âge sur toute la période de projection (Annexe 3). La croissance de la population dans la période 2000 à 2030 devrait être la plus grande en Île-de-France (0,36% par an), puis à Lyon (0,26% par an) et à Lille le nombre des résidants dans le périmètre d’étude devrait diminuer légèrement (-0,01% par an). Le rythme de croissance de la population à Montréal est estimé de 0,18% par an jusqu’en 2021. Toutefois, dans la même période les volumes de trafic mesurés par les voyageurs-kilomètres devraient progresser plus considérablement que la croissance de la population. La plus forte augmentation du volume des distances journalières parcourues devrait être à Lyon (0,95% par an), en Île-de-France de 0,83% et à Lille de 0,72% par an. Les estimations pour Montréal sont dans les mêmes ordres de grandeur ; un progrès de 0,89% par an entre 2001 et 2021.

Tableau 38 Population, volume de voyageurs-kilomètres et volumes des déplacements dans les 4 agglomérations

POPULATION (en millions) Années Île-de-France Montréal65 Lille Lyon

2000 10,24 3,14 0,90 1,13 2005 10,47 3,20 0,90 1,14 2010 10,71 3,25 0,91 1,16 2015 10,90 3,28 0,91 1,18 2020 11,05 3,31 0,91 1,19 2025 11,20 - 0,90 1,20 2030 11,34 - 0,90 1,21

VOYAGEURS–KILOMÈTRES (en millions) Île-de-France Montréal Lille Lyon

2000 170,61 47,72 8,00 14,59 2005 179,60 51,58 8,48 15,42 2010 188,01 54,93 8,85 16,15 2015 195,36 57,88 9,13 16,84 2020 201,91 60,44 9,43 17,53 2025 207,86 - 9,65 18,14 2030 212,93 - 9,74 18,75

VOLUME DES DÉPLACEMENTS (en millions)

Île-de-France Montréal Lille Lyon 2000 35,59 8,36 3,68 4,29 2005 36,29 8,98 3,86 4,39 2010 36,97 9,53 4,00 4,51 2015 37,56 10,02 4,12 4,60 2020 38,06 10,45 4,23 4,71 2025 38,51 - 4,31 4,77 2030 38,90 - 4,34 4,83

Source : calculs INRETS d’après le modèle âge-cohorte et les projections de la population par l’INSEE

65 Les années de projection à Montréal commencent à 2001 et elles s’arrêtent en 2021.

184

Le volume des déplacements devrait croître dans les trois villes, mais avec une croissance annuelle beaucoup plus lente par rapport à l’augmentation du volume des distances. Dans la période de 30 ans le volume de déplacements devrait croître en Île-de-France avec un taux annuel de 0,31%, celui à Lyon de 0,43% par an, et à Lille de 0,60% par an. Le taux de croissance à Montréal de 2001 à 2021est de 0,83% par an. Ces résultats nous montrent que les volumes de trafic ne sont pas proportionnels à la croissance de la population ; cela est particulièrement accentué pour le volume des voyageurs-kilomètres. Donc, dans toutes les villes l’étalement urbain devrait progresser à l’horizon 2030 (2021 à Montréal), mais être au ralenti par rapport aux années soixante-dix et quatre-vingt. 7.5 Vitesse moyenne des déplacements Les vitesses sont calculées comme rapport entre les budgets-distances et les budgets-temps (Figure 46). Dans la mesure où les calculs de distance basés sur les différents zonages sont comparables, ce sont les franciliens qui vont le plus vite et les habitants de l'agglomération lilloise qui se déplacent le plus lentement. Pourtant, quand on ne prend en compte que le centre et la banlieue de Paris, la vitesse devient la plus faible par rapport aux autres villes françaises. Les vitesses devraient croître dans les trois agglomérations, principalement à cause d’un usage plus répandu de l’automobile. Cette réflexion pourrait être confirmée avec des résultats de projection de la répartition modale.

Figure 46 Vitesse moyenne de déplacements dans les trois agglomérations françaises

7.6 Partage modal des déplacements La répartition modale de déplacements est traitée selon cinq modes de transports: voiture conducteur (VPC), voiture passager (VPP), transport en commun (TC), marche à pied (MàP) et autres modes (AUTRES).

VITESSE DE DEPLACEMENTS

8,0

10,0

12,0

14,0

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Vit

esse

de

dép

lace

men

ts (

Km

/h)

Ile-de-France Lyon Lille Ile-de-France (Centre+Banlieue)

185

Le modèle utilisé ne met pas en évidence des mécanismes complexes de comportements comme dans le cas de spécification d’un modèle démographique âge-cohorte (profils-types au cours du cycle de vie, décalages entre générations), mais il retrace simplement les tendances observées selon le sexe, les trois tranches d’âge (5–24 ans, 25-54 ans et 55 ans et plus) et la zone de résidence. Les projections dans les périmètres d’étude estiment que la part des modes VPC, VPP devrait augmenter dans les trois agglomérations (Figures 47, 48 et 49), mais la plus forte croissance se manifesterait à Montréal où l’usage de la voiture est le plus élevé. Le mode de transport en commun (TC) devrait croître légèrement dans les deux agglomérations françaises pour se stabiliser autour de 21% à Paris et de 10% à Lille. La situation est inversée pour ce mode de transport à Montréal où la part de TC devrait diminuer. La marche à pied diminuerait dans les trois villes principalement à cause d’une forte progression d’usage de la voiture des femmes. Le mode « autres » (principalement deux-roues) déclinerait et deviendrait très marginal après 2005. Le lieu de résidence a un grand impact sur le choix modal. Notamment, plus on s’éloigne du centre-ville, plus le mode du transport préféré est la voiture ; par contre dans le centre-ville la marche à pied et les transports en commun sont des modes qu’on utilise très fréquemment.

Figure 47 Projections de la répartition modale de déplacements en Île-de-France

PROJECTIONS DU PARTAGE MODAL DE DEPLACEMENTS EN ILE-DE-FRANCE

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1975 1980 1985 1990 1995 2000 2005 2010 2015

Années

%

VPC VPP TC MàP AUTRES

186

Figure 48 Projections de la répartition modale de déplacements à Montréal

Figure 49 Projections de la répartition modale de déplacements à Lille

7.7 Portée moyenne des déplacements Toujours sous l'hypothèse que les calculs de distance sont comparables d'une ville à l'autre, en rapportant les budgets-distances au nombre de déplacements correspondants, on calcule leur portée ou longueur moyenne.

PROJECTIONS DU PARTAGE MODAL DE DEPLACEMENTS A MONTREAL

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1976 1981 1986 1991 1996 2001 2006 2011 2016

Années

%


PROJECTION DU PARTAGE MODAL DE DEPLACEMENTS A LILLE

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1975 1980 1985 1990 1995 2000 2005 2010 2015

Années de projection

Tau

x


187

Sous l’influence de l’étalement urbain et de l’usage de l’automobile, la portée66 des déplacements augmenterait au cours de la période 2000 à 2030 en Île-de-France de 4,8 à 5,5 km et à Lyon de 3,4 à 3,9 km. Cette croissance serait lente en comparaison de celle que l’on observait dans les années 70 et 80 (1,25% par an en Île-de-France et 0,84% par an à Lyon). Le taux de croissance de la portée ne change pas en Île-de-France si on ne considère que deux zones (centre+banlieue). La longueur moyenne des déplacements devrait stagner au voisinage de 2,2 km dans l'agglomération de Lille et de 5,8 km dans la Région Métropolitaine de Montréal (Figure 50). Le résultat montre bien un ralentissement de la croissance de la portée des déplacements dans les quatre agglomérations urbaines.

Figure 50 Projection de la portée des déplacements dans les quatre agglomérations

8. CONCLUSION La perception générale des projections de toutes les villes est que le modèle reconstitue mieux les observations pour les distances totales parcourues que pour le nombre de déplacements. La comparaison de projections du nombre de déplacements montre les limites des instruments d’observation de la mobilité. Malgré la standardisation et l’homogénéisation d’enquêtes, la collecte des données peut faire l’objet de pratiques différentes dans l’espace et dans le temps. Les conséquences ne sont pas trop gênantes dans la dimension spatiale statique mais, dans la vision temporelle, l’image des tendances de long terme peut être considérablement déformée.

66 Soulignons qu’il s’agit des déplacements internes aux périmètres d’étude.

PORTEE DE DEPLACEMENTS

1,0

2,0

3,0

4,0

5,0

6,0

7,0

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Années

Po

rtée

de

dép

lace

men

ts (

Km

/ind

ivid

u/jo

ur)

Ile-de-France Lyon

Lille Montréal

Ile-de-France (Centre+Banlieue) Montréal (Centre+Banlieue)

188

La comparabilité des périodes d’observation est importante pour homogénéiser les enquêtes, mais il semble que les déplacements courts soient difficiles à collecter. Ils sont peut-être oubliés le plus souvent lors d’interviews d’enquêtes ou probablement l’omission des déplacements courts par les personnes enquêtées est jugée "sans importance". Le temps de déplacements par jour est la variable de la mobilité dont la progression est la plus modérée et, dans les projections, elle n’indique pas de croissance importante, sauf dans l’agglomération lyonnaise. L’usage répandu de la voiture augmente les distances quotidiennes en freinant en même temps la progression du budget-temps. Cette tendance donne l’impression que le gain de temps des déplacements en voiture se convertit en distance supplémentaire. Toutes les estimations vont dans cette direction. En outre, la projection du partage modal des déplacements prolonge les habitudes de déplacements et elle prévoie que la voiture continuerait de gagner sur le marché des déplacements. Mais lorsqu’il existe un réseau de transport public développé, comme en Île-de-France, le rôle de la voiture est réduit et les modes de deux-roues et de la marche à pied trouvent conjointement leur place dans le comportement des résidents. Les résultats de projection de la mobilité présentés jusqu’à maintenant sont issus du modèle âge-cohorte dont la spécification est proposée par l’INRETS-DEST. Dans la suite nous allons présenter d’autres spécifications du modèle, des résultats de ces modèles, ainsi que les tests de sensibilité de ces modèles.

189

Chapitre 3

NOUVELLES MÉTHODOLOGIES DE SPÉCIFICATION DU MODÈLE ÂGE-COHORTE

191

1. INTRODUCTION Le modèle de projections de la mobilité présenté jusqu’à maintenant distingue la population suivant le sexe, la zone de résidence et la motorisation des individus. Afin d’évaluer la sensibilité du modèle par rapport à la segmentation de la population nous avons spécifié le modèle âge-cohorte en considérant la taille des ménages et l’activité de la population à Lille.

2. MODÈLE ÂGE-COHORTE SUIVANT LA TAILLE DES MÉNAGES Les analyses de trois enquêtes montrent que la population lilloise croît pendant la période enquêtée et par conséquence le nombre de ménages augmente également. Mais cette croissance du nombre de ménages ne dépend pas uniquement d’un simple effet imputable à la population. La croissance du nombre de ménages est supérieure à celle des personnes ; cette différence résulte de la baisse de la taille des ménages, et en particulier à la croissance des ménages à une seule personne. Dans ce contexte il est légitime de constater que l’évolution du nombre de ménages « solitaires » est une expérience plus « vécue » par les plus jeunes générations que par leurs aînés. La question qui se pose est : est-ce que ce changement du comportement dans la cohabitation avait et pourrait-il avoir des effets sur la mobilité urbaine à long terme ? Afin de tester l’influence de la taille des ménages sur la mobilité et sa projection, nous avons spécifié le modèle âge-cohorte avec les variables indicatrices d’âge et de génération quinquennale et nous avons élaboré aussi une variable indicatrice de la taille des ménages. À l’aide de cette variable nous avons rassemblé les ménages en quatre groupes67 : • m1 : ménages avec un individu, • m2 : ménages constitués de 2 individus, • m3 : ménages contenant de trois à quatre personnes, et • m4 : ménages de plus de quatre personnes. Soulignons que dans les enquêtes ménages-déplacements la définition du ménage ne contient pas la notion de parenté, mais elle localise plutôt la résidence principale des personnes âgées d’au moins 5 ans « occupant habituellement le logement au moins trois nuits par semaine du lundi au vendredi » (CERTU, 1998). Une autre remarque importante s’adresse au calcul de la taille du ménage ; en effet, dans les fiches des deux dernières enquêtes la variable « taille de ménage » n’existe pas et nous avons calculé le nombre des individus par ménage à partir de la fiche « individus ». Vraisemblablement, cette manière de déterminer la taille de ménage contient des erreurs concernant les ménages dont les enfants ont moins de 5 ans (ils ne sont pas enquêtés), mais l’homogénéité du procédé est conservée dans les trois enquêtes. L’analyse de la taille des ménages, par des coupes transversales des trois enquêtes, révèle deux tendances importantes (Annexe 15, Tableau 1) : • la part des ménages d’une personne double entre 1976 et 1998, et • la part de ménages constitués par plus de quatre individus baisse dans la même période. 67 Il s’agit d’une variable « dummy » qui prend des valeurs 0 et 1.

192

La part des ménages avec deux individus et des ménages de trois à quatre individus ne montre pas de changements considérables dans la période. L’analyse de l’âge des membres du ménages montre qu’il y a une baisse de l’âge moyen des personnes habitant dans les ménages constitués d’un individu, mais il n’y a pas d’évolution significative dans les autres groupes de ménage (Tableau 39). Donc, pendant les années soixante-dix les ménages avec un individu résultaient plutôt de décès d’un des conjoints, mais pendant les années 80 et 90 la croissance de leur nombre provient d’une augmentation de la part des personnes jeunes vivant seuls, en-dehors du foyer familial. L’analyse de l’évolution de la motorisation des ménages, observée par la moyenne du nombre de voitures particulières (VP) à disposition du ménage, confirme que la taille de la famille joue un grand rôle sur la décision d’équipement en voiture. En général, le nombre de voitures par ménage augmente régulièrement d’une enquête à l’autre, mais les ménages avec enfants sont plus motorisés que les ménages sans enfants (Tableau 39). Les résultats montrent que la moyenne de VP est presque identique dans les groupes de ménages m3 et m4 lorsque les observations sont sur une année. La plus grande croissance de la motorisation est observée dans les ménages d’une personne.

Tableau 39 Age moyen et nombre de VP pour des personnes habitants dans les quatre types de ménage

Groupes de ménage

m1 m2 m3 m4

Années âge VP* âge VP* âge VP* âge VP*

1976 63,0 0,2 46,6 0,7 32,6 1,1 24,8 1,1

1987 53,0 0,4 47,2 0,9 30,7 1,4 24,2 1,3

1998 49,1 0,4 46,8 1,2 30,7 1,5 25,0 1,6

Source : Calcul INRETS-DEST suivant les Enquêtes Ménages Déplacements à Lille 1976, 1987 et 1998 VP* : moyenne du nombre de voitures particulières à disposition du ménage.

Les analyses de la mobilité d’après les trois enquêtes montrent la croissance dans les quatre types de ménages (Tableau 40). La mesure habituelle de la mobilité par la fréquence de déplacements quotidiens, indique que les individus des ménages de m3 et m4 se déplacent plus que les membres des ménages de m1 et m2. L’évolution du budget-temps observé dans les enquêtes se caractérise avec une très forte croissance pour les individus vivant seuls (passant de 35 minutes en 1976 à 57 minutes en 1998). En 1998, le budget-temps dans les groupes de ménages de m1, m3 et m4 est presque similaire (environ 57 minutes), tandis qu’il est inférieur chez les individus constituant les ménages de deux individus. D’après les trois enquêtes, le budget-distance observé augmente pour tous les groupes de ménages. Toutefois, les budgets-distances pour les ménages m2 et m3 sont les plus élevés et sont quasiment identiques dans les trois périodes. Ceci s’explique par le fait que les ménages du type m3, constitués de jeunes couples avec un ou deux enfants, s’installent plus loin dans l’agglomération pour accéder à la propriété immobilière suffisamment confortable pour les nouveau-nés. Les ménages de deux personnes (m2) représentent les couples dont les enfants ont quitté le foyer familial.

193

Malgré la croissance très forte en pourcentage du budget-distance pour les ménages d’un individu, il reste inférieur par rapport au budget-distance dans les autres groupes de ménages.

Tableau 40 Mobilité observée dans les enquêtes suivant la taille des ménages

Type de ménage

Année d’enquête Nombre de déplacements/ind/jour

Budget-temps min/ind/jour

Budget-distance km/ind/jour

1976 2,07 35,1 3,2 1987 3,19 46,2 6,2 m1

1998 3,74 57,2 7,1

1976 2,72 43,7 6,0 1987 3,31 47,0 7,7 m2

1998 3,76 51,8 9,3

1976 3,05 46,8 6,2 1987 3,87 50,3 7,8 m3

1998 4,20 56,0 9,4

1976 2,87 44,5 5,0 1987 3,72 52,5 6,5 m4

1998 4,21 56,7 7,9 Source : Calcul INRETS-DEST suivant les Enquêtes Ménages Déplacements à Lille 1976, 1987 et 1998

2.1 Projection de la part de la population dans les quatre groupes de ménages Les projections de la population à l’horizon 2030 dont nous disposons (INSEE d’après le modèle OMPHALE) ne contiennent pas les estimations de la taille des ménages. Pour effectuer les projections de la mobilité suivant les caractéristiques démographiques d’un individu comme l’âge, l’appartenance à une génération de naissance, mais aussi la taille du ménage dans lequel l’individu habite, nous avons projeté la taille des ménages jusqu’à 2030 suivant la situation observée dans l’enquête de 1998. D’après ces projections (Tableau 41), le nombre de ménages avec un individu et le nombre de ménages de plus de quatre personnes devraient s’égaliser en 2030. Environ 17% de la population habiteraient dans des ménages d’un individu, de même dans des familles de plus de quatre personnes, presque 33% d’individus feraient partie de ménages de deux personnes et également 33% de la population devrait appartenir à un ménage constitué de trois à quatre individus.

Tableau 41 Projections de la part de la population dans les groupes de ménages suivant l’enquête de 1998

Types de ménage Années

m1 m2 m3 m4

TOTAL (en %)

2000 14,7% 29,9% 36,2% 19,2% 100% 2005 14,8% 30,8% 35,8% 18,6% 100% 2010 14,9% 31,1% 35,6% 18,4% 100% 2015 15,2% 31,4% 35,2% 18,2% 100% 2020 15,6% 31,8% 34,7% 17,9% 100% 2025 16,3% 32,4% 34,1% 17,3% 100% 2030 17,0% 33,0% 33,3% 16,7% 100%

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE

194

2.2 Projection de la mobilité à l’horizon 2030 Les projections de la mobilité se basent sur l’hypothèse que la mobilité à long terme dépend du cycle de vie des individus, des caractéristiques (habitudes) propres à une génération de naissance et de la taille du ménage dont l’individu appartient. Nous utilisons le modèle âge-cohorte qui contient 16 indicatrices d’âge et 17 indicatrices des cohortes quinquennales. Le scénario démographique I de l’INSEE (scénario central) de la projection de population est utilisé dans la modélisation. Le modèle et les projections tiennent compte que les individus de 5-9 ans et de 10-14 ans ne peuvent pas être membre de ménages avec une personne. Le modèle âge-cohorte fournit des résultats d’estimations pour les quatre groupes de ménages en projetant les trois variables indicatrices de la mobilité : le nombre de déplacements, le budget-distance et le budget-temps. Les profils-types et les écarts relatifs entre les cohortes sont estimés pour la génération de référence 1966-1970 (Annexe 15, Figures 1 à 6). Les écarts de cohortes pour le nombre de déplacements sont les plus élevés parmi les ménages du type m4, mais jusqu’à la cohorte 1951-1955. Les cohortes suivantes affichent des écarts similaires avec les décalages des trois autres types de ménages. Les cohortes de ménages m3 et m2 montrent les écarts de budget-distance supérieurs de celles estimées pour les ménages de m1 et de m4. Les décalages entre les cohortes pour le budget-temps sont les plus importants pour les ménages m4. L’agrégation des résultats calculés au niveau des groupes distinctifs de ménages donne les résultats de projections de la mobilité pour la population entière (tous les ménages). La moyenne du nombre de déplacements dans l’agglomération lilloise estimé en 2030 est de 4,71 déplacements/individu/jour, le budget-distance arrive jusqu’à 10,7 km/individu/jour et le budget-temps converge vers 58 minutes/individu/jour (Tableau 42). Ces valeurs sont légèrement inférieures aux résultats de projections suivant la zone, le sexe et la motorisation des individus (4,8 déplacements/individu/jour, 10,9 km/individu/jour et 59 minutes/individu/jour).

Tableau 42 Projection de la mobilité pour tous les ménages (tendance de la taille de ménages de 1998)

Projections de la mobilité Années

Nombre de déplacements Budget-distance

(km/ind/jour)

Budget-temps

(min/ind/jour)

2000 4,11 8,9 55,1 2005 4,28 9,4 56,3 2010 4,41 9,7 57,0 2015 4,49 9,9 57,1 2020 4,58 10,2 57,6 2025 4,66 10,4 57,8 2030 4,71 10,7 58,1


La comparaison entre les projections du nombre de déplacements pour les quatre groupes de ménages montre que les individus appartenant au ménage du type m3 (trois à quatre personnes), ainsi que les membres du ménages de plus de quatre individus (m4), ont

195

quasiment la même fréquence de déplacements et se déplaceraient plus que les membres d’autres ménages (Annexe 15, Tableau 2). L’organisation d’activités quotidiennes dans une famille avec enfants est certainement différente de celle d’autres structures du ménage, ce qui explique leur plus grand nombre de déplacements. Mais, ces individus n’ont pas la plus grande mobilité mesurée suivant le budget-temps et le budget-distance. En effet, ils fréquentent plus souvent l’agglomération, mais ils préfèrent se déplacer à proximité de leur logement, surtout les ménages du type m4 (des ménages de plus de quatre individus). Les ménages de plus de quatre personnes contiennent plus d’enfants68 dont les distances de déplacements journaliers sont souvent courtes. Ainsi, les parents réalisent des longues distances, mais ce n’est pas le cas avec leurs enfants, ce qui diminue les distances moyennes de ce groupe de ménages. Les projections de la mobilité pour les personnes dans les ménages de deux individus sont très différentiées par rapport aux trois variables de la mobilité (Figures 51, 52 et 53). Ces individus ont le plus grand budget-distance dont la progression devrait continuer dans la période de projection, mais en même temps leur budget-temps est inférieur par rapport aux autres groupes de ménages (environ 54 minutes). Leur fréquence de déplacements devrait augmenter également, mais elle n’est pas la plus élevée dans la population. Les individus occupant seul un logement se déplaceraient moins fréquemment et ils réaliseraient de plus petites distance que les autres, mais ils devraient avoir le plus grand budget-temps, sans doute du fait de leur faible motorisation. Les personnes logeant dans des foyers formés de plus de quatre individus (m4) devraient maintenir leur budget-temps autour de 58 minutes en 2020. Néanmoins, ils feraient presque autant de déplacements que les ménages du type m3. Leur budget-distance serait plus élevé que celui des individus vivant seuls, mais significativement plus petit par rapport aux ménages dans les groupes m2 et m3.

Figure 51 Projections du nombre de déplacements suivant la taille du ménage

68 Voir l’âge moyen du Tableau 39.

PROJECTIONS DU NOMBRE DE DEPLACEMENTS SUIVANT LA TAILLE DE MENAGE

3,0

3,5

4,0

4,5

5,0

5,5

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

No

mb

re d

e d

épla

cem

ents

/in

d/j

ou

r

m1 m2 m3 m4

196

Figure 52 Projections du budget-distance suivant la taille de ménage

PROJECTIONS DU BUDGET-TEMPS SUIVANT LA TAILLE DE MENAGE

48

52

56

60

64

20

00

20

05

20

10

201

5

20

20

20

25

20

30

Années

Bu

dg

et-t

emp

s (e

n m

in/in

d/jo

ur)

m1 m2 m3 m4

Figure 53 Projections du budget-temps suivant la taille de ménage

PROJECTIONS DU BUDGET-DISTANCE SUIVANT LA TAILLE DE MENAGE

4,0

8,0

12,0

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Bu

dg

et-d

ista

nce

(en

km

/ind

/jou

r)

m1 m2 m3 m4

197

La validation des résultats issus du modèle avec ceux des observations est réalisée par des intervalles de confiance (Annexe 16, Tableaux 1, 2 et 3) et par la régression entre les résultats du modèle et des trois enquêtes. La régression utilise les valeurs désagrégées par années d’enquêtes, par tranches d’âge quinquennales des individus et par l’appartenance des individus dans un groupe de ménages (Annexe 16, Tableau 4). Donc, pour la régression nous disposons de 192 données des 3 enquêtes, des 4 groupes de ménages et des 16 indicatrices d’âge. La validation par les deux méthodes montre que le modèle reconstitue largement les tendances observées dans les trois enquêtes. Cette modélisation offre la possibilité d’approfondir l’analyse suivant la taille de ménage ce qui contribue à la compréhension des effets d’âge et de génération liés à la mobilité quotidienne.

3. PROJECTIONS DE LA MOBILITÉ SUIVANT LA POPULATION ACTIVE ET INACTIVE

3.1 Introduction La définition de l’INSEE de la population active s’appuie sur « les actifs au sens du recensement » dont l’activité est mesurée à partir des déclarations des personnes interrogées dans les enquêtes annuelles d’emploi de l’INSEE. Toutes personnes déclarant « avoir travaillé » ou « être au chômage » sont classées dans la catégorie « actives au sens du recensement ». Une autre définition de la population active repose sur les critères du Bureau International du Travail (BIT) qui regroupe : • « les actifs occupés » au sens du BIT auxquels appartiennent les personnes qui ont

travaillé au cours de la période de référence y compris les personnes en congés ou en arrêt maladie ainsi que les militaires.

• les chômeurs au sens du BIT qui n’ont pas travaillé au cours de la période de référence, qui sont disponibles pour travailler et qui sont à la recherche d’un emploi.

Le concept de l’INSEE, un peu plus large que celui du BIT, vise à appréhender les ressources « potentielles » en main-d’œuvre, alors que le concept du BIT correspond plutôt aux ressources « directement » disponibles (Nauze-Fichet, 2002). Dans les deux cas, l’appartenance des individus à la population active comporte une limite liée à son âge. Notamment, toutes les personnes âgées de moins de 15 ans théoriquement devraient être dans la population inactive. Le rôle de l’âge est très important dans la ségrégation de la population suivant l’activité et se présente comme le facteur décisif limitant l’activité des individus lors de leurs cycles de vie. En effet, dans tous les pays industrialisés, il est de plus en plus rare d’être actif après 55 ans (Givord, 2002). La chute de l’activité des plus âgés est particulièrement importante en France. Les statistiques sont particulièrement parlantes : en 1970, près de 70 % des Français étaient actifs entre 60 et 64 ans; en 1983, cette proportion est tombée à 35 %, puis elle s’est stabilisée près de 17 % depuis le milieu des années 1990. La part des hommes actifs, de 55 et 59 ans, est passée de 83 % à 68 % en trente ans. Les évolutions sont moins nettes pour les femmes, dans la mesure où la baisse tendancielle de

198

l’activité aux âges élevés est, en partie, compensée par la généralisation de l’activité féminine. Le développement des systèmes de retraite explique, pour une part, cette réduction des taux d’activité aux âges élevés. La montée du chômage observée au cours des 30 dernières années a également contribué à diminuer les salariés âgés. Depuis la fin des années 1970, un bon nombre d’entre eux ont cessé de travailler bien avant d’obtenir le droit à la retraite, mais ces départs anticipés ont été favorisés par des dispositifs permettant de bénéficier de revenus de remplacement jusqu’à l’âge de la retraite. En 2002, la France métropolitaine comptait 26,7 millions d’actifs soit 24,3 millions de personnes ayant un emploi et 2,4 millions de chômeurs. Depuis la fin des années soixante, la population active a augmenté de 5 millions de personnes soit en moyenne de 150 000 actifs chaque année. Dans cette période la participation des femmes au marché du travail a fortement augmenté, particulièrement dans la tranche de 25 à 54 ans (leur taux d’activité est passé de 48% en 1968 à 79% en 200269). Le nombre des individus âgés de 20 à 59 ans, le noyau démographique de la population active, a augmenté au rythme de 240 000 personnes par an pendant les dernières trois décennies. Une grande partie de cette croissance s’explique par l’arrivée progressive aux âges actifs de plusieurs générations de « baby-boom » nées dans les années 1946 à 197470. Mais, les générations suivantes sont moins nombreuses et à partir de 2006 les générations de « baby-boom » parviendront à 60 ans, l’âge de la retraite. La dynamique démographique, marquée par cet événement, devrait jouer en sens inverse et aboutir vers un renversement de tendance de l’évolution de la population active. Alors, le vieillissement démographique en France devrait affecter la croissance de la population active. Les projections de l’INSEE de la population active en France entière envisagent un plafonnement vers 2006-2008 avant de diminuer à un rythme d’abord modéré, puis de plus en plus rapide. Par ailleurs, le nombre de personnes actives travaillant dans une autre commune que la commune de résidence s’est considérablement accru: de 60,9% des actifs ayant un emploi en 1999 contre 52,3% en 1990, et 46,1% en 1982 (Talbot, 2001). Les distances71 de ces déplacements connus sous le nom « des migrations alternantes72 » ne cessent de s’allonger. Par exemple, les actifs travaillent dans une commune située en moyenne à 15,1 kilomètres à vol d’oiseau de leur domicile en 1999, cette distance moyenne était de 14,1 kilomètres en 1990, et de 13,1 kilomètres en 1982. Les habitants des régions du Nord et du Nord-Est sont proportionnellement plus nombreux que ceux des régions de l’Ouest et du Sud à effectuer quotidiennement ces déplacements, mais les écarts entre régions se resserrent au cours de la dernière décennie.

69 Dans les pays du Nord de l’Europe ce taux d’activité des femmes pour la tranche de 25 à 54 ans est de l’ordre de 85%, excédant de 6 points le taux français. Selon l’auteur d’article (Nauze-Fichet, 2002) « de tels taux paraissent néanmoins difficiles à atteindre à l’avenir en France ». 70 Près de 850 000 naissances chaque année au cours de cette période. 71 L’analyse des distances de ce type de déplacements est faite pour les trajets mesurés “à vol d’oiseau” entre le centre de la commune de résidence de l’actif migrant et celui de la commune de son lieu de travail. 72 Les déplacements effectués par la population active vers les lieux de travail situés hors de leur commune de résidence.

199

3.2 Structure de la population à Lille suivant l’activité L’analyse de la structure de population âgée de 5 ans et plus à Lille est effectuée suivant la définition de la population active au sens du recensement. Ainsi, la population active concerne les individus ayant un travail et les chômeurs, tandis que la population inactive rassemble des retraités, des étudiants (écoliers, lycéens, étudiants) et des femmes au foyer. L’analyse au niveau agrégé de la part d’actifs et d’inactifs dans la population totale montre qu’il y a peu de variations entre ces deux populations durant les trois périodes. Notamment, la part d’actifs est d’environ 45% de la population totale pendant les trois périodes (Tableau 43). Cependant, une analyse désagrégée, suivant les groupes distinctifs qui constituent les populations actives/inactives et le sexe d’individu, indique des changements importants au sein de chaque groupe de la population, notamment : • Alors que la part des femmes actives ayant un emploi dans l’ensemble de la population

féminine est presque constante pendant les trois périodes (environ 33%), elle diminue presque de 12 points pour les hommes dans la même période (55,6% en 1976 à 43,9% en 1998);

• La part des chômeurs a crû considérablement entre la première et la dernière enquête. Lors des années 70 leur contribution dans la population totale est presque négligeable (1,2%) pour arriver à peu près de 7% de la population totale à la fin des années 90. Les hommes sont plus nombreux parmi les individus dans le groupe des « chômeurs »;

• La part des scolaires et étudiants dans la population totale a augmenté d’environ 3 points entre 1976 et 1998 et leur poids dans la population inactive croît également de 48,4% en 1976 à 54,6% en 1998;

• Le nombre des femmes dans la population inactive est plus élevé que celui des hommes, mais l’écart de 22 points en 1976 se resserre et parvient à 11 points en 1998.

Tableau 43 Structure de la population active/inactive observée à Lille pour les individus de 5 ans et plus

Année Sexe Actifs Chômeurs

Total actifs (3+4)

Etudiants Retraités+

Autres

Total inactifs (6+7)

Total (5+8)

1 2 3 4 5 6 7 8 9

hommes 55,6% 1,2% 56,8% 28,9% 14,3% 43,2% 100,0% 1976

femmes 32,5% 1,2% 33,7% 24,9% 41,4% 66,3% 100,0%

TOTAL 1976 43,4% 1,2% 44,6% 26,8% 28,6% 55,4% 100,0%

hommes 47,5% 5,4% 52,9% 29,0% 18,1% 47,1% 100,0% 1987

femmes 32,4% 4,1% 36,5% 26,4% 37,0% 63,5% 100,0%

TOTAL 1987 39,6% 4,7% 44,3% 27,7% 28,0% 55,7% 100,0%

hommes 43,9% 7,2% 51,0% 31,2% 17,8% 49,0% 100,0% 1998

femmes 33,3% 6,4% 39,7% 28,9% 31,3% 60,2% 100,0%

TOTAL 1998 38,3% 6,8% 45,0% 30,0% 25,0% 55,0% 100,0%

Source : calculs INRETS-DEST d’après les EMD 1976, 1987 et 1998 à Lille

Les analyses de la population active et inactive, suivant la nomenclature définie par l’INSEE, montrent les périodes de changements au sein de chaque population. Lors des années 70 la population active était presque entièrement constituée des individus ayant un emploi, tandis que pendant les années 80 et 90 les chômeurs influencent largement l’ensemble de cette

200

population. L’arrivée des femmes sur le marché du travail contribue au rapprochement de la part des deux sexes dans la population active. La tendance des actifs ayant un emploi à résider dans la zone de banlieue moins dense s’identifie nettement dans les enquêtes de 1987 et 1998, tandis qu’en 1976 ces individus ont occupé plus de logements dans le centre-ville (Tableau 44). La part des étudiants croît en centre ville lors de la période de dernière enquête et en même temps la part des autres inactifs augmente dans la zone de banlieue moins dense.

Tableau 44 Part de la population active et inactive suivant la zone de résidence

Actifs Inactifs

Année Zone Chôme-urs

Autres actifs

Total actifs

Etudi-ants

Autres inactifs

Total inactifs

Total

(inactif+actif)

Centre 1,3% 44,7% 45,9% 24,4% 29,7% 54,1% 100% Banlieue

dense 1,3% 43,4% 44,7% 26,0% 29,3% 55,3%

100%

1976 Banlieue moins dense 0,9% 42,7% 43,6% 29,8% 26,6% 56,4%

100% Centre 4,5% 38,1% 42,6% 27,3% 30,1% 57,4% 100%

Banlieue dense 5,1% 39,0% 44,1% 27,5% 28,4% 55,9%

100%


100% Centre 7,8% 36,2% 44,0% 34,1% 21,9% 56,0% 100%

Banlieue dense 7,9% 37,7% 45,7% 29,4% 25,0% 54,3%

100%


100% Source : calculs INRETS-DEST d’après les EMD 1976, 1987 et 1998 à Lille

L’âge moyen des personnes appartenant à la population inactive est d’environ 36 ans et celui de la population active de 38 ans dans les trois périodes observées. Le nombre d’inactifs est le plus grand parmi les tranches d’âge des plus jeunes et des retraités (Figure 54).

Figure 54 Nombre de personnes inactives dans les trois enquêtes suivant les tranches d’âge

NOMBRE D'INACTIFS DANS LES TROIS ENQUETES

0

10000

20000

30000

40000

50000

60000

70000

80000

90000

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Nb

de

pe

rso

nn

es

1976 1987 1998

201

La première tranche d’âge quinquennal d’actifs est de 15 à 19 ans. Leur part est très élevée parmi les tranches d’âge au milieu du cycle de vie jusqu’à l’âge avant la retraite de 55 à 59 ans. La croissance de la population active suivant la tranche d’âge quinquennal, observée dans la dernière enquête, est la plus grande parmi les individus âgés de 40 à 50 ans dont les effectifs doublent dans la période de 22 ans. 3.3 Projections de la population active à Lille Les projections de la population active à Lille s’appuient sur le scénario démographique « central » de l’INSEE et les taux d’actifs (au sens du recensement) dans chaque tranche d’âge. Le plafonnement de la part des actifs dans la population totale est estimé en 2005. Après cette date le nombre d’actifs devrait diminuer jusqu’à 2030 et retrouver le même niveau de 1998 (Tableau 45).

Tableau 45 Projections de la population active par l’INSEE

Répartition d’actifs dans les trois zones

Années

Population totale

Nombre d’actifs

Centre ville

Banlieue

dense

Banlieue

moins dense

Part d’actifs dans la

population totale

2000 899 087 432 170 9,3% 23,6% 15,2% 48,1%

2005 903 098 448 483 10,4% 23,9% 15,3% 49,7%

2010 905 114 441 332 10,1% 23,6% 15,1% 48,8%

2015 906 550 433 525 10,0% 23,0% 14,8% 47,8%

2020 905 807 424 777 10,0% 22,4% 14,5% 46,9%

2025 903 166 416 063 10,1% 21,8% 14,2% 46,1%

2030 897 702 408 017 10,3% 21,3% 13,9% 45,5%

Source : calculs INSEE, modèle OMPHALE Les projections de la population totale de l’INSEE estiment le plus grand progrès du nombre d’individus dans les tranches d’âge des personnes âgées (Figure 55).

Figure 55 Projection de la population inactive de l’INSEE dans l’agglomération lilloise

PROJECTION DE LA POPULATION INACTIVE DE L'INSEE

0

10000

20000

30000

40000

50000

60000

70000

80000

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Nb

de

pe

rso

nn

es

2000 2015 2030

202

Les projections de la population active estiment une baisse chez les tranches d’âge au milieu du cycle de vie, ainsi que la plus grande croissance d’actifs parmi les préretraités de 50 à 54 ans et de 55 à 59 ans (Figure 56). Les estimations pour la part d’actifs dans les tranches d’âge de 70 ans et plus donnent des taux minimes au-dessous de 1%.

Figure 56 Projection de la population active de l’INSEE dans l’agglomération lilloise

3.4 Mobilité observée dans les enquêtes suivant l’activité de la population La tendance générale est que la mobilité observée augmente significativement parmi les deux groupes de la population (Tableau 46). Néanmoins, la mobilité de la population inactive demeure inférieure de celle des actifs. Le taux de la croissance du nombre de déplacements entre la première et la dernière enquête est d’environ 44% pour les inactifs et de 41% pour les actifs. De même, dans la période de 22 ans, les budgets-distances chez les inactifs augmentent de 79% et pour les actifs de 46%. La croissance du budget-temps est très modeste parmi les actifs de 15%, mais parmi les individus inactifs elle est de 34%.

Tableau 46 Mobilité observée par les enquêtes dans la population inactive et la population active

Catégorie de la population

Années Population Nombre de déplacements

Budget-distance

Budget-temps

1976 444 880 2,5 3,4 37,0 1987 462 368 3,2 4,7 42,8

Inactifs

1998 489 586 3,6 6,1 49,7 1976 328 893 3,2 8,3 53,6 1987 368 212 4,1 10,7 57,5

Actifs

1998 401 400 4,5 12,0 61,6 Source : Calculs INRETS suivant les EMD 1976, 1987 et 1998 à Lille

En séparant la population inactive en deux composants « inactifs sans étudiants » et « étudiants », et la population active en « actifs sans chômeurs » et « chômeurs », on remarque que la croissance la plus soutenue de la mobilité est parmi les chômeurs (Tableau 47) dont le nombre de déplacements et le budget-temps augmente d’environ 58% entre 1976 et 1998 et les distances parcourues doublent dans la même période. En 1976 la part des

PROJECTION DE LA POPULATION ACTIVE DE L'INSEE

0

10000

20000

30000

40000

50000

60000

70000

80000

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Nb

de

pe

rso

nn

es

2000 2015 2030

203

chômeurs dans la population active est de 2,7% pour arriver jusqu’à 15% de la population active en 1998.

