THÈSE - u-bordeaux.frori-oai.u-bordeaux1.fr/pdf/2012/CUCU_GRAINDORGE_TATIANA_2012.pdf · Je tiens...

Université Bordeaux 1

Les Sciences et les Technologies au service de l’Homme et de l’environnement

N° d’ordre : 4488

THÈSE

PRÉSENTÉE A

L’UNIVERSITÉ BORDEAUX 1

ÉCOLE DOCTORALE DES SCIENCES PHYSIQUES ET DE L’INGENIEUR

Par Tatiana CUCU épouse GRAINDORGE

POUR OBTENIR LE GRADE DE

DOCTEUR

SPÉCIALITÉ : PRODUCTIQUE

CONTRIBUTION A UNE METHODOLOGIE

D’EVALUATION A PRIORI DES PROJETS DE

TRANSPORT URBAIN DURABLE

Soutenue le : 15 février 2012

Devant la commission d’examen formée de :

Mike MCDONALD Président

Professeur, Université de Southampton, Royaume Uni

Patrick BURLAT Rapporteur

Professeur, Ecole des Mines de Saint-Etienne

Daniel JOLLY Rapporteur

Professeur, Université d’Artois

Rémy DUPAS Examinateur

Professeur, Université de Bordeaux 1 Dominique BREUIL Examinateur

Directeur de la recherche, EIGSI de La Rochelle

Yves DUCQ Directeur de thèse

Professeur, Université de Bordeaux 1

Luminiţa ION Co-directrice de thèse

Enseignant chercheur, EIGSI de La Rochelle

Remerciements

Je tiens en premier lieu à remercier Luminita Ion et Yves Ducq, qui m’ont encadrée tout au long de cette thèse. Je leur suis reconnaissante de la confiance qu’ils m’ont faite et les remercie pour le temps qu’ils m’ont consacré. Leur humanité m’a beaucoup aidée à avancer.

Je suis également très reconnaissante à Mike McDonald, de m’avoir fait l’honneur de présider mon jury de thèse et d’avoir fait un long voyage pour assister à ma soutenance. Notre discussion dans la langue de Shakespeare a été un moment riche en idées et suggestions.

Mes remerciements vont également à Patrick Burlat et Daniel Jolly

qui ont accepté d’être rapporteurs de cette thèse. Je les remercie infiniment pour l’intérêt et le temps qu’ils ont accordés à la lecture de mon document.

J’adresse aussi mes remerciements à Rémy Dupas et à Dominique Breuil pour leur contribution à l’évaluation de mon travail et pour toutes leurs remarques et conseils positifs.

Je tiens à remercier tous mes collègues du laboratoire IMS/LAP de l’Université de Bordeaux - I. J‘ai beaucoup apprécié les discussions au sein du laboratoire à l’occasion de mes passages en Gironde, et les quelques conférences auxquelles nous avons pu participer ensemble.

Mes remerciements s’adressent également aux assistantes administratives de l’Université et à Christine de l’EIGSI qui ont été extrêmement efficaces dans des moments importants.

Un grand merci à mes collègues de l’EIGSI qui m’ont apporté leur soutien durant cette période. Je remercie tout particulièrement mes amis et compagnons de thèse : Tchapo pour son calme et sa sagesse, Fei, Yugang, Mohammed et Amandine pour leur aide informatique, Dhaker, Habib et Samir, Lila et Anna de m’avoir si gentiment gâtée les midis en apportant mon déjeuner alors que j’étais plongée dans la rédaction de mon travail ; je les remercie tous pour leurs discussions très riches, mais aussi et tout simplement pour leur amitié. Je souhaite à tous ceux qui sont dans les étapes ultimes de leur thèse beaucoup de courage et je leur apporte tout mon soutien.

Un grand merci à ma famille : mon papa Vladimir et ma maman Pauline et mes cinq frères et sœurs : Elena, Liudmila, Ion, Gheorghe et Dorina. Je n’ai pas de mot pour exprimer l’amour que je leur porte

1

malgré la distance qui nous sépare. Un grand merci également à ma belle-famille : Jean-Louis, Marie et Julie pour leur grand soutien et leurs encouragements continus. Je suis très fière de pouvoir tous les réunir par ces quelques mots. Enfin, mon époux Matthieu, qui est mon plus grand supporter. Je ne peux mesurer son apport dans l’accomplissement de ce travail. Son intelligence, son écoute, ses conseils ont été précieux. Son amour me permet de me surpasser et d’affronter toutes les difficultés. Je te remercie pour tout ton amour et pour nos deux magnifiques enfants : Chloé et Elliott!

Cette thèse n’aurait pas pu se réaliser sans le soutien financier du Conseil Général de la Charente Maritime, que je remercie particulièrement.

2

Contribution à une méthodologie d’évaluation a priori des projets

de transport urbain durable

Résumé

L’objectif de ces travaux de proposer aux autorités locales un outil d’aide à la décision pour

formaliser une démarche participative tout au long de la conception d’un projet de transport

urbain durable, dans un contexte multicritères et multi acteurs. La méthodologie développée

repose sur l’évaluation a priori des impacts d’un projet local, en impliquant les acteurs dès la

phase de diagnostic. Cette phase permet d’identifier des groupes d’acteurs selon leur

perception des phénomènes urbains, des interactions et des préférences déclarées d’évolution.

Elle permet d’établir une liste d’indicateurs communs qui seront évalués. Le choix des

alternatives à étudier est le résultat de l’application conjointe de techniques de transférabilité -

fondées sur l’étude de projets développés dans d’autres villes - et de l’étude des préférences

déclarées des usagers locaux. La probabilité d’utilisation du service s’évalue à l’aide d’un

modèle comportemental agrégé qui intègre la perception floue et l’indécision des usagers

devant une situation nouvelle. Les changements de comportement des usagers sont pris en

compte à l’aide d’un indicateur de robustesse qui teste les effets des paramètres exogènes sur

l’évolution de la probabilité d’utilisation du service. Un micro-simulateur de trafic permet

d’évaluer les impacts des différents scénarii sur le trafic, l’environnement et le bien-être des

citoyens sous la forme monétarisée, afin d’illustrer les coûts et les bénéfices indirects attendus

de l’implantation du projet. Une solution de compromis est proposée : elle vise à fournir la

solution qui contenterait au mieux l’ensemble des représentants des groupes d’acteurs - et non

la solution optimale en termes d’impacts.

Mots-clés : transport urbain, évaluation a priori, multicritères, multi-acteurs, diagnostic

participatif, préférences déclarées, plan orthogonal, logique floue, théorie de l’évidence,

réseau de Doehlert, Parking-Relais.

IMS, Bordeaux 1 - Laboratoire de l'intégration, du matériau au système

Équipe de recherche : PRODUCTIQUE

LOI, EIGSI - Laboratoire de Logistique et Organisation Industrielle

Equipe de recherche : TRANSPORT

http://tel.archives-ouvertes.fr/index.php?action_todo=search&s_type=advanced&submit=1&p_0=is_exactly&f_0=LABID&halsid=qt3kiqcsgeqasavlc45nursbm4&v_0=24472

3

Contribution to a methodology for a priori evaluation of

sustainable urban transport projects

Abstract

The objective of this research is to provide to the local authorities a decision aid tool in order

to formalize a participatory approach during the conception of a sustainable urban transport

project, in a multi-criteria and multi-actors context. The methodology is based on the a priori

evaluation of the impacts of a local project, involving stakeholders as soon as the diagnosis

phase. This phase aims at identifying groups of actors according to their perception of urban

phenomena, their interactions and their stated preferences of evolution. The diagnosis phase

leads to the setting-up of a list of common indicators to be evaluated. The choice of

alternatives to be studied is the result of the transferability techniques - based on the projects

developed in other cities - and the stated preferences of local users. The probability of using

the service is evaluated using an aggregated behavioral model that takes into account the

fuzzy perception and the indecision of users in a new situation. Changes in the behaviour of

the users are taken into account thanks to an indicator of robustness that tests the impact of

exogenous parameters on the evolution of the probability of using a service. A traffic micro--

simulator aims at assessing the impacts of the various scenarios on traffic, environment and

the welfare of citizens– which is monetized. It illustrates the costs and indirect benefits

expected with the implementation of project. A compromise solution is proposed: it aims at

identifying an alternative that would best satisfy the representatives of the stakeholder groups

– and not necessarily the optimal solution in terms of impacts.

Keywords: urban transport, a priori evaluation, multicriteria, multi-actors, participatory

diagnosis, stated preference, orthogonal array, fuzzy logic, theory of evidence, Doehlert

network, Park and Ride.

Table des matières

5

Table des matières

TABLE DES MATIERES ...................................................................................................................... 5

FIGURES ................................................................................................................................................ 7

TABLEAUX ........................................................................................................................................... 8

INTRODUCTION GENERALE ........................................................................................................... 11

CHAPITRE 1 : DE LA PROBLEMATIQUE DE LA MOBILITE A LA PROBLEMATIQUE

DE L’EVALUATION

INTRODUCTION .................................................................................................................................. 19

1. LA PROBLEMATIQUE DE LA MOBILITE URBAINE ....................................................................... 19

1.1 La ville : un système urbain complexe ................................................................................. 20

1.2 L’évolution du système urbain ............................................................................................. 23

1.3 Les nouveaux défis des villes............................................................................................... 30

1.4 Les stratégies de mobilité et de transport durable ................................................................ 33

2. LA PROBLEMATIQUE DE L’EVALUATION D’UN PROJET DE TRANSPORT.................................... 36

2.1 Définir un projet de transport ............................................................................................... 36

2.2 Les moments de l’évaluation ............................................................................................... 39

2.3 L’évaluation a priori d’un projet de transport ...................................................................... 41

3. L’ORIENTATION DE NOS TRAVAUX ET HYPOTHESES PRELIMINAIRES ....................................... 46

CONCLUSION ..................................................................................................................................... 48

CHAPITRE 2 : APPROCHES PARTICIPATIVES DANS L’EVALUATION DES PROJETS

DE TRANSPORT

INTRODUCTION .................................................................................................................................. 51

1. L’EVALUATION A PRIORI - UN PROCESSUS D’AIDE A LA DECISION ........................................... 51

1.1 Le contexte multi-acteurs ..................................................................................................... 54

1.2 Le contexte multicritères ...................................................................................................... 61

1.3 Méthodes d’évaluation a priori multicritères et multi-acteurs ............................................. 63

2. DIAGNOSTIC D’UN PROBLEME DE TRANSPORT ......................................................................... 74

2.1 Le concept de diagnostic ...................................................................................................... 75

2.2 L’identification du problème ............................................................................................... 75

2.3 Etat de l’art sur les méthodes de diagnostic ......................................................................... 77

3. LA MODELISATION DES IMPACTS DES PROJETS DE TRANSPORT ............................................... 79

3.1 Le rôle de la demande dans l’évaluation des impacts .......................................................... 79

3.2 Outils et approches pour l’évaluation a priori des impacts .................................................. 86

CONCLUSIONS ................................................................................................................................... 90

CHAPITRE 3 : EVALUATION A PRIORI MULTICRITERE ET MULTI-ACTEURS DES

PROJETS DE TRANSPORT (EAPMM)

INTRODUCTION .................................................................................................................................. 95

1. LA DEFINITION DU CADRE D’ANALYSE ..................................................................................... 96

1.1 Définition du besoin d’amélioration et identification des objectifs ..................................... 97

1.2 Définition du périmètre d’étude ........................................................................................... 98

2. LE DIAGNOSTIC PARTICIPATIF .................................................................................................. 99

2.1 Identification des parties prenantes : objectifs et interactions ........................................... 100

2.2 Modélisation des perceptions individuelles ....................................................................... 101

Table des matières

6

2.3 Groupes d’acteurs .............................................................................................................. 111

3. IDENTIFICATION DES ALTERNATIVES ..................................................................................... 116

3.1 Technique de transférabilité ............................................................................................... 116

3.2 Préférences des groupes des acteurs .................................................................................. 121

4. EVALUATION A PRIORI DE LA DEMANDE ................................................................................ 123

4.1 La modélisation de la demande .......................................................................................... 124

4.2 Le calcul du taux d’utilisation ............................................................................................ 131

4.3 Agrégation des préférences ................................................................................................ 132

4.4 Robustesse des comportements .......................................................................................... 134

5. EVALUATION A PRIORI DES IMPACTS ...................................................................................... 136

5.1 Objectifs de la simulation .................................................................................................. 138

5.2 La conception du simulateur .............................................................................................. 138

6. SOLUTION DE COMPROMIS...................................................................................................... 146

6.1 La modélisation des choix ................................................................................................. 146

6.2 La recherche du scenario optimal ...................................................................................... 150

CONCLUSIONS ................................................................................................................................. 152

CHAPITRE 4 : APPLICATION DE LA METHODE D’EVALUATION A PRIORI

MULTICRITERE ET MULTI- ACTEURS (EAPMM) DANS UN CONTEXTE DE ZONE

URBAINE

INTRODUCTION ................................................................................................................................ 157

1. CADRE D’ETUDE ..................................................................................................................... 158

1.1 Le contexte rochelais ......................................................................................................... 158

1.2 Périmètre d’étude ............................................................................................................... 161

2. DIAGNOSTIC PARTICIPATIF DE LA MOBILITE EN CENTRE-VILLE ............................................. 161

2.1 Les acteurs impliqués dans les projets de transport ........................................................... 161

2.2 Modélisation des préférences individuelles ....................................................................... 162

3 IDENTIFICATION DES ALTERNATIVES ..................................................................................... 182

3.1 L’application des étapes de transférabilité ......................................................................... 183

3.2 Préférences des groupes d’acteurs ..................................................................................... 187

4 EVALUATION A PRIORI DU TAUX D’UTILISATION ................................................................... 193

4.1 Modélisation de la demande .............................................................................................. 193

4.2 Le calcul du taux d’utilisation ............................................................................................ 195

4.3 La robustesse des comportements ...................................................................................... 201

5 SIMULATION DES IMPACTS ..................................................................................................... 202

5.1 Identification des impacts et méthodes de mesure ............................................................. 203

5.2 Analyse de l’existant .......................................................................................................... 209

5.3 Situation simulée- phase a priori ........................................................................................ 212

5.4 Mesure des impacts ............................................................................................................ 214

6 SOLUTION DE COMPROMIS...................................................................................................... 215

6.1 Identifier les variables à tester ........................................................................................... 215

6.2 La modélisation mathématique .......................................................................................... 216

6.3 La désirabilité individuelle de chaque groupe ................................................................... 218

6.4 La désirabilité globale ........................................................................................................ 218

CONCLUSION ................................................................................................................................... 219

CONCLUSIONS GENERALES ..................................................................................................... 222

BIBLIOGRAPHIES .......................................................................................................................... 226

ANNEXES…………………………………………………………………………………….......... 230

Table des matières

7

Figures

FIGURE 0.1: LE PLAN DE LA THESE ......................................................................................................................... 14

FIGURE 1.1: UNE CONCEPTION DU SYSTEME URBAIN ............................................................................................. 22

FIGURE 1.2 : EXTENSION DE LA VILLE.................................................................................................................... 23

FIGURE 1.3: ETALEMENT URBAINE ET CHOIX MODAL ............................................................................................ 24

FIGURE 1.4: REPARTITION DES SECTEURS DE TRANSPORT EN FONCTION DE LEUR CONSOMMATION/EMISSIONS ..... 26

FIGURE 1.5: DIFFERENTES PERCEPTIONS DE LA NOTION DE DEVELOPPEMENT DURABLE ........................................ 31

FIGURE 1.6: NOUVELLES PRATIQUES DE MOBILITE URBAINE DURABLE .................................................................. 34

FIGURE 1.7: REPRESENTATION DE L’INTER-MODALITE ET DE LA MULTI-MODALITE ............................................... 36

FIGURE 1.8 : LES SOUS-CATEGORIES D’UN PROJET ................................................................................................. 37

FIGURE 1.9: LES COMPOSANTES D’UN PROJET........................................................................................................ 37

FIGURE 1.10: SYSTEME DE PRODUCTION D’UN SERVICE ......................................................................................... 38

FIGURE 1.11: EVALUATION A PRIORI DANS LE CYCLE DE VIE D’UN PROJET ............................................................ 39

FIGURE 1.12: EVALUATION A PRIORI ..................................................................................................................... 40

FIGURE 1.13: EVALUATION A POSTERIORI.............................................................................................................. 41

FIGURE 1.14: REPRESENTATION DE L’EVALUATION A PRIORI DES IMPACTS ........................................................... 45

FIGURE 2.1: LE PROCESSUS DE DECISION ET D’AIDE DE DECISION .......................................................................... 52

FIGURE 2.2: ACTEURS DU PROCESSUS D’AIDE A LA DECISION ............................................................................... 56

FIGURE 2.3:POSSIBILITE DE COMBINAISON DE L’ACB ET L’AMC ......................................................................... 74

FIGURE 2.4 : PRINCIPAUX MODELES A CHOIX DISCRETS ......................................................................................... 82

FIGURE 3.1 : LA METHODE D’EVALUATION A PRIORI MULTICRITERE ET MULTI ACTEUR (EAPMM) ...................... 95

FIGURE 3.2 : LES ETAPES DE LA DEFINITION DU CADRE D’ETUDE ........................................................................... 96

FIGURE 3.3: LA REPRESENTATION DU PERIMETRE D’ETUDE ................................................................................... 98

FIGURE 3.4: LES ETAPES DU DIAGNOSTIC PARTICIPATIF ......................................................................................... 99

FIGURE 3.5 : RELATION ENTRE LA DEMANDE DE TRANSPORT ET L’ENVIRONNEMENT .......................................... 107

FIGURE 3.6 : LE GRAPHIQUE DES RELATIONS ENTRE LES PHENOMENES................................................................ 111

FIGURE 3.7: DENDROGRAMME DES CLASSES ........................................................................................................ 115

FIGURE 3.8: LES ETAPES DE L’IDENTIFICATION DES ALTERNATIVES .................................................................... 116

FIGURE 3.9: LA TRANSFERABILITE D’UN NOUVEAU PROJET DE TRANSPORT ......................................................... 118

FIGURE 3.10 : RESULTATS DES EFFETS DES FACTEURS SUR LE CHOIX D’UNE LIGNE DE BUS ................................. 129

FIGURE 3.11: FUZZIFICATION DU SCORE .............................................................................................................. 132

FIGURE 3.12: LA DEMARCHE DE COMPARAISON RETENUE ................................................................................... 137

FIGURE 3.13: LES ETAPES DE LA SIMULATION DES IMPACTS ................................................................................ 137

FIGURE 3.14: MODELE MVC ET L’ARCHITECTURE DE VIS_SIM EN UML .......................................................... 139

FIGURE 3.15: DIAGRAMME UML DE ROAD DESIGNER ........................................................................................ 140

FIGURE 3.16: VISUALISATION D’UNE ROUTE AVEC GOOGLE MAPS ET SA REPRESENTATION AVEC VIS_SIM ...... 140

FIGURE 3.17: LES VARIABLES D’ENTREES TRAFIC ................................................................................................ 141

FIGURE 3.18: LA SIMULATION ET LES VARIABLES DE SORTIE ............................................................................... 141

FIGURE 3.19: CLASSE DE CIRCULATION (A DROITE OU A GAUCHE) ...................................................................... 142

FIGURE 3.20: SIM PANEL AVEC LA CLASSE CAMION ET LA CIRCULATION A DROITE ............................................. 143

FIGURE 3.21: DIAGRAMME UML ET L’INTERFACE AVEC FENETRE « QUESTIONNAIRE » ..................................... 144

FIGURE 3.22: INTERFACE AVEC QUESTIONNAIRE INDIVIDUEL ―USE RATE‖ ......................................................... 144

FIGURE 3.23: LES INDICATEURS DES IMPACTS DU PROJET .................................................................................... 145

FIGURE 3.24: LES ETAPES DE LA RECHERCHE DU COMPROMIS ............................................................................. 146

FIGURE 3.25: LA FORME DE LA FONCTION DE DESIRABILITE POUR UN ACTEUR .................................................... 150

FIGURE 4.1: POSITIONNEMENT GEOGRAPHIQUE DE LA CDA DE LA ROCHELLE ................................................... 158

FIGURE 4.2: LES HORAIRES DES SALARIES DU CENTRE–VILLE .............................................................................. 160

FIGURE 4.3: LES MODES DE TRANSPORT UTILISES ET LE POTENTIEL TRANSFERT MODAL ..................................... 160

FIGURE 4.4: LES PERCEPTIONS DES ACTEURS POUR LA SITUATION INITIALE ........................................................ 164

FIGURE 4.5: LES TENDANCES SOUHAITEES ........................................................................................................... 165

FIGURE 4.6: REPRESENTATION CAUSALE DES PHENOMENES DE MOBILITE DE L’ACTEUR 5 ................................... 167

FIGURE 4.7: LA CLASSIFICATION DES ACTEURS.................................................................................................... 181

FIGURE 4.8 : LA REPRESENTATION DES EFFETS DES PARAMETRES SUR LE CHOIX DU BUS (A) ET (VELO (B) ........ 191

FIGURE 4.9 : FUZZIFICATION DES PREFERENCES DES USAGERS ............................................................................ 195

FIGURE 4.10 : EFFETS MOYENS DES PARAMETRES INTERNES ET EXTERNES ......................................................... 197

FIGURE 4.11: SIMULATION DES IMPACTS ............................................................................................................. 202

FIGURE 4.12: LA RELATION ENTRE LA VITESSE ET LA CONSOMMATION DE FUEL ................................................. 206

FIGURE 4.13: LA RELATION ENTRE LE NOMBRE DE VOITURES ET LE NOMBRE D’ACCIDENTS ................................ 207

FIGURE 4.14: LES NOUVEAUX PROJETS DE CONSTRUCTION DE P+R ..................................................................... 210

Table des matières

8

FIGURE 4.15: UN TRONÇON DE ROUTE REEL (B) (SOURCE : GOOGLE MAPS) ET SIMULE (A) .................................. 211

FIGURE 4.16: LE TRAFIC HEBDOMADAIRE DANS NOTRE ZONE D’ETUDE .............................................................. 211

FIGURE 4.17: LA ZONE DU QUESTIONNAIRE ......................................................................................................... 213

FIGURE 4.18: LES VARIABLES DE SORTIE SUITE A LA SIMULATION ....................................................................... 214

Tableaux

TABLEAU 0.1: LES ETAPES DE LA METHODE D’EAPMM........................................................................................ 15

TABLEAU 1.1: ÉQUIPEMENT AUTOMOBILE DES MENAGES EN FRANCE ................................................................... 26

TABLEAU 1.2: EXPOSITION AU BRUIT ..................................................................................................................... 27

TABLEAU 1.3: LES CARACTERISTIQUES DES MODES DE TRANSPORT EN ZONE URBAINE ......................................... 29

TABLEAU 1.4: MODELISATION ET LE CADRE SPATIO-TEMPOREL ............................................................................ 44

TABLEAU 2.1: TYPE D’ACTEURS ............................................................................................................................ 57

TABLEAU 2.2: SYNTHESE DES TYPES D’ACTEURS ................................................................................................... 57

TABLEAU 2.3: NOTRE APPROCHE DE LA CLASSIFICATION DES ACTEURS ................................................................ 58

TABLEAU 2.4: SYNTHESE DE GROUPEMENT DES ACTEURS ..................................................................................... 59

TABLEAU 2.5: EXEMPLE DE CRITERES ET D’INDICATEURS DE PERFORMANCE EN TRANSPORT ................................ 63

TABLEAU 2.6: PRESENTATION DES DIFFERENTES APPROCHES D’EVALUATION PARTICIPATIVE .............................. 64

TABLEAU 2.7 : LES METHODES DE PONDERATION DES CHOIX ................................................................................ 71

TABLEAU 2.8 : SYNTHESE SUR LES METHODES MULTICRITERES ............................................................................ 72

TABLEAU 2.9: LES SOURCES D’ERREUR DE TYPE III ............................................................................................... 76

TABLEAU 2.10: NOUVELLE CONCEPTION DES PROBLEMES DE TRANSPORT ............................................................ 77

TABLEAU 2.11: METHODES DE DIAGNOSTIC D’UN PROBLEME................................................................................ 78

TABLEAU 2.12 : TECHNIQUES DE MESURE DE PREFERENCES .................................................................................. 80

TABLEAU 2.13 : LOGICIELS INTEGRANT LE TRANSPORT ET L’URBANISME ............................................................. 87

TABLEAU 2.14 : LES PRATIQUES FRANÇAISES EN MATIERE DE LA MODELISATION DU TRANSPORT URBAIN ........... 88

TABLEAU 3.1: ATTENTES DES ACTEURS DU PROJET TRANSPORT .......................................................................... 100

TABLEAU 3.2: INTERACTIONS ENTRE LES ACTEURS ............................................................................................. 101

TABLEAU 3.3 : LISTE DES THEMES, ENJEUX ET PHENOMENES .............................................................................. 102

TABLEAU 3.4: EXEMPLE DE PRESENTATION DE LA SITUATION INITIALE ............................................................... 103

TABLEAU 3.5: PERFORMANCE SOUHAITEE DE L’ACTEUR Y ................................................................................. 104

TABLEAU 3.6: LES RELATIONS ENTRE LES PHENOMENES ..................................................................................... 104

TABLEAU 3.7 : LES ELEMENTS D’ANALYSE D’UNE CARTE CAUSALE .................................................................... 106

TABLEAU 3.8 : LA MATRICE DE L’ANALYSE STRUCTURELLE ................................................................................ 108

TABLEAU 3.9: MATRICE STRUCTURELLE ............................................................................................................. 109

TABLEAU 3.10 : EXEMPLE DE LA MISE EN PLACE D’UNE VOIE CYCLABLE ............................................................ 119

TABLEAU 3.11 : LES FACTEURS DE SUCCES ET LES BARRIERES DE LA MISE EN PLACE D’UNE VOIE CYCLABLE ..... 120

TABLEAU 3.12 : LE PRINCIPE DE L’ANALYSE SWOT ............................................................................................ 121

TABLEAU 3.13 : LES ETAPES DE L’EVALUATION A PRIORI DE LA DEMANDE ......................................................... 123

TABLEAU 3.14 : UN EXEMPLE AVEC 4 VARIABLES ............................................................................................... 126

TABLEAU 3.15 : LA STRUCTURE DU QUESTIONNAIRE POUR CALCULER LA DEMANDE D’UNE LIGNE DE BUS ......... 128

TABLEAU 3.16 : TABLEAU DE L’ANALYSE DE LA VARIANCE (ANAVAR) ........................................................... 130

TABLEAU 3.17 : LE SEUIL DE DECISION DU TEST DE FICHER ................................................................................ 131

TABLEAU 3.18 : EXEMPLE DE PLAN CROISE ......................................................................................................... 135

TABLEAU 3.19: PLANS DE DOEHLERT DE 1 A 4 FACTEURS ................................................................................... 147

TABLEAU 3.20: EXEMPLE DE QUESTIONNAIRE ..................................................................................................... 148

TABLEAU 3.21: L’EXEMPLE DES REPONSES POUR LES SCENARIOS TESTES ........................................................... 151

TABLEAU 4.1 : ETAPES CHRONOLOGIQUES DE NOTRE DEMARCHE D’EVALUATION A PRIORI ................................ 157

TABLEAU 4.2: LES ACTEURS D’UN PROJET TRANSPORT ........................................................................................ 162

TABLEAU 4.3: REPRESENTATION DE LA SITUATION INITIALE. .............................................................................. 164

TABLEAU 4.4: TENDANCES SOUHAITEES ............................................................................................................. 165

TABLEAU 4.5: TRANSFORMATION DE LA REPRESENTATION CAUSALE DE L’ACTEUR 5 ......................................... 168

TABLEAU 4.6: LES PHENOMENES STRATEGIQUES ET SENSIBLES ........................................................................... 169

TABLEAU 4.7: LES DIFFERENCES PARTIELLES DES REPRESENTATIONS ENTRE LES DIFFERENTS ACTEURS ............. 171

TABLEAU 4.8 MATRICE DES DIFFERENCES GLOBALES DE LA SITUATION INITIALE ............................................... 171

TABLEAU 4.9: LES INDICES DE DIFFERENCE PARTIELLE ....................................................................................... 172

TABLEAU 4.10: LES DIFFERENCES PARTIELLES POUR LE PHENOMENE « TRAFIC » ................................................ 172

TABLEAU 4.11: MATRICE DES DIFFERENCES GLOBALES POUR LES TENDANCES SOUHAITEES .............................. 173

Table des matières

9

TABLEAU 4.12: MATRICE DES DIFFERENCES GLOBALES DES PHENOMENES STRATEGIQUES ................................. 174

TABLEAU 4.13 : MATRICE DES DIFFERENCES GLOBALES DES PHENOMENES SENSIBLES ....................................... 175

TABLEAU 4.14 : LA MATRICE DES RELATIONS IDENTIQUES ENTRE L’ACTEUR 1 ET L’ACTEUR 5 ........................... 175

TABLEAU 4.15 : MATRICE GLOBALE DES SIMILARITES DES ACTIONS : MG RELATIONS SIMILAIRES .................................. 176

TABLEAU 4.16 : LES SEUILS POUR LA CONSTRUCTION DE LA MATRICE DE RESSEMBLANCE ................................. 177

TABLEAU 4.17 : INDICE DE CONCORDANCE GLOBALE C ...................................................................................... 178

TABLEAU 4.18 : LE SEUIL DE VETO DE CHAQUE CRITERE ..................................................................................... 179

TABLEAU 4.19: MATRICE DES RESSEMBLANCES GLOBALES (MR) ....................................................................... 180

TABLEAU 4.20 : MATRICE DE DISSIMILARITE GLOBALE, DIS ............................................................................... 180

TABLEAU 4.21: LES OBJECTIFS D’UN P+R ........................................................................................................... 184

TABLEAU 4.22 : LE DIAGNOSTIC EXTERNE AUX PROJETS DE TRANSPORT ............................................................. 185

TABLEAU 4.23 : L’ANALYSE SWOT DES PROJETS DE P+R .................................................................................. 187

TABLEAU 4.24 : LES PARAMETRES ET LES NIVEAUX TESTES............................................................................... 188

TABLEAU 4.25 : LA REPONSE DES ACTEURS POUR LE CHOIX D’UN MODE DE TRANSPORT ..................................... 190

TABLEAU 4.26 : L’ANALYSE DE LA VARIANCE POUR LE MODELE BUS ET VELO .................................................... 192

TABLEAU 4.27 : PARAMETRES INTERNES ET EXTERNES ET NIVEAUX CORRESPONDANTS TESTES ......................... 194

TABLEAU 4.28 : LES PROBABILITES CALCULEES A PARTIR DE LA COLLECTE DES DONNEES ................................. 196

TABLEAU 4.29: SIGNIFICATIVITE DES PARAMETRES DU MODELE DE PROBABILITE ............................................... 197

TABLEAU 4.30 : LES CARACTERISTIQUES DU PARKING- RELAIS (SITUATION 2010) ............................................ 199

TABLEAU 4.31 : LES CARACTERISTIQUES DU PARKING- RELAIS (SITUATION 2011) ............................................ 200

TABLEAU 4.32 : PLAN CROISE POUR L’ANALYSE DE LA ROBUSTESSE (FIDELITE) DES ABONNES ........................... 201

TABLEAU 4.33: LE SALAIRE NET MOYEN DE L’HEURE EN CHARENTE- MARITIME (17) ........................................ 205

TABLEAU 4.34: LE PRIX DU CARBONE .................................................................................................................. 206

TABLEAU 4.35: LE FACTEUR DE CONVERSION CARBONE ...................................................................................... 207

TABLEAU 4.36: COUT MARGINAL DES ACCIDENTS EN € POUR 1000 VEHICULES* KM .......................................... 208

TABLEAU 4.37: VALEUR DE LA POLLUTION ATMOSPHERIQUE (€/100 VEHICULES.KM) ......................................... 209

TABLEAU 4.38: UN EXTRAIT DE RELEVE DE COMPTAGE VL/PL SUR L’AVENUE DE 11 NOVEMBRE ...................... 212

TABLEAU 4.39: LES DONNEES REELLES POUR LA SIMULATION ............................................................................ 212

TABLEAU 4.40: LE SCENARIO AVEC LA PROBABILITE MAXIMALE ........................................................................ 213

TABLEAU 4.41: LES GAINS DE L’IMPLEMENTATION DU P+R ET LA NAVETTE ....................................................... 214

TABLEAU 4.42: LES NIVEAUX DE VARIABLES ...................................................................................................... 215

TABLEAU 4.43: LES VARIABLES ET LEURS NIVEAUX ............................................................................................ 216

TABLEAU 4.44: LES 21 SCENARIOS DU QUESTIONNAIRE ...................................................................................... 216

TABLEAU 4.45: LES RESULTATS DE LA REGRESSION ............................................................................................ 217

TABLEAU 4.46: LA FONCTION DE DESIRABILITE GLOBALE ................................................................................... 219

TABLEAU 4.47 : LE SCENARIO AVEC L’INDICE DE DESIRABILITE MAXIMAL.......................................................... 219

Introduction générale

11


Contexte

La mobilité est aujourd’hui un facteur clé de développement urbain et économique. Se

déplacer de son domicile à son lieu de travail, avoir accès aux équipements de santé, éducatifs

ou de loisirs, aller chercher de quoi subvenir à ses besoins vitaux sont autant d’enjeux liés à la

mobilité.

Les modes individuels de déplacement, notamment la voiture, coûtent de plus en plus cher

aux individus et à la société, non seulement en termes financiers mais également à la fois en

termes de consommation d’énergie, d’espace et de temps. Dans les milieux denses, en

particulier en centre-ville, l’espace libre devient rare et il est de moins en moins raisonnable

de l’utiliser pour construire des parkings ou de larges infrastructures permettant l’écoulement

des flux de circulation. Cette rareté pose un problème majeur aux autorités publiques et aux

gestionnaires de l’espace public. L’utilisation massive de la voiture entraîne une congestion

des axes principaux de voirie desservant les agglomérations et ainsi des pertes de temps pour

l’ensemble des personnes se déplaçant.

De plus en plus conscients de la rareté des ressources énergétiques, des pollutions émises par

certains modes de transports individuels et de l'augmentation des coûts engendrés par une

utilisation massive de la voiture individuelle, les pouvoirs publics tentent d’enrayer ces

tendances. Ils cherchent à limiter l’usage de la voiture individuelle sans toutefois entraver la

mobilité des habitants. C’est la raison pour laquelle les décideurs politiques développent

l’offre de modes de transport alternatifs, améliorent les dessertes des transports en commun

et dynamisent l’image du transport collectif. Globalement les politiques publiques,

aujourd’hui, s’attachent à développer des systèmes de transport tournés vers l’avenir – parfois

résolument innovants.

Un des objectifs fondamentaux de la mise en œuvre de ces nouveaux systèmes de transport

est de générer un transfert modal - de la voiture particulière d’autres modes de transport plus

respectueux de l’environnement urbain.

Au niveau national, l’engagement en faveur de modes de transport propres et alternatifs à la

voiture individuelle s’est notamment traduit ces dernières années par l’adoption de lois dites

« Grenelle 1 et 2 »1.

Motivation

La mise en place d’un système de transport implique des investissements importants ayant

des impacts économiques, sociaux et environnementaux significatifs. Une mauvaise

acceptation de ce système de transport par les acteurs impliqués peut compromettre l’atteinte

de l’objectif initial, engendrer un transfert modal décevant.

1Le Grenelle 1, voté le 23 juillet 2009, constitue le projet de loi de programme relatif à la mise en œuvre du Grenelle de

l’environnement, c’est-à-dire le texte qui fixe les objectifs de l’Etat en matière de lutte contre le changement climatique.

Le Grenelle 2, promulguée le 12 juillet 2010, définit les moyens pour la mise en application d’une partie des engagements

du Grenelle 1, déclinée en six chantiers majeurs : Bâtiments et urbanisme, Transports, Energie, Biodiversité, Risques, santé, déchets, (...).


12

L’évaluation constitue un outil essentiel d’aide à la décision qui permet de mesurer, comparer

et identifier les effets générés par un projet de transport. Si l’évaluation est réalisée avant

l’implémentation du projet, a priori, elle peut constituer un véritable outil de communication

et d’échanges de points de vue et permettre une meilleure acceptation d’un système de

transport.

Prendre en compte les points de vue de l’ensemble des acteurs, des parties prenantes – au

premier rang desquels la population locale - dans l’évaluation, constitue aujourd’hui une

démarche qui retient l’attention des pouvoirs publics.

Toutefois, les systèmes de transport actuels s’inscrivent dans une réalité urbaine toujours plus

complexe à appréhender, reposant sur un vaste ensemble de critères - économiques, sociaux,

environnementaux - et au sein duquel des acteurs toujours plus nombreux entrent en

interaction. Il nous apparaît dès lors nécessaire de pouvoir compléter les méthodes

d’évaluation existantes (analyse multicritères, analyse cout-bénéfice, analyse

environnementale ou l’analyse cout-efficacité...) par d’autres outils qui facilitent la

représentation d’une information complexe et les échanges entre acteurs.

Verrous à lever et contribution

L’objectif de notre recherche est de proposer une méthodologie d’évaluation a priori des

impacts des projets transports et d’en faire un support d’aide à la décision, pour répondre à

deux catégories de questions :

celles liées à une démarche participative :

o Quels sont les acteurs du projet et comment impliquer la population locale

dans le projet ?

L’identification de l’ensemble des acteurs concernés par un projet de transport est essentielle.

Les parties prenantes impliquées dans l’ensemble des phases d’un projet sont nombreuses et

variées : autorités organisatrices de transports, opérateurs, experts environnement, socio-

économistes, riverains, usagers du réseau routier... Toutefois, il est souvent très difficile de

les réunir tous ensemble et au même moment autour d’une table. Pour faciliter la démarche de

concertation et assurer la représentativité de tous les acteurs, il est nécessaire de développer

une méthode de regroupement des acteurs. Le regroupement des acteurs doit se faire en

fonction de la perception qu’ils ont des phénomènes urbains par les acteurs

et non pas en fonction de leurs catégories socioprofessionnelles, comme c’est souvent le cas

aujourd’hui.

o A quelles étapes du projet les acteurs et les représentants des groupes définis

doivent-ils participer ?

Généralement, un projet se déroule en six étapes d’un projet : le concept, le diagnostic, la

faisabilité, la conception, la mise en œuvre et l’évaluation a posteriori. L’évaluation a priori

n’est pas une étape distincte, mais un processus organisé autour des quatre premières étapes

de son cycle de vie du projet, chacune de ces étapes ayant comme fil conducteur une

démarche participative.

Dans les étapes de concept de projet et de diagnostic, cela se traduit par l’identification de

préoccupations urbaines et des besoins de chaque acteur. L’étape de la faisabilité d'un projet


13

permet d'en fixer les caractéristiques souhaitées du point de vue technique, en fonction des

avis des experts, mais aussi en tenant compte de points de vue plus subjectifs, notamment

celui des futurs utilisateurs. Toutes ces informations doivent aboutir dans la phase de

conception à la recherche d’une solution, souvent un compromis visant à satisfaire au mieux

les attentes de chacun des acteurs.

celles liées aux caractéristiques d’un projet de transport:

o Quel projet choisir pour l’amélioration de la mobilité urbaine ?

Plusieurs méthodes existent aujourd’hui pour tenter de rationaliser le choix d’un projet de

transport: techniques multicritères inspirées de la recherche opérationnelle, de transférabilité

(benchmarking), jugement d’expert, préférences des usagers...