Tableau 47 Mobilité observée dans les enquêtes pour les quatre groupes de la population


Années Population Nombre de déplacements

Budget-distance

Budget-temps

1976 229 556 2,1 2,8 30,2 1987 232 628 2,8 4,1 35,0

Inactifs sans

étudiants 1998 222 463 3,2 5,3 40,9 1976 349 034 3,3 8,4 53,9 1987 328 893 4,2 11,2 57,6

Actifs sans chômeurs

1998 341 074 4,5 12,8 61,2 1976 9 614 2,6 3,8 40,7 1987 39 319 3,4 6,1 57,3

Chômeurs

1998 60 326 4,1 7,8 64,0 1976 215 324 3,0 4,0 44,4 1987 229 740 3,6 5,3 50,8

Étudiants

1998 267 123 4,0 6,7 57,0 Source : Calculs INRETS suivant les EMD 1976, 1987 et 1998 à Lille

Les individus appartenant à la population active qui ont un emploi affichent la plus faible croissance de la mobilité. Parmi ces individus le nombre de déplacements croît de 36% de 1976 jusqu’à 1998, le budget-temps augmente de 13% et le budget-distance croît de 52% dans la même période. Ces analyses indiquent que l’expansion de la mobilité dans la région lilloise résulte d’une croissance très élevée parmi les inactifs et une augmentation modeste du budget-temps et la fréquence de déplacements chez les actifs. Les résultats de la motorisation des ménages montrent une croissance continue du nombre moyen de voiture chez les deux populations distinctes. Certes, le nombre de voitures est plus élevé chez les individus habitant dans les ménages dont le chef de ménage est un actif, mais la croissance du parc automobile est plus soutenue chez les inactifs. Le nombre moyen de voiture à disposition des ménages, suivant l’appartenance de la personne de référence dans une de deux populations, est suivant : • population inactive : de 0,3 VP/ménage en 1976, de 0,5 VP/ménage en 1987 et de 0,6

VP/ménage en 1998, • population active : de 1,0 VP/ménage en 1976, de 1,2 VP/ménage en 1987 et de 1,3

VP/ménage en 1998. La mobilité observée d’hommes inactifs est plus élevée par rapport à la mobilité révélée dans la même population parmi les femmes pendant les trois périodes d’enquêtes (Tableau 48). Concernant la population active, les résultats de la dernière enquête montrent que la mobilité des femmes, mesurée par le nombre de déplacements et le budget-temps, est plus élevée que celle des hommes, mais le budget-distance garde la tendance d’être plus élevé pour les hommes.

204

Tableau 48 Mobilité observée dans les enquêtes pour les populations inactive et active suivant le sexe


Sexe Années Nombre de déplacements

Budget-distance

Budget-temps

1976 2,61 3,7 39,3 1987 3,28 4,8 45,8

Hommes

1998 3,75 6,7 52,6 1976 2,45 3,2 35,7 1987 3,10 4,6 40,8

Inactifs

Femmes

1998 3,54 5,6 47,7 1976 3,33 9,7 56,6 1987 4,14 11,7 59,2

Hommes

1998 4,34 13,0 61,0 1976 3,08 6,2 49,0 1987 4,12 9,3 55,3

Actifs

Femmes

1998 4,62 11,0 62,3 Source : Calculs INRETS suivant les EMD 1976, 1987 et 1998 à Lille

3.5 Résultats de projections de la mobilité Les projections de la mobilité sont effectuées en utilisant deux spécifications du modèle. Le premier modèle est constitué suivant le sexe, les 16 tranches d’âge quinquennal pour la population inactive et les 14 tranches d’âge quinquennal pour la population active73. La seconde spécification du modèle englobe les 3 zones de résidence, les 16 tranches d’âge quinquennal pour la population inactive et les 14 tranches d’âge quinquennal pour la population active. La plus ancienne cohorte est celle d’avant 1911 et les cohortes successives vont jusqu’à la cohorte de 1990 pour les inactifs et jusqu’à celle de 1980 pour les actifs74. Les estimations s’obtiennent pour les trois variables de la mobilité suivant le sexe, les trois zones, et les deux groupes d’individus selon l’activité. La génération de référence est celle déjà adoptée pour les projections précédentes de 1966-1970. Les résultats issus du modèle, agrégés par année quinquennale de 2000 à 2030, montrent que la mobilité devrait croître pour l’ensemble de la population à un rythme de 0,5% par an pour le nombre de déplacements et de même pour le budget-distance et de 0,4% par an pour le budget-temps (Tableau 49). La fréquence de déplacements arriverait en moyenne jusqu’à 4,74 déplacements par individu et par jour, le budget-distance devrait converger vers 10,8 km par individu et par jour, et le budget-temps devrait parvenir à une valeur autour de 62 minutes par individu et par jour en 2030.

73 La population active ne regroupe que les individus âgés de 15 et plus, tandis que la population inactive toutes les personnes âgées de 5 ans et plus. 74 Rappelons que la dernière enquête date de 1998 et que nous ne considérons pas les plus jeunes générations, mais celles d’avant dernière observées.

205

Tableau 49 Projections de la mobilité pour l’ensemble de la population

Projections de la mobilité par le modèle âge-cohorte suivant la population « inactifs » et « actifs» - résultats agrégés pour la population totale par année

Années Nombre de déplacements Budget-distance

(km/ind/jour)

Budget-temps

(min/ind/jour)

2000 4,10 9,4 55,4 2005 4,25 9,9 56,5 2010 4,36 10,2 57,2 2015 4,47 10,3 58,2 2020 4,57 10,5 59,6 2025 4,67 10,7 60,9 2030 4,74 10,8 61,7


Néanmoins, quand on analyse les estimations au niveau des deux populations distinctives, les différences de projections sont remarquables entre la population inactive et active (Tableau 50). Parmi les actifs on remarque une légère croissance de la mobilité jusqu’à 2015-2020 et ensuite une inversion de la tendance ou une légère baisse de la mobilité projetée jusqu’à 2030.

Tableau 50 Projections de la mobilité dans les deux populations distinctives (inactive/active)

Inactifs Actifs Année Nombre de

déplacements Budget-distance

(km/ind/jour)

Budget-temps

(min/ind/jour)


Budget-distance

(km/ind/jour)

Budget-temps

(min/ind/jour)

2000 3,62 5,9 49,1 4,62 13,1 62,3 2005 3,76 6,2 49,7 4,75 13,7 63,4 2010 3,93 6,5 51,0 4,82 14,0 63,7 2015 4,11 6,8 52,9 4,86 14,3 64,0 2020 4,30 7,2 55,7 4,86 14,3 64,1 2025 4,52 7,6 58,1 4,86 14,3 64,1 2030 4,66 8,0 59,8 4,85 14,2 63,9


Les projections du nombre de déplacements parmi les actifs plafonnent autour de 4,86 déplacements quotidiens par individus en 2015 pour légèrement diminuer à 4,85 en 2030, le budget-distance devrait atteindre la valeur de 14,3 km en 2015 et en 2020 pour baisser à 14,2 km en 2030 et le budget-temps devrait parvenir à 64,1 minutes en 2020 et à 63,9 minutes en 2030. Les estimations du nombre de déplacements et le budget-temps parmi la population inactive prévoient une croissance plus élevée par rapport aux estimations chez les actifs. Les projections suivant le sexe d’individus et leur appartenance dans une des deux populations révèlent des tendances suivantes (Annexe 17, Tableau 1 et Figures 1, 2 et 3) : • dans la population inactive la mobilité devrait être plus élevée parmi les hommes que celle

des femmes et devrait croître pendant toute la période de projection pour les deux sexes; • la mobilité mesurée par la fréquence de déplacements et le budget-temps chez les femmes

actives devrait légèrement dépasser celle des hommes actifs, mais les budgets-distances

206

devraient être plus élevés parmi les hommes. La tendance d’une baisse de la mobilité devrait apparaître chez les actifs après 2015 parmi les individus de deux sexes.

Les projections de la mobilité suivant la zone de résidence se caractérisent par une croissance continue pour les individus inactifs dans les trois zones, ainsi que pour les actifs en centre ville et une stagnation ou même un faible déclin de la mobilité pour la population active dans les zones de banlieue (Annexe 17, Tableau 2 et Figures 4, 5 et 6). Les projections suivant les tranches d’âge quinquennal se caractérisent par une augmentation la plus importante de la mobilité parmi les classes d’âge postérieures à 50 ans (Annexe 17, Figures 7, 8 et 9). Le nombre de déplacements parmi les tranches d’âge des plus jeunes jusqu’au milieu du cycle de vie ne devrait pas augmenter. Les courbes issues de projections pour les années 2000, 2015 et 2030 montrent que jusqu’à 2015 les tranches d’âge de 35 à 44 ans devraient effectuer le plus grand nombre de déplacements, mais en 2030 le pic de la courbe devrait se situer dans la tranche de 55 à 59 ans. Les estimations du budget-distance prévoient une diminution des distances en 2030 chez les tranches d’âge de 20 à 40 ans et une croissance parmi les personnes âgées. Les projections du budget-temps ressemblent à celles du budget-distance. Les individus âgés de 50 ans et plus devraient avoir la plus forte progression du budget-temps. La validation des résultats issus du modèle est réalisée avec les intervalles de confiance, ainsi que par la régression entre les valeurs moyennes d’enquêtes et du modèle au niveau des tranches d’âge dans les deux populations : inactive et active. La régression donne des valeurs élevées de R2 et des statistiques satisfaisantes pour la constante et la pente (Annexe 17, Tableaux 3, 4 et 5). Les intervalles de confiance sont calculés au seuil de confiance de 95%. Pour comparer les estimations et les observations nous avons extrapolé les résultats de projections par année d’enquêtes au niveau agrégé par la population inactive/active et ensuite par le sexe des individus et la zone de résidence. La confrontation entre les résultats du modèle et les valeurs de deux bornes de l’intervalle de confiance montre que les résultats issus du modèle pour l’année 1976 sont un peu au-dessus des valeurs de la borne supérieure, pour les trois variables de la mobilité (Annexe 17, Tableaux 6 à 14). Or, les intervalles de confiance, concernant les observations de la première enquête, sont très restreints puisque le nombre d’observations dans l’enquête de 1976 est presque trois fois plus élevé que celui des enquêtes suivantes.

4. CONCLUSION La méthodologie développée de projection de la mobilité repose sur le concept d’un modèle démographique âge-cohorte. La distinction de la population en deux catégories est suivant l’activité quotidienne dont une grande partie dépend de la position de l’individu dans son cycle de vie. Évidemment, pour les jeunes jusqu’à un certain âge, la principale préoccupation est l’éducation suivie d’une insertion dans le marché du travail et en général, après 60 ans, c’est l’âge légal de la retraite. Ces trois grandes périodes dans la vie de chaque individu influencent les besoins de la mobilité et les moyens utilisés pour se déplacer. La spécification du modèle proposé prend en compte l’âge de l’individu, de la génération de sa naissance ainsi que leur appartenance à la population inactive et active lors d’une période de sa vie. Ainsi, un modèle est composé pour les projections suivant le sexe des individus et un modèle pour les estimations par la zone de résidence.

207

Les résultats issus du modèle montrent une « saturation » da la mobilité chez les personnes actives et une croissance soutenue parmi les inactives. En effet, les analyses de la mobilité observée par les trois enquêtes indiquent que la mobilité a crû moins vite pour la population active par rapport à celle des inactifs. Certes, les actifs ont eu, et ils devraient continuer d’avoir une mobilité plus élevée que les inactifs, mais les écarts devraient se resserrer de plus en plus pendant la période de la projection. Les évolutions probables de la mobilité suivant le sexe des individus se caractérisent par un rapprochement continu de la mobilité mesurée par le nombre de déplacements et le budget-temps, tandis que les distances parcourues devraient rester plus élevées parmi les hommes. Concernant la fréquence de déplacements et le temps journalier pour se déplacer, les femmes actives deviendront plus mobiles que les hommes actifs, mais la mobilité de femmes inactives devrait rester inférieure à celle des hommes inactifs. Cette prévision nous semble réaliste d’autant que les femmes actives ont déjà une mobilité légèrement plus élevée que celle des hommes actifs dans la dernière enquête. Les projections suivant la zone de résidence donnent la plus forte progression des distances et du nombre de déplacements en banlieue moins dense, tandis que le plus grand temps de déplacements est estimé en centre-ville. Concernant le budget-distance ces estimations sont cohérentes avec les observations, mais le nombre de déplacements observé est le plus élevé en centre ville. Les projections montrent qu’à partir de 2015 la zone avec la plus faible densité de la population devrait générer le plus grand nombre de déplacements ce qui n’est pas surprenant vu la grande croissance de déplacements dans cette zone. Le budget-temps devrait rester plus élevé en centre que dans les zones de banlieue à cause de deux facteurs : • les habitants du centre de Lille sont moins équipés en voiture que les résidants des

banlieues. Ils se déplacent plus que les banlieusards avec le transport public ou la marche à pied.

• la densité de la population et d’activité dans le centre-ville joue sur l’intensité du trafic et la congestion dont l’effet se reflète dans un budget-temps plus élevé en centre qu’à la banlieue.

Les projections suivant les tranches d’âge quinquennales des individus estiment que les personnes âgées de 35 à 44 ans devraient réaliser le plus grand nombre de déplacements jusqu’à 2015 et après cette date, leur nombre dans la population totale (et naturellement dans la population active) devrait diminuer et puis la tranche d’âge la plus mobile à la fin de période de projection devient les personnes âgées de 55 à 59 ans (l’âge avant la retraite). La caractéristique la plus remarquable des projections par tranche d’âge est que la mobilité croît plus parmi les tranches d’âge après le milieu du cycle de vie (de 50 ans et plus). Toutes ces estimations de la mobilité à Lille conduisent à conclure que la mobilité ne progresserait que pour les personnes inactives (étudiants, retraités, femmes au foyer…) dont le comportement diffère considérablement de celui des actifs par rapport aux motifs de déplacements (le motif « travail » n’est pas « praticable » pour les inactifs), ainsi que par rapport aux heures de départ (les déplacements des inactifs ne sont pas autant contraints du temps comme ceux des actifs). La prévision que la population inactive contiendrait de plus en plus de personnes âgées dont l’espérance de vie augmente, et qui sont en général motorisées (et même multi-équipés) pourrait expliquer cette situation hypothétique.

209

Chapitre 4

TESTS DE SENSIBILITÉ DU MODÈLE ET SIMULATION DE DIFFÉRENTS SCÉNARIOS

211

1. INTRODUCTION Les tests de sensibilité du modèle reposent sur des analyses comparatives de l’impact des différents scénarios démographiques de l’INSEE sur les projections réalisées. Nous allons évaluer également le rôle des différentes tendances de la taille des ménages et de l’activité de la population sur les estimations du modèle. L’influence du choix de la génération de référence et l’agrégation des données en classes quinquennales et décennales est aussi vérifiée. Enfin, nous présentons les différentes simulations de l’âge de la retraite et d’usage de la voiture en centre-ville pour annoncer la capacité de simulation du modèle âge-cohorte.

2. IMPACT DU DESSERREMENT DE LA POPULATION

Les tests de sensibilité du modèle à l’égard des différents scénarios démographiques sont effectués dans l’agglomération lilloise où nous comparons, d’une part les moyennes des variables de la mobilité, et d’autre part les volumes de trafic exprimés en volume des déplacements et des distances parcourues (voyageurs-kilomètres).

L’effet des projections démographiques sur les estimations de la mobilité est évalué suivant les quatre scénarios démographiques de l’INSEE (Annexe 7) dont les projections de tendances de la population sont les suivantes (Figure 57):

• La tendance « centrale » estime que la population devrait augmenter jusqu’en 2015 (de 0,06% par an), et devrait ensuite diminuer légèrement jusqu’à 2030 (-0,07% par an entre 2015 et 2030).

• Le scénario L estime une croissance de la population entre 2000 et 2030 de 0,10% par an et selon le scénario M elle devrait diminuer de -0,10% par an.

• Le scénario N projette la tendance hypothétique « sans déménagement » dont la croissance est de 0,7% par an.

Figure 57 Projections de la population à Lille selon les 4 scénarios démographiques de l’INSEE

PROJECTION DE LA POPULATION A LILLE SELON LES 4 SCENARIOS DEMOGRAPHIQUES DE L'INSEE

0,60

0,80

1,00

1,20

1,40

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

No

mb

re d

e p

erso

nn

es (

en m

illio

n)

Scénario "N" Scénario "M" Scénario "L" Scénario "I"

212

Le grand contraste entre le scénario sans migration et les trois autres s’explique par une forte croissance des migrations de la population vers la grande périphérie de l’agglomération lilloise75, qui n’est pas pris en compte dans le scénario N. Les comparaisons des projections de la mobilité obtenues suivant ces différents scénarios démographiques indiquent que les valeurs moyennes issues de scénarios L et M sont identiques à celles du scénario I. Cela montre que ces scénarios ne sont pas suffisamment contrastés pour mettre en évidence des différences sensibles sur les évolutions de la mobilité. Les comparaisons entre les quatre scénarios selon les voyageurs-kilomètres et le volume global des déplacements montrent des divergences entre les 4 cas étudiés. Les projections du volume de voyageurs-kilomètres, selon le scénario sans migration N et le scénario central I donnent des taux de croissance annuelle de 1,6% pour le scénario N et de 0,7% pour le scénario I (Figure 58). Autrement dit, l’absence de migrations joue sur le volume des distances parcourues par un jour ouvrable. La différence des volumes de voyageur-kilomètre est liée à l’écart entre le nombre de résidants dans le périmètre d’étude, suivant les deux scénarios démographiques opposés. Les résultats des scénarios L et M ne s’écartent pas beaucoup du scénario central et les taux de croissance par an sont de l’ordre de 0,6% pour le scénario M et de 0,9% pour le scénario L.

Figure 58 Projection de voyageurs-kilomètres à Lille selon les 4 scénarios démographiques de l’INSEE

Les analyses comparatives des projections de la mobilité suivant des valeurs moyennes des trois variables étudiées par rapport aux différents scénarios démographiques montrent que le périmètre d’étude à Lille est trop étroit par rapport aux enjeux de l'étalement urbain et la simulation « sans déménagement » ne montre pas de différence sensible pour les projections de mobilité par rapport à l'hypothèse tendancielle de desserrement. L'exemple de l'Île-de-France montre qu'une différence modérée entre ces deux scénarios apparaît quand on inclut la grande couronne (Delaunay, 2002).

75 La grande périphérie de l’agglomération lilloise n’est pas incluse dans cette étude.

PROJECTION DE VOYAGEURS-KILOMETRES A LILLE SELON LES 4 SCENARIOS DEMOGRAPHIQUES DE L'INSEE

7,0

8,0

9,0

10,0

11,0

12,0

13,0

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Vo

yag

eurs

-kilo

mèt

res

(en

mill

ion

)

Scénario "N" Scénario "M" Scénario "L" Scénario "I"

213

Pourtant, les différences dans les projections sont évidentes si la mobilité est mesurée suivant les voyageurs–kilomètres et le volume des déplacements. Dans ce cas, les projections de la mobilité dépendent d’effectifs estimés de la population par les quatre scénarios démographiques.

3. TEST DE SENSIBILITÉ DES PROJECTIONS PAR RAPPORT A L’HYPOTHÈSE DE LA TAILLE DES MÉNAGES

Les projections de la mobilité suivant la taille des ménages ont été réalisées sous l’hypothèse que la part des individus dans les quatre types de ménages poursuivrait la situation observée en 199876. Cependant, la répartition des individus dans les quatre groupes de ménage est très différente lorsqu’on compare la première enquête de 1976 et celle de 1998 (Tableau 51). Les projections de la mobilité changeront-elles, si la part des individus dans ces groupes de ménages est considérée d’être la même comme celle observée en 1976 ?

Tableau 51 Part de la population dans les quatre groupes de ménages suivant la zone et le sexe

Années Groupe de ménage

Centre de Lille

Banlieue dense


Hommes Femmes Total

(en %)

m1 2,2 3,5 1,4 1,8 5,4 7,1 m2 7,2 15,0 7,0 14,0 15,3 29,2 m3 7,4 17,1 11,2 17,6 18,1 35,7

1976

m4 4,7 13,7 9,6 14,0 13,9 27,9

TOTAL 21,5 49,4 29,2 47,3 52,7 100,00

m1 3,4 5,2 2,1 3,5 7,2 10,7 m2 6,2 15,4 8,2 14,3 15,6 29,9

m3 5,7 19,9 13,4 19,7 19,3 39,0

1987

m4 3,2 10,5 6,8 10,1 10,4 20,4

TOTAL 18,5 51,0 30,6 47,6 52,4 100,00

m1 5,1 6,2 2,9 5,0 9,1 14,1 m2 5,9 15,0 8,6 13,9 15,6 29,5

m3 5,3 17,2 14,1 18,4 18,3 36,6

1998

m4 3,1 11,1 5,5 9,6 10,1 19,7

TOTAL 19,4 49,5 31,1 46,9 53,1 100,00 Source : Calcul INRETS-DEST suivant les Enquêtes Ménages Déplacements à Lille 1976, 1987 et 1998

Pour tester l’impact de l’évolution envisagée de la taille des ménages sur les résultats des projections de la mobilité nous avons spécifié le modèle âge-cohorte en considérant que la part de la population dans les quatre groupes de ménages suivrait l’état en 1976. Ainsi, en supposant une telle évolution, les estimations de la répartition des individus dans les quatre groupes de ménages à l’horizon 2030 sont similaires pour les ménages de m2 (deux personnes dans le ménage) et m3 (trois ou quatre personnes dans le ménage), mais elles sont

76 Les résultats des projections sont présentés dans le chapitre précédent, ainsi que les quatre types de ménages définis par leur taille.

214

différentes pour les ménages de m1 (une personne) et m4 (plus de quatre personnes dans le ménage) (Tableau 52).

Tableau 52 Projections de la part de la population dans les 4 groupes de ménage suivant les états observés en 1976 et 1998

Projections de la part des individus dans les quatre types de ménage

m1 m2 m3 m4

Années État 1998

État 1976

État 1998

État 1976

État 1998

État 1976

État 1998

État 1976

2000 14,7% 7,0% 29,9% 29,3% 36,2% 36,4% 19,2% 27,3% 2015 15,2% 7,8% 31,4% 30,2% 35,2% 36,1% 18,2% 25,9% 2030 17,0% 9,4% 33,0% 32,2% 33,3% 34,3% 16,7% 24,0%


Les projections de la mobilité sont réalisées avec la modélisation suivant la taille des ménages, mais la seule différence est qu’en projection, la part de la population suit la situation de 1976. La comparaison entre les projections de la mobilité obtenues avec l’état de la taille des ménages de 1998 et celles issus du modèle avec l’état de 1976 ne montrent pas des grandes différences au niveau agrégé par année (Tableau 53, et Annexe 18, Figures 1, 2 et 3). Les écarts entre les résultats des projections suivant les deux hypothèses sont inexistants au début de la période de projection pour atteindre environ 1% à la fin de 2030.

Tableau 53 Projections de la mobilité suivant la taille des ménages de 1976 et de 1998

Nombre de déplacements Budget-distance

(km/ind/jour)

Budget-temps

(min/ind/jour)

Années

État de la taille des

ménages de 1976


ménages de 1998


ménages de 1976


ménages de 1998


ménages de 1976


ménages de 1998

2000 4,12 4,11 9,0 8,9 54,7 55,1

2015 4,52 4,49 10,0 9,9 56,5 57,1

2030 4,75 4,71 10,8 10,7 57,6 58,1

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE Néanmoins, quand on observe les estimations de la mobilité correspondantes aux quatre groupes de ménages, on remarque les écarts entre les résultats obtenus par les deux modèles. La plus grande différence s’affiche pour le groupe de ménage m1. Elle provient de différentes projections de la part de ce groupe de ménage jusqu’à 2030 et du changement de comportement des individus constituant ces ménages. En effet, les deux situations observées de la taille des ménages en 1976 et en 1998 sont très contrastées (Annexe 18, Figures 4, 5 et 6). En outre, les foyers avec un individu en 1976 ont été, en grande partie, fondés par des personnes âgées dont la mobilité est différente des membres de ce même type de ménages en 1998 qui sont de plus en plus constitués de jeunes individus.

215

4. COMPARAISON ENTRE LES RÉSULTATS DE PROJECTION DES DIFFÉRENTES SPÉCIFICATIONS DU MODÈLE

Tous les résultats des projections de la mobilité présentés auparavant proviennent de trois spécifications du modèle âge-cohorte. Soulignons que la structure fondamentale du modèle ne change pas et contient régulièrement les 16 indicatrices d’âge et les 17 indicatrices de cohortes. Les différentes spécifications du modèle sont combinées suivant diverses segmentations de la population en groupes distinctifs comme la taille des ménages, le sexe, la zone de résidence et la motorisation d’individus, ainsi que l’activité de la population au sens de l’INSEE. Afin de comparer les résultats de plusieurs modélisations, nous avons effectué également des projections en distinguant les populations suivantes : • la population des actifs occupés et le reste de la population ; • la deuxième distinction de la population est constituée par des actifs occupés et des

étudiants et le reste de la population. Ainsi, pour réaliser la comparaison entre les projections issues des différentes distinctions de la population nous disposons des résultats au niveau agrégé de l’agglomération de six modélisations suivantes (Figures 59, 60 et 61) : • Modèle suivant les individus actifs/inactifs définis au sens de l’INSEE ; • Modèle dit « classique » suivant le sexe, la zone et la motorisation d’individus ; • Modèle suivant la distinction de la population en « actifs » et « étudiants, autres » ; • Modèle suivant la taille des ménages ; • Modèle « classique » spécifié sans observations de la première enquête de 1976 ; • Modèle suivant la distinction de la population en « actifs, étudiants » et « autres ».

Figure 59 Comparaisons des résultats de projection du nombre de déplacements suivant les différentes spécifications du modèle

COMPARAISONS DES RESULTATS DE PROJECTION DU NOMBRE DE DEPLACEMENTS SUIVANT DIFFERENTES SPECIFICATIONS DU MODELE

2,0

3,0

4,0

5,0

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Modèle suivant actifs / inactifs Modèle par la taille de ménages

Modèle AC classique Modèle sans enquête de 1976

Modèle suivant actifs+(étudiants / autres) Modèle suivant (actifs / étudiants)+autres

216

Figure 60 Comparaisons des résultats de projection du budget-distance suivant les différentes spécifications du modèle

Figure 61 Comparaisons des résultats de projection du budget-temps suivant les différentes spécifications du modèle

Dans tous les modèles, les profils-types et les écarts entre cohortes ont été estimés pour une même génération de référence, celle de 1966-1970. Le scénario démographique « central » de projection de la population est utilisé dans toutes les estimations de la mobilité. En plus, pour valider les résultats du modèle avec les observations, toutes les estimations ont été adoptées à partir de 1975 jusqu’à 2030 (Annexe 18, Tableaux 1, 2 et 3). Les résultats issus des modèles

COMPARAISONS DES RESULTATS DE PROJECTION DU BUDGET-DISTANCE SUIVANT DIFFERENTES SPECIFICATIONS DU MODELE

4,0

6,0

8,0

10,0

12,0

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)




COMPARAISONS DES RESULTATS DE PROJECTION DU BUDGET-TEMPS SUIVANT DIFFERENTES SPECIFICATIONS DU MODELE

42

46

50

54

58

62

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)




217

pour les trois variables étudiées sont très proches de 1975 jusqu’à 2000. Ces estimations correspondent à la période des trois enquêtes dont la confirmation est vérifiée suivant les intervalles de confiance et la régression entre les estimations et observations. Les projections des différents modèles s’écartent progressivement à partir de 2000 jusqu’à 2030. Sauf les projections issues du modèle sans observations de 1976, l’amplitude de la différence entre les valeurs maximales et minimales estimées par les cinq modèles pour 2030, est de l’ordre de 6% pour le budget-distance, de 5% pour le nombre de déplacements et de 8% pour le budget-temps. L’écart entre la valeur maximale de toutes projections et la valeur issue du modèle sans observations de 1976 pour 2030 est de 6% pour le budget-distance, de 10% pour le nombre de déplacements et de 6% pour le budget temps. Ce rapprochement indique que les projections du nombre de déplacements s'éloignent considérablement lorsque les observations de la première enquête n’entrent pas dans la modélisation. Les estimations du budget-distance et du budget-temps sans observations de 1976 ne montrent pas de tels décalages ce qui signale que la manière d’enregistrer le nombre de déplacements dans la première enquête a été probablement différente de celle des enquêtes suivantes. Le constat général de ces comparaisons est que la segmentation de la population en groupes distinctifs n’influe pas considérablement les projections agrégées pour l’ensemble de la population. Le modèle dispose d’une grande rigidité par rapport au changement des groupes d’individus visés dans la spécification du modèle.

5. COMPARAISON DES PROJECTIONS DU MODÈLE ÂGE-COHORTE ET DE CELLES OBTENUES PAR FACTEURS DE CROISSANCE

Nous avons effectué également des projections suivant les facteurs de croissance de la mobilité, une méthode habituellement utilisée dans les modèles agrégés de la demande de transport de voyageurs. Deux facteurs de croissances sont déterminés selon les données transversales d’enquêtes. Le premier poursuit la tendance de la croissance moyenne annuelle des trois enquêtes et le deuxième facteur de croissance suit la croissance de la mobilité révélée entre 1987 et 1998. Les facteurs de croissance sont calculés pour les trois mesures de la mobilité afin de comparer les projections de modèle âge-cohorte. Les résultats estimés suivant le modèle démographique sont moins élevés que ceux obtenus selon les projections par les facteurs de croissance (Figures 62, 63 et 64). Pour le nombre de déplacements, la différence entre les projections réalisées par le modèle et celles obtenues par le facteur de croissance de 1987 et 1998 est d’environ 10% en 2030. La même comparaison donne la différence de 30% lorsque le facteur de croissance suit la tendance de croissance de déplacements dans les trois enquêtes (Figure 62). Les projections du budget-temps selon les facteurs de croissances donnent des résultats d’environ 25% plus élevés que les estimations du modèle âge-cohorte pour 2030 (Figure 63).

218

En 2030, les budgets-distances sont de 25% plus élevés quand on utilise la croissance observée entre 1987 et 1998 et de 40% si le facteur de croissance est calculé d’après les trois enquêtes (Figure 64).

Figure 62 Comparaison entre les projections du nombre de déplacements obtenues par le modèle âge-cohorte et celles calculées par les facteurs de croissances

Figure 63 Comparaison entre les projections du budget-temps obtenues par le modèle âge-cohorte et celles calculées par les facteurs de croissances

2,0

3,0

4,0

5,0

6,0

7,0

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Projections suivant la tendence de la croissance entre 1998 et 1987

Projections suivant la tendance de la croissance moyenne de trois enquêtes

Projections suivant le modèle âge-cohorte

40

50

60

70

80

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-

tem

ps

(min

/ind

/jo

ur)




219

Figure 64 Comparaison entre les projections du budget-distance obtenues par le modèle âge-cohorte et celles calculées par les facteurs de croissances

Les comparaisons de projections montrent des différences importantes entre les résultats du modèle et ceux obtenus par les facteurs de croissance. Évidement, l’approche par une extrapolation des tendances ne tient pas compte des comportements spécifiques à chaque génération et les valeurs projetées sont plus élevées que les estimations selon le modèle. Sur ce plan, les modèles démographiques semblent très supérieurs aux modélisations classiques, car ils prennent beaucoup mieux en compte les tendances à la saturation observées dans une partie de la population.

6. TESTS SUR LE REGROUPEMENT DES INDIVIDUS PAR TRANCHES D’ÂGE ET COHORTES DÉCENNALES

Le test de sensibilité est poursuivi sur les variables clés du modèle, notamment sur les indicatrices d’âge et de cohortes. Le regroupement des individus par tranche d’âge et cohortes décennales est réalisé pour examiner et comparer les résultats des projections avec ceux issus du modèle spécifié suivant les tranches d’âge et cohortes quinquennales77. Ainsi, le modèle est spécifié avec les tranche d’âge de 05-14 ans, de 15-24 ans, …, de 75-84 ans et de 85 et plus, tandis que les cohortes sont : avant 1905, de 1905-1914, de 1915-1914, …, de 1985-1994, de 1995-2004, …, de 2015-2024. Les profils-types et les écarts entre cohortes sont estimés par rapport à la génération de référence de 1965-1974. Les projections sont effectuées suivant le sexe pour le nombre de déplacements, le budget-temps et le budget-distance. La comparaison des profils-types et de décalages de cohortes pour le modèle constitué des tranches d’âge et cohortes décennales et le modèle spécifié avec des tranches d’âge et

77 Il s’agit du modèle spécifié suivant le sexe des individus et les comparaisons sont effectuées pour les projections agrégées de la population totale.

2,0

6,0

10,0

14,0

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)




220

cohortes quinquennales donne des résultats similaires (voir le chapitre 2 de la troisième partie de ce travail, Figures 37 à 42 et Annexe 18, Figures 7, 8 et 9). La comparaison entre les estimations du nombre de déplacements et du budget-temps suivant les deux modèles ne montre que des décalages d’environ 1,5% à la fin de la période de projection (Tableau 54). Les projections du budget-distance par le modèle avec les tranches d’âge et cohortes décennales sont inférieures d’environ 4% de celles obtenues par le modèle avec les indicatrices quinquennales. Cette faible différence est principalement due aux projections du budget-distance d’hommes (Annexe 18, Figure 14).

Tableau 54 Comparaisons entre les projections du modèle avec l’âge et cohortes décennales et celles du modèle avec l’âge et cohortes quinquennales

Nombre de déplacements Budget-distance Budget-temps Année

Modèle1 Modèle2 différance Modèle1 Modèle2 différance Modèle1 Modèle2 différance

2000 4,08 4,10 0,5% 8,8 9,1 3,3% 55,1 55,1 0,0%

2010 4,40 4,44 0,9% 9,5 9,9 4,0% 56,7 57,1 0,7%

2020 4,65 4,69 0,9% 10,0 10,5 4,8% 57,9 58,6 1,2%

2030 4,83 4,89 1,2% 10,5 11,0 4,5% 58,8 59,7 1,5%

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE ** Modèle1 – le modèle avec les indicatrices d’âge et de cohortes décennales ** Modèle2 – le modèle avec les indicatrices d’âge et de cohortes quinquennales Les analyses des résultats de projections de la mobilité suivant le modèle avec les indicatrices d’âge et de cohortes décennales et le modèle avec les indicatrices d’âge et de cohortes quinquennales montrent qu’à la fin de la période de projection la différence entre les résultats est très faible. C’est un atout pour l’utilisation de ce type de modélisation, même lorsque les effectifs enquêtés ne permettent pas les désagrégations quinquennales.

7. TESTS SUR LE CHANGEMENT DE LA GÉNÉRATION DE RÉFÉRENCE L’hypothèse fondatrice du modèle démographique de projection de la mobilité à long terme s’appuie sur l’existence d’un profil-type au cours de cycle de vie des individus dont les déformations temporelles sont provoquées par les effets de cohortes. Les estimations de ce profil-type, ainsi que les écarts de cohortes se rapportent à la génération de référence qui, pour les projections présentées jusqu’ici, est celle de 1966-1970. Mais, si l’on change la génération de référence quelles sont les conséquences sur les projections ? Pour répondre à cette question nous avons effectué des projections en prenant comme génération de référence celle de 1946-1950 qui est la médiane de l’échantillon de 17 cohortes. Le modèle est spécifié suivant les 16 indicatrices d’âge et les 17 indicatrices de génération et la ségrégation de la population est uniquement par le sexe des individus. Les résultats de ce modèle sont comparés avec les estimations dont la génération de référence est 1926-1930, éloignée de la cohorte médiane de la même distance que la génération 1966-1970, mais dans la direction opposée. Les estimations du modèle dont la génération de référence est 1966-1970 sont comparées aux résultats obtenus pour la génération de référence de 1946-1950 (Tableaux 55, 56 et 57).

221

Le rapprochement des projections du nombre de déplacements (Tableau 55) indique que les écarts des résultats sont plus grands lorsque la génération de référence est 1926-1930, et moins importants quand la génération de référence est 1966-1970. En 2030, les estimations issues du modèle avec la génération de référence 1926-1930 sont inférieures de 5% par rapport aux résultats du modèle adoptant la génération de référence de 1946-1950. La différence entre les projections pour la même année baisse de 3% lorsque la génération de référence est 1966-1970. La même situation se reproduit pour le budget-distance (Tableau 56), tandis que les écarts entre les résultats de projections du budget-temps sont très resserrés (Tableau 57).

Tableau 55 Comparaison des projections du nombre de déplacements suivant différentes générations de référence

Projections du nombre de déplacements suivant différentes générations de référence

Différence par rapport à la génération de référence de

Année

Génération de référence

1926-1930


1946-1950


1966-1970 1926-1930/ 1946-1950

1966-1970/ 1946-1950

1 2 3 4 5 6

2000 3,98 4,05 4,10 1,7% 1,2% 2015 4,30 4,46 4,57 3,6% 2,3% 2030 4,52 4,75 4,89 4,8% 2,9%


Tableau 56 Comparaison des projections du budget-distance suivant différentes générations de référence

Projections du budget-distance suivant différentes générations de référence

Différence par rapport à la génération de référence de

Année


1926-1930


1946-1950


1966-1970 1926-1930/ 1946-1950

1966-1970/ 1946-1950

1 2 3 4 5 6

2000 8,8 9,0 9,1 1,4% 1,2% 2015 9,6 9,9 10,2 3,5% 2,4% 2030 10,1 10,6 11,0 4,9% 3,2%


Tableau 57 Comparaison des projections du budget-temps suivant différentes générations de référence

Projections du budget-temps suivant différentes générations de référence

Différence par rapport à la génération médiane de

Année


1926-1930


1946-1950


1966-1970 1926-1930/ 1946-1950

1966-1970/ 1946-1950

1 2 3 4 5 6

2000 54,4 54,8 55,1 0,8% 0,6% 2015 56,0 57,0 57,8 1,9% 1,3% 2030 57,1 58,7 59,7 2,6% 1,8%


222

Ces rapprochements des résultats des projections montrent que le choix de la génération de référence dans les cohortes les plus anciennes donne des projections du nombre de déplacements et du budget-distance inférieures aux estimations effectuées suivant le modèle dont la génération de référence est la cohorte médiane. Évidemment, cette différence est petite, d’environ 5% en 2030, mais la vérification des résultats par l’intervalle de confiance ne montre pas de valeurs satisfaisantes. Dans ce cas, lorsque la génération de référence est de 1926-1930, le modèle estime des valeurs significativement supérieures par rapport aux observations de 1976. Donc, pour que la vérification des estimations soit plus proche des observations, la génération de référence devrait être choisie parmi les cohortes plus jeunes de la cohorte médiane.

8. SIMULATION DE L’EFFET D’UN PROLONGEMENT DE L’ÂGE DE LA RETRAITE

L’impact du prolongement de l’âge de la retraite sur les projections de la mobilité des résidants du périmètre d’étude est évalué par le modèle âge-cohorte. Le modèle contient 16 indicatrices des tranches d’âge et 17 indicatrices de cohortes quinquennales. La population est partagée suivant le sexe des individus et la génération de référence est 1966-1970. L’hypothèse que nous admettons est que l’âge légal de la retraite passera de 60 à 70 ans, donc une prolongation de 10 ans à partir de 2000. La simulation d’une telle situation hypothétique est réalisée par un ajustement d’effets d’âge dans les projections. Notamment, nous considérons que les effets d’âge pour les individus actifs occupés et âgés de 55-59 ans seront les mêmes pour les individus de 60-64 et 65-69 ans puisqu’ils sont encore actifs. Dans ce cas, la seule différence dans le comportement d’individus âgés de 60-64 et de 65-69 ans pourrait être associée à l’effet de la cohorte. La comparaison des résultats de projection (Tableau 58) montre que la prolongation de l’âge de la retraite n’aurait pas une grande importance sur la mobilité moyenne de la population totale.

Tableau 58 Comparaison entre les projections de la mobilité pour la population entière issues des modèles avec et sans changement d’âge de la retraite

Nombre de déplacements Budget-distance Budget-temps Année Avec Sans Différ. Avec Sans Différ. Avec Sans Différ.

2000 4,11 4,10 0,2% 9,2 9,1 1,3% 55,5 55,1 0,7%

2015 4,58 4,57 0,2% 10,3 10,2 1,5% 58,3 57,8 0,9%

2030 4,90 4,89 0,2% 11,1 11,0 1,4% 60,2 59,7 0,8%

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE Cependant, lorsque l’âge de la retraite se prolonge de 10 ans, les distances de déplacements devraient augmenter plus que la mobilité mesurée suivant le nombre de déplacements et le budget-temps (Figures 65, 66 et 67).

223

Figure 65 Résultats de la simulation des différents âges de la retraite sur les projections du nombre de déplacements suivant les tranches d’âge

Figure 66 Résultats de la simulation des différents âges de la retraite sur les projections du budget-distance suivant les tranches d’âge

SIMULATION DE DIFFERENTS AGES DE LA RETRAITE SUR LES PROJECTIONS DU BUDGET-DISTANCE PAR TRANCHE D'AGE

0,0

4,0

8,0

12,0

16,0

05-0

9

10-1

4

15-1

9

20-2

4

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50-5

4

55-5

9

60-6

4

65-6

9

70-7

4

75-7

9

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

2000 - Modèle avec retraite après 70 ans 2015 - Modèle avec retraite après 70 ans 2030 - Modèle avec retraite après 70 ans


SIMULATION DE DIFFERENTS AGES DE LA RETRAITE SUR LES PROJECTIONS DU NOMBRE DE DEPLACEMENTS PAR TRANCHE D'AGE

0,0

2,0

4,0

6,0

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r



224

Figure 67 Résultats de la simulation des différents âges de la retraite sur les projections du budget-temps suivant les tranches d’âge

Ces estimations sont cohérentes avec la mobilité observée parmi les personnes âgées qui ne diminue pas considérablement après l’âge actuel de la retraite à 60 ans. Donc, en projection le prolongement d’âge de la retraite ne devrait pas avoir une importance considérable sur la mobilité dans l’ensemble de la population. Pourtant pour les tranches d’âge de 60-64 et 65-69 ans les distances et les temps de déplacements devraient s’accroître si l’âge de la retraite est décalé (Tableau 59). Pour ces deux tranches d’âge, on remarque que le nombre de déplacements ne devrait pas augmenter significativement, mais les budgets-temps, et surtout les budgets-distances changent considérablement.

Tableau 59 Différences de la mobilité lorsque l’âge de la retraite se prolonge de 10 ans pour les deux tranches d’âge

Différences de la mobilité si l’âge de la retraite se prolonge

60-64 ans 65-69 ans


Budget-distance

Budget-temps


Budget-distance

Budget-temps

Année

Avec* Sans** Avec Sans Avec Sans Avec Sans Avec Sans Avec Sans 2000 3,45 3,39 8,0 6,4 49,2 44,4 3,21 3,06 7,4 6,0 46,9 42,1 2015 4,86 4,80 10,7 9,2 57,8 53,1 4,28 4,13 10,4 9,0 55,0 50,0

2030 5,28 5,23 13,1 11,6 64,1 59,4 5,17 5,02 12,4 11,0 62,2 57,3 Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE * Avec – Projection avec l’hypothèse de changement de l’âge de la retraite ** Sans – Projection sans l’hypothèse de changement de l’âge de la retraite

En effet, lorsque les individus de 60 à 70 ans travaillent, ils devraient réaliser presque la même fréquence de déplacements que s’ils ne travaillaient pas. Donc, il y aurait une substitution des déplacements en faveur du motif obligé (travail), mais en moyenne le nombre de déplacements est inchangé. En revanche, les déplacements vers le lieu de travail vont augmenter plus les distances et le temps de déplacements quotidiens de ces individus.

SIMULATION DE DIFFERENTS AGES DE LA RETRAITE SUR LES PROJECTIONS DU BUDGET-TEMPS PAR TRANCHE D'AGE

0

15

30

45

60

75

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)



225

9. SIMULATION D’UNE RESTRICTION PARTICULIÈRE DE L’USAGE DE LA VOITURE EN CENTRE-VILLE

La densité de la population, ainsi que la présence d’un réseau de transport public dans le centre de Lille influencent le comportement des citadins à l’égard de la mobilité quotidienne. La particularité de ce type de comportement, démontrée dans les enquêtes, se traduit par de plus grandes fréquences de déplacements et des budgets-temps, mais de plus petits budgets-distances par rapport à la mobilité d’habitants dans les zones de la banlieue. On rappelle d’abord les caractéristiques propres de la mobilité des résidants du centre. L’analyse de la répartition modale de tous les déplacements émis dans le centre par leurs résidants (Tableau 60) montre que la part de déplacements effectués par la voiture est de l’ordre de 32% en 1976 et de 36% en 1987 et 1998. Les déplacements générés dans le centre par leurs habitants se distribuent plus souvent sur la marche, d’environ 50% (51% en 1976, 52% en 1987 et 49% en 1998), ensuite par la voiture, suivie du transport public d’environ 10% (8% en 1976, 9% en 1987 et de 12% en 1998) et les autres mode (principalement deux-roues) de 9% en 1976 à 2% en 1987 et 1998.

Tableau 60 Répartition du nombre de déplacements émis dans le centre-ville par leurs résidants

Total du nombre de déplacements émis dans le centre-ville par leurs résidants

Voiture Autres modes Total Année

effectifs taux effectifs taux effectifs taux 1976 146 581 32% 316 997 68% 463 579 100% 1987 168 367 36% 304 244 64% 472 611 100% 1998 210 384 36% 380 170 64% 590 554 100%

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998

Néanmoins, l’analyse de l’usage de la voiture en centre-ville par les citadins de cette zone montre que la plus grande part de déplacements réalisés en voiture demeure interne au centre (Tableau 61). Donc, une grande part (environ 2/3) de ces déplacements en voiture se génère et distribue dans le centre par leur habitants. Peut-on simuler avec le modèle âge-cohorte un scénario selon lequel l’usage de la voiture dans cette zone la plus dense de l’agglomération est interdit? En d’autres termes, la question qui nous intéresse est la suivante : dans quelle mesure le renoncement de la voiture pour se déplacer dans le centre peut-il changer les tendances projetées de la mobilité ? Soulignons ici qu’il s’agit d’une simple hypothèse de travail, et que les politiques de restriction des circulations dans les centres concernent ceux dont les origines sont en banlieue.

Tableau 61 Distribution du nombre de déplacements émis par les résidant du centre par le mode voiture

Nombre de déplacements émis par résidant du centre et distribués avec le mode voiture

Émis et distribué dans le centre-ville par voiture

Émis dans le centre-ville et distribués vers d’autres

zones par voiture

Total émis dans le centre par voiture Année

effectifs taux effectifs taux effectifs taux 1976 121 544 83% 25 038 17% 146 581 100% 1987 129 916 77% 38 450 23% 168 367 100% 1998 157 662 75% 52 722 25% 210 384 100%


Les projections de la mobilité, présentées déjà dans ce travail, envisagent que le nombre de déplacements devrait progresser avec une amplitude presque similaire dans les trois zones, les

226

distances parcourues quotidiennement devraient demeurer plus faibles en centre, tandis que le budget-temps de la population du centre de Lille gardera le niveau le plus élevé. Les analyses de la part des individus mobiles suivant les modes de transport montre que les banlieusards se déplacent davantage en voiture. En outre, les projections de la motorisation d’individus, réalisées également selon le modèle âge-cohorte, montrent que les habitants du centre restent moins motorisés que les banlieusards. Considérons que les déplacements internes au centre de Lille par la voiture sont interdits et que les individus dans cette zone devraient se déplacer par un autre mode de transport que la voiture. La simulation de cette situation hypothétique est réalisée à l’aide du modèle âge-cohorte. Notamment, nous avons spécifié le modèle pour les résidants du centre dont le mode de déplacement n’est pas la voiture, pour estimer leur profil-type et écarts relatifs à la génération de référence 1966-1970. L’hypothèse sous-jacente est que les individus qui se déplacent en voiture dans le centre, devraient, en projection, développer le même comportement que ceux qui n’ont pas utilisé la voiture. Donc, les usagers de la voiture en centre doivent changer le comportement de manière à ce que les deux effets dans le modèle, celui de l’âge et de la cohorte soient remplacés par les effets correspondants aux individus dont les déplacements sont réalisés par un autre mode. Soulignons que cette transformation ne concerne que les habitants du centre ville. Les projections, concernant l’ensemble de la population dans l’aire d’étude, ne sont pas significativement différents par rapport aux estimations sans simulation. Notamment, en 2030 la projection du nombre de déplacements varie de 0,6%, celle du budget-distance de 1,2% et du budget-temps de 1,5%. Pourtant, lorsque les projections sont effectuées par zone de résidence, les écarts significatifs apparaissent dans le centre de Lille (Tableau 62). La différence d’estimations entre les modèles, celui qui tient compte d’usagers de la voiture en centre-ville et celui qui « interdit » la voiture dans cette zone, est la plus importante pour les budgets-distances. L’allongement des distances de résidants du centre devrait être réduit d’environ 22%. Les décalages entre les projections du nombre de déplacements et du budget-temps ne s’écartent pas beaucoup, et en 2030 la différence est de 3% pour le nombre de déplacements et de 5% pour le budget-temps.

Tableau 62 Comparaison entre les projections avec et sans utilisation de la voiture en centre-ville

Nombre de déplacements Budget-distance Budget-temps Année Avec

voiture Sans

voiture Différ. Avec

voiture Sans

voiture Différ. Avec

voiture Sans

voiture Différ.

2000 4,16 4,19 0,7% 6,9 5,5 -20,1% 60,5 61,3 1,2% 2015 4,56 4,65 2,0% 7,6 5,9 -22,0% 63,7 65,9 3,4% 2030 4,78 4,93 3,0% 8,3 6,5 -22,1% 66,0 69,6 5,2%

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE D’après ces résultats on peut constater que le changement du comportement des résidants du centre ne devrait pas provoquer des modifications significatives de la mobilité dans le champ d’étude. La baisse des distances d’environ 20% en centre pour le scénario sans voiture, n’affecte que 1,2% des budgets-distances de la population totale. L’abandon de la voiture en centre devrait augmenter légèrement la fréquence de déplacements dans cette zone, et malgré la réduction considérable des distances, les budgets-temps ne devraient pas baisser significativement. Ceci suggère que cette politique est difficile à mettre en place.

227

La comparaison des projections de la mobilité suivant les tranches d’âge de la population au centre indique que tous les individus âgés de 25 et 60 ans seraient les plus concernés (Figure 69), tandis que les individus de 40 ans et plus devraient accepter la plus grande croissance du budget-temps (Figure 70).

Figure 68 Projections du nombre de déplacements en centre-ville - sans et avec simulation d’usage de la voiture suivant les tranches d’âge

Figure 69 Projections du budget-distance en centre-ville - sans et avec simulation d’usage de la voiture suivant les tranches d’âge

Projections du nombre de déplacements en centre ville sans et avec simulation d'usage de voiture

0

1

2

3

4

5

6

7

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80 e

t p

lus

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

2000 - sans VP 2015 - sans VP 2030 - sans VP

2000 - avec VP 2015 - avec VP 2030 - avec VP

Projections du budget-distance en centre ville sans et avec simulation d'usage de voiture

0

2

4

6

8

10

12

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce


2000 - avec VP 2015 - avce VP 2030 - avec VP

228

Figure 70 Projections du budget-temps en centre-ville - sans et avec simulation d’usage de la voiture suivant les tranches d’âge

Évidemment, la simulation d’un tel scénario dans les projections de la mobilité ne prend pas en compte beaucoup de facteurs qui ont un rôle important sur l’usage de la voiture pour se déplacer comme les motifs de déplacements, la localisation des zones d’activités, l’urbanisation, etc. Pourtant, les projections par le modèle âge-cohorte s’appuient sur les comportements déjà observés dans les enquêtes et on considère que tous les facteurs stimulant l’usage de la voiture sont incorporés et exprimées selon les effets d’âge et de la cohorte.

10. CONCLUSION Les tests de sensibilité du modèle « âge-cohorte » par rapport aux différents scénarios démographiques et aux diverses populations visées dans la modélisation, montrent une grande rigidité au niveau agrégé de projection. Les différences sont également négligeables lorsqu’on compare les projections selon les tranches d’âge et cohortes quinquennales et décennales ou quand on change la génération de référence. Néanmoins, des écarts importants se présentent entre les projections selon le modèle « âge-cohorte » et celles obtenues suivant les facteurs de croissance. La prise en compte et l’importance des effets de générations dans les projections à long terme explique les différences de projections remportées suivant les facteurs de croissance. La simulation des différents scénarios d’évolution de la mobilité par un modèle âge-cohorte est possible à travers des hypothèses basées sur la substitution de comportement de divers groupes de la population. Ainsi, les simulations peuvent être fondées sur le remplacement des effets d’âge et / ou des effets de cohorte des individus appartenant à deux sous-populations.

Projections du budget-temps en centre ville sans et avec simulation d'usage de la voiture

0

20

40

60

80

100

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

Bu

dg

et-t

emp

s


2000 - avec VP 2015 - avec VP 2030 - avec VP

229

Chapitre 5

EXAMEN D’EFFET DE PÉRIODE ET PROPOSITION DU MODÈLE « ÂGE-COHORTE-VITESSE »

231

1. INTRODUCTION Dans ce dernier chapitre nous allons effectuer les analyses des effets de période à travers les courbes des profils-types et des écarts des générations et nous proposons une spécification nouvelle intégrant la vitesse de déplacements. Les effets de période sont plus faciles à être repérés par les événements à un certaine date ou « ce sont d’abord ceux qui font l’Histoire et trouveront à ce titre leur place dans les manuels et les musées. La force de ces événements à elle seule fabrique une génération par un double effet sur ses membres. D’un côté, elle les rapproche, les unit et finit presque par les fondre ensemble ; d’un autre côté, elle les distingue, les sépare des autres au point d’en faire pratiquement des étrangers tant leur expérience a quelque chose d’indicible » (Préel, 2000).

2. GRANDS EFFETS DE PÉRIODE À l’échelle d’un pays, les évolutions de la mobilité dans différentes périodes du passé ont été influencées par les grands changements socio-économiques et technologiques de la société. Au niveau microscopique d’une région urbaine, les transformations du comportement des gens à l’égard de la mobilité dépendent des mutations de l’ensemble de la société, d’une part, et de la politique de transport pratiquée dans l’agglomération urbaine, d’autre part. Nous rappelons ici les principaux facteurs qui ont influencé la transformation socio-économique de la société, et présentons une vue générale des événements de la deuxième moitié du siècle passé. Afin d’obtenir une image complète du rôle des différentes périodes sur l’évolution de la mobilité dans l’agglomération lilloise, nous rappelons également les époques plus importantes du développement de l’offre de transport à Lille. 2.1 Grands effets de période à l’échelle nationale La période de plus grande mutation en France est sans doute l’époque des Trente Glorieuses de 1945 à 1975. Le changement de la structure des groupes sociaux pendant cette période est remarquable. Il est stimulé par une croissance économique exceptionnelle78 et un développement dans tous les domaines de la société. Les caractéristiques principales des transformations de grands groupes sociaux sont les suivantes: • Le déclin des paysans-agriculteurs dans la population active. C’est le groupe le plus

concerné et « depuis 1975, l’agriculture représente moins du dixième de l’emploi » (Chauvel, 2002). À la fin des années 90, la part de cette population ne représente que 3% d’actifs (Préel, 2000).

• La part des ouvriers dans les actifs augmente jusqu’à 1975, et diminue ensuite, avec un maintien relatif des ouvriers qualifiés.

• La croissance exceptionnelle des salariés dans les activités tertiaires comme les employés, les professions intermédiaires et les cadres. L. Chauvel constate que « cette croissance provient d’un passé lointain, de plus de cinquante ans, mais en fait, pour être très précis, l’expansion ne commence vraiment qu’à partir de la décade dorée, et se prolonge très nettement après 1975 ».

78 Le rythme de croissance annuelle est supérieur à 5% (Préel, 2000).

232

Le développement économique des Trente Glorieuses pousse l’amélioration du niveau d’éducation de la population. Le véritable changement survient avec la réforme Berthoin de 1959 qui prolonge la scolarité obligatoire jusqu’à 16 ans et jette les bases de l’architecture actuelle école-collège-lycée (INJEP, 2001). Depuis, la croissance importante du niveau d’instruction de la population, avec pour corollaire un prolongement considérable de l’âge à la fin des études, se poursuit. Cependant, les changements les plus spectaculaires concernent le statut des femmes dans la société. À partir de 1965 commence « une révolution silencieuse » qui va donner aux femmes un nouveau contrôle de leur vie privée et professionnelle. Notons les principales dates de ces changements : • 1965 : loi dispensant la femme de l’autorisation préalable de son mari pour exercer une

activité professionnelle ; • 1970 : reconnaissance de l’autorité parentale de la mère équivalant celle du père ; • 1975 : divorce par consentement mutuel ; • 1985 : égalité des époux dans la gestion des biens de la famille et des enfants ; Parallèlement, les femmes gagnent aussi des combats dans la maîtrise de reproduction : • 1967 : autorisation de la contraception chimique par la pilule et son remboursement en

1974 ; • 1975 : légalisation de l’avortement et en 1982 le remboursement de l’IVG (Interruption

Volontaire de Grossesse). « En effet le législateur donnera ainsi à la femme l’initiative en matière d’union et de désunion, de conception et de garde des enfants ; c’est d’ailleurs en 1965 que commence à décliner la natalité et à croître les divorces » (Préel, 2000) ce qui affecte la taille et le nombre des ménages. La croissance du nombre de ménages entre 1968 et 1999 est de 53%, et la part des couples sans enfants augmente. La part des ménages constitués d’une seule personne (des célibataires en majeure partie, des veufs et des divorcés sans enfants) progresse de 23% de la population en 1968 à 37% en 2001 et en outre, près de deux tiers des effectifs de ces personnes sont des femmes (INJEP, 2001). La fluctuation de la conjoncture économique lors de cinq dernières décennies détermine quatre sous-périodes (Orfeuil, 2000) : • Avant 1975 ou « l’époque dorée », avec une croissance régulière et un optimisme quant au

progrès. La planification du transport est soutenue par les études préliminaires d’infrastructures de transport. La place de l’automobile dans les pratiques quotidiennes de la mobilité s’annonce comme un fait incontournable.

• De 1975 à 1985 c’est la période de la crise, de la restructuration industrielle, du pessimisme, mais également l’époque du commencement de la décentralisation et la relance d’investissements dans les transports publics, « en fin de période, le métro cède la place au tramway dans le cœur des Français ».

• De 1986 à 1990 c’est le retour de la croissance, les prix du pétrole baissent considérablement, de nouveaux investissements d’infrastructure routière sont planifiés.

• Après 1991 la croissance continue au ralenti, les problèmes environnementaux montent, la nouvelle économie et les technologies « intelligentes » apparaissent.

233

De 1960 à 1997 la population française grandit de 29%, le Produit Intérieur Brut croît de 232%, le parc automobile est multiplié par cinq, la périurbanisation des villes change les conditions de vie et du comportement à l’égard de la mobilité (Orfeuil, 2000). 2.2 Effets de période incorporés dans l’offre de transport de l’agglomération

lilloise Les différents facteurs susceptibles d’agir sur le comportement de la mobilité des citadins de l’agglomération lilloise peuvent être résumés par les événements suivants : • La construction intensive des autoroutes urbaines, des boulevards périphériques et des

routes de rocade commence pendant les années 70. C’est le début de la forte motorisation des ménages de l’agglomération lilloise (Madre et al., 1988). Au fil du temps, l’infrastructure de transport devient particulièrement dense (COUL, 1998) et cette tendance au développement de l’offre routière continue jusqu’à nos jours avec le prolongement, le réaménagement et l’élargissement de l’infrastructure lourde déjà mise en service79. L’amélioration de l’offre de transport routière est accompagnée d’une croissance incessante de la demande, mais on constate également que « la mise en service successive de nouvelles infrastructures a finalement généré un trafic sur ces nouvelles voies mais a aussi permis un délestage de certaines artères routières au profit d’une meilleure fluidité et d’une meilleure sécurité routière ».

• Les origines du transport en commun à Lille se trouvent dans le premier réseau de

tramway construit en 1909 et les premiers autobus mis en service en 1933. En 1994 le tramway rapide est modernisé et actuellement il relie le centre de Lille à Roubaix et à Tourcoing. L’offre en transport public est améliorée d’abord en 1983 avec la mise en service de la ligne 1 du métro, puis en 1984 avec le prolongement de cette ligne de métro à 18 stations. La mise en service de la ligne 2 de métro en 1989 augmente l’offre de transport public et ensuite elle est prolongée en 1995, 1999 et 2000. En effet, l’agglomération lilloise est la première Communauté Urbaine au monde équipée d’un mode de transport collectif entièrement automatisé (VAL - Véhicule Automatique Léger). Aujourd’hui le réseau du VAL est le plus étendu au monde, avec une longueur de 45 km et 47 stations (Annexe 19). Après l’ouverture de la première ligne du métro, on observe une augmentation de la demande de transport public. L’attractivité du métro a doublé les déplacements dans les secteurs desservis par rapport aux ceux des anciennes lignes de bus.

• Toutefois, on note d’autres éléments de la politique de transports dont l’impact est

remarquable sur la croissance du nombre des usagers du transport en commun comme les réductions des tarifs ou gratuités accordées aux jeunes, aux demandeurs d’emploi et aux RMIstes.

• Les facteurs de caractères exogènes ont également agit sur l’usage du transport public. La

baisse de la demande pour ce mode de transport entre 1994 et 1997 peut être attribuée à l’insécurité arrivée par « une vague d’attentats commis en France en 1995 et à la mise en place du plan Vigipirate ». Cependant, à partir de 1998, la demande de transport public se retrouve au son niveau de 1994 et affiche plus de 100 millions de voyages par an en 2001.

79 Voir : http://www.transpole.fr/images/PlanSub2003.pdf.

234

L’amélioration de l’offre de transport peut être résumée par une volonté de la politique de transport de rétablir constamment la qualité de l’infrastructure routière pour répondre à une demande toujours croissante. Parallèlement à ces investissements réalisés durant les années 70, on remarque qu’à partir des années 80 des grands chantiers de développement du réseau de métro et de transport en commun ont été également engagés. Dans les trois décennies passées, l’objectif global de la politique de transport a été d’assurer une offre de transport multimodale pour faciliter et améliorer la mobilité quotidienne des citadins.

3. EXAMEN D’EFFET DE PÉRIODE SELON LE MODÈLE ÂGE-COHORTE INCLUANT LES INDICATRICES DE PÉRIODE

Le modèle âge-cohorte, utilisé déjà dans nos projections de la mobilité, décompose le temps en deux facteurs : celui de l’âge et de la cohorte. L’effet temporel de la période n’a pas été introduit implicitement dans les modélisations en raison de la rareté des observations. Les trois enquêtes dont nous disposons sont étalées environ sur 10 ans. Lorsque l’effet de période est introduit dans le modèle par une simple datation, ces enquêtes ne peuvent que déterminer trois points temporels, insuffisants pour évaluer et projeter correctement l’effet de la période. Un autre problème, dont l’importance est aussi grande, est la corrélation parfaite entre les variables indicatrices si les trois effets s’expriment par les mêmes mesures temporelles. Des techniques de séparation des effets d’âge, de période et de cohorte existent, mais en général, elles ne sont pas pleinement satisfaisantes. La pratique la plus fréquente est de spécifier la variable période par des relations interdépendantes sans faire intervenir directement la date d’observation. Quelques exemples de différentes méthodes graphiques sont retenues dans les analyses sociologiques présentés par L. Chauvel (Chauvel, 2002), cependant « l’interprétation de l’existence des trois effets ne peut apparaître que par sa critique sociologique, ou simplement logique… ». D. Kessler (Kessler, Masson, 1985) décrit le repérage des effets d’âge, de cohorte et de moment par les trois techniques suivantes: la voie théorique, la voie empirique et les procédés alternatifs. La définition des trois effets par une voie théorique comprend des analyses théoriques sur l’existence de chaque effet et leur impact sur le phénomène étudié. Contrairement à la voie théorique, la voie empirique de spécification des effets d’âge, de période et de cohorte ne s’appuie pas sur une théorie préalable relative au phénomène étudié, mais on essaye de déterminer la forme des trois courbes à travers des analyses de données. La démarche habituelle de la voie empirique est « la constatation de l’évolution du phénomène que l’on va tenter de retracer à l’aide de l’analyse par cohorte » (Kessler, Masson, 1985). La procédure alternative séquentielle admet a priori la présence d’un des trois effets et ensuite on recherche à définir l’existence d’un ou de deux autres effets. Inversement, la procédure alternative simultanée admet a priori l’existence des trois effets sans les hiérarchiser et ensuite on essaye de déterminer simultanément leur importance relative. Les trois enquêtes « ménages-déplacements » à Lille ne permettent pas d’introduire correctement le facteur « période » dans la modélisation, pourtant, il est possible d’examiner l’impact des différents effets temporels sur les déformations de profils-types et écarts de cohortes à l’aide d’un modèle de type âge-période-cohorte.

235

Ainsi, le modèle spécifié selon le sexe des individus contient 16 indicatrices d’âge, 17 indicatrices de la cohorte et 2 indicatrices de la période. En utilisant l’enquête de 1976 comme référentiel, les estimations des profils-types et des écarts relatifs à la génération de référence 1966-1970 sont calculées et comparées avec celles de la même génération de référence, mais sans indicatrices de 1987 et 1998. Donc, les indicatrices de la période ont pour seul rôle de remodeler les courbes des profils-types et celles des écarts de cohortes pour engager des réflexions sur l’existence des trois effets. À l’aide de la régression linéaire entre les trois variables respectives de la mobilité et les variables indicatrices des trois effets, on peut estimer les paramètres des périodes concernant les dernières deux enquêtes (Tableau 63). Soulignons que la génération de référence est 1966-1970 et la période de référence la date de l’enquête de 1976. Donc, on se positionne à l’année 1976 et à la génération 1966-1970, pour évaluer les trois effets temporels. Notons d’abord, que les tests statistiques de coefficients d’indicatrices de périodes sont significativement différents de 0 au seuil de confiance de 95% pour les deux périodes, à l’exception du périmètre estimé pour le budget-temps des hommes de 1998.

Tableau 63 Paramètres estimés pour les deux indicatrices de période d’enquête et pour les trois variables de la mobilité


Budget-distance Budget-temps Année Sexe

Paramètre estimé

*Pr>│t│ Paramètre estimé

*Pr>│t│ Paramètre estimé

*Pr>│t│

Hommes 0,69 <0,0001 1,26 <0,0001 4,59 0,0011 1987 Femmes 0,48 <0,0001 1,75 <0,0001 1,42 <0,0001 Hommes 1,04 <0,0001 2,87 <0,0001 9,95 0,2177 1998 Femmes 0,71 <0,0001 2,93 <0,0001 5,18 0,0062

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 *Pr>│t│ - probabilité d’une valeur absolue plus grande que T sous l’hypothèse de nullité de la moyenne. La comparaison entre les courbes respectives des profils-types et d’écarts de cohortes pour le nombre de déplacements (Figure 71) montre des changements de la position des courbes dessinant les effets d’âge et de cohorte lorsque les indicatrices des dates d’enquêtes sont introduites dans le modèle. La différence entre les profils-types se caractérise par une baisse des deux courbes par sexe après l’âge de 40 ans et avec l'amplification de leur écart. En effet, dans le modèle âge-cohorte, les effets de générations anciennes sont plus importants que dans le modèle avec l’effet de période. D’après ce modèle, la courbe associée aux cohortes des hommes n’affiche aucun décalage par rapport à la génération de référence, et celle des femmes montre que les cohortes de la plus ancienne jusqu’à la génération de 1931-1935 n’ont pas d’écarts. Après cette cohorte les écarts apparaissent jusqu’à la cohorte des femmes 1951-1955, et les décalages disparaissent à nouveau. Donc, l’enseignement tiré de cette simulation est que les effets de cohorte dans le comportement, exprimé selon la fréquence de déplacements, ne sont repérables que parmi les femmes des générations de 1936-1940 à 1951-1955. L’explication plausible est que les femmes de 1936-1940 commencent à s’insérer plus dans le monde du travail que les générations précédentes puisqu’elles profitent bien des grands avantages offerts des « Trente

236

Glorieuses ». Pourtant, la cohorte des femmes de 1951-1955 n’affiche plus de décalage par rapport à la génération de référence, comme d’ailleurs toutes les nouvelles cohortes. La comparaison entre les estimations des deux modèles indique que les indicatrices de période modifient considérablement les courbes respectives du profil-type et des écarts de cohortes. Cela signifie que l’effet de période existe vraisemblablement dans le comportement mesuré selon le nombre de déplacements ou peut-être, la collecte de données n’a pas été homogène pendant les trois périodes.

Figure 71 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un modèle de type âge-période-cohorte pour le nombre de déplacements suivant le sexe des individus

La comparaison des courbes estimées du profil-type pour le budget-temps montre que le profil-type des hommes, estimé selon le modèle avec les indicatrices de période, baisse largement après la tranche d’âge de 30-34 ans, tandis que celui des femmes affiche à peine un fléchissement pour la dernière tranche d’âge de 80 ans et plus (Figure 72). Les décalages dans le profil-type entre les deux sexes s’élargissent par rapport aux estimations du modèle âge-cohorte. Les écarts de cohortes relatifs à la génération de référence changent également lorsque les indicatrices de période sont spécifiées dans le modèle. Les décalages estimés par le modèle âge-cohorte sont négatifs pour les deux sexes jusqu’à la cohorte de 1956-1960.

Profil-type au cours du cycle de vie pour la cohorte 1966_1970 modèle "Age-Cohorte"

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le nombre de déplacements - modèle "Age-Cohorte"

-4,0

-3,0

-2,0

-1,0

0,0

1,0

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

réla

tifs

à 1

966-

1970

Hommes Femmes

Profil-type au cours du cycle de vie pour la cohorte 1966_1970 modèle contenant les indicatrices de période

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âgeN

om

bre

de

dép

lace

men

ts

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le nombre de déplacements-modèle contenant les indicatrices de période

-4,0

-3,0

-2,0

-1,0

0,0

1,0

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

237

Figure 72 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un modèle de type âge-période-cohorte pour le budget-temps suivant le sexe des individus

Pourtant, lorsque les indicatrices de période sont dans le modèle, les écarts deviennent positifs pour les plus anciennes générations d’hommes et restent négatifs pour les anciennes générations de femmes en réduisant l’intensité. L’accélération des écarts de cohortes des femmes commence à partir de la cohorte de 1936-1940 et leur amplitude ne change pas jusqu’à la génération de 1951-1955. Aucun écart ne se présente entre les générations 1956-1960, 1961-1965 et 1966-1970. Les trois cohortes des femmes de 1971-1975, 1976-1980 et de 1981-1985 montrent une légère augmentation d’écart positif. Les jeunes cohortes des hommes affichent également une croissance de l’écart, mais plus petite que celle des femmes. L’explication des écarts du budget-temps parmi les plus anciennes générations de femmes peut coïncider avec celle liée au nombre de déplacements, puisqu’il s’agit des mêmes cohortes de femmes. Néanmoins, les écarts positifs du budget-temps des hommes, lorsque les indicatrices de période entrent dans la modélisation, sont difficiles à interpréter. Si les effets de période agissent d’une telle façon sur le comportement des hommes des plus anciennes générations, cela veut dire que les jeunes générations d’hommes se déplacent moins, ou elles consacrent moins de temps pour les déplacements quotidiens. La première hypothèse n’est pas valable puisque les cohortes d’hommes ne montrent aucune diminution du nombre de déplacements quand on introduit les indicatrices de période. La deuxième hypothèse pourrait être probable et conforter par le fait que les nouvelles cohortes sont plus équipées en voiture que les anciennes dont l’usage permet de diminuer le budget-temps. Néanmoins, cette explication ne devrait pas être plausible puisque les budgets-distances augmentent également et les effets de congestion peuvent augmenter le budget-temps des nouvelles cohortes plus que celui des anciennes. Donc, pour le budget-temps, nous pensons que les estimations du profil-type et des écarts par le modèle âge-cohorte sont plus conformes au comportement réel. En


0

20

40

60

80

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-t

emp

s

Hommes Femmes

Ecarts relatifs entre les cohortes pour le budget-tempsmodèle "Age-Cohorte"

-45

-35

-25

-15

-5

5

15

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966_

1970

Hommes Femmes


0

20

40

60

80

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-t

emp

s

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le budget-temps modèle contenant les indicatrices de période

-45

-35

-25

-15

-5

5

15

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

238

outre, le coefficient de l’indicatrice de période de 1998 pour les hommes n’est pas significativement différent de 0. Les profils-types et les écarts des cohortes pour les budgets-distances se déforment remarquablement par rapport aux estimations du modèle âge-cohorte lorsqu’on introduit les deux indicatrices de période dans la spécification (Figure 73). La différence des deux profils-types se caractérise par un fléchissement des courbes selon le sexe après 60 ans, mais le rapport entre le comportement des hommes et des femmes ne change pas. Notamment, pour toutes les tranches d’âge de 20 à 60 ans, les hommes ont des distances parcourues quotidiennement plus élevées que les femmes suivant les deux modèles. L’écart entre la plus ancienne cohorte d’hommes et la cohorte de référence passe de moins 8 kilomètres à 0 kilomètre quand on introduit les indicatrices des dates des dernières enquêtes. En outre, les autres cohortes d’hommes n’affichent pas des décalages plus importants par rapport à la cohorte 1966-1970. La courbe est similaire à celle qui trace les écarts de cohortes pour le nombre de déplacements des hommes. Concernant les écarts de cohortes des femmes, on remarque également la différence entre les estimations du modèle âge-cohorte et du modèle contenant les indicatrices des deux dates d’enquêtes. Il semble que dès la plus ancienne cohorte jusqu’à la cohorte 1936-1940 les écarts se maintiennent quasiment au même niveau. Les trois cohortes des femmes de 1941-1945, 1946-1950 et de 1951-1956 resserrent les décalages qui disparaissent après la cohorte 1951-1956. Les plus jeunes cohortes de 1981-1985 et 1986-1990 affichent des petits écarts par rapport à la génération de référence.

Figure 73 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un modèle de type âge-période-cohorte pour le budget-distance suivant le sexe des individus


0

3

6

9

12

15

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs entre les cohortes pour le budget-distance modèle "Age-Cohorte"

-12

-10

-8

-6

-4

-2

0

2

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Homme Femmes


0

3

6

9

12

15

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le budget-distance modèle contenant les indicatrices de période

-12

-10

-8

-6

-4

-2

0

2

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eac

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

239

Les comparaisons d’estimations du profil-type et d’écarts de cohortes selon les deux modèles suggèrent l’existence d’effets de période dans le comportement, notamment quand il est mesuré selon le budget-distance. Le rapprochement des estimations des deux modèles pour le nombre de déplacements signale également l’effet de période, tandis que les comparaisons entre les estimations pour le budget-temps indiquent que l’effet de période n’est pas significatif. Toutefois, les cohortes des femmes nées au milieu des années 30 jusqu’à la moitié des années 50, affichent la présence d’effet de cohorte dans le comportement pour les trois variables de la mobilité. D’après la terminologie de B. Préel, elles représentent les générations « mutantes » qui, sous l’influence des événements de certaines périodes, sont porteuses de changement ou obligées de changer. Du point de vue de la sociologie « une génération sera qualifiée de « mutante » si elle connaît, au moment d’assumer ses pleines responsabilités adultes, une rupture ou au moins un tournant tel que, prise à contre-pied par ce renversement, tout ce qu’elle avait appris et à quoi elle croyait se trouvera contredit par le nouveau cours des choses… Entre ces « mutantes » s’intercaleraient de simples « suivantes », sinon des « poursuivantes » qui ne feront que nuancer ou parfaire le travail de leurs aînées » (Préel, 2000). Pour les autres générations des deux sexes (générations « suivantes ») les effets de cohortes mixent plusieurs dimensions qui peuvent être liées à différents phénomènes dont l’apparition est périodique ou plus aléatoire. Les deux générations des femmes nées entre 1936 et 1940 et entre 1941-1945 sont les premières qui indiquent le changement de comportement féminin. Il s’agit des premières générations devant « gérer conjointement sa sorte d’activité professionnelle et le départ de ses enfants du domicile parental, de même que celui de ses derniers parents, souvent après des périodes assez longues de maladie ou de dépendance » (Préel, 2000). La période économiquement favorable des années 60 permet à ces générations de négocier les salaires et les conditions de travail, ainsi que de bénéficier pendant leur jeunesse de la naissance de la société de consommation. Ces circonstances ont poussé vraisemblablement à une insertion sociale plus élevée des femmes dans la société. Les générations de cette époque sont décrites par B. Préel comme des générations « de transition vers la société de consommation, mais aussi transition vers la société européenne » (Préel, 2000). Les effets de période des Trente Glorieuses sont « gravés » de manière permanentes dans le comportement de ces générations de femmes et d’après nos analyses, ils se présentent comme des effets de cohorte. Les deux générations de femmes nées entre 1946-1950 et 1951-1955 incorporent aussi les effets de cohortes. L’accès relativement facile au marché du travail des femmes de ces cohortes est dû principalement à « la pénurie de main-d’œuvre ainsi qu’aux différences de salaires entre les sexes » durant l’époque des Trente Glorieuses. L’entrée en masse des femmes dans le marché du travail crée le modèle de la bi-activité qui devient le modèle de référence, de la modernité en poussant vers la sortie le modèle traditionnel des générations précédentes. Ces générations échappent aux crises économiques lors de leur jeunesse et s’impliquent dans le monde des affaires et le milieu politique, mais le divorce est aussi le point de référence pour ces générations: trente mille divorces par an durant les années cinquante et plus de cent mille dans les années quatre-vingt. La position favorable de ces deux générations de femmes par rapport à la conjoncture économique leur permet de protéger des droits dans d’autres domaines de la vie et d’améliorer leur statut. Les spécificités de ces générations se résument par la vague libérale qui envahit leur comportement. Les droits de

240

choix de vie, l’égalité entre les sexes et le droit à la vie privée sont les trois points principaux des valeurs de ces générations. Ils procurent « plus qu’une véritable rupture… se débarrassant des poids morts du passé et défrichant de nouveaux espace de liberté pour d’autres commencements » (Préel, 2000). Évidement, ces changements de comportement des femmes agissent sur leur mobilité en créant des écarts par rapport aux générations précédentes. Les cohortes suivantes n’ont pas la même chance que leurs aînées parce que la croissance économique des Trente Glorieuses se termine.