Notre contribution consiste à déterminer, notamment en fonction des préférences exprimées

par les acteurs, le choix de projet de transport le plus approprié au contexte d’une zone

urbaine.

o Comment estimer a priori le taux d’utilisation d’un nouveau projet de

transport ?

Le taux d’utilisation représente un élément essentiel dans l'évaluation de l'efficacité d'un

système de transport, soit pour améliorer la performance d’une offre de transport existante,

soit pour évaluer a priori les impacts d’une nouvelle offre. Les travaux réalisés dans cette

thèse nous ont permis d’élaborer et de tester une méthode originale d’estimation du taux

d’utilisation d’un système de transport, applicable à la fois pour l’amélioration de la

performance et pour l’évaluation a priori des impacts. L’originalité de notre démarche tient

au fait que le modèle comportemental utilisé peut prendre en compte la représentation floue et

l’indécision des futurs usagers et autorise l’étude d’une évolution dans le temps du taux

d’utilisation en fonction des fluctuations des caractéristiques exogènes (prix du pétrole,

changements économiques, ...). Le module d’estimation du taux d’utilisation sera intégré

dans un outil de simulation du trafic et d’évaluation des impacts des projets.

Les deux catégories de questions que nous venons d’évoquer sont fortement liées : les

questions relatives aux caractéristiques d’un système de transport ne peuvent, en général, pas

être résolues tant que la participation de l’ensemble des acteurs n’est pas abordée.

La méthodologie proposée dans cette thèse est pluridisciplinaire, et repose sur une utilisation

d’approches issues de plusieurs domaines de recherche: la modélisation des flux (ingénierie

trafic), l’optimisation des procédés industriels (plans orthogonaux et non-orthogonaux), les

techniques de quantification de la perception floue (logique floue, théorie des croyances), les

démarches marketing (enquêtes à préférences déclarées) ou encore les approches de la théorie

micro-économique (maximisation de l'utilité), les outils statistiques (Analyse de la variance et

régression linéaire) etc.

La complémentarité de toutes ces approches va être illustrée tout au long de notre démarche,

structurée en quatre chapitres.

Structure de la thèse

Pour faciliter la lecture de ce document, nous allons présenter l’ensemble de notre démarche

dans la Figure 0.1.


14

Figure 0.1: Le plan de la thèse

Le chapitre 1 présente le contexte de la démarche : le système de transport urbain.

L’intégration récente du concept de mobilité et transport durables dans le vocabulaire

politique, technique, scientifique et citoyen marque une nouvelle étape pour le transport

urbain, un tournant vers des solutions socialement acceptables, économiquement réalisables et

respectueuses de l’environnement.

Chapitre 1

Contexte et problématiques

• La problématique de la mobilité urbaine

• Les nouveaux défis des villes

• La problématique de l’évaluation d’un projet de transport

• L’orientation de nos travaux et nos hypothèses préliminaires

Chapitre 2

Etat de l’art et positionnement

• L’évaluation multicritères et multi acteurs

• Les méthodes de diagnostic participatif

• La modélisation des impacts d’un projet de transport

• Les outils et approches pour l’évaluation des impacts

• Les points sur les approches étudiées et les maillons manquants

Chapitre 3

Contribution

• Le cadre d’analyse

• Le diagnostic participatif d’un problème de transport

• L'identification des alternatives

• L'évaluation a priori de la demande

• La simulation des impacts

• La solution de compromis

Chapitre 4

Application

• L'application de l’évaluation a priori à un cas pratique : la mise en oeuvre d’un Parking-Relais (P+R) desservi par bus à La Rochelle


15

Dans ce contexte, la nécessité de l’évaluation a priori s’impose comme un levier d’actions

pour une meilleure implémentation des projets, en éclairant au mieux les décideurs sur les

conséquences de leurs actes.

Le chapitre 2 assure une transition les problématiques de l’évaluation liées à la démarche

participative et à l’estimation des impacts (identifiées dans le chapitre 1) et les approches

pragmatiques et scientifiques existantes ainsi que leurs limites, afin d’identifier les pistes

pouvant conduire à améliorer la démarche d’évaluation a priori des projets de transport.

Nous nous sommes particulièrement intéressés à l’aspect multicritères et multi acteurs des

méthodes d’évaluation a priori des projets, leur caractère participatif, ainsi que les outils

existants pour la simulation et l’évaluation des impacts.

Dans le chapitre 3, nous proposons une démarche d’évaluation a priori de projet dans un

cadre multicritères et multi acteurs (EAPMM) structurée en six étapes (Tableau 0.1).

Etapes Entrées Méthodes Résultats

Etapes 1

Cadre

d’analyse

Etudes et rapports

préalables

Chiffres et statistiques

Information par acteurs de

la ville

Enquêtes

Analyses

Synthèse

Périmètre d’étude

Besoins pour

l’amélioration

Objectifs

Etape 2

Diagnostic

participatif


Ensemble d’acteurs de la

ville

Liste des phénomènes

urbains

Objectifs

Entretien

Questionnaire

Analyses systémiques

Classification hiérarchique

ascendante

Phénomènes

stratégiques

Phénomènes sensibles

Groupes d’acteurs

Etape 3

Identification

des alternatives

Besoins

Groupes d’acteurs

Phénomènes stratégiques

Phénomènes sensibles

Offre existante

Techniques de transférabilité

Préférences déclarées des

usagers

Questionnaires

Alternative(s)

techniquement

possible(s) et

socialement

préférable(s)

Caractéristiques des

alternatives

Etape 4

Estimation du

taux

d’utilisation


alternatives

Variables de choix et

leurs niveaux

Enquêtes des préférences

déclarées

Plans d’expériences

Logique floue

Théorie des croyances

Analyse de la variance

Indicateur de robustesse

Probabilité

d’utilisation d’une

alternative

Etape 5

Simulation des

impacts

Taux d’utilisation


alternatives


Données statistiques

Outils informatiques

Littérature scientifique

Méthodologie COPERT

Evaluation des

indicateurs d’impacts

Etape 6

Solution de

compromis

Exigences des acteurs

Variables de choix

Questionnaire

Méthode de Doehlert

Solution de

compromis

Tableau 0.1: Les étapes de la méthode d’EAPMM

Dans la première étape, nous décrivons le cadre d’étude en mettant en évidence le périmètre

d’étude, les besoins pour l’amélioration et les objectifs à atteindre.


16

Dans la deuxième phase, nous cherchons, à partir d’enquêtes et des techniques d’analyse

systémique, à déterminer les groupes d’acteurs en fonction des convergences et divergences

des points de vue sur la complexité urbaine. Cette phase nous permet également d’identifier

les préoccupations de chaque acteur et de tenir compte de leur avis dans la construction des

critères d’évaluation.

La troisième phase décrit les techniques d’identification des alternatives sur la base des

techniques de transférabilité et des préférences des potentiels usagers.

Dans la quatrième phase, nous proposons une technique d’estimation a priori de la demande

d’un nouveau système de transport.

Une fois cette information déterminée, il est possible d’engager la cinquième phase de notre

démarche: la simulation des impacts du projet. Ceci est réalisé grâce à un simulateur

développé pour notre contexte et notre problématique.

Après la simulation, il est nécessaire de tester des scénarios plausibles en accord avec les

préférences de tous les acteurs (autorités, usagers, experts dans le trafic, etc.). En effet, la

barrière entre les représentants des groupes d'acteurs reste étanche : les urbanistes sont

fortement intéressés par l’aménagement du territoire, les services de transport mettent l’accent

sur la nécessité de mettre en œuvre un service en vue d'encourager les changements modaux.

A leur tour, les clients désirent un service disponible pour effectuer leurs déplacements.

La recherche d'une solution de compromis, reposant sur une mise en commun des

informations, représente notre sixième phase d’évaluation qui consiste à définir une

combinaison de niveaux de variables pour la meilleure satisfaction des exigences des uns (les

urbanistes, les ingénieurs dans le domaine de transport) et les contraintes des autres (clients).

Un exemple d’application est proposé pour chaque phase de la méthode d’EAPMM.

Sur la base de la méthodologie développée dans le chapitre 3, le chapitre 4 décrit une étude

de cas que nous avons menée dans la ville de La Rochelle (Charente-Maritime): la mise en

place d’un Parking-Relais (P+R) relié au centre-ville par bus, projet réalisé dans le cadre d’un

projet européen de transport. Les données utilisées ont été collectées à différents moments du

projet. Cette étude a pour objectif d’illustrer la faisabilité et l’applicabilité de notre

méthodologie.

Enfin, la dernière partie de ce mémoire présente les conclusions et une synthèse de notre

contribution aux problématiques de l’évaluation a priori des projets transport. L’identification

des points à améliorer de nos travaux ouvre une perspective pour des nouvelles pistes de

recherche.

CHAPITRE 1: De la problématique de la mobilité à la problématique de l’évaluation

17

Chapitre 1

De la problématique de la mobilité à la problématique de l’évaluation

Sommaire

INTRODUCTION ...................................................................................................................... 19

1. LA PROBLEMATIQUE DE LA MOBILITE URBAINE ............................................................. 19

1.1 La ville : un système urbain complexe ..................................................................... 20

1.1.1 La définition du système complexe .................................................................. 20

1.1.2 Le système urbain complexe ............................................................................ 21

1.2 L’évolution du système urbain ................................................................................. 23

1.2.1 L’étalement urbain ........................................................................................... 23

1.2.2 La fragmentation spatiale ................................................................................. 24

1.2.3 Une accessibilité inégale .................................................................................. 25

1.2.4 La croissance du taux de motorisation ............................................................. 25

1.2.5 Les transports collectifs .................................................................................... 29

1.3 Les nouveaux défis des villes ................................................................................... 30

1.3.1 Ville durable ..................................................................................................... 30

1.3.2 Mobilité durable et transport durable ............................................................... 32

1.4 Les stratégies de mobilité et de transport durable .................................................... 33

1.4.1 Agir sur l’offre ................................................................................................. 33

1.4.2 Agir sur la demande ......................................................................................... 35

2. LA PROBLEMATIQUE DE L’EVALUATION D’UN PROJET DE TRANSPORT ........................... 36

2.1 Définir un projet de transport ................................................................................... 36

2.2 Les moments de l’évaluation.................................................................................... 39

2.3 L’évaluation a priori d’un projet de transport .......................................................... 41

2.3.1 L’intérêt d’une évaluation a priori ................................................................... 41

2.3.2 Les problématiques d’une évaluation a priori: notre point de vue ................... 42

3. L’ORIENTATION DE NOS TRAVAUX ET HYPOTHESES PRELIMINAIRES .............................. 46

CONCLUSION ......................................................................................................................... 48


18


19

Chapitre 1 : De la problématique de la mobilité à la

problématique de l’évaluation

Introduction

Les déplacements urbains s’effectuent aujourd’hui majoritairement en la voiture particulière.

Le succès croissant de ce mode de transport repose sur ses avantages – en particulier la liberté

qu’il offre à l’individu puisqu’il permet à tout possesseur d’un permis de conduire ayant une

voiture à sa disposition, en principe, d’assurer la plupart des déplacements habituels de porte à

porte et ce 24 heures sur 24. Il s’agit d’un avantage d’autant plus indéniable que la mobilité

est une valeur centrale de la modernité, qui peut marginaliser ceux qui ne peuvent en

bénéficier suffisamment.

En contrepartie, et parce qu’elle tend à se généraliser, cette évolution génère de multiples

problèmes, en particulier dans les centres villes: la congestion, la pollution environnementale

et sonore, le manque de places de stationnement et l’insécurité. Aussi, afin d’apporter des

solutions aussi adaptées que possible à ces problèmes, les autorités responsables de transport

réagissent : elles cherchent à fournir des alternatives aux usagers pour qu’une part croissante

des déplacements en ville et dans les agglomérations soit assurée dans des conditions plus

favorables à l’environnement et à l’équité sociale.

Très souvent, les alternatives envisageables pour résoudre ces problématiques dépendent des

seuls critères financiers ou politiques, ce qui génère souvent des désaccords entre les

différents acteurs de la ville.

L’évaluation constitue un instrument utile et nécessaire pour prendre en compte les difficultés

liées aux projets de transports. Lorsqu’elle est réalisée a priori (avant l’implantation d’un

projet), l’évaluation est un outil efficace d’aide à la décision qui permet d’éclairer au mieux

les décideurs et de les renseigner sur les conséquences de leur choix.

Les méthodes d’évaluation évoluent en fonction de ces nouveaux paramètres, de ces

nouveaux besoins et objectifs. Actuellement, le concept de durabilité – c’est-à-dire la prise en

compte du critère «développement durable» à chacune des étapes d’un projet - tend à

complexifier les méthodes d’évaluation. Elles doivent désormais intégrer les dimensions

environnementales, sociales et économiques et couvrir ainsi le plus souvent des champs

pluridisciplinaires.

Ce chapitre propose, dans sa première partie, une description de l’évolution de la mobilité au

cours des dernières années. Les problèmes inhérents à la mobilité et les nouvelles solutions

proposées pour les résoudre - souvent extrêmement coûteuses - méritent que l’on pose la

question de l’efficacité de la mise en œuvre de ces solutions dans un contexte urbain. La

deuxième partie de ce chapitre vise à mettre en lumière les questionnements que pose

l’évaluation de l’efficacité d’un projet de transport, en particulier lorsqu’il s’agit d’une

évaluation a priori.

1. La problématique de la mobilité urbaine

La mobilité est définie par le nombre de déplacements par jour tous modes et motifs

confondus. Elle regroupe la mobilité des personnes et la mobilité des marchandises.


20

Nous allons nous concentrer dans ce travail sur la mobilité urbaine des personnes.

La mobilité urbaine est définie par l’ensemble des déplacements de personnes relatifs à des

activités quotidiennes liées au travail, aux achats et aux loisirs, inscrits dans un espace urbain.

La notion d’espace urbain dans cette définition reste cependant relativement floue. On peut

cependant affirmer que la mobilité urbaine est faite de déplacements nombreux, plus courts et

plus fréquents par rapport à d’autres formes de mobilité [Wiel, 2005].

Pour identifier et mieux appréhender la problématique de la mobilité urbaine, il est nécessaire

de caractériser le cadre spatial dans lequel se réalisent les déplacements : la ville.

Une caractérisation du système urbain et de ses mutations permet de mieux cerner ce qu’est la

mobilité urbaine et les raisons pour lesquelles elle a été l’objet d’évolutions particulièrement

impactantes.

1.1 La ville : un système urbain complexe

1.1.1 La définition du système complexe

Qu’est-ce qu’un système ?

La notion de système, est utilisée aujourd’hui dans un nombre croissant de disciplines en

raison de son pouvoir intégrateur, de son pouvoir « d’unification »: une ville, une cellule, un

organisme, un ordinateur, une entreprise sont des systèmes.

Issu du grec, « systema » signifie « qui tient ensemble » (dans le sens d'union en un tout

organisé), un système est un ensemble organisé d'interactions entre des éléments. La notion

d’ensemble peut parfois être interprétée de façon réductrice si elle est présentée comme une

collection d’éléments munis de caractéristiques propres et donc indépendantes [Allain, 2004].

De nombreuses autres définitions existent ; ces définitions peuvent varier en raison de

l’utilisation de ce terme dans de nombreuses disciplines. Ludwig Von Bertalanffy

[Bertalanffy, 1973] a été l'un des premiers à montrer qu'« un système est un tout non

réductible à ses parties ».

Introduisant la notion de finalité dans ses travaux de sciences sociales, Joël de Rosnay définit

un système « comme un ensemble d'éléments en interaction dynamique, organisés en fonction

d'un but » [de Rosnay, 1975]. Selon Jean-Louis Le Moigne [LeMoigne, 1977], un système

est « un objet qui, dans son environnement, doté de finalités, exerce une activité et voit sa

structure interne évoluer au fil du temps sans qu’il perde pourtant son identité unique».

Qu’est-ce qu’un système « complexe »?

La racine latine du mot complexe est « plexus » qui signifie enchevêtrement, connexion.

Souvent, la complexité d’un système est associée à un degré élevé d'organisation, une

incertitude de son environnement et la difficulté d'identifier tous les éléments et de

comprendre toutes leurs interactions.

On peut identifier différentes caractéristiques d’un système complexe de la manière suivante :


21

o un système complexe est composé d’un grand nombre d'éléments, souvent de

plusieurs types différents;

o au sein d’un système complexe, les éléments sont reliés par des interactions non

linéaires, souvent de différents types;

o le système est soumis à des influences extérieures à différentes échelles ;

o le système complexe présente une causalité rétroactive entre les éléments qui le

constituent;

o un système est dit complexe si le résultat final n’est pas prédictible directement;

o le système est aussi complexe car l’humain a un grand poids dans son fonctionnement

et ses conséquences.

Une certaine confusion peut apparaître dans le langage courant entre deux notions :

« complexe » et « compliqué ». Étymologiquement, « compliqué » signifie qu’il est difficile

de comprendre l’objet d’étude, alors que complexe signifie qu’il y a beaucoup d’intrications,

que « tout est lié » et que l’on ne peut étudier une petite partie du système de façon isolée. Les

systèmes complexes sont généralement compliqués, mais le contraire n’est pas toujours vrai

[Rouquier, 2008].

1.1.2 Le système urbain complexe

Selon Claramunt [Claramunt, 2001] le système urbain figure parmi les systèmes dont la

complexité, la structure, l'évolution et les comportements sont les plus difficiles à analyser et

à comprendre.

Wegener [Wegener, 1994] distingue huit types de sous-systèmes urbains : les réseaux, le

mode d’occupation des sols, les lieux d’emploi, les lieux de résidence, l’emploi, la population,

le transport de marchandises et les déplacements de personnes. La dynamique de ces sous-

systèmes urbains résulte de l'interaction de multiples processus se développant sur des

échelles spatiotemporelles complémentaires [Vanbergue , 2002]. Ces sous-systèmes peuvent

être ordonnés selon la vitesse à laquelle ils se transforment, c’est-à-dire leur temporalité : du

long terme (réseaux, occupation de sols) au moyen terme (emploi, population) jusqu’au court

terme (transport de marchandises et de passagers).

D’une façon plus simplifiée, le système urbain peut être présenté comme l’imbrication de

trois sous-systèmes, dotés chacun d’une logique de fonctionnement et de transformation mais

qui s’articulent les uns avec les autres selon des relations complexes de causalité [Bonnafous,

1983]:

- un système de localisation qui désigne l’utilisation du sol, quelles que soient ses fins

(voirie, espaces verts, immeubles, etc) ;

- un système de transport qui constitue à la fois des flux de biens et de personnes

(déplacements) qui parcourent la ville et ce qu’il est convenu d’appeler le système de

transport physique, qui en constitue le support ;

- un système de pratiques et de relations sociales : qui réunit les activités de la vie

quotidienne (le travail, les activités ménagères, les achats, les loisirs, etc.) qui se

déroulent dans le cadre d’une organisation sociale de la production, de la

consommation ou des services collectifs.


22

Les interactions qui constituent la dynamique urbaine sont nombreuses et complexes (Figure

1.1). Nous distinguons 6 types d’interactions qui existent entre les trois sous-systèmes du

système urbain.

Figure 1.1: Une conception du système urbain

(Adapté de [Masson, 2000])

Interaction 1 : Le système des localisations conditionne la formation des

déplacements dans la mesure où la demande de déplacements est issue du besoin des

individus à effectuer une activité.

Interaction 2 : Les changements des systèmes de transport peuvent potentiellement

avoir un impact sur les schémas d’activités par l’intermédiaire des changements dans

les niveaux d’accessibilité à des divers lieux d’activité.

Interaction 3 : Le système des pratiques et des relations sociales intervient à deux

niveaux sur le système de transport : d’une part, sur le niveau de la mobilité globale ;

d’autre part, sur le partage modal. Le rôle des revenus sur les taux de motorisation et

l’augmentation de la mobilité est évident.

Interaction 4 : Les transports ont des effets certains sur les pratiques sociales car

l’accroissement de la facilité de transport permet d’augmenter la fréquence des

échanges humains.

Interaction 5 : L’évolution des pratiques sociales, comme par exemple l’usage accru

de la voiture particulière, peut favoriser certaines formes urbaines, comme l’étalement

urbain ou la périurbanisation.

Interaction 6 : Certaines formes urbaines contribuent et renforcent l’exercice de

certaines pratiques sociales. Par exemple, les espaces périurbains rendent nécessaire

l’usage de la voiture particulière.

Situé à la jonction d'un système de localisation de l'habitat et des activités et d'un système

complexe de pratiques et de relations sociales, les systèmes de transport et de mobilité

permettent d'irriguer la ville en répondant à ses transformations.

Nécessaire au développement économique comme à l’insertion des individus, la mobilité

assurée par un système de transport est aussi synonyme de liberté et d’autonomie. Ainsi, bien

que l’accroissement des déplacements, en particulier lorsqu’ils sont motorisés, apparaissent

Système de localisation

Système de transport Système des pratiques et

relations sociales

1

2

3

4

5

6


23

comme une source de nuisances, la mobilité demeure empreinte de valeurs positives

essentielles.

Devenue plus intense et plus fréquente, la mobilité quotidienne devient aussi plus diffuse

dans l'espace à cause de la diversification de la chaîne des déplacements et se désynchronise

grâce aux changements des rythmes de travail – et, par voie de conséquence, de loisirs. Ce

qui complique fortement la gestion de la mobilité urbaine.

1.2 L’évolution du système urbain

1.2.1 L’étalement urbain

L’étalement urbain caractérise le phénomène de croissance de l’espace urbanisé de façon peu

maîtrisée, produisant un tissu urbain de plus en plus éloigné du centre de l’aire urbaine dont il

est dépendant. Il se traduit donc par une consommation d’espace importante et supérieure au

niveau désiré par les acteurs publics, consommation incompatible avec un développement

durable du territoire. L’étalement urbain résulte généralement de dynamiques essentiellement

résidentielles, mais aussi par le développement de zones commerciales en dehors des

espaces urbanisés.

L’évolution des moyens de transport motorisés a contribué fondamentalement à la

dynamique et l’étalement de la ville (Figure 1.2), suivant trois périodes distinctes [Wiel,

1999], [Kaufmann, 2000], [Von Hoffman, 2002].

Figure 1.2 : Extension de la ville

(Adapté de [Thévenin, 2002])

La ville pédestre : l'extension des villes s'effectue, en Europe, dès le Moyen-âge

[Frankhauser, 1994]. La marche à pied constitue le principal mode de déplacement. La

ville est caractérisée par une proximité du logement et du lieu d’activité. La ville est

très dense. On parle alors de la ville pédestre : chaque lieu de la ville est accessible par

la marche à pied (figure 1.2 a).

Ville motorisée (Voiture particulière)

Ville pédestre (Marche à pied)

Ville radiale motorisée (Chemin de fer)

Ville radiale motorisée (Transport collectif)


24

La ville radiale : Avec la révolution industrielle, au 19e siècle, l'extension urbaine est

guidée par les transports collectifs (Figure 1.2 b). La force des transports en commun

change la ville pédestre en ville radiale. L’urbanisation se fait le long des lignes de

transport et plus spécialement de chemin de fer (Figure 1.2 c).

La ville automobile : Le modèle de développement des villes qui prévalait au cours

des Trente Glorieuses (1943-1973), d’inspiration américaine, l’idéal-type californien

[Kaufmann, 1999], a fait que la ville radiale a laissé la place à la ville automobile. La

création de nouvelles infrastructures routières rapides, les progrès technologiques des

moteurs thermiques ont permis d’habiter de plus en plus loin sans augmenter le temps

de trajet. Ainsi, depuis plusieurs décennies, « la ville, longtemps bien circonscrite,

tend à se définir comme un territoire aux contours mouvants et incertains, rythmés par

des activités en continu». [Godard, 2001].

L’étalement urbain est aujourd’hui à l’origine de nombreux problèmes : une fragmentation

spatiale, une accessibilité difficile du centre-ville et une croissance du taux de motorisation.

1.2.2 La fragmentation spatiale

On constate aujourd’hui que la ville automobile est morcelée en cercles concentriques (Figure

1.3).

Figure 1.3: Etalement urbaine et choix modal

L’hyper-centre, bâti sur les bases du centre historique où coexistent le résidentiel, des

commerces et services, permet un usage facile de la marche à pied ou du vélo pour se

rendre vers une multitude de lieux pour de multiples motifs. Selon [Allaire, 2006], «

la proximité des lieux réduit les distances des déplacements et permet un plus grand


25

recours aux modes doux ». Les places de stationnement automobile sont rares, parfois

quasi inexistantes.

Au sein de la couronne suivante et de la périphérie immédiate de la ville, caractérisées

par des zones résidentielles assez compactes, les voies – qui sont plus larges -, et la

mixité des fonctions urbaines permettent un déploiement plus facile des transports

collectifs au service d’une population nombreuse et dense.

Enfin, dans la zone périurbaine dépendant encore de l’attractivité économique,

culturelle, administrative et sociale de la ville, les faibles densités et l’éclatement des

fonctions urbaines rendent difficile la desserte par transports en commun.

1.2.3 Une accessibilité inégale

L’étalement urbain a créé des zones socialement défavorisées et n’ayant que marginalement

accès aux emplois et aux services. Cela se traduit par une répartition inégale du réseau de

transport selon les territoires et les groupes sociaux. Cela signifie, par conséquent, que

l’accessibilité aux services, aux activités et aux emplois de la ville est différenciée

spatialement et socialement.

Aujourd’hui, avoir accès ou non à une voiture particulière dépend en grande partie du revenu

des ménages. Les ménages les plus pauvres sont en général bien moins motorisés que les

ménages aisés. C’est le cas en France [Mignot, 2006] comme dans d’autres pays d’Europe

[Dupuy et al, 2006]. L’impossibilité d’accéder à un véhicule particulier est généralement

synonyme d’une moindre accessibilité aux différents services et emplois présents dans une

agglomération [Caubel, 2006]. La présence de transports collectifs permet de réduire les

inégalités d’accès aux services et emplois, mais ce type de transport est moins flexible que la

voiture et peu adapté à certains types de déplacements (achats de biens alimentaires dans un

supermarché, par exemple).

Au-delà du revenu des ménages, c’est sa localisation et notamment les caractéristiques de son

lieu de résidence qui déterminent « l’ampleur » de sa mobilité quotidienne [Vanco, 2011].

L’expérience parfois douloureuse des ménages périurbains confrontés à de longs trajets

quotidiens en voiture illustre bien la situation de « mobilité contrainte » dans laquelle ils se

trouvent [Baudelle, 2004], une dépendance à la voiture pour accéder aux activités et services.

Un paramètre supplémentaire prendra, dans les années à venir, un poids prépondérant dans

l’accessibilité et la demande de mobilité des individus : le phénomène de vieillissement de la

population. La réduction des capacités motrices d’une partie importante de la population

constitue un défi supplémentaire dans les réponses pouvant être apportées par les collectivités

à la demande de mobilité2.

1.2.4 La croissance du taux de motorisation

Conséquence de l’étalement urbain et d’un déséquilibre évident entre la localisation des

systèmes d’activités et la densité urbaine, le taux de motorisation en France et dans d’autres

pays européennes n’a cessé d’augmenter au cours des dernières décennies.

2 Il est à noter que le législateur français a pris rapidement conscience de cet enjeu en adoptant, dès Février 2005, une loi sur

le handicap, afin d’offrir, notamment dans le domaine des transports, une accessibilité pour tous.


26

Sur la seule période 1980-2008, le taux de motorisation des ménages en France a augmenté de

12% (Tableau 1.1).

Motorisation des ménages en % 1980 1990 2000 2008

Ménages motorisés 70.8 76.8 80.3 82.7

Mono-motorisés 54.3 50.5 50.7 46.9

Bi-motorisés 14.8 23.0 25.4 30.5

Tri-motorisés et plus 1.7 3.3 4.2 5.3

Ménages non motorisés 29.2 23.2 19.7 17.3

Tableau 1.1: Équipement automobile des ménages en France

(Sources : [Grimal, 2010])

Les ménages bi-motorisés sont en augmentation de plus de 15% sur la même période.

Plusieurs facteurs peuvent expliquer cette évolution: l’augmentation des ménages biactifs,

augmentation du nombre de déplacements, l’augmentation de ressources financières, la

localisation du lieu de résidence et la taille des ménages.

Cela signifie que les personnes d’un même foyer ont tendance à considérer l’automobile

toujours davantage comme un bien propre qu’ils ne partagent pas, qu’ils s’approprient pour

leur besoins de déplacement de manière individuelle.

Cette mobilité automobile individuelle prouve chaque jour ses limites en engendrant des

impacts collectifs néfastes comme les émissions atmosphériques et la consommation de

l’énergie, le bruit et l’encombrement de l'espace public.

1.2.4.1 Les émissions atmosphériques et la consommation énergétique

Dans le secteur du transport, le transport routier est responsable de 73 % d’émissions et de

consommation d’énergie (Figure 1.4). En France les émissions de la route ont augmenté de

23% entre 1990-2004 [CGDD, 2011].

Figure 1.4: Répartition des secteurs de transport en fonction de leur consommation/émissions

Voie

Fluvial

e

Voie maritime

internationale

Trafic

routier

Autres

transports


27

Les transports urbains sont responsables d'un quart environ des émissions de CO2 dues aux

transports. En outre, 69 % des accidents routiers se produisent dans les villes.

Depuis la première grande crise pétrolière il y a 40 ans – et malgré les progrès techniques, les

possibilités d'améliorer l'efficacité énergétique à moindre coût et les efforts politiques – le

système de transport n'a pas fondamentalement changé. Les transports utilisent l'énergie de

manière plus efficace mais, dans l'Union Européenne par exemple, ils dépendent toujours du

pétrole et des produits pétroliers pour 96 % de leurs besoins énergétiques. Les progrès

techniques réalisés ces dernières années sur la motorisation et les carburants sont indéniables

- et contribuent à réduire l’empreinte écologique de chaque véhicule. Toutefois, ces progrès

sont en partie « consommés » par l’évolution de nos pratiques. Par exemple, le pot catalytique

a permis une diminution des émissions des véhicules, mais l'effet reste encore peu perceptible

compte tenu de l'augmentation forte du trafic automobile et de l'âge moyen des véhicules.

L'âge moyen des voitures particulières est estimé à 8,3 ans au 1er janvier 2009, en légère

hausse par rapport à 2008 (8,2 ans). La part du diesel a poursuivi sa hausse et atteint 54% du

parc des voitures particulières au 1er janvier 2009 (52% au 1er janvier 2008) [Comité des

constructeurs français d’automobiles, 2011].

Des études montrent qu'une fois sur deux, les Européens prennent leur voiture pour faire

moins de 3 km, une fois sur quatre pour faire moins d’1 km et une fois sur huit pour faire

moins de 500m; or le pot catalytique n'a une action sur les émissions qu'à partir de 10 km

parcourus.

Les émissions polluantes des transports ont de multiples impacts tant sur la santé que sur la

dégradation de l’environnement. Deux types de pollutions dus à l’automobile peuvent être

distingués : les principaux polluants primaires ayant un impact sur la santé humaine et

contribuant notamment aux phénomènes d’acidification, et les gaz à effet de serre (GES) tels

que les émissions de CO2 qui constituent le principal enjeu environnemental à long terme.

1.2.4.2 Le bruit

Le Ministère de l’écologie et du développement durable définit le bruit comme étant dû «à

une variation de pression régnant dans l’atmosphère. Il peut être caractérisé par sa fréquence

(grave, médium, aiguë) et par son intensité mesurée à travers la pression acoustique. On parle

de niveaux de bruit exprimés en décibel A (dB(A)) où A est un filtre caractéristique des

particularités fréquentielles de l’oreille ».

Une statistique réalisée par Eurostat à base d’enquêtes montre que déjà en 1995, la répartition

de l'exposition de la population française au bruit de l'environnement était inquiétante

(Tableau 1.2) :

Exposition au bruit Population urbaine Exposée

55 dB(A) > 46,4 % 17,0 millions

55 à 65 dB(A) 37,2 % 13,7 millions

> 65 dB(A) 16,4 % 6,1 millions

Tableau 1.2: Exposition au bruit

(Source : [Eurostat, 1995])


28

Selon les données de l’ADEME [ADEME, 2011], 68% des bruits proviennent des transports

routiers contre 20% du le transport aérien et 12% du transport ferroviaire.

C’est la raison pour laquelle la Commission européenne a fixé un objectif pour les années à

venir afin de réduire les nuisances sonores en milieu urbain. En juin 2002, le Parlement

Européen et le Conseil de l’Union Européenne ont adopté une directive selon laquelle en

milieu urbain, le bruit ne doit pas dépasser 60 dB en moyenne dans la journée. La directive

européenne n° 2002/49/CE impose l’élaboration de cartes de bruit et de Plans de Prévention

du Bruit dans l’Environnement (PPBE) pour les grandes infrastructures de transports

terrestres, les principaux aéroports ainsi que les agglomérations de plus de 100 000 habitants.

Le bruit présente une particularité en tant qu’enjeu environnemental: il ne dégrade pas

directement les milieux naturels et ne génère pas d’accumulation de polluants, mais il

constitue néanmoins une nuisance pour les personnes qui le subissent, pouvant occasionner

des troubles de la santé.

Une enquête de 2007 - menée en France auprès de 4.391 patients de 30 communes

franciliennes sur les effets du bruit sur la santé - a montré que l'hypertension artérielle, les

troubles du sommeil, les hospitalisations et arrêts de travail ainsi que les états anxieux et la

prise de médicaments étaient en lien statistique fort avec le bruit en ville. «Plus d'un tiers des

personnes interrogées se plaignent de la pollution sonore » (docteur Jean-Marie Cohen,

médecin épidémiologiste responsable de cette étude).

1.2.4.3 La congestion

La congestion est un phénomène fréquent aux abords et à l’intérieur des villes, plus

précisément aux périodes de pointe (les heures d’embauche et débauche des bureaux, départs

et retour des vacances). La première approche d’une définition de la congestion donnée par le

rapport Boiteux [Boiteux, 2001], reprise dans le rapport de la Commission des comptes et de

l’économie de l’environnement [MEDD, 2006] est la suivante: «la congestion se définit

comme la gêne que les véhicules s’imposent les uns aux autres en raison de la relation qui

existe entre la densité de circulation sur un itinéraire ou sur un réseau (concentration des

véhicules) et la vitesse d’écoulement des trafics, compte tenu de la capacité (ou du débit

maximal possible)».

L'OCDE3 estime que, dans les grandes villes de ses États membres, la vitesse de circulation

des véhicules a baissé de 10 % au cours des 20 dernières années [CEMT, 2007].

L’omniprésence de l’automobile nous amène à nous interroger sur les effets externes que la

congestion engendre (voies encombrées, embouteillages, perte de temps pour les usagers,

stress, énervement, accidents, retards pour les autres modes de transport).

En 2010, la Commission européenne a estimé que 7500 km du réseau européen, soit 10%,

était encombré et a exigé des solutions pour appréhender la congestion et internaliser les coûts

qu’elle engendre : taxes, péage, schéma de tarification du carburant à l’échelle européenne

pour tous les modes de transport, etc.

Dans un contexte urbain, une stratégie reposant sur des considérations urbanistiques, des

systèmes de tarification adéquats, des transports publics efficients ainsi que des infrastructures

3 Organisation de Coopération et de Développement Economiques


29

pour les déplacements non motorisés et pour l'approvisionnement des véhicules propres, est

nécessaire pour réduire la congestion et les émissions [CE, 2011].

1.2.4.4 La consommation de l’espace

La voiture est par ailleurs le moyen de transport qui consomme le plus d’espace si on le

rapporte au nombre de personnes transportées (Tableau 1.3).

Mode

Vitesse

(km/h)

Occupation

(Personne/mode)

Surface

(m2/personne)

Pied 3.6 1 0.75

Vélo 10 1 6.5

Moto 25 1 16

Voiture 35 1.3 20

Bus 25 60 2.81

Métro 35 9000 3.75

Tableau 1.3: Les caractéristiques des modes de transport en zone urbaine

(Source: [Yeh, 2009])

La demande d’espace par personne en voiture (20 m2/personne) est au moins 6 fois plus

grande que la demande d’espace par personne en bus (2.81 m2/personne).

Il est évident que transporter 60 personnes avec un transport collectif, par exemple le bus,

permet d’élargir l’espace de vie d’environ 46 voitures (60 personnes /1.3 personne/voiture).

Une automobile reste en état stationnaire 95 % de sa durée de vie en moyenne, ce qui, selon

les spécialistes du trafic, n’est pas sans avoir d’incidence sur les conditions de circulation en

milieu urbain.

Devant ce constat, la réflexion sur l’augmentation de l’attractivité des transports collectifs est

de tous les débats et au cœur des projets de la ville.

1.2.5 Les transports collectifs

Au cours des Trente Glorieuses, les collectivités locales françaises se sont peu impliquées

dans les transports collectifs urbains car les enjeux étaient ailleurs: déployer des politiques du

logement et de l’habitat mais aussi de «socialisation du confort urbain» (introduction des

services comme téléphone, électricité, eau…).

Un autre enjeu primordial était de s’insérer dans l’ensemble du territoire national, en

multipliant les infrastructures routières de liaison, les « pénétrantes », les « rocades ».

L’amélioration des niveaux de vie des citoyens devait fournir à chacun l’opportunité de

détenir et d’utiliser sa voiture.


30

Les transports collectifs urbains étaient considérés comme une « prothèse sociale », une niche

réservée aux personnes qui ne peuvent pas détenir une voiture [Le Breton, 2000].

A partir des années 1970, la Ville acquiert un statut politique de premier ordre et

«s’autonomise »: elle ne s’intéresse plus seulement à son insertion dans les réseaux nationaux,

mais également à son fonctionnement interne, à sa cohérence. En parallèle, les outils

conceptuels de l’aménagement urbain se diversifient: les pratiques de la séparation

fonctionnelle des lieux sont remises en cause, et des idées portant sur la mixité se

développent.

Le nouveau changement du statut des villes donne une autre allure au transport collectif.

L'étalement des villes et les problèmes des migrations domicile-travail ainsi que le

développement du temps libre nécessitent d'offrir une qualité de transport attractive aux

citadins et une alternative à l'usage de l'automobile individuelle.

Par ailleurs, la prise de conscience des problèmes de pollution et de réchauffement climatique

militent en faveur du développement des transports collectifs urbains.

Ainsi, des nouvelles exigences sont attribuées au transport collectif comme aux autres modes

de transport alternatif à la voiture. Les transports collectifs doivent faire face à l’évolution

démographique, à l’extension des déplacements, à l’évolution de la demande, du mode de vie,

mais aussi aux exigences en matière de nouvelles normes environnementales – à savoir être

propre et silencieux.

1.3 Les nouveaux défis des villes

1.3.1 Ville durable

La notion de développement durable, éthique de développement a été introduite en 1987 par

le rapport de la Commission mondiale sur l’environnement et le développement [Brundtland,

1987]. Ce rapport défend l’idée d’un mode de développement favorisant « un état d’harmonie

entre les êtres humains, et entre l’homme et la nature ». Il définit le développement durable

comme un développement qui répond aux besoins du présent sans compromettre la capacité

des générations futures de répondre aux leurs. Deux concepts sont inhérents à cette notion :

le concept de « besoins », et plus particulièrement des besoins essentiels des plus

démunis, à qui il convient d’accorder priorité absolue ;

l’idée des limitations que l’état de nos techniques et de notre organisation sociale

impose sur la capacité de l’environnement à répondre aux alternatifs de la voiture.

La perception que l’on peut avoir de cette notion dépend fortement de la position que l’on

occupe dans la société (Figure 1.5).