4. PROJECTION DES DISTANCES PAR LE MODÈLE ÂGE-COHORTE-VITESSE

Les analyses précédentes sur l’existence des différents effets dans le comportement de la mobilité suggèrent que la stabilité des effets « purs » de la cohorte n’est pas garantie pour le budget-distance et probablement il existe d’autres facteurs qui agissent sur leurs évolutions. D’ailleurs, un constat similaire est aussi tiré par C. Gallez (Gallez, 1994) pour les analyses des projections du kilométrage parcouru par des usagers d’automobile en France. La conclusion est que « l’approche démographique se révèle finalement peu adaptée à la description des comportements d’usage : même s’il est possible d’interpréter qualitativement les effets de période estimés, il semble en revanche beaucoup plus délicat de les extrapoler sur les vingt prochaines années » (Gallez, 1994). Notre intérêt est orienté vers le budget-distance des résidants dans l’agglomération lilloise et non uniquement sur les distances réalisées en voiture. Afin de déterminer les variables les plus pertinentes pour comprendre la formation du budget-distance, nous nous appuyons sur les réflexions issues d’analyses et des projections de la mobilité dans les quatre agglomérations de Lille, Paris, Montréal et Lyon, ainsi que sur les analyses de données des trois enquêtes à Lille. La croissance du budget-distance observée dans plusieurs métropoles est liée à une croissance incessante des vitesses80 de déplacements. Le comportement révélé montre que le gain du temps de déplacements est compensé par l’augmentation des distances. Différentes notions de la vitesse peuvent être définies comme la vitesse technique d’un engin de traction, la vitesse commerciale de transport des biens ou des passagers, la vitesse d’un trajet port à porte, etc. La loi physique relie ces trois dimensions : le temps, la distance et la vitesse, par l’expression suivante :

Vitesse = Distance / Temps ou Distance = Vitesse * Temps Dans notre travail la vitesse présente le rapport entre le budget-distance et le budget-temps de chaque individu ; une relation qui exprime plutôt la perception de l’individu face aux distances à parcourir et du temps nécessaire pour y arriver. D’une manière générale, elle représente une variable unificatrice de deux dimensions, celles de temps et d’espace. Les cas envisageables pour expliquer la croissance des distances de déplacements en fonction de ces deux variables sont les suivants: • les budgets-distances peuvent augmenter lorsque la vitesse croît et le budget-temps reste

stable, • les budgets-distances s’allongent quand la vitesse est constante et le budget-temps

augmente,

80 La vitesse est calculée comme le rapport entre le budget-distance et le budget-temps.

241

• les budgets-distances progressent si la vitesse et le temps de déplacements augmentent simultanément.

La modification de la vitesse de déplacements d’une population donnée dépend de plusieurs facteurs liés aux caractéristiques des modes et de l’offre de transport, ainsi qu’à l’intensité de l’urbanisation du territoire fréquenté. De plus, la vitesse de déplacements varie pendant une journée pour un même mode de transport et sur un même cheminement. La différence est évidente entre l’heure creuse et l’heure de pointe. Donc, elle est un facteur, parmi d’autres, qui affecte le choix d’itinéraire, du mode de transport ou bien le lieu de résidence. Les distances continuent à s’allonger lorsque la vitesse individuelle de déplacements est suffisamment élevée pour que les individus n’augmentent pas sensiblement leur budget-temps. En effet, la vitesse s’avère comme l’élément clef pour gérer le temps de déplacements quotidiens. Lorsqu’elle baisse sur un niveau non acceptable, les individus développent un autre comportement pour augmenter la vitesse de déplacements, comme les changements d’heure de départ vers la destination, le changement de mode de transport, le changement d’itinéraire et enfin changement du lieu de résidence vers les zones où la vitesse est plus élevée (en général les zones de la périphérie). Les mécanismes d’étalement urbain et le desserrement de la population dans l’espace sont fortement influencés par la grandeur de la vitesse. La théorie de Y. Zahavi (Zahavi, 1980) est également fondée sur le rapport entre les distances et le temps de déplacements journaliers. Les budgets temporels et monétaires de déplacements sont à la base de l’explication du comportement qui, selon Y. Zahavi, se caractérise par le désir d’augmenter les distances avec des budgets-temps et des budgets monétaires ne dépassant pas certaines valeurs. Les dernières études de la mobilité affirment également que « on ne se déplace pas plus longtemps, mais plus vite » (Papon, Madre, 2003). La position dans le cycle de vie d’un individu est également importante à l’égard des distances de déplacements, comme des temps qu’on y consacre. L’accès aux différents modes de transport dépend beaucoup de l’âge. Leur usage est parfois déterminant sur l’intensité des distances de déplacements. L’âge apparaît donc, comme une variable explicative du budget-distance et en combinaison avec la vitesse de déplacements on peut modéliser le comportement. Certainement que dans la modélisation il faut prendre en compte d’autres événements à différentes époques du développement urbain et socio-économique dont les effets peuvent être imputables à la génération de naissance. Ces raisons nous ont conduit à la modélisation et la projection des budgets-distances par un modèle âge-cohorte-vitesse. Nous analysons d’abord les évolutions de la vitesse de déplacements de la population lilloise, ensuite nous allons présenter le modèle et les résultats de projection.

5. ÉVOLUTION DE LA VITESSE DE DEPLACEMENTS DE LA POPULATION LILLOISE

Les trois enquêtes à Lille montrent que dans la période de 1976 à 1987 le taux annuel de croissance du budget-temps est de 1%, du budget-distance de 2,9% et de la vitesse de 2,3%. Entre 1987 et 1998 la mobilité augmente encore, mais au ralenti, de 1,7% par an pour le budget-distance et de 1% par an pour la vitesse et pour le budget-temps.

242

Les habitants des ménages motorisés dans la région de Lille gardent presque le même rapport entre le budget-distance et la vitesse de déplacements dans les trois périodes (Tableau 64). Certainement que le rôle de l’automobile sur l’allongement des distances est incontestable, mais les individus appartenant aux ménages sans voiture augmentent également les distances et les vitesses. En revanche, la vitesse des individus se déplaçant sans voiture ne suit pas la même loi.

Tableau 64 Budget-distance et vitesses relevées dans les trois enquêtes

Membres du ménage

Année Nombre de déplacements


Budget-distance

(km/ind/jour)

Vitesse (km/h/ind/jour)

1976 2,25 38,2 2,8 3,3 1987 2,64 43,7 3,5 3,7 Sans VP 1998 3,30 55,3 4,2 3,4

1976 3,10 47,2 6,9 7,0 1987 3,85 50,8 8,4 8,4 Avec VP 1998 4,16 55,0 9,8 9,3

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 Étant donnée que la vitesse de déplacements dépend beaucoup du mode de transport, les tendances de la mobilité sont évaluées selon le mode de transport dans les trois périodes (Tableau 65). Les individus marchant à pied ont une vitesse quasiment constante dans les trois enquêtes d’environ 3 km/h/individu/jour. La vitesse augmente beaucoup pour les usagers du transport public de 3% par an entre 1976 et 1987, mais elle décline légèrement de -0,4% par an entre 1987 et 1998. Les individus qui utilisent la voiture (conducteurs et passagers) se déplacent surtout plus rapidement entre 1976 et 1987. En effet, la vitesse de ces individus en 1998 n’est pas significativement différente de celle de 1987. La vitesse de déplacements suivant les autres modes est plus élevée que la vitesse de la marche à pied, mais elle est inférieure à celle du transport en commun observée en 1987 et 1998. Probablement que cela est une des raisons des jeunes pour modifier le comportement et utiliser plus le transport public que les deux-roues.

Tableau 65 Mobilité de la population observée suivant le mode de transport

Mode de transport Année Nombre de déplacements


Budget-distance

(km/ind/jour)


1976 3,00 37,2 1,4 3,0 1987 3,18 37,3 1,2 2,8 Marche à pied 1998 3,29 36,6 1,3 3,1 1976 2,12 70,7 7,2 6,4 1987 2,14 64,0 8,7 8,6 Transport public 1998 2,38 69,7 9,2 8,2 1976 3,40 53,3 10,8 12,5 1987 3,87 49,5 11,3 13,2 Voiture 1998 3,99 51,2 11,9 13,4 1976 2,85 46,5 5,9 8,5 1987 2,89 42,3 4,5 6,7 Autres 1998 2,69 37,4 4,4 7,3


Les vitesses et les budgets-distances de déplacements sont plus élevés pour les résidants des zones de banlieue qu’en centre-ville (Tableau 66). Pendant la période de 22 ans, le budget-

243

temps croît d’environ 1% par an dans les trois zones, le budget-distance de 2 à 3% par an et la vitesse de 2 à 2,5% par an. En général, la population a augmenté plus les distances que les temps de déplacements journaliers. La vitesse de déplacements est donc le facteur qui a poussé l’allongement des distances.

Tableau 66 Mobilité de la population observée suivant la zone de résidence

Zone de résidence Année Nombre de déplacements


Budget-distance

(km/ind/jour)


1976 2,94 47,0 3,8 4,1 1987 3,55 52,1 5,4 5,4 Centre Lille

1998 4,07 59,7 6,8 6,2

1976 2,88 44,5 5,8 6,0 1987 3,65 49,6 7,2 7,4 Banlieue dense

1998 4,02 53,9 8,6 8,2

1976 2,67 42,4 6,4 6,9 1987 3,54 47,4 8,8 8,8 Banlieue moins

dense 1998 3,95 54,0 10,3 9,6

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 La vitesse croît particulièrement dans la période de 1976 à 1987 pour les femmes dont le taux de croissance annuelle est de 3,3% (1,8% pour les hommes dans cette même période). Cependant, la croissance des budgets-distances et de la vitesse ralentit pendant les années 90 pour arriver à un taux de croissance d’environ 1% par an pour les deux sexes (Tableau 67).

Tableau 67 Mobilité observée suivant le sexe

Sexe Année Nombre de déplacements


Budget-distance

(km/ind/jour)


1976 3,02 49,1 7,1 7,1 1987 3,74 52,9 8,5 8,5 Hommes

1998 4,05 56,9 9,9 9,2

1976 2,66 40,2 4,2 4,8 1987 3,47 46,1 6,3 6,5 Femmes

1998 3,97 53,5 7,8 7,3 Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998

Les analyses du budget-distance, de la vitesse et du budget-temps indiquent que lorsque la vitesse augmente, la population semble vouloir allonger plus les distances que diminuer ou garder le budget-temps stable. En effet, le budget-temps augmente aussi, mais cette croissance est inférieure à l'accroissement des distances et des vitesses. Les observations de la mobilité selon les tranches d’âge quinquennales clarifient le comportement dans les trois périodes (Figure 74). Les budgets-distances des jeunes de 15-19 et 20-24 ans progressent très légèrement entre 1987 et 1998, mais la vitesse de déplacements est quasiment constante ce qui fait augmenter leur budget-temps. Les plus grandes vitesses et budgets-distances sont réalisés par les individus entre 25 et 45 ans, mais leur budget-temps se situe alentours de 60 minutes dans les deux dernières enquêtes. Le déclin des vitesses et des distances est remarquable de 45 à 64 ans. La tranche d’âge de 65-69 ans conserve la mobilité au même niveau que celle de 60-64 ans. La mobilité diminue brusquement après 70 ans.

244

Figure 74 Mobilité observée dans les trois enquêtes suivant les tranches d’âge quinquennales

Nous allons approfondir les analyses de l’interaction entre les vitesses et les distances quotidiennes selon des tests et modèles statistiques.

6. ÉVALUATION DE L’EFFET DE LA VITESSE SUR LE BUDGET-DISTANCE

Les analyses de la mobilité à Lille suivant les valeurs moyennes du budget-distance et de la vitesse indiquent une forte corrélation entre les vitesses et les distances quotidiennes. L’échantillon utilisé dans ce travail contient 43 804 individus observés pendant les trois périodes d’enquêtes. Les coefficients de corrélation de la variable budget-distance affichent la plus grande corrélation avec la vitesse (r = 0,7275). Les autres liens de budget-distance avec d’autres variables examinées, comme le nombre de déplacements, la motorisation des ménages et le nombre d’actifs montrent des coefficients de corrélations inférieurs à 0,5, sauf le budget-temps dont le coefficient de corrélation r = 0,5460. Donc, les distances sont plus corrélées avec la vitesse qu’avec le temps de déplacements. Avant d’introduire la vitesse individuelle dans les projections du budget-distance, nous avons étudié la stabilité du paramètre de la régression de vitesse dans les trois enquêtes indépendamment. Donc, nous avons d’abord spécifié un modèle d’évaluation des paramètres de la régression de vitesse pour chaque base des données transversales. La variable à expliquée est le budget-distance et les variables explicatives sont les 16 indicatrices d’âge quinquennales et la vitesse de déplacements. L’expression mathématique du modèle est :

Vitesse observée dans les trois périodes d'enquêtes suivant l'âge de la population

0

2

4

6

8

10

12

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Vit

esse

km

/h/in

d/jo

ur

1976 1987 1998

Budget-distance observé dans les trois périodes d'enquêtes suivant l'âge de la population

0

2

4

6

8

10

12

14

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

1976 1987 1998

Budget-temps observé dans les trois périodes d'enquêtes suivant l'âge de la population

0

20

40

60

80

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

1976 1987 1998

Nombre de déplacements observé dans les trois périodes d'enquêtes suivant l'âge de la population

0

1

2

3

4

5

6

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

1976 1987 1998

245

Da,p = αa Aa + vp Vp + εa,p Da,p – la variable à expliquer « budget-distance », Aa – la variable muette, indicatrice de l’âge, αa – les coefficients exprimant les effets spécifiques de l’âge, Vp – la vitesse de déplacements dans la période p d’enquête, vp – le coefficient de la vitesse dans la période p d’enquête, εa,p – le terme d’erreur de modèle Dans les trois périodes, les coefficients des 16 indicatrices de l’âge sont significativement différents de 0, excepté les plus jeunes individus de 05-09 et 10-14 ans, ainsi que pour les plus âgées de 65 ans et plus. Ces résultats ne sont pas surprenants puisque les plus jeunes et les plus âgés réalisent souvent des distances beaucoup plus courtes que les individus de 15 et 65 ans, et que la voiture n’est pas leur principale préoccupation. Les tests statistiques des coefficients de régression de la vitesse montrent qu’ils sont significativement différents de 0 pour les trois périodes d’enquêtes (Tableau 68). Les coefficients de vitesse des hommes sont quasiment identiques dans les trois périodes observées, tandis que les coefficients de vitesse des femmes n'ont pas la même stabilité pendant les trois périodes. Les paramètres de la régression de la variable « vitesse individuelle » s’interprètent comme un effet commun pour toutes les tranches d’âge relatif à l’année d’observation. L’impact de la vitesse sur les hommes âgés de plus de 15 ans s’affiche comme un effet qui influence leurs distances de la même manière dans les trois périodes. Pourtant, les paramètres de la régression pour la variable vitesse sont différents pour les femmes selon l’enquête. Donc, l’effet de la vitesse sur l’évolution du budget-distance des femmes n’a pas la même importance dans les trois périodes. Probablement que ces effets dépendent de la cohorte des femmes dont l’importance est démontrée dans les études sociologiques d’émancipation féminine. Il est légitime de constater que les différences dans la motorisation des ménages et particulièrement la croissance du nombre des femmes avec le permis de conduire ont une grande influence sur le budget-distance des femmes. En outre, la croissance de la part des femmes actives et la baisse de la taille des ménages change le comportement des femmes à l’égard des pratiques des budgets-distances et des vitesses de déplacements. Toutefois, le modèle contenant les observations de 1987 estime des coefficients de la vitesse comparables pour les deux sexes. Cela pourrait se présenter comme un effet moyen de la vitesse sur toutes les tranches d’âge et sur les trois périodes dans la modélisation âge-cohorte-vitesse.

Tableau 68 Coefficients de régression et statistiques pour la variable « vitesse de déplacements »

Hommes Femmes Année Coefficient T-test Écart-type Coefficient T-test Écart-type

1976 0,7765 114,19 0,0068 0,5606 107,59 0,0052 1987 0,7512 62,93 0,0119 0,7586 68,27 0,0111 1998 0,7641 53,91 0,0142 0,8238 68,50 0,0120


246

7. MODÈLE DE PROJECTION DU BUDGET-DISTANCE « ÂGE-COHORTE-VITESSE »

Le modèle âge-cohorte-vitesse de projection du budget-distance différencie la population selon le sexe des individus. La spécification englobe la structure fondamentale d’un modèle âge-cohorte, notamment les 16 indicatrices d’âge et les 17 indicatrices de cohorte et en plus, elle introduit dans le modèle la variable « vitesse individuelle de déplacements ». Le modèle est estimé à partir des données pseudo-longitudinales contenant pour chaque individu l’indicatrice de l’âge, l’indicatrice de cohorte et l’observation de la vitesse de déplacements. Nous avons donc spécifié le modèle suivant :

Da,k,p = ααααa Aa + γγγγk Ck+ νννν Vp + εεεεa,k,p où • Da,k,p est la variable à estimer « budget-distance », • Aa, et Ck sont les “dummy” variables de l’âge et de la cohorte, • αa sont des coefficients de la régression qui mesurent les effets spécifiques de l’âge des

individus appartenant à la génération de référence ko. • γk sont des coefficients de la régression qui dessine le décalage de la trajectoire de la

génération k par rapport à la courbe de la génération de référence ko, • Vp est la variable « vitesse » qui affecte toutes les cohortes à tous les âges pendant la

période p, • ν est le coefficient de la variable « vitesse » qui peut être considérées comme un effet

moyen sur l’ensemble d’individus, • εa,k,p est le terme d’erreur du modèle. Le profil-type et les écarts de cohortes sont estimés pour la génération de référence 1966-1970, celle qui était adoptée pour les projections selon le modèle âge-cohorte. Les estimations du profil-type selon le sexe des individus montrent que les coefficients des plus jeunes individus de 5 à 14 ans ne sont pas significativement différents de 0 (Figure 75). Tous les autres paramètres sont significatifs au seuil de confiance de 95%. Les individus dans les tranches de 15 à 54 ans affichent presque les mêmes effets d’âge pour les deux sexes. Après 54 ans la courbe des hommes baisse vers les tranches d’âge des personnes les plus âgées, mais la courbe des femmes fléchit très légèrement et elle garde quasiment le même niveau pour toutes les classes d’âge après 60 ans. Lorsqu’on regarde les courbes d’écarts de cohortes relatifs à la génération de référence, on remarque que les écarts sont moins importants par rapport aux décalages estimés selon le modèle âge-cohorte, mais ils sont plus grands par rapport aux estimations du modèle âge-cohorte contenant les indicatrices de périodes (Figure 76). En général, les écarts sont plus élevés dans les plus anciennes générations et ils baissent en s’approchant vers la génération de référence. Les écarts entre les trois plus anciennes cohortes d’hommes se maintiennent au même niveau, puis ils baissent légèrement à partir de la cohorte 1921-1925 pour garder la même différence jusqu’à la cohorte 1936-1940. La cohorte 1941-1945 indique clairement le décalage avec la cohorte précédente, mais les cohortes suivantes ne montrent pas des écarts considérables par rapport à la génération de référence.

247

Néanmoins, les écarts sont beaucoup plus remarquables pour la population féminine. Les décalages commencent à se resserrer à partir des femmes nées de 1936-1940 pour quasiment disparaître après la génération 1956-1960.

Figure 75 Profil-type et écarts de cohorte pour le budget-distance estimés selon le modèle âge-cohorte-vitesse

Comment expliquer le comportement estimé du modèle âge-cohorte-vitesse ? Pourquoi la courbe de profil-type des femmes ne fléchit pas de la même façon que celle des hommes ? Le modèle âge-cohorte-vitesse considère que le phénomène modélisé (budget-distance) pourrait être expliqué par des effets propres à l’âge des individus, à la génération de naissance et par un effet imputable à la vitesse de déplacements. Donc, il partage les effets en trois facteurs : âge, cohorte et la vitesse de déplacements pendant une période donnée. Les effets d’âge indiquent que les distances sont les plus élevées entre 35 et 55 ans. L’explication tient au rôle du cycle de vie, mais aussi à la possibilité de disposer d’une voiture

Profil-type au cours du cycle de vie pour la cohorte 1966-1970Modèle âge-cohorte-vitesse

0

1

2

3

4

5

6

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80

et

plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs entre les cohortes pour le budget-distanceModèle âge-cohorte-vitesse

-12

-10

-8

-6

-4

-2

0

2

avan

t 1911

1911

_1915

1916

_1920

1921

_1925

1926

_1930

1931

_1935

1936

_1940

1941

_1945

1946

_1950

1951

_1955

1956

_1960

1961

_1965

1966

_1970

1971

_1975

1976

_1980

1981

_1985

1986

_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

248

et d’utiliser les modes de transports les plus rapides. Le modèle estime que les coefficients des plus jeunes individus (5 à 15 ans) ne sont pas significativement différents de 0. En effet, il s’agit d’individus dont la mobilité dépend beaucoup des choix et du comportement de leurs parents. Étant donné que le motif principal de déplacements de ces individus est l’école, l’insignifiance des effets d’âge s’explique aussi par une bonne répartition des écoles sur le territoire.

Figure 76 Profils-types et écarts de cohortes pour le budget-distance issus de trois types de modèle

Les effets de cohorte englobent les événements de l’histoire qui ont marqué durablement chaque individu d’une génération donnée. Les générations nées pendant les années 30 et 40 sont celles qui profitent le plus de la période avantageuse économiquement et socialement des années 60 et 70. Ces effets se présentent très remarquablement pour les cohortes nées après 1935 dans les courbes des écarts de cohorte relatifs à la génération 1966-1970. Ils sont plus importants pour les plus anciennes générations de femmes que parmi les cohortes des hommes, ce qui explique la différence dans les profils-types des hommes et des femmes après

Profil-type au cours du cycle de vie pour la cohorte 1966_1970 modèle "âge-cohorte"

0

3

6

9

12

15

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs à la cohorte 1966-1970 pour le budget-distance modèle "âge-cohorte"

-12

-10

-8

-6

-4

-2

0

2

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Homme Femmes


0

3

6

9

12

15

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le budget-distance modèle contenant les indicatrices de période

-12

-10

-8

-6

-4

-2

0

2

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eac

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

Profil-type au cours du cycle de vie pour la cohorte 1966-1970modèle "âge-cohorte-vitesse"

0

1

2

3

4

5

6

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

Hommes Femmes

Ecarts relatifs à la cohorte 1966_1970 pour le budget-distancemodèle "âge-cohorte-vitesse"

-12

-10

-8

-6

-4

-2

0

2

avant 1911

1911_1915

1916_1920

1921_1925

1926_1930

1931_1935

1936_1940

1941_1945

1946_1950

1951_1955

1956_1960

1961_1965

1966_1970

1971_1975

1976_1980

1981_1985

1986_1990

Cohorte

Eca

rts

rela

tifs

à 1

966-

1970

Hommes Femmes

249

l’âge de 60 ans. Après la génération 1956-1960 les décalages entre les deux sexes s’égalisent et ils disparaissent par rapport à la génération de référence. La vitesse dans le modèle est définie comme le rapport entre les budgets-distances et les budgets-temps de déplacements journaliers des individus. L’insertion de la vitesse dans le modèle fait diminuer les effets des deux dimensions temporelles qui ont été estimés selon le modèle âge-cohorte et elle réduit significativement l’intensité des effets d’âge et de cohorte. L’explication de l’impact de cette variable sur les budgets-distances peut se décrire comme un effet qui a affecté tous les individus dans l’agglomération quelles que soit la génération de naissance et l’âge des individus. Lorsque la vitesse de déplacements augmente, les distances devraient croître pour tous les âges et cohortes. Le fait que la vitesse dans le modèle soit introduite comme une variable quantitative signifie que le paramètre estimé par la régression s’interprète comme un effet commun moyen du comportement des individus imputable à cette variable. Ce paramètre est très proche pour les deux sexes, notamment v = 0,7641 pour les hommes (t =135,18 écart-type = 0,0057) et v = 0,7235 (t=148,72 écart-type = 0,0049) pour les femmes. Les coefficients de détermination sont convaincants avec R2 = 0,6949 pour les hommes et R2 = 0,6785 pour les femmes. Donc, le modèle âge-cohorte-vitesse, estimé pour les deux sexes s’écrit selon la forme suivante :

Da,k,p = ααααa Aa + γγγγk Ck+ 0,764 Vp + εεεεa,k,p – pour les hommes

Da,k,p = ααααa Aa + γγγγk Ck+ 0,724 Vp + εεεεa,k,p – pour les femmes 7.1 Projections et vérification des résultats du modèle Les projections du budget-distance sont effectuées de 1975 jusqu’à 2030, l’horizon de projection démographique de la population. Pour vérifier les estimations rétrospectives issues du modèle par rapport aux observations révélées dans les enquêtes, nous avons adopté la vitesse de 1975 à 2000 selon les taux de croissances observés de 1976 à 1987 (1,8% par an pour les hommes et 3,3% par an pour les femmes) et de 1987 à 1998 (0,8% par an pour les hommes et 1,2% par an pour les femmes). Les projections du budget-distance de 2000 jusqu’à 2030 s’obtiennent en additionnant les paramètres d’indicatrices d’âge et de cohorte et pour les évolutions de la vitesse nous avons construit trois scénarios différents. La validation des résultats du modèle est réalisée suivant les intervalles de confiance de données d’enquêtes au seuil de confiance de 95%. Les estimations du budget-distance suivant le modèle sont convenablement situées par rapport aux deux bornes d’intervalle de confiance (Tableau 69).

Tableau 69 Validation des résultats du modèle âge-cohorte-vitesse sur les observations du budget-distance

Hommes Femmes Intervalle de

confiance Intervalle de

confiance Année Modèle

Borne inférieure

Borne supérieure

Enquête Modèle Borne

inférieure Borne

supérieure

Enquête

1976 6,9 6,9 7,3 7,1 4,3 4,1 4,3 4,2 1987 8,4 8,1 8,8 8,5 6,3 6,1 6,6 6,3 1998 9,5 9,5 10,3 9,9 7,7 7,4 8,1 7,8

Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et le modèle âge-cohorte-vitesse

250

Introduire une variable quantitative dans le modèle demande de formuler des hypothèses sur son évolution pendant la période projetée ; c’est un exercice contestable lorsqu’il s’agit des prévisions à long terme, mais justifié dans une logique de scénarios. Pour évaluer l’impact de la vitesse sur les projections on peut adopter plusieurs scénarios d’évolution. Nous en avons créé quatre: • le scénario central nommé « scénario 0 ». Il prolonge les inflexions des tendances

observées. Rappelons que les observations de 1976 à 1987 affichent une croissance de la vitesse pour les hommes de 1,8% et pour les femmes de 3,3% par an. Entre 1987 et 1998 la croissance ralentit et elle est de 0,8% par an pour les hommes et de 1,2% par an pour les femmes. La baisse de la croissance est donc de 0,1% par an pour les hommes et de 0,2% par an pour les femmes entre 1987 et 1998 par rapport à celle des années 70. Dans les projections nous considérons qu’en moyenne la vitesse continuera d’augmenter, mais le déclin du taux de croissance est prolongé pour les deux sexes jusqu’à 2030 ;

• le scénario 1 est le scénario « optimiste » qui considère que la croissance de la vitesse des

hommes et des femmes est constante à 0,8% par an de 2000 jusqu’à 2030 ; • le scénario 2 ou le scénario « pessimiste » qui envisage une croissance plus faible de la

vitesse des hommes de 0,4 % par an et celle des femmes de 0,6 % par an de 2000 jusqu’à 2030 ;

• le scénario CV0 ou « croissance vitesse 0 » permet d’évaluer les effets purs de l’âge et de

la cohorte sur les projections du budget-distance. Ce scénario considère que la vitesse conserve le niveau observé en 1998 tout au long de la période de projection. Donc, la croissance de la vitesse après 2000 est fixée à 0 et la seule augmentation des distances jusqu’à 2030 est due à l’effet d’âge et celui de cohorte.

Les résultats de projections du modèle âge-cohorte-vitesse, concernant le scénario central, ne sont pas différentes par rapport aux estimations du modèle âge-cohorte lorsqu’on compare les estimations agrégées par année (Tableau 70). Les écarts de résultats entre les trois scénarios se renforcent autour de l’horizon de projection, et ils sont les plus importants pour l’année 2030 (Figure 77). Évidemment, le scénario 1 donne des plus grandes valeurs du budget-distance que le scénario 2, puisque la croissance de la vitesse est supposée être plus importante dans le scénario 1.

Tableau 70 Projections du budget-distance selon le modèle âge-cohorte et le modèle âge-cohorte-vitesse et les trois scénarios d’évolution de la vitesse

Projections par le modèle « âge-cohorte-vitesse » Année

Projections par le modèle

« âge-cohorte » Projections scénario 0

Projections scénario 1

Projections scénario 2

Projections scénario CV0

2000 8,9 8,7 8,7 8,7 8,7 2005 9,4 9,2 9,2 9,1 9,0 2010 9,8 9,7 9,7 9,5 9,2 2015 10,1 10,0 10,2 9,8 9,4 2020 10,4 10,4 10,7 10,1 9,6 2025 10,7 10,7 11,2 10,4 9,8 2030 10,9 10,9 11,6 10,7 9,9

Source : INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les modèles âge-cohorte et âge-cohorte-vitesse

251

Figure 77 Projections du budget-distance selon le modèle « âge-cohorte-vitesse » - quatre scénarios d’évolution de la vitesse individuelle

Le scénario sans croissance de vitesse (CV0) montre que les distances quotidiennes augmentent même si la vitesse ne croît plus. Dans ce cas, la croissance résulte des effets attribués à l’âge et à la cohorte de naissance. La différence entre les projections du budget-distance du scénario 081 et celles du scénario sans croissance de vitesse est de 10% en 2030. Donc, si la vitesse n’augmente pas après 2000, les budgets-distances seront de 10% plus petits que ceux du scénario 0 qui prolonge la tendance observée entre 1987 et 1998. Les projections suivant le sexe des individus estiment des budgets-distances plus élevés pour les hommes dans les quatre scénarios (Figure 78). Toutefois, si on postule que la croissance de la vitesse sera d’un même rythme pour les deux sexes, comme dans le scénario central, le comportement des femmes se rapproche du comportement des hommes. Lorsque la croissance de vitesse s’arrête en 2000, la projection du budget-distance des femmes en 2030 est plus affectée que celle des hommes. À la fin de la période de projection, le scénario CV0 affiche 9,4 km/individu/jour pour les femmes et 10,5 km/individu/jour pour les hommes. La différence par rapport à la projection du modèle âge-cohorte est de 13% pour les femmes (de 10,8 km/individu/jour) et de 6% pour les hommes (11,1 km/individu/jour).

81 Les projections du scénario 0 sont identiques à celles du modèle âge-cohorte.

PROJECTIONS DU BUDGET-DISTANCE SELON LE MODELE "AGE-COHORTE-VITESSE"

4

6

8

10

12

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

Scénario-CV 0 Scénario 0 Scénario 1 Scénario 2

252

Figure 78 Projections du budget-distance d’après le modèle âge-cohorte-vitesse suivant le sexe et trois scénarios d’évolution de la vitesse

La comparaison des projections du budget-distance effectuées par les facteurs de croissance, le modèle âge-cohorte et selon le modèle âge-cohorte-vitesse (scénario sans croissance de la vitesse CV0) montre des divergences considérables entres les résultats (Figure 79).

Figure 79 Projections du budget-distance selon les facteurs de croissances, le modèle âge-cohorte et le modèle âge-cohorte-vitesse – scénario sans croissance de la vitesse (CV0)

La différence la plus importante se présente entre les projections par le facteur de croissance calculé d’après les trois enquêtes et celles obtenues suivant le modèle âge-cohorte-vitesse pour le scénario CV0 (Tableau 71). L’écart maximal en 2030 entre ces deux projections est d’environ de 55%. Ces résultats montrent que la croissance annuelle de la vitesse devrait être

PROJECTIONS DE BUDGET-DISTANCE SUIVANT LE MODELE AGE-COHORTE-VITESSE PROJECTIONS SELON LE SEXE DES INDIVIDUS

2

4

6

8

10

12

14

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

Hommes-Scénario 0 Femmes-Scénario 0Hommes-Scénario 1 Femmes-Scénario 1Hommes-Scénario 2 Femmes-Scénario 2Hommes-Scénario CV0 Femmes-Scénario CV0

PROJECTIONS DU BUDGET-DISTANCE SELON LES FACTEURS DE CROISSANCE, LE MODELE "AGE-COHORTE" ET LE MODELE "AGE-COHORTE-VITESSE" - SCENARIO CV0

0

2

4

6

8

10

12

14

16

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)




Projections suivant le modèle âge-cohorte-vitesse (scénario CV0)

253

de 2% par an, afin d’obtenir les mêmes résultats de projection en 2030. Ainsi, en 2030 la vitesse devrait atteindre 16,5 km/h/individu/jour pour les hommes et 13,3 km/h/individu/jour pour les femmes, ou environ 15 km/h/individu/jour en moyenne (elle est de 8,2 km/h/individu/jour en 1998). Cependant, une telle croissance de la vitesse dans l’avenir nous semble irréelle, d’autant que la progression de la vitesse est déjà ralentie dans la période 1987 à 1998.

Tableau 71 Projections du budget-distance suivant les facteurs de croissance, le modèle âge-cohorte, le modèle âge-cohorte-vitesse (scénario CV0) et les différences maximales entre les projections

Projections du budget-distance Année Modèle

âge-cohorte Facteur de croissance 1987-1998

Facteur de croissance de trois enquêtes

Modèle âge-cohorte-vitesse scénario CV0

Différence

(4) – (5)

1 2 3 4 5 6

2000 8,9 9,1 9,2 8,7 5,7% 2005 9,4 9,9 10,2 9,0 14,1% 2010 9,8 10,6 11,3 9,2 22,4% 2015 10,1 11,4 12,3 9,4 30,7% 2020 10,4 12,1 13,3 9,6 38,8% 2025 10,7 12,9 14,3 9,8 46,6% 2030 10,9 13,6 15,3 9,9 54,9%

Source : INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les modèles âge-cohorte et âge-cohorte-vitesse La conclusion est que les projections à long terme par les prolongements des tendances observées à l’aide des facteurs de croissance sont moins bonnes en raison d’incapacité à rendre compte des évolutions du comportement dans différentes périodes de développement urbain.

8. CONCLUSION Les analyses de décomposition du temps en trois effets indiquent que le modèle « âge-cohorte » peut expliquer convenablement le budget-temps en ne préservant que les deux effets : ceux de l’âge et de cohorte. En revanche, il semble que les effets de période subsistent et structurent considérablement le comportement de mobilité mesuré selon le nombre de déplacements et le budget-distance. Dans le cas du budget-distance nous avons recherché la variable la plus pertinente pour insérer dans la modélisation un effet imputable à la période. Il s’agit de la variable « vitesse individuelle » de déplacements, qui est le rapport entre le budget-distance et le budget-temps de déplacements de chaque individu. L’insertion de la variable « vitesse individuelle de déplacements » dans la modélisation exige d’établir des hypothèses sur leurs évolutions dans la période de projection. Un exercice d’autant plus difficile que le nombre d’enquêtes est limité. Pourtant, la division des effets temporels en effets d’âge, de la cohorte et un effet de la vitesse permet de mieux cibler et tempérer l’impact de la génération de naissance et de l’âge sur le comportement. Dans un modèle âge-cohorte, tous les changements arrivés dans le passé sont associés à deux effets temporels : celui de l’âge, qui évidement existe dans le comportement à l’égard de la mobilité, et l’autre, de la génération qui peut exister pour certaines cohortes, pourtant difficilement isolable comme un effet « pur ».

254

L’intérêt d’un modèle de type « âge-cohorte-vitesse » est qu’on peut envisager plusieurs évolutions de la mobilité en fonction des différentes actions de planification. Certes, les projections à long terme sont très sensibles aux hypothèses fondées sur l’évolution d’une variable quantitative. Cependant, l’impact de cette variable peut être étudié en profondeur et permet de tester différentes politiques d’offre de transport.

255

CONCLUSION GÉNÉRALE

257

CONCLUSION GÉNÉRALE Au terme de ce travail, nous présentons la synthèse des principaux résultats obtenus sur le plan empirique et méthodologique. On fait aussi un point sur les limites objectives de l’approche démographique de projection à long terme de la mobilité. L’expérience acquise lors de cette recherche nous permet également de proposer des pistes de prolongements souhaitables. Ainsi, notre conclusion englobe trois sujets : le bilan des résultats de la recherche, les limites de l’approche démographique et les perspectives. 1. Bilan des résultats de la recherche La synthèse des résultats de recherche est structurée autour de trois points principaux : • L’identification des effets temporels dans les évolutions des trois variables de la mobilité :

le nombre de déplacements, le budget-temps et le budget-distance. • Les particularités des projections suivant le modèle « âge-cohorte » et les nouvelles

méthodologies de spécification du modèle. • L’insertion des variables quantitatives dans le modèle « âge-cohorte » et leur impact sur

les projections (modèle « âge-cohorte-vitesse »). 1.1. Identification des effets temporels dans les évolutions de la mobilité Les analyses par des diagrammes cohortaux donnent le premier éclairage sur l’existence des effets d’âge et de cohorte. La distinction de la population selon le sexe, l’activité, l’appartenance des individus à un ménage sans ou avec voiture enrichit l’image du comportement observé à partir des données pseudo-longitudinales. Cette méthode d’analyse, complétée par plusieurs études des évolutions sociétales, permet de donner des explications plausibles aux changements attribués à la cohorte de naissance. L’enseignement tiré des données empiriques de Lille indique l’existence d’écarts entre les différentes cohortes au même âge et pour certains groupes de la population ces écarts sont commodes à expliquer. Pourtant, les effets de périodes peuvent également exister et influencer le comportement. Ils sont toutefois « cachés » et implantés en « parasites » dans les effets de cohorte. Nous tentons de séparer les trois effets temporels et de donner plus de précisions sur cette question. Le deuxième éclairage sur les effets d’âge et de cohorte vient des analyses du profil-type et des écarts de cohortes estimés suivant le modèle « âge-cohorte ». La décomposition du temps en deux facteurs (âge et cohorte) permet de visualiser la déformation du profil-type et de tracer les décalages entre générations. Les écarts de cohorte, estimés par rapport à la génération de référence, indiquent l’importance relative de l’année de naissance sur l’évolution de mobilité pour laquelle il faut trouver des explications théoriques. Donc, le modèle âge-cohorte offre la possibilité d’approfondir la connaissance sur les effets d’âge et de cohorte, mais les résultats empiriques ne suffisent pas en l'absence d’explications tangibles. Les décalages entre les cohortes estimés par le modèle « âge-cohorte » selon le sexe montrent que la génération de naissance est beaucoup plus importante pour la mobilité des femmes que pour celle des hommes sur la période considérée82. C’est une constatation générale, valable

82 Cela aurait été le contraire pour un travail ne considérant que la période avant 1960.

258

pour les trois variables de mobilité. Pourtant, lorsqu’on analyse la forme des courbes des écarts de cohorte pour le nombre de déplacements, on ne peut pas donner une explication crédible de la pente de décalages quasiment constants de la plus ancienne génération jusqu’aux cohortes nouvelles. Une situation similaire est observée pour les écarts de cohorte estimés du budget-distance, mais il semble que les écarts de cohorte pour le budget-temps puissent être expliqués par les évolutions de la société dans le passé. Le troisième éclairage sur l’existence des trois effets temporels vient des estimations de profil-type et des écarts de cohortes à l’aide du modèle « âge-cohorte-période » où l’effet de période est inséré par des indicatrices des dates d’enquêtes. La comparaison des profils-types et des écarts de cohortes issus du modèle âge-cohorte et ceux obtenus par le modèle âge-cohorte-période montre des divergences. Concernant le nombre de déplacements, les modifications sont considérables. Les effets de cohorte des femmes deviennent visibles pour les générations nées après 1935. Les changements de la position des femmes dans la société surviennent dès les années 60, à l’époque où les femmes nées en 1936-1940 et 1941-1945 arrivent à l’âge adulte. L’émancipation des femmes et leur plus grande insertion dans la société continue pour les cohortes suivantes 1946-1950 et 1951-1956 ce qui peut expliquer l’augmentation de leur nombre de déplacements. Pourtant, aucun effet de cohorte n’est noté pour le nombre de déplacements des hommes. La conclusion de ces analyses est que la progression du nombre de déplacements pourrait être attribuée comme un effet de certaines cohortes de femmes qui pendant leur jeunesse ont vécu les grands changements de la société des années 60 et 70. Pour les autres cohortes de femmes, ainsi que pour celles des hommes, la croissance du nombre de déplacements pourrait être affectée plutôt à un effet de période. L’explication que nous retenons est que probablement l’enregistrement des déplacements les plus courts lors de la première enquête diffère de celui des enquêtes suivantes ou peut-être que les déplacements les plus courts n’ont pas été enregistrés en 1976. Concernant le comportement mesuré selon le budget-temps, le constat est que l’évolution du budget-temps des femmes peut être attribuée à l’effet de cohorte. Les générations des femmes qui portent la croissance du nombre de déplacements, portent aussi celle du budget-temps. Le budget-temps des hommes est la mesure de mobilité la plus stable. La petite variation révélée parmi les plus anciennes cohortes peut être également attribuée à l’effet de cohorte. La description des effets temporels de comportement mesuré selon le budget-distance reste difficilement lisible. La modeste impression issue de l’analyse est que l’effet de cohorte est mélangé avec l’effet de période. Les cohortes des femmes de 1941-1945 et 1946-1950 montrent des écarts par rapport aux cohortes précédentes, mais celles des hommes sont quasiment insensibles. Ainsi, les effets de périodes sont cachés, intercalés parmi les effets de cohorte et d’un autre phénomène affectant tous les individus à différentes dates. C’est la raison pour laquelle on a cherché une nouvelle variable explicative pour spécifier un modèle inspiré par la modélisation du modèle « âge-cohorte », mais qui contient une variable quantitative reflétant la vitesse praticable. 1.2 Nouvelles méthodologies de spécification du modèle « âge-cohorte » Le modèle âge-cohorte offre la possibilité d’analyser et de donner des explications du comportement de mobilité basées d’une part sur l’existence d’un profil-type de l’évolution des comportements au cours du cycle de vie et d’autre part sur les écarts qui décalent les

259

trajectoires des générations successives. La décomposition du temps en deux dimensions, celles de l’âge et de cohorte, permet également de projeter la mobilité à long terme par un modèle simple similaire à l’analyse de la variance à deux facteurs. La méthodologie développée par l’INRETS offre l’avantage de désagréger la modélisation suivant le sexe des individus, la zone de résidence et l’appartenance des individus dans des ménages sans, avec une et avec plusieurs voitures. Les projections peuvent être réalisées au niveau désagrégé par groupe respectif de la population ou au niveau agrégé pour l’ensemble de la population étudiée. La mobilité projetée par le modèle âge-cohorte est significativement moins élevée que celle issue des projections effectuées suivant les facteurs de croissance calculés à partir des données transversales. La prise en compte des effets de cohorte influence les projections à long terme en diminuant la croissance purement tendancielle. Le modèle démographique de projection de mobilité à long terme est pertinent pour évaluer les projections suivant différents scénarios démographiques. Soulignons que les projections de la population sont des données exogènes dans le modèle. Elles ont un rôle important dans les projections de la mobilité lorsqu’elles sont exprimées par les volumes de déplacements ou des voyageurs-kilomètres. La capacité du modèle « âge-cohorte » à procéder à des simulations est testée par les deux scénarios théoriques fondés sur les comportements distinctifs de différents groupes de la population. À ce stade du modèle, c’est la seule manière de réaliser des simulations, puisque les variables entrant dans le modèle ne retiennent que les indicatrices d’âge et de cohorte. Ainsi, les simulations des projections sont possibles par la substitution des comportements d’un groupe de la population aux comportements d’un autre groupe supposé plus au moins développé selon les scénarios. Le concept fondamental du modèle « âge-cohorte » permet de développer des nouvelles spécifications basées sur des différentes segmentations de population. Nous proposons deux méthodologies : la première concerne la taille des ménages et la deuxième l’activité de la population. Deux remarques importantes sur la spécification de ces modèles doivent être mentionnées. Lorsque le modèle est spécifié selon la taille de ménage, il faut tenir compte du fait que certaines tranches d’âge (les plus jeunes) ne peuvent pas appartenir aux ménages d’une personne. De même, les individus de moins de 15 ans ne peuvent pas être considérés comme des actifs dans le modèle selon l’activité de la population. Au niveau agrégé, les résultats des projections de ces deux modèles ne montrent pas de différences considérables par rapport aux projections selon le modèle distinguant la zone de résidence, le sexe et la modalité de motorisation des individus. Cela prouve que la rigidité des projections agrégées du modèle « âge-cohorte » est grande par rapport au changement de population visée dans la spécification. L’inertie est assurée en considérant que le comportement de mobilité à long terme est explicable par les deux dimensions temporelles introduites dans le modèle. La conclusion est donc, que les projections agrégées du modèle « âge-cohorte » ne diffèrent pas beaucoup lorsque la spécification du modèle distingue différents groupes de la population. La méthodologie de spécification peut être changée quand l’objectif d’analyse est d’évaluer le comportement des différentes sous-populations.

260

Néanmoins, les projections selon l’activité de la population estiment des résultats intéressants de la progression de mobilité dans le périmètre étudié à Lille. D’après les estimations, la croissance de mobilité jusqu’à l’horizon de projection résulte de la mobilité des individus inactifs. Donc, « le potentiel » de la croissance de mobilité est « préservé » dans le comportement des retraités, des femmes au foyer et des étudiants. Les individus actifs ont une mobilité déjà plus élevée que les inactifs et les projections n’estiment qu’une petite modification de leur mobilité dans les trois prochaines décennies. La vérification des résultats de projection est réalisée suivant deux méthodes : l’intervalle de confiance sur les données des trois enquêtes et la régression entre les valeurs estimées et les valeurs observées de mobilité. La validation des projections du modèle est satisfaisante pour les deux critères de vérification ce qui signifie que le modèle « âge-cohorte » restitue correctement le comportement observé dans le passé. En outre, il permet d’identifier des hétérogénéités dans les pratiques d’observation de la mobilité dans une agglomération urbaine pendant différentes périodes (Armoogum et al., 2002). 1.3 Proposition d’un nouveau modèle « âge-cohorte-vitesse » La recherche d’un modèle « âge-cohorte-vitesse » a été motivée par le souci d’éclaircir les effets de l’âge et de la cohorte dans le comportement mesuré par le budget-distance. Les analyses sur l’existence des effets temporels révèle que le budget-distance des individus peut être expliqué par un effet d’âge, un effet de cohorte et un effet de la vitesse individuelle de déplacements. L’insertion d’une variable quantitative (la vitesse individuelle) dans le modèle « âge-cohorte » exige les deux considérations suivantes : � La stabilité de paramètres de régression pour la vitesse individuelle doit être vérifiée. En

effet, dans un modèle classique de type âge-période-cohorte ces paramètres expriment l’intensité de la déformation du profil-type imputable à un effet de période. Les trois enquêtes dont nous disposons ne peuvent que définir trois points, mais elles permettent de calculer la vitesse de déplacements associée à chaque individu. Afin d’évaluer les effets de cette variable sur le budget-distance, nous avons spécifié d’abord trois modèles à partir des bases de données transversales, en considérant les indicatrices d’âge et la vitesse comme des variables explicatives du budget-distance. Les paramètres des hommes pour la variable vitesse sont identiques dans les trois périodes. Ils sont différents pour les femmes, mais le paramètre de la vitesse, estimé selon les données de la deuxième enquête, est très proche des paramètres des hommes.

� Les hypothèses sur les évolutions de la vitesse sont nécessaires pour réaliser des

projections de budget-distance. Cette exigence ouvre la possibilité de constituer plusieurs scénarios pour évaluer l’impact de la vitesse sur les projections, et également de mesurer les effets « filtrés » de l’âge et de la cohorte. En plus, l’analyse peut être désagrégée selon la population visée ou par un autre critère comme le mode de transport, la zone de résidence, etc. Nous avons évalué quatre scénarios fondés sur les différents taux de croissance de la vitesse pour les deux sexes.

Le modèle « âge-cohorte-vitesse » est validé suivant les intervalles de confiance sur les données des trois enquêtes. La vérification du modèle est réalisée pour les résultats concernant le scénario central qui prolonge la variation de croissance de la vitesse observée dans les deux dernières enquêtes. Les résultats de vérifications sont satisfaisants. En outre,

261

lorsque la vitesse continue de croître au même rythme que dans les deux dernières enquêtes, les résultats de projection sont quasiment identiques à ceux issus du modèle « âge-cohorte ». Si on postule que la vitesse n’augmente pas au fil du temps les projections ne dépendent que des effets d’âge et de cohorte. Dans ce cas, on peut évaluer l’impact « pur » de l’âge et de la cohorte sur les résultats estimés, ou mesurer l’importance de la vitesse sur les projections. La prise en compte de la vitesse dans le modèle réduit les effets d’âge et de cohorte de la manière suivante : � Les effets d’âge des individus âgés de 05-09 et 10-15 ans deviennent non significatifs

lorsque la vitesse est insérée dans la modélisation. Ceci montre que les distances quotidiennes réalisées par ces individus dépendent des perceptions de la vitesse de ses parents et de leur choix de la localisation résidentielle. Les effets d’âge pour les tranches d’âge au milieu du cycle de vie représentent environ 1/3 de ceux affichés par le modèle âge-cohorte. Ainsi, la vitesse joue un rôle important en assimilant une grande partie de l’intensité d’effet d’âge observée dans le profil-type estimé par le modèle âge-cohorte.

� La plus grande différence entre les effets83 de cohorte obtenus par les deux modèles (âge-

cohorte et âge-cohorte-vitesse) se présente pour les plus anciennes générations. Après la cohorte 1956-1960 les écarts deviennent insignifiants. La construction intensive de l’infrastructure de transport routière lors des années 70 et 80 et la motorisation forte des ménages dans la même période, contribuent aux changements de comportements des individus nés avant 1956-1960. Ces adultes en 1980 ont été en position d’augmenter des distances de déplacements quotidiens en utilisant la voiture. La disparition des écarts après cette cohorte signifie que les novelles générations développent le même comportement par rapport à l’infrastructure déjà mise en place et à l’usage des modes de transports. L’introduction de la vitesse dans la modélisation permet de constater que les mêmes générations de femmes annonçant la croissance du nombre de déplacements et du budget-temps augmentent également les distances quotidiennes.

L’insertion de la vitesse dans le modèle permet de déterminer la stratégie d’action dans la politique de transport et de simuler plusieurs scénarios. L’évolution de la vitesse individuelle de déplacements dépend de plusieurs facteurs liés à l’urbanisation, et particulièrement à la construction de nouvelles infrastructures de transport et l’amélioration de l’offre. 2. Limites de l’approche démographique de projections de la mobilité à long terme D’abord, notons la question purement technique liée à la difficulté de disposer de plusieurs enquêtes de mobilité étalées dans le temps. Les villes qui ont au moins deux enquêtes comparables et séparées d’une longue distance temporelle (une dizaine d’années) sont relativement rares (Bussière, Madre, 2002). Le modèle « âge-cohorte » atteint sa limite lorsque l’objectif de la modélisation est orienté vers l’évaluation des scénarios de politique de transport. La principale faiblesse de modèle « âge-cohorte » réside dans la proposition d’un scénario d’évolution à long terme qui semble être « unique et inéluctable ». L’absence de l’impact des facteurs économiques dans la modélisation tels que le revenu de l’individu ou le prix de certains modes de transport ne

83 Les effets de cohorte sont mesurés suivant les écarts relatifs à la même génération de référence.

262

permet pas de mesurer leur rôle respectif dans les évolutions. Cependant, la projection à long terme des facteurs économiques présente aussi beaucoup de difficultés et de risques liés aux ruptures des tendances (Papon et al., 2001). En outre, les enquêtes « ménages-déplacements », que nous exploitons, ne contiennent pas d’observations concernant les revenus des ménages. En réalité, les effets d’âge et de cohorte englobent plusieurs dimensions qui ne sont pas explicitement définies par une variable, mais qui sont intégrées dans les habitudes du comportement individuel. Considérer que les effets de cohorte existent a priori, sans les vérifier et expliciter, peut aboutir à une image déformée de l’avenir. La modélisation « idéale » est réalisée quand les trois effets temporels sont identifiables et compréhensibles à travers les événements du passé. Il est souhaitable de séparer les effets imputables à la période de ceux de la cohorte. Toutefois, envisager que les effets de cohorte soient fractionnés en plusieurs effets de période complique terriblement la spécification du modèle. L’analyse devient plus complexe quand on considère l’existence de différents effets de période pendant de courts intervalles temporels ou pendant une longue durée de temps (Kessler, Masson, 1985). L’introduction d’une autre dimension dans le modèle (celle exprimée par la vitesse individuelle) permet de surmonter les difficultés du modèle « âge-cohorte » liées à l’incapacité de simuler des scénarios différents d’offre de transport. La corrélation entre les trois dimensions dans le modèle « âge-cohorte-vitesse » n’est pas un problème. Cette difficulté est courante lorsque les trois effets, celui d’âge, de cohorte et de période, sont introduits dans le modèle par la même unité temporelle. En général, le problème de la multicolinéarité peut être résolu par la définition d’un certain nombre de contraintes identifiant la référence, ou peut être levé par une variable auxiliaire dont l’unité de mesure est différente de celle des deux autres effets. Bien que le modèle « âge-cohorte-vitesse » ne pose pas ce genre de problème, la stabilité temporelle du paramètre de la vitesse doit être réévaluée au fil du temps. Les limites objectives des modèles démographiques ne remettent pas en cause l’intérêt d’utiliser l’analyse longitudinale des comportements individuels afin de réaliser des projections à long terme. Notons quelques axes de prolongement de la recherche qui, à notre avis, peuvent apporter des améliorations dans la modélisation de la mobilité à long terme. 3. Propositions d’axes de prolongement Les propositions de poursuite de la recherche se fondent sur l’analyse longitudinale et la conception fondamentale d’un modèle démographique de la mobilité. Le principe le plus simple pour modéliser le comportement est le fractionnement du temps en deux effets : celui de l’âge et de la cohorte. Néanmoins, il est important de prolonger la recherche sur les facteurs explicitant les effets de cohorte. Les informations dont on dispose dans les enquêtes « ménages-déplacements » fixent le champ d’analyse en limitant la compréhension d’effets « purs » de cohorte. Ainsi, il faut élargir les sources de données pour effectuer des analyses plus précises sur le comportement. La recherche de l’emploi du temps et des comportements individuels peut être approfondie à partir des enquêtes « emploi du temps » de l’INSEE. L'analyse longitudinale des comportements dans le domaine des activités de la vie quotidienne et des emplois du temps peut éclairer l’usage du temps pour la mobilité quotidienne et les évolutions des habitudes de cohortes successives.

263

L’insertion des variables qualitatives dans le modèle âge-cohorte permet d’analyser le comportement selon les profils-types et les écarts de cohorte et en outre, elle offre l’avantage de pouvoir constituer différents scénarios. Le modèle proposé pour les projections de budget-distance intègre la variable « vitesse individuelle » dans la modélisation. Une étude approfondie de la variable vitesse individuelle de déplacements est nécessaire pour déterminer son intervalle de variation. L’analyse peut être désagrégée suivant des groupes distincts de la population, de la zone de résidence ou selon les intervalles temporels pendant une journée. On peut aller plus loin dans la recherche pour analyser la vitesse en fonction des différents modes de transport. La vitesse individuelle dépend également des performances de l’offre de transport. La vitesse des usagers du transport routier est influencée par plusieurs facteurs comme la capacité des infrastructures dans un intervalle de temps, la régulation du transport, etc. Les facteurs qui influencent la vitesse individuelle des usagers du transport public sont la fréquence du transport public, la disposition des stations, la vitesse du matériel roulant, le temps d’arrêt aux stations, etc. Il nous semble intéressant également, d’exploiter la piste de la décomposition du temps en un effet d’âge, un effet de cohorte et un facteur indiquant une durée précise pendant l’histoire du développement de l’agglomération urbaine, par exemple la période depuis la construction d’un réseau d’infrastructure routière, de transport public, etc. Certainement que la complexité de la spécification du modèle sera plus grande par rapport à un modèle âge-cohorte, mais on peut obtenir plus de précisions sur l’impact des différents événements de l’histoire liés au comportement de la mobilité urbaine.

265

BIBLIOGRAPHIE Aglietta Michel, Blanchet Didier & Héran François, 2002, Démographie et économie, Rapport du Conseil d’Analyse Économique, La documentation Française, Paris 2002, 343 p. Aguilera Anne, 2001, Localisation des services aux entreprises et dynamiques intramétropolitaines, le cas de Lyon, Thèse de Doctorat, Université Lumière Lyon 2 Faculté de Sciences économiques et de gestion 307 p. Armoogum Jimmy, Madre Jean-Loup et Yves Bussière, 2002, Uncertainty in long term forecasting of travel demand from demographic modelling The 13th Mini-Euro Conference: “Handling Uncertainty in Transportation Analysis”, Polytechnic of Bari, Bari Italy, June 2002 (http://www.poliba.it/ewg2002/homepage.htm). Armoogum Jimmy et Madre Jean-Loup, 1997, Accuracy of data and memory effects in home based surveys on travel behaviour, Transport Research Board, Washington. Baltagi Badi, 1995, Econometric analysis of panel data, Published by J. Wiley & Sons England, 257 p. Beffy P.-O., Deroyon J., Fourcade N., Gregoir S., Laïb N. et Monfort B., 2003, Évolutions démographiques et croissance : une projection macro-économique à l’horizon 2020, INSEE, Direction des Études et Synthèses Économiques, 48 p. Bernier Jacques, Parent Éric et Bureaux Jean-Jacques, 2000, Statistique pour l’environnement – Traitement bayésien de l’incertitude, Éditions TEC & DOC, Paris 2000, 348 p. Bessy-Pietri Pascale – INSEE, 2000a, Composition communale des unités urbaines. Population et délimitation 1999, Nomenclatures et codes. Bessy-Pietri Pascale - INSEE, 2000b, « Recensement de la population 1999 - Les formes de la croissance urbaine », INSEE première, n° 701, Division Études Territoriales, mars 2000, 4 p. Bessy-Pietri Pascale – INSEE, 2000c, Les formes récentes de la croissance urbaine, Économie et Statistique n° 336, 2000, 6 p. Blanchet Didier, Lerais Frédéric, 2002, Perspectives démographiques et marché du travail : une nouvelle donne, INSEE, Économie et Statistique n° 355-356, 2002, pp.47-55. Bodier Marceline, 1999, Les effets d’âge et de génération sur le niveau et la structure de la consommation, Économie et Statistique n° 324-325, pp.163-180. Bodier Marceline, 1996, La voiture : une habitude qui se prend jeune, INSEE Première n° 474. Brutel Chantal, Jegou Maryse et Rieu Carole, 2000, La mobilité géographique et la promotion professionnelle des salariés : une analyse par aire urbaine, Économie et Statistique n° 336, pp.53-68.

266

Brutel Chantal, Omalek Laure, 2002, Projections démographiques pour la France, ses régions et ses départements à l’horizon 2030, INSEE Population famille, août 2002, pp.19-29. Bussière Yves et Madre Jean-Loup, 2002, Démographie et transport : villes du Nord et villes du Sud, L’Harmattan, Paris, 2002, 477 p. CERTU, 2003, Modélisation des déplacements urbains de voyageurs – guide des pratiques, Centre d’Études sur les Réseaux, Transports, l’Urbanisme et les constructions publiques, Paris, 242 p. CERTU-IUD, 2002, Approche pour l'observation et le suivi de la mobilité locale, problématiques et questionnements ; ébauche de réflexions relatives à la recherche d'indicateurs. Les rapports d'étude, document d'étape (version 4) du 30/09/2002. CERTU, 2002, La mobilité urbaine en France : les années 90, (CERTU - Centre d’Études sur les Réseaux, Transports, l’Urbanisme et les constructions publiques), 103 p. CERTU, 1998, L’enquête ménages-déplacements méthodes standard (CERTU-centre d’études sur les réseaux, les transports, l’urbanisme et les constructions publiques) 295 p. CEMT, 1998, La mobilité induite par les infrastructures, Table ronde n°105. Chauvel Louis, 2002, Le destin des générations, Presses Universitaires de France, 2e édition 2002, 301 p. COUL, 1998, Enquêtes Ménages Déplacements réalisée dans la Métropole Lilloise en 1998 – rapport de synthèse, COUL - Communauté Urbaine de Lille, Direction de la voirie et des Transports Urbains, avril 2000, 92 p. COUL, 1987, Les déplacements de habitants de l’arrondissement de Lille en 1987, COUL - Communauté Urbaine de Lille, Direction de la voirie et des Transports Urbains, juin 1989, 28 p. Daguet Fabienne, 2002, La fécondité en France au cours du XXe siècle, division Enquêtes et Études Démographiques, INSEE, INSEE Première, n° 873, décembre 2002. Delaunay Thierry, 2002, Modélisation, Prévision et Validation de la mobilité des Franciliens à l’Horizon 2030, UFR Économie Appliquée, rapport de stage 2002, INRETS-DEST. Descours L. et Poinat F., 1992, Le modèle de projection démographique OMPHALE, INSEE, Méthodes, n° 19, Paris. Deaton Angus, 1985, Panel data from time series of cross-sections. Journal of Econometrics, vol. 30, pp.109-126. Deaton Angus & Muellbauer John, 1980, Economics and consumer behavior, Cambridge University Press, 1980, 450 p.

267

Dégenne Alain, 2001, Introduction à l’analyse des données longitudinales, Document du Séminaire à Caen du novembre 2001, 52 p. Diekmann, Achim, 2002, The changing face of mobility, technical, social and economic implications, University of Cologne, Germany, 18 p. Dobias Georges, 1989, Les transports interrégionaux de personnes, outils de politique et de gestion, Presses de l’École Nationale des Ponts et Chaussées, Paris, 363 p. Domencich Thomas and McFadden Daniel, 1975, Urban Travel Demand – a behavioral analysis, North-Holland Publishing Company – Amsterdam, Oxford, American Elsevier Publishihg Company, INC. – New York, 1975, 99 p. Dormont Brigitte, 1987, Introduction à l’économétrie des données de panel, Édition du Centre National de la Recherche Scientifique (CNRS), Paris 125 p. Dormont Brigitte, 1989, Petite apologie des données de panel, Économie et Prévision n° 87, Ministère de l’Économie, Paris pp.19-32. Doisneau Lionel, 2002, Bilan démographique 2001, INSEE Première n° 825, février 2002. Doisneau Lionel, 2002, Panorama démographique de la France en 2000, INSEE, Population- famille, août 2002. Doisneau Lionel, 2003, Bilan démographique 2002, INSEE Première n° 882, janvier 2003. Excousseau Jean-Luc, 2000, La mosaïque des générations – comprendre les sensibilités et les habitudes des Français Édition Les Echos, Paris, 499 p. Gallez Caroline, 1994, Modèles de projection à long terme de la structure du parc et du marché de l'automobile, thèse de l'Université de Paris I, 1994, 353 p. Gallez Caroline et Orfeuil Jean-Pierre, 1997, L’évolution de la mobilité quotidienne – croissance ou réduction des disparités ?, Recherche Transports Sécurité (RTS), revue trimestrielle, DUNOD juillet - septembre 1997, pp.27-42. Gallez Caroline, 1998, Énergie, émissions et mobilité locale en France – Un diagnostic spatialisé des évolutions entre 1982 et 1994, Institut National de Recherche sur les Transports et leur Sécurité (INRETS), 118 p. Gallez Caroline, 2000, Indicateurs d’évaluation de scénarios d’évolution de la mobilité urbaine, Institut National de Recherche sur les Transports et leur Sécurité (INRETS), 139 p. Genton David, 1982, Analyse de la demande – Cours à l’EPFL : Système de transports, EPFL-ITEP, décembre 1982, Lausanne, Suisse, 88 p. Givord Paulin, 2002, Prévoir l’évolution des taux d’activité aux âges élevés : un exercice difficile, Économie et Statistique N° 355-356.

268

Goodwin P. B. & Layzell A. D., 1985, Transportation and Mobility in an Era of Transition, Elsevier Science Publishers B.V. (North-Holland), 1985, pp.185 - 198. Goulais K., 2000, Activity-Based Travel Forecasting: What Are Some Issues?, Assistant Professor - Department of Civil and Environmental Engineering and Research Associate, The Pennsylvania Transportation Institute, USA, 12 p. Hivert Laurent, 2001, Le parc automobile des ménages, étude en fin d'année1999 à partir de la source "Parc Auto" SOFRES, Rapport de Convention ADEME-INRETS, 180 p. Hu P., Trumble D., Lu A., 1995, Driving Decisions And Vehicle Crashes Among Older Drivers, Office of Program Development and Evaluation National Highway Traffic Safety Administration, U.S. Department of Transportation Washington, USA, 189 p. Hubert Jean-Paul, Toint Philippe, 2002, La mobilité quotidienne des belges, Presses Universitaires de Namur, 352 p. INJEP, 2001, Les jeunes de 1950 à 2000 un bilan des évolutions, INJEP – Institut National de la Jeunesse et de l’Éducation Populaire, 391 p. Jovicic Goran, 2001, Activity based travel demand modelling – a literature study, Danmarks Transport Forskning, 64 p. (www.si.dk). Julien Philippe, 2000, Mesurer un univers urbain en expansion, Économie et Statistique n° 336, 33 p. juin 2000. Kaufmann Vincent – Mobilité quotidienne et dynamiques urbaines, Presses Polytechniques et Universitaires Romandes, 2000 Lausanne, Suisse Kessler Denis & Masson André, 1988, Le cycle de vie de la théorie du cycle de vie, Annales d’Économie et de Statistique, n° 9, 1988, pp.1-27. Krizek K., Waddell P., 2001, Analysis Of Lifestyle Choices: Neighborhood Type, Travel Patterns, And Activity Participation, University of Minnesota & School of Public Affairs and Departiment of Urban Design and Planning, USA, 15 p. Lollivier Stéfan, 2001, Les choix d’activité des femmes en couple : une approche longitudinale, Économie et Statistique n° 349-350, pp.125-140. Madre Jean-Loup, 1997, L’enquête transports, Recherche Transports Sécurité (RTS), revue trimestrielle, DUNOD juillet - septembre 1997, pp.6-8. Madre Jean-Loup et Maffre Joëlle, 1997, La mobilité des résidants français – panorama général et évolution, Recherche Transports Sécurité (RTS), revue trimestrielle, DUNOD juillet - septembre 1997, pp.9-26. Madre Jean-Loup et Maffre Joëlle, 1997, La mobilité régulière et la mobilité locale en 1982 et 1994, INSEE Résultats, 1997.

269

Madre Jean-Loup, 1999, Le défi de l’âge - Les nouveaux captifs de l’automobile, Les cahiers de l’Institut d’Aménagement et d’Urbanisme de la Région d’Île-de-France, n° 122, volume 2. Madre Jean-Loup et Armoogum Jimmy, 1996, Motorisation et mobilité des franciliens aux horizons 2010-2020. INRETS-DEST, Rapport n°209, juin 1996, 125 p. Madre Jean-Loup et Gallez Caroline, 1992, Le parc automobile des ménages dans les années 2000 : méthodes démographiques de projection à long terme, Actes de la 6ème Conférence sur la Recherche dans les transports, Lyon, France. Madre Jean-Loup, Lambert Thierry, Francq Brigitte, 1988, Analyse locale de la motorisation, CREDOC – Centre de Recherche pour l’Étude et l’Observation des Conditions de Vie, Rapport n° 54, décembre 1988, 84 p. Madre Jean-Loup, 1985, La concurrence entre l’automobile et les transports publics en province, CREDOC – Centre de Recherche pour l’Étude et l’Observation des Conditions de Vie, décembre 1985, 67 p. Matyas Laszlo & Sevestre Patrick, 1996, The Econometrivs of Panel Data – a handbook of the Theory with Applications, Kluwer Academic Publishers/ Netherlands, 922 p. Merlin Pierre, 1991, Géographie, économie et planification des transports, Presses Universitaires de France, 472 p. Mokhtarain Patricia L., Chen Cynthia, 2002, TTB or Not TTB, that is the Question: A Review and Analysis of the Empirical Literature on Travel Time (and Money) Budgets, Department of Civil and Environmental Engineering - University of California, Davis, USA, 33 p. Mokhtarian Patricia L., Chen Cynthia, 2000, Modeling Individual’s Travel Time And Money Expenditures, Department of Civil and Environmental Engineering - University of California, Davis, USA, 59 p. Moffitt Robert, 1993, Identification and estimation of dynamic models with a time series of repeated cross-sections. Journal of Econometrics, vol. 59, pp. 99-123. Moriconi-Ebard F., 2000, De Babylone à Tokyo. Les grandes agglomérations du Monde, collection Géophrys, Ophrys, Paris 334 p. Nauze-Fichet Emmanuelle, 2002, Projections de population active en 2050 : l’essoufflement de la croissance des ressources en main-d’œuvre, Économie et Statistique N° 355-356, INSEE. Orfeuil Jean-Pierre, 2000, L’évolution de la mobilité quotidienne Les collections de l’INRETS (Synthèse n° 37), Paris 146 p. Orfeuil Jean-Pierre, 2000, Notes de cours Mobilité, D.E.A. Transport, Université 12 Créteil. Orfeuil Jean-Pierre et Mangeney Catherine, 1999, Le défi de l’âge- La mobilité des seniors en Île-de-France, Les cahiers de l’Institut d’Aménagement et d’Urbanisme de la Région d’Île-de-France, n° 122, volume 2.

270

Orfeuil Jean-Pierre, 1999, La mobilité : analyses, représentations, controverses, Thèse d’habilitation à diriger les recherches, Université de Paris XII, Institut d’urbanisme de Paris 345 p. Ortuzar J. D., Willumsen L. G., 1995, Modelling Transport (second edition) Wiley, England, 213 p. Papon Francis, Madre Jean-Loup, 2003, Existe-t-il des seuils de saturation de la mobilité des personnes ? Réalités Industrielles – La civilisation automobile face au défi du développement durable, novembre 2003, pp.21-6. Papon Francis, Armoogum Jimmy, Madre Jean-Loup, Massot Marie-Hélène, 2001, Prospective de la mobilité en Île-de-France : Les apports et les limites d’une démarche économétrique, Institut National de Recherche sur les Transports et leur Sécurité – Département d’Économie et Sociologie de Transport (INRETS-DEST). Pressat. R., 1961, L’analyse démographique, Paris, PUF, 1961, pp. 1-30. Préel Bernard, 2000, Le choc des générations, Édition La Découverte, Paris, 261 p. Quinet Émile, 1998, Analyse économique des transports, Presses Universitaires de France, 296 p. Raux C., Sdika M., Hermenier V., 2003, Simulation de la dynamique du système de déplacements urbains : une plate-forme de modélisation, Laboratoire d'Économie des Transports Université Lumière - Lyon 2, CNRS, ENTPE, 166 p. Ryder N. B., 1965, The Cohort as a Concept in the Study of Social Change, American Socilogical Review, 30, 1965, pp.843-861. Sundaram Srinivasan, 2000, Development of a Dynamic Traffic Assignment System for Short-Terme Planing Application, Civil and Environmental Engineering, Master of Science in Transportation, Massachusetts Institute of Technology, 147 p. Szalai A., 1972, The use of Time: Daily activity of urban and suburban populations in 12 countries, Mouton. Talbot Julien, 2001, Les déplacements domicile-travail - De plus en plus d’actifs travaillent loin de chez eux, division Études territoriales INSEE Première n° 767, avril 2001. Tzieropoulos Panagiotis, 1980, Contribution à l’étude de la demande de transport : Pertinence de modèles désagrégés, Thèse n° 337, ITEP - EPFL Lausanne Suisse 1980, 185 p. Tzieropoulos Panagiotis, 1995, Demande et modélisation, introduction à la demande de transport, Document n° 410/10, ITEP - EPFL Lausanne Suisse 1995, 44 p. Vandeschrick C., 2003, Diagrammes de Lexis et cohortes : la taille ou le poids en remplacement du temps, Institut de démographie, Université catholique de Louvain, Louvain-la-Neuve, Belgique, 52 p.

271

Verbeek Marno & Nijman Theo, 1993, Minimum MSE estimation of a regression model with fixed effects from a series of cross-sections. Journal of Econometrics, vol. 59, pp.125-136. Wanner Philippe, 2004, Cours de démographie 2003-2004, Université de Genève, Suisse. Wanner Philippe, Fei Peng, Duchêne Josianne, 2000, Une application de la méthode Âge, Période, Cohorte (APC) – La fécondité et la mortalité en Suisse, Document de Travail n° 7, Université catholique de Louvain, Département des Sciences de la Population et du Développement, 50 p. Warner Stanley, 1962, Stochastic choice of mode in urban travel : a study in binary choice, Evanston, North Western University Press, 90 p. Zahavi Yahov, 1980, Urban travel patterns, Banque Mondiale. Zahavi Y. Talvitie A., 1980, Regularities in Travel Time and Money Expenditures, Transportation Research Record 750, pp. 13-19.

273

Table des matières

REMERCIEMENTS............................................................................................................3

SOMMAIRE.........................................................................................................................5 INTRODUCTION GÉNÉRALE............................................................................................7 PREMIÈRE PARTIE :.....MOBILITÉ URBAINE, SON ÉVOLUTION, LES BESOINS ET LES MÉTHODES DE PRÉVISION ...................................................................................15 Chapitre 1 MOBILITÉ URBAINE : DÉFINITIONS, MOYENS D’OBSERVATION.................................17

1. INTRODUCTION ...................................................................................................................................19 2. DÉFINITIONS DE SUJETS ÉTUDIÉS ..................................................................................................19

2.1 La mobilité : notions de base..........................................................................................................19 2.2 La croissance urbaine en France : vers une inflexion des tendances longues ?..............................21 2.3 La mesure de l’univers urbain ........................................................................................................21

3. MESURE DE LA MOBILITÉ.................................................................................................................23 3.1 Généralités......................................................................................................................................23 3.2 Enquêtes standard CERTU.............................................................................................................23 3.3 Enquêtes TRANSPORTS...............................................................................................................25

Chapitre 2 MODÈLES D’ANALYSE ET DE PRÉVISION DE LA MOBILITÉ À LONG TERME..........27 1. INTRODUCTION ...................................................................................................................................29 2. NOTIONS FONDAMENTALES D’UN MODÈLE ...............................................................................29 3. CLASSIFICATION DES MODÈLES.....................................................................................................30 4. ERREURS DE MODÈLE .......................................................................................................................31 5. DÉVELOPPEMENT HISTORIQUE DES ÉTUDES DE LA MOBILITÉ .............................................32 6. PROJECTION DE LA MOBILITÉ À LONG TERME – MODÈLES CONVENTIONNELS...............36

6.1 Description des modèles conventionnels........................................................................................36 6.2 Principes d’estimation de la mobilité à long terme ........................................................................38 6.3 Génération des déplacements .........................................................................................................39 6.4 Distribution géographique des déplacements .................................................................................41 6.5 Répartition modale des déplacements ............................................................................................43 6.6 Affectation des déplacements.........................................................................................................45 6.7. Limites de l’approche par modèles conventionnels .......................................................................46

7. LE MODÈLE D’ÉQUILIBRE DE ZAHAVI ..........................................................................................47 Chapitre 3 INDICATEURS, ÉVOLUTIONS DE LA MOBILITÉ ET SES DÉTERMINANTS..................49

1. INTRODUCTION ...................................................................................................................................51 2. INDICATEURS.......................................................................................................................................51

2.1 Les indicateurs relatifs aux individus ou aux ménages ..................................................................52 2.2 Les indicateurs relatifs au marché des déplacements .....................................................................54

3. ÉVOLUTION DE LA MOBILITÉ..........................................................................................................54 3.1 Évolution de la mobilité locale observée au cours de la dernière décennie....................................54 3.2. Évolutions de la mobilité urbaine...................................................................................................56

4. FACTEURS EXPLICATIFS D’ÉVOLUTION DE LA MOBILITÉ ......................................................58 DEUXIÈME PARTIE : INTÉRÊT D’UNE APPROCHE DÉMOGRAPHIQUE ..............61 Chapitre 1 ÉVOLUTIONS DÉMOGRAPHIQUES EN FRANCE..................................................................63

1. INTRODUCTION ...................................................................................................................................65 2. TENDANCES DANS LES ÉVOLUTIONS DÉMOGRAPHIQUES......................................................65

4.1 Sources d’informations démographiques .......................................................................................65 4.2 Croissance démographique.............................................................................................................66

3. MODÈLE OMPHALE ET DIFFÈRENTS SCÈNARIOS DE PROJECTIONS DE LA POPULATION 69

4.1 Introduction ....................................................................................................................................69 4.2 Les principes de fonctionnement d’OMPHALE ............................................................................69

4. HYPOTHÈSES UTILISÉES POUR LES PROJECTIONS DE LA POPULATION EN FRANCE MÉTROPOLITAINE ........................................................................................................................................71

274

4.1 Les hypothèses de fécondité...........................................................................................................71 4.2 Les hypothèses de mortalité ...........................................................................................................71 4.3 Les hypothèses sur les échanges migratoires .................................................................................72

5. PROJECTIONS DÉMOGRAPHIQUES EN FRANCE ET CHANGEMENTS PRÉVISIBLES............72 6. CONCLUSION........................................................................................................................................73

Chapitre 2 DÉVELOPPEMENT DES ANALYSES PAR GÉNÉRATION DANS DIFFÉRENTS DOMAINES..........................................................................................................................................................75

1. INTRODUCTION ...................................................................................................................................77 2. GENÈSE DE L’ANALYSE DYNAMIQUE...........................................................................................77

2.1 Notions fondamentales de l’analyse démographique .....................................................................78 2.2 Analyse Transversale – Analyse Longitudinale .............................................................................79

3. NATURE DES DONNÉES UTILISÉES DANS LES ANALYSES LONGITUDINALES ...................80 4. ÉCONOMÉTRIE DES DONNÉES DE PANEL.....................................................................................82

4.1 Caractéristiques des données de panel ...........................................................................................82 4.2 Spécification générale de modèle basé sur les données de panel ...................................................83 4.3 Le modèle à effets fixes .................................................................................................................83 4.4 Modèle à erreurs composées ..........................................................................................................85 4.5 Estimateurs .....................................................................................................................................88

5. ÉCONOMÉTRIE DES PSEUDO-PANELS ...........................................................................................91 5.1 Spécification d’un modèle basé sur les données de pseudo-panel..................................................91

6. ÉTUDE BASÉE SUR LES DONNÉES DE PSEUDO-PANELS ...........................................................95 6.1 Une étude de l’évolution de la consommation des ménages ..........................................................95

7. ÉVOLUTIONS SOCIALES EN FRANCE ...........................................................................................100 7.1 Caractéristique des changements de la structure sociale ..............................................................100 7.2 Analyses des groupes sociaux suivant les générations .................................................................101 7.3 Identification des changements – lissage par cohorte...................................................................102 7.4 Changements des groupes sociaux suivant la cohorte ..................................................................105 7.5 Analyse cohortale de la position socioprofessionnelle des femmes .............................................106 7.6 Inégalité de chance de différentes cohortes ..................................................................................107

8. AGRÉGATION DES GÉNÉRATIONS EN GRANDS GROUPES .....................................................109 8.1 Génération - un facteur de changement........................................................................................113 8.2 Rupture entre générations – un scénario de progrès social...........................................................114