La vision de chacun est donc déformée par son métier. Chaque vision a sa part de vérité la

difficulté étant d’appréhender le concept dans sa globalité, de percevoir qu’il s’agit d’une

notion transversale.


31

Figure 1.5: Différentes perceptions de la notion de développement durable

(Tiré de [Khalfan, 2002])

Il existe aujourd’hui de multiples façons d’engager une démarche de développement durable

et ce à l’échelle européenne, nationale et locale. En effet, la France, par exemple, à travers

son récent Grenelle de l’environnement (2007), s’est préoccupée du problème des

déplacements et a montré sa volonté d’agir en faveur d’un transport durable.

A l’échelle locale, les actions des collectivités peuvent être initiées par l’élaboration d’un

Agenda 21 local. « Un Agenda 21 local est un processus de réflexion stratégique proposé dans

l'Agenda 21 de Rio4 pour mettre en place au niveau local un projet collectif de développement

durable ». Ce processus est de nature participative, à l'échelle d'un territoire. Il se concrétise

par la mise en œuvre d'un programme d'actions, périodiquement évalué et mis à jour.

Selon les termes de l’Agenda 21, le développement durable doit être la résultante de

politiques « économiquement viables, écologiquement durables et socialement équitables »

[Prescott- Allen, 2003].

Les villes et agglomérations ont un rôle primordial à jouer en matière de développement

durable dans la mesure où ces territoires sont soumis à des évolutions qui risquent de

compromettre gravement les équilibres économiques, écologiques et sociaux.

La Commission européenne apporte son soutien en faveur d'une ville compacte ou ―ville des

courtes distances‖. La ville ―durable‖ serait synonyme de ville dense, de lutte contre la

poursuite de l'étalement urbain à travers différentes mesures : défendre la mixité dans les

usages du sol; densifier le bâti, limiter l'éparpillement résidentiel ; reconquérir les espaces

publics ; renforcer l'urbanisation autour des points de forte accessibilité, en particulier près

des dessertes de transports publics, densifier au plus près des réseaux de transport en

commun.

4 Cette conférence est marquée par l'adoption d'un texte fondateur, ― La déclaration de Rio sur l'environnement et

le développement, 1992 ‖ et d'un document de propositions, non juridiquement contraignantes mais faisant

autorité, ― l'Agenda pour le XXIème siècle ‖, dit Agenda 21.


32

Ce type d’urbanisation assez compacte et maîtrisée a été qualifié de modèle rhénan en

opposition au modèle nord-américain de villes éclatées. Ce nouveau modèle d'organisation

spatiale s'est imposé récemment dans certaines villes d'Allemagne, des Pays-Bas, d'Autriche

ou de Suisse qui ont tenté de contenir leur développement urbain et périurbain.

1.3.2 Mobilité durable et transport durable

Souvent, les notions de transport et de mobilité durable sont utilisées sans distinction. Il

semble, d’après les lectures faites sur le sujet, que la mobilité durable ainsi que le transport

durable s’appuient sur les mêmes principes, les mêmes concepts et les mêmes préoccupations.

Bien que ces deux termes soient généralement considérés comme pratiquement identiques, ils

présentent des particularités.

La notion de transport durable suggère une préoccupation accrue pour les infrastructures et les

moyens de transport. Par exemple, une intervention de transport durable sera plus prompte à

modifier une infrastructure ou un moyen de transport afin d’améliorer son bilan de

«durabilité».

À l’opposé, la notion de mobilité durable est davantage axée sur les usagers et leur

comportement. Par exemple, une intervention de mobilité durable préconisera la modification

des habitudes des usagers, telle que l’utilisation plus fréquente du vélo au détriment de

l’automobile.

L’intégration récente du concept de mobilité durable dans le vocabulaire politique, technique,

scientifique et citoyen marque ainsi une nouvelle épreuve de qualification, un tournant du

point de vue des orientations politiques et sociales en matière de gestion de l’espace et du

temps. Cette apparition conceptuelle révèle qu’il ne s’agit plus simplement d’améliorer

l’efficience des technologies et des équipements de transport afin d’en assurer l’acceptabilité

des coûts sociaux et économiques. Le concept soulève des remises en cause des approches et

des stratégies politiques en matière de planification et hiérarchisation des transports.

Repenser la mobilité urbaine durable, c'est optimiser l'usage de tous les modes et organiser

leur complémentarité (intermodalité, multimodalité) ; complémentarité entre différents

modes de transports collectifs (train, tramway, métro, bus, taxis) et différents modes de

transport individuel (voiture, deux-roues motorisées, vélo, marche à pied) [CE, 2007]. « Il ne

s’agit pas de revenir à la marche à pied, mais d’opérer une optimisation globale

nécessairement différente de la somme de nos préférences individuelles» [Wiel, 2002].

En résumé, les notions de transport et de mobilité durable traitent le même univers, mais l’une

et l’autre définissent des priorités différentes. Nous devons nous attendre, sous l’angle du

transport durable, à ce que les efforts, afin de tendre vers la durabilité, soient davantage

dirigés vers les infrastructures et les véhicules. La mobilité durable, elle, suggère que les

efforts porteront davantage aux déplacements et aux comportements individuels.

Les deux notions (mobilité et transport) sont loin d’être contradictoires et se complètent: la

mobilité urbaine repose sur une excellente articulation entre les différents modes de

transports. S’attaquer aux changements des comportements ne peut s’envisager que si l’offre

de transports est adaptée aux besoins propres des usagers donc si la gamme des transports

offerts est suffisamment étoffée.


33

Vanco [Vanco, 2011] décline les défis de la mobilité et du transport durable en trois éléments:

une réduction des inégalités de mobilité (cohésion sociale), une réduction des émissions de

gaz à effet de serre (durabilité, « sustainability ») et une limitation des dépenses globales de

transports pour les ménages (durabilité économique).

Les récentes flambées des prix du pétrole du printemps 2008 et de juillet 2011 ont montré la

fragilité du système sur lequel repose actuellement les déplacements, basé essentiellement sur

une utilisation massive de la voiture particulière. La nécessité de bâtir un système de

transports plus durable prend ainsi sa source dans le cadre plus général du développement

durable.

Différentes stratégies existent aujourd’hui dans le sens de développement du transport urbain

et mobilité durable: agir sur l’offre de transport, sur la demande de transport ou sur les deux à

la fois.

1.4 Les stratégies de mobilité et de transport durable

1.4.1 Agir sur l’offre

La recherche de solutions organisationnelles visant à accroître l’efficacité globale du système

de transport incite à proposer, pour chaque déplacement, l’usage du mode de transport le

mieux approprié. Il s’agit de proposer aux usagers une alternative pour favoriser une

utilisation plus rationnelle des véhicules. Plusieurs mesures peuvent être envisagées pour la

modification de l’offre de transport :

L’investissement dans de nouvelles infrastructures (routes, transports publics, modes

doux). De plus en plus, la France et les autres pays européens mettent en place des

investissements plus au moins lourds pour développer le transport en commun en site

propre (TCSP) comme le tramway et le métro.

D’autres modes que le métro et le tramway ont été envisagés ces dernières

années comme par exemple, le Bus à Haute Niveau de Service (BHNS). Il se

caractérise par un matériel roulant sur pneu. Le Tram Train est un système de

transport collectif qui permet à un même véhicule de circuler à la fois sur les voies de

tramway en zone urbaine, mais également sur le réseau ferroviaire et ainsi de relier des

stations situées en zone périurbaine.

D’autres formes plus atypiques de TCSP existent comme les téléphériques, les

funiculaire, les « people mover » (escalier roulant), le monorail…

L’investissement pour les nouveaux services constitue aussi un levier d’action sur le

changement de comportement de transport. Entre la voiture solo et les lignes

régulières de transport public, il existe de Nouveaux Services à la Mobilité (NSM)

proposant à l'usager de nouvelles modalités d'utilisation de la voiture et du transport en

commun (Figure 1.6).


34

Figure 1.6: nouvelles pratiques de mobilité urbaine durable

(Source : [Patrice, 1999])

o Le Covoiturage est le regroupement, dans un seul véhicule particulier, d’usagers

effectuant, au moins partiellement, un même déplacement (et qui peut s’effectuer

également en taxi). Le covoiturage dynamique fait appel aux nouvelles technologies

de géolocalisation et d’internet mobile et permet de s’affranchir de la nécessité de

réservation à l’avance de parcours prédéfinis et comportant obligatoirement le trajet de

retour. Le concept de covoiturage dynamique en temps réel et one-way offre la

possibilité de toucher un nombre bien plus important de personnes en déplacement que

le covoiturage anticipé classique.

o L’Autopartage est un système d’utilisation successive et souvent brève d’un même

véhicule par des usagers différents. Le vélopartage est une forme particulière de

partage de moyen de transport à deux roues. L’idée de ces deux formes de service est

de passer d’un paradigme reposant sur la propriété d’un véhicule, à un autre reposant

sur l’utilisation du véhicule.

o Le Transport A la Demande (TAD) est un intermédiaire entre le taxi et le bus. Le

TAD est communément désigné comme un mode flexible, capable de s’adapter à la

demande dans le temps et dans l’espace, et nécessitant une réservation préalable.

o Le covoiturage dynamique fait appel aux nouvelles technologies de géolocalisation

et d’internet mobile. Le concept de covoiturage dynamique en temps réel et « one-

way » offre la possibilité de toucher un nombre bien plus important de personnes en

déplacement que le covoiturage anticipé classique.

o D’autres formes de mobilité qui se trouvent dans la phase d’expérimentation sont le

Carapatte (pédibus) ou caracycle (vélo-bus), et représentent une ligne de ramassage

scolaire à pieds ou à vélo, adaptée à des distances de quartier.

o Des formes de transport à haute valeur technologique comme les Cybercars [Parent, 2001]- des véhicules routiers avec des capacités de conduite totalement

automatisées – pourraient présenter des caractéristiques intéressantes pour les villes.


35

1.4.2 Agir sur la demande

Une panoplie des mesures permettent d’agir sur la demande de transports et d’inciter les

utilisateurs de voitures particulières à utiliser davantage le transport collectif (TC) ou les

nouveaux services à la mobilité mentionnés dans le paragraphe précédent, en abandonnant

chroniquement ou durablement l’usage individuel de la voiture.

Les mesures financières (péage urbain, tarification du stationnement, etc.) visent à restreindre

l’accès à la ville des automobilistes pendulaires ; elles ont également l’objectif d’optimiser le

stationnement des habitants, clients et visiteurs. Ces mesures financières peuvent être aussi

incitatives pour l’utilisation d’un certain type de voiture: la gratuite de stationnement en ville

pour les voitures électriques.

La prise en charge des frais de transport domicile-travail par l’employeur constitue aussi une

mesure financière incitative pour le report modal. L'article 20 de la loi de finance du 17

décembre 2008 préconise que tout employeur doit prendre en charge 50% des frais

d'abonnement à un service public de transport collectif ou de location de vélos engagés par

ses salariés pour leur déplacement entre leur résidence habituelle et leur lieu de travail.

L’un des enjeux majeurs des décideurs politiques locaux est de faciliter l’usage combiné de

différents modes de transport pour le rendre plus pratique. A ce titre, le renforcement de

l’inter-modalité et de la multi-modalité constitue un axe stratégique majeur pour s’assurer

d’un report modal efficace et accepté. L’idée est que l’utilisateur puisse effectuer un voyage

sans rupture de charge et qu’il puisse passer aisément, pratiquement d’un mode à un autre.

Une des premières définitions que l’on peut retenir de la multimodalité est donnée par Hélène

Massot [Massot, 1996]. La multimodalité « recouvre à la fois l’association de la voiture à un

mode collectif au cours d’un même déplacement – pratique multimodale combinée – et le

recours différencié dans le temps et dans l’espace à la voiture et aux transports collectifs –

pratique multimodale alternée –, chacun des modes étant utilisé au moins une fois par mois.

L’intermodalité associe la voiture particulière à un mode de transport collectif au cours d’un

même déplacement.

L’exploitation et la gestion de l’intermodalité intègre deux ou plusieurs systèmes de transport

à la fois, visant une certaine complémentarité entre les modes de transport».

Le concept d’intermodalité est intimement lié à celui de multimodalité. Pour Bhouri et

Scemama [Bhouri, 2003], tout d’abord, l’intermodalité repose avant tout sur l’intégration

modale. L’objectif est d’obtenir un système global au sein duquel il est possible – voire facile

– de passer d’un mode à un autre. (Figure 1.7).

L’information multimodale peut être définie comme en la mise à disposition aux usagers de

l’ensemble des informations (itinéraires, horaires, correspondances…) relatives à l’offre de

transport disponible, tous modes confondus, leur permettant de préparer un trajet ou l’adapter

en optant pour le mode le plus approprié à un instant t.


36

Figure 1.7: Représentation de l’inter-modalité et de la multi-modalité

Le recours à des actions de sensibilisation à la mobilité durable et le conseil en mobilité : ils

sont utilisés par les acteurs publics (collectivités, syndicat de transport, communauté

éducative…) et les employeurs publics ou privés souhaitant sensibiliser le grand public, des

publics plus ciblés (écoliers, étudiants…) ou le milieu professionnel, à l’usage des modes

alternatifs.

Le conseil en mobilité a pour but d’encourager les différents acteurs à rationaliser leurs

pratiques et choix modaux en fonction de critères socio-économiques (santé, budget, gestion

du temps…) et environnementaux (impacts sur la qualité de l'air, le bruit, la consommation

d'énergie et d'espace…).

La question du transport durable et de la mobilité durable est complexe : elle revêt, comme

nous venons de l’évoquer, des formes de plus en plus variées, qui, dans le même temps,

doivent faire l’objet d’une intégration. C’est la raison pour laquelle, selon J. Vivier [Vivier,

1998], un développement et un renouveau des méthodes d’évaluation socio-économique et

environnementale des projets de transports est nécessaire afin de prendre en compte ces

nouvelles considérations.

2. La problématique de l’évaluation d’un projet de transport

2.1 Définir un projet de transport

La norme Afnor X50-106 définit un projet comme « … une démarche spécifique qui permet

de structurer méthodiquement et progressivement une réalité à venir. Un projet est mis en

œuvre pour élaborer une réponse au besoin d’un utilisateur ou d’une clientèle. Il implique un

objectif, des actions à entreprendre avec des ressources définies dans des délais donnés».

Nous considérerons donc qu’un projet de transport est une démarche spécifique qui permet

de structurer l’ensemble d’éléments en interaction dynamique du système de transport

Bus Voiture

Métro

Tramway

Train

Bicyclette

Auto-partage

Cyber cars

Multi modalité

Inter modalité


37

(système physique de transport et système de déplacements) dans le but d’élaborer une

réponse au besoin d’utilisateur.

Un projet de transport peut être devisé en plusieurs sous-catégories: projet, alternative et

scénario (Figure 1.8).

Figure 1.8 : Les sous-catégories d’un projet

Comme nous l’avons mentionné dans l’introduction, un projet se déroule en six étapes : le

concept, le diagnostic, la faisabilité, la conception, la mise en œuvre et l’évaluation a

posteriori (Figure 1.9)

Figure 1.9: Les composantes d’un projet

(Adaptée de [Faivre-d’Arcier, 1998])

Les étapes de concept de projet et de diagnostic, se traduisent par l’identification de

préoccupations urbaines et la présentation d’un premier jugement de valeur sur l’état du

système de transport.

L’étape de la faisabilité d'un projet permet d'en fixer les caractéristiques souhaitées du point

de vue technique, en fonction des avis des experts, mais aussi en tenant compte de points de

vue plus subjectifs, notamment celui des futurs utilisateurs.

La mise en place

d’un Parking- Relais

Projet Alternative

La mise en place

d’un Parking-Relais

avec navette

Scénario

La mise en place

d’un Parking-Relais

avec navette et un

abonnement par jour

ou par mois


38

Les moyens physiques et matériels sont identifiés dans la phase de conception, dans le but de

satisfaire les objectifs et d’aboutir aux résultats souhaités avant la mise en place réelle du

projet.

Nous pouvons représenter l’élaboration d’un projet transport comme une suite d’actions qui

regroupe la trilogie « objectifs-moyens- résultats ».

Les constats établis dans la phase de diagnostic conduisent à un questionnement sur les

objectifs à atteindre, l’état recherché du système. Les moyens constituent les modes

d’intervention disponibles, qui guident le système vers la direction souhaitée. Les résultats

sont observables a posteriori ou a priori et constituent un moyen de vérifier si les objectifs

sont atteints (a priori ou a posteriori).

Le lien entre les « problèmes » identifiés dans la phase diagnostic et les « objectifs » affichés,

ainsi que le choix des « moyens » résultent d’une confrontation entre le système de décision

(celui des partenaires de la décision), le système d’information, le système physique et les

influences extérieures (comme celles des « offreurs des solutions techniques) [Simon,1977]

(Figure 1.10).

Figure 1.10: Système de production d’un service

(Source : [Ducq, 1999])

Le système physique regroupe l’ensemble des moyens physiques mis à la disposition des

usagers pour accomplir leurs déplacements. Ces moyens recouvrent à la fois les

infrastructures, le réseau de voirie et de voies ferrées, les aménagements sur voirie et les

véhicules.

Le système de décision, incarné par les autorités publiques - l’État et tous les échelons

décisionnaires inférieurs (collectivités territoriales, locales) - qui tentent de répondre à cette

demande en mettant en œuvre des politiques et des réglementations en matière

d’organisation et de gestion des déplacements.

Le système d’information est chargé de collecter, de stocker et distribuer l’ensemble des

informations nécessaires au système de production [Ducq, 1999]. Les informations peuvent


39

être d’origine interne ou externe au système de production comme le sous-système socio-

économique et le sous-système spatial. Le sous-système socio-économique est à l’origine

même de la demande de transport. Il s’agit d’informations sur la société civile, sur les

entreprises, finalement sur les usagers qui formulent et matérialisent cette demande de

mobilité.

Ces trois systèmes interagissent les uns avec les autres : la différenciation spatiale fait naître

chez les usagers une demande de mobilité à laquelle l’État et les collectivités territoriales

tentent d’apporter une réponse par le biais de moyens physiques et réglementaires.

Tenir compte du contexte économique, financier mais aussi du contexte local est

indispensable à la conception d’un projet de transport. Il existe de nombreux exemples de

projets de transport qui ne sont pas réussis du fait d’une prise en compte insuffisante des

spécificités du territoire. Les caractéristiques du système de transport présenté dans la figure

1.9 illustrent sa complexité et donnent une idée de l’ensemble des éléments à prendre en

compte dans le cadre d’une évaluation.

2.2 Les moments de l’évaluation

L’évaluation est utilisée soit pour concevoir un nouveau système (ou modifier le système

existant) soit pour piloter un système existant.

Nous pouvons distinguer trois temps dans l’évaluation des projets transport : a priori, chemin

faisant et a posteriori. Les trois types d’évaluation sont complémentaires dans le cadre d’un

projet (Figure 1.11).

Figure 1.11: Evaluation a priori dans le cycle de vie d’un projet


40

L’évaluation a priori (prospective, ou encore ex-ante) : il s’agit d’une évaluation qui vise à

éclairer les choix avant d’engager et de mettre en œuvre une action. Souvent ces choix

entrainent des changements sur lesquels il est souvent difficile de revenir par la suite (grand

projet d’aménagement...). Aussi l’évaluation permet d'anticiper les effets prévisibles d’un

projet et de l’adapter par des dispositions organisationnelles - voire par des compensations.

Dès cette étape, sans qu'il soit besoin d'attendre les résultats, peut être étudiée l’adéquation

entre les besoins et les objectifs, c'est-à-dire la pertinence du projet, ainsi que sa cohérence

interne et externe. L’évaluation a priori se présente souvent sous la forme d’un outil d’aide à

la décision permettant de choisir entre plusieurs scénarios ou entre plusieurs projets.

La démarche d’évaluation a priori (Figure 1.12) consiste d’abord à établir un modèle qui

formalise l’articulation entre les décisions à prendre et les états du système. Le modèle est

ensuite analysé afin d’obtenir ses performances. Elles sont alors comparées aux objectifs

assignés de manière à proposer des modifications. De ces actions résulte un nouvel état qu’il

convient d’analyser. Cette boucle de régulation est appelée « optimisation » [Tahon, 1999].

Figure 1.12: Evaluation a priori

(Source:[Ducq, 2007]

L’évaluation chemin faisant, (concomitante, « on going », « ex-tempore » ou encore « in-

itinere »): elle permet de mettre en place des moyens nécessaires pour suivre de manière

régulière l’avancement d’un projet, les progrès réalisés, les dérives constatées, les manques

relevés afin de prendre, en cours de réalisation, des actions correctives éventuelles, de réviser

les moyens ou les objectifs. L’évaluation concomitante se heurte à la difficulté d’émettre des

jugements de valeurs sur la base de résultats partiels, et dans la pratique, elle se cantonne

souvent à la simple mesure de l’avancement des réalisations programmées.

L’évaluation a posteriori (rétrospective, ou ex-post) : elle vise à fournir des données

permettant d’apprécier l’efficacité (adéquation entre objectifs et résultats), l’efficience du

projet (résultat ramené au coût du programme) ou encore l’utilité (adéquation des résultats

aux besoins) d’une politique publique, d’un projet déjà entamé depuis un certain temps afin,

le plus souvent, d’en tirer des enseignements pour des futures démarches.

L’évaluation a posteriori, consiste dans un premier temps à mesurer les différentes

performances d’un système réel. Il s’agit ensuite d’interpréter ces mesures en relation avec les

objectifs prédéfinis de façon à établir les actions utiles au pilotage du système (Figure 1.13).

Dans le cadre de cycle de vie d’un projet de transport, l’évaluation a priori regroupe les

quatre premières étapes : le concept de projet, le diagnostic, la faisabilité et la conception et


41

l’ingénierie. L’évaluation chemin faisant est réalisée durant la mise en œuvre du projet.

L’évaluation a posteriori analyse les effets de l’implémentation du projet.

Figure 1.13: Evaluation a posteriori

(Source:[Ducq, 2007]

Il est cependant nécessaire de souligner qu’une bonne évaluation a priori peut influencer la

réalisation et l’efficacité des évaluations a posteriori et chemin faisant et qu’il est difficile

d’avoir une évaluation a posteriori sans avoir réalisé une évaluation a priori de qualité, car la

performance ne peut être réellement appréciée que si l’état initial est appréhendé justement.

Le cœur de nos travaux portera sur l’évaluation a priori des impacts d’un projet de transport.

2.3 L’évaluation a priori d’un projet de transport

2.3.1 L’intérêt d’une évaluation a priori

L’évaluation a priori diffère fondamentalement des autres (chemin faisant et a posteriori)

dans la mesure où le jugement de valeur n’est pas fondé sur des données réelles, mais sur des

projections résultant elles-mêmes de nombreuses hypothèses. Ce n’est pas pour autant que

son intérêt est moindre.

En effet, tout investissement est un acte générateur d’irréversibilité. Il est donc important

d’éclairer au mieux les décideurs sur les conséquences potentielles de leurs actes. En ce sens,

l’évaluation a priori forme d’évaluation a pour but essentiel de réduire le risque et

l’incertitude.

La littérature sur l’évaluation, nous permet d’identifier plusieurs définitions et rôles de

l’évaluation pouvant nous aider à mieux cerner ce que revêt la notion d’évaluation a priori :

Evaluer, c’est produire une image de la réalité pour la comparer à une référence.

Cette référence peut-être une norme, un modèle, une moyenne, une prévision, une attente,

l’image d’une autre réalité (avant/après). La définition de la référence, le choix des critères de

comparaison, et l’élaboration des instruments qui permettent cette comparaison, sont des

enjeux majeurs de cette démarche évaluative.

Evaluer, c'est "reconnaître et mesurer les effets propres d’une action" [Deleau,

1986]. Cette définition a le mérite de mettre l'accent sur la notion d'"effets propres": ce que

l'on attend de l'évaluation, ce n'est pas seulement de constater si des objectifs ont été atteints,


42

mais de chercher à identifier l'ensemble des effets d'une action et de faire la part entre les

effets imputables à l'action considérée et l'influence de facteurs exogènes.

Par ailleurs, l’évaluation peut être vue comme une démarche d’aide à la décision.

Cette fonction est exprimée notamment par Voogd [Voogd, 1985] qui énoncent que

l’évaluation conduit à des recommandations contribuant à orienter une décision. Elle est

également mise en évidence par Lichfield [Lichfield et all., 1975] qui précise que l’évaluation

n’est pas synonyme de prise de décision : elle assiste, elle est un outil à la prise de décision en

fournissant aux participants du processus de planification des informations factuelles

nécessaires pour prendre une décision.

Evaluer, c’est se situer dans un enjeu de pouvoir. L’analyse rapide du jeu des

acteurs concernés par l’évaluation et l’écoute attentive de leurs attentes est souvent une étape

préalable utile. L’évaluateur a intérêt à bien expliquer à chacun de ses interlocuteurs comment

il se situe par rapport à ces enjeux.

Evaluer, c’est avant tout communiquer. Cela implique que les conclusions

soient accessibles, crédibles, psychologiquement acceptables pour ceux qui vont les écouter et

éventuellement les utiliser, organisées pour faciliter la prise de décision.

Nous retenons donc que l’évaluation a priori est une démarche d’aide à la décision

utilisée comme un outil de mesure et communication des effets a priori d’un projet.

2.3.2 Les problématiques d’une évaluation a priori: notre point de vue

Si l’évaluation a priori n’est pas souvent utilisée pour analyser les impacts d’une politique

publique en milieu urbain, cela est dû aux difficultés liées à la mise en œuvre d’analyse

globale cohérente dans un cadre multicritères et multi acteurs.

Une des problématiques globales de l’évaluation a priori vient du fait que le projet transport

réunit un ensemble d’acteurs avec des points de vue différents.

Comment faire participer l’ensemble des parties prenantes à la conception d’un

projet de transport ?

La définition de ce qu’est une partie prenante varie selon les auteurs. Nous retenons celle, au

sens large, de Freeman Freeman [Freeman, 1984], qui définit une partie prenante, au sens

large, comme « tout individu ou groupe qui peut affecter ou être affecté par la réalisation des

objectifs » du projet de transport.

Les acteurs qui interviennent lors du déroulement des actions d’un projet de transport n’ont

pas tous le même pouvoir décisionnel. Leurs attentes sont spécifiques et leur vision est donc

le plus souvent partiale; ils peuvent aller jusqu’à provoquer un blocage du projet en cas de

désaccord avec les choix retenus. Décideurs publics, entreprises de transport, experts en

environnement, urbanisme, transport, citoyens, associations, etc., sont des parties prenantes

dont le rôle et la participation à la conception d’un projet de transport, la divergence des

points de vue, seront détaillés dans le chapitre 2.

L’évaluation participative consiste en la mise en œuvre de ce processus évaluatif selon une

démarche de partenariat entre des évaluateurs et des personnes qui sont concernées par

l’évaluation mais qui ne sont pas experts dans l’évaluation.


43

Pourtant, à y regarder de plus près (voir chapitre 2), les différentes approches participatives de

l’évaluation vont rarement jusqu’à considérer les citoyens proprement dits comme des

« parties prenantes » à part entière et s’en tiennent le plus souvent aux commanditaires, aux

opérateurs et aux bénéficiaires directs ou potentiels.

Pour notre part, nous envisageons, dans le cadre de nos travaux, de faire intervenir les parties

prenantes dès la phase de diagnostic afin que les indicateurs d’évaluation des impacts puissent

se bâtir avec les acteurs du processus de décision, visant à l’établissement d’un consensus qui

ne peut être obtenu que dans le cadre d’une démarche participative et après avoir considéré les

perceptions de chacun. Cela permettra de prendre en compte les attentes et/ou contraintes de

tous

De même, comme il est peu probable que tous les acteurs s’accordent directement sur l’intérêt

d’un même projet, un compromis devra être dégagé.

Pour ce qui est de la place des citoyens dans le processus organisé d’une évaluation, nous

pensons, tout d’abord, qu’elle ne peut être la même tout au long du processus d’évaluation.

On peut ainsi s’interroger sur le moment favorable à une intervention des citoyens dans le

processus, à savoir si cette intervention doit être « chronique » - c’est-à-dire doit se faire à

une étape précise de l’évaluation - ou, au contraire, si elle doit s’exercer sur l’ensemble du

processus d’évaluation.

Comment évaluer a priori les impacts des projets de transport ?

L’impact est utilisé ici pour désigner les conséquences (éventuellement indirectes et/ou

différées dans l'espace et dans le temps) d’un projet de transport.

Comme nous l’avons déjà évoqué, l’évaluation a priori est fondamentalement différente

d’autres types d’évaluation car elle est basée non pas sur des données réelles mais sur des

projections qui résultent de différentes hypothèses établies dans un cadre d’analyse bien

défini. Ces hypothèses concernent les aspects liés à l’échelle d’études, l’horizon et la situation

de référence.

Dans ce contexte, l’échelle de l’étude est très importante. En effet, le périmètre concerné peut

très bien recouvrir une micro zone - un quartier par exemple (projet localisé) - ou un espace

bien plus large – comme une aire métropolitaine dans son ensemble (politique stratégique)-.

L’évaluation d’un projet localisé ou d’une politique stratégique diffèrent du fait de la

diversité des problèmes et du mode d’établissement de la situation de référence et appellent à

des approches pratiques différentes. L’évaluation des politiques stratégiques, comme la

tarification des parkings sur l’ensemble d’une agglomération (élaboration d’un plan de

déplacements urbains, par exemple), relève d’une approche «macroscopique» des mécanismes

d’ajustement de l’offre et de la demande. En revanche, l’étude des impacts de

l’implémentation d’un nouveau parking dans un quartier peut être plus facilement opérée à

l’aide d’un outil de simulation trafic dit «microscopique».

Le choix de l’horizon d’étude joue également un rôle essentiel. Trois horizons d’étude sont

en général distingués :

• le court terme qui s’adresse aux études n’excédant pas cinq ans ;

• le moyen terme pour les études dont la durée est comprise entre 5 et 10 ans ;


44

• le long terme qui s’applique à des études dont la durée peut être supérieur à 10 ans.

Les études à court terme considèrent souvent une infrastructure comme donnée et se

focalisent davantage sur les mesures d’exploitation ou la connaissance fine des déplacements

ou des comportements des usagers.

Les études à moyen terme correspondent également à des analyses assez fines comme la

valorisation par l’urbanisation des décisions de transport le long d’axes d’urbanisation

particulièrement importants.

Les études à long terme souffrent en revanche de l’éloignement entre la situation de référence

(par exemple le moment de l’implantation du projet) et l’horizon d’étude. Elles reposent de ce

fait sur des hypothèses de travail fragiles. Les incertitudes liées aux résultats qu’elles

fournissent sont accrues en raison de difficultés plus grandes à maîtriser les évolutions de

l’urbanisme, des activités ou des comportements.

Comme nous l’avons précisé dans le paragraphe 1.1.2 du chapitre 1, pour analyser les impacts

d’un projet de transport, il est nécessaire de mettre en évidence la relation qui existe entre le

sous-système transport et les deux autres sous-systèmes (de location et d’activités). Cette

relation peut être de plus en plus complexe car elle varie en fonction de la zone concernée et

de l’horizon temporel pris en compte. Bonnel [Bonnel, 2004] croise la dimension temporelle

et spatiale pour déterminer des espaces de modélisation différents (Tableau 1.4).

Tableau 1.4: Modélisation et le cadre spatio-temporel

(Source : [Bonnel, 2004])

Nous notons plusieurs types d’interactions résultant du croisement des deux colonnes spatio-

temporelles:

A- Interactions négligeables entre les trois sous-systèmes : le sous-système de localisation

et le sous-système de transport sont considérés comme figés. Ce premier cas correspond à une

situation de court terme et à un espace urbain restreint. Concrètement, on trouve, dans ce cas,


45

des études de carrefour, des modifications de la ligne de bus faiblement connectée à

l’ensemble de réseau, des créations de zones 30 km/h, etc.

B- Les sous-systèmes de localisation et de transport ne peuvent plus être considérés

comme figés. Ils interagissent entre eux, mais ces interactions sont considérées comme

réduites et ne sont pas prises en compte. Ce cas correspond principalement à des situations de

moyen terme ou lorsque l’espace considéré ne représente qu’une partie de l’agglomération. Il

a généralement trait à des études de prévision de l’usage d’infrastructures nouvelles (ligne de

transport collectif en site propre, voie routière d’agglomération) ou à des études de plan de

circulation ou de restructuration de réseaux de transport collectif.

C- Les trois sous-systèmes évoluent et sont en interaction forte. Le cas (C) correspond

principalement à des études de long terme ou à des études portant sur l’ensemble du

fonctionnement de l’agglomération (Exemple : mise en service d’une voie rapide).

Pour le choix d’une situation de référence ou «fil d’eau», nous reprenons les travaux de

Faivre-d’Arcier [Faivre-d’Arcier, 1998]. La situation de référence s’appuie sur la

connaissance accumulée au cours des années antérieures.

Toutefois, cet auteur avertit le lecteur que l’étude de l’évolution d’un impact donné dans une

optique de prolongement des tendances présente le risque de négliger les phénomènes de

rupture (par exemple le changement important du prix du carburant, paramètre exogène, très

important dans le choix modal des usagers). Il est de ce fait nécessaire de construire des

scénarii autour de cette évolution prévisible en intégrant ces paramètres exogènes.

Il est possible, ainsi, d’établir un cône de vraisemblance pour cette situation de référence

(Figure 1.14) en distinguant une hypothèse haute (R2) et une hypothèse basse (R1).

Figure 1.14: Représentation de l’évaluation a priori des impacts

(Source : [Faivre D’Arcier, 1998])

L’état initial représente l’instant où le projet sera mis en œuvre. On s’attend donc à ce que ce

projet induise un changement sensible et mesurable par rapport à l’évolution « naturelle».

Assujettis au comportement des usagers et aux fluctuations des paramètres exogènes, les

impacts d’un projet de transport devraient être évalués dans un cône des possibilités

délimitées par l’hypothèse haute (P2)- optimiste et l’hypothèse basse (P1)-pessimiste.


46

Nous verrons dans le chapitre 3 que nos travaux de thèse portent sur l’évaluation a priori à

court terme et nous nous permettrons d’estimer les impacts potentiels d’un nouveau système

de transport dans un quartier et une zone urbaine (projet localisé).

Etant donné le choix du court terme, la situation de référence est supposée stable du point de

vue du développement urbain et socio-économique, les interactions entre les sous-systèmes

urbains sont donc peu intenses.

Ainsi, les impacts pourront être estimés à l’aide de lois de comportement des potentiels

usagers qui sont des entités qui raisonnent, choisissent, interagissent et peuvent, selon le

contexte, changer de préférences et donc de comportement.

Dans un premier temps, il nous faut donc parvenir à une connaissance très fine des besoins

réels des individus ciblés.

Puis, il nous faut imaginer les grandes lignes d’un service à même de satisfaire ces besoins,

tout en respectant certaines contraintes (techniques, organisationnelles, institutionnelles…).

Dans un troisième temps, enfin, il semble raisonnable de chercher à évaluer la manière dont

les utilisateurs potentiels perçoivent le nouveau service et même d’envisager leurs

changements de préférences selon les paramètres exogènes.

Le tout dans un cadre où la perception de la qualité du nouveau service par le potentiel usager

est floue et son attitude est indécise. Les impacts du projet dépendront également de ces

paramètres.

3. L’orientation de nos travaux et hypothèses préliminaires

Comme nous l’avons montré, l’évaluation de la mobilité urbaine durable a acquis un caractère

pluridisciplinaire et repose aujourd’hui davantage que par le passé sur une approche

participative.

La démarche participative se heurte pourtant souvent à l’identification du rôle et de la place à

attribuer aux parties prenantes et l’échec d’une politique publique peut souvent - et

facilement - être attribué à la multiplicité de points de vue des acteurs tout au long du

processus d’évaluation a priori, en vue de la sélection d’une alternative de transport.

Ce constat nous incite à utiliser le cadre multi acteurs : loin d’être une difficulté

insurmontable, recenser les différents points de vue et sensibilités autour d’un projet devient

ainsi une opportunité. . L’objectif n’est pas de trouver la solution «vraie» ou la solution

«optimale», mais une solution de compromis, une solution partagée respectant au mieux le

cahier des charges des uns et les exigences des autres. En effet, cette approche nous conduit à

concevoir un outil pour faciliter la discussion autour de différents points de vue et non un

outil de décision pour déterminer le projet «optimal».

Nous envisageons de faire de l’évaluation a priori un outil d’aide à la décision et non pas un

outil de prise de décision. Cela implique le développement d’une approche basée sur plusieurs

aspects.

La participation des parties prenantes et la recherche des groupes d’acteurs par

rapport à certaines représentations de la réalité.


47

Cette démarche permettra à chaque type d’acteurs (usagers, riverains, spécialistes trafic,

urbanistes, spécialistes environnement) de mettre en avant sa propre représentation pour

défendre son point de vue et influencer le débat. Elle devra également aboutir à l’obtention de

groupes d’acteurs réunis non pas selon leur catégorie socioprofessionnelle, mais selon la

perception des phénomènes dans une zone urbaine (comme la congestion, la pollution

atmosphérique…), de leurs interactions et de l’évolution souhaitée.

Le choix préliminaire d’alternatives à évaluer basé sur la faisabilité technique et sur

les préférences des usagers potentiels.

Nous partons de l’hypothèse que s’il est utile d’éclairer les choix techniques à faire par

analogie avec des projets implémentés dans d’autres zones, voire d’autres villes

(benchmarking), il est toutefois très risqué d’espérer des impacts identiques. Nous mettons en

avant la forte dépendance entre la nouvelle offre de transport et celle(s) déjà existante(s), le

rôle indiscutable des interactions avec les systèmes de localisations et d’activités de chaque

ville. Nous chercherons donc une approche pour modéliser les préférences des usagers

potentiels, en fonction soit de leur expérience passée, soit de la perception de scénarii virtuels.

Les impacts (positifs ou négatifs) d’un nouveau service de transport sont

indéniablement corrélés au taux d’utilisation du service proposé.

Le taux d’utilisation représente un élément essentiel dans l'évaluation de l'efficacité d'un

système de transport, soit pour améliorer la performance d’une offre de transport existante,

soit pour évaluer a priori les impacts d’une nouvelle offre.

Le taux d’utilisation d’un nouveau service sera estimé en utilisant le modèle comportemental

qui peut prendre en compte la représentation floue et l’indécision des futurs usagers et son

évolution dans le temps.

La comparaison des impacts des alternatives devra prendre en compte l’effet (à court terme)

des variables endogènes (comme le temps de transport et le prix du service) et exogènes

(comme le prix du carburant, des changements propre au système de transport) du taux

d’utilisation du service.

L’analyse des différents scénarii, permettra d’identifier les variables le plus influentes pour

une alternative donnée ainsi que le scénario le plus robuste (reflet d’un comportement des

usagers fidèle).

Comparaison des impacts des alternatives à travers la simulation

La réalisation d’une série de simulations permettra d’évaluer les impacts a priori d’un nouveau

service de transport afin de conclure sur l’utilité d’une alternative plutôt qu’une autre.

La solution obtenue sera ajutée en fonction de la désirabilité de chaque groupe

d’acteurs.

La solution obtenue (solution de compromis) sera ajustée de manière à satisfaire au mieux le

cahier de charges des uns, les contraintes des autres ou encore aux attentes les potentiels

usagers.