Chapitre 3 MODÈLE DÉMOGRAPHIQUE DE LA MOBILITÉ .................................................................117 1. DÉMOGRAPHIE ET MOBILITÉ ........................................................................................................119 2. INTÉRÊT DES MODÈLES DÉMOGRAPHIQUES POUR LA PROJECTION DE LA MOBILITÉ URBAINE .......................................................................................................................................................119 3. PRÉSENTATION THÉORIQUE DES MODÈLES DÉMOGRAPHIQUES DE LA MOBILITÉ .......121

3.1 Création des données longitudinales et technique de spécification du modèle ............................122 3.2 Le modèle Âge-Période-Cohorte (APC) ......................................................................................122 3.3 Le modèle Âge-Cohorte (AC) ......................................................................................................124 3.4 Principes de projections de la mobilité.........................................................................................125

TROISIÈME PARTIE : ......MODÈLES DÉMOGRAPHIQUES DE PROJECTION DE LA MOBILITÉ À LONG TERME – APPLICATION, NOUVELLES MÉTHODOLOGIES DE SPÉCIFICATION, TESTS DE SENSIBILITÉ ................................................................127 Chapitre 1 APPLICATIONS DE MODÈLE DÉMOGRAPHIQUE DANS LES PROJECTIONS DE LA MOBILITÉ.........................................................................................................................................................129

1. INTRODUCTION .................................................................................................................................131 2. CARACTÉRISTIQUES GÉNÉRALES DES ENQUÊTES RÉALISÉES À LILLE ............................131

2.1 Caractéristiques de la population..................................................................................................133 2.2 Motorisation .................................................................................................................................134 2.3 Analyse du nombre de déplacements ...........................................................................................135 2.4 Analyse du budget-temps .............................................................................................................137 2.5 Analyse du budget-distance..........................................................................................................139 2.6 Analyse de la mobilité selon la position des individus.................................................................141 2.7 Analyse de la mobilité selon la motorisation des individus .........................................................143 2.8 Résumé général des tendances de la mobilité observées à Lille...................................................144

3. EFFETS D’ÂGE ET DE COHORTE ....................................................................................................145 3.1 Effets d’âge ..................................................................................................................................145

275

3.2 Effet de génération .......................................................................................................................147 Chapitre 2 SPÉCIFICATION DU MODÈLE : MÉTHODOLOGIE EXISTANTE....................................155

1. INTRODUCTION .................................................................................................................................157 2. PRÉVISION DE LA POPULATION PAR L’INSEE ...........................................................................157 3. PROJECTION DE LA MOTORISATION DES INDIVIDUS..............................................................159

3.1 Profil-type et écarts entre cohortes pour la motorisation..............................................................160 3.2 Projections de la motorisation ......................................................................................................164

4. PROJECTIONS DE LA MOBILITÉ À LILLE.....................................................................................166 4.1 Projections de la mobilité à Lille suivant la méthodologie de l’INRETS.....................................166

5. VALIDATION DES RÉSULTATS DU MODÈLE ..............................................................................173 5.1 Validation des résultats de la motorisation des individus.............................................................174 5.2 Validations des résultats de projection du nombre de déplacements............................................175 5.3 Validations des résultats de projection budget-temps ..................................................................176 5.4 Validations des résultats de projection budget-distance ...............................................................177

6. COMMENTAIRES CONCERNANT LES RÉSULTATS DE PROJECTIONS ..................................178 7. COMPARAISONS ENTRE LES ÉTUDES DE DIFFÉRENTES AGGLOMÉRATIONS...................178

7.1 Budget-distance............................................................................................................................179 7.2 Budget-temps ...............................................................................................................................180 7.3 Fréquence des déplacements ........................................................................................................181 7.4 Volumes de trafic .........................................................................................................................183 7.5 Vitesse moyenne des déplacements..............................................................................................184 7.6 Partage modal des déplacements ..................................................................................................184 7.7 Portée moyenne des déplacements ...............................................................................................186

8. CONCLUSION......................................................................................................................................187 Chapitre 3 NOUVELLES MÉTHODOLOGIES DE SPÉCIFICATION DU MODÈLE ÂGE-COHORTE ...............................................................................................................................................189

1. INTRODUCTION .................................................................................................................................191 2. MODÈLE ÂGE-COHORTE SUIVANT LA TAILLE DES MÉNAGES .............................................191

2.1 Projection de la part de la population dans les quatre groupes de ménages .................................193 2.2 Projection de la mobilité à l’horizon 2030 ...................................................................................194

3. PROJECTIONS DE LA MOBILITÉ SUIVANT LA POPULATION ACTIVE ET INACTIVE.........197 3.1 Introduction ..................................................................................................................................197 3.2 Structure de la population à Lille suivant l’activité......................................................................199 3.3 Projections de la population active à Lille ...................................................................................201 3.4 Mobilité observée dans les enquêtes suivant l’activité de la population ......................................202 3.5 Résultats de projections de la mobilité .........................................................................................204

4. CONCLUSION......................................................................................................................................206 Chapitre 4 TESTS DE SENSIBILITÉ DU MODÈLE ET SIMULATION DE DIFFÉRENTS SCÉNARIOS ......................................................................................................................................................209

1. INTRODUCTION .................................................................................................................................211 2. IMPACT DU DESSERREMENT DE LA POPULATION...................................................................211 3. TEST DE SENSIBILITÉ DES PROJECTIONS PAR RAPPORT A L’HYPOTHÈSE DE LA TAILLE DES MÉNAGES.............................................................................................................................................213 4. COMPARAISON ENTRE LES RÉSULTATS DE PROJECTION DES DIFFÉRENTES SPÉCIFICATIONS DU MODÈLE.................................................................................................................215 5. COMPARAISON DES PROJECTIONS DU MODÈLE ÂGE-COHORTE ET DE CELLES OBTENUES PAR FACTEURS DE CROISSANCE......................................................................................217 6. TESTS SUR LE REGROUPEMENT DES INDIVIDUS PAR TRANCHES D’ÂGE ET COHORTES DÉCENNALES...............................................................................................................................................219 7. TESTS SUR LE CHANGEMENT DE LA GÉNÉRATION DE RÉFÉRENCE ...................................220 8. SIMULATION DE L’EFFET D’UN PROLONGEMENT DE L’ÂGE DE LA RETRAITE................222 9. SIMULATION D’UNE RESTRICTION PARTICULIÈRE DE L’USAGE DE LA VOITURE EN CENTRE-VILLE ............................................................................................................................................225 10. CONCLUSION.................................................................................................................................228

Chapitre 5 EXAMEN D’EFFET DE PÉRIODE ET PROPOSITION DU MODÈLE « ÂGE-COHORTE-VITESSE » .......................................................................................................................229

1. INTRODUCTION .................................................................................................................................231 2. GRANDS EFFETS DE PÉRIODE........................................................................................................231

2.1 Grands effets de période à l’échelle nationale..............................................................................231

276

2.2 Effets de période incorporés dans l’offre de transport de l’agglomération lilloise.......................233 3. EXAMEN D’EFFET DE PÉRIODE SELON LE MODÈLE ÂGE-COHORTE INCLUANT LES INDICATRICES DE PÉRIODE .....................................................................................................................234 4. PROJECTION DES DISTANCES PAR LE MODÈLE ÂGE-COHORTE-VITESSE..........................240 5. ÉVOLUTION DE LA VITESSE DE DEPLACEMENTS DE LA POPULATION LILLOISE ...........241 6. ÉVALUATION DE L’EFFET DE LA VITESSE SUR LE BUDGET-DISTANCE.............................244 7. MODÈLE DE PROJECTION DU BUDGET-DISTANCE « ÂGE-COHORTE-VITESSE » ..............246

7.1 Projections et vérification des résultats du modèle ......................................................................249 8. CONCLUSION......................................................................................................................................253

CONCLUSION GÉNÉRALE ............................................................................................255 BIBLIOGRAPHIE ............................................................................................................265 TABLE DES MATIERES................................................................................................273

LISTE DES FIGURES.....................................................................................................277

LISTE DES TABLEAUX.................................................................................................279 ANNEXES .........................................................................................................................281

ANNEXE 1. DÉCOUPAGE DU PÉRIMÈTRE D’ÉTUDE À LILLE EN TROIS ZONES ......................283 ANNEXE 2. CARACTÉRISTIQUES DE LA POPULATION ET DE LA MOBILITÉ RÉVÉLÉES D’APRÈS LES TROIS ENQUÊTES .........................................................................................................285 ANNEXE 3. SCÉNARIOS DÉMOGRAPHIQUES UTILISÉS.................................................................292 ANNEXE 4. : COMPORTEMENT OBSERVÉ DANS LES TROIS ENQUÊTES SUIVANT L’ÂGE QUINQUENNAL DES INIDVIDUS.........................................................................................................293 ANNEXE 5. NOMBRE DE VOITURES PAR MÉNAGE DANS LE TROIS ENQUÊTES.....................296 ANNEXE 6. COMPORTEMENTS OBSERVÉS DANS LES ENQUÊTES SUIVANT LES DIAGRAMMES COHORTAUX...............................................................................................................297 ANNEXE 7. : PROJECTIONS DE LA PART DES INDIVIDUS APPARTENANT AUX MÉNAGES SANS, AVEC UNE ET AVEC PLUS DE VOITURES.............................................................................305 ANNEXE 8. : PROFIL-TYPE ET ÉCARTS DE COHORTES SUIVANT LA ZONE ET LA MOTORISATION DES INDIVIDUS........................................................................................................306 ANNEXE 9. : PROJECTIONS DE LA MOBILITÉ À LILLE SUIVANT LA ZONE, LA MOTORISATION ET LES TRANCHES D’ÂGE.....................................................................................312 ANNEXE 10. PRINCIPE DE CALCUL DE L’INTERVALLE DE CONFIANCE ..................................315 ANNEXE 11. VALIDATION DES PROJECTIONS DE LA MOTORISATION DES INDIVIDUS.......316 ANNEXE 12. VALIDATION DES RÉSULTATS DE PROJECTION DE MOBILITÉ...........................321 ANNEXE 13. DIFFÉRENCES ENTRE LES PROJECTIONS RÉALISÉES AVEC ET SANS OBSERVATIONS DE LA PREMIÈRE ENQUÊTE .................................................................................324 ANNEXE 14. : DÉCOUPAGE DES AGLOMÉRATIONS EN ZONES D’ÉTUDES ET LA MÉTHODE DE CALCUL DES DISTANCES DE DÉPLACEMENTS EN ÎLE DE FFRANCE ET À LYON............325 ANNEXE 15. TAILLE DES MÉNAGES OBSERVÉE DANS LES ENQUÊTES ET ESTIMATIONS DES PROFILS-TYPES ET ÉCARTS ENTRE LES COHORTES.....................................................................327 ANNEXE 16. VALIDATION DES PROJECTIONS SUIVANT LA RÉGRESSION ET LES INTERVALLES DE CONFIANCE POUR LE MODÈLE PAR LA TAILLE DES MÉNAGES .............333 ANNEXE 17. PROJECTIONS ET VALIDATION DES RÉSULTATS DU MODÈLE SUIVANT L’ACTIVITÉ DE LA POPULATION .......................................................................................................335 ANNEXE 18. : TESTS DE LA SENSIBILITÉ DU MODÈLE .................................................................345 ANNEXE 19. LOCALISATION DE DEUX LIGNES DE MÉTRO DANS L’AGGLOMÉRATION LILLOISE ..................................................................................................................................................358

277

Liste des figures Figure 1 Définition du champ d’analyse de la mobilité locale ..............................................................................20 Figure 2 Phases principales de création d’un modèle ............................................................................................30 Figure 3 Exemple de coupe instantanée et de série temporelle..............................................................................31 Figure 4 Relation entre les erreurs totales et la complexité du modèle ..................................................................32 Figure 5 Diagramme espace-temps d’Hagerstrand ...............................................................................................34 Figure 6 Trois types de modèles conventionnels ...................................................................................................36 Figure 7 Schéma de rétroaction dans la planification du transport urbaine utilisé dans l’UTPS ...........................37 Figure 8 Principales étapes dans la projection de la mobilité par un modèle conventionnel .................................38 Figure 9 Présentation de différents modes de transport par le triangle ; source: CERTU, 2002, p. 46 .................57 Figure 10 Partage modal entre trois modes motorisés dans les agglomérations de Paris, Lille, Lyon et Marseille ......................................................................................................................................58 Figure 11 Diagramme de Lexis-Becker-Pressat, présentation type Pressat ...........................................................80 Figure 12 Diagramme cohortal - type 1 ...............................................................................................................103 Figure 13 Diagramme cohortal - type 2 ...............................................................................................................104 Figure 14 Diagramme cohortal – combinaison entre les diagrammes de type 1 et 2 ...........................................104 Figure 15 Principe d’estimation d’un model âge-période–cohorte .....................................................................124 Figure 16 Principe d’estimation d’un modèle âge-cohorte ..................................................................................125 Figure 17 Découpage de l’agglomération lilloise pour réaliser les enquêtes .......................................................131 Figure 18 Découpage de l’agglomération en trois zones d’après le périmètre d’enquête de 1976 ......................132 Figure 19 Nombre de déplacements suivant les tranches d’âge d’individus........................................................137 Figure 20 Budget-temps suivant les tranches d’âge d’individus ..........................................................................139 Figure 21 Budget-distance selon les tranches d’âge d’individus .........................................................................140 Figure 22 Comportement observé dans les enquêtes – nombre de déplacements par tranche d’âge et la cohorte..................................................................................................................................................149 Figure 23 Comportement observé dans les enquêtes – nombre de déplacements par cohorte et tranche d’âge...149 Figure 24 Comportement observé dans les enquêtes – budget-distance par tranche d’âge et la cohorte .............150 Figure 25 Comportement observé dans les enquêtes – budget-distance par cohorte et tranche d’âge .................150 Figure 26 Comportement observé dans les enquêtes – budget-temps par tranche d’âge et cohorte.....................151 Figure 27 Comportement observé dans les enquêtes – budget-temps par cohorte et tranche d’âge.....................151 Figure 28 Profil-type au cours du cycle de vie pour les individus non-équipés selon la zone de résidence ........160 Figure 29 Profil-type au cours du cycle de vie pour les individus multi-équipés, selon la zone de résidence .....161 Figure 30 Décalages entre cohortes pour les individus non-équipés selon la zone de résidence .........................161 Figure 31 Décalages entre cohortes pour les individus multi-équipés, selon la zone de résidence......................162 Figure 32 Profil-type au cours du cycle de vie – individus sans voiture ..............................................................162 Figure 33 Profil-type au cours du cycle de vie – individus multi-équipés ...........................................................163 Figure 34 Écarts relatifs entre les cohortes successives – individus sans voiture ................................................163 Figure 35 Écarts relatifs entre les cohortes successives – individus multi-motorisés ..........................................164 Figure 36 Projection de la motorisation d’individus dans le périmètre d’étude à Lille........................................164 Figure 37 Profil-type au cours du cycle de vie pour le nombre de déplacements selon le sexe...........................167 Figure 38 Décalages entre les cohortes pour le nombre de déplacements selon le sexe ......................................168 Figure 39 Profil-type au cours du cycle de vie pour le budget-temps selon le sexe.............................................170 Figure 40Décalages entre les cohortes pour le budget-temps selon le sexe .........................................................170 Figure 41 Profil-type au cours du cycle de vie pour le budget-distance, selon le sexe ........................................172 Figure 42 Décalages entre les cohortes pour le budget-distance, selon le sexe....................................................172 Figure 43 Projection du budget-distance dans les quatre agglomérations............................................................180 Figure 44 Projection du budget-temps dans les trois agglomérations françaises .................................................181 Figure 45 Projection de la fréquence des déplacements dans les quatre agglomérations.....................................182 Figure 46 Vitesse moyenne de déplacements dans les trois agglomérations françaises.......................................184 Figure 47 Projections de la répartition modale de déplacements en Île-de-France ..............................................185 Figure 48 Projections de la répartition modale de déplacements à Montréal.......................................................186 Figure 49 Projections de la répartition modale de déplacements à Lille ..............................................................186 Figure 50 Projection de la portée des déplacements dans les quatre agglomérations ..........................................187 Figure 51 Projections du nombre de déplacements suivant la taille du ménage ..................................................195 Figure 52 Projections du budget-distance suivant la taille de ménage.................................................................196 Figure 53 Projections du budget-temps suivant la taille de ménage ....................................................................196 Figure 54 Nombre de personnes inactives dans les trois enquêtes suivant les tranches d’âge.............................200

278

Figure 55 Projection de la population inactive de l’INSEE dans l’agglomération lilloise ...................................201 Figure 56 Projection de la population active de l’INSEE dans l’agglomération lilloise ......................................202 Figure 57 Projections de la population à Lille selon les 4 scénarios démographiques de l’INSEE .....................211 Figure 58 Projection de voyageurs-kilomètres à Lille selon les 4 scénarios démographiques de l’INSEE .........212 Figure 59 Comparaisons des résultats de projection du nombre de déplacements suivant les différentes

spécifications du modèle ............................................................................................................................215 Figure 60 Comparaisons des résultats de projection du budget-distance suivant les différentes spécifications du

modèle ........................................................................................................................................................216 Figure 61 Comparaisons des résultats de projection du budget-temps suivant les différentes spécifications du

modèle ........................................................................................................................................................216 Figure 62 Comparaison entre les projections du nombre de déplacements obtenues par le modèle âge-cohorte et

celles calculées par les facteurs de croissances...........................................................................................218 Figure 63 Comparaison entre les projections du budget-temps obtenues par le modèle âge-cohorte et celles

calculées par les facteurs de croissances.....................................................................................................218 Figure 64 Comparaison entre les projections du budget-distance obtenues par le modèle âge-cohorte et celles

calculées par les facteurs de croissances.....................................................................................................219 Figure 65 Résultats de la simulation des différents âges de la retraite sur les projections du nombre de

déplacements suivant les tranches d’âge ....................................................................................................223 Figure 66 Résultats de la simulation des différents âges de la retraite sur les projections du budget-distance

suivant les tranches d’âge ...........................................................................................................................223 Figure 67 Résultats de la simulation des différents âges de la retraite sur les projections du budget-temps suivant

les tranches d’âge .......................................................................................................................................224 Figure 68 Projections du nombre de déplacements en centre-ville - sans et avec simulation d’usage de la voiture

suivant les tranches d’âge ...........................................................................................................................227 Figure 69 Projections du budget-distance en centre-ville - sans et avec simulation d’usage de la voiture suivant

les tranches d’âge .......................................................................................................................................227 Figure 70 Projections du budget-temps en centre-ville - sans et avec simulation d’usage de la voiture suivant les

tranches d’âge.............................................................................................................................................228 Figure 71 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un

modèle de type âge-période-cohorte pour le nombre de déplacements suivant le sexe des individus........236 Figure 72 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un

modèle de type âge-période-cohorte pour le budget-temps suivant le sexe des individus..........................237 Figure 73 Comparaison entre les profils-types et écarts de cohortes obtenues avec un modèle âge-cohorte et un

modèle de type âge-période-cohorte pour le budget-distance suivant le sexe des individus ......................238 Figure 74 Mobilité observée dans les trois enquêtes suivant les tranches d’âge quinquennales ..........................244 Figure 75 Profil-type et écarts de cohorte pour le budget-distance estimés selon le modèle âge-cohorte-vitesse.................................................................................................................................247 Figure 76 Profils-types et écarts de cohortes pour le budget-distance issus de trois types de modèle .................248 Figure 77 Projections du budget-distance selon le modèle « âge-cohorte-vitesse » - quatre scénarios d’évolution

de la vitesse individuelle.............................................................................................................................251 Figure 78 Projections du budget-distance d’après le modèle âge-cohorte-vitesse suivant le sexe et trois scénarios

d’évolution de la vitesse .............................................................................................................................252 Figure 79 Projections du budget-distance selon les facteurs de croissances, le modèle âge-cohorte et le modèle

âge-cohorte-vitesse – scénario sans croissance de la vitesse (CV0) ...........................................................252

279

Liste des tableaux Tableau 1 Mobilité locale des résidants français et leur évolution.........................................................................55 Tableau 2 Nombre moyen de déplacements par personne un jour de semaine ......................................................55 Tableau 3 Poids des différents segments de la mobilité motorisée en 1994 et leur évolution................................56 Tableau 4 Evolution générale de la population métropolitaine en France .............................................................66 Tableau 5 Fécondité selon l’âge, pour 100 femmes ...............................................................................................67 Tableau 6 Principaux indicateurs démographiques de l’Union Européenne en 2000 ............................................68 Tableau 7 Espérance de vie à divers âges ..............................................................................................................68 Tableau 8 Projections de la population de la France métropolitaine de 2000 à 2050 ............................................72 Tableau 9 Rapport entre la consommation des 60-64 ans, 70-74 ans, 80-84 ans, et celle des 40-44 ans en

transversal (« between ») et en longitudinal (« within ») .............................................................................97 Tableau 10 Echantillons utilisés dans les analyses correspondant au champ enquêté en 1976............................132 Tableau 11 Tailles des échantillons utilisés dans les trois zones .........................................................................133 Tableau 12 Nombre de personnes de 5 ans ou plus dans les trois enquêtes .........................................................133 Tableau 13 Nombre d’individus de 5 ans ou plus dans les trois zones ................................................................133 Tableau 14 Pourcentages de ménages sans et avec voiture dans les trois enquêtes .............................................135 Tableau 15 Nombre de déplacements dans les trois enquêtes..............................................................................135 Tableau 16 Nombre de déplacements selon le sexe dans les trois enquêtes.........................................................136 Tableau 17 Nombre de déplacements par individus dans les trois zones.............................................................136 Tableau 18 Budget-temps de déplacements internes et totaux selon le sexe .......................................................138 Tableau 19 Budget-temps de déplacements internes selon la zone ......................................................................138 Tableau 20 Budget-distance selon le sexe............................................................................................................139 Tableau 21 Budget-distance selon la zone ...........................................................................................................140 Tableau 22 Nombre de déplacements suivant le motif et les catégories « actifs », « étudiants » et « autres » ...141 Tableau 23 Budget-temps suivant le motif et les catégories « actifs », « étudiants » et « autres » .....................142 Tableau 24 Budget-distance suivant le motif et les catégories « actifs », « étudiants » et « autres »..................142 Tableau 25 Mobilité des individus en fonction de la motorisation ......................................................................143 Tableau 26 Projection de la population lilloise par l’INSEE ...............................................................................157 Tableau 27 Part des deux sexes dans la population totale à l’horizon 2030.........................................................158 Tableau 28 Répartition de la population entre les trois zones selon la projection de l’INSEE ............................158 Tableau 29 Projection de la population selon les tranches d’âge et les taux de croissance..................................158 Tableau 30 Projections de la part d’individus appartenant aux ménages sans, avec une et avec plus de voiture

suivant le sexe.............................................................................................................................................165 Tableau 31 Projections de la part d’individus appartenant aux ménages sans, avec une et avec plus de voiture

suivant la zone ............................................................................................................................................165 Tableau 32 Projection du nombre de déplacements dans l’agglomération entière et suivant le sexe ..................169 Tableau 33 Projection du budget-temps dans la population totale et suivant le sexe...........................................171 Tableau 34 Projection du budget-distance dans la population totale et selon le sexe ..........................................173 Tableau 35 Intervalles de confiance pour le modèle du nombre de déplacements selon le sexe et dans

l’agglomération entière...............................................................................................................................175 Tableau 36 Intervalles de confiance pour le modèle du budget-temps selon le sexe et dans l’agglomération

entière .........................................................................................................................................................176 Tableau 37 Intervalles de confiance pour le modèle du budget-distance selon le sexe et dans l’agglomération

entière .........................................................................................................................................................177 Tableau 38 Population, volume de voyageurs-kilomètres et volumes des déplacements dans les 4 agglomérations...................................................................................................................................183 Tableau 39 Age moyen et nombre de VP pour des personnes habitants dans les quatre types de ménage..........192 Tableau 40 Mobilité observée dans les enquêtes suivant la taille des ménages ...................................................193 Tableau 41 Projections de la part de la population dans les groupes de ménages suivant l’enquête de 1998......193 Tableau 42 Projection de la mobilité pour tous les ménages (tendance de la taille de ménages de 1998)...........194 Tableau 43 Structure de la population active/inactive observée à Lille pour les individus de 5 ans et plus ........199 Tableau 44 Part de la population active et inactive suivant la zone de résidence ................................................200 Tableau 45 Projections de la population active par l’INSEE ...............................................................................201 Tableau 46 Mobilité observée par les enquêtes dans la population inactive et la population active ....................202 Tableau 47 Mobilité observée dans les enquêtes pour les quatre groupes de la population.................................203 Tableau 48 Mobilité observée dans les enquêtes pour les populations inactive et active suivant le sexe ............204 Tableau 49 Projections de la mobilité pour l’ensemble de la population.............................................................205

280

Tableau 50 Projections de la mobilité dans les deux populations distinctives (inactive/active) ..........................205 Tableau 51 Part de la population dans les quatre groupes de ménages suivant la zone et le sexe .......................213 Tableau 52 Projections de la part de la population dans les 4 groupes de ménage suivant les états observés en

1976 et 1998 ...............................................................................................................................................214 Tableau 53 Projections de la mobilité suivant la taille des ménages de 1976 et de 1998 ....................................214 Tableau 54 Comparaisons entre les projections du modèle avec l’âge et cohortes décennales et celles du modèle

avec l’âge et cohortes quinquennales .........................................................................................................220 Tableau 55 Comparaison des projections du nombre de déplacements suivant différentes générations de

référence .....................................................................................................................................................221 Tableau 56 Comparaison des projections du budget-distance suivant différentes générations de référence .......221 Tableau 57 Comparaison des projections du budget-temps suivant différentes générations de référence...........221 Tableau 58 Comparaison entre les projections de la mobilité pour la population entière issues des modèles avec

et sans changement d’âge de la retraite ......................................................................................................222 Tableau 59 Différences de la mobilité lorsque l’âge de la retraite se prolonge de 10 ans pour les deux tranches

d’âge ...........................................................................................................................................................224 Tableau 60 Répartition du nombre de déplacements émis dans le centre-ville par leurs résidants......................225 Tableau 61 Distribution du nombre de déplacements émis par les résidant du centre par le mode voiture .........225 Tableau 62 Comparaison entre les projections avec et sans utilisation de la voiture en centre-ville ...................226 Tableau 63 Paramètres estimés pour les deux indicatrices de période d’enquête et pour les trois variables de la

mobilité.......................................................................................................................................................235 Tableau 64 Budget-distance et vitesses relevées dans les trois enquêtes .............................................................242 Tableau 65 Mobilité de la population observée suivant le mode de transport .....................................................242 Tableau 66 Mobilité de la population observée suivant la zone de résidence......................................................243 Tableau 67 Mobilité observée suivant le sexe......................................................................................................243 Tableau 68 Coefficients de régression et statistiques pour la variable « vitesse de déplacements »....................245 Tableau 69 Validation des résultats du modèle âge-cohorte-vitesse sur les observations du budget-distance.....249 Tableau 70 Projections du budget-distance selon le modèle âge-cohorte et le modèle âge-cohorte-vitesse et les

trois scénarios d’évolution de la vitesse .....................................................................................................250 Tableau 71 Projections du budget-distance suivant les facteurs de croissance, le modèle âge-cohorte, le modèle

âge-cohorte-vitesse (scénario CV0) et les différences maximales entre les projections.............................253

281

ANNEXES

283

ANNEXE 1. DÉCOUPAGE DU PÉRIMÈTRE D’ÉTUDE À LILLE EN TROIS ZONES Le périmètre de 1976 utilisé dans nos analyses est découpé en trois macros zones suivantes (Figure 1): zone 1 : centre de Lille; zone 2 : banlieue dense ; et zone 3 : banlieue moins dense.

Figure 1 Découpage du périmètre d’étude à Lille

Les noms des communes, les codes INSEE, ainsi que les codes de 26 zones et le passage en 3 zones sont montrés dans le tableau au-dessous (Tableau 1).

Tableau 1 Nom de la commune, code INSSE et le zonage dans l’agglomération lilloise

Nom de la commune Code INSEE 26 Zones* 3 zones**

Lille Canton Centre 59 350 1 1 Lille Canton Est 59 350 1 1 Lille Canton Nord 59 350 1 1 Lille Canton Nord-Est 59 350 1 1 Lille Canton Ouest 59 350 1 1 Lille Canton Sud 59 350 1 1 Lille Canton Sud-Est 59 350 1 1 Lille Canton Sud-Ouest 59 350 1 1 Roubaix Canton Est 59 512 2 2 Roubaix Canton Nord 59 512 2 2 Roubaix Canton Ouest 59 512 2 2 Tourcoing Cant. Nord 59 599 3 2 Tourcoing Cant. Nord-Est 59 599 3 2 Tourcoing Canton Sud 59 599 3 2 Wattrelos 59 650 4 2 Villne. d'Ascq Annappes 59 009 5 2 Villneuve d'Ascq Ascq 59 009 5 2 Villneuve d'Ascq Flers 59 009 5 2 Halluin 59 279 6 3

284

Bousbecque 59 098 6 3 Roncq 59 508 7 3 Neuville en Ferrain 59 426 7 3 Linselles 59 352 8 3 Bondues 59 090 8 3 Wambrechies 59 636 9 3 Lompret 59 356 9 3 Perenchies 59 457 9 3 Quesnoy/Deule 59 482 9 3 Verlinghem 59 611 9 3 Saint-André 59 527 10 2 Marquette 59 386 10 2 Lambersart 59 328 11 2 Lomme 59 355 12 3 Capinghem 59 128 12 3 Englos 59 195 12 3 Sequedin 59 566 12 3 Loos 59 360 13 3 Haubourdin 59 286 14 3 Emmerin 59 193 14 3 Hallennes 59 278 14 3 Santes 59 553 14 3 Wattignies 59 648 15 3 Templemars 59 585 15 3 Vendeville 59 609 15 3 Seclin 59 560 16 3 Houplin 59 316 16 3 Noyelles 59 437 16 3 Ronchin 59 507 17 3 Faches-Thumesnil 59 220 17 3 Lesquin 59 343 17 3 Hellemmes-Lille 59 298 18 1 Lezennes 59 346 18 3 Mons-en-Baroeul 59 410 19 2 Madeleine (La) 59 368 20 2 Mouvaux 59 421 21 2 Marcq-en Baroeul 59 378 22 2 Wasquehal 59 646 23 2 Croix 59 163 24 2 Hem 59 299 25 3 Forest 59 247 25 3 Leers 59 339 26 3 Lannoy 59 332 26 3 Lys-les-Lannoy 59 367 26 3 Toufflers 59 598 26 3

* - 26 zones sont utilisées pour calculer les distances de déplacements **- 3 zones sont constituées pour calculer les projections

285

ANNEXE 2. CARACTÉRISTIQUES DE LA POPULATION ET DE LA MOBILITÉ RÉVÉLÉES D’APRÈS LES TROIS ENQUÊTES

Tableau 1 Populations « actifs », « scolaires/étudiants » et « autres » selon le sexe

Hommes

actifs étudiants actifs+étudiants autres

TOTAL 9=5+7

10=6+8

effectifs taux effectifs taux effectifs taux effectifs taux effectifs taux

Année

1 2 3 4 5 6 7 8 9 10

1976 211178 55,5 109849 28,9 321027 84,4 59304 15,6 380 331 100

1987 187693 47,5 114622 30,1 302315 79,5 92965 24,4 395 280 100

1998 183581 43,9 130381 31,2 313962 75,1 103942 24,9 417 904 100

Femmes

actifs étudiants actifs+étudiants autres

TOTAL 9=5+7

10=6+8

effectifs taux effectifs taux effectifs taux effectifs taux effectifs taux

Année

1 2 3 4 5 6 7 8 9 10

1976 134689 31,8 105475 24,9 240164 56,8 183032 43,2 423 196 100

1987 141322 32,5 115118 27,2 256440 60,6 178861 42,3 435 301 100

1998 157669 33,3 136742 28,9 294411 62,2 178671 37,8 473 082 100 Source : EMD 1976, 1987 et 1998 à Lille

Tableau 2 Nombre de ménages par zone

Nombre de ménages Taux de croissance Zone

1976 1987 1998 1987/1976 1998/1987

Centre de Lille 69 654 72 474 90 701 4% 25%

Banlieue dense 145 436 170 615 183 377 17% 7%

Banlieue moins dense 77 440 94 905 109 610 23% 15%

TOTAL 292 530 337 994 383 688 Moyenne 16%

Moyenne 14%


Tableau 3 Nombre de ménages suivant le sexe de la personne de référence

Nombre de ménages Taux de croissance Personne de référence 1976 1987 1998 1987/1976 1998/1987

Hommes 232 457 255 868 265 004 10% 4%

Femmes 60 073 82 126 118 684 37% 45%

TOTAL 292 530 337 994 383 688 Moyenne 16%

Moyenne 14%


286

Tableau 4 Population dans les trois zones suivant les trois classes d’âge

Enquête de 1976


Total

Population

effectifs taux effectifs taux effectifs taux effectifs taux 05_24 ans 58 150 7,2 144 049 17,9 90 456 11,3 292 656 36,4 25_64 ans 86 412 10,8 195 177 24,3 116 984 14,6 398 573 49,6 65 ans et plus 28 270 3,5 57 350 7,1 26 679 3,3 112 299 14,0 Total 172 832 21,5 396 577 49,4 234 119 29,1 803 528 100,0

Enquête de 1987


Total

Population


Enquête de 1998


Total

Population



Tableau 5 Proportion d’individus de 5 ans ou plus vivant dans des ménages avec/sans VP par zone

Zone

Lille Banlieue dense Banlieue moins dense

Toutes zones

année année année année

%

d’individus vivant dans un ménage

1976 1987 1998 1976 1987 1998 1976 1987 1998 1976 1987 1998

avec une VP 44,5 51,9 46,2 49,1 52,2 45,1 52,6 48,1 43,0 49,1 50,9 44,6 2 et plus VP 17,0 17,8 21,9 19,7 27,9 36,7 21,7 34,9 47,0 19,7 28,2 37,1

avec VP 61,5 69,7 68,1 68,8 80,1 81,8 74,3 83,0 90,0 68,8 79,1 82,7 sans VP 38,5 30,3 31,9 31,2 19,9 18,2 25,7 17,0 10,0 31,2 20,9 18,3

Total (sans+avec)

100 100 100 100 100 100 100 100 100 100 100 100


287

Tableau 6 Taux de motorisation selon le sexe d’individus

Hommes Femmes

Année Année

% d’individus vivant dans un

ménage 1976 1987 1998 1976 1987 1998

mono motorisé 50,8 53,0 45,0 47,6 48,9 44,3

multi motorisé 21,0 29,8 40,1 18,5 26,7 34,3

avec VP 71,8 82,8 85,1 66,1 75,6 78,6

sans VP 28,2 17,2 14,9 33,9 24,4 21,4

Total (sans+avec) 100 100 100 100 100 100 Source : EMD 1976, 1987 et 1998 à Lille

Tableau 7 Répartition de déplacements internes par mode et par motif

Répartition de déplacements par mode et par motif (en %)

Mode de transports

Année

Motif de déplacements

VPC VPP MàP TC Autres

TOTAL

En %

Travail 13,6 2,3 6,9 2,2 5,6 30,6 Ecole 0,5 1,9 12,3 1,3 3,1 19,1

Achats 3,6 1,8 9,6 0,7 1,3 17,1 Autres 11,9 5,0 10,7 2,5 3,2 33,2

1976

TOTAL en % 29,6 11,0 39,5 6,7 13,2 100,0 Travail 12,8 1,9 3,4 2,0 1,6 21,7 Ecole 0,5 3,4 8,0 2,3 1,0 15,1

Achats 5,5 1,9 7,8 0,6 0,5 16,3 Autres 19,4 7,7 16,0 2,2 1,5 46,9

1987

TOTAL en % 38,2 14,9 35,2 7,1 4,6 100,0 Travail 12,0 1,4 2,7 2,1 0,8 19,0 Ecole 0,6 3,6 7,3 2,8 0,5 14,8

Achats 6,3 2,6 6,1 0,9 0,2 16,1 Autres 21,1 8,5 16,6 3,0 1,0 50,1

1998

TOTAL en % 39,9 16,0 32,7 8,8 2,6 100,0 Source : EMD 1976, 1987 et 1998 à Lille

Tableau 8 Budget-temps de déplacements internes selon le mode dans la population totale

Budget-temps de déplacements internes par mode principal de transport Année

VPC VPP MàP TC autres Total budget-temps interne

1976 13,5 4,6 14,0 6,3 6,0 44,4

1987 17,9 6,5 14,9 7,6 2,5 49,4

1998 20,7 8,0 14,6 10,3 1,5 55,1


288

Tableau 9 Budget-temps selon le sexe et le mode

Budget-temps de déplacements internes selon le sexe et le mode Année VPC VPP MàP TC autres

hommes femmes hommes femmes hommes femmes hommes femmes hommes femmes

1976 20,6 6,9 3,1 6,0 11,6 16,1 4,9 7,6 8,9 3,6

1987 23,7 12,6 4,3 8,6 14,4 15,3 6,8 8,3 3,6 1,3

1998 25,0 17,0 6,2 9,6 13,4 15,6 10,1 10,5 2,1 0,9


Tableau 10 Budget-temps selon la zone et le mode

Budget-temps de déplacements internes selon la zone et le mode

Lille centre Banlieue dense Banlieue moins dense

Année

vpc vpp màp tc autr vpc vpp màp tc autr vpc vpp màp tc autr

1976 12,3 4,2 18,0 7,8 4,6 13,7 4,7 13,9 5,6 6,3 13,6 4,8 11,0 6,0 6,9

1987 14,3 5,0 21,8 9,6 1,4 18,2 6,3 15,0 7,2 2,8 19,4 7,9 10,5 7,1 2,4

1998 16,3 6,1 21,4 14,6 1,3 20,3 8,1 14,3 9,5 1,6 24,2 9,0 10,7 8,9 1,3


Tableau 11 Budget-distance de déplacements internes dans la population totale selon le mode

Budget-distance de déplacements internes par mode principal de transport Année VPC VPP MàP TC autres Total budget-

distance

1976 2,7 0,9 0,5 0,6 0,9 5,6

1987 4,3 1,3 0,5 1,0 0,3 7,4

1998 5,0 1,7 0,5 1,4 0,2 8,8 Source : EMD 1976, 1987 et 1998 à Lille

Tableau 12 Budget-distance de déplacements internes selon le sexe et le mode

Budget-distance de déplacements internes selon le sexe et le mode de transports Année VPC VPP MàP TC autres

homme femme homme femme homme femme homme femme homme femme 1976 4,3 1,3 0,6 1,2 0,5 0,6 0,6 0,7 1,2 0,4 1987 5,8 2,9 0,8 1,8 0,4 0,5 1,0 1,1 0,4 0,1 1998 6,4 3,8 1,3 2,0 0,5 0,5 1,5 1,3 0,2 0,1


Tableau 13 Budget-distance de déplacements internes selon la zone et le mode

Budget-distance de déplacements internes selon la zone et le mode de transports

Lille centre Banlieue dense Banlieue moins dense

Année

vpc vpp màp tc autr vpc vpp màp tc autr vpc vpp màp tc autr

1976 1,7 0,5 0,6 0,5 0,4 2,9 1,0 0,5 0,6 0,8 3,2 1,1 0,4 0,7 1,0

1987 2,7 0,8 0,6 1,2 0,1 4,3 1,2 0,5 1,0 0,2 5,2 1,8 0,4 1,0 0,3

1998 3,3 1,0 0,7 1,6 0,1 4,8 1,7 0,6 1,3 0,2 6,4 2,1 0,3 1,4 0,2 Source : EMD 1976, 1987 et 1998 à Lille

289

Tableau 14 Nombre de déplacements suivant le motif, le sexe et les catégories « actifs », « étudiants » et « autres »

Nombre de déplacements selon le motif Population Année Sexe travail école achats autres Total

hommes 2,1 0,0 0,3 1,0 3,4 1976 femmes 1,8 0,0 0,6 0,9 3,2

hommes 2,1 0,0 0,5 1,6 4,2 1987 femmes 1,7 0,0 0,7 1,8 4,3

hommes 2,0 0,0 0,5 1,9 4,4

Actifs

1998 femmes 1,8 0,0 0,7 2,2 4,7 hommes 0,0 2,0 0,2 0,8 3,0

1976 femmes 0,0 2,0 0,3 0,7 3,0 hommes 0,0 2,0 0,2 1,5 3,6

1987 femmes 0,0 2,0 0,2 1,4 3,6 hommes 0,0 1,8 0,3 1,9 4,0

Etudiants

1998 femmes 0,0 1,8 0,5 1,7 4,0 hommes 0,0 0,0 0,7 1,1 1,8

1976 femmes 0,0 0,0 0,9 1,1 2,0 hommes 0,0 0,0 0,8 2,2 3,0

1987 femmes 0,0 0,0 1,0 1,8 2,8 hommes 0,0 0,0 1,1 2,5 3,6

Autres

1998 femmes 0,0 0,0 1,0 2,3 3,3 Source : EMD 1976, 1987 et 1998 à Lille

Tableau 15 Budget-temps suivant le motif, le sexe et les catégories « actifs », « étudiants » et « autres »

Budget-temps selon le motif Population Année Sexe travail école achats autres Total

hommes 38,6 0,0 3,3 15,6 57,5 1976 femmes 30,5 0,0 6,8 13,8 51,1

hommes 33,3 0,0 4,9 19,8 58,0 1987 femmes 27,7 0,0 7,4 21,9 57,0

hommes 32,1 0,0 5,7 22,6 60,6

Actifs

1998 femmes 27,9 0,0 8,2 25,7 61,8 hommes 0,0 29,3 2,9 11,0 43,2

1976 femmes 0,0 31,1 3,7 10,7 45,5 hommes 0,0 25,5 1,7 23,6 50,8

1987 femmes 0,0 28,7 2,9 19,2 50,8 hommes 0,0 28,7 3,8 24,5 57,0

Etudiants

1998 femmes 0,0 28,7 5,4 23,0 57,1 hommes 0,0 0,0 9,8 20,4 30,4

1976 femmes 0,0 0,0 12,3 16,8 29,1 hommes 0,0 0,0 9,4 35,9 45,3

1987 femmes 0,0 0,0 10,1 24,4 34,5 hommes 0,0 0,0 10,7 39,3 50,0

Autres


290

Tableau 16 Budget-distance suivant le motif, le sexe et les catégories « actifs », « étudiants » et « autres »

Budget-distance selon le motif Population Année Sexe travail école achats autres Total

hommes 6,7 0,0 0,5 2,7 9,9 1976 femmes 3,8 0,0 0,7 2,0 6,5

hommes 7,7 0,0 1,0 3,6 12,3 1987 femmes 4,9 0,0 1,2 3,8 9,9

hommes 8,1 0,0 1,2 4,4 13,7

Actifs

1998 femmes 5,8 0,0 1,5 4,4 11,7 hommes 0,0 2,4 0,3 1,4 4,1

1976 femmes 0,0 2,2 0,3 1,3 3,8 hommes 0,0 2,7 0,2 2,1 5,0

1987 femmes 0,0 2,9 0,3 2,3 5,5 hommes 0,0 3,3 0,6 2,8 6,7

Etudiants

1998 femmes 0,0 3,1 0,6 2,5 6,7 hommes 0,0 0,0 0,9 1,9 2,8

1976 femmes 0,0 0,0 1,0 1,7 2,7 hommes 0,0 0,0 1,2 3,9 5,1

1987 femmes 0,0 0,0 1,2 2,9 4,1 hommes 0,0 0,0 1,5 5,6 7,1

Autres


291

Figure 1 Motorisation de la population suivant la part des individus dans les trois groupes de ménages

PART D'INDIVIDUS DANS LES TROIS GROPUES DE MENAGES EN 1976

0%

20%

40%

60%

80%

100%

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45_

49

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge%

d'in

div

idu

s

Ménages sans voiture Ménages avec une voiture Ménages multi-équipés


0%

20%

40%

60%

80%

100%

05_

09

10_

14

15_

19

20

_2

4

25_

29

30_

34

35_

39

40

_4

4

45

_4

9

50

_5

4

55_

59

60_

64

65_

69

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

% d

'ind

ivid

us



0%

20%

40%

60%

80%

100%

05

_0

9

10

_1

4

15

_1

9

20

_24

25

_29

30

_3

4

35

_3

9

40

_4

4

45

_49

50

_54

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et

plu

s

Tranche d'âge

% d

'ind

ivid

us


292

ANNEXE 3. SCÉNARIOS DÉMOGRAPHIQUES UTILISÉS Afin de tester l’impact de scénarios purement démographiques sur nos projections de la mobilité, nous en avons retenu quatre parmi ceux qui sont proposés par l'INSEE (Tableau 1).