48

Conclusion

Dans le chapitre 1, nous avons cherché à identifier les problèmes liés à la mobilité et aux

transports dans une zone urbaine (paragraphe 1.2, chapitre 1) ainsi que les nouvelles

tendances (paragraphe 1.3, chapitre 1) pour envisager des solutions afin de les résoudre ou

les atténuer. La liste des solutions présentée dans ce chapitre ne s’adapte pas nécessairement à

toutes les villes. Les solutions adéquates dépendent de la structure urbaine économique,

sociale et de transport de la ville.

Ce chapitre rend surtout compte des défis de la mobilité urbaine durable causés par un

développement d’une ville « tout automobile », à son tour cause et effet d’un étalement urbain

qui ne cesse de s’accroître. Pour les pouvoirs publics, il ne s’agit pas de réinviter la ville

pédestre mais de développer et d’offrir une panoplie de solutions alternatives, répondant au

mieux aux attentes exprimées. Depuis les années 1980, de nombreuses villes investissent donc

massivement dans les transports collectifs et dans les modes doux ; les efforts consacrés

représentent au final des sommes d'argent considérables. Les difficultés budgétaires et la crise

de légitimé de l’action publique rendent nécessaire une justification plus solidement

argumentée des interventions et des dépenses politiques. D’où le besoin d’une évaluation a

priori.

Ce type d’approche a vocation à simuler d’une façon réaliste les effets à court et moyen terme

des politiques de transport urbain et sera, par conséquent, la principale raison de notre choix

de développement d’une approche d’évaluation a priori d’un projet de transport.

Nous essaierons par la suite de trouver, adapter ou développer des approches qui répondront

aux problématiques relevées: participations, évaluation des impacts, choix de compromis.

Le chapitre suivant présente un aperçu des différentes approches proposées dans le domaine

de l’évaluation a priori de projet. Cet exposé de l’existant permettra de mieux positionner

l’originalité de notre objet de recherche.

CHAPITRE 2 : Approches participatives dans l’évaluation des projets de transport

49

Chapitre 2

Approches participatives dans l’évaluation des projets de transport

Sommaire

INTRODUCTION ...................................................................................................................... 51

1. L’EVALUATION A PRIORI - UN PROCESSUS D’AIDE A LA DECISION .................................. 51

1.1 Le contexte multi acteurs ......................................................................................... 54

1.1.1 L’identification et rôle des acteurs ................................................................... 54

1.1.2 La technique de travail en groupe .................................................................... 55

1.1.3 Le groupement des acteurs ............................................................................... 57

1.1.4 La participation des acteurs .............................................................................. 59

1.2 Le contexte multicritères .......................................................................................... 61

1.2.1 La définition des critères .................................................................................. 61

1.2.2 La définition d’Indicateurs de Performance (IP) .............................................. 61

1.2.3 Les caractéristiques des indicateurs de performance ....................................... 62

1.3 Méthodes d’évaluation a priori multicritères et multi acteurs.................................. 63

1.3.1 Approche participative ..................................................................................... 63

1.3.2 Méthodes a priori d’évaluation participative ................................................... 64

2. DIAGNOSTIC D’UN PROBLEME DE TRANSPORT ............................................................... 74

2.1 Le concept de diagnostic .......................................................................................... 75

2.2 L’identification du problème .................................................................................... 75

2.3 Etat de l’art sur les méthodes de diagnostic ............................................................. 77

3. LA MODELISATION DES IMPACTS DES PROJETS DE TRANSPORT ...................................... 79

3.1 Le rôle de la demande dans l’évaluation des impacts .............................................. 79

3.2 Outils et approches pour l’évaluation a priori des impacts ..................................... 86

3.2.1 Outils existants dans le domaine des transports ............................................... 86

3.2.2 Les attentes d’un décideur ................................................................................ 88

CONCLUSIONS ....................................................................................................................... 90

CHAPITRE 2 : Approches participatives dans l’évaluation des projets de transport

50

Chapitre 2 : Approches participatives dans l’évaluation des projets de transport

51

Chapitre 2 : Approches participatives dans l’évaluation des

projets de transport

1Introduction

Ce chapitre portera sur les problématiques identifiées (chapitre 1, §1) pour une approche

d’évaluation a priori d’un projet de transport dans une zone urbaine et sur les éléments

retenus dans la littérature scientifique (chapitre 1, §2) pour la construction de notre démarche

d’évaluation (chapitre 1, § 3).

Comme nous l’avons montré dans le chapitre 1, le transport représente un lien entre

différentes dimensions de la ville : économique, sociale, environnementale, l’évaluation des

impacts de ces projets exige une incursion dans plusieurs domaines, allant de l’aide à la

décision, à la recherche opérationnelle et en passant par les approches économiques.

Nous partons du principe qu’une approche participative peut devenir un outil fiable

d’intégration de tous les aspects du transport durable et notamment du volet social, à

condition de l’appliquer dès de la phase d’identification des problèmes en impliquant tous les

acteurs du processus décisionnel.

La concertation est un mode de décision qui suppose nécessairement que les parties prenantes

(ou des représentants) aient pu participer aux échanges constitutifs du processus de décision.

La concertation doit être tout à la fois intégratrice et différenciatrice des points de vue de

chacun.

Pour évaluer a priori les impacts d’un projet de transport, nous avons procédé à une étude

bibliographique sur les modèles de calcul de la demande de transport et les outils de

simulation du trafic.

1. L’évaluation a priori - un processus d’aide à la décision

La définition la plus couramment admise du concept de « processus » est la suivante : «Le

processus est l’ensemble d'activités corrélées ou interactives qui transforme des éléments

d'entrée en éléments de sortie.» [ISO 9000, 2005].

Le petit Robert définit la décision comme « un jugement qui apporte une solution ». La

décision est également définie comme un processus aboutissant à la formulation d’un

jugement par un ou un groupe de personnes [Mazri, 2007].

B. Roy [Roy, 1985] définit le processus d’aide à la décision comme: ―l’activité de celui qui,

prenant appui sur des modèles clairement explicites (analyste), mais non nécessairement

complètement formalisés, aide à obtenir des éléments de réponses aux questions que se pose

un intervenant dans un processus de décision, éléments concourant à éclairer la décision et

normalement à recommander ou simplement favoriser un comportement de nature à accroitre

la cohérence entre l’évolution du processus d’une part, et les objectifs et les systèmes de

valeurs au service desquels cet intervenant se trouve placé d’autre part‖.

Cette définition met en évidence le fait que le processus d’aide à la décision, n’est pas

nécessairement un processus d’identification de la solution optimale, mais un instrument


52

d’explication de la logique décisionnelle censé aider les acteurs à forger et à faire partager

leurs convictions individuelles, voire collectives, et donc à éclairer la décision [Banae Costa,

1992],[Roy, 1997].

Suite à la définition du processus d’aide à la décision et de celle de l’évaluation (chapitre 1,

§2.3), nous allons considérer que l’évaluation a priori est un processus d’aide à la décision

qui permet à l’analyste de mesurer, comparer, communiquer et faire participer les acteurs à

l’ensemble des étapes de ce processus. Ce processus sera détaillé dans le chapitre 3.

Pour accomplir cette fonction, l’aide à la décision et donc l’évaluation a priori, utilise des

concepts issus de différentes disciplines: les mathématiques (ils fournissent un langage et un

ensemble de concepts servant aux modélisations), la psychologie cognitive (qui est utilisée

pour toute construction intellectuelle), les sciences économiques et sociales (qui permettent

pour mieux comprendre les comportements des acteurs dans leur environnement etc.

Le processus d’aide à la décision implique l’existence d’au moins deux types d’acteurs

différents: le client (dans le cas le plus simple il est le décideur) et l’analyste (celui qui

apporte un support, une aide à la décision) (Figure 2.1).

Figure 2.1: Le processus de décision et d’aide de décision

(Adaptée de [Soncini-Sessa, 2007]

Décideurs Analyste

Situation problématique

Formulation du problème

Modèle d’évaluation

Début

Adoption

Adoption des solutions

Recommandation finale Approbation

Approbation d’une

solution

Implémentation

Autres acteurs

*

*


53

La figure 2.1 représente un processus « classique » d’aide à la décision: les flèches

horizontales indiquent à quel moment les acteurs interagissent ; le sens des flèches indique

d’où vient la question et qui doit répondre. Les étapes notées par le symbole (*) peuvent

souvent se dérouler sur plusieurs périodes, prendre du retard et ne pas être toujours

transparentes.

Il y a deux principales explications à ce retard [Soncini-Sessa, 2007]:

Les conflits d’intérêts sont le plus souvent mentionnés, dans les projets, comme

provoquant du retard.

Une inadéquation de l’approche de la décision de type «top-down » (ou descendant):

le décideur décide, communique sa décision et la défend devant les autres acteurs.

On peut décrire le processus d’aide à la décision à travers quatre artefacts [Tsoukias, 2006].

La situation problématique : Une représentation de la situation problématique est un

artefact qui permet, d’une part, au client de bien comprendre sa position par rapport au

processus de décision pour lequel il a demandé une aide et, d’autre part, à l’analyste

de bien comprendre son rôle dans le processus de décision.

La formulation du problème : Pour une représentation de la situation problématique

donnée, l’analyste peut proposer à son client une ou plusieurs ―formulations du

problème‖. Il s’agit d’un point crucial du processus d’aide à la décision. La

représentation de la situation problématique a un but descriptif (au mieux explicatif).

La construction de la formulation du problème fait intervenir le modèle de rationalité.

Il s’agit d’une réduction de la réalité du processus de décision dans lequel le client est

impliqué, à travers l’utilisation d’un langage formel et abstrait.

Le modèle d’évaluation : Ce terme renvoie à ce qui, traditionnellement, constitue à

proprement parler les modèles d’aide à la décision supportés par une méthode

quelconque de recherche opérationnelle, de théorie de la décision, d’intelligence

artificielle... Les approches classiques d’aide à la décision se focalisent sur la

construction de ce modèle.

La recommandation finale : Elle représente le retour du processus d’aide à décision

à la réalité. La recommandation finale doit traduire le résultat fourni par le modèle

d’évaluation dans le langage courant du client et du processus de décision dans lequel

il est impliqué. Certains éléments sont importants dans la construction de cet artefact :

l’analyste doit être sûr que le modèle est formellement correct, le client doit être sûr

que ce modèle le représente, qu’il le comprend et qu’il s’approprie ses conclusions, en

plus d’en être satisfait, la recommandation doit être légitime du point de vue du

processus de décision pour lequel l’aide à la décision a été demandée.

Il est nécessaire de vérifier si de tels résultats sont acceptés par les participants au processus

de décision et de connaitre les raisons de l’acceptation ou du refus (qui peuvent fort bien être

complètement indépendantes du processus lui-même). La mise en œuvre de la

recommandation finale dépend de cette légitimité.

Dans le domaine du transport, où les intérêts et les impacts sont nombreux, le processus

d’aide à la décision implique plus de deux types d’acteurs. De ce fait, l’aide à la décision est


54

souvent mise en œuvre sous la forme d’une aide à la décision multicritère et multi-acteurs qui

reconnaît explicitement plusieurs points de vue contradictoires, plusieurs objectifs conflictuels

exprimés par différents acteurs. Cette démarche se concrétise en général par l’élaboration et

la prise en compte simultanée de plusieurs objectifs et critères incluant éventuellement des

aspects qualitatifs.

1.1 Le contexte multi-acteurs

1.1.1 L’identification et rôle des acteurs

Quelle que soit la démarche d’aide à la décision et donc de l’évaluation, il est nécessaire de

faire une étude sur les différents acteurs du processus (typologie des acteurs, leurs objectifs et

systèmes de valeurs, leurs interactions...).

Comme nous l’avons vu (chapitre 1, § 2.3) et comme le souligne Banville [Banville, 1998],

l’acteur désigne tout individu, corps constitué ou collectivité susceptible de jouer un rôle

quelconque, directement ou indirectement, dans le déroulement du processus de décision. Le

rôle en question peut prendre plusieurs formes. Ainsi, l’acteur peut impacter le processus de

décision, être impacté par les conséquences des décisions qui sont susceptibles d’être prises

ou alors connaître les deux impacts en même temps.

Dans le domaine de transport, on peut identifier plusieurs types d’acteurs :

L’Autorité Organisatrice des Transports Urbains (AOTU): Dans les projets de

transport urbain, c’est la première institution à intervenir. Son organe de décision est

composé d’élus de toutes les communes du périmètre des transports urbains (PTU) ; il

valide toutes les propositions. Les élus sont chargés de définir les orientations de la

politique des transports et d’en suivre la mise en œuvre. Ils doivent faire des choix

entre les solutions alternatives qui se présentent à eux et pouvoir répondre aux

questions particulières qu’engendrent les contextes locaux. Ils portent la responsabilité

de leurs choix qui sont fondés sur des analyses socio-économiques, financières et

politiques. Ces choix débordent le seul domaine du transport et impliquent des

arbitrages par rapport à la gestion d’un territoire dans son ensemble.

Les équipes techniques sont composées d’ingénieurs et de techniciens qui sont en

charge de la totalité ou d’une partie des études. Elles s’intéressent à la faisabilité

technique, au service rendu, à l’aménagement urbain, aux nuisances, aux analyses

socio-économiques et financières.

L’opérateur (ou exploitant): il est dans un rôle de production et de prestataire de

service: au regard de son cahier des charges, il doit justifier de son action d’un point

de vue technique et financier et respecter l’ensemble de critères de qualité de service

à l’usager (client). Mais, par définition, il doit également préserver son intérêt

commercial.

Il participe activement aux études techniques étant concerné par les retombées

techniques, commerciales et financières des décisions. Il doit rendre compte des

résultats de sa gestion en termes d’efficacité et d’efficience à l’acteur politique.

Le citoyen – l’usager: Le citoyen est toujours le destinataire final des politiques

publiques. Il peut de plus être électeur et contribuable, ce qui fait de lui aussi en

quelque sorte le commanditaire et le financeur de ces politiques. De ce fait il est


55

parfaitement légitime pour émettre un point de vue relatif aux évaluations [Jacot,

2007]. Il peut être utilisateur final, lorsqu’il est usager du service.

Les commerçants: Ils sont souvent des acteurs importants dans le déroulement du

projet urbain. Ils sont au contact direct de la population de la ville ; les élus tiennent

donc particulièrement compte de leurs souhaits et de leurs attentes.

Les associations: D’autres acteurs ont une influence importante sur le projet de

transport. Il s’agit de tous les acteurs regroupés en associations, défendant

ouvertement un point de vue. Leurs domaines d’intérêt sont le service rendu et

l’impact local (aménagement urbain, nuisances, équité).

L’homme d’étude: L’homme d’étude ou l’analyste, est l’individu ou le groupe

d’individus qui prend en charge l’aide à la décision en utilisant des modèles plus au

moins formalisés [Maystre, 1994]. L’analyste est à distinguer des autres acteurs d’un

projet de transport par son rôle neutre dans le processus de décision. Il doit en

particulier contribuer à identifier tous les acteurs, puis leur proposer un modèle d’aide

à la décision et finalement exploiter ce modèle pour leur proposer un ou plusieurs

scénarios. L’analyste peut être aidé dans son travail par plusieurs experts de

différentes disciplines. L’expert peut se distinguer de l’homme d’étude en ayant une

vision partielle de la problématique.

Pour réunir l’ensemble des acteurs autour d’un projet, plusieurs techniques ont été identifiées

dans la littérature scientifique.

1.1.2 La technique de travail en groupe

Le terme groupe est utilisé dans le langage courant au sens général d’ensemble de personnes.

Le travail de groupe peut être organisé de trois manières [Gallupe, 1992]:

o Groupe interactif : les membres d’un groupe interactif communiquent entre eux,

mais, dans une réunion en face-à-face, est désigné un représentant : une seule personne

s’exprime pour l’ensemble du groupe. Le groupe interactif peut tirer avantage de

synergies sociales, toutefois, des tractations entre les membres peuvent causer une

déperdition dans le processus.

o Groupe nominal : dans un groupe nominal, les membres du groupe travaillent

séparément sur la même tâche et un des résultats est choisi comme le produit du

groupe.

o Equipe : un travail d’équipe (2-5 personnes) combine des aspects à la fois du travail

de groupe interactif et nominal. Même si leur taille est assez réduite, les équipes

peuvent subir les tractations entre membres comme dans les groupes de travail

interactif.

o Groupes silencieux : les groupes silencieux réunissent des groupes représentatifs de

différentes catégories d'acteurs auxquels on demande de hiérarchiser par un système

de notation un ensemble prédéfini d'affirmations relatives à un problème donné. La

comparaison des hiérarchies proposées par les différents groupes peut s'avérer

particulièrement instructive.

Différentes situations peuvent être distinguées dans un travail en groupe (Figure 2.2).


56

Figure 2.2: Acteurs du processus d’aide à la décision

(Source: [Denguier-Rekik, 2007])

Selon [Denguier Rekik, 2007], les relations entre les parties prenantes peuvent être de deux

types :

dans un cas, les parties prenantes forment un groupe ayant des intérêts et des objectifs

communs dans le processus d’aide à la décision, appelé processus décisionnel multi

acteurs “coopératifs”. Cela peut être le cas si l’évaluation repose sur un système de

valeurs défini a priori par l’organisation.

dans l’autre cas, les décideurs présentent des intérêts différents, voire conflictuels, on

parlera de processus décisionnel multi-acteurs “ non-coopératifs ‖.

L’implantation d’un nouveau projet de transport est rarement un processus décisionnel

coopératif. Les conflits d’intérêts sont souvent présents et d'une grande importance, en

particulier les conflits d’intérêts économiques. Pour ces raisons et pour accroître les chances

de réussite d’un projet de transport, Keeney [Keeney, 1993] et Vion [Vion, 1994] considèrent

que les parties prenantes doivent être prises en compte le plus tôt possible dans le processus

de décision.

Martel [Martel, 1993] considère que l’identification de tous les acteurs impliqués dans une

problématique décisionnelle contribue à la définition même du problème. Selon cet auteur,

«un problème n’est pas une réalité autonome qu’il s’agit de découvrir, mais plutôt une

construction, fruit d’un rapport entre un ou plusieurs sujets (groupes) et une réalité sur

laquelle ce ou ces sujets désirent intervenir pour la modifier à leur avantage».

Il est certain que lors d’un processus d’évaluation d’un projet de transport, il est difficilement

envisageable de faire un débat avec chacun des acteurs (tous les usagers potentiels, tous les

riverains…). Il est davantage réaliste d’échanger avec des représentants de chaque groupe. Ce

qui nécessite une méthode pour l’établissement des groupes d’acteurs.


57

1.1.3 Le groupement des acteurs

Savage [Savage, 1991] propose une classification des parties prenantes ou acteurs, selon leur

degré de collaboration ou leur potentiel de menace (Tableau 2.1).

Potentiel de

coopération

Potentiel de menace

Elevé Faible

Elevé Acteur de type 4:

Mixte

Acteur de type 1:

supporter

Faible Acteur de type 3:

non supporter

Acteur de type 2:

marginal

Tableau 2.1: Type d’acteurs

(Source [Savage, 1991])

Il est ainsi possible de classifier les acteurs en quatre catégories selon que leur potentiel de

menace et/ou de coopération est élevé ou faible. A chacune de ces quatre catégories, il est

ensuite possible d’associer une stratégie relationnelle particulière.

La préoccupation centrale avec les acteurs de type 1(supporter) est de parvenir à les impliquer

au maximum pour profiter de leur potentiel de coopération avec l’organisation. Les acteurs de

type 2 (marginaux) devraient faire l’objet d’une surveillance au cas par exemple où ils

viendraient à changer de catégorie. Les non supporters, les acteurs de type 3, sont les plus

dangereux: il convient de s’en défendre ou chercher à les convaincre. Enfin, il convient

d’adopter une stratégie de collaboration avec les acteurs de type 4(mixte).

Damart [Damart, 2003] présente une synthèse des typologies de Roy [Roy, 1985], de Banville

[Banville, 1998] et de Martel [Martel, 1993] et inclut des notions que l’on trouve en

particulier dans la culture des décisions publiques: le maître d’ouvrage ou le demandeur

(d’une étude), le maître d’œuvre, un expert, etc. (Tableau 2.2).

Nature de l’enjeu Niveau de participation

Participe directement Ne participe pas directement

Détention d’un enjeu

lié au problème : les

parties prenantes

Partie prenante active

Ex : Maitre d’ouvrage, maitre

d’œuvre

Parties prenantes passives

Ex : Maitre d’ouvrages (dans

certains cas), générations futures,

etc…

Pas d’enjeu

particulier lié au

problème

Expert et fiduciaire

Ex : Facilitateurs, hommes

d’études, maitre d’œuvre (dans

certains cas)

Tableau 2.2: Synthèse des types d’acteurs

[Source : [Damart, 2003]

Trois groupes d’acteurs ressortent de cette classification [Roy, 1985]:


58

- Les parties prenantes actives « conditionnent directement la décision en fonction du

système de valeurs dont ils sont porteurs ».

- Les parties prenantes passives « subissent les conséquences de la décision, laquelle est

seulement censée tenir compte de leurs préférences ».

- L’homme d’étude ne détient pas un enjeu particulier pour un problème mais il

participe directement au projet.

Jacot [Jacot, 2007] définit les acteurs d’une politique publique en termes de «groupe cible» et

«groupe concerné». Dans la phase de mise en œuvre d’une politique, les actions font

intervenir, par autorisation ou par opposition, un groupe cible qui réagit à cette action. La

réaction du groupe cible a des répercutions, en bénéfices ou nuisances, sur les groupes

concernés.

Dans notre démarche, nous allons plus loin dans l’analyse des groupes d’acteurs en cherchant

à discerner les intérêts, les préoccupations et les enjeux de chaque acteur de façon à établir

une classification, la plus fine possible des groupes d’acteurs.

Deux critères essentiels vont être utilisés pour la classification des acteurs: la nature des

enjeux et le degré de convergence (Tableau 2.3).

Degré de convergence

Nature des enjeux

Stratégique Sensible

Convergence forte Groupe 1 Groupe 3

Convergence faible-divergence Groupe 2 Groupe 4

Tableau 2.3: Notre approche de la classification des acteurs

Deux types d’enjeux sont définis dans ce travail: enjeux stratégiques et enjeux sensibles. Nous

appelons les « enjeux stratégiques », les enjeux sur lesquels il faut intervenir en priorité pour

faire améliorer ou changer un système vers sa finalité. Les « enjeux sensibles » sont en étroite

relation avec les « enjeux stratégiques ». Ils reflètent le sens d’intervention ou les effets d’une

action.

Le degré de convergence décrit l’expression des préférences des acteurs vers les « enjeux

stratégiques » et les « enjeux sensibles ». Les membres du groupe 1 présentent les mêmes

préférences pour les « enjeux stratégiques ». Le groupe 2 présente des divergences fortes

envers les « enjeux stratégiques ». Le groupe 3 converge vers les mêmes « enjeux sensibles »

par rapport au groupe 4 qui présente des divergences pour les « enjeux sensibles ».

Dans un processus d’aide à la décision, connaitre a priori ces divergences permet d’aboutir

aux meilleures concertations et négociations et de trouver une solution satisfaisante pour

l’ensemble des acteurs.

Le Tableau 2.4 présente une synthèse des classifications des acteurs en fonctions de différents

critères.


59

Auteurs/

Critères de

groupement

Implication

dans le

processus

de décision

Potentiel

de

menace

Potentiel de

coopération/

convergence

Nature

des

enjeux

Lien avec

le

problème

[Roy, 1985] X X

[Savage, 1991] X X

[Martel, 1993] X X

[Knoepfel, 1995] X X

[Damart, 2003] X X

Notre approche X X

Tableau 2.4: Synthèse de groupement des acteurs

Pour le choix et l’application des enjeux stratégiques et sensibles ainsi que le degré de

convergences, le lecteur peut se référer au chapitre 3, §2.

1.1.4 La participation des acteurs

La participation des acteurs est devenue une étape importante et même obligatoire dans la

conception d’un projet. La participation décrit l’implication de différentes parties prenantes

ou acteurs dans le processus de décision.

L’approche participative peut être utilisée dans toutes les étapes des processus de décision ou

pour certaines d’entre elles: la planification, la mise en œuvre et l’évaluation a priori [Elliot,

2005].

Un des principaux acteurs du processus de décision est le public et sa participation est

« formalisée » à travers plusieurs lois.

1.1.4.1 Le cadre législatif

A l’échelle internationale, la signature de convention d’Aarhus de 1998, formalise la

participation du public au le processus de décision en matière l’environnement – pris ici dans

son sens large ce qui inclut le transport et la planification urbaine. Ce dispositif a par la suite

été renforcé.

A l’échelle nationale, plusieurs textes de loi ont permis une évolution significative:

La loi d’Orientation sur les Transports Intérieurs (LOTI) du 30 décembre 1982 a

contribué, dans le domaine du débat public, à un peu plus de transparence des

décisions.

La circulaire n°92-71 du 15 décembre 1992, dite circulaire Bianco, prévoit une

procédure de concertation sur l’opportunité des grands projets d’infrastructures dès la

conception des projets.

Le rapport Carrère de 1992 préconise que les processus de décision publique en

matière d’infrastructures et de transports soient construits sur la base d’une

concertation située en amont de la décision.


60

La loi du 2 février 1995, dite loi Barnier, constitue une seconde tentative vers un

passage à plus d’intégration du citoyen dans l’élaboration des grands projets

d’aménagement.

L’instruction cadre du 25 mars 2004 [DTT, 2004], a mis à jour un certain nombre de

textes de lois relatifs au transport intérieur. Elle est désignée par le législateur comme

un texte de référence. Elle précise en outre certaines dispositions relatives à la façon

d’articuler les phases d’évaluation des projets avec les phases de débat public.

L’intérêt d’inclure le citoyen dans l’évaluation des projets de transport publique est multiple:

Cela offre un regard différent et complémentaire (à la fois plus distant et plus

directement concerné) de celui des élus, des professionnels et des experts ;

Cela enrichit l’évaluation, en prenant en compte et en reliant toutes les finalités du

projet public, et en offrant une vision plus transversale qui s’appuie sur une approche

« vécue » des territoires.

Cela apporte un soutien plus important aux programmes et initiatives.

1.1.4.2 Le degré de participation du public

Martel [Martel, 1996], distinguent la consultation, la négociation et la concertation (les

auteurs parlent de décision participative) comme trois démarches de participation dans

construction de la décision collective.

La consultation est un premier niveau d’implication des parties prenantes: l’implication y est

minimum. Dans un tel mode de décision collective, le décideur unique prend connaissance

des points de vue des différentes parties prenantes préalablement à la décision.

Il y a au contraire dans la négociation (ou participation active) un niveau d’implication des

parties prenantes qui est maximal. Dans une négociation, les différentes parties prenantes

doivent s’entendre par consensus unanime sur une solution [Chevallier, 2000]. Les conflits

d’intérêts - parfois forts - mènent très souvent à des situations de blocage et conduisent à des

non-décisions qui ne sont pas dans l’intérêt de toutes les parties prenantes.

La négociation n’aboutit pas toujours à la meilleure solution de compromis. Même si la

meilleure solution de compromis n'est pas identifiée, le processus de négociation ne doit pas

être considéré comme inutile, car il contribue à éliminer les alternatives qui ne sont d'aucun

intérêt pour personne et à définir les positions des intervenants par rapport à des alternatives

raisonnables. Cela permet de reconstituer les groupes d’acteurs avec les mêmes points de vue

et ceux qui ont des points de vue divergents.

Chevallier [Chevallier, 2000] distingue la négociation de la concertation en utilisant

respectivement pour l’un la notion de processus centrifuge dans lequel chaque partie essaye

de « tirer le maximum de couverture vers elle » [Dupont, 1998] et pour l’autre la notion de

processus centripète puisque c’est vers le groupe et la qualité de la solution collective qu’est

tournée la concertation. Autrement dit, une démarche de concertation est nécessairement

attentive à la maîtrise du processus de décision collective.

Dans le cadre de nos travaux d’aide à la décision, nous n’allons pas distinguer les notions de

concertation et de négociation, en considérant que les deux impliquent un niveau de

participation maximal.


61

A travers la participation, le processus d’aide à la décision prendra en compte l’ensemble des

acteurs et l’ensemble des points de vue. Nous parlerons ainsi d’un processus multi-acteurs et

multicritères.

1.2 Le contexte multicritères

1.2.1 La définition des critères

L’aide à la décision prescrit un certain nombre d’axes d’évaluation sur la base desquels le

décideur effectue son choix parmi un ensemble d’actions. Ces axes constituent, en fait, les

attributs des actions. Lorsqu’on ajoute à ces attributs un minimum d’informations relatives

aux préférences du décideur, les attributs deviennent des critères. Ainsi, un critère représente

un signe par lequel on reconnaît ou on apprécie quelque chose afin d’établir les préférences du

décideur. Le sens de la préférence précise si le critère doit être à minimiser ou à maximiser.

Nous allons utiliser la définition de Roy [Roy, 1985] qui définit un critère comme étant « tout

effet ou attribut de l’action susceptible d’interférer avec les objectifs ou avec le système de

valeurs d’un acteur du processus de décision, en tant qu’élément primaire à partir duquel il

élabore, justifie ou transforme ses préférences ».

La construction de l’ensemble des attributs et des critères s’avère une partie délicate dans le

processus de formulation multicritères d’un problème de décision [Vincke, 1992]. Deux

approches ont été proposées pour créer une famille de critères à partir d’un ensemble

d'attributs.

La première est l’approche du «haut vers le bas» (« top-down ») qui consiste à

construire une structure hiérarchique ayant à son premier niveau l’objectif global qui

est éclaté en sous objectifs qui sont à leur tour éclatés en sous objectifs jusqu’à ce que

l’on atteigne un niveau mesurable [Keeney et Raiffa, 1976].

La deuxième est l’approche du «bas vers le haut» (« bottom-up ») qui consiste à

identifier toutes les conséquences pouvant résulter de la mise en œuvre des actions,

que l’on structure en dimensions puis en axes de signification autour desquels sont

construits les critères [Roy, 1985].

1.2.2 La définition d’Indicateurs de Performance (IP)

Pour rendre concrète l’évaluation à partir des critères, nous allons utiliser les indicateurs de

performance. Dans les travaux de recherche spécialisés, plusieurs définitions d’un indicateur

de performance ont été avancées, [AFGI, 1992], [Doumeingts, 1999], [IAURIF, 2005].

Nous avons choisi de nous référer à la définition donnée par Ducq [Ducq, 2007]. Un

«Indicateur de Performance (IP) une donnée quantifiée, qui mesure l'efficacité des variables

de décision par rapport à l’atteinte de l’objectif défini au niveau de décision considéré, dans

le cadre des objectifs globaux»

Nous allons reprendre cette définition et l’adapter à notre cas d’étude, le transport urbain:

l’indicateur de performance est une donnée quantifiée qui doit permettre de mesurer,

comparer et juger l’efficacité d'un projet de transport par rapport à un point de repère.

On distingue quatre grands types de repère :


62

Point de départ - la situation actuelle est comparée à un point de départ initial pour

mesurer « la distance parcourue » a priori ou a posteriori. Cette évaluation permet de

répondre à la question : « les performances sont-elles en train de s’améliorer (ou de se

dégrader) ? »

Normes minimales -la performance est comparée avec certaines normes minimales

qui peuvent être définies au niveau local ou national. Ce type d’analyse répond à la

question : « Les obligations minimales sont-elles remplies ? »;

Objectif - la situation actuelle est comparée avec des normes que l’on souhaite

atteindre. Comme pour les normes minimales, l’objectif peut être défini au niveau

local ou national, et par différentes parties prenantes. Cette évaluation répond à la

question : « Quels progrès restent à accomplir pour atteindre notre objectif ? » ;

Comparaison des performances – ou benchmarking – elle consiste à comparer la

situation actuelle avec les performances d’autres projets. Elle répond à la question :

« Quelle est la qualité de la prestation comparée aux prestations similaires dans

d’autres localités ?».

Nous allons utiliser dans notre démarche d’évaluation non seulement le point de départ mais

aussi l’objectif, pour évaluer la performance de la situation initiale et la performance du

projet.

1.2.3 Les caractéristiques des indicateurs de performance

Les indicateurs de performances peuvent être établis de différentes manières et par différents

types de parties prenantes. L’avantage des indicateurs définis par des experts les prestataires

ou les responsables politiques) est qu’ils sont plus susceptibles de refléter une connaissance

approfondie des processus et des choix liés à la prestation d’un service.

Cependant, l’avantage des indicateurs définis en concertation avec les usagers et/ou le grand

public est qu’ils sont davantage susceptibles de s’appuyer sur des éléments qui comptent aux

yeux des habitants. Cette démarche peut aussi être un pas important vers une plus grande

implication des usagers dans la conception et la prestation des services.

Quelle que soit la méthode utilisée, les indicateurs doivent pour être efficaces respecter

certaines propriétés: être pertinents, crédibles, opportuns, clairs, ciblés,

comparables, imputables, économiques et adaptables.

Il est possible de regroupe les caractéristiques des indicateurs par les propriétés

SMART [Ducq, 2007]:

- Simples: à interpréter, à mettre en œuvre, à exploiter.

- Mesurables: facilement mesurable et qui doit s’exprimer dans l’unité d’œuvre de la

fonction ou du processus.

- Accessibles : disponible au moment du besoin et proche des leviers d’action.

- Réalistes : représente la réalité du moment.

- Temporels : doit se renouveler.

Un exemple de critères et d’indicateurs de performance utilisés dans le domaine des

transports est présenté dans le Tableau 2.5. (Extrait du projet européen CIVITAS-SUCCESS,

[McDonald, 2006]) Comme on peut le voir, il est possible d’attribuer à chaque critère un ou

plusieurs indicateurs de performance.


63

N° Critères

d’évaluation

Sous critère d’évaluation Indicateur

1 Economie

Revenus de l’opération Revenus de l’opération

2 Coûts de l’opération Coûts de l’opération

3 Energie Consommation carburant Litres par kilomètres parcourus

4 Environnement

Qualité de l’air Niveaux de CO

Niveaux de NOx

5 Niveaux particules en suspension (PM10)

6 Emissions Emissions CO2

7 Bruit Perception du bruit

8 Société Accord Niveau d’acceptation

9 Accessibilité spatiale Perception de l’accessibilité

10 Accessibilité économique Coût du service relatif au transport public

11 Sécurité Sécurité liée au transport public

14

Transport

Sécurité de la route Nombre des blessés et des décédés causées

par les accidents de la route

16 Niveau de congestion Vitesse moyenne du véhicule

Tableau 2.5: Exemple de critères et d’indicateurs de performance en transport

Nous allons utiliser certains de ces indicateurs dans notre étude de cas du chapitre 4.

1.3 Méthodes d’évaluation a priori multicritères et multi-acteurs

1.3.1 Approche participative

Comme nous l’avons évoqué dans le chapitre précédant, l’évaluation est un processus d’aide à

la décision multicritère et multi-acteurs. Une démarche participative permet une meilleure

qualité du jugement sur un projet, car l'évaluateur aura accès à davantage d'informations au

travers de ses échanges avec les participants et le jugement sera construit à partir d'une

multiplicité d'opinions informées.

Pour répondre à l’orientation participative de l’évaluation, plusieurs pratiques d’évaluation

sont développées aujourd’hui, mais elles ne sont pas homogènes, et ne sont pas structurées de

la même manière.

Jacob [Jacob, 2009] classe les différentes approches de l’évaluation participative autour de

trois axes principaux :

- un axe politique mettant l’accent sur l’autodétermination, l’émancipation des acteurs,

le renforcement de leurs capacités, la justice sociale et l’équité.

- un axe opérationnel mettant l’accent sur l’utilisation des résultats de l’évaluation et

l’amélioration de l’efficacité.

- un axe pluraliste mettant l’accent sur la production de connaissances, la diversité des

acteurs, leurs valeurs et aspirations, avec pour objectif de renforcer la qualité et la


64

pertinence de la connaissance produite et de mieux prendre en compte le contexte et

les enjeux particuliers du programme évalué.

Le tableau 2.6 résume les différents types d’approches et leurs caractéristiques.

Tableau 2.6: Présentation des différentes approches d’évaluation participative

(Source : [Jacob, 2009])

Selon Patton [Patton, 2008], le contrôle décisionnel de l’évaluation est partagé de manière

relativement égalitaire entre l’évaluateur et les parties prenantes et l’accent est mis sur

l’importance de la motivation et l’engagement des individus dans le processus.

Notre approche s’appuiera sur une évaluation pluraliste et participative. Elle met l’accent

sur une collaboration active de l’évaluateur avec les utilisateurs potentiels de l’évaluation en

prenant en compte la pluralité des systèmes de valeurs.

1.3.2 Méthodes a priori d’évaluation participative

Dans le domaine des transports, les méthodes d’évaluation ont évolué en fonction de

nouveaux besoins et objectifs. L’aspect participatif et le concept de durabilité tendent à

complexifier les méthodes d’évaluation qui doivent désormais intégrer les dimensions


65

environnementales, sociales et économiques traitant ainsi le plus souvent de problématiques

multidisciplinaires.

L’état de la recherche révèle la diversité des méthodes adoptées pour traiter du développement

durable et de l’aspect participatif. Bien qu’une harmonisation des méthodes apparaisse

essentielle, elle semble encore lointaine.

Cinq méthodes d’évaluation sont souvent citées dans le domaine du transport [Haezendonck,

2007]: l’analyse des Investissements Privés (AIP), l’analyse Coût-Efficacité (ACE), l’analyse

des Effets Economiques (AEE), l’analyse Coût-Bénéfice (ACB) et l’analyse Multicritère

(AMC).

L’Analyse des Investissements Privés (AIP) est utilisée par des investisseurs privés et

prend en compte seulement les coûts et des bénéfices direct sans intégrer les différents

points de vue ni évaluer d’autres critères. Son évaluation passe par la question «Est-ce

que les résultats (bénéfices) sont suffisants compte tenu des moyens (coûts) mis en

œuvre ?».

L’Analyse Cout-Efficacité (ACE) évalue les projets seulement en termes de coûts

d’investissement. Elle a pour but d’identifier la voie la plus efficace, du point de vue

économique, d’atteindre un objectif. L’évaluation, dans ce cas, est caractérisée par le

triptyque objectifs-moyens économiques-résultats. Elle cherche à répondre à plusieurs

questions, notamment: «Est-il raisonnable de mettre en œuvre des moyens

économiques suffisants pour obtenir des résultats satisfaisants, les objectifs que l’on

cherche à atteindre ?» en comparant des ratios de coût par unité de résultat, par

exemple : coût par emploi créé, coût par vie sauvée, etc.

L’ACE se résume donc à l’analyse d’un seul critère et ne prend pas en compte les

effets négatifs, ainsi que les effets indirects ou encore les effets multiplicateurs. La

mesure de l’efficacité des résultats attendus de l’intervention est donc simplifiée. Pour

des interventions visant un large objectif dont la réalisation repose sur des effets

parallèles, l’analyse se révèle inadaptée ou trop partielle.

L’Analyse des Effets Economiques (AEE) prend en considération les impacts d’un

projet sur l’emploi et le revenu fiscal. Elle répond à des questions du type: « Est-on

arrivé à ce que l’on avait l’intention de faire dans le domaine de l’emploi et du revenu

fiscal, à quel point l’objectif fixé est-il atteint ? ». Les effets indirects sont calculés à

l’aide des multiplicateurs.

Par la suite, nous allons nous concentrer sur les deux autres (ACB et AMC), dans la mesure

où elles ne prennent pas en compte les effets environnementaux du transport. En effet, les

trois méthodes sont des cas particuliers de l’analyse coût-bénéfice (ACB) qui, quant à elle,

prend en compte les effets environnementaux avec une valeur monétaire.