Tableau 1 Scénarios démographiques utilisés dans la modélisation de la mobilité

Scénario Période de référence

Projection QM* Projection QD* Projection QF*

I 1982-1999 maintien Parallèle tendance centrale maintien L 1982-1999 QM + 0,001 Parallèle tendance centrale maintien M 1982-1999 QM - 0,001 Parallèle tendance centrale maintien N 1982-1999 QM = 0 Parallèle tendance centrale maintien

* QM – quotient migratoire ; QD – quotient de décès ; QF – quotient de fécondité Le scénario dit "central" (ou scénario I) repose sur les hypothèses suivantes: les quotients de fécondité de chaque zone sont maintenus à leur niveau estimé pour 1999 jusqu'à l'horizon de la projection; l’évolution des quotients de décès prolonge les gains de mortalité observés au cours des 30 dernières années; les quotients de migration nette sont maintenus par sexe et âge sur toute la période de projection. Les trois autres scénarios gardent les mêmes hypothèses pour la fécondité et la mortalité, mais les quotients migratoires changent de la manière suivante: ils augmentent de 0,001 à tout âge et sur toute la période de la projection, (scénario L), ils diminuent de 0,001 à tout âge et sur toute la période de la projection (scénario M), la situation purement théorique : ils sont nuls à tous les âges ou il n'y a plus de déménagements (scénario N). Évidement, le scénario N ne correspond pas à une situation réelle, amis il est de nature théorique. Les scénarios L, M et N fournissent une référence et permettent de mesurer l'impact des migrations sur la population projetée dans chaque zone. Les projections de la population à Lille selon les tranches d’âge sont montrées dans le tableau suivant :

293

ANNEXE 4. : COMPORTEMENT OBSERVÉ DANS LES TROIS ENQUÊTES SUIVANT L’ÂGE QUINQUENNAL DES INIDVIDUS

Figure 1 Nombre de déplacements par sexe suivant les données transversales de trois enquêtes

Figure 2 Budget-distance par sexe suivant les données transversales de trois enquêtes

Figure 3 Budget-temps par sexe suivant les données transversales de trois enquêtes

Nombre de déplacements suivant le sexe d'après les observations transversales de trois enquêtes

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

No

mb

re d

e d

ép

la/i

nd

/jo

ur

Hommes Femmes

Budget-temps suivant le sexe d'après les observations transversales de trois enquêtes

0

20

40

60

80

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Bu

dg

et-t

em

ps

(min

/ind

/jou

r)

Hommes Femmes

Budget-distance suivant le sexe d'après les observations transversales de trois enquêtes

0

2

4

6

8

10

12

14

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9Tranche d'âge

Bu

dg

et-

dis

tan

ce (

km/i

nd

/jo

ur)

Hommes Femmes

294

Figure 4 Nombre de déplacements suivant le sexe et les tranches d’âge quinquennales observé dans les trois périodes (coupe transversale d’après chaque enquête)

Figure 5 Budget-temps suivant le sexe et les tranches d’âge quinquennales observé dans les trois périodes (coupe transversale d’après chaque enquête)

Nombre de déplacements par sexe en 1976

0,0

2,0

4,0

6,005

_09

10

_14

15

_19

20

_24

25

_29

30

_34

35

_39

40

_44

45

_49

50

_54

55

_59

60

_64

65

_69

70

_74

75

_79

80

et plu

s

Tranche d'âge

Hommes 1976 Femmes 1976


0,0

2,0

4,0

6,0

05_0

9

10_1

4

15_1

9

20_2

4

25_2

9

30_3

4

35_3

9

40_4

4

45_4

9

50_5

4

55_5

9

60_6

4

65_6

9

70_7

4

75_7

9

80 e

t plu

s

Tranche d'âge



0,0

2,0

4,0

6,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge


Budget-temps par sexe en 1976

0,0

20,0

40,0

60,0

80,0

05

_09

10

_14

15

_19

20

_24

25

_29

30

_34

35

_39

40

_44

45

_49

50

_54

55

_59

60

_64

65

_69

70

_74

75

_79

80

et p

lus

Tranche d'âge



0,0

20,0

40,0

60,0

80,0

05_0

9

10_1

4

15_1

9

20_2

4

25_2

9

30_3

4

35_3

9

40_4

4

45_4

9

50_5

4

55_5

9

60_6

4

65_6

9

70_7

4

75_7

9

80 e

t plu

s

Tranche d'âge



0,0

20,0

40,0

60,0

80,0

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80 e

t plu

s

Tranche d'âge


295

Figure 6 Budget-distance suivant le sexe et les tranches d’âge quinquennales observé dans les trois périodes (coupe transversale d’après chaque enquête)

Figure 7 Evolution de la mobilité entre 1998 et 1976 suivant les tranches d’âge quinquennales et le sexe

Budget-distance par sexe en 1976

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t p

lus

Tranche d'âge



0,02,04,06,08,0

10,012,014,016,0

05

_09

10

_14

15

_19

20

_24

25

_29

30

_34

35

_39

40

_44

45

_49

50

_54

55

_59

60

_64

65

_69

70

_74

75

_79

80

et plu

s

Tranche d'âge



0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

05_

09

10_

14

15_

19

20_

24

25_

29

30_

34

35_

39

40_

44

45_

49

50_

54

55_

59

60_

64

65_

69

70_

74

75_

79

80 e

t plu

s

Tranche d'âge


Evolutions du nombre de déplacements entre 1976 et 1998

0,0

0,5

1,0

1,5

2,0

2,5

3,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Hommes Femmes

Evolutions du budget-temps entre 1976 et 1998

0,0

5,0

10,0

15,0

20,0

25,0

30,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Hommes Femmes

Evolutions du budget-distance entre 1976 et 1998

0,0

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

05_09

10_14

15_19

20_24

25_29

30_34

35_39

40_44

45_49

50_54

55_59

60_64

65_69

70_74

75_79

80 e

t plu

s

Tranche d'âge

Hommes Femmes

296

ANNEXE 5. NOMBRE DE VOITURES PAR MÉNAGE DANS LE TROIS ENQUÊTES

Tableau 1 Taux de motorisation de ménages par zone

Zone

Lille Banlieue dense Banlieue moins dense

Toutes zones

année année année année

ménages

1976 1987 1998 1976 1987 1998 1976 1987 1998 1976 1987 1998

avec une VP 42,2 48,1 46,9 46,0 50,8 46,6 49,7 48,0 46,3 46,1 49,4 46,6

2 et plus VP 11,5 12,6 14,2 15,0 21,2 27,8 17,4 28,0 37,5 14,8 21,3 27,5

avec VP 53,7 60,7 61,1 61,0 72,0 74,4 67,1 76,0 83,8 60,9 70,7 74,1

sans VP 46,3 39,3 38,9 39,0 28,0 25,5 32,9 24,0 16,2 39,1 29,3 25,9

Total (sans+avec)

100 100 100 100 100 100 100 100 100 100 100 100


Figure 1 Moyenne du nombre de voitures particulières à disposition des ménages, suivant la tranche d’âge de la personne de référence, observé dans les trois enquêtes

Nombre de voitures par ménage observé dans les trois enquêtes

0,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et p

lus

Tranche d'âge de la personne de référence

No

mb

re d

e v

oit

ure

s

Enquête 1976 Enquête 1987 Enquête 1998

297

ANNEXE 6. COMPORTEMENTS OBSERVÉS DANS LES ENQUÊTES SUIVANT LES DIAGRAMMES COHORTAUX

Figure 1 Comportements observés dans les enquêtes - nombre de déplacements par tranche d’âge, cohorte et sexe

Figure 2 Comportements observés dans les enquêtes – budget-distance par tranche d’âge, cohorte et sexe

Nombre de déplacements - Hommes

0

2

4

605_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - Femmes

0

2

4

6

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - Hommes

0

2

4

6

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Nombre de déplacements - Femmes

0

2

4

6

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-distance - Hommes

0

4

8

12

16

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - Hommes

0

4

8

12

16

ava

nt 1

90

5

19

05

_1

91

4

19

15

_1

92

4

19

25

_1

93

4

19

35

_1

94

4

19

45

_1

95

4

19

55

_1

96

4

19

65

_1

97

4

19

75

_1

98

4

19

85

_1

99

4

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-distance - Femmes

0

4

8

12

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - Femmes

0

4

8

12

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

298

Figure 3 Comportements observés dans les enquêtes – budget-temps par tranche d’âge, cohorte et sexe

Figure 4 Comportements observés dans les enquêtes - nombre de déplacements par tranche d’âge, cohorte et activité

Nombre de déplacements - individus inactifs

0,0

2,0

4,0

6,0

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_19341935_1944 1945_1954 1955_1964 1965_19741975_1984 1985_1994

Nombre de déplacements - individus actifs

0,0

2,0

4,0

6,0

15_24

25_34

35_44

45_54

55_64

65_74

75_84

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Nombre de déplacements - individus inactifs

0,0

2,0

4,0

6,0

ava

nt 1

90

5

19

05

_1

91

4

19

15

_1

92

4

19

25

_1

93

4

19

35

_1

94

4

19

45

_1

95

4

19

55

_1

96

4

19

65

_1

97

4

19

75

_1

98

4

19

85

_1

99

4

Cohorte

05_14 15_24 25_34

35_44 45_54 55_64

65_74 75_84 85 et plus

Nombre de déplacements - individus actifs

0,0

2,0

4,0

6,0

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

Cohorte

15_24 25_34 35_44 45_54 55_64

65_74 75_84

Budget-temps - Hommes

0

20

40

60

80

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - Femmes

0

20

40

60

80

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - Hommes

0

20

40

60

80

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-temps - Femmes

0

20

40

60

80

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

299

Figure 5 Comportements observés dans les enquêtes – budget-distance par tranche d’âge, cohorte et activité

Figure 6 Comportements observés dans les enquêtes – budget-temps par tranche d’âge, cohorte et activité

Budget-distance - individus inactifs

0

2

4

6

8

10

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âgeavant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - individus inactifs

0

2

4

6

8

10

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-distance - individus actifs

0

4

8

12

16

15_24

25_34

35_44

45_54

55_64

65_74

75_84

Tranche d'âge

avant 1905 1905_1914 1915_19241925_1934 1935_1944 1945_19541955_1964 1965_1974 1975_1984

Budget-distance - individus actifs

0

4

8

12

16

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

Cohorte15_24 25_34 35_44 45_54

55_64 65_74 75_84

Budget-temps - individus inactifs

0

20

40

60

80

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - individus inactifs

0

20

40

60

80

avant

1905

1905_

1914

1915_

1924

1925_

1934

1935_

1944

1945_

1954

1955_

1964

1965_

1974

1975_

1984

1985_

1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-temps - individus actifs

0

20

40

60

80

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Budget-temps - individus actifs

0

20

40

60

80

avan

t 1905

1905

_1914

1915

_1924

1925

_1934

1935

_1944

1945

_1954

1955

_1964

1965

_1974

1975

_1984

Cohorte

15_24 25_34 35_44 45_54 55_64

65_74 75_84

300

Figure 7 Comportements observés dans les enquêtes – nombre de déplacements par tranche d’âge, cohorte et motorisation

Nombre de déplacements - individus appartenant aux ménages sans voiture

0,0

2,0

4,0

6,0

05

_14

15

_24

25

_34

35

_44

45

_54

55

_64

65

_74

75

_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - individus appartenant aux ménages sans voiture

0,0

2,0

4,0

6,0

avant

1905

1905_

1914

1915_

1924

1925_

1934

1935_

1944

1945_

1954

1955_

1964

1965_

1974

1975_

1984

1985_

1994

Cohorte05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Nombre de déplacements - individus appartenant aux ménages avec une voiture

0,0

2,0

4,0

6,0

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s


1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - individus appartenant aux ménages avec une voiture

0,0

2,0

4,0

6,0

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Nombre de déplacements - individus appartenant aux ménages multi-équipés

0,0

2,0

4,0

6,0

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s


1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - individus appartenant aux ménages multi-équipés

0,0

2,0

4,0

6,0

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

301

Figure 8 Comportements observés dans les enquêtes – budget-distance par tranche d’âge, cohorte et motorisation

Budget-distance- individus appartenant aux ménages sans voiture

0

2

4

6

8

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance- individus appartenant aux ménages sans voiture

0

2

4

6

8

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-distance - individus appartenant aux ménages avec une voiture

0

4

8

12

16

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - individus appartenant aux ménages avec une voiture

0

4

8

12

16

avant 1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975_1984

1985_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-distance - individus appartenant aux ménages multi-équipés

0

4

8

12

16

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85

et

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - individus appartenant aux ménages multi-équipés

0

4

8

12

16

ava

nt 1905

190

5_1914

191

5_1924

192

5_1934

193

5_1944

194

5_1954

195

5_1964

196

5_1974

197

5_1984

198

5_1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

302

Figure 9 Comportements observés dans les enquêtes – budget-temps par tranche d’âge, cohorte et motorisation

Budget-temps - individus appartenant aux ménages sans voiture

0

30

60

90

05

_14

15

_24

25

_34

35

_44

45

_54

55

_64

65

_74

75

_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - individus appartenant aux ménages sans voiture

0

30

60

90

avant

1905

1905_

1914

1915_

1924

1925_

1934

1935_

1944

1945_

1954

1955_

1964

1965_

1974

1975_

1984

1985_

1994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-temps - individus appartenant aux ménages avec une voiture

0

30

60

90

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - individus appartenant aux ménages avec une voiture

0

30

60

90

avant 19

05

1905_19

14

1915_19

24

1925_19

34

1935_19

44

1945_19

54

1955_19

64

1965_19

74

1975_19

84

1985_19

94

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

Budget-temps - individus appartenant aux ménages multi-équipés

0

30

60

90

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85

et

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - individus appartenant aux ménages multi-équipés

0

30

60

90

avant 1

905

1905_1

914

1915_1

924

1925_1

934

1935_1

944

1945_1

954

1955_1

964

1965_1

974

1975_1

984

1985_1

994

Cohorte

05_14 15_24 25_34 35_44 45_54

55_64 65_74 75_84 85 et plus

303

Figure 10 Comportement observé dans les enquêtes - nombre de déplacements suivant l’activité et le sexe

Figure 11 Comportement observé dans les enquêtes – budget-distance suivant l’activité et le sexe

Nombre de déplacements - hommes inactifs

0

2

4

6

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - femmes inactives

0

2

4

6

05_14

15_24

25_34

35_44

45_54

55_64

65_74

75_84

85 e

t plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Nombre de déplacements - hommes actifs

0

2

4

6

15_24

25_34

35_44

45_54

55_64

65_74

75_84

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Nombre de déplacements - femmes actives

0

2

4

6

15_2

4

25_3

4

35_4

4

45_5

4

55_6

4

65_7

4

75_8

4

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Budget-distance - hommes inactifs

0

3

6

9

12

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85

et

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - femmes inactives

0

3

6

9

12

05_1

4

15_2

4

25_3

4

35_4

4

45_5

4

55_6

4

65_7

4

75_8

4

85 e

t

plu

sTranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-distance - hommes actifs

0

4

8

12

16

15_2

4

25_3

4

35_4

4

45_5

4

55_6

4

65_7

4

75_8

4

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Budget-distance - femmes actives

0

4

8

12

16

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

304

Figure 12 Comportement observé dans les enquêtes – budget-temps suivant l’activité et le sexe

Budget-temps - hommes inactifs

0

30

60

90

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85

et

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - femmes inactives

0

30

60

90

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85

et

plu

s

Tranche d'âge

avant 1905 1905_1914 1915_1924 1925_1934

1935_1944 1945_1954 1955_1964 1965_1974

1975_1984 1985_1994

Budget-temps - hommes actifs

0

30

60

90

15_24

25_34

35_44

45_54

55_64

65_74

75_84

Tranche d'âgeavant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

Budget-temps - femmes actives

0

30

60

90

15_24

25_34

35_44

45_54

55_64

65_74

75_84

Tranche d'âge

avant 1905 1905_1914 1915_1924

1925_1934 1935_1944 1945_1954

1955_1964 1965_1974 1975_1984

305

ANNEXE 7. : PROJECTIONS DE LA PART DES INDIVIDUS APPARTENANT AUX MÉNAGES SANS, AVEC UNE ET AVEC PLUS DE VOITURES

Figure 1 Projections suivant le sexe de la population

Figure 2 Projections suivant la zone de résidence

Projections de la part d'individus appartenant aux ménages sans voiture suivant le sexe

0%

10%

20%

30%

40%

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es s

ans

voit

ure

Hommes Femmes

Projections de la part d'individus appartenant aux ménages mono-équipés suivant le sexe

0%

10%

20%

30%

40%

50%

60%

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es m

on

o-é

qu

ipés

)

Hommes Femmes

Projections de la part d'individus appartenant aux ménages multi-équipés suivant le sexe

0%

10%

20%

30%

40%

50%

60%

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es m

ult

i-éq

uip

és

Hommes Femmes

Projections de la part d'individus appartenant aux ménages sans voiture suivant la zone

0%

10%

20%

30%

40%

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es s

ans

voit

ure

Centre Banlieue dense Banlieue moins dense

Projections de la part d'individus appartenant aux ménages mono-équipés suivant la zone

0%

10%

20%

30%

40%

50%

60%

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es m

on

o-é

qu

ipés


Projections de la part d'individus appartenant aux ménages multi-équipés suivant la zone

0%

10%

20%

30%

40%

50%

60%

70%

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Par

t d

'ind

ivid

us

app

arte

nan

t au

x m

énag

es m

ult

i-éq

uip

és


306

ANNEXE 8. : PROFIL-TYPE ET ÉCARTS DE COHORTES SUIVANT LA ZONE ET LA MOTORISATION DES INDIVIDUS

Figure 1 Profil-type au cours du cycle de vie pour le nombre de déplacements selon la zone

Figure 2 Profil-type au cours du cycle de vie pour le nombre de déplacements selon la motorisation

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LA ZONE DE RESIDENCE

0

2

4

6

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Centre ville Banlieue dense Banlieue moins dense

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LA MOTORISATION DES INDIVIDUS

0

2

4

6

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r


307

Figure 3 Décalages entre les cohortes pour le nombre de déplacements selon la zone

Figure 4 Décalages entre les cohortes pour le nombre de déplacements selon la motorisation

ECARTS RELATIFS A LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LA ZONE DE RESIDENCE

-4

-3

-2

-1

0

1

avan

t 1

911

1911

-191

5

1916

-192

0

1921

-192

5

1926

-193

0

193

1-1

93

5

193

6-1

94

0

19

41

-19

45

19

46

-19

50

1951

-195

5

195

6-1

96

0

196

1-1

96

5

19

66

-19

70

19

71

-19

75

1976

-198

0

1981

-198

5

1986

-199

0

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


ECARTS RELATIFS A LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LA MOTORISATION DES INDIVIDUS

-4

-3

-2

-1

0

1

ava

nt

191

1

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


308

Figure 5 Profil-type au cours du cycle de vie pour le budget-temps selon la zone

Figure 6 Profil-type au cours du cycle de vie pour le budget-temps selon la motorisation

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LA ZONE DE RESIDENCE

0

20

40

60

80

05-0

9

10

-14

15-1

9

20

-24

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50

-54

55-5

9

60

-64

65-6

9

70-7

4

75-7

9

80 e

t p

lus

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)


PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LA MOTORISATION DES INDIVIDUS

0

30

60

90

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80 e

t p

lus

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)


309

Figure 7 Décalages entre les cohortes pour le budget-temps selon la zone

Figure 8 Décalages entre les cohortes pour le budget-temps selon la motorisation

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LA ZONE DE RESIDENCE

-40

-30

-20

-10

0

10

20

ava

nt

191

1

191

1-1

91

5

191

6-1

92

0

192

1-1

92

5

192

6-1

93

0

19

31-1

93

5

19

36-1

94

0

194

1-1

94

5

194

6-1

95

0

195

1-1

95

5

19

56-1

96

0

19

61-1

96

5

196

6-1

97

0

197

1-1

97

5

197

6-1

98

0

198

1-1

98

5

198

6-1

99

0

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LA MOTORISATION DES INDIVIDUS

-50

-30

-10

10

30

ava

nt

191

1

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


310

Figure 9 Profil-type au cours du cycle de vie pour le budget-distance, selon la zone

Figure 10 Profil-type au cours du cycle de vie pour le budget-distance, selon la motorisation

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LA ZONE DE RESIDENCE

0

5

10

15

20

05-0

9

10

-14

15-1

9

20

-24

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50

-54

55-5

9

60

-64

65-6

9

70-7

4

75-7

9

80 e

t p

lus

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)


PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LA MOTORISATION DES INDIVIDUS

0

5

10

15

20

05-0

9

10-1

4

15-1

9

20-2

4

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50-5

4

55-5

9

60-6

4

65-6

9

70-7

4

75-7

9

80

et

plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)


311

Figure 11 Décalages entre les cohortes pour le budget-distance selon la zone

Figure 12 Décalages entre les cohortes pour le budget-distance selon la motorisation

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LA ZONE DE RESIDENCE

-12,0

-10,0

-8,0

-6,0

-4,0

-2,0

0,0

2,0

ava

nt

1911

1911

-1915

19

16-1

920

19

21-1

925

19

26-1

930

19

31-1

935

19

36-1

940

194

1-1

94

5

1946

-1950

1951-1

955

19

56-1

960

19

61-1

965

196

6-1

97

0

19

71-1

975

197

6-1

98

0

1981

-1985

1986

-1990

Cohortes

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LA MOTORISATION DES INDIVIDUS

-15

-10

-5

0

ava

nt

19

11

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0


312

ANNEXE 9. : PROJECTIONS DE LA MOBILITÉ À LILLE SUIVANT LA ZONE, LA MOTORISATION ET LES TRANCHES D’ÂGE

Tableau 1 Projection du nombre de déplacements suivant la zone de résidence

Zone Année

Centre de Lille Banlieue dense Banlieue moins dense 2000 4,17 4,10 4,03 2005 4,40 4,26 4,21 2010 4,56 4,42 4,35 2015 4,58 4,56 4,49 2020 4,70 4,68 4,62 2025 4,75 4,80 4,73 2030 4,83 4,87 4,79


Tableau 2 Projection du nombre de déplacements suivant la motorisation d’individus

Catégorie de ménages suivant la motorisation Année

Individus appartenant aux ménages sans voiture


voiture

Individus appartenant aux ménages avec deux

et plus de voitures 2000 3,31 4,15 4,39 2005 3,52 4,30 4,54 2010 3,70 4,44 4,65 2015 3,79 4,56 4,75 2020 4,02 4,67 4,84 2025 4,18 4,78 4,91 2030 4,26 4,86 4,96


Figure 1 Projection du nombre de déplacements suivant la tranche d’âge pour les années 2000, 2015 et 2030

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

&+

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

2000 2015 2030

313

Tableau 3 Projection du budget-temps suivant la zone de résidence

Zone Année



Tableau 4 Projection du budget-temps suivant la motorisation des individus




voiture




Figure 2 Projection du budget-temps suivant la tranche d’âge pour les années 2000, 2015 et 2030

0

10

20

30

40

50

60

70

80

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

&+

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

2000 2015 2030

314

Tableau 5 Projection du budget-distance suivant la zone de résidence

Zone Année



Tableau 6 Projection du budget-distance suivant la motorisation des individus




voiture




Figure 3 Projection du budget-distance suivant la tranche d’âge pour les années 2000, 2015 et 2030

0

2

4

6

8

10

12

14

16

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

&+

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

2000 2015 2030

315

ANNEXE 10. PRINCIPE DE CALCUL DE L’INTERVALLE DE CONFIANCE Si on souhaite estimer un intervalle de confiance pour la moyenne d’une variable Y (selon un plan de sondage aléatoire simple sans remise) : L’estimation de la moyenne est donnée par :

∑=

=n

1k

k

n

yy

et l’estimation de la variance de y est égale à :

2ys

nN

)nN()yr(av

−=

Bien souvent N>> n, on peut alors simplifier la formule de la variance par :

n

s)yr(av

2y

≈.

Un intervalle de confiance pour y à 95% est donné par :

( ) ( )[ ]yyyyyIC ˆrav96,1ˆ;ˆrav*96,1ˆ)( +−=

L’hypothèse sous-jacente est que y suit une loi normale.

316

ANNEXE 11. VALIDATION DES PROJECTIONS DE LA MOTORISATION DES INDIVIDUS

Tableau 1 Comparaison modèle-enquêtes toutes zones pour l’équipement des individus

Intervalle de confiance Ménages avec

Année Modèle Borne sup. Borne inf.


modèle-enquêtes

1976 30,7 31,8 30,6 31,2 -1,5% 1987 23,4 21,8 20,1 20,9 +10,6%

Individus sans voiture

1998 18,4 19,2 17,5 18,3 +0,1% 1976 49,4 49,7 48,5 49,1 +0,5% 1987 48,3 51,9 49,8 50,9 -5,3%

Individus mono-équipés 1998 45,5 45,7 43,6 44,6 +2,0%

1976 19,9 20,1 19,2 19,7 +1,1% 1987 28,3 29,2 27,2 28,2 +0,3%

Individus multi-

équipés 1998 36,1 38,1 36,0 37,0 -2,6% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle AC

Tableau 2 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus non-équipés

Intervalle de confiance Zone Année Modèle

Borne sup. Borne inf. Enquête

Différence modèle-enquêtes

1976 37,4 39,9 37,3 38,6 -3,3% 1987 33,2 32,3 28,4 30,3 +8,7%

Centre de Lille

1998 30,2 33,9 29,9 31,9 -5,6% 1976 29,9 32,0 30,4 31,2 -4,6% 1987 22,6 21,2 18,6 19,9 +11,9%

Banlieue dense

1998 17,4 19,5 17,1 18,3 -4,7% 1976 27,4 26,7 24,8 25,7 +5,9% 1987 18,8 18,5 15,5 17,0 +9,3%


1998 12,5 11,1 8,8 10,0 +20,2% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle AC

Tableau 3 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus multi-équipés




1976 16,8 18,0 16,0 17,0 -1,0% 1987 18,6 19,4 16,2 17,8 +4,5%

Centre de Lille

1998 21,7 23,7 20,1 21,9 -1,1% 1976 19,7 20,4 19,0 19,7 +2,1% 1987 27,9 29,4 26,5 27,9 +0,3%

Banlieue dense

1998 36,7 38,2 35,2 36,7 -1,8% 1976 21,9 22,6 20,8 21,7 +0,9%

1987 34,6 36,8 33,0 34,9 -0,8% Banlieue

moins dense 1998 45,2 49,0 45,1 47,1 -4,2%

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle AC

317

Tableau 4 Comparaison modèle-enquêtes selon le sexe pour les individus non équipés et multi-équipés

Intervalle de confiance Sexe

Ménages avec


Enquête Différence modèle-enquêtes

1976 27,7 29,0 27,4 28,2 -1,8% 1987 20,3 18,4 16,0 17,2 +15,1% Hommes

Individus sans

voiture 1998 15,5 15,9 13,7 14,8 +4,3% 1976 33,5 34,7 33,1 33,9 -1,3% 1987 26,3 25,6 23,1 24,3 +7,4% Femmes

Individus sans

voiture 1998 20,9 22,6 20,2 21,4 -2,4% 1976 20,8 21,7 20,3 21,0 -1,1% 1987 30,1 31,3 28,4 29,8 +1,0% Hommes

Individus multi-

équipés 1998 39,1 41,7 38,6 40,1 -2,7% 1976 19,1 19,1 17,9 18,5 +3,3% 1987 26,6 28,0 25,4 26,7 -0,4%

Femmes

Individus multi-


Tableau 5 Comparaison modèle-enquêtes dans l’agglomération entière pour l’équipement des individus de 20 ans et plus




modèle-enquêtes

1976 33,1 33,7 32,4 33,0 +0,2% 1987 24,0 24,0 21,9 22,9 +4,6%


1998 18,7 20,0 18,0 19,0 -1,8% 1976 47,8 48,9 47,5 48,2 -0,7% 1987 48,9 51,4 48,9 50,2 -2,5%


1976 19,1 19,4 18,3 18,8 +1,4% 1987 26,9 28,0 25,8 26,9 +0,2%

Individus multi-

équipés 1998 35,2 36,5 34,2 35,4 -0,4% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

Tableau 6 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus de 20 ans et plus non-équipés




1976 40,7 41,0 38,0 39,5 +3,0% 1987 33,5 34,6 30,1 32,4 +3,4%

Centre de Lille

1998 29,6 33,7 29,2 31,4 -6,3% 1976 32,1 33,7 31,8 32,7 -1,9% 1987 23,6 23,3 20,2 21,8 +7,9%

Banlieue dense

1998 18,8 20,4 17,5 19,0 -0,7% 1976 28,1 29,3 27,0 28,1 +1,3% 1987 18,8 20,6 17,0 18,8 -0,3%


1998 11,3 12,3 9,5 10,9 +3,3% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

318

Tableau 7 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus de 20 ans et plus multi-équipés




1976 15,0 17,1 14,9 16,0 -6,5% 1987 18,0 19,4 15,7 17,5 +2,5%

Centre de Lille

1998 21,3 23,0 19,1 21,1 +0,8% 1976 19,4 19,8 18,2 19,0 +2,1% 1987 26,9 28,6 25,4 27,0 -0,4%

Banlieue dense

1998 34,5 36,7 33,3 35,0 -1,5% 1976 21,9 22,0 19,9 20,9 +4,6% 1987 33,0 35,0 30,7 32,8 +0,5%


1998 45,4 47,5 43,0 45,3 +0,3% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle AC

Tableau 8 Comparaison modèle-enquêtes selon le sexe pour les individus de 20 ans et plus non-équipés et multi-équipés


Ménages avec



1976 28,7 30,0 28,1 29,1 -1,3% 1987 19,8 19,8 17,0 18,4 +7,4% Hommes

Individus sans

voiture 1998 14,3 15,9 13,4 14,6 -2,4% 1976 36,8 37,3 35,5 36,4 +1,2% 1987 27,9 28,4 25,5 26,9 +3,4% Femmes

Individus sans

voiture 1998 22,5 24,1 21,3 22,7 -1,1% 1976 20,3 21,2 19,5 20,3 +0,0% 1987 29,8 31,3 28,0 29,7 +0,4% Hommes

Individus multi-

équipés 1998 39,4 40,9 37,4 39,2 +0,7% 1976 18,0 18,3 16,8 17,6 +2,7% 1987 24,5 25,9 23,0 24,5 -0,1%

Femmes

Individus multi-


Tableau 9 Comparaison modèle-enquêtes dans l’agglomération entière pour l’équipement des individus moins de 20 ans




modèle-enquêtes

1976 25,9 27,5 25,5 26,5 -2,3% 1987 17,6 16,7 13,6 15,1 +14,1%


1998 14,5 17,9 14,7 16,3 -12,5% 1976 52,3 52,8 50,5 51,7 +1,2% 1987 48,0 55,0 50,7 52,9 -10,2%


1976 21,9 22,8 20,9 21,9 -0,1% 1987 34,4 34,0 30,0 32,0 +7,1%

Individus multi-

équipés 1998 40,2 44,2 40,0 42,1 -4,8% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

319

Tableau 10 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus moins de 20 ans non-équipés




1976 34,3 38,2 32,8 35,5 -3,6% 1987 30,2 27,2 19,1 23,1 +23,3%

Centre de Lille

1998 27,3 38,2 28,9 33,5 -22,9% 1976 26,4 28,6 25,7 27,2 -2,7% 1987 17,3 16,6 12,1 14,4 +16,6%

Banlieue dense

1998 14,4 18,5 14,0 16,3 -13,5% 1976 20,5 22,0 19,0 20,5 -0,3% 1987 11,9 14,8 9,9 12,3 -3,5%


1998 8,2 9,2 5,1 7,2 +12,4% Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

Tableau 11 Comparaison modèle-enquêtes selon le lieu de résidence pour les individus moins de 20 ans multi-équipés




1976 20,7 22,4 17,9 20,1 +2,6% 1987 19,6 22,4 15,0 18,7 +4,6%

Centre de Lille

1998 26,8 29,2 20,7 24,9 +6,8% 1976 22,5 22,9 20,2 21,6 +4,1% 1987 33,5 33,7 27,8 30,7 +8,2%

Banlieue dense

1998 39,1 44,4 38,4 41,4 -5,9% 1976 23,1 24,9 21,7 23,3 -1,2% 1987 43,1 43,9 36,6 40,3 +6,6%



Tableau 12 Comparaison modèle-enquêtes selon le sexe pour les individus moins de 20 ans non-équipés et multi-équipés


Ménages avec



1976 25,6 27,4 24,6 26,0 -1,6% 1987 16,0 16,2 11,9 14,0 +12,5% Hommes

Individus sans

voiture 1998 14,5 17,6 13,1 15,3 -5,5% 1976 26,1 28,3 25,4 26,9 -3,0% 1987 19,2 18,4 13,9 16,2 +15,5% Femmes

Individus sans

voiture 1998 14,4 19,6 15,0 17,3 -19,5% 1976 21,6 23,9 21,2 22,6 -4,5% 1987 33,9 33,0 27,4 30,2 +10,8% Hommes

Individus multi-

équipés 1998 41,1 45,9 39,8 42,8 -4,3% 1976 22,1 22,5 19,9 21,2 +4,2% 1987 35,0 36,6 30,9 33,8 +3,5%

Femmes

Individus multi-équipés 1998 39,2 44,4 38,4 41,4 -5,5%

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille

320

Tableau 13 Comparaison modèle-enquêtes selon 2 zones de résidence pour les individus non-équipés




1976 37,4 39,9 37,3 38,6 -3,3% 1987 33,2 32,3 28,4 30,3 +8,7%

Centre de Lille

1998 30,2 33,9 29,9 31,9 -5,6% 1976 28,3 29,8 28,6 29,2 -3,0% 1987 20,5 19,8 17,8 18,8 +8,2% Banlieue 1998 14,8 15,9 14,2 15,1 -1,6%

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle AC

321

ANNEXE 12. VALIDATION DES RÉSULTATS DE PROJECTION DE MOBILITÉ Nombre de déplacements

Tableau 1 Intervalles de confiance pour le modèle du nombre de déplacements par zone

Intervalle de confiance Zone Année Modèle Borne

inférieure Borne

supérieure

Enquête


1976 2,93 2,87 3,00 2,94 -0,2%

1987 3,54 3,44 3,66 3,55 -0,1% Centre-ville

1998 4,07 3,95 4,20 4,07 0,0%

1976 2,95 2,84 2,92 2,88 +2,2%

1987 3,56 3,56 3,74 3,65 -2,6% Banlieue

dense 1998 4,03 3,92 4,11 4,02 +0,3%

1976 2,72 2,62 2,72 2,67 +2,0%

1987 3,43 3,43 3,65 3,54 -3,2% Banlieue

moins dense 1998 3,93 3,83 4,07 3,95 -0,3%

Source : INRETS d’après le modèle AC et EMD 1976, 1987 et 1998 à Lille

Tableau 2 Intervalles de confiance pour le modèle du nombre de déplacements suivant la motorisation

Intervalle de confiance Catégorie de motorisation

Année Modèle Borne inférieure

Borne supérieure

Enquête


1976 2,27 2,21 2,30 2,25 +0,7% 1987 2,68 2,54 2,76 2,65 +1,3%


1998 3,21 3,16 3,43 3,30 -2,7% 1976 3,13 2,98 3,05 3,02 +3,7% 1987 3,67 3,67 3,85 3,76 -2,6%

Individus mono-équipés

1998 4,07 3,91 4,11 4,01 +1,5% 1976 3,44 3,22 3,36 3,29 +4,4% 1987 3,97 3,89 4,12 4,01 -0,9%

Individus multi-équipés


322

Budget-temps

Tableau 3 Intervalles de confiance pour le modèle du budget-temps par zone


Borne super. Borne infer. Enquête


1976 46,9 48,3 45,7 47,0 -0,1%

1987 52,8 54,2 50,0 52,1 +1,2% Centre-ville

1998 59,2 61,9 57,5 59,7 -0,8%

1976 44,5 45,3 43,7 44,5 0,0%

1987 49,7 51,1 48,0 49,5 +0,3% Banlieue dense

1998 53,4 55,4 52,4 53,9 -0,9%

1976 41,5 43,4 41,3 42,4 -2,1%

1987 48,9 49,1 45,6 47,4 +3,2% Banlieue moins dense


Tableau 4 Intervalles de confiance pour le modèle du budget-temps suivant la motorisation



Borne supérieure

Enquête


1976 38,6 37,2 39,2 38,2 +1,1% 1987 44,9 41,3 46,2 43,7 +2,6%


1998 53,4 52,6 58,0 55,3 -3,7% 1976 45,9 44,8 46,4 45,6 +0,7% 1987 50,1 48,7 51,5 50,1 +0,0%


1998 53,2 51,5 54,5 53,0 +0,4% 1976 50,3 49,7 52,8 51,3 -1,9% 1987 54,3 50,5 53,9 52,2 +3,8%



323

Budget-distance

Tableau 5 Intervalles de confiance pour le modèle du budget-distance selon la zone


Borne super. Borne infer.