1.3.2.1 Les principes de l’Analyse Coût-Bénéfice

L’analyse Coût-Bénéfice est définie [Bouyssou, 2000] comme un ensemble de techniques

développées pour prendre une décision sur «l’allocation des ressources rares à certaines fins

plutôt qu’à d'autres » et pour aider un décideur «à choisir entre des projets concurrents et / ou

à les évaluer».


66

Pour Meunier [Meunier, 2009], l’ACB vise à identifier et quantifier les conséquences

positives (bénéfices) et négatives (coûts) d’une décision, puis à les exprimer en une unité

commune permettant la comparaison : l’unité monétaire.

Le principe de l’ACB est simple: il s’agit de conseiller la réalisation de toute décision pour

laquelle les bénéfices sont supérieurs aux coûts, et ceci pour l’ensemble de la société. Pour

connaitre d’autres règles de décision utilisées dans l’ACB, le lecteur peut se référer aux

travaux de Boiteux [Boiteux, 2004].

L’ACB repose sur une approche économique des investissements publics. Par rapport aux

investissements privés qui cherchent à récupérer plus que la mise de départ, les

investissements publics cherchent le gain le plus avantageux par rapport au coût de

l’investissement. Les bénéfices correspondent dans ce cas au bien-être collectif.

Les effets mesurés dans le cadre des ACB sont un ensemble de facteurs directement liés à la

productivité (par exemple, le coût de transport pour les entreprises et temps des déplacements

d'affaires) et de facteurs liés au consentement à payer de chaque utilisateur des transports (par

exemple, valeur en temps pour les déplacements de loisirs).

Les étapes de l’ACB

Plusieurs étapes caractérisent le processus de l’analyse coût-bénéfice [Erdlenbruch, 2007],

[Meunier, 2009].

Etape 1 : Définir le problème et les actions potentielles.

Le processus d’évaluation commence généralement par la détermination d’un ensemble

d’objectifs à attendre (exemple la réduction de la pollution, l’amélioration du trafic en centre-

ville etc.) et la recherche des solutions techniquement possibles pour atteindre ces objectifs.

L’analyse est effectuée en comparant plusieurs alternatives.

Un autre aspect important de cette étape est d’établir correctement la situation de référence

illustrant les conséquences au fil du temps en l’absence de la politique et d’évaluer le risque

associé au problème.

Etape 2: Identifier les impacts

Une fois les options sélectionnées, la deuxième étape de l’ACB consiste à identifier les

impacts, les gagnants et les perdants du projet, ainsi que la zone d’influence du projet.

L’ACB a besoin d’une quantification des impacts avant qu’une valeur monétaire leur soit

attribuée. Ce processus peut se révéler très simple ou très complexe, en fonction de la nature

des impacts à évaluer: déterminer les impacts économiques, sociaux d’un projet de transport

peut être relativement facile. En revanche, déterminer les impacts environnementaux d’un

même projet peut s’avérer fastidieux

Etape 3 : Déterminer la valeur monétaire des bénéfices liés au projet.

Une fois que tous les impacts ont été identifiés et mesurés, ils doivent être exprimés en

fonction d’un niveau de référence: « l’état sans projet ». Il est en effet indispensable de faire

intervenir un tel niveau, puisque les bénéfices et les coûts à prendre en compte sont des écarts

qu’il faut analyser à travers des changements qu’apportera le projet s’il est mis en œuvre.


67

Les coûts sont les effets négatifs voulus ou non voulus d’un projet ou une réduction du bien-

être social ; les bénéfices sont des effets positifs voulus ou non voulus ou une augmentation

du bien-être collectif.

Tous les éléments qui contribuent à la variation de l’état initial doivent être convertis en

valeur monétaire.

Le problème principal dans une ACB est de réussir à déterminer une valorisation monétaire

des bénéfices d’une action pour la collectivité.

Il existe plusieurs méthodes d’évaluation économique permettant de monétiser les

conséquences non marchandes des projets envisagés sur le bien-être des individus. L’objectif

de ces méthodes est de déterminer le consentement à payer des individus, c’est-à-dire ce que

les individus seraient prêts à payer pour bénéficier d’une augmentation de l’offre du bien non-

marchand (ou de façon équivalente, le consentement à recevoir, ce qu’ils voudraient obtenir

en compensation d’une diminution de cette offre).

On distingue deux familles de méthodes de monétisation [Pearce, 2007]:

les méthodes à préférences révélées (prix hédoniste, coût de déplacement,

comportement de prévention et le coût de la maladie), qui consistent à observer les

comportements des individus. En matière de transport public, cette méthode consiste à

faire l’observation des déplacements des individus et de leurs comportements de

mobilité en transport routier ou en transport collectif (bus, train, etc.);

les méthodes à préférences déclarées, qui conduisent à identifier directement les

consentements à payer par des réponses à des questionnaires ou des enquêtes.

Les préférences révélées sont appropriées à une évaluation a posteriori, alors qu’une

évaluation a priori s’appuie principalement sur les préférences déclarées.

Lorsque les coûts et bénéfices ont été identifiés et monétarisés, il faut procéder, au fil du

temps, à une actualisation.

Etape 4 : Actualisation des coûts et des bénéfices

Les coûts et les bénéfices de la mise en œuvre d’un projet s’étalent dans le temps, intervenant

parfois à un horizon temporel très éloigné. Certains coûts imposés aux générations futures

peuvent être considérables.

De ce fait, il est important de comparer les coûts et les bénéfices supportés aujourd’hui à ceux

qui seront visibles dans un avenir lointain. Nous proposons de prendre un exemple de coût qui

tienne compte de l’inflation. Les formules d’actualisation sont les suivantes :

Le coefficient d’escompte :

1

(1+𝑟)𝑡 (2.1)

La formule de la valeur actualisée nette :

𝑅

(1+𝑟)𝑡𝑛𝑡=1 − 𝐼0 = 𝑉𝐴𝑁

(2.2)


68

- 𝑅𝑡-ensemble de bénéfices nets de l’année t;

- r - taux d’intérêt;

- 𝐼0- coût de la mise en service.

- t la période de l’analyse.

Etape 5 : Appliquer le critère de décision

On peut noter plusieurs critères d’acceptabilité d’un projet : la VAN, le ratio coût bénéfice, le

taux de rentabilité interne.

La VAN

C’est par définition la différence entre les bénéfices et les coûts de toutes natures, eux-mêmes

actualisés. Les coûts et les bénéfices actualisés sont calculés par rapport à une situation de

référence. Tout projet considéré favorable, doit avoir la valeur actuelle nette (VAN) positive.

Le critère d’évaluation de la VAN est le plus utilisé aujourd’hui. Selon ce critère, le projet

dont la VAN est la plus élevée est le meilleur en termes de bénéfice.

Si VAN> 0, le projet est sélectionné.

Si VAN< 0, le projet est rejeté.

Si𝑉𝐴𝑁1 > 𝑉𝐴𝑁2, alors le projet 1 doit être préféré au projet 2.

Le ratio bénéfice- coût (𝐵 𝐶 )

Le ratio bénéfice - coût constitue un autre critère de sélection des projets. La règle de décision

est la suivante :

Si le rapport entre la valeur actualisée des bénéfices et la valeur actualisée des

coûts est supérieure à 1, alors le projet est accepté.

Les projets ne sont pas souvent indépendants les uns des autres. Ces projets sont

considérés comme des projets qui s’excluent mutuellement. Dans la situation des

projets qui s’excluent mutuellement, le projet choisi est celui dont le ratio bénéfice

coût est le plus élevé.

Le taux de rentabilité interne (TRI)

Ce critère de décision suppose l’existence d’un taux social d’actualisation prédéfini qui

permet de calculer les bénéfices et les coûts actualisés [Lebegue, 2005].

𝑅𝑡

(1+𝑇𝑅𝐼)𝑡𝑛𝑡=1 − 𝐼0 = 𝑉𝐴𝑁 = 0

(2.3)

Dans cette formule toutes les valeurs sont connues sauf le TRI qui représente le taux de

rentabilité interne.

Une fois le TRI déterminé, la règle de choix des projets est la suivante :

On classe les TRI des projets en ordre décroissant.

Si le TRI du projet qui se trouve en première position > r (taux social

d’actualisation prédéfini), alors on approuve ce projet.


69

Etape 6 : Analyser la sensibilité

Dans cette étape, les décideurs peuvent faire une analyse sensitive qui permet d’identifier la

contribution de chaque variable au risque global du projet, c’est-à-dire l’impact que les

modifications présumées des variables qui déterminent les coûts et avantages s’avèrent avoir

sur les indices financiers et économiques calculés (TRI, VAN ou Ratio) [CE, 2003].

Une méthode abrégée d’analyse de sensibilité est l’analyse des scénarios. Cette analyse

permet de combiner les niveaux «optimistes» et «pessimistes» des valeurs d’un projet pour

démontrer l’existence de différents scénarios extrêmes du projet pour chaque hypothèse.

[Vignoud, 2001] soutient que l’ACB «est un outil particulièrement intéressant dans un

processus de concertation entre un petit nombre de demandeurs, représentatifs de groupes

sociaux et d’opinions sociales diverses». A l’inverse [Roy, 2002] affirme que actuellement

«l’ACB se présente comme une technique d’analyse apte à mettre en évidence un résultat

indépendant des systèmes de valeurs des diverses parties prenantes. En ce sens, on peut dire

que l’ACB est un calcul, une optimisation avant d’être un instrument de dialogue et

d’échanges avant d’être un outil d’aide à la concertation».

Pour devenir un outil de participation, l’ACB doit prendre appui sur une famille explicite de

critères conçue pour être représentative de l’ensemble des points de vue des parties. L’analyse

multicritère (AMC), peut, par conséquent, être une démarche particulièrement

complémentaire de l’ACB.

1.3.2.2 Les principes de l’AMC

L’analyse multicritères (AMC) vise à fournir des outils qui permettent de progresser dans la

résolution d’un problème de choix, de décision ou d’action où plusieurs critères et plusieurs

points de vues, souvent contradictoires, doivent être pris en compte.

Roy [Roy, 1985] souligne le fait que « le but de l’analyse multicritères n’est pas de découvrir

une solution, mais de construire ou de créer un ensemble de relations entre les actions et

mieux informer les parties prenantes du processus de décision ».

Pour appliquer une méthode d’AMC qui prend en compte l’ensemble de points de vue, il est

absolument nécessaire de mettre en œuvre une démarche participative. Il ne s’agit en aucun

cas d’appliquer un modèle mathématique de concertation avec un unique décideur, de façon à

éclairer ce dernier. Les méthodes multicritères constituent un ensemble de méthodes

permettant d’agréger plusieurs critères avec l’objectif d’éclairer et de sélectionner une ou

plusieurs décisions.

La mise en place d’une analyse multicritères suppose les étapes suivantes:

Etape 1 : Définition du problème et de la liste des actions potentielles

Il convient en premier lieu d’identifier les actions potentielles à envisager. L’action potentielle

doit permettre de formaliser ce qui est l’objet de la décision, autrement dit ce qui mérite d’être

évalué pour l’éclairer.

D’après [Roy, 1985], « une action est la représentation d’une éventuelle contribution à la

décision globale, susceptible, au regard de l’état d’avancement du processus de décision,

d’être envisagée de façon autonome et de servir de point d’application à l’aide à la décision».


70

Pour [Roy, 2000] « une action est qualifiée de potentielle lorsqu’elle est regardée comme

pouvant être mise à exécution ou simplement digne d’intérêt en vue de l’aide à la décision ».

Une action potentielle ou alternative, dans le domaine du transport peut prendre la forme, par

exemple d’un scénario, de projet ou de variante.

Etape 2 : Recensement des critères et des impacts (recensement quantitatif et/ou qualitatif)

Dans cette étape, il faut identifier les conséquences à partir desquelles il convient de prendre

la décision. Cela revient à faire la liste des différents impacts d’un projet de transport qui

méritent d’être évalués. On cherche ensuite à regrouper progressivement les conséquences

élémentaires retenues en faisant intervenir des familles des critères que les diverses parties

prenantes jugent significatives.

Vincke [Vincke, 1976] souligne que la construction de l’ensemble des critères peut être une

étape complexe dans le processus de formulation multicritère d’un problème de décision. Les

règles de base pour la définition des critères peuvent être résumées ainsi:

Les critères doivent être définis avant de réaliser l'analyse, à partir de règles connues

et acceptées de tous,

Ils doivent tenir compte de tous les points de vue exprimés par les membres du

groupe,

Ils ne doivent pas être redondants entre eux,

Ils doivent former un ensemble cohérent qui aboutit à des résultats plausibles et

incontestables.

Etape 3 : Tableau de performance

Selon Roy [Roy, 2000], « la performance d’une action selon un critère est l’échelon de

l’échelle associée au critère sur lequel l’action est positionnée ».

Chaque scénario ou alternative identifiée par les acteurs est jugé selon chaque critère. Ce

jugement appelé évaluation de performance est représenté par un tableau à double entrée,

appelée tableau des performances dans lequel chaque ligne représente un scénario et chaque

colonne un critère.

Etape 4: Choix de la pondération adéquate

Une des règles de l'analyse multicritère est de pondérer les critères entre eux afin de prendre

en compte leur importance relative aux yeux des acteurs.

Différentes méthodes de pondération ont été élaborées pour aider au choix de la pondération

adéquate (utilisation de coefficients, méthode du jeu de cartes). Ces méthodes sont classées en

deux catégories: dans la première, le décideur intervient totalement dans le processus de

décision, alors que, dans la deuxième, il n’est intégré que partiellement (Tableau 2.7).


71

Méthodes intégrant totalement le décideur Méthodes intégrant

partiellement le décideur

La méthode du classement simple

[Kendall, 1970]

La méthode d’entropie

[Zeleny, 1984]

La méthode de l’évaluation cardinale simple

[Von Winterfeldt, 1986]

Les méthodes de valeurs

propres appliquées dans AHP

La méthode des comparaisons successives

[Ackoff, 1954]

La méthode des régressions

multiples

La méthode d’évaluation par les prix, la

méthode de basculement

[Von Winterfeld, 1986]

La méthode de l’analyse tenant

compte du risque

La méthode de Simos

[Simos, 1990]

La méthode de Hokkanen et Salminen pour

l’application ELECTRE III

[Hokkanen, 1994]

Tableau 2.7 : Les méthodes de pondération des choix

Notre choix se porte sur les techniques de pondération ELECTRE III, que nous allons

détailler dans le chapitre 3. Notre choix se justifie par le fait que son utilisation est

extrêmement bien adaptée dans un cadre multi acteurs qui présente des perceptions floues

dans la représentation de la réalité urbaine. Elle répond au caractère incertain de notre cas

d’application.

Etape 5 : Agrégation des jugements

Le problème de l’agrégation multicritère consiste à synthétiser des informations traduisant des

aspects ou des points de vues différents et parfois conflictuels au sujet d’un même ensemble

d’objets [Grabisch, 2002] dans l’optique d’une comparaison de performance.

On peut distinguer deux méthodes d’agrégation des performances.

Agréger puis comparer (AC): il s’agit de résumer la valeur de toute alternative par une

note globale calculée à partir de son vecteur de performances. Cette note est censée résumer la

valeur globale de l’alternative et sert de base à la comparaison multicritère des alternatives.

Comparer puis agréger (CA): dans cette approche, la performance des alternatives est

comparée critère par critère, pour identifier un indice de préférence partielle. La préférence

globale entre deux alternatives est l’agrégation des préférences partielles pour chaque critère.

Ces deux méthodes d’agrégations ont été abordées de manière différente par deux écoles de

pensée. Il y a, d’une part, l’école américaine, et d’autre part, l’école française. La plupart de

ces méthodes appartiennent à l’une ou l’autre des trois approches opérationnelles présentées

ci-après.


72

Nous allons représenter une synthèse des méthodes multicritères [Dhouib, 2009], [Roy, 1985]

structurées en trois approches d’agrégation et de comparaison des alternatives (Tableau 2.8).

Méthodes Avantages Inconvénients

Critère unique de synthèse

MAUT,

SMART,

UTA,

TOPSIS,

AHP, GP,

MACBETH.

Simple, claire et résultat riche Hypothèses rigides.

Besoin d’information supplémentaire

pour les décideurs.

Complète transitivité des jugements.

Compensation entre les critères.

Surclassement de synthèse

ELECTRE,

PROMETHÉ

E, ORESTE,

QUALIFLEX

Acceptation de l’incomparabililé

et de l’intransitivité.

Richesse des relations possibles

entre deux actions.

Pas de contraintes de rationalité

mathématique imposées au

décideur.

Traitement simultané de critères

quantitatifs et qualitatifs.

Résultat parfois non clair, simple et

définitif.

Nombre réduit d’actions comparées

deux à deux.

Jugement local interactive

STEM,

méthode de

[Geoffrion,

1972],

méthode du

point de mire,

méthode de

[Zionts,

1983],

méthode de

[Vincke,

1976]

Possibilité d’avoir un nombre très

grand d’actions.

Interaction avec le décideur

jusqu’à ce qu’il se montre

satisfait.

Il faut que le décideur soit très

disponible.

Il faut que le décideur accorde sa

confiance totale à l’homme d’étude.

Le décideur doit accepter une méthode

qui fournit une solution, sans avoir

forcément

exploré l’ensemble des actions.

Risque que le décideur n’ose pas

arrêter

les itérations.

Dans le cas de plusieurs décideurs, il y

a un risque de conflit et de méfiance. Tableau 2.8 : Synthèse sur les méthodes multicritères

(Source : adaptée de [Dhouib, 2009])

La première approche est celle du critère unique de synthèse (AC) d’inspiration

américaine, évacuant toute incomparabilité: les préférences locales (au niveau de chaque

critère) sont agrégées en une fonction (de valeur, d'utilité) unique qu'il s'agit ensuite

d'optimiser. Les principales méthodes appartenant à cette approche sont: MAUT [Keeny,

1993], SMART [Edwards, 1994], UTA [Jacquet-Lagrèze, 1982], TOPSIS [Chen, 1992], AHP

[Saaty, 1977], Goal Programming [Charnes, 1961] et MACBETH [Bana e Costa, 1994].

La deuxième approche est celle du surclassement de synthèse (CA) d’inspiration

française. Elle vise, dans un premier temps, à construire des relations binaires, appelées

relations de surclassement, pour représenter les préférences du décideur, en fonction de

l'information disponible.


73

Dans certaines des méthodes multicritères s'inscrivant dans cette voie, avant de construire ces

relations de surclassement, on introduit des seuils de discrimination (indifférence, préférence)

et même de veto, au niveau de chacun des critères, pour modéliser localement les préférences

du décideur. Ces relations ne sont, en général ni transitives, ni complètes. Dans un deuxième

temps, ces relations sont exploitées en vue d'aider à la formulation d’une recommandation qui

puisse apporter une réponse au problème de décision.

Les principales méthodes ou familles de méthodes appartenant à cette approche sont:

ELECTRE [Roy, 1968], PROMETHÉE [Brans, 2005], ORESTE [Roubens, 1982],

QUALIFLEX [Paelinck, 1979].

La troisième approche est celle du jugement local interactif avec itérations essai-

erreur. Les méthodes appartenant à la troisième approche se sont principalement développées

dans le cadre de la PMOM (La Programmation Mathématique à Objectifs Multiples). Elles

alternent les étapes de calculs (fournissant les compromis successifs) et les étapes de dialogue.

Etape 6 : L’analyse de sensibilité des choix

L’analyse de sensibilité permet d’apprécier la robustesse des résultats. L’application de

variations dans les modes d’évaluation des critères et sur les paramètres de préférence nous

permet d’évaluer l’impact des choix sur les résultats de l’analyse multicritère. Si en faisant

varier les paramètres autour de leur valeur initiale, les résultats ne sont pas modifiés de

manière importante, la recommandation est dite robuste.

1.3.2.3 Combinaison des deux méthodes

L’analyse multicritères présente plusieurs avantages par rapport à l’analyse coût-bénéfice

standard. Elle fournit des résultats qui parlent davantage au décideur que la présentation d’un

taux de rentabilité ou d’un bénéfice actualisé. La communication est améliorée, ce qui est un

avantage majeur dans les situations de débat public, où les interlocuteurs n’ont pas, c’est

naturel, la possibilité de bien comprendre les subtilités de la théorie économique et du calcul

des surplus. Ce point est d’autant plus important que les décisions font de plus en plus

intervenir des décideurs multiples aux points de vue différents entre lesquels il est

fondamental d’établir un langage commun. L’AMC est plus éclairante car elle fournit à

chacun des groupes concernés une panoplie lui permettant d’apprécier les impacts sur lesquels

il est le plus sensible, alors que l’ACB usuelle ne fournit qu’un indicateur global.

Une définition de la différence qui existe entre les deux méthodes a été relevée à l’occasion

du séminaire des sur les investissements dans le transport international de 1987 [Brundtland,

1987]: «La différence principale entre les deux méthodes réside dans le fait que dans les

analyses coût-bénéfice, l'analyste pondère les divers objectifs et est responsable de

l'agrégation des effets du projet, tandis que dans les analyses multicritères le décideur

pondère les objectifs et participe à la phase d'évaluation finale».

Un argument important en faveur de l’AMC réside dans la difficulté à monétiser les effets

pour des projets placés dans des environnements différents, de telle sorte que d'autres étalons

que la monnaie sont utilisés et pondérés par les décideurs conformément à la politique

existante.

L’utilisation de l’ACB permet de dresser un cadre qui assure la cohérence dans l’évaluation

des effets et élimine automatiquement les doubles comptes. Elle intègre et respecte les choix


74

des individus par la prise en compte de la disponibilité à payer, mais elle ne permet pas son

intégration facile dans un débat public [Damart, 2005].

Au total, il y a certes parfois opposition entre AMC et ACB, mais ce que nous souhaitons

avant tout relever est leur complémentarité. Quinet [Quinet, 2010] soutient que si les deux

méthodes sont menées d’une façon coordonnée et complémentaire, il est possible de corriger

les deux défauts de des deux méthodes : l’arbitraire et la subjectivité pour l’AMC et la vision

d’une boite noire incompréhensible pour l’ABC. Par ailleurs, une combinaison de deux

méthodes répondrait à deux types d’enjeux: d’une part, la possibilité de se servir de cette

combinaison comme support au débat public et à la concertation et, d’autre part, la prise en

compte des effets d’un projet que l’ACB ne peut seule intégrer.

Damart [Damart, 2005] propose une utilisation de l’ACB en aval ou en amont d’une

évaluation de projet qui a recours à l’AMC (Figure 2.3).

Figure 2.3:Possibilité de combinaison de l’ACB et l’AMC

Certains pays ont entamé des travaux visant à élargir la base des évaluations en y ajoutant les

données AMC. Il s’agit d’une approche plus progressive pour couvrir toutes les facettes

pertinentes d’une prise de décision.

Notre choix, détaillé et justifié dans le chapitre 3, se portera sur les techniques de l’analyse

multicritères et coût-bénéfice de type AMC puis ACB.

Une des principales étapes de toute analyse est l’identification du problème. Il est bien connu,

« qu’un problème bien posé est à moitié résolu ». Nous consacrerons donc la partie qui suit

est dédiée au diagnostic du problème.

2. Diagnostic d’un problème de transport

Dans le chapitre 1, nous avons donné plusieurs définitions de l’évaluation. Trois fonctions

essentielles des méthodes d’évaluation peuvent être dégagées :

Mesurer: collecter des données et assigner une valeur aux indicateurs

Comparer: identifier les différents scénarios pour une même situation et les mettre

face-à-face.

AMC puis ACB

ACB puis AMC

Permet de réduire le nombre d’options

auxquelles on applique l’ACB

L’ACB permet d’éliminer les options non

viables financièrement/ économiquement,

ensuite l’AMC permet la sélection finale

sur la base de critères supplémentaires.


75

Interpréter: donner une interprétation d’une situation, identifier les raisons du

changement, identifier les facteurs internes et externes du changement.

Une des techniques pour réaliser la première mesure d’une évaluation est le diagnostic.

2.1 Le concept de diagnostic

Etymologiquement, le mot diagnostic vient du grec et signifie (Dia: par, Gnosis:

connaissance). La définition donnée par Peng [Peng, 1990], s'en inspire et se formule ainsi :

« Etant donné un ensemble de manifestations observées (symptômes, constatations, etc.), il

s'agit d'expliquer leur présence, de remonter aux causes, en utilisant un savoir sur le système

considéré ».

Nous la retenons cette définition pour sa pertinence car elle rend compte de l'exploitation des

connaissances causales sur le système. En effet, un ― dysfonctionnement ‖ peut être décrit de

façon simple par des relations associant ses causes initiales (défaillances de composants, etc.)

à ses manifestations observables, les symptômes. Si on dispose d’une théorie modélisant de

telles relations, un objectif du diagnostic consiste à rechercher des explications satisfaisantes

aux symptômes observés.

Dans le cadre de notre travail, le diagnostic permet :

de reconstituer l’état actuel de la mobilité dans une zone urbaine dans le but de mettre

en évidence les acteurs et leurs perceptions et les attentes vis à vis du sujet.

d’identifier les problèmes de transport d’une zone urbaine et ses causes à l’aide des

données observées et déclarées, à travers une démarche participative.

Pour ce faire, nous allons utiliser le diagnostic participatif qui vise à rechercher des points

d’accord entre les acteurs sur la définition d’un problème et à faire émerger (reconstruire) une

conscience partagée du problème à résoudre. Le diagnostic participatif constitue ainsi une

base privilégiée de rencontres et de discussions.

2.2 L’identification du problème

Selon Landry [Landry, 1988] «un problème n’est pas une réalité autonome qu’il s’agit de

découvrir mais plutôt une construction, fruit d’un rapport entre un ou plusieurs sujets

(groupes) et une réalité sur laquelle ce ou ces sujets désirent intervenir pour la modifier à

leur avantage».

La définition du problème se réalise souvent par la formalisation du décalage entre une

situation perçue, vécue et une situation projetée [Le Moigne, 1990], [Desthieux, 2005].

Plusieurs types d’erreurs peuvent être révélés dans l’identification d’un problème. Le plus

souvent les statisticiens considèrent deux types d'erreurs dans l’analyse d’un problème: erreur

de type I (rejeter une hypothèse vraie) et erreurs de type II (acceptation d'une hypothèse alors

qu’elle est fausse).

Raiffa [Raiffa, 1973] identifie une autre forme d’erreur (de type III): l’analyse d’un mauvais

problème. Les erreurs de type III se rapportent au processus de formulation du problème,

tandis que les erreurs de type I et II interviennent après que le problème a été formulé.

Mitroff [Mitroff, 1974] identifie cinq sources d'erreurs de type III survenant de façon répétée


76

dans tous les contextes d’une décision (Tableau 2.9). Pour prévenir l’erreur de type III,

Mitroff suggère une stratégie d’action pour chaque source d’erreur.

Problème Caractéristiques Stratégie

Choix de

mauvaises

parties

prenantes

Faire intervenir seulement un

petit groupe de parties prenantes;

ignorer certaines parties et

surtout leur réaction

Dans des décisions importantes,

analyser toujours les pours et les

contres, faire participer au moins deux

parties prenantes.

Sélection d'un

nombre réduit

d'opinions

S'appuyer sur des moyens

obsolètes pour résoudre un

problème et négliger d’autres

points de vue

Ne jamais accepter une seule

formulation du problème, préférer

plusieurs versions

Mauvaise

formulation du

problème

Réduire à un nombre restreint de

variables, domaine d'observation.

Faire attention à la formulation du

problème. Présenter le côté technique

et humain du problème.

Réduire les

limites d'un

problème

Limiter le problème à des

éléments visibles et négliger les

éléments cachés

Elargir l'analyse de tous les problèmes

importants au-delà de la zone visible.

Faire une

analyse

partielle

Se focaliser sur une partie du

système et pas dans son

ensemble, ne pas prendre en

compte l'interaction entre les

parties du système.

Bien placer le problème dans son

système et trouver l'interaction avec les

autres éléments du système. Ne pas

isoler le problème

Tableau 2.9: Les sources d’erreur de type III

Le Tableau 2.9 nous permet recenser des stratégies et ainsi d’éviter certains problèmes dans la

formulation de notre méthode d’évaluation.

Dans le domaine de transport, les techniques pour éviter les « erreurs de type III » ont évolué

en fonction des nouveaux besoins et objectifs. Ces évolutions sont dues à plusieurs éléments :

le rôle des acteurs, le type d’acteurs, les outils à employer ainsi que par les effets suivis

(Tableau 2.10).

La nouvelle logique met l’accent sur l’implication des acteurs de la ville, notamment les

usagers. De par son caractère participatif, les outils employés et les impacts suivis, elle nous

semble particulièrement appropriée pour notre méthodologie.


77

Ancienne logique Caractéristique Nouvelle Logique

Acteurs

(Collectivités

territoriales,

gestionnaires

/exploitants,

usagers/

clients)

Hermétique et sectoriel Elaboration de

politique

Débat et intégration

Ingénieur constructeur Culture

professionnelle

Ingénieur planificateur

Désengagée Usagers/Clients Réengagée

Outils

(Planification/

réglementations

tarification,

information)

Prévision et

approvisionnement

Prévision Prévision et gestion

Macro extrapolation Modélisation Adaptation à un micro-

niveau

Accès sur l’offre Technologie Axée sur la demande

Standardisation, statique Connaissance et

information

Personnalisation,

dynamique

Effets

(Réseaux de

transport,

territoire,

environnement)

Expansion Réseaux Gestion et intégration

Homogénéisation Territoire Personnalisation

Externalité spécifique au

site

Environnement Emissions globales

Tableau 2.10: Nouvelle conception des problèmes de transport

(Source : [Aw , 2010])

2.3 Etat de l’art sur les méthodes de diagnostic

Il existe aujourd’hui plusieurs approches de diagnostic qui permettent d’identifier un

problème. Ces approches se différentient les uns des autres par l’information qui est utilisée,

les techniques de transformation de cette information ainsi que par leurs finalités [Saint-

Amand, 2011]. Le tableau (2.11) présente les caractéristiques des différentes méthodes de

diagnostic avec leurs avantages et leurs inconvénients.

L’utilisation de ces méthodes de diagnostic dépend de la nature du problème. Comme nous

l’avons déjà évoqué dans ce chapitre, l’analyse d’une politique de transport urbain est

fondamentalement multicritère (car son impact est nécessairement à la fois environnemental,

économique, social). Sa formulation ainsi que les solutions apportées dépendent de plusieurs

acteurs. L’approche la plus adaptée pour notre cas parait être le modèle causal.

Notre choix se justifie par le fait que le modèle causal est simple d’utilisation et permet une

représentation structurelle rigoureuse et solide permettant d’expliquer certains mécanismes

complexes.

Nous allons revenir plus en détails sur la construction des modèles causaux et leur utilisation

dans le chapitre 3.


78

Approches Description Inconvénients Avantages Références A

bas

e d

e rè

gle

Système expert /

Système basé sur

des

connaissances

- Techniques d'intelligence artificielle,

- Permet d'imiter le raisonnement humain pour

la résolution d'un problème.

-Difficulté d’élaboration des bases de

connaissance pour des systèmes

de grandes tailles

-coût élevé pour acquérir la

connaissance

- les règles sont fixes et ne tiennent

pas compte de l’évolution du système

- L'expert humain n'a plus besoin d'être

physiquement présent, puisqu'il est là

virtuellement par le biais du système de

connaissances.

-efficacité du temps de calcul

[Ber et all, 1994]

[Vazquez, 1997]

[Boussier, 2007]

[Saint-Amand,

2011]

Sy

stèm

e b

asé

sur

des

mo

dèl

es

Les modèles de

fautes ou

modèles

dysfonctionnels

Compare le fonctionnement réel du système

observé par l’intermédiaire de capteurs et son

fonctionnement prédit grâce aux modèles de

bon comportement. Le résultat de cette

comparaison permet d’établir un diagnostic de

cohérence.

Les fautes doivent être recensées au

départ de la construction du modèle,

une défaillance non anticipée ne sera

pas détectée.

Difficile à appliquer pour des

systèmes complexes.

L’observation des symptômes du système

sous test permet de localiser, au moyen du

dictionnaire de fautes, l’origine de la

défaillance.

[Simeu-Abazi,

2010]

[Hamscher , 1992]

[Aro & al. 2004]

Modèle causal Se présente sous la forme de graphes

directionnels, dans lesquels les nœuds

représentent les variables du système

modélisé, et les arcs représentent les relations

ou les associations entre les variables.

Ce type de modèle est construit sur la

connaissance et pose les mêmes

problèmes que les approches basées

sur des règles : difficultés

d’élaboration des connaissances

Permet de présenter des associations

complexes.

[Lee et al. 1994]

[Cha et al. 2000]

l’ap

pre

nti

ssag

e

Raisonnement à

base de cas

Utilisée lorsque le domaine étudié est peu

formalisable ou les problèmes ne sont pas bien

compris.

Ne peut pas être utilisé pour des cas

qui ne sont pas décrits dans la base

de cas.

La méthode est très efficace pour la

reconnaissance en ligne de situations

connues.

[Schank, 1982].

[Dhouib, 2009]

Ap

pro

xim

atio

n

par

d

es

fon

ctio

ns

no

n l

inéa

ires

Basé sur la

logique floue

Un outil mathématique utilisé pour modéliser

des relations entre différentes variables

Il n’est pas toujours facile de

comprendre la transformation de

l’information à l’intérieur de

l’algorithme de modélisation.

Prend en compte des approximations [Gou et al., 2007]

[Mec et al., 2008]

A base de réseau

de neurones

Leur fonctionnement est basé sur les principes

de fonctionnement des neurones biologiques.

Une capacité d’apprentissage et de

généralisation de leurs connaissances à des

entrées inconnues.

Les réseaux

bayésiens

Décrit comme un graphique acyclique dont les

nœuds représentent des variables aléatoires et

dont les arcs représentent les relations

probabilistes.

Peut être utilisée pour modéliser les

relations causales existant entre les

variables, les événements ou phénomènes

physiques pour réaliser un diagnostic

Tableau 2.11: Méthodes de diagnostic d’un problème


79

3. La modélisation des impacts des projets de transport

3.1 Le rôle de la demande dans l’évaluation des impacts

Afin d’évaluer les impacts d’un projet de transport, nous avons besoin de connaitre la

demande de déplacement et les conditions de transport pour les situations avec et sans projet.

C’est habituellement le rôle des modèles de la demande pour modéliser les choix de

déplacements pour produire des estimations de déplacement par origine-destination, par

motif, par mode et par moment de la journée. Les sorties des modèles d’estimation de la

demande sont des éléments essentiels dans l’évaluation des impacts.

La modélisation des choix recouvre un ensemble de méthodes qui s’appuient sur des enquêtes

pour modéliser les préférences concernant un bien ou d’un projet. La modélisation des choix

est généralement menée en plusieurs étapes, comme nous l’avons mentionné précédemment.

[Pearce, 2007].

Etape 1 : Sélection des caractéristiques du projet

La sélection des caractéristiques auxquelles les individus attachent de l’importance est assurée

en s’appuyant sur les travaux publiés et sur des groupes témoins, alors que des experts

devront être consultés pour déterminer celles sur lesquelles le projet considéré aura un impact.

Généralement, les caractéristiques expliquant le choix modal d’un usager sont regroupées

selon les trois catégories ci-après [DePalma, 2001], [Hess, 2005] :

caractéristiques de l’usager (revenu d’un ménage, nombre de personnes d’un ménage,

nombre de voitures disponibles, …) ;

caractéristiques du déplacement (distance du trajet, heure de départ, …) ;

caractéristiques du mode de transport (coûts, liaisons avec un autre mode, vitesse de

déplacement, …).

Etape 2 : Assignation de niveaux à ces caractéristiques

Les niveaux des caractéristiques doivent couvrir l’ensemble de préférences que pourraient

avoir les personnes interrogées et être le plus réaliste possible. Un niveau de référence

correspondant au « statu quo » est généralement inclus.

Etape 3 : Choix de la conception expérimentale

Une conception expérimentale est une approche qui permet d’établir des relations entre les

causes (facteurs)5 et les effets (réponses)

6.

La théorie de la conception statistique permet de combiner les niveaux des caractéristiques en

un certain nombre de scénarii proposés aux personnes interrogées et qui seront amenées à

exprimer leurs préférences.

5 On qualifie de facteur toute variable, obligatoirement contrôlable, susceptible d’influer sur la réponse

observée. La différence fondamentale entre la notion classique de variable et celle de facteur tient donc dans le

fait que tout facteur doit pouvoir être modifié sans difficulté. 6 On qualifie de réponse la grandeur qui est observée pour chaque expérience réalisée.


80

Nous reviendrons sur ces techniques dans le chapitre 3 à l’occasion de l’estimation de la

demande d’un nouveau service de transport.

Etape 4 : Mesure des préférences

Pour modéliser le choix à l’aide de préférences déclarées, il est demandé aux personnes

interrogées soit de classer les alternatives proposées (les scénarios construits à l’aide des

tables orthogonales), soit de les noter, soit de les comparer par paires ou de choisir

l’alternative qu’ils préfèrent. Ces techniques diffèrent par la qualité de l’information qu’elles

fournissent et par leur degré de complexité (Tableau 2.12).

Caractéristiques Degré de complexité dans

l’application

E

xp

érim

enta

tio

n d

es c

ho

ix

Chaque personne interrogée choisit, parmi les

alternatives (dont une correspond au statu quo),

celle qu’il préfère. Ces alternatives diffèrent tant

diffèrent par leurs caractéristiques que par leurs

niveaux.

Le cadre théorique part du postulat que l’utilité

tirée ou ressentie d’un bien par les personnes

interrogées est égale à la somme de l’utilité ou du

bien–être généré par chacune de ses

caractéristiques.

Si le scénario « statu quo » n’est

pas inclus dans les alternatives,

les personnes interrogées seront

alors contraintes de choisir l’une

ou l’autre des alternatives

proposées, même si cela n’est

pas leur souhait.

L’évaluation du bien-être des

personnes demeure très difficile

Cla

ssem

en

t

Chaque personne interrogée classe une série

d’alternatives (dont une correspond au statu quo).

Ces alternatives diffèrent tant par leurs

caractéristiques que par leurs niveaux. Il y a donc

une hiérarchisation des choix. On obtient ainsi les

préférences relatives des individus pour les

alternatives, les unes par rapport aux autres.

Cela requiert un surcroit d’effort

intellectuel qu’imposent les

classements d’alternatives

comportant une grande quantité

de caractéristiques qui présentent

elles-mêmes bon nombre de

niveaux.

No

tati

on

Il est demandé à chaque personne interrogée de

noter un certain nombre de scénarios sur une

échelle sémantique ou numérique. L’analyse des

notations s’appuie sur des cadres théoriques qui

permettent de les convertir selon une échelle

d’utilité.

Le fait de supposer que les

notations sont comparables d’un

individu à l’autre, n’est pas

toujours vrai.

Co

mp

ara

iso

n

Il est demandé à la personne interrogée de faire un

choix entre deux options proposées et d’indiquer

sur une échelle numérique ou sémantique son

degré de préférence pour cette option. Cette forme

de comparaison est aussi connue sur le nom de

« notation par paires ». Dans certains cas, cette

technique peut être considérée comme une

approche d’expérimentation des choix et dans

d’autre cas comme une approche de notation.

Mêmes difficultés que celles

rencontrées dans les méthodes

d’expérimentation de choix et de

notation

Tableau 2.12 : Techniques de mesure de préférences


81

Les méthodes de classement des alternatives proposées sont les plus anciennement utilisées.

Toutefois, actuellement, dans le domaine des transports, ce sont les méthodes de choix, puis

de notation, qui sont les plus couramment utilisées. Elles ont par ailleurs également bénéficié

de plus importantes avancées méthodologiques en termes de construction de questionnaires et

d’analyse des résultats produits.

Dans notre approche de l’estimation de la demande, nous allons utiliser les techniques de la

notation. Nous considérons que cette technique fournit l’information la plus riche, en donnant

à la fois l’ordre et l’intensité des préférences.

Etape 5 : Modèles de choix

On distingue généralement deux catégories de modèles d’estimation de la demande dans le

transport: les modèles désagrégés et les modèles agrégés.

Les modèles agrégées raisonnent par rapport à un individu moyen.

Les modèles agrégées sont basés sur des données de zone à zone dans un découpage donné.

Les courbes de choix modal (en fonction du motif de déplacement, du type de zone de

résidence, …) sont estimées au moyen de pourcentages de répartition modale entre un certain

nombre de couples de zones origine/destination.

Les modèles désagrégés raisonnant par rapport à un individu.

o Les modèles de choix discrets font partie des modèles désagrégés. Ils décrivent le

comportement de choix d'un individu face à un ensemble d'actions mutuellement

exclusives.

Il existe plusieurs types de modèles de choix discrets [Ben-Akiva, 1985] et [Ben-Akiva,

1999], mais le principe de base est, qu’à chaque possibilité de choix i, est associée une

fonction d'utilité supposée traduire le niveau de satisfaction que le choix de i procure à

l'individu n: Un

i. Placé devant plusieurs alternatives (choix modaux, par exemple), l'individu

choisit celle qui le satisfait le mieux, c'est-à-dire, celle qui lui apporte la plus grande utilité.

Le modélisateur, qui observe le système, ne possède pas l'information complète sur tous les

éléments pris en compte par l'individu qui fait le choix. De ce fait, la fonction d'utilité est la

somme de deux composantes :

U i

n

= V i

n

+ i

n (2.4)

Où Vi

n

est une partie déterministe fonction de caractéristiques observables de l’individu n et

de l’alternative i ; i

n

est une variable aléatoire de valeur inconnue, qui reflète les goûts (non

mesurés) particuliers de chaque personne, ainsi que les erreurs de mesure ou d'observation

faites sur les caractéristiques explicitement prises en compte dans Vi

n

.

En général, la partie détérministe Vi

n

est représentée par une fonction du type :

V i

n

= Σ aik xik

n

= ai1 xi1

n

+ ai2 xi2

n

+…+ aim xim

n

(2.5)


82

Autrement formulé, c’est une fonction linéaire des variables xik

n

, caractéristiques de l’individu

et de l’alternative. Les xik

n

peuvent être soit des variables quantitatives (par exemple pour le

choix d’un mode de transport : temps de trajet, revenu des personnes, …), soit des variables

qualitatives (sexe, possession du permis de conduire, ...) exprimées sous forme de variables

binaires (0 ou 1). Les coefficients aik traduisent, sous la forme d’une pondération, l'importance

relative de chacune des caractéristiques. Si l’utilité est aléatoire par manque d’informations,

en revanche la règle de décision qui conduit un individu à faire tel choix reste

fondamentalement déterministe.

Or, il semble que les choix des individus peuvent fluctuer selon le contexte, c'est pourquoi les

modèles de choix discrets adoptent une démarche probabiliste plutôt que déterministe. On

suppose donc que les choix des individus sont soumis à un certain aléa ce qui conduit à

calculer des probabilités de choix pour chaque alternative et à confronter ces probabilités aux

fréquences observées pour des individus face à des choix répétés. Ces constats ont abouti à

l’élaboration de plusieurs modèles qui diffèrent essentiellement par la manière de définir la

partie aléatoire de la fonction "utilité".

Dans la Figure 2.4 sont présentées les deux principales classes de modèles Essafi [Essafi,

2003] qui diffèrent essentiellement par la façon dont les deux termes de la fonction utilité sont

définis.

Figure 2.4 : Principaux modèles à choix discrets

(Source : [Essafi, 2003])

Dans le domaine du transport, le type de modèle le plus utilisé reste celui du Logit

Multinomial (basé sur une représentation probabiliste de la partie utilité) qui possède une

capacité assez satisfaisante pour prédire le choix des usagers du réseau urbain [McFadden,

1968].

Mais, ce type de modèle ne prend pas en compte la similitude qui peut exister entre plusieurs

choix offerts à l’individu. Il est structuré de manière telle que l’individu arbitre entre deux

choix a et b indépendamment des autres choix qui lui sont offerts, hypothèse parfois peu

réaliste. Cette hypothèse est connue, dans la littérature anglo-saxonne, sous le sigle IIA (pour

Independence from Irrelevant Alternatives), qu’on peut traduire approximativement par

«indépendance résultant d’alternatives peu pertinentes ».


83

Une manifestation particulièrement gênante de cette propriété est que l’introduction d’un

nouveau mode de transport dans l’ensemble des choix possibles ne réévalue pas les poids

respectifs que l’individu, dans son processus de décision, accorde à a et à b. Si, par exemple,

l’individu préfère ―deux fois plus‖ la voiture au bus, ce rapport restera de 1 à 2 même si une

ligne de tramway est créée (« le paradoxe du bus bleu-rouge » [Debreu, 1960]).

Pour répondre à cette critique, deux extensions ont été développées :

o les modèles GEV (Generalized Extreme-Value Logit Models), introduits par McFadden

[McFadden, 1975], dont le Logit emboîté (Nested Logit) est un cas particulier. Cette

extension a consisté à généraliser la loi suivie par les résidus du modèle Logit

Multinomial (qui est la loi extreme value). Le modèle logit emboîté intègre explicitement

la nécessité, dans certains cas, de faire dépendre la décision de l’individu à la fois de

critères communs à plusieurs choix, proches par nature, et de critères spécifiques à chacun

des choix offerts.

o les modèles Logit à Coefficients Aléatoires (Mixed Multinomial Logit) [McFadden, 2001]

conservent la même loi, ont rendu aléatoires les paramètres du modèle. Ils ont été

développés dans la perspective d’avoir un modèle très flexible. Pourtant pour élaborer ce

type de modèle, on doit poser des conditions se traduisant par des restrictions sur les

variables ou sur les termes de la matrice de variance-covariance du modèle, conditions

qui, dans la pratique, sont rarement évidentes.

o Les modèles stochastiques reposent sur l’hypothèse que le processus de choix d’un

individu est stationnaire. Dans cette famille de modèles, l’utilité des différentes actions est

déterministe mais le processus de choix est probabiliste. En d’autres termes, l’individu ne

choisit pas nécessairement l’action qui lui assure l’utilité la plus élevée ; il a une

probabilité (positive) d’opter pour les différentes actions possibles. Par conséquent, ces

modèles expriment l’idée de « rationalité limitée » puisque les individus ne choisissent

pas nécessairement ce qu’il y a de mieux pour eux-mêmes. Il existe deux principaux

modèles avec règle de décision stochastique, à savoir ceux de Luce [Luce, 1959] et

Tversky [Tversky, 1972]. Luce pose au départ de son analyse un axiome relatif aux

probabilités de choix mais le processus de choix n’est pas clairement explicité. Tversky

emprunte une démarche différente. Il suppose d’emblée l’existence d’utilités attachées aux

différentes actions et décrit, à partir de là, le processus de choix de l’individu.

o Les modèles d’élimination par attributs (EPA) [Laurent, 2006] récemment proposés

s’inspirent du modèle de Tversky [Tversky, 1992]. Cette heuristique est basée sur le

principe qu’à chaque étape de décision, les individus éliminent toutes les options ne

possédant pas un certain attribut donné (par exemple prix) jusqu’à ce qu’une seule option

subsiste. Ces modèles présentent un grand intérêt conceptuel. Toutefois, leur utilisation est

limitée par la complexité des procédures d’estimation.

o Récemment, des techniques basées sur l’intelligence artificielle comme l’approche

bayesienne [Verhoeven, 2005] ou encore les réseaux de neurones [Xie, 2003] et les

systèmes multiagents ont été avancées afin de prendre en compte le processus

d’apprentissage (acquisition d’expérience et changements de choix).

Les modèles de choix discrets appliqués aux transports présentent l’avantage d’intégrer les

caractéristiques individuelles de la personne et les différentes variables de l'offre de transport

et doivent permettre une bonne prévision des caractéristiques du trafic et de leurs impacts.


84

Dans la mesure où nous allons nous en servir, nous présentons certaine limites auxquelles

nous essaierons de palier dans le chapitre 3.

Limites des modèles de choix discrets

o Hypothèse restrictive d’unicité des paramètres sur l’ensemble des usagers

Devant la difficulté de réaliser un calibrage désagrégé, il est souvent procédé à une

segmentation de la population qui voyage en fonction de ses caractéristiques. La segmentation

triviale est relative au motif du déplacement mais d'autres dimensions peuvent être introduites

comme la taille du groupe, la durée du voyage, etc.

On conçoit parfaitement que cette hypothèse soit restrictive. En effet, les usagers ne

présentent pas les mêmes paramètres comportementaux, ces derniers étant naturellement

distribués dans la population. Ces variables ne font pas intervenir la qualité d’un trajet

comme, par exemple, le bien-être des voyageurs à travers les concepts de confort, sécurité ou

encore le degré d’importance d’une activité à mener. Des travaux récents font intervenir les

revenus. Lorsque le revenu de l’individu devient suffisamment élevé, toutes les probabilités

de choix deviennent indépendantes du coût des modes de transport. En effet, plus L’individu a

un revenu élevé, moins il est exigeant sur le coût (monétaire) du mode et plus il s’avère

préoccupé par les caractéristiques relatives à la qualité (en particulier le temps de trajet). Ceci

est une façon de départager les usagers par des variables pertinentes.

o Hypothèse restrictive quant à l’extrapolation

Ce type de modèles mathématiques relie des paramètres se situant tous au même niveau

d'analyse. Autrement dit, il n'est pas possible dans cette hypothèse de relier la taille d'un

effectif aux prises de décisions effectuées par les individus. On peut dire que ces niveaux

d'organisation sont "étanches" puisqu'il n'est pas possible de faire correspondre des

comportements effectués à un niveau microscopique à des variables globales mesurées à un

niveau macroscopique.

o Hypothèse restrictive quant à la stabilité des comportements des usagers

Goodwin [Goodwin, 1992] montre qu’au moment où les comportements sont observés, ceux-

ci ne sont généralement pas en équilibre avec les variables qui les influencent. Ainsi, il en

découle des comportements biaisés qui ne peuvent être utilisés pour décrire des équilibres

différents qui seraient atteints avec des valeurs différentes de variables. Il s’agit, bien sûr,

d’une situation inconfortable puisque l’utilisation cohérente des modèles pour la prise de

décision exige un cadre d’équilibre général.

Mis à part les erreurs liées à l’échantillonnage ou le choix de la relation fonctionnelle entre les

caractéristiques observées et les choix offerts, Manski [Manski, 2000] distingue deux autres

sources d’incertitude : les caractéristiques inobservées des choix offerts et les caractéristiques

inobservées des individus. Pour ce dernier cas, des travaux dans les domaines sociologique et

psychologique vont jusqu’à expliquer les aléas dans les choix par les états mentaux des

individus. Une façon de considérer le problème est de supposer que l'individu, dans certaines

circonstances, oublie de prendre en compte certaines caractéristiques d'une activité ou se

trompe sur l'importance d'une des caractéristiques associées.


85

o Hypothèse restrictive quant à la prise en compte des changements de choix

Devant des changements évidents de comportement liés à des facteurs exogènes (changement

de tarification, de sens de circulation), le modèle doit être évolutif dans le temps.

Il nous reste deux approches distinctes pour la prise en compte des changements des choix

dans le temps :

Admettre que le modélisateur est incapable d'appréhender les comportements

individuels et d’incorporer les changements de choix dans une approche probabiliste. Il faut

alors essayer d'identifier, parmi les interprétations possibles des probabilités, quelles sont les

plus pertinentes. Le manque d'information conduit le modélisateur à utiliser des règles de

choix probabilistes (interprétation souvent de type '"économétrique"). Autrement dit, le

modélisateur peut au mieux prédire le comportement d'un individu à une fonction de

probabilité près.

Essayer d'identifier les facteurs responsables de ces changements de choix et les

incorporer dans le programme de maximisation de l’utilité en conservant une approche

déterministe.

Nous considérons que la deuxième approche est mieux adaptée à nos travaux, avec le souci

supplémentaire d’intégrer - au modèle comportemental - les effets des paramètres exogènes

qui pourraient être à l’origine des changements de choix. Dans la perspective d’évaluation à

court terme dans laquelle nous nous plaçons, nous nous limiterons aux paramètres liés aux

caractéristiques de transport (prix, information, etc.) et ne prétendons en aucun cas pouvoir

capter les effets des paramètres individuels (changement de domicile, vieillissement,

licenciement…).

Plusieurs techniques d’estimation de ces modèles existent dans la littérature: les techniques de

régression par les Moindres Carrés Ordinaires (MCO), les techniques de maximum de

vraisemblance (logit, probit), [Louviere, 2000] ainsi que les techniques de l’analyse de la

variance.

Etape 6 : Procédure de validation

La question de la validation technique du modèle employé dans une application donnée est

fondamentale. Plusieurs points doivent être pris en compte pour la validation des modèles

[CGPC, 1997] : validation conceptuelle, validation formelle, la validation informatique et la

validation économétrique.

La validation conceptuelle permet de détecter les erreurs de conception. Ces erreurs tiennent à

la schématisation du système étudié, à la définition et au choix des variables explicatives

(exogènes) ou expliquées (endogènes), à la mise en relation de ces éléments par des

mécanismes explicatifs.

La validation formelle permet d’identifier l’erreur de formulation. La formulation du modèle

consiste à synthétiser les mécanismes explicatifs par une formule caractéristique, qui relève

d'un problème type de mathématique. L'erreur de formulation procède d'un manque de

conformité entre la formule caractéristique et les mécanismes élémentaires spécifiés dans la

conception, ou un manque de cohérence logique, ou d'une insuffisance de caractérisation.


86

La validation informatique identifie les défauts de la méthode de calcul et le dispositif de

calcul (support matériel, logiciel, opérateur) qui peut manifester des imprécisions par arrondi

ou un défaut de convergence.

La validation économétrique détecte l'erreur économétrique en identifiant les objets et les

relations auxquels elle s'attache. Elle explicite l'incertitude exogène a priori relative aux

variables exogènes et aux paramètres. Elle examine et discute les hypothèses statistiques qui

déterminent cette incertitude, et elle étudie ses effets sur le résultat d'une simulation.

Dans une application, la certification conceptuelle et la certification économétrique sont de la

responsabilité de l’analyste, tandis que la certification formelle et la certification informatique

sont de la responsabilité du concepteur du logiciel de calcul.

Nous allons revenir, avec plus de détails, sur la validation économétrique des modèles dans le

chapitre 3.

3.2 Outils et approches pour l’évaluation a priori des impacts

Dans la mesure où il s’agit d’évaluer les impacts d’un nouveau système de transport, dont la

mise en place peut être accompagnée d’un changement d’infrastructure, la simulation

informatique, alimentée par les modèles d’évaluation des impacts, devient un outil

incontournable aux yeux des décideurs.

3.2.1 Outils existants dans le domaine des transports

Ces dernières décennies, de très nombreux simulateurs ont été développés. Ils sont alimentés

par des modèles intégrés urbanisme-transport ou des modèles trafic qui intègrent plus ou

moins l’aspect comportemental des usagers du réseau routier. Le Tableau 2.13 présente

quelques exemples de modèles utilisés dans le transport.

Nous pouvons citer d’autres modèles trouvés dans la littérature: CALUTAS, ITLUP, LILT,

DORTMUND, FLEXSYT II, CASSANDRA, MITSIM, EMME/2, TRIPS, etc. [CERTU,

1999], [Boussier, 2007].

Les modèles intégrés urbanisme-transport peuvent aborder à la fois les localisations, les

prévisions des flux, la construction de l’habitat, la localisation des emplois et tout ce qui

touche au système de transport, y compris les questions relatives à la motorisation.

Basés sur des modèles d’estimation de la demande de déplacements plus ou moins

sophistiqués, les simulateurs trafic permettent d’analyser la mise en place d’un nouveau

système de transport, soit au niveau de la ville (simulation macroscopique) soit pour la

planification et le contrôle des transports à l’échelle d’un quartier (simulation microscopique).

L’aspect comportemental est plus ou moins marqué, notamment lorsque la simulation se base

sur des approches individu-centré (comme la simulation multi-agents, par exemple). Dans ce

dernier cas, il est possible d’étudier les interactions entre les véhicules se trouvant sur un

même axe, et de procéder virtuellement à des demandes de déplacement.

Quel que soit leur type, peu nombreux sont les simulateurs qui intègrent la totalité des impacts

d’un projet de transport et de mobilité durable. Souvent vu comme un complément

d’informations, l’aspect environnemental est traité d’une façon un peu superficielle.


87

Outils et approches intégrés urbanisme-transport

TRANUS

[Tranus, 1982]

TRANUS est développé par la compagnie de service vénézuélienne

Modelistica. Il a deux objectifs : premièrement, la simulation des effets

probables des politiques d’urbanisation et des projets de transport et

deuxièmement, l’évaluation de ces effets à un niveau social et économique.

Le système de modélisation TRANUS a été utilisé dans le projet

PROPOLIS de la Communauté Européenne pour une évaluation interactive

des plans d'urbanisme par le biais d'Internet.

DELTA

[Delta, 1995]

DELTA est développé par David Simmonds Consultancy. En Europe, il est

utilisé au Royaume-Uni. L’approche DELTA est basée sur des sous-

modèles représentant différents processus de changement entre le transport

et l’urbanisme, avec la plupart des interactions étant représentés d’une façon

progressive, plutôt que simultanée.

Modèles comportementaux

ALBATROSS

[Arentze,

2005]

ALBATROSS, basé sur le paradigme multiagents, et sur un modèle à base

d’activités et est le résultat d’une complexe interaction entre les besoins

individuels d’un ménage et diverses contraintes de déplacement.

SimDELTA

[Feldman,

2010]

SimDELTA combine un modèle de micro simulation des changements de

comportement individuels des ménages avec le modèle agrégé DELTA et

prévoit la migration des ménages entre les différents lieux, la localisation

des investissements, la localisation des emplois, de développement et de

redéveloppement des nouvelles zones industrielles, lié à un modèle de

transport approprié. La plupart des procédures pour l’estimation du choix

utilise la technique de Monte Carlo.

Modèles trafics

VISEM/

DAVISUM

[CETE, 2008]

Le logiciel (VISEM/ DAVISUM est développée par la société allemande

PTV. Il s’agit d’un modèle à 4 étapes, probabiliste et modulaire. Il propose

une évaluation semi-désagrégée et qui combine des aspects du transport

public et privé.

Modèles combinés

SIMAURIF

[SIMAURIF,

2007]

Le modèle combine trois modèles existants : le modèle d'urbanisation

UrbanSim, le modèle de trafic Davisum-METROPOLIS précédemment

développé dans le PREDIT et un modèle global de demande de

déplacements. SIMAURIF est un outil de micro-simulation qui permet

d'appréhender les effets indirects des infrastructures sur l'attractivité du

territoire desservi, sur le développement économique local et sur les prix de

l'immobilier. Tableau 2.13 : Logiciels intégrant le transport et l’urbanisme

Laroche [Laroche, 2002] décrit, dans le rapport final du PREDIT (Programme de Recherche

Et D'Innovation dans les Transports Terrestres), l’état des lieux des pratiques de la

modélisation dans les collectivités locales françaises (Tableau 2.14).


88

COLLECTIVITE MODELES UTILISATIONS TYPE DE

PRATIQUE

LILLE EMME2 Prospective / Planification /

Programmation / Dimensionnement

Pratique courante

MARSEILLE MODERATO /

TERESE / OPERA

Prospective / Planification /


Pratique

occasionnelle

GRENOBLE MOSTRA / VISEM-

DAVISUM



Pratique courante

SAINT-ETIENNE TRIPS Prospective / Planification /


Pratique

occasionnelle

MONTPELLIER EMME2 Prospective / Planification /


Pratique courante

NICE TRIPS Prospective / Planification /


Pratique

occasionnelle

BORDEAUX EMME2 /

GERTRUD


Programmation / Dimensionnement /

Simulations

Pratique

occasionnelle

BREST SOUS-TRAITANCE

(POLYDROME)


Programmation

Pratique

contrainte

CAEN SOUS-TRAITANCE

(DAVIS et OPERA)



Pratique

contrainte

TOULOUSE OPERA / DAVIS /

TERESE



Pratique courante

STRASBOURG TERESE / TRIPS Prospective / Planification /


Pratique courante

DIJON - - Plus de pratique

FRANCHE-

COMTE

A L’ETUDE Prospective / Planification /


A venir

MULHOUSE SOUS-TRAITANCE

(TRIPS /

DAVISUM)



Pratique

contrainte

Tableau 2.14 : Les pratiques françaises en matière de la modélisation du transport urbain

Ce tableau des pratiques françaises, établi sur un panel d'agglomérations, montre qu’elles ont

certaines attentes en matière de la modélisation du transport.

3.2.2 Les attentes d’un décideur

Les attentes des décideurs en matière des modèles d’évaluation des impacts dans le domaine

de transport peuvent être groupées en deux catégories distinctes.

Les attentes formelles :

la simplification ou, à défaut, l’explication des concepts abstraits manipulés. Souvent

les modèles apparaissent souvent comme des « boîtes noires », dont seul le

modélisateur comprend le fonctionnement, ce qui provoque une certaine méfiance des

décideurs.

une certaine transparence en ce qui concerne la fiabilité des résultats. La

transparence signifie qu’on ne peut faire l’impasse sur une évaluation des incertitudes

dues aux modèles ou à la base de données. Il est rare qu’un modèle soit tout à fait

satisfaisant car il est, par définition, une schématisation de la réalité.

l’amélioration de la convivialité des outils de simulation. En effet, la conservation

d’une certaine "technicité" permet au modélisateur de bénéficier de la situation. les

outils sont perçus alors comme un enjeu d’une course à la sophistication.


89

l’amélioration de la lisibilité des résultats. Entre la décision prise par un décideur et

les résultats très techniques générés par les modèles, il semble qu’il existe un vide qui

rende difficile la valorisation du travail des modélisateurs et son utilisation pour le

choix par le décideur.

l’amélioration de la communication qui pourrait commencer par l’affichage de

résultats intermédiaires permettant aux parties prenantes de suivre pas-à-pas

l’évolution des indicateurs liés au trafic ou aux impacts environnementaux...

Les attentes contextuelles :

l’amélioration du traitement de la multimodalité. La multimodalité est en effet

relativement insuffisamment prise en compte par les outils existants.

la prise en compte des interactions transport-urbanisme: dans la plupart des modèles

de prévision trafic, cette relation n’est pas prise en compte, alors qu’elle compte

beaucoup dans la réalité. L’idée est de ne pas reproduire certaines erreurs du passé. En

effet, dans les années soixante-dix, une perception simpliste s’était instaurée entre

l’étalement urbain et la croissance urbaine;

l’analyse plus approfondie des comportements des usagers des réseaux routiers.

Comparé au comportement réel des usagers, le nombre de facteurs intégrés dans les

modèles est faible. De ce fait, la plupart des outils reproduisent difficilement les

changements de comportement des usagers du réseau routier lorsque de nouvelles

alternatives leur sont offertes (introduction d’un tramway, zones d’accès contrôlés…).

Comme nous l’avons précisé dans le chapitre 1, cet effort semble d’ailleurs d'autant

plus pressant que de nombreux services nouveaux se sont développés ces dernières

années covoiturage, véhicules en temps partagé, information en temps réel, parking

relais etc.;

la prise en compte des problématiques de micro-simulation. Souvent, les outils de

simulation ont été élaborés puis enrichis pour répondre à des problématiques de

dimensionnement selon une approche macroscopique. Or, face à la mise en place de

projets à l’échelle d’une zone urbaine (zone d’accès contrôlé, changements de sens des

voies de circulation, construction de ronds-points, aménagement d’un nouveau

parking), la plupart d’outils demeurent peu adaptés;

la prise en compte de l’influence des facteurs exogènes : conçus autour d’un

environnement local souvent statique, la plupart des modèles n’intègrent pas, même à

court terme, les effets de paramètres comme le prix du carburant, l’évolution des

caractéristiques du service etc.;

l’intégration de modules d’étude des impacts environnementaux : cette attente ne peut

être négligée dans le contexte de la ville durable, où tout projet en matière de transport

visant à améliorer la mobilité urbaine ne peut être dissocié de ses impacts

environnementaux (pollution atmosphérique, sonore ou visuelle).

Lorsqu’il s’agit de faire le choix entre plusieurs projets, les décideurs ne sont pas forcément

en quête d’un outil qui fournit une classification. Ils souhaitent disposer d’un outil d’aide à la

décision et non pas que l’on prenne à leur place une décision. Dans une démarche

participative, qui doit se développer dans le respect des intérêts (objectifs) de toutes les parties

prenantes, la recherche d’une solution concertée ne se prête pas à une classification

préliminaire.


90

Nous montrerons dans les chapitres 3 comment nous envisageons répondre aux attentes d’un

décideur par l’évaluation a priori des impacts d’un projet de transport en zone urbaine.

Notre travail de recherche se place dans un contexte de projets de transport spatialement

localisés. De ce fait, l’idée est d’alimenter la « microsimulation » (ou simulation

microscopique) par des modèles de trafic qui partent de la modélisation des comportements

des véhicules individuels puis par la suite de l’alimenter par une démarche « bottom-up »,

remontant aux caractéristiques du flux de la zone concernée. Ce type de simulation est

souvent utilisé pour comprendre le comportement véhicule-conducteur (simulation multi-

agents : voir notre travail dans [Boussier, 2011].

Conclusions

Ce chapitre nous a permis de faire le point sur les méthodes, les approches, les outils et leur

intérêt dans les verrous levés dans ce travail de recherche et qui ont été présentés dans le

chapitre 1.

Aujourd’hui, la relation avec le public n’est plus la même que par le passé : on ne se contente

plus de fournir des informations (participation informative), ni de demander des informations

(consultation), mais on cherche à impliquer les parties prenantes dès la conception et

l'évaluation a priori des alternatives (notion de co-conception) et, parfois même, dans le choix

final (co-décision).

Dans la pratique, toutefois, force est de constater que le processus d’évaluation est soit

parcellaire (focalisé sur certaines étapes du processus de décision), soit limité à un petit

nombre d’acteurs.

Réunir l’ensemble des acteurs autour d’une table relève de la gageure. C’est la raison pour

laquelle il convient d’envisager une approche pour l’identification et le groupement des

parties prenantes d’un projet. Souvent, d’une façon simpliste, les groupements sont établis sur

la base de critères socioprofessionnels. L’analyse des représentations individuelles par le biais

de cartes causales permet un groupement des acteurs en fonction de leurs similitudes ou

divergences de perception.

Une analyse bibliographique – minutieuse mais utile - nous a permis d’identifier plusieurs

méthodes d’évaluation a priori et de choix d’alternatives. Leur utilisation dépend souvent de

l’appartenance à une communauté scientifique : les économistes penchent plutôt pour

l’Analyse Cout-Bénéfice ; en revanche, les spécialistes de la recherche opérationnelle sont

plutôt adeptes de l’Analyse Multicritères. Sans a priori, nous avons été amenés à tester les

deux et avons cherché à utiliser les avantages de l’une et de l’autre. Pourtant, nous sommes

partis du constat que le caractère participatif des méthodes basées sur l’Analyse coût -

bénéfice, sous ses formes actuelles, est loin d’être évident ; par ailleurs, certaines méthodes de

l’analyse multicritères (AMC) orientent les démarches, d’une façon peu « démocratique ».

Pour appliquer une méthode d’AMC, il est absolument nécessaire d’adopter une démarche

participative : l’objectif n’est en effet pas d’appliquer un modèle mathématique avec un

décideur unique, en vue d’éclairer ce dernier.

Selon nous, l’alternative choisie devra être affinée par une méthode d’optimisation

décentralisée cherchant à satisfaire au mieux le cahier de charge des uns et les exigences des

autres. L’évaluation a priori des impacts d’un projet de transport, pour lequel l’utilisation du


91

service est crucial, repose notamment sur une modélisation des comportements (approche

agrégée ou désagrégée).

Nous avons pu constater que les simulateurs, plus ou moins opérationnels, sont nombreux. Ils

ne répondent toutefois que partiellement aux attentes des décideurs qui souhaiteraient évaluer

les conséquences de la mise en place d’un projet sur les autres modes préexistants.

Dans le chapitre suivant, nous nous proposons de développer une méthodologie et un

démonstrateur permettant d’évaluer les impacts d’un projet de transport durable.


92

Chapitre 3: Evaluation a priori multicritère et multi acteurs des projets de transport

(EAPMM)

93

Chapitre 3

Evaluation a priori multicritère et multi acteurs des projets de

transport (EAPMM)

Sommaire

INTRODUCTION ...................................................................................................................... 95

1. LA DEFINITION DU CADRE D’ANALYSE .......................................................................... 96

1.1 Définition du besoin d’amélioration et identification des objectifs ......................... 97

1.2 Définition du périmètre d’étude ............................................................................... 98

2. LE DIAGNOSTIC PARTICIPATIF ....................................................................................... 99

2.1 Identification des parties prenantes : objectifs et interactions ................................ 100

2.2 Modélisation des perceptions individuelles ........................................................... 101

2.3 Groupes d’acteurs ................................................................................................... 111

2.3.1 Construction de la matrice de dissimilarité .................................................... 112

2.3.2 Classement des acteurs ................................................................................... 115

3. IDENTIFICATION DES ALTERNATIVES ........................................................................... 116

3.1 Technique de transférabilité ................................................................................... 116

3.2 Préférences des groupes des acteurs ....................................................................... 121

4. EVALUATION A PRIORI DE LA DEMANDE ...................................................................... 123

4.1 La modélisation de la demande .............................................................................. 124

4.2 Le calcul du taux d’utilisation ................................................................................ 131

4.3 Agrégation des préférences .................................................................................... 132

4.4 Robustesse des comportements .............................................................................. 134

5. EVALUATION A PRIORI DES IMPACTS ........................................................................... 136

5.1 Objectifs de la simulation ....................................................................................... 138

5.2 La conception du simulateur .................................................................................. 138

5.2.1 Conception du système et implémentation ..................................................... 139

5.2.2 La validation ................................................................................................... 142

5.2.3 L’évolution/l’adaptation ................................................................................. 142

6. SOLUTION DE COMPROMIS ........................................................................................... 146

6.1 La modélisation des choix ...................................................................................... 146

6.2 La recherche du scenario optimal ........................................................................... 150

CONCLUSIONS ..................................................................................................................... 152


(EAPMM)

94


(EAPMM)

95

Chapitre 3 : Evaluation a priori multicritère et multi-acteurs des

projets de transport (EAPMM)

Introduction

Comme nous l’avons vu dans les chapitres précédents, mettre en place un projet de transport

sur un territoire devient une tâche très complexe car un projet de transport doit, dans la

mesure du possible, non seulement répondre aux trois exigences du développement durable

(économique, sociale et environnementale) mais aussi aux exigences de transparence, en

faisant participer l’ensemble des parties prenantes. Si les problèmes urbains et leurs causes

sont mal connus, les parties prenantes mal identifiées, les impacts seront évalués de manière

telle qu’il sera difficile d’identifier a priori les vrais gagnants et les vrais perdants.

Dans ce chapitre, nous proposons une démarche d’évaluation a priori de projets dans un cadre

multicritères et multi acteurs (EAPMM). Cette démarche est structurée en 6 étapes (Figure

3.1) que nous allons détailler tout au long de ce chapitre.

Figure 3.1 : La méthode d’évaluation a priori multicritère et multi acteur (EAPMM)


(EAPMM)

96

Dans la première étape de notre analyse, nous allons décrire le cadre d’étude en mettant en

évidence le périmètre d’étude, les besoins d’amélioration et les objectifs à atteindre. Tous les

acteurs de la ville sont impliqués dans cette étape aux côtés de l’analyste qui a un rôle

d’intermédiaire de collecte et d’analyse de données.

Dans la deuxième étape, nous allons chercher, appuyés par des enquêtes et des techniques

d’analyse systémique, à identifier les points de vue des acteurs concernant les phénomènes de

la mobilité dans une ville. Cette information sera utile pour l’identification des groupes

d’acteurs et pour la sélection des indicateurs les plus pertinents à prendre en compte dans une

évaluation a priori d’un projet de transport.

Nous chercherons, dans une troisième étape, à identifier les alternatives envisageables grâce à

une approche impliquant à la fois les techniques de transférabilité et les préférences déclarées

des usagers potentiels.

Dans la quatrième phase, nous proposons une technique d’estimation a priori de la demande

d’un système de transport basée sur la modélisation du taux d’utilisation du service. Nous

conduisons l’estimation en fonction d’hypothèses optimiste et pessimiste, l’intervalle étant

borné par une étude de la robustesse des comportements, tenant compte de facteurs exogènes.

Une fois cet intervalle déterminé, il nous est possible d’entamer la cinquième phase de notre

démarche: l’évaluation des impacts de chaque projet à l’aide de la simulation. Cette

simulation est réalisée grâce à un outil de simulation développé, dans le cadre de ce travail, à

partir d’un démonstrateur trafic VIS_SIM [Fotherby, 2002].

La recherche d’une solution de compromis correspond à notre sixième phase d’évaluation.

Elle consiste à définir une combinaison de niveaux de variables pour la meilleure satisfaction

des exigences des uns (les urbanistes, les ingénieurs dans le domaine des transports) et des

contraintes des autres (clients).

Notre démarche fait appel à des données issues d’observations, d’enquêtes, des données

statistiques et de résultats de simulations. Pour faciliter la lecture, chaque étape sera illustrée

par des courts exemples autres que ceux qui seront abordés lors de l’étude complète du

chapitre 4.

1. La définition du cadre d’analyse

Le cadre d’analyse permet de circonscrire le domaine (ou périmètre) d’étude. Il s’agit

d’exprimer le besoin d’amélioration (documenter le besoin: nature, origine, criticité,

échéance), de fixer les objectifs stratégiques et de préciser le domaine d’étude (ce qui sera et

ce qui ne sera pas couvert par l’étude) (Figure 3.2).

Figure 3.2 : Les étapes de la définition du cadre d’étude


(EAPMM)

97

1.1 Définition du besoin d’amélioration et identification des objectifs

Comme la mise en place d’un projet de transport est motivée par l’amélioration de la mobilité

urbaine, il est indispensable de prendre en considération les études faites au préalable au

niveau local, régional, voire national de même que les informations locales des acteurs de la

ville: habitants, élus, experts.

Un projet d’infrastructure de transport doit répondre aux objectifs généraux de la LOTI. Il doit

contribuer à la mise en œuvre des orientations et des objectifs fixés par la politique générale

des transports et par les engagements internationaux, et être compatible avec d’autres

documents de planification territoriale (Directives territoriales d’aménagement, Schémas de

Cohérence Territoriale (SCOT), Plans de Déplacement Urbain (PDU) etc.

Les projets de transport public visent quatre objectifs : garantir l’accessibilité à la ville (en

lien avec le rôle social des réseaux), décongestionner le centre des villes, revaloriser les

espaces centraux et réduire l’impact des transports sur l’environnement. Ces quatre missions

appellent à la production d’offres différentes, avec une capacité d’adaptation aux

caractéristiques et aux attentes des populations.

Il peut exister plusieurs niveaux d’objectifs dans un projet de transport : les finalités, les buts

et les objectifs [Maystre, 1999].

Les finalités se situent sur le plan stratégique (par exemple développer l’usage des

modes doux).

Le but est une énonciation plus concrète, il exprime la manière de concrétiser la

finalité (mettre en place une piste cyclable sur telle avenue).

L’objectif s’énonce sur un plan opérationnel par la mise en œuvre d’une action, avec

ses références spatiales et temporelles (par exemple réduire les émissions quotidiennes

de NOx sur telle avenue).

Finalités et buts sont d’ordre qualitatif, alors que les objectifs sont généralement quantifiés

sous la forme de normes à atteindre (réduire la pollution atmosphérique de 10% des émissions

CO2). Toutefois, fixer des normes est délicat car elles reposent souvent sur des hypothèses

d’experts et des négociations multi-intérêts.

C’est la raison pour laquelle nous voyons émerger aujourd’hui des approches plus

qualitatives reposant sur l’analyse de tendances et qui peuvent se substituer à la recherche de

normes. Une telle approche vise à déterminer l’évolution souhaitable d’un indicateur par

rapport à l’objectif, à savoir s’il doit augmenter ou diminuer.

Une approche peut être proposé : normative lorsqu’il est possible de chiffrer les objectifs, ou

uniquement de donner les tendances.

C’est l’aspect tendanciel, qui nous intéresse le plus dans notre méthode d’évaluation.


(EAPMM)

98

1.2 Définition du périmètre d’étude

On peut penser, au premier abord, que le périmètre – ou zone d’étude – recouvre la zone

exacte de l’implantation du projet, par exemple la rue dans laquelle circule un nouveau mode

de transport collectif.

On sait qu’un projet a un effet sur les comportements des usagers en termes de déplacements

sur le site concerné, qu’ils soient à pied, en vélo, en voiture ou dans un transport en commun.

Toutefois, le même projet a également un impact sur les voies environnantes. Par exemple,

l’aménagement d’un transport en commun en site propre ou d’une piste cyclable peuvent

entraîner des reports de trafic des voitures sur les voies parallèles. De même, l’analyse des

impacts d’un nouveau système de transport en termes de nuisances sonores, par exemple, ne

peut se restreindre à la seule avenue aménagée. L’oublier, c’est négliger les riverains qui vont

bénéficier de l’amélioration de leur bien-être, parfois au détriment de ceux qui vont subir les

reports d’itinéraires. Si bien que pour évaluer les impacts d’un projet transport, il faut aussi

prendre en compte les évolutions sur un secteur allant au-delà de la seule voie aménagée.

C’est ce secteur élargi, qu’on appellera ici «périmètre d’étude», qu’il convient de préciser dès

le début de l’évaluation. La dimension du périmètre d’étude dépend de la nature du projet

ainsi que de la nature du site, qui peut être soit égale au périmètre du site d’implantation du

nouveau projet, soit bien plus large (Figure 3.3).

Figure 3.3: La représentation du périmètre d’étude

(Source : [CERTU, 2011])

Si l’on considère que certains aménagements ont un impact sur les comportements jusqu’à

une certaine distance, on peut délimiter la zone d’influence autour de l’aménagement en

repérant la zone qui comporte l’aménagement au centre, entourée d’une bande correspondant

aux distances retenues. Par exemple, si l’on s’intéresse à un aménagement avec des arrêts de

transports en commun, la distance admise maximal communément pour le rabattement des

déplacements à pied sur les stations est de l’ordre de 500 mètres.

Avant de passer au diagnostic, étape suivante de l’évaluation, il est essentiel qu’il y ait un

consensus formalisé sur le périmètre d’étude entre les divers acteurs concernés (services de

transport, maître d’ouvrage, exploitant et évaluateur).