Résultats des enquêtes


1976 3,9 4,0 3,6 3,8 +2,3% 1987 5,3 5,7 5,0 5,4 -0,5% Centre-ville

1998 6,7 7,2 6,4 6,8 -1,6% 1976 5,8 6,0 5,7 5,8 -0,3% 1987 7,3 7,5 6,9 7,2 +0,8%

Banlieue dense

1998 8,5 8,9 8,2 8,6 -0,3% 1976 6,5 6,6 6,2 6,4 +1,3% 1987 8,6 9,2 8,4 8,8 -1,8%



Tableau 6 Intervalles de confiance pour le modèle du budget-distance suivant la motorisation



Borne supérieure

Enquête


1976 2,9 2,6 2,9 2,8 +4,7% 1987 3,4 3,2 3,8 3,5 -0,7%


1998 4,1 3,8 4,5 4,2 -2,3% 1976 6,2 5,9 6,3 6,1 +1,7% 1987 7,2 6,9 7,5 7,2 +0,5%


1998 8,0 7,7 8,4 8,0 +0,1% 1976 8,8 8,4 9,0 8,7 +1,1% 1987 10,7 10,0 11,0 10,5 +1,4%



324

ANNEXE 13. DIFFÉRENCES ENTRE LES PROJECTIONS RÉALISÉES AVEC ET SANS OBSERVATIONS DE LA PREMIÈRE ENQUÊTE

Figure 1 Différences entre les projections de la mobilité réalisées avec et sans données de l’enquête de 1976


2,5

3,0

3,5

4,0

4,5

5,0

5,5

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

No

mb

re d

e

dép

la/in

d/jo

ur

sans observations de 1976 avec observations de 1976


4

6

8

10

12

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-d

ista

nce

(k

m/in

d/jo

ur)



40

45

50

55

60

65

1975

1980

1985

1990

1995

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)


325

ANNEXE 14. : DÉCOUPAGE DES AGLOMÉRATIONS EN ZONES D’ÉTUDES ET LA MÉTHODE DE CALCUL DES DISTANCES DE DÉPLACEMENTS EN ÎLE DE

FFRANCE ET À LYON • AGGLOMÉRATION D’ÎLE DE FRANCE Les quatre « Enquête Globale de Transport » (EGT) en Île-de-France sont effectuées sur le même périmètre en 1977, 1984, 1992 et 1998 qui englobe les territoires de 8 départements (Figure 1, Tableau1).

Figure 1 Découpage du périmètre d’étude en Île-de-France

Tableau 1 Nom de département, code INSEE et le zonage dans l’Île-de-France

Département de résidence Code départemental 3 zones

Paris 75 1 Hauts de Seine 92 2 Seine Saint Denis 93 2 Val de Marne 94 2 Seine et Marne 77 3 Yvelines 78 3 Essonne 91 3 Val d’Oise 95 3

Pour calculer le plus précisément possible les distances à vol d’oiseau de déplacements, la zone d’enquête est divisée en carreaux élémentaires de 300 mètres de côté (Gallez, 2000). À partir de ce carroyage on calcule d’abord les abscisses et les ordonnées relatives au carroyage, ensuite on calcule les coordonnées d’emboîtement des carreaux, et en fin les coordonnées absolues Xo et Yo sont obtenues par sommation des coordonnées relatives aux différents niveaux d’emboîtement. La distance à vol d’oiseau entre un carroyage d’origine O et un carroyage de destination D s’obtient par l’application de la formule de Pythagore :

22 )()(),( DODO YYXXDOd −+−=

La distance interne à un carreau est supposée égale à 150m.

326

• AGGLOMÉRATION LYONNAISE Les projections de la mobilité dans la région de Lyon sont effectuées en utilisant le découpage en deux zones : Centre Lyon et Banlieue (Figure 2 et Tableau 2).

Figure 2 Découpage du périmètre d’étude à Lyon

Tableau 2 Nom de la commune, code INSSE et le zonage dans l’agglomération lyonnaise

Nom de la commune Code INSEE 2 zones

LYON 69 123 1 CALUIRE ET CUIRE 69 034 1 VILLEURBANNE 69 266 1 BRON 69 029 2 CHAMPAGNE 69 040 2 ECULLY 69 080 2 FONTAINES SUR SAONE 69 088 2 LA MULATIERE 69 142 2 OULLINS 69 149 2 PIERRE-BENITE 69 152 2 SAINT FONS 69 199 2 SAINTE FOY LES LYON 69 202 2 SAINT GENIS-LAVAL 69 204 2 TASSIN 69 244 2 VAULX EN VELIN 69 256 2 VENISSIEUX 69 259 2 RILLIEUX 69 286 2 SATHONAY CAMP 69 292 2 Également, l’agglomération de Lyon est découpée en 55 zones pour calculer les distances à vol d’oiseau de déplacements. Elles sont estimées entre le centroide de la zone d’origine et le centroide de la zone de destination en utilisant la formule classique, mentionnée ci-dessus. Pour la distance interne à une zone on utilise la formule suivante :

zoneladesurfacecedis ⋅= 5,0tan

327

ANNEXE 15. TAILLE DES MÉNAGES OBSERVÉE DANS LES ENQUÊTES ET ESTIMATIONS DES PROFILS-TYPES ET ÉCARTS ENTRE LES COHORTES

Tableau 1 Part de la population dans les quatre groupes de ménages suivant la zone et le sexe

Années Groupe de ménage

Centre-Lille

Banlieue dense


Hommes Femmes Total

(en %)

m1 2,2 3,5 1,4 1,8 5,4 7,1 m2 7,2 15,0 7,0 14,0 15,3 29,2 m3 7,4 17,1 11,2 17,6 18,1 35,7

1976

m4 4,7 13,7 9,6 14,0 13,9 27,9

TOTAL 21,5 49,4 29,2 47,3 52,7 100,00

m1 3,4 5,2 2,1 3,5 7,2 10,7 m2 6,2 15,4 8,2 14,3 15,6 29,9 m3 5,7 19,9 13,4 19,7 19,3 39,0

1987

m4 3,2 10,5 6,8 10,1 10,4 20,4

TOTAL 18,5 51,0 30,6 47,6 52,4 100,00

m1 5,1 6,2 2,9 5,0 9,1 14,1 m2 5,9 15,0 8,6 13,9 15,6 29,5 m3 5,3 17,2 14,1 18,4 18,3 36,6

1998

m4 3,1 11,1 5,5 9,6 10,1 19,7

TOTAL 19,4 49,5 31,1 46,9 53,1 100,00 Source : Calcul INRETS-DEST suivant les Enquêtes Ménages Déplacements à Lille 1976, 1987 et 1998

328

Figure 1 Profil-type de cycle de vie pour le nombre de déplacements suivant le type de ménage

Figure 2 Décalages entre les cohortes pour le nombre de déplacements suivant le type de ménage

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LE TYPE DE MENAGES

0

2

4

6

05

-09

10

-14

15

-19

20

-24

25

-29

30

-34

35

-39

40

-44

45

-49

50

-54

55

-59

60

-64

65

-69

70

-74

75

-79

80

et

plu

s

Tranche d'âge d'individus

No

mb

re d

e d

épla

cem

ents

/ind

ivid

u/jo

ur

m1 m2 m3 m4

ECARTS RELATIFS A LA GENERATION 1966-1970 NOMBRE DE DEPLACEMENTS SUIVANT LE TYPE DE MENAGE

-4,0

-3,5

-3,0

-2,5

-2,0

-1,5

-1,0

-0,5

0,0

0,5

1,0

1,5

ava

nt

191

1

19

11

-19

15

19

16

-19

20

19

21

-19

25

19

26

-19

30

19

31

-19

35

19

36

-19

40

19

41

-19

45

19

46

-19

50

19

51

-19

55

19

56

-19

60

19

61

-19

65

19

66

-19

70

19

71

-19

75

19

76

-19

80

19

81

-19

85

19

86

-19

90

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

m1 m2 m3 m4

329

Figure 3 Profil-type de cycle de vie pour le budget-distance suivant le type de ménage

Figure 4 Décalages entre les cohortes pour le budget-distance suivant le type de ménage

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LE TYPE DE MENAGES

0

3

6

9

12

15

05-0

9

10-1

4

15-1

9

20-2

4

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50-5

4

55-5

9

60-6

4

65-6

9

70-7

4

75-7

9

80

et

plu

s

Tranche d'âge d'individus

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

m1 m2 m3 m4

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-DISTANCE SUIVANT LE TYPE DE MENAGE

-10

-8

-6

-4

-2

0

2

4

ava

nt

191

1

191

1-1

915

191

6-1

920

192

1-1

925

192

6-1

930

193

1-1

935

193

6-1

940

194

1-1

945

194

6-1

950

195

1-1

955

195

6-1

960

196

1-1

965

196

6-1

970

197

1-1

975

197

6-1

980

198

1-1

985

198

6-1

990

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

m1 m2 m3 m4

330

Figure 5 Profil-type de cycle de vie pour le budget-temps suivant le type de ménage

Figure 6 Décalages entre les cohortes pour le budget-temps suivant le type de ménage

ECARTS RELATIFS A LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LE TYPE DE MENAGE

-40

-35

-30

-25

-20

-15

-10

-5

0

5

10

15

avan

t 19

11

191

1-1

915

191

6-1

920

192

1-1

925

192

6-1

930

193

1-1

935

193

6-1

940

194

1-1

945

194

6-1

950

195

1-1

955

195

6-1

960

196

1-1

965

196

6-1

970

197

1-1

975

197

6-1

980

198

1-1

985

198

6-1

990

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

de

1966

-197

0

m1 m2 m3 m4

PROFIL-TYPE AU COURS DU CYCLE DE VIE POUR LA GENERATION 1966-1970 BUDGET-TEMPS SUIVANT LE TYPE DE MENAGES

0

20

40

60

80

05-0

9

10-1

4

15-1

9

20-2

4

25-2

9

30-3

4

35-3

9

40-4

4

45-4

9

50-5

4

55-5

9

60-6

4

65-6

9

70-7

4

75-7

9

80

et

plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

m1 m2 m3 m4

331

Figure 7 Projections du nombre de déplacements, modèle âge-cohorte suivant la taille de ménage

PROJECTIONS DU BUDGET-DISTANCE SUIVANT LA TAILLE DE MENAGE

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Années

Bu

dg

et-d

ista

nce

(en

km

/ind

/jou

r)

m1 m2 m3 m4

Figure 8 Projections du budget-distance, modèle âge-cohorte suivant la taille de ménage

PROJECTIONS DU NOMBRE DE DEPLACEMENTS SUIVANT LA TAILLE DE MENAGE

3,0

3,5

4,0

4,5

5,0

5,5

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

m1 m2 m3 m4

332

PROJECTIONS DU BUDGET-TEMPS SUIVANT LA TAILLE DE MENAGE

48

52

56

60

64

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Années

Bu

dg

et-t

emp

s (e

n m

in/in

d/jo

ur)

m1 m2 m3 m4

Figure 9 Projections du budget-temps, modèle âge-cohorte suivant la taille de ménage

Tableau 2 Projections de la mobilité par groupes de ménages

Type de ménage

m1 m2 m3 m4

Années

Nom

bre

de d

épla

.

Bud

get-

dist

ance

Bud

get-

tem

ps

Nom

bre

de d

épla

.

Bud

get-

dist

ance

Bud

get-

tem

ps

Nom

bre

de d

épla

.

Bud

get-

dist

ance

Bud

get-

tem

ps

Nom

bre

de d

épla

.

Bud

get-

dist

ance

Bud

get-

tem

ps

2000 3,83 7,3 56,8 3,89 9,7 52,9 4,30 9,4 55,6 4,29 7,9 56,2 2005 3,95 7,6 57,5 4,13 10,4 55,0 4,47 9,9 56,7 4,42 8,2 56,3 2010 4,05 7,9 58,5 4,30 10,7 55,5 4,60 10,2 57,6 4,54 8,5 56,9

2015 4,10 8,0 58,2 4,35 11,0 54,3 4,71 10,5 58,6 4,66 8,7 57,9 2020 4,31 8,3 61,1 4,40 11,4 53,5 4,79 10,7 59,4 4,72 8,9 58,5 2025 4,42 8,5 60,4 4,49 11,7 53,7 4,86 10,9 59,9 4,76 9,0 58,7 2030 4,42 8,5 60,8 4,59 12,1 54,4 4,93 11,1 60,2 4,81 9,1 58,3


333

ANNEXE 16. VALIDATION DES PROJECTIONS SUIVANT LA RÉGRESSION ET LES INTERVALLES DE CONFIANCE POUR LE MODÈLE PAR LA TAILLE DES

MÉNAGES

Tableau 1 Validation du modèle pour le nombre de déplacements

Intervalle de confiance Groupe de ménage

Année Modèle Borne inférieur Borne supérieure


1976 2,25 1,98 2,16 2,07 1987 2,99 3,01 3,37 3,19 m1

1998 3,71 3,58 3,90 3,74 1976 2,79 2,67 2,77 2,72 1987 3,25 3,20 3,41 3,31 m2

1998 3,78 3,64 3,88 3,76 1976 3,20 3,00 3,09 3,05 1987 3,78 3,77 3,96 3,87 m3

1998 4,21 4,09 4,31 4,20 1976 3,01 2,82 2,92 2,87 1987 3,61 3,59 3,86 3,72

m4

1998 4,20 4,05 4,36 4,21 Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle Age-Cohorte

Tableau 2 Validation du modèle pour le budget-temps




1976 35,9 33,2 37,1 35,1 1987 45,9 43,1 49,3 46,2 m1

1998 55,5 54,3 60,1 57,2 1976 43,8 42,6 44,8 43,7 1987 47,3 45,2 48,9 47,0 m2

1998 51,8 49,9 53,6 51,8 1976 47,0 45,8 47,8 46,8 1987 51,7 48,8 51,8 50,3 m3

1998 55,1 54,3 57,7 56,0 1976 45,5 43,4 45,5 44,5 1987 52,4 50,1 55,0 52,5

m4


334

Tableau 3 Validation du modèle pour le budget-distance




1976 3,6 2,9 3,5 3,2 1987 5,8 5,6 6,8 6,2 m1

1998 7,1 6,6 7,7 7,1 1976 6,2 5,8 6,2 6,0 1987 7,6 7,3 8,1 7,7 m2

1998 9,3 8,8 9,8 9,3 1976 6,5 6,0 6,4 6,2 1987 8,0 7,5 8,2 7,8 m3

1998 9,1 9,0 9,8 9,4 1976 5,2 4,8 5,1 5,0 1987 6,5 6,0 7,0 6,5

m4


Tableau 4 Validation des résultats du modèle avec la régression

Statistiques Nombre de déplacements

Budget-temps Budget-distance

R2 0,9571 0,9494 0,9721

Constante -0,0667 -0,6336 -0,1692

Pente 1,0162 1,0112 1,0210

t-constante -1,1800 -0,7300 -1,6800

t-pente 65,2800 59,9000 81,3700 Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle Age-Cohorte

335

ANNEXE 17. PROJECTIONS ET VALIDATION DES RÉSULTATS DU MODÈLE SUIVANT L’ACTIVITÉ DE LA POPULATION

Tableau 1 Projections de la mobilité selon l’activité et le sexe


Sexe Années de projection


Budget-distance

Budget-temps

2000 3,74 6,5 51,7 2015 4,18 7,6 55,0

Hommes

2030 4,76 9,0 62,3 2000 3,50 5,4 46,6 2015 4,00 6,0 50,1

Inactifs

Femmes

2030 4,55 7,0 56,3 2000 4,50 14,0 61,4 2015 4,63 14,8 61,9

Hommes

2030 4,52 14,5 61,0 2000 4,77 12,1 63,4 2015 5,01 12,9 65,3

Actifs

Femmes

2030 4,98 12,6 64,7 Source : Calcul INRETS suivant les EMD à Lille 1976, 1987 et 1998 et les projections de la population d’INSEE

Figure 1 Projections du nombre de déplacements suivant l’activité et le sexe

PROJECTIONS DU NOMBRE DE DEPLACEMENTS SELON L'ACTIVITE ET LE SEXE

2,0

2,5

3,0

3,5

4,0

4,5

5,0

5,5

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Hommes inactifs Femmes inactives Hommes actifs Femmes actives

336

Figure 2 Projections du budget-temps suivant l’activité et le sexe

Figure 3 Projections du budget-distance suivant l’activité et le sexe

PROJECTIONS DU BUDGET-TEMPS SELON L'ACTIVITE ET LE SEXE

30

35

40

45

50

55

60

65

70

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)


PPROJECTIONS DU BUDGET-DISTANCE SELON L'ACTIVITE ET LE SEXE

0

2

4

6

8

10

12

14

16

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)


337

Tableau 2 Projections de la mobilité selon l’activité et la zone de résidence


Zone Années de projection


Budget-distance

Budget-temps

2000 3,80 4,5 57,1 Centre ville 2030 4,43 5,4 66,7 2000 3,60 5,7 47,2 Banlieue

dense 2030 4,47 7,5 56,4 2000 3,52 6,8 46,8

Inactifs

Banlieue moins dense 2030 4,98 10,2 60,9

2000 4,34 9,8 61,7 Centre ville 2030 4,62 10,3 63,5 2000 4,72 13,4 63,7 Banlieue

dense 2030 4,80 13,9 63,2 2000 4,61 14,4 60,0

Actifs

Banlieue moins dense 2030 4,65 14,3 60,1


Figure 4 Projections du nombre de déplacements suivant l’activité et la zone de résidence

PROJECTIONS DU NOMBRE DE DEPLACEMENTS SELON L'ACTIVITE ET LA ZONE DE RESIDENCE

2,0

2,5

3,0

3,5

4,0

4,5

5,0

5,5

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

Centre Inactifs Centre Actifs Banlieue dense Inactifs

Banlieue dense Actifs Banlieue moins dense Inactifs Banlieue moins dense Actifs

338

Figure 5 Projections du budget-temps suivant l’activité et la zone de résidence

Figure 6 Projections du budget-distance suivant l’activité et la zone de résidence

PROJECTIONS DU BUDGET-TEMPS SELON L'ACTIVITE ET LA ZONE DE RESIDENCE

30

35

40

45

50

55

60

65

70

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

Centre ville-Inactifs Centre ville-Actifs Banlieue dense-Inactifs

Banlieue dense-Actifs Banlieue moins dense-Inactifs Banlieue moins dense-Actifs

PROJECTIONS DU BUDGET-DISTANCE SELON L'ACTIVITE ET LA ZONE DE RESIDENCE

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

Centre ville-Inactifs Centre ville-Actifs Banlieue dense-Inactifs

Banlieue dense-Actifs Banlieue moins dense-Inactifs Banlieue moins dense-Actifs

339

Figure 7 Projections du nombre de déplacements par le modèle actifs/inactifs suivant les tranches d’âge pour 2000, 2015 et 2030

Figure 8 Projections du budget-distance par le modèle actifs/inactifs suivant les tranches d’âge pour 2000, 2015 et 2030


0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Bu

dge

t-d

ista

nce

(k

m/in

d/jo

ur)

2000 2015 2030


0,0

1,0

2,0

3,0

4,0

5,0

6,0

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Nb

de

dé

pla

ce

men

ts

2000 2015 2030

340

Figure 9 Projections du budget-temps par le modèle actifs/inactifs suivant les tranches d’âge pour 2000, 2015 et 2030

Validation des projections par la régression :

Tableau 3 Validation du modèle avec les populations active et inactive (96 obs*)

R2, paramètres estimés et statistiques


Budget-distance Budget-temps

R2 0,9537 0,9733 0,9613 Constante -0,0721 0,1469 -0,6762

Pente 1,0145 0,9527 1,0073 t-constante -0,87 1,08 -0,63

t-pente 44,24 58,58 48,60 Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle âge-cohorte

* La régression contient 96 observations (3 années d’enquêtes, 2 catégories de population et 16 tranches d’âge).

Tableau 4 Validation du modèle avec les populations active et inactive selon le sexe (192** obs)




R2 0,9420 0,9392 0,9622 Constante -0,0551 0,1325 -0,5784



** La régression par les résultats concernant les 16 tranches d’âge, 2 sexes, 2 catégories de la population et 3 années d’enquêtes (192 observations)


0,0

10,0

20,0

30,0

40,0

50,0

60,0

70,0

80,0

05

_0

9

10

_1

4

15

_1

9

20

_2

4

25

_2

9

30

_3

4

35

_3

9

40

_4

4

45

_4

9

50

_5

4

55

_5

9

60

_6

4

65

_6

9

70

_7

4

75

_7

9

80

et +

Tranche d'âge

Bu

dg

et-

tem

ps

(m

in/in

d/jo

ur)

2000 2015 2030

341

Tableau 5 Validation du modèle avec les populations active et inactive selon les zones (288*** obs)




R2 0,9276 0,9539 0,9156 Constante -0,0547 0,0976 -0,2429



*** La régression est suivant les 16 tranches d’âge, 3 zones 2 catégorie de la population et 3 années d’enquêtes. Validation des projections par l’intervalle de confiance :

Tableau 6 Validation du modèle par l’intervalle de confiance pour le nombre de déplacements d’inactifs/actifs

NOMBRE DE DÉPLACEMENTS

Intervalle de confiance Catégorie de population

Année Modèle

Borne inférieur Borne supérieure


1976 2,62 2,47 2,55 2,51 1987 3,10 3,10 3,25 3,17 Inactifs

1998 3,55 3,55 3,71 3,63

1976 3,41 3,19 3,27 3,23 1987 4,05 4,22 4,04 4,13 Actifs

1998 4,54 4,36 4,57 4,47 Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle âge-cohorte

Tableau 7 Validation du modèle par l’intervalle de confiance pour le budget-distance d’inactifs/actifs

BUDGET-DISTANCE


Année Modèle



1976 3,6 3,3 3,5 3,4 1987 4,7 4,5 4,9 4,7 Inactifs

1998 5,8 5,8 6,3 6,1 1976 8,8 8,1 8,5 8,3 1987 11,0 10,3 11,1 10,7 Actifs


342

Tableau 8 Validation du modèle par l’intervalle de confiance pour le budget-temps d’inactifs/actifs

BUDGET-TEMPS


Année Modèle



1976 37,5 36,4 37,7 37,0 1987 43,8 41,5 44,2 42,8 Inactifs

1998 48,6 48,3 51,1 49,7 1976 54,6 52,6 54,5 53,6 1987 58,0 56,1 59,0 57,5 Actifs


Tableau 9 Validation du modèle par l’intervalle de confiance pour le nombre de déplacements suivant le sexe


Intervalle de confiance SEXE Année Modèle



1976 3,20 2,98 3,06 3,02 1987 3,65 3,65 3,82 3,74 Hommes

1998 4,07 3,96 4,14 4,05 1976 2,78 2,62 2,70 2,66 1987 3,41 3,39 3,56 3,47 Femmes


Tableau 10 Validation du modèle par l’intervalle de confiance pour le budget-distance suivant le sexe

BUDGET-DISTANCE




1976 7,4 6,9 7,3 7,1 1987 8,7 8,1 8,8 8,5 Hommes

1998 10,2 9,5 10,3 9,9 1976 4,6 4,1 4,3 4,2 1987 6,3 6,1 6,6 6,3 Femmes


343

Tableau 11 Validation du modèle par l’intervalle de confiance pour le budget-temps suivant le sexe d’individus

BUDGET-TEMPS




1976 50,3 48,2 50,0 49,1 1987 53,2 51,4 54,4 52,9 Hommes

1998 56,3 55,3 58,4 56,9 1976 40,6 39,5 40,9 40,2 1987 47,1 44,8 47,4 46,1 Femmes


Tableau 12 Validation du modèle pour le nombre de déplacements suivant la zone de résidence





1976 3,03 2,87 3,00 2,94 1987 3,54 3,44 3,66 3,55 Centre ville

1998 3,99 3,95 4,20 4,07 1976 3,03 2,84 2,92 2,88 1987 3,56 3,56 3,74 3,65 Banlieue dense

1998 4,06 3,92 4,11 4,02 1976 2,84 2,62 2,72 2,67 1987 3,45 3,43 3,65 3,54

Banlieue

moins dense 1998 3,95 3,83 4,07 3,95 Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle âge-cohorte

Tableau 13 Validation du modèle pour le budget-distance suivant la zone de résidence

BUDGET-DISTANCE




1976 4,1 3,6 4,0 3,8 1987 5,5 5,0 5,7 5,4 Centre ville

1998 6,9 6,4 7,2 6,8 1976 6,1 5,7 6,0 5,8 1987 7,4 6,9 7,5 7,2 Banlieue dense

1998 9,0 8,2 9,0 8,6 1976 6,9 6,2 6,6 6,4 1987 8,9 8,4 9,2 8,8

Banlieue

moins dense 1998 10,2 9,8 10,8 10,3

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle âge-cohorte

344

Tableau 14 Validation du modèle pour le budget-temps suivant la zone de résidence

BUDGET-TEMPS




1976 48,1 45,7 48,3 47,0 1987 52,9 50,0 54,2 52,1 Centre ville

1998 58,3 57,5 61,9 59,7 1976 45,3 43,7 45,3 44,5 1987 49,9 48,0 51,1 49,5 Banlieue dense

1998 54,2 52,4 55,4 53,9 1976 43,0 41,3 43,4 42,4 1987 48,8 45,6 49,1 47,4

Banlieue

moins dense 1998 52,6 52,1 56,0 54,0

Source : INRETS d’après EMD 1976, 1987 et 1998 à Lille et le modèle âge-cohorte

345

ANNEXE 18. : TESTS DE LA SENSIBILITÉ DU MODÈLE

Figure 1 Comparaisons des projections du nombre de déplacements suivant les deux projections de la taille des ménages

Figure 2 Comparaisons des projections du budget-distance suivant les deux projections de la taille des ménages

2,8

3,2

3,6

4,0

4,4

4,8

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

20

15

20

20

20

25

20

30

Année

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

la taille des ménages de 1998 la taille des ménages de 1976

5,0

6,0

7,0

8,0

9,0

10,0

11,0

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)


346

Figure 3 Comparaisons des projections du budget-temps suivant les deux projections de la taille des ménages

40

45

50

55

60

197

5

198

0

198

5

199

0

199

5

200

0

200

5

201

0

201

5

202

0

202

5

203

0

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)


347

Figure 4 Comparaison des projections du nombre de déplacements issues du modèle spécifié avec les deux projections de la taille de ménages (ménages m1, m2, m3 et m4)

3,0

3,3

3,6

3,9

4,2

4,5

4,8

2000

2005

2010

2015

2020

2025

2030

Année

No

mb

re d

e d

épla

cem

ents

m1 la taille de ménages de 1998




4,2

4,5

4,8

2000

2005

2010

2015

2020

2025

2030

Année

No

mb

re d

e d

épla

cem

ents





348

Figure 5 Comparaison des projections du budget-distance issues du modèle spécifié avec les deux projections de la taille de ménages (ménages m1, m2, m3 et m4)

5,0

9,0

13,0

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-d

ista

nce


m1la taille de ménages de 1976



6,0

9,0

12,0

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-d

ista

nce





349

Figure 6 Comparaison des projections du budget-temps issues du modèle spécifié avec les deux projections de la taille de ménages (ménages m1, m2, m3 et m4)

43,0

48,0

53,0

58,0

63,0

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-t

emp

s





53,0

58,0

63,0

2000

2005

2010

2015

2020

2025

2030

Année

Bu

dg

et-t

emp

s

m3 la taille de ménages de 1998m3 la taille de ménages de 1976

m4 la taille de ménages de 1998m4 la taille de ménages de 1976

350

Tableau 1 Résultats des projections du nombre de déplacements obtenus suivant différentes spécifications du modèle

Projections du nombre de déplacements suivant différentes spécifications de modèles

Année Actif/Inactif de l’INSEE

Taille de ménages

AC classique

Sans enquête de

1976

Actifs+ (étudiants,

autres)

(Actifs, étudiants) +autres

1975 2,90 2,89 2,88 3,27 2,89 2,90 1980 3,17 3,14 3,15 3,43 3,14 3,14 1985 3,42 3,40 3,41 3,59 3,41 3,39 1990 3,67 3,66 3,66 3,75 3,65 3,64

1995 3,89 3,89 3,88 3,89 3,89 3,88 2000 4,10 4,11 4,09 4,02 4,10 4,11 2005 4,25 4,28 4,27 4,12 4,27 4,29 2010 4,36 4,41 4,42 4,21 4,40 4,44 2015 4,47 4,49 4,54 4,28 4,51 4,59 2020 4,57 4,58 4,66 4,35 4,62 4,72 2025 4,67 4,66 4,77 4,41 4,73 4,86 2030 4,74 4,71 4,84 4,44 4,81 4,95


Tableau 2 Résultats des projections du budget-distance obtenus suivant différentes spécifications du modèle

Projections du budget-distance suivant différentes spécifications de modèles


Taille de ménages

AC classique

Sans enquête de

1976


autres)


1975 5,7 5,6 5,6 6,4 5,7 5,7 1980 6,4 6,3 6,3 7,0 6,3 6,3 1985 7,2 7,1 7,1 7,5 7,0 7,0

1990 7,8 7,7 7,7 8,0 7,6 7,6 1995 8,5 8,3 8,3 8,4 8,2 8,3 2000 9,2 8,9 8,9 9,0 9,1 8,9 2005 9,8 9,4 9,4 9,3 9,5 9,4 2010 10,2 9,7 9,8 9,6 9,7 9,6 2015 10,3 9,9 10,1 9,7 9,8 9,9 2020 10,5 10,2 10,4 9,9 10,0 10,1 2025 10,7 10,4 10,7 10,1 10,1 10,3 2030 10,8 10,7 10,9 10,2 10,2 10,6


351

Tableau 3 Résultats des projections du budget-temps obtenus suivant différentes spécifications du modèle

Projections du budget-temps suivant différentes spécifications de modèles


Taille de ménages

AC classique

Sans enquête de

1976


autres)


1975 44,6 44,3 44,1 45,3 44,4 44,6 1980 46,8 46,4 46,6 47,2 46,4 46,2 1985 49,2 48,9 49,1 49,4 48,8 48,5 1990 51,5 51,4 51,4 51,6 51,2 51,0 1995 53,4 53,4 53,4 53,4 53,2 53,2 2000 55,4 55,1 54,9 55,2 55,3 55,3 2005 56,5 56,3 56,1 56,2 56,6 56,7 2010 57,2 57,0 56,8 57,1 57,5 57,8 2015 58,2 57,1 57,3 57,8 58,7 59,1 2020 59,6 57,6 58,1 58,6 60,1 60,6 2025 60,9 57,8 58,6 59,3 61,4 62,1 2030 61,5 58,1 58,7 59,6 62,2 63,1


352

ESTIMATIONS DE PROFIL-TYPE ET ÉCARTS ENTRE COHORTES SUIVANT LE MODÈLE AVEC TRANCHES D’ÂGE ET COHORTES DÉCENNALES

Figure 7 Profil-type et écarts entre cohortes pour le nombre de déplacements – modèle avec tranches d’âge et cohortes décennales

PROFIL-TYPE POUR LA GENERATION 1965-1974

0

1

2

3

4

5

6

05

_1

4

15

_2

4

25

_3

4

35

_4

4

45

_5

4

55

_6

4

65

_7

4

75

_8

4

85

et

plu

s

Tranche d'âge

No

mb

re d

e d

ép

lac

em

en

ts

Hommes Femmes

ECARTS ENTRE LES COHORTES POUR LE NOMBRE DE DEPLACEMENTS

-3,9

-2,9

-1,9

-0,9

0,1

1,1

ava

nt 1

90

5

19

05

_1

91

4

19

15

_1

92

4

19

25

_1

93

4

19

35

_1

94

4

19

45

_1

95

4

19

55

_1

96

4

19

65

_1

97

4

19

75

-19

84

19

85

_1

99

4

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

19

65-1

974

Hommes Femmes

353

Figure 8 Profil-type et écarts entre cohortes pour le budget-distance – modèle avec tranches d’âge et cohortes décennales


0

2

4

6

8

10

12

14

05

_1

4

15

_2

4

25

_3

4

35

_4

4

45

_5

4

55

_6

4

65

_7

4

75

_8

4

85

et

plu

s

Tranche d'âge

Bu

dg

et-

dis

tan

ce

Hommes Femmes

ECARTS ENTRE LES COHORTES POUR LE BUDGET-DISTANCE

-12

-10

-8

-6

-4

-2

0

2

avant

1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975-1

984

1985_1994

Cohorte

Eca

rts

rela

tifs

à la

g

énér

atio

n 1

965-

1974

Hommes Femmes

354

Figure 9 Profil-type et écarts entre cohortes pour le budget-temps – modèle avec tranches d’âge et cohortes décennales


0

10

20

30

40

50

60

70

05

_1

4

15

_2

4

25

_3

4

35

_4

4

45

_5

4

55

_6

4

65

_7

4

75

_8

4

85

et

plu

s

Tranche d'âge

Bu

dg

et-

tem

ps

Hommes Femmes

ECARTS ENTRE LES COHORTES POUR LE BUDGET-TEMPS

-50

-40

-30

-20

-10

0

10

20

avant

1905

1905_1914

1915_1924

1925_1934

1935_1944

1945_1954

1955_1964

1965_1974

1975-1

984

1985_1994

Cohorte

Eca

rts

rela

tifs

à la

gén

érat

ion

19

65-1

974

Hommes Femmes

355

Figure 10 Projections du nombre de déplacements par tranche d’âge décennales - modèle avec tranches d’âge et cohortes décennales

Figure 11 Projections du budget-distance par tranche d’âge décennales - modèle avec tranches d’âge et cohortes décennales

PROJECTIONS DU BUDGET-DISTANCE SUIVANT LES TRANCHES D'AGE DECENNALES

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

05

_1

4

15

_2

4

25

_3

4

35

_4

4

45

_5

4

55

_6

4

65

_7

4

75

_8

4

85

et

plu

s

Tranche d'âge

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

2000 2010 2020 2030

PROJECTIONS DU NOMBRE DE DEPLACEMENTS SUIVANT LES TRANCHES D'AGE DECENNALES

0,0

1,0

2,0

3,0

4,0

5,0

6,0

05

_14

15

_24

25

_34

35

_44

45

_54

55

_64

65

_74

75

_84

85 e

t p

lus

Tranche d'âge

No

mb

re d

e d

épla

cem

ents

/ind

/jou

r

2000 2010 2020 2030

356

Figure 12 Projections du budget-temps par tranche d’âge décennales - modèle avec tranches d’âge et cohortes décennales

Figure 13 Comparaisons entre les projections du nombre de déplacements suivant le sexe estimées suivant le modèle avec les tranches d’âge et cohortes décennales et le modèle avec les tranches d’âge et cohortes quinquennales

PROJECTIONS DU BUDGET-TEMPS SUIVANT LES TRANCHES D'AGE DECENNALES

0

10

20

30

40

50

60

70

80

05_

14

15_

24

25_

34

35_

44

45_

54

55_

64

65_

74

75_

84

85 e

t plu

s

Tranche d'âge

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

2000 2010 2020 2030

COMPARAISONS ENTRE LES PROJECTIONS DU NOMBRE DE DEPLACEMENTS SUIVANT LE SEXE

4,0

4,1

4,2

4,3

4,4

4,5

4,6

4,7

4,8

4,9

5,0

2000

2010

2020

2030

Année

No

mb

re d

e d

épla

cem

ents

Hommes (âge et cohortes décennales) Hommes (âge et cohortes quinquennales

Femmes (âge et cohortes décennales) Femmes (âge et cohortes quinquennales)

357

Figure 14 Comparaisons entre les projections du budget-distance suivant le sexe estimées suivant le modèle avec les tranches d’âge et cohortes décennales et le modèle avec les tranches d’âge et cohortes quinquennales

Figure 15 Comparaisons entre les projections du budget-temps suivant le sexe estimées suivant le modèle avec les tranches d’âge et cohortes décennales et le modèle avec les tranches d’âge et cohortes quinquennales

COMPARAISONS ENTRE LES PROJECTIONS DU BUDGET-DISTANCE SUIVANT LE SEXE

6,0

7,0

8,0

9,0

10,0

11,0

12,0

200

0

201

0

202

0

203

0

Année

Bu

dg

et-d

ista

nce

(km

/ind

/jou

r)

Hommes (âge et cohortes décennales) Hommes (âge et cohortes quinquennales)


COMPARAISONS ENTRE LES PROJECTIONS DU BUDGET-TEMPS SUIVANT LE SEXE

52

54

56

58

60

2000

2010

2020

2030

Année

Bu

dg

et-t

emp

s (m

in/in

d/jo

ur)

Hommes (âge et cohortes décennales) Hommes (âge et cohortes quinquennales)


358

ANNEXE 19. LOCALISATION DE DEUX LIGNES DE MÉTRO DANS L’AGGLOMÉRATION LILLOISE

Figure 1 Disposition des deux lignes de métro dans l’agglomération lilloise et les stations desservies (Source : http://ustl.univ-lille1.fr/ust1/images/metro.gif)

AMÉLIORATIONS DE L’APPROCHE …doxa.u-pec.fr/theses/th0224141.pdf · mobilitÉ urbaine, son...

Documents

Transcript of AMÉLIORATIONS DE L’APPROCHE …doxa.u-pec.fr/theses/th0224141.pdf · mobilitÉ urbaine, son...