(EAPMM)

99

2. Le diagnostic participatif

Comme nous l’avons précisé dans le chapitre précédent, dans une démarche d’évaluation a

priori d’un projet de transport, les acteurs doivent être impliqués dès la phase de diagnostic

dans le but d’atteindre les objectifs suivants:

Provoquer et organiser la participation d’un ensemble ou d’une grande partie des

acteurs détenteurs d’enjeux par rapport au problème de décision posé.

Mettre en œuvre un processus permettant l’expression de tous et une réelle prise en

compte des points de vue de tous les acteurs impliqués.

Mettre en évidence le système de valeurs et d’objectifs que chacune des parties

prenantes tente de faire valoir.

Faire émerger, malgré les divergences des points de vue et d’objectifs, des groupes

dont les représentants seront des acteurs du processus de concertation.

Pour réaliser ces objectifs, notre phase de diagnostic est organisée en trois étapes (Figure 3.4).

Figure 3.4: Les étapes du diagnostic participatif

La première opération va consister à identifier tous les acteurs d’une opération, à essayer

ensuite de percevoir les stratégies de chacun, leurs logiques d’action. En effet, ils n’ont pas

tous les mêmes objectifs.

La deuxième opération consiste à représenter la perception individuelle du problème pour une

comparaison globale avec d’autres acteurs.

Pour la troisième étape, nous proposons une analyse des convergences et des divergences

entre les acteurs dans le but de réaliser une classification des groupes d’acteurs avec des

points de vue communs et des groupes avec des points de vue divergents.

La finalité de ce processus de diagnostic est d’établir un équilibre entre deux forces a priori

contradictoires:


(EAPMM)

100

Force de différenciation : chaque individu s’affirme en fonction des intentions et des

objectifs qu’il exprime. Chacun produit son propre modèle cognitif, ou s’identifie à un

modèle existant et s’en sert dans le débat pour s’affirmer et faire valoir son point de

vue. Etant donnée la connaissance incomplète d’un système complexe, tout modèle

construit n’est qu’une représentation partielle de la réalité. Les divergences de

représentation sont sources de conflit. Il s’agit alors de permettre à chaque acteur

d’exprimer sa représentation pour clarifier les enjeux du débat.

Force d’intégration : elle consiste à intégrer et rapprocher les différentes

représentations. En délibérant, c’est-à-dire en interagissant, les acteurs apprennent à

partir de représentations formulées par les autres acteurs et voient leur propre

représentation évoluer selon un mécanisme de reconstruction collective. A travers

l’échange, il est possible d’identifier des éléments communs et divergents sur lesquels

un espace de communication est créé.

2.1 Identification des parties prenantes : objectifs et interactions

La compréhension des relations qui lient les différents acteurs est particulièrement importante

pour la gestion du processus de négociation. De la même manière que les acteurs peuvent

modifier leur attitude vis-à-vis du processus de décision, les relations entre les acteurs sont

amenées à évoluer. La modification des positions des acteurs dépend de leurs relations avec la

situation : économiques, politiques, sociales et environnementales.

Le tableau 3.1 récapitule les principaux acteurs impliqués dans un projet de transport (chapitre

1, § 1.1.1) ainsi que leurs attentes vis-à-vis du projet.

L’autorité organisatrice

des transports urbains (A1)

Souhaite un projet correspondant à la planification des

transports prévue et répondant aux attentes en termes de

développement urbain de l’agglomération.

L’élu de la ville (A2) Souhaite réaliser le meilleur projet de transport, en vue de

satisfaire le programme qui lui a permis de se faire élire et/ou

en vue d’une éventuelle réélection

L’exploitant (A3) Souhaite un projet dont l’exploitation soit la moins déficitaire

possible et la plus facile possible.

Les commerçants (A4) Souhaitent que le projet augmente le nombre de clients dans

leurs magasins. S’intéressent de près à la gestion des

livraisons ainsi qu’aux nuisances apportées lors de la période

des travaux.

Les associations (A5) Souhaitent un projet répondant aux points de vue qu’ils

défendent.

Le futur voyageur (A6) Souhaite une ligne de transport répondant à ses besoins en

déplacement.

L’homme d’étude (A7) Est neutre - Son rôle est de proposer une solution qui

satisfasse l’ensemble des points de vue Tableau 3.1: Attentes des acteurs du projet transport

(Adapté de [Labbouz, 2008])

Nous représentons les relations qui existent entre les acteurs à travers plusieurs actions

(PRENCADITF) qui les relient (Tableau 3.2).


(EAPMM)

101

(P)Prescrire

(R)Rendre

compte

(E)Evaluer

(N)Négocier

(C)Contrôler

(A)Afficher

ses besoins

(D)Délivrer

une prestation

(I)Informer

(T) Traduire

(F)-Former

Tableau 3.2: Interactions entre les acteurs

L’autorité organisatrice locale fixe les obligations et les missions de service public.

L’opérateur de réseau est chargé de délivrer la prestation à l’usager, de faire fonctionner le

réseau et d’entretenir les biens mis à disposition par la collectivité. Le citoyen-usager doit

exprimer ses besoins et ses attentes afin que l’action publique y réponde, dans le cadre de

l’intérêt général. Ils évaluent un service rendu et communiquent leurs attentes.

Dès lors, les relations avec les acteurs locaux sont mieux formalisées et il est plus facile de

dialoguer avec eux et ainsi de considérer leurs points de vue.

2.2 Modélisation des perceptions individuelles

La modélisation des perceptions individuelles nous permettra de faire émerger l’ensemble

des connaissances partagées par des acteurs possédant des objectifs, des compétences et des

points de vue différents.

La technique utilisée dans cette partie est adaptée des méthodes de prospectives [Godet, 2007]

et des applications dans le domaine de l’aménagement du territoire [Desthieux, 2005].

Nature des

flux

d’échange

A1 A2 A3 A4 A5 A6 A7 A8

A1 C, I C, P,

N

I, N N, I N, I I

A2 I C, N,

P

I, N, I, N I, N I I

A3 R, I, N R, I, N D, I,

N

D, I,

N

D,

I, N

D, I I

A4 E, N,

A, I

E, N,

A, I

E, N,

A, I,

I I I I,

A

E, N,

A, I

E, N,

A, I

E, N,

A, I

I I I I,

A

A6 E, N,

A, I

E, N,

A, I

E, N,

A, I

I I I I,

A

A7 I, A, E I, A, E I, A, E I I I I,

A

A8 I, D, T,

E

I, T,

D, E

I, F, E,

T

I, F,

T, E

I, F,

E, T

I, F,

T

I, F,

E, T

Acteurs 2

Acteurs 1


(EAPMM)

102

Ainsi, notre démarche de modélisation des perceptions individuelles est réalisée en suivant

quatre étapes:

Etape 1 : Identification des phénomènes (§ 2.2.1)

Etape 2 : Elaboration de représentations individuelles (§ 2.2.2)

Etape 3 : Analyse structurelle des représentations (§ 2.2.3)

Etape 4 : Comparaison des modèles individuels (§ 2.2.4)

2.2.1 Identification des phénomènes

Pour évaluer les effets des alternatives (ou projets) sur le système de transport, il est

nécessaire d’identifier, avec les acteurs du projet, les caractéristiques du problème et les

perceptions des acteurs. Les perceptions ne reflètent pas seulement les objectifs d’un projet

(décongestionner l’avenue, par exemple), mais aussi les intérêts des acteurs (ne pas être en

retard pour les activités prévues, par exemple).

Pour identifier la perception des acteurs nous allons construire un tableau de phénomènes

urbains sur lesquels les acteurs vont s’exprimer. Le terme « phénomène » désigne, dans ce

travail, une liste de caractéristiques du système urbain qui peuvent influencer la perception du

problème.

La construction d’un tableau de phénomènes peut s’établir en deux temps. Tout d’abord, la

première partie de l’identification des phénomènes intervient avant ou durant la formulation

du problème. Elle ne considère ni les moyens à disposition (données, méthodes…), ni la

dimension de la zone d’étude. Cette première liste de phénomènes doit être aussi complète

que possible. Nous présentons un exemple dans le tableau 3.3.

Thème Enjeux Phénomène

Mobilité Diversifier les modes

de transport alternatif

Temps de déplacement en bus

Niveau trafic de transit

Niveau de congestion

Niveau de desserte du transport en commun

Environnement Réduire l’impact des

transports sur

l’environnement

Pollution atmosphérique

Nuisance sonore

Equipement,

infrastructure

Permettre un meilleur

accès au centre-ville

Stationnement en centre-ville

Parking Relais

Economique Trouver le coût de

transport qui satisfasse

tous les acteurs

Coût de transport en commun

Consommation de carburant

Social Garantir la sécurité et la

satisfaction des usagers

Confort de déplacement en bus

Accident de la route

Perception de la sécurité routière Tableau 3.3 : Liste des thèmes, enjeux et phénomènes


(EAPMM)

103

Le tableau 3.3 présente une structure quelque peu rigide, car certains phénomènes pourraient

se retrouver dans plusieurs enjeux et thèmes. Les phénomènes couvrent la problématique du

transport au sens large. Ils ne sont pas d’égale importance. En analysant le modèle systémique

proposé par un acteur, il sera possible de hiérarchiser les phénomènes et les enjeux.

2.2.2 Elaboration des modèles individuels

L’élaboration des modèles individuels des perceptions de la réalité urbaine est basée sur des

données qualitatives collectées à partir des questionnaires (§ 2.2.2.1) et des représentations

causales (§ 2.2.2.2).

Lors de la phase initiale d’un processus décisionnel, il n’est pas toujours utile d’avoir des

informations quantitatives. Il est en revanche précieux de connaître les grandes tendances, de

savoir si un phénomène augmente ou diminue, quelle que soit la valeur de cette augmentation

ou diminution; ceci, en vue d’orienter les stratégies.

2.2.2.1 Le questionnaire et l’entretien

Le rôle principal du questionnaire et de l’entretien est d’identifier les objectifs de chaque

acteur et le lien entre la performance actuelle et la performance future souhaitée.

Nous avons choisi de structurer les questions proposées aux acteurs d’une zone urbaine en

trois parties.

Partie 1 : L’état de performance existant

La situation initiale est définie par trois états possibles : mauvais, moyen, bon. Il est demandé

à chaque personne de définir les conditions initiales de chaque phénomène en fonction d’une

connaissance préétablie, vécue ou perçue, de la mobilité dans la zone dans laquelle il vit et/ou

agit.

La liste des phénomènes (tableau 3.3) est donnée comme référence à chaque acteur. Les

acteurs ont la possibilité de rajouter des phénomènes importants à leurs yeux et de ne pas se

prononcer sur d’autres phénomènes.

A titre d’exemple, le tableau 3.4 présente un extrait des conditions initiales proposées par un

acteur Y aux phénomènes de congestions et d’émissions atmosphériques.

Phénomènes Conditions initiales

Bonne Mauvaise je ne sais pas

Emissions X

Niveau de

congestion

X

Tableau 3.4: Exemple de présentation de la situation initiale

L’acteur Y considère que l’état actuel des phénomènes de congestion et d’émissions est

préoccupant. Il est nécessaire d’intervenir pour l’amélioration de ces phénomènes, d’où la

deuxième question proposée dans la partie 2.


(EAPMM)

104

Partie 2: L’état de performance souhaité

Une situation peut être soumise à plusieurs variations : la hausse, la baisse, la stabilité.

Conformément à ces variations, le choix d’une tendance souhaitée par les acteurs sera soit de

minimiser, maximiser et de stabiliser (ou bien la personne n’a pas d’avis).

Il est demandé à la personne interrogée d’exprimer les tendances des phénomènes qu’elle

souhaite et la direction dans laquelle elle souhaite voir évoluer chaque phénomène du point de

vue de ses finalités (Tableau 3.5).

Phénomènes Maximiser Minimiser Stabiliser

Emissions x

Niveau de congestion x Tableau 3.5: Performance souhaitée de l’acteur Y

L’acteur Y souhaite une amélioration de la situation en minimisant les émissions liées au

trafic et une baisse du niveau de congestion. On retrouve un lien évident entre la réponse faite

à l’étape 1 et la réponse faite à l’étape 2. La tendance souhaitée exprime une valeur, une

préférence exprimée par la personne. Tandis que la situation initiale reflète une perception sur

un fait réel, par rapport à un phénomène donné.

Etape 3: Identification des relations entre des paires de phénomènes

La relation entre deux phénomènes peut être linéaire ou circulaire (rétroaction). A partir de la

situation initiale, il est demandé à la personne d’évaluer qualitativement ce qui se passe soit si

un phénomène s’améliore, c’est-à-dire évolue vers un état « favorable », soit si un phénomène

se détériore, c’est-à-dire évolue vers un état « défavorable ».

A titre d’exemple, nous allons prendre le phénomène de l’augmentation du niveau de trafic.

Selon les acteurs, les conséquences sur les autres phénomènes peuvent être importantes ou

négligeables (Tableau 3.6).

Phénomènes Améliore Détériore Constant

Emissions x

Niveau de congestion x Tableau 3.6: Les relations entre les phénomènes

Cela revient à poser la question: si un phénomène (exemple : le niveau de trafic) change d’état

(augmente), d’autres phénomènes vont-ils également changer d’état? Lesquels ? Dans quelle

direction : amélioration ou détérioration ?

A partir de la représentation du tableau 3.6, il est possible de déterminer la vision de l’acteur

interrogé suite à une augmentation du trafic : une détérioration du niveau des émissions et une

détérioration du niveau de congestion.


(EAPMM)

105

En définitif, l’identification des conditions initiales, à savoir l’état de performance actuelle,

l’état de performance souhaitée et les relations entre les phénomènes, permettent d’effectuer

un premier tri sur l’ensemble des phénomènes en vue de l’établissement ultérieur du système

d’indicateurs.

Le résultat du questionnaire se présente comme un ensemble de modèles de coévolutions, un

pour chaque phénomène ayant été considéré par la personne interrogée. Pour représenter le

sens de causalité des phénomènes, nous allons construire des cartes causales.

2.2.2.2 Les cartes causales

Chaque acteur du projet possède plusieurs axes de diagnostic de la situation initiale : le prix,

la qualité, le confort... Le concept de préférence ne suffit pas à résumer cette situation. Les

acteurs ont des schémas mentaux qu’ils utilisent pour interpréter et réagir aux stimuli

extérieurs et faire des choix. Une démarche d’identification visant la représentation et

l’explicitation des points de vue de chacun aura à gagner à représenter non seulement des

préférences, mais également des schémas complexes d’interprétation.

Une carte causale est une représentation graphique composée de liens directionnels, ce qui

implique une structure hiérarchique sous-jacente, du type moyens/fins. Toutefois, des boucles

peuvent apparaître, introduisant des relations circulaires plus complexes du type (si A → B, B

→ C et C → A, alors A ↔ C) – la propriété de transitivité.

La carte causale correspond à une carte cognitive, avec toutefois pour contrainte

supplémentaire des liens exclusivement de causalité, celle-ci étant positive, négative, ou

indéterminée.

Les cartes causales donnent davantage d’informations sur la nature des relations qui existent

entre les phénomènes d’un système.

Nous allons mettre en évidence les relations mathématiques qui existent entre deux

phénomènes X et Y (Tableau 3.7).

Chapitre 3: Evaluation a priori multicritère et multi acteurs des projets de transport (EAPMM)

106

Symbole Interprétation Forme mathématique Exemple figure 3.5

Toute chose étant égale par ailleurs, si X

augmente (baisse), alors Y augmente (baisse).

Pour évaluer les effets de Y dans le temps, il

faut additionner tous les effets de X sur Y.

𝑑𝑌

𝑑𝑋> 0

𝑌 = 𝑋 + ⋯ 𝑑𝑠 + 𝑌𝑡0

𝑡

𝑡0

Si la demande de transport augmente, le

volume du trafic va augmenter aussi, toute

chose égale par ailleurs.

Toute chose étant égale par ailleurs, si X

augmente (baisse), alors Y baisse (augmente).

Pour évaluer les effets de Y dans le temps, il

faut soustraire tous les effets de X sur Y.

𝑑𝑌

𝑑𝑋< 0

𝑌 = −𝑋 + ⋯ 𝑑𝑠 + 𝑌𝑡0

𝑡

𝑡0

Si la congestion augmente, la demande de

transport va diminuer, toute chose étant

égale par ailleurs.

Boucle de renfort ® : lorsque l’augmentation

(baisse) de la quantité ou qualité d’un indicateur

(X) conduit à l’augmentation (baisse) d’un autre

indicateur (Y).

Cette augmentation (baisse) de Y entraine à son

tour l’augmentation (baisse) de X.

Signe de la boucle =

SGN (𝑑𝑌

𝑑𝑋∗𝑑𝑋

𝑑𝑌)=+1

Si la demande de transport augmente, le

volume de trafic augmente aussi, ce qui

entraine un niveau de congestion élevé. Cela

impose plus d’investissements dans les

infrastructures et une augmentation de la

capacité de la route. Par conséquent, la

demande de transport augmente davantage,

toute chose étant égale par ailleurs.

La relation d’équilibre ou balance (B): lorsque

l’augmentation (baisse) d’un indicateur (X)

conduit à la diminution (augmentation) d’un

autre indicateur (Y).

Cette diminution (augmentation) de (Y) entraine

une augmentation (diminution) de (X)

Signe de la boucle =

SGN (𝑑𝑌

𝑑𝑋∗𝑑𝑋

𝑑𝑌)=-1

Si la demande de transport augmente, cela

entraine une augmentation du trafic ainsi

que l’augmentation de la pollution et une

baisse de la qualité de l’air. Face à cette

situation, le pouvoir public introduit

différentes réglementations

environnementales, qui entrainent une baisse

de demande de trafic, toute chose étant égale

par ailleurs.

Tableau 3.7 : Les éléments d’analyse d’une carte causale

X Y

+

X Y

-

X Y

-

-

R

X Y

+

+

R

X Y

-

+

B


(EAPMM)

107

A titre d’exemple, nous présentons dans la figure 3.5 les relations qui existent entre

l’augmentation de la demande de transport et l’environnement.

Figure 3.5 : Relation entre la demande de transport et l’environnement

Dans cette figure, on représente la réponse du questionnaire sur l’identification des relations

entre le niveau de trafic, les émissions et le niveau de congestion du tableau 3.6.

Pour analyser la carte causale, dans le but de représenter la perception de l’ensemble

d’acteurs, il nous faut un outil de modélisation. Dans la partie suivante, nous proposons

d’utiliser et de décrire la matrice structurelle comme outil de modélisation des cartes causales.

2.2.3 Analyse structurelle des représentations

Comme le souligne Godet [Godet, 2007], « l'analyse structurelle est avant tout un outil de

structuration des idées. Elle offre la possibilité de décrire un système à l'aide d'une matrice

mettant en relation tous ses éléments constitutifs. La méthode permet, en étudiant ces

relations, de faire apparaître les variables essentielles à l'évolution du système».

L’analyse structurelle a pour objectif d’expliciter la "structure" du système, ou mieux, la

structure des relations entre ses éléments. La structure du système est importante pour sa

compréhension. La matrice structurelle tente de réduire la complexité du système en réduisant

le nombre de variables ou phénomènes qui caractérisent sa structure.

Les matrices d’analyse structurelle, en dépit de leurs limitations dues à la part de subjectivité

inhérente au choix des variables et au remplissage de la matrice, sont un des outils les plus

utilisés pour la connaissance du système. Elles sont à la fois simples et lourdes.

demande de

transport

volume trafic

congestion

Emission

qualité de

l'environnement

régulat ion

environnementale

invest issement

transport

capacité transport

+

+

-

-

-

+

-

+

+ +

B1-

+

B3-

B2-

R1+


(EAPMM)

108

Simples, car elles présentent l’avantage d’être faciles à manipuler, de se prêter fort

bien à la généralisation, à la comparaison et à l’informatisation. Simples, du fait de

leur systématisme, encore aidé par la commercialisation de certains logiciels de

traitement comme MICMAC [ARCADE, 2009].

Lourdes, en raison de ce même systématisme, qui oblige lors de la phase

d’élaboration, à considérer une à une, et attentivement, toutes les N*(N-1) relations

possibles entre les N divers phénomènes du système examiné. En plus de cette

difficulté de mise en œuvre, on leur reproche aussi parfois "d’accoucher d’une souris",

à savoir que 80 % ou plus des résultats en sont déjà intuitivement connus. Mais les

quelques 20 % de résultats inattendus constituent souvent des pistes intéressantes de

réflexion ou de remise en cause. De plus, le fait d’avoir procédé à l’identification du

problème collectivement est un apport appréciable à une meilleure compréhension du

système, et à une meilleure compréhension des participants entre eux, et à une

meilleure appropriation des résultats, ce qui est loin d’être négligeable.

Nous allons utiliser l’analyse structurelle dans l’optique d’identification des phénomènes

essentiels aux yeux des acteurs pour l’évolution du système de transport urbain. Notre

démarche d’analyse structurelle se présente en deux étapes : la construction de la matrice

structurelle (§ 2.2.3.1) et l’analyse des représentations individuelles (§ 2.2.3.2).

2.2.3.1 Construction de la matrice structurelle.

Pour construire une matrice d’analyse structurelle C (Tableau 3.8), on écrit en lignes les

phénomènes causes (ci) et en colonnes les phénomènes

effets (cj).

On remplit la matrice soit en lignes, en notant

l’influence de chaque phénomène en ligne sur tous les

autres phénomènes en colonne, soit en colonnes, en

notant par quels phénomènes en colonne chaque

phénomène en ligne est influencé.

Par rapport à d’autres matrices structurelles trouvées

dans la littérature [Destieux, 2005], nous allons

identifier quatre relations de causalité entre les

éléments du système. Cette opération, nous permet une

analyse plus fine des relations. Les valeurs des

éléments cij de la matrice C sont définies ainsi :

𝐶: 𝑐𝑖𝑗 = −1;−0.5; 0; 0.5; 1

Tableau 3.8 : La matrice de l’analyse structurelle

- cij=0 ; il n’y a pas de relation de causalité de ci et cj

- cij =+1 ; ci cause cj dans le sens où si plus ci alors plus cj, avec une relation de

crédibilité forte.

- cij =-1 ; ci cause cj dans le sens où si plus ci alors moins cj, une relation de crédibilité

forte.

- cij = 0.5 existence d’une relation de causalité en présence de relation de crédibilité

faible

Influence

De sur

Ph

éno

mèn

e 1

Ph

éno

mèn

e2

Phénomène1

Phénomène2


(EAPMM)

109

- cij = - 0.5 existence d’une relation de causalité en présence de relation de crédibilité

faible.

Dans les matrices simples, on note 1, 0,5 ou 0 dans la case correspondante, selon qu’il y a une

relation directe ou non entre les deux variables. Une chose est de percevoir une relation entre

deux variables, une autre chose est de s’assurer qu’il s’agit bien d’une relation directe, sans

intermédiaire, ou encore que les deux variables ne sont pas influencées par une troisième.

Reprenons l’exemple de la figure 3.5 et représentons-la dans le tableau 3.9:

Ph

éno

mèn

es

dem

an

de

de

tra

nsp

ort

vo

lum

e tr

afi

c

con

ges

tio

n

Em

issi

on

qu

ali

té

de

l'en

vir

on

nem

en

t

rég

ula

tio

n

env

iro

nn

emen

tale

inv

esti

ssem

ent

tra

nsp

ort

cap

aci

té t

ran

spo

rt

Ck

.

demande de transport +1 1

volume trafic +1 +1 2

congestion +0.5 +1 +1 2.5

Emission -1 1

qualité de l'environnement +1 1

régulation environnementale -0.5 0.5

investissement transport +1 1

capacité transport +0.5 0.5

C.k 1.5 1 1 2 1 1 1 1

Tableau 3.9: Matrice structurelle

Le modèle conceptuel proposé par chaque acteur peut être représenté par cette matrice

structurelle. Nous expliquerons dans le paragraphe suivant ce que représente Ck. Le modèle

conceptuel proposé par chaque acteur peut être représenté par cette matrice structurelle.

L’intérêt de la matrice est de pouvoir effectuer une analyse statistique des modèles et de

réaliser des regroupements en vue d’une représentation des groupes d’acteurs.

2.2.3.2 L’analyse des représentations individuelles

L’objectif de cette étape est d’analyser les représentations systémiques des acteurs, afin de

mettre en évidence leur compréhension de la complexité urbaine. Il existe potentiellement au

moins autant de représentations possibles qu’il y a d’observations. Un même phénomène peut

être représenté d’une façon différente par chacun des acteurs et un même évènement donne

souvent lieu à des comportements forts variés. Chaque acteur élabore sa propre image

mentale, selon ses valeurs.

La grille d’analyse vise à caractériser les éléments de la compréhension du système telle

qu’exprimée par un acteur en se basant sur le modèle relationnel et la matrice structurelle

associée. Il convient d’analyser la place et le rôle de chaque phénomène dans les

cheminements causaux du système.


(EAPMM)

110

Nous relevons deux types de phénomènes:

Les phénomènes stratégiques sont ceux qui génèrent un nombre important de relations.

Autrement dit, ils correspondent à un groupe réduit de phénomènes dont la somme des

colonnes de la matrice structurelle (Tableau 3.9) est significativement plus grande que celle

des autres phénomènes.

Dans une phase d’action, en aval du processus de décision, il faudra intervenir en priorité sur

de tels leviers d’action pour faire évoluer globalement le système vers les finalités.

Mathématiquement, l’importance d’un phénomène c est mise en évidence par le nombre total

de relations partantes, c'est-à-dire la somme des valeurs des colonnes de la matrice

structurelle :

Ck. = Ckj Kj=1 (3.1)

Où Ck. : somme des valeurs des colonnes de la matrice C pour une situation k évaluée (par

exemple initiale ou souhaitée)

Les phénomènes sensibles reçoivent beaucoup de relations, c’est-à-dire qu’ils sont

significativement influencés par d’autres phénomènes (somme des lignes de la matrice

structurelle). Ce sont des phénomènes dits « d’effet » qui reflètent les conséquences

d’interventions ou d’actions et sont donc significatifs du fonctionnement du système.

C.k = Cik Ki=1 (3.2)

Où C.k est la somme des valeurs des lignes de la matrice C pour un critère k évalué (par

exemple la situation initiale, ou souhaitée).

Le groupe de phénomènes sensibles est constitué de phénomènes ayant une somme de valeurs

de ligne significative.

Les phénomènes sensibles et stratégiques peuvent être représentés sous une forme graphique.

Dans l’exemple du tableau 3.9 les sommes des relations par ligne seront représentées sur une

axe X et les sommes des relations colonnes seront représentées sur une axe Y (Figure 3.6).

Plusieurs cadrans peuvent être identifiés sur le graphique : I, II, III, IV.

Nous allons nous concentrer sur l’analyse des cadrans I, II et IV de la figure 3.6. Les

phénomènes qui se situent dans le cadran III, sont considérés comme étant moins

préoccupants aux yeux des acteurs. Dans notre exemple du tableau 3.9, nous avons 2

phénomènes sensibles: le phénomène de la demande de transport et le phénomène d’émission

et deux phénomènes stratégiques: le phénomène du volume de trafic et congestion.

Pour une amélioration du système de transport urbain, il est nécessaire d’intervenir en priorité

sur les phénomènes stratégiques du fait que leur amélioration implique une amélioration des

phénomènes sensibles.


(EAPMM)

111

Figure 3.6 : Le graphique des relations entre les phénomènes

La diversité des modèles proposés laisse entrevoir une pluralité de représentations sur un

même ensemble de phénomènes. Il est intéressant d’identifier quelques convergences et

divergences de points de vue entre les acteurs sur les phénomènes critiques, dans l’optique de

construire un consensus. Ainsi, nous allons mettre en évidence une autre information

importante pour nous, les relations concordantes entre les acteurs.

Nous appelons dans ce travail une relation concordante la représentation identique entre deux

acteurs pour les mêmes phénomènes, le même sens de causalité. L’identification des relations

concordantes est faite en comparant la matrice structurelle entre les acteurs pris deux par

deux.

Le rapprochement des modèles individuels n’implique pas pour autant que les acteurs se

mettent d’accord sur un modèle unique, sur lequel tout le monde serait d’accord. Mais il

importe avant tout que les acteurs puissent se mettre d’accord sur les enjeux centraux de la

décision.

2.3 Groupes d’acteurs

Pour le groupement des acteurs, on peut envisager un processus de délibération, où au fil de la

discussion, émergent des alliances, des affinités. Mais nous proposons, au préalable, de

faciliter ce regroupement en effectuant une classification des modèles à l’aide d’outils

statistiques.

Puis, nous ferons ressortir par groupe d’acteurs les éléments convergents et divergents, aussi

bien sur les conditions initiales des phénomènes que sur les relations des modèles

conceptuels. Ces éléments permettent d’une part de caractériser les différents types de

modèles par groupe, et, d’autre part, de délimiter un espace de discussion dans lequel seront

définis des indicateurs pertinents.


(EAPMM)

112

La classification statistique des modèles consiste à créer des groupes d’acteurs dans lesquels

la dissemblance entre les modèles est globalement minimale du point de vue de la perception

des situations initiales, les tendances souhaitées, les phénomènes stratégiques et sensibles

ainsi que les relations concordantes.

Le principe de classification que nous proposons d’utiliser est la Classification Ascendante

Hiérarchique (CAH) [Mali, 2003].

Une étape préliminaire dans l’algorithme de la CAH consiste à construire une matrice de

dissimilarités (§ 2.3.1), ensuite réaliser une classification des acteurs en fonction de cette

matrice (§ 2.3.2).

2.3.1 Construction de la matrice de dissimilarité

Nous allons construire la matrice de dissimilarité à partir de la fonction de dissimilarité et la

fonction de similarité. Nous appelons la fonction de similarité (ressemblance) ou la fonction

de dissimilarité toute application à valeurs numériques qui permet de mesurer le lien entre les

individus d’un même ensemble. Pour une similarité, le lien entre deux individus sera d’autant

plus fort que sa valeur est grande. Pour une dissimilarité le lien sera d’autant plus fort que sa

valeur de la dissimilarité est petite.

Une fonction de dissimilarité est une application DIS: X ∗ X → R+ définie sur un ensemble

d’individus X={X1, X2….Xn, si elle respecte les propriétés suivantes:

Propriété de symétrie ∶

∀ Xi , Xj ∈ X; DIS Xi , Xj = DIS Xj , Xi (3.3)

Propriété de positivité ∶

∀Xi ∈ X; DIS Xi , Xj ≥ DIS Xi , Xi = 0 (3.4)

En effet, la fonction de dissimilarité peut écrire comme une fonction de ressemblance de la

sorte :

∀ Xi , Xj ∈ X; DIS Xi , Xj = MRmax − MR Xi , Xj (3.5)

MRmax représente la ressemblance d’un individu avec lui-même (MRmax =1 dans le cas d’une

ressemblance normalisée).

Une fonction de similarité ou de ressemblance est une application MR: X ∗ X → [0,1] définie

sur un ensemble d’individus X={X1, X2….Xn}, si elle respecte en plus de la propriété de

symétrie (3.3) les propriétés suivantes:

Propriété de positivité:

∀Xi ∈ X; MR(Xi , Xj) ≥ 0 (3.6)

Propriété de maximisation:


(EAPMM)

113

∀Xi , Xj ∈ X et Xi ≠ Xj; MR Xi , Xi = MR Xj , Xj > 𝑀𝑅(Xi , Xj) (3.7)

Pour construire la matrice de dissimilarité (DIS), nous allons donc utiliser la matrice de

ressemblance (MR) ou de similarité entre les acteurs (l’équation 3.5).

Il nous faut alors une technique d’agrégation de plusieurs matrices de différences partielles

des acteurs par rapport aux caractéristiques suivantes: la perception des situations initiales,

les tendances souhaitées, les phénomènes stratégiques et sensibles ainsi que les relations

concordantes.

Comme nous l’avons indiqué dans le chapitre 2, plusieurs méthodes d’agrégation multicritère

existent et peuvent être groupées en deux catégories: les méthodes d’agrégation complète et

les méthodes d’agrégation partielle.

Nous rappelons que l’utilisation des méthodes d’agrégation complète évacue toute

«incomparabilité » [Roy, 1985], entre les cinq critères (la perception des situations initiales,

les tendances souhaitées, les phénomènes stratégiques et sensibles ainsi que les relations

concordantes), met les critères dans le même panier au risque de perdre certains éléments

propres à chaque critère. Les méthodes d’agrégation complète sont difficilement applicables

dans la situation où de plusieurs points de vue des acteurs devant des phénomènes

partialement observables sont exprimés.

De ce fait, l’agrégation partielle de type ELECTRE III (Eliminations Et Choix Traduisant la

Réalité) [Roy, 1978] trouve toute son utilité. [Labbouz, 2000] identifie plusieurs avantages à

utiliser la méthode ELECTRE III:

Elle prend en compte des critères aussi bien quantitatifs que qualitatifs.

La diversité des acteurs peut être facilement prise en compte grâce aux pondérations

des critères nécessaires lors de l'application de cette méthode.

Elle prend en compte l’imprécision des connaissances et le manque de connaissances

par l’introduction de seuils.

Dans notre cas, nous allons rajouter un autre avantage à cette méthode : celui de pouvoir

comparer et agréger quatre matrices de différences d’opinion (la perception des situations

initiales, les tendances souhaitées, les phénomènes stratégiques et sensibles entre les acteurs

et une matrice des relations concordantes des représentations) dans le but de réaliser une

matrice de ressemblance (MR).

Pour construire la matrice de ressemblance (MR) avec ELECTRE III, il faut suivre les étapes

suivantes :

Etape 1 : Evaluation des indices de concordance partielle par critère

L’indice de concordance partielle Ci (A-B) pour un acteur A et B, est calculé en utilisant des

pseudo-critères: indifférence (i), différence (d) et permet une évaluation liée à des impressions

ou des mauvaises connaissances des phénomènes :

le seuil de différence qui correspond à l’écart pour lequel une nette différence peut

être établie entre deux évaluations d’un phénomène ;


(EAPMM)

114

le seuil d’indifférence qui correspond à l’écart pour lequel aucune différence ne peut

avoir lieu entre deux évaluations d’un phénomène.

Etape 2. Calcul de l’indice de concordance global

L’indice de concordance globale (C) est construit à partir des indices de concordance par

critères et peut s’écrire ainsi:

𝐶(𝐴−𝐵) = 𝐶𝑖∗𝑤 𝑖𝐼𝑖=1

𝑤 𝑖𝐼𝑖=1

(3.8)

- wi : le poids du critère i

Etape 3: Evaluation des indices de discordance

L’indice de discordance partielle entre les acteurs est donné par le seuil de véto (vi). Le seuil

de véto est, par définition, la valeur de la différence entre l’acteur A et B sur un critère i, à

partir de laquelle il apparait prudent de refuser toute ressemblance entre l’acteur A et B. Il

constitue de ce fait, une limitation de la compensation entre les critères.

Etape 4 : Calcul de la matrice de ressemblance (MR)

La fonction de ressemblance permettant de calculer la matrice de ressemblance (MR), entre

les modèles des acteurs par la formule suivante :

MRA−B = C(A−B) ∗ 1−di A−B

1−C A−B i∈D avec D = i = F: di A − B > C A−B ≠ ∅

MRA−B = CA−B si D = ∅ (3.9)

Où

MR - représente le degré de ressemblance entre les modèles des acteurs A et B et il est

compris entre 0 et 1.

C(A−B)- l’indice de concordance globale entre les acteurs A et B sur l’ensemble des critères i :

la perception des situations initiales, les tendances souhaitées, les phénomènes stratégiques et

sensibles et les relations concordantes des représentations.

di A − B - l’indice de discordance entre les acteurs A et B pour le critère i.

D − la famille des critères pour lesquels l’indice de discordance est supérieur à l’indice de

concordance globale.

−le produit n’est ici que pour affaiblir l’indice de concordance dans la situation ou la

concordance globale est plus faible que l’indice de discordance de la famille D.

Nous pouvons ainsi déduire la matrice de dissimilarité (DIS, équation 3.5) pour former les

groupes d’acteurs.


(EAPMM)

115

2.3.2 Classement des acteurs

Pour classifier une population d’effectif n dont les individus sont numérotés 1, 2, ..., on

considère cette population comme la réunion de n classes à un seul élément et on regroupe

progressivement les classes deux à deux selon l’algorithme suivant :

Etape 1: Calcul de la matrice des distances ou de dissimilarité (§ 2.3.1). La matrice de

dissimilarité ainsi obtenue, est une matrice symétrique carrée (n, n) dont le terme général cij

correspond à la distance entre les individus i et j. Ainsi, la matrice DIS contient les distances

qui séparent toutes les paires d’individus possibles dans les n individus à classifier.

Etape 2: Remplacement des deux individus de distance minimale par une classe (à 2

éléments) numérotée n + 1, qui sera représentée par le centre de gravité des individus et

affectée de la somme des poids des individus.

Etape 3: Calcul de la perte d’inertie interclasse (ou gain d’inertie intraclasse) dû au

regroupement précédent. Le calcul d’inertie est réalisé par l’intermédiaire du critère de Ward

qui nous permet de faire un groupement selon le lien minimum entre les classes.

Après ces trois étapes, la population compte alors n-1 classes (n-2 classes à un élément et une

à 2 éléments). On peut donc recommencer à l’étape 1 en remplaçant ―individus‖ par ―classes‖

si nécessaire (et donc ―distance entre individus‖ par ―´écarts entre classes‖). Après n-1

itérations, tous les individus sont regroupés en une classe unique. On construit alors un arbre,

appelé « dendrogramme » (Figure 3.7) de la façon suivante :

Figure 3.7: Dendrogramme des classes

L’analyse du graphique nous permet d’identifier clairement plusieurs groupes (ou classes)

d’observation. Chaque groupe présente des caractéristiques différentes en ce qui concerne la

perception d’une situation.

Pour notre cas d’étude, les acteurs ne sont pas groupés en fonction de leurs catégories

socioprofessionnelles comme cela est le cas dans la plupart des travaux de transport. Usagers

et experts de transport, par exemple, peuvent avoir la même perception et appartenir au même

groupe, malgré leurs appartenances professionnelles différentes.

On aligne sur l’axe horizontal

des points représentant les

différents individus et on les

joint deux à deux,

successivement, en suivant cet

algorithme de classification

hiérarchique ascendante

(commençant par les plus

proches, etc...). On poursuit

ainsi jusqu’à regroupement de

tous les individus en une

classe unique.


(EAPMM)

116

Les représentants des groupes d’acteurs ainsi définis peuvent participer, en connaissance de

cause, à l’identification des alternatives techniquement possible et socialement acceptables-

notre prochaine étape d’évaluation a priori (§3).

3. Identification des alternatives

Cette étape permet d’identifier les alternatives potentielles qui méritent d’être considérées

comme réalisables dans un contexte urbain. L’alternative potentielle doit permettre de

formaliser ce qui est l’objet de la décision, autrement dit ce qui mérite d’être évalué.

Quelle que soit la méthode d’analyse et les moyens à disposition pour gérer les données, il est

toujours intéressant, pour des questions d’efficacité, d’analyser plusieurs alternatives

potentiellement applicables dans le contexte local, pour la résolution des problèmes.

Pour choisir un ensemble d’alternatives, tout décideur effectue des choix sur la base des

connaissances dont il dispose et des systèmes de valeurs qu’il défend.

Nous allons formaliser les connaissances des acteurs sur les alternatives à travers plusieurs

étapes (Figure 3.8).

Figure 3.8: Les étapes de l’identification des alternatives

L’analyse des alternatives existantes par les techniques de transférabilité, bibliographie

scientifique permet d’identifier les alternatives techniquement possibles (§3.1). En comparant

les différentes alternatives sur une ou plusieurs dimensions en termes de préférences, nous

identifierons les alternatives socialement acceptables (§3.2).

3.1 Technique de transférabilité

Le transfert d’expériences, de connaissances a pour finalité l’amélioration de l’existant ou

l’appropriation d’un savoir-faire, d’une méthode, d’une compétence dont on ne dispose

initialement pas.

Dans le cadre du projet TRANSPLUS [Gascon, 2005], a défini deux types de transférabilité:

La transférabilité horizontale qui implique la reproduction et l’adaptation d’un

projet entre des contextes différents, à la même échelle spatiale.

La transférabilité verticale qui implique un changement d’échelle à l’intérieur ou à

l’extérieur du domaine d’application du projet.


(EAPMM)

117

Les techniques de transférabilité ont fait l’objet de recherches scientifiques, mais ont

également été étudiées dans des expertises spécifiques. Elles sont de plus en plus utilisées

pour la transmission des connaissances et de bonnes pratiques dans les projets européens

[CIVITAS-SUCCESS, 2008], [MOBISERVICES, 2002] et [PRISCILLA, 2002], [CIVITAS-

METEOR, 2005], [NICHES, 2006], [NICHES+, 2009], [CURACAO, 2009] et

[TRAILBLAZER, 2011].

Les connaissances et les bonnes pratiques se partagent au sein de l’Union Européenne entre

les villes et à l’intérieur d’une ville.

Dans notre cas, l’objectif est de se pencher sur la notion de transférabilité afin d’identifier les

alternatives considérées comme réussies dans un contexte local spécifique, mais aussi

d’éliminer directement les alternatives qui ne peuvent être intéressantes en termes de

transférabilité car elles ne respectent pas certaines valeurs seuil - généralement de nature

technique.

Par définition, les alternatives éliminées à cette étape ne constituent pas des alternatives

potentielles, puisqu’elles sont immédiatement jugées irréalistes.

Nous considérerons dans cette section une alternative comme « réussie » si elle a déjà produit

des résultats positifs mesurables au regard d’un objectif spécifique et si elle peut être

transférée dans un autre contexte. Les techniques de transférabilité nous permettent ainsi, par

élimination, d’identifier les alternatives techniquement possibles.

Comme nous l’avons déjà souligné, les solutions alternatives peuvent se matérialiser par la

mise en place d’un nouveau système/service de transport, mais aussi par une réorganisation

ou une amélioration significative du système existant.

Dans un processus de transférabilité, les villes peuvent être soit « donneuses » de bonnes

pratiques, soit « receveuses» - ville «d’adoption » à la recherche d’une solution adéquate de

transport pour répondre à un problème spécifique identifiée.

L’analyse de la transférabilité d’une alternative est ainsi basée sur les résultats issus d’une

évaluation a posteriori d’une alternative implantée dans une autre ville « donneuse », pour

une implémentation dans une autre ville « d’adoption » - donc dans une logique a priori

(Figure 3.9).

Les bénéfices de la transférabilité pour les villes « d’adoption » est triple:

- Profiter de connaissances existantes;

- Réduire le risque de mise en œuvre d’un projet grâce à l’expérience acquise par les

autres villes;

- Une meilleure chance de réussite du projet.


(EAPMM)

118

Figure 3.9: La transférabilité d’un nouveau projet de transport

(Source [Niche+, 2010])

Dans notre démarche, nous proposons une analyse de transférabilité en 3 étapes.

Etape 1: Clarifier les impacts et leur mesure.

Cette étape permet d’apprécier l’opportunité d’une application d’une action dans une autre

ville. Les projets analysés ont, en général, eu un succès visible et mesurable dans une autre

ville. Le succès d’un projet doit être statistiquement robuste et confirmé par les experts.

Le tableau 3.10, illustre un exemple de mise en place d’une voie cyclable. Les impacts

positifs du projet identifiés dans plusieurs villes européennes tiennent à la croissance du

nombre de trajets en vélo effectués et également à la décroissance du nombre des voitures, s’il

y a eu un report modal de la voiture vers le vélo.

Hall [Hall et al. 2008] propose d’analyser la transférabilité

d’un projet de ville « pionnière » à travers 6 phases :

(1) déterminer si le projet est considéré «inapproprié» pour

la transférabilité ;

(2) Pour chaque projet «approprié», déterminer s’il est

«réussi» ou non.

Pour chaque projet considéré comme «réussi»:

(3) Identifier les principales composantes du projet et son

contexte

(4) Identifier les principales caractéristiques de chaque

composant et leur niveau actuel - ou atteint dans le

contexte actuel

(5) Évaluer la facilité ou la difficulté d'atteindre le niveau

nécessaire dans une ville d’ « adoption »

(6) Réaliser une conclusion générale sur le critère

transférable du projet.

Le projet européen CURACAO [CURACAO, 2009]

identifie 10 étapes de l’analyse de transférabilité pour les

villes d’ «adoption» :

(1) la caractérisation du contexte ville;

(2) le diagnostic des problèmes nécessitant une action ;

(3) l'analyse du contexte de la ville et l’implication qu’elle

peut avoir dans le problème identifié dans (2);

(3) la recherche de contextes similaires;

(5) la sélection d'exemples de transfert à partir de sources;

(6) l'identification des mesures à fort potentiel de transfert;

(7) le dimensionnement des projets destinés à être

transférés;

(8) l’évaluation ex-ante des impacts des projets;

(9) l'identification du besoin d'ajustements

(10) la mise en œuvre des mesures.


(EAPMM)

119

Aménagement de voie cyclable

Impacts Comment mesurer le succès ?

Croissance du nombre

d’utilisateurs des vélos

Statistiques sur le nombre de

déplacement en vélo, questionnaires

auprès des utilisateurs

Décroissance du nombre de

voitures

Statistiques sur le nombre de voyages

en voiture

Tableau 3.10 : Exemple de la mise en place d’une voie cyclable

Etape 2: Evaluer les conditions locales des alternatives

De nombreux facteurs peuvent contribuer à la réussite (ou à l'échec) d'un projet, dont les

composantes du projet lui-même : système de transport existant, conditions géographiques,

environnementales, démographiques, socio-économiques, milieux culturels, cadres

institutionnels et juridiques...

Certains de ces facteurs peuvent avoir déjà été identifiés dans l'évaluation du projet comme

étant des facteurs de succès ou comme étant des obstacles.

L’analyse sur la transférabilité peut permettre d’établir une liste de départ des éléments qui

peuvent avoir une influence (positive ou négative) sur l’implémentation d’un projet.

Connaître cette liste avant la mise en place d’un projet dans un nouveau site ou une nouvelle

ville peut permettre aux décideurs de privilégier ou, au contraire, minimiser certains facteurs

dans le nouveau contexte d’application.

Pour identifier les éléments de transférabilité, les projets européens NICHES, 2006 et

TRAILBLAZER, 2011 utilise la méthode PESTE (Politique, Economique, Socio-culturel,

Technologique et Environnemental).

Nous proposons d’aller plus loin en ajoutant un élément à cette analyse, qui nous semble

fondamental dans les projets de transport: l’axe Législation. De ce fait, PESTE devient

PESTEL. Cette analyse peut constituer une base pour l’analyse stratégique d’un projet.

Pour chaque axe d’évaluation PESTEL, on définit des barrières et des facteurs de succès d’un

projet analysé.

Nous allons reprendre l’exemple évoqué dans le tableau 3.10 de la mise en place d’une voie

cyclable, pour présenter quelques facteurs de succès et quelques barrières pouvant être

rencontrées dans la mise en œuvre d’un projet (Tableau 3.11).


(EAPMM)

120

Axe PESTEL Facteur de succès Barrières

Politique

Volonté politique

Stabilité politique

Nombre de conducteurs de

voitures privées > au nombre de

cyclistes. Cela peut provoquer

une opposition de la part des

conducteurs de la voiture privée à

l’encontre d’un projet pour les

vélos.

Economique

La crise économique joue en

faveur des modes de transport plus

économes.

Difficulté pour lever des fonds

pour des campagnes de

sensibilisation et de marketing

Dépenses publiques limitées pour

les investissements.

Socioculturel

Une augmentation du nombre de

personnes adeptes pour les modes

doux de transport.

La société et l'économie sont

basées sur la voiture.

Fortement liés aux conditions

locales

Technologique

Faible densité du réseau de

transport public.

Le vélo peut faire partie d'une

chaîne de voyage plus longue

(intermodalité train + vélo, bus +

vélo).

Pas besoin de haute technologie.

Existence d’un système de vélo en

location

Environnemental

Mode respectueux de

l’environnement

Topologie favorable (plaine)

Topologie (colline, montagne)

Législation

Lois sur l’environnement

Le Bonus Eco transports

Tableau 3.11 : Les facteurs de succès et les barrières de la mise en place d’une voie cyclable

Etape3: Identifier les forces et les faiblesses de l’implémentation d’un projet.

L’analyse PESTEL fait référence à l’environnement externe du nouveau projet. Pour

connaitre les éléments internes de la mise en œuvre du projet, il est possible de compléter

l’analyse PESTEL avec une analyse SWOT ((Strengths – Weaknesses – Opportunities –

Threats) ou AFOM (Atouts – Faiblesses – Opportunités – Menaces) [Müller-Lindenlauf,

2011].

Cette étape combine l'étude des forces et des faiblesses d'un projet avec celle des opportunités

et des menaces pour son environnement, afin d'aider à la définition d'une stratégie de

développement (Tableau 3.12).


(EAPMM)

121

Positif Négatif

Interne Forces Faiblesses

Externe Opportunités Menaces

Tableau 3.12 : le principe de l’analyse SWOT

Les forces sont les aspects positifs internes au projet sur lesquels on entend capitaliser dans le

futur pour la réussite d’un projet.

Par opposition aux forces, les faiblesses sont les aspects négatifs internes au projet que l’on

souhaitera atténuer.

Les opportunités et les menaces regroupent tous les éléments de macro-environnement et de

microenvironnement qui peuvent affecter l’implantation d’un projet. Les opportunités sont les

possibilités extérieures positives, dont on peut éventuellement tirer parti.

Les menaces sont les obstacles extérieurs, qui peuvent empêcher ou limiter le développement

du projet.

A travers les trois phases de l’analyse de transférabilité, il est possible d’identifier l’(les)

alternative(s) techniquement possible(s) et transférable(s) d’une zone urbaine à l’autre (voir

pour exemple [Popescu, 2009]).

Nous comptons apporter davantage de précision sur ces étapes dans notre étude de cas du

chapitre 4.

L’analyse de la transférabilité technique d’un projet est une condition nécessaire, mais pas

suffisante pour la bonne implémentation d’un projet.

La perception sociale joue un rôle essentiel dans la réussite d’un projet. Trouver un projet de

transport socialement acceptable constitue un autre défi de l’évaluation a priori.

3.2 Préférences des groupes des acteurs

Une fois les alternatives techniquement possibles identifiées, il est possible d’analyser les

alternatives socialement acceptables à travers deux démarches :

- demander aux groupes d’acteurs, identifiés dans la phase de diagnostic (§2.1 du

chapitre 3), quels sont leurs préférences vis-à-vis des alternatives techniquement

possibles. L’avantage de demander l’avis des groupes d’acteurs identifiés auparavant,

c’est qu’ils peuvent répondre aux questions en ayant connaissance des problèmes de

transport urbain.

- demander aux potentiels futures utilisateurs pour la perception de la qualité des

alternatives.


(EAPMM)

122

Étant donné que les usagers doivent s’exprimer sur des alternatives nouvelles, pour lesquelles

ils non pas d’expérience, seules les préférences déclarées peuvent être exploitées pour

l’élaboration d’un modèle comportemental probabiliste. Dans ce contexte virtuel, le seul

moyen pour établir ce type de modèle est de soumettre aux usagers un questionnaire et

d’exploiter ses résultats.

Pour identifier les alternatives socialement acceptables, nous proposons une démarche en trois

étapes :

Etape 1 : Construction du questionnaire : choix des variables et des niveaux

Les variables proposées dans le questionnaire caractérisent les alternatives à tester.

Exemple : Dans le cadre de la lutte contre la congestion, une ville propose de connaitre les

préférences des acteurs pour l’implémentation de trois alternatives: mettre en place une ligne

de bus en site propre, mettre en place un service de vélo en libre-service ou mettre en place

un service de voitures en libre-service. Les variables à tester peuvent concerner le coût, la

disponibilité du service, la facilité d’utilisation.

Etape 2 : Collecte des données

Il existe plusieurs manières de collecter les préférences des usagers :

soit à l'aide d'un questionnaire vertical qui enchaîne les questions une après l'autre

soit à l'aide d'un questionnaire horizontal qui présente à l'enquêté un set de scénarios

dans une optique SI, ALORS.

Le premier type de questionnaire présente l'inconvénient de perdre des informations relatives

aux effets des interactions qui peuvent exister entre les différentes caractéristiques testées, de

par son caractère séquentiel.

Nous retenons le questionnaire horizontal dans la mesure où il permettra de mettre à pied

d’égalité toutes les variables et de capter les interactions qui peuvent exister entre les

variables.

La réponse pour chaque question prend la forme d’une note, qui décrit ainsi les préférences

des acteurs pour une alternative plutôt qu’une autre.

Etape 3 : Modélisation des choix

A partir de ces notations, on se propose d’élaborer un modèle agrégé de préférences qui

devrait permettre :

de connaître quelles sont les variables qui influent le plus sur la perception de la

qualité d’une alternative et quels sont les leviers sur lesquels on peut agir pour la

maximiser ;

d’estimer le taux d’utilisation de l’alternative selon un scénario donné et d’en déduire

les impacts (report modal, environnement, bien être des usagers) ;

d’analyser les impacts des changements de choix des usagers dans un environnement

dynamique ;


(EAPMM)

123

de prendre en compte la perception vague et l’indécision que les usagers peuvent

avoir devant de nouvelles alternatives.

de comparer, pour un scénario donné, les impacts des alternatives afin de sélectionner

celle qui est la plus agrée.

Les trois étapes qui décrivent l’identification des alternatives seront développées et illustrées

par un exemple dans le paragraphe suivant.

4. Evaluation a priori de la demande

Au moment de la définition d’un projet de transport, l’attention doit notamment se porter sur

les questions de dimensionnement, de scénarios et d’impacts. Quel que soit le

questionnement, une représentation concise et fiable des comportements des usagers est

nécessaire. Cette représentation concerne, d’une part le choix modale des usagers pour

réaliser leurs déplacements et de l’autre part les variables qui influencent leur choix exprimées

dans la fonction de la demande

La modélisation de la demande des usagers est essentielle pour deux raisons: pour prévoir la

demande et en particulier les effets d’une amélioration de l’offre (voir nos travaux intérieures

[Cucu, 2010a], [Cucu, 2010b]) ou la réalisation d’un projet nouveau; mais aussi pour mesurer

l’avantage qu’en retire l’usager.

L’objectif de notre démarche d’évaluation de la demande est d’identifier les préférences des

futurs usagers et de calculer a priori le taux d’utilisation d’un nouveau projet de transport

dans l’optique d’estimer ses impacts en termes d’avantages et coûts (notre étape suivante:§ 5).

Pour la réalisation de cet objectif, nous allons suivre trois étapes (Figure 3.13).

Tableau 3.13 : Les étapes de l’évaluation a priori de la demande

Dans la première étape nous allons identifier le modèle de choix d’une alternative de chaque acteur à

travers une analyse désagrégée Nous allons identifier ainsi les caractéristiques de choix et les

réponses pour chaque scénario proposé (§4.1).


(EAPMM)

124

Pour l’agrégation de l’information individuelle, par acteur, nous utiliserons, dans l’étape 2, la

probabilité pignistique. Cette probabilité n’est rien d’autre que le taux d’utilisation d’une alternative et

prend en compte les éléments d’indécision des acteurs (§4.2).

Etant donnée le contexte a priori d’évaluation de la demande pour une nouvelle alternative de

transport, il est possible que les préférences déclarées des acteurs (identifiées dans l’étape 1)

changent dans le temps. Cela peut-être dû à l’évolution de différents éléments de

l’environnement urbain (exemple : augmentation du prix de pétrole, etc.). Pour tenir compte

de cette évolution dans le calcul du taux d’utilisation d’une alternative, nous allons identifier,

dans l’étape 3, l’indicateur de robustesse des choix (§4.3).

4.1 La modélisation de la demande

Comme précisé dans le chapitre 2, §3.1, il existe plusieurs techniques de modélisation de la

demande. Notre approche consiste à évaluer la demande pour un nouveau service de transport

à l’aide des préférences déclarées et les techniques désagrégées.

L’utilisation de la méthode des préférences déclarées se justifie par le besoin de fournir des

données permettant d’identifier les réactions des individus face à une situation nouvelle,

d’identifier les variables significatives, et d’estimer la fonction d’utilité de chaque potentiel

usager. Quinet, [Quinet, 1998] affirme que «cette méthode est spécialement bien adaptée

lorsqu’il s’agit d’apprécier la clientèle d’un mode nouveau de transport pour lequel on n’a

pas d’expérience».

Pour modéliser les préférences des futurs usagers d’un nouveau service, nous allons utiliser

les techniques des plans d’expérience appliquées le plus souvent pour l’analyse des processus

industriels ou dans le marketing.

L’utilisation de ces techniques est intéressante dans notre contexte du fait qu’elles permettent

non seulement la construction aisée des questionnaires que l’on compte soumettre aux futurs

usagers, mais aussi de modéliser leurs préférences.

Nous allons structurer notre démarche de modélisation des préférences en plusieurs étapes.

Etape 1 : Choix des variables et des niveaux du projet à évaluer

Pour l’identification des variables à tester et leur niveau, il est possible d’utiliser les résultats

de l’analyse de transférabilité. Les niveaux des variables doivent couvrir tout l’éventail des

préférences que pourraient être celles des personnes interrogées.

Il est nécessaire de préciser dans cette étape la réponse que l’on souhaite mesurer. Dans notre

cas, la variable de réponse représente les préférences des futurs usagers pour un nouveau

service de transport. Les personnes qui seront interrogées pourront exprimer leur préférence

pour un scénario plutôt que pour un autre en mettant une note de 1 (préférence faible) à 10

(préférence forte) et ce pour chaque scénario.

Etape 2 : Modèle de comportement

Dans le chapitre 2, § 3.1, nous avons présenté les fondements et justifié le recours à un

modèle d’utilité aléatoire discrète. Nous rappelons très brièvement son principe afin de

montrer la valeur ajoutée de nos travaux par rapport à l’application classique.


(EAPMM)

125

La fonction d’utilité des futurs usagers est composée de la somme de deux composantes :

• une composante déterministe (Sit) représentant les caractéristiques observables de

l’individu t et de l’alternative i. Elle représente le niveau d'utilité moyen mesurable

que l'individu t attache à l'éventualité i.

• une composante aléatoire (Eit) représentant tout ce qui n'est pas mesurable quant à

l'individu t, pour l'alternative i : le goût, l’erreur de mesure.

Contrairement à l’approche classique, nous partons de l’hypothèse que les préférences des

usagers ne sont pas forcément identiques lorsqu’il s’agit de personnes de catégories

socioéconomiques similaires. Dans ce cas, nous considérerons que la part déterministe est une

fonction linéaire des variables liées uniquement aux caractéristiques de l’alternative qui

peuvent être des variables quantitatives (prix, distance, par exemple) ou qualitatives (météo,

confort, par exemple).

Pour présenter ce modèle en présence des variables qualitatives, nous allons utiliser une

modélisation dite « en représentation qualitative » [Vigier, 1991].

𝐒𝐢𝐭 = 𝐌 + 𝐚𝟏 𝐚𝟐 𝐚𝟑 𝐀 + 𝐛𝟏 𝐛𝟐 𝐛𝟑 𝐁 + 𝐜𝟏 𝐜𝟐 𝐜𝟑 𝐂 + 𝐝𝟏 𝐝𝟐 𝐝𝟑 𝐃

+

𝐚𝟏 𝐛𝟏 𝐚𝟏 𝐛𝟐 𝐚𝟏𝐛𝟑𝐚𝟐 𝐛𝟏 𝐚𝟐 𝐛𝟐 𝐚𝟐 𝐛𝟑𝐚𝟑 𝐛𝟏 𝐚𝟑 𝐛𝟐 𝐚𝟑 𝐛𝟑

𝐀𝐁 + ⋯

(3.10)

Où :

• M représente la moyenne générale (moyenne de tous les scores attribués aux

scénarios étudiés).

• ai représente l’effet moyen ou l’importance relative du paramètre A lorsqu’il est au

niveau i.

• 𝑎𝑖 = 𝑆𝑎𝑣 𝐴𝑖 − 𝑀 , (3.11)

Où 𝑆𝑎𝑣(𝐴𝑖) est la moyenne du score quand A est au niveau i.

• aibj décrit les effets des interactions entre les variables. Une interaction existe quand

l’effet d’un paramètre dépend du niveau auquel se trouve un autre paramètre. Par

exemple, une distance de 200 m entre une station de bus et son lieu de travail parait

raisonnable quand il fait beau, mais l’effet « ressenti » n’est pas le même lorsqu’il

pleut. Cela veut dire que l’effet « ressenti » de la distance dépend au final de

paramètres extérieurs - en l’occurrence, de la météo.

• aibj = Sav AIBJ − M − AI − BJ (3.12)

Où av i jS (a b ) est la moyenne des scores avec A au niveau i et B au niveau j ; M – la

moyenne des scores; ia - l’effet de A au niveau i ; jb - l’effet de B au niveau j.

La modélisation du modèle de l’équation 3.10, permet de calculer le niveau de variables qui

influence la réponse ou le score (Sit).


(EAPMM)

126

Etape 3 : Construction du plan d’expériences correspondant au modèle choisi

Une fois le modèle choisi, (c'est-à-dire le nombre de niveaux pour chaque variable et les

interactions envisagées), l’étape suivante consiste à définir le plan d’expérience qui permet

lui-même de déterminer les coefficients. Ce plan d’expérience n’est autre que le questionnaire

que l’on souhaite soumettre aux futurs usagers.

Plusieurs méthodes statistiques existent aujourd’hui pour la construction du plan

d’expérience.

Les conceptions factorielles intégrales (plan complet) permettent d’estimer la totalité des

effets que les variables exercent sur les choix. Ces plans consistent à tester toutes les

combinaisons possibles, en faisant varier toutes les variables sur tous leurs niveaux de

manière exhaustive, d'où leur nom de plans factoriels complets ou plus simplement de plans

complets.

Prenons un exemple et supposons que l’on souhaite déterminer l’effet de 4 variables sur le

choix d’une ligne de bus. Les nombres de niveaux de variables sont donnés dans le tableau

3.14.

Codage Variables Niveau de variables

A La distance pour rejoindre la station 3

B La distance du trajet 3

C La météo 3

D Le degré de chargement en bagages 3 Tableau 3.14 : Un exemple avec 4 variables

Dans l’exemple du tableau 3.14, le plan complet est constitué de 81 questions (3*3*3*3).

Proposer un questionnaire avec autant de questions n’est pas très réaliste, souvent même

impossible.

Il faut, dans ce cas, utiliser une technique qui consiste à extraire un nombre suffisant de

combinaisons permettant d’estimer, avec une incertitude minimale, les informations

recherchées.

Les conceptions factorielles partielles ou plans réduits permettent de réduire le nombre de

combinaisons, mais diminuent également l'information disponible sur le comportement du

système. Il faut donc s'assurer de la pertinence de la sélection par rapport au modèle proposé.

Différentes techniques sont utilisables pour trouver un plan réduit [Goupy, 2006]. Les plus

souvent rencontrés sont les plans de Fisher [Fisher, 1935], les plans de Plackett [Plackett,

1946], les plans de Box et Hunter [Box-Hunter, 1962] ou les plans de Taguchi [Taguchi,

1987].

Le principe de base de toutes ces techniques de réduction de scénarios est l’orthogonalité. On

dit qu’un plan d’expérience est orthogonal lorsque pour tout couple de variable (Vi, Vj),


(EAPMM)

127

chaque niveau de l’un est associé à chaque niveau de l’autre un même nombre de fois, quel

que soit le couple choisi.

Le but de ces plans est d’extraire du domaine expérimental, généralement symétrique, tout ou

partie des combinaisons des modalités des facteurs, à partir de règles basées sur des

permutations circulaires7. On obtient ce que l’on appelle une table orthogonale vis-à-vis de

son modèle.

Les plans de Taguchi, que nous allons utiliser, sont notés Li(j)k , i étant le nombre

d’expériences à réaliser (pour nous le nombre de questions à poser), j étant le nombre de

niveaux de chaque paramètre et k étant le nombre d’actions (variables/ou interactions)

pouvant être étudiées.

Pour simplifier notre démarche de choix d’expérience, nous allons utiliser l’exemple du

tableau 3.14 en considérant qu’il n’y a aucune interaction entre les quatre variables (A, B, C,

D).

Le modèle du score ainsi obtenu est un modèle additif sans couplage donné comme suit:

𝐒𝐢𝐭 = 𝐌 + 𝐚𝟏 𝐚𝟐 𝐚𝟑 𝐀 + 𝐛𝟏 𝐛𝟐 𝐛𝟑 𝐁 + 𝐜𝟏 𝐜𝟐 𝐜𝟑 𝐂 + 𝐝𝟏 𝐝𝟐 𝐝𝟑 𝐃 (3.13)

Pour choisir le nombre d’expériences ou questions à poser (N), nous allons utiliser une

démarche en deux étapes:

1. Tout d’abord on évalue le nombre d’inconnues p (coefficients du modèle) qui

représente le nombre minimum d’équations (questions à soumettre).

𝐩 = 𝟏 + 𝐝𝐝𝐥𝐢𝐤𝐢 + 𝐝𝐝𝐥𝐢𝐣

𝐤𝐢𝐣 (3.14)

Où

1 - est le nombre d’inconnues associée à la moyenne;

ddli - est le degré de liberté associé à la variable i: ddli = niveaui − 1 ;

ddli,j - est le degré de liberté associé à l’interaction ij: ddlij = (niveaui − 1) ∗

(niveauj − 1)

En appliquant la formule 3.14 sans itération (𝑑𝑑𝑙𝑖𝑗 = 0), à l’exemple du tableau 3.10,

on obtient :

p = 1 + niveauA − 1 + (niveauB − 1) + (niveauC − 1) + (niveauD − 1)

Soit finalement: p=1+2+2+2+2+2=9 inconnus.

2. Pour assurer la propriété d’orthogonalité vis-vis du modèle, la taille du plan

d’expérience ou le nombre de questions à poser (N) doit respecter deux conditions:

7 Au premier essai, tous les facteurs sont au niveau bas.

On change le niveau du premier facteur à chaque essai...

... celui du deuxième facteur tous les 2 essais...

... et, plus généralement, celui du k-ième facteur tous les 2k-1 essais.


(EAPMM)

128

Condition 1 : propriété algébrique : N ≥ p

Condition 2 : Il faut que pour tous les couples d’actions disjointes (A et B), ayant

respectivement niveau A et niveau B comme nombre de niveaux, le nombre de

combinaison du plan soit multiple de (niveau A * niveau B). Ce que l’on peut écrire:

N=k*PPCM (3.15)

Avec k un entier supérieur ou égal à 1 et PPCM, le plus petit commun multiple des

produits de niveaux de deux actions disjointes.

Dans notre exemple du tableau 3.14, le PPCM (9, 9, 9, 9….9) = 9, ce qui justifie le choix de

la table de L9(34) comprenant 9 questions avec 4 paramètres à trois niveaux.

Dans notre exemple du tableau 3.14, nous avons pu réduire notre questionnaire de 81 à 9

questions. Elles sont suffisantes pour expliquer 4 paramètres.

Nous présentons un exemple de questionnaire à soumettre aux futurs usagers, pour étudier la

demande d’une ligne de bus (Tableau 3.15).

Scé

na

rio

A D

istan

ce

à p

ied

B d

istan

ces

traje

t

C M

été

o

D

Ch

arg

em

en

t

A B C D S Score

1

d ≤ 100m ≤ 1,5km météo

agréable

sac à main 1 1 1 1 4

2

d ≤ 100m 1,5km <

distance trajet

< 3km

pluie

fine

ordinateur

portable

1 2 2 2 5

3

d ≤ 100m 3km < distance

trajet < 5km

vent

frais

2 sacs de

courses

1 3 3 3 5

4

100m < d < 300m distance trajet

≤ 1,5km

pluie

fine

2 sacs de

courses

2 1 2 3 5

5

100m < d < 300m 1,5km <

distance trajet

< 3km

vent

frais


6

100m < d < 300m 3km < distance

trajet < 5km

météo

agréable

ordinateur

portable

2 3 1 2 5

7

300m < d < 500m distance trajet

≤ 1,5km

vent

frais

ordinateur

portable

2 1 3 2 4

8

300m < d < 500m 1,5km <

distance trajet

< 3km

météo

agréable

sacs de

courses

2 2 1 3 5

9

300m < d < 500m 3km < distance

trajet < 5km

pluie

fine


SMoyen 4.65

Tableau 3.15 : La structure du questionnaire pour calculer la demande d’une ligne de bus


(EAPMM)

129

Ce type de questionnaire porte une nomination de questionnaire horizontale, du fait de la

combinaison de plusieurs niveaux de variables dans une même question : « Si la distance de

marche à pied est inférieure à 100m, si la distance de trajet est inférieure à 1.5 km, si la

météo est agréable et si vous n’avez pas beaucoup de bagages, serez-vous prêt d’utiliser la

ligne de bus ? »

Ce type de questionnaire, nous semble adapté à notre démarche de calcul du taux d’utilisation

d’un nouveau service.

Etape 4 : Identifier les coefficients du modèle

La personne interrogée s’exprime pour chaque scénario par une note qui représente sa

préférence (1 pour une préférence faible et 10 pour une préférence forte).

L’objectif de cette étape est d’identifier les coefficients du modèle de l’équation 3.13. Nous

allons utiliser ici l’équation 3.11 pour calculer l’effet moyen de chaque variable et chaque

niveau en utilisant le tableau 3.15.

L’effet a1 du facteur A, par exemple, est obtenu par :

𝒂𝟏 =𝑺𝟏 + 𝑺𝟐 + 𝑺𝟑

𝟑− 𝑺𝒎𝒐𝒚𝒆𝒏 =

𝟏𝟒

𝟑− 𝟒.𝟔𝟓 ≈ 𝟎.𝟎𝟐

(3.16)

Les effets des autres facteurs sont obtenus de façon identique. Nous obtenons ainsi le modèle

avec tous les coefficients:

Sbus = 4,65+ (0,02 0,02 -0,04) A+ (-0,31 0,02 0,29) B+ (0,02 0,29 -0,31) C+ (-0,37 0,02 0,35) D

(3.17)

Afin de présenter les résultats, on utilise la représentation graphique de la figure 3.10. Cette

figure permet de tracer, pour chaque variable, l’effet moyen en fonction du niveau.

L’avantage de cette représentation est d’offrir une information visuelle immédiate sur les

variables.

Figure 3.10 : Résultats des effets des facteurs sur le choix d’une ligne de bus


(EAPMM)

130

Dans la figure 3.10, on voit, par exemple, que la variable D (le degré de chargement en

bagages) semble être le facteur le plus influent. L’effet des paramètres semble être linéaire,

sauf pour la variable C (la météo).

Une fois les coefficients du modèle identifiés, il convient de s’assurer de la validité du modèle

obtenu.

Etape 5 : Validation du modèle

Pour la validation du modèle, la technique classique est de vérifier si le modèle décrit bien les

mesures. Pour ce faire, on calcule l’écart entre les mesures et les prédictions du modèle, ou

résidu. Il faut alors analyser la variance.

La méthode la plus utilisée dans les plans d’expérience avec des tables orthogonales est la

méthode de l’analyse de la variance (ANAVAR). L’ANAVAR permet d’apporte deux types

d’informations sur le modèle.

Type 1 : La significativité de chaque variable du modèle

Les principaux calculs de l’analyse de la variance sont résumés dans le tableau 3.16.

Action 𝑑𝑒 𝑐𝑎𝑟𝑟é𝑠 ddl Variance F

Paramètre A 𝑆𝐶𝐴 =

𝑁

𝑛𝑎 𝑎2

𝑛𝑎 − 1 𝑉𝐴 =

𝑆𝐴𝑛𝑎 − 𝑎

𝑉𝐴𝑉𝑟

Paramètre B 𝑆𝐶𝐵 =

𝑁

𝑛𝑏 𝑏2

𝑛𝑏 − 1 𝑉𝐵 =

𝑆𝐵𝑛𝑏 − 𝑎

𝑉𝐵𝑉𝑟

Interaction AB 𝑆𝐶𝐴𝐵 =

𝑁

𝑛𝑎𝑛𝑏 (𝑎𝑏)2

(𝑛𝑎 − 1)(𝑛𝑏 − 1) 𝑉𝐴𝐵 =

𝑆𝐴𝐵(𝑛𝑎 − 𝑎)(𝑛𝑏 − 𝑎)

𝑉𝐴𝐵𝑉𝑟

Résidu 𝑆𝐶𝑟 = (𝑆𝑖𝑒𝑥𝑝 − 𝑆𝑖𝑡𝑕é𝑜𝑟𝑖𝑞𝑢𝑒 )2 𝑛𝑟 𝑉𝑟 =

𝑆𝐶𝑟𝑛𝑟

Tableau 3.16 : Tableau de l’analyse de la variance (ANAVAR)

A partir du tableau d’ANAVAR, on peut tester l’influence des différents facteurs étudiés ou

de leurs interactions éventuelles. En effet, chaque statistique F de Fisher, obtenue dans la

dernière colonne de ce tableau 3.12, correspond à une source de variation précisée dans la

ligne concernée en première colonne. L’hypothèse nulle H0 que l’on veut tester n’est alors

que :

H0 : ‖la source de variation est sans effet‖ contre l’hypothèse alternative

H1 : ‖Il y a un effet dû à la source de variation‖

L’hypothèse H0 peut être formulée également de la façon suivante : ‖les valeurs espérées

(moyennes théoriques) sont identiques pour la source de variation‖.


(EAPMM)

131

Le test de Ficher-Snedecor permet de classer les actions comme suit (Tableau 3.17):

𝑉𝐴(𝑜𝑢 𝑉𝐵𝑜𝑢 𝑉𝐴𝐵)

𝑉𝑅> 𝐹0.99

Action très significative - TS

𝐹0.95 <𝑉𝐴(𝑜𝑢 𝑉𝐵𝑜𝑢 𝑉𝐴𝐵)

𝑉𝑅< 𝐹0.99

Action significative - S

𝑉𝐴(𝑜𝑢 𝑉𝐵𝑜𝑢 𝑉𝐴𝐵)

𝑉𝑅< 𝐹0.95

Action non significative- NS

Tableau 3.17 : Le seuil de décision du test de Ficher

Il est ensuite possible d’élaborer un modèle réduit incluant exclusivement les actions

significatives.

Type 2 : La significativité globale du modèle.

Par ailleurs, ANAVAR permet de conclure également sur la qualité globale du modèle.

Rappelons que ce qu’on a obtenu par modélisation est la part déterministe du modèle et que

la part résiduelle est composée de tout ce qui n’est pas pris en compte (pour un modèle

correct, il s’agit de la part aléatoire 𝜀𝑖𝑛 qui regroupe les éléments non observables de l’utilité).

Une très faible variance du résidu témoigne d’un modèle proche d’un modèle réaliste dans

lequel toutes les actions significatives ont été incluses.

Quand il s’agit d’un modèle issu d’une moyenne de score, la variance de répétabilité peut être

également estimée:

Vrépétitions =1

N−n (Sijexp − Smoyen )k

j

2n i (3.18)

Avec N - nombre de questions et Smoy - la moyenne de la question i. Sijexp – la valeur

individuelle j du scénario i.

Le rapport Vrésidus / Vrépétitions permet de vérifier (à travers le test Fisher-Snedecor) que le résidu

n’est pas significativement différent de la variance des répétitions et ainsi de valider

éventuellement un modèle qui a été conçu comme un modèle de comportement moyen. Nous

allons illustrer l’utilisation de l’analyse de la variance dans le chapitre 4.

4.2 Le calcul du taux d’utilisation

Pour estimer le taux d’utilisation d’un nouveau service, nous avons besoin d’informations sur

les préférences des futurs utilisateurs. Ces données sont collectées à l’aide des questionnaires

construits d’après la méthodologie décrite dans le précédent paragraphe (§ 4.1), à savoir la

construction des scénarii, la notation (attribution d’un score), la construction d’un modèle

individuel de préférences et la validation.


(EAPMM)

132

Comme nous l’avons déjà souligné, une des difficultés de la méthode de notation des scénarii,

vient du fait que certaines valeurs (scores) sont difficilement interprétables. Pour une notation

de 1 (préférence nulle) à 10 (préférence forte), il est difficile de savoir si 4, 6, 7 représentent

une préférence forte ou une préférence nulle. Pour résoudre ce problème, nous allons

appliquer la logique floue.

Le score obtenu par modèle pour chaque scénario ou par questionnaire est « fuzzifié » en

deux modalités : « intéressé pour l’utilisation du nouveau mode‖ et ―pas intéressé‖ [Zadeh,

1965].

Pour représenter les informations vagues, on définit une fonction trapézoïdale. La Figure 3.11

montre un exemple pour la fuzzification du score. Il peut y avoir d’autres formes de la

fonction du score, cela dépend des variables à tester.

Figure 3.11: Fuzzification du score

Si le score Sin est :

• Sin < 5, alors la personne qui répond au questionnaire n’est pas intéressé par le

projet;

• 5 ≤ Sin < 7, alors la personne est indécise

• 7 ≤ Sin ≤ 10 la personne est intéressée par le projet.

Une fois que tous les scores ont été fuzzifié, nous allons présenter dans la section suivante une

méthode qui permet l’agrégation de l’ensemble de l’information de tous les acteurs, tout en

tenant compte de leur indécision pour certain scénario.

4.3 Agrégation des préférences

Après l’application de la logique floue, pour chaque personne interrogée, nous pouvons avoir

deux possibilités: la personne est intéressée par l’utilisation d’un service proposé (le degré

d’appartenance est égale à 1 dans la figure 3.11); soit la personne n’est pas intéressée dans

l’utilisation du service proposé (le degré d’appartenance de la fonction Sin =0). Il peut avoir

une troisième possibilité : la personne interrogée est indécise (le degré d’appartenance se situe

entre les modalités : intéressée et pas intéressée).

Nous considérons que cette information est non négligeable et importante à prendre en

compte dans une démarche d’évaluation a priori de la demande.

Plusieurs théories se sont ainsi développées pour répondre à ce besoin de traitement de

l’information imprécise et de son formalisation. Les plus importants sont la théorie des


(EAPMM)

133

possibilités [Zadeh, 1986], la théorie des probabilités imprécises, et la théorie de Dempster-

Shafer [Dempster, 1968] [Shafer, 1976].

Cette dernière, parfois appelée théorie des croyances ou théorie de l’évidence, permet de

représenter la connaissance partielle de la valeur d’une variable par une fonction de croyance.

La théorie des croyances permet de présenter des incertitudes d’une façon quantitative

[Shafer, 1976].

Nous nous sommes particulièrement intéressés à la théorie des croyances et nous présentons

les quelques principes de son application dans notre méthodologie.

Soit θ = {A, B, C} un domaine des variables d’intérêt qui représente un ensemble fini et

exhaustif d’hypothèses appelés singletons. Cet ensemble est nommé cadre de discernement et

varie selon le but recherché et le domaine d’application. Dans notre cas θ = {pas intéressé,

très intéressé}.

L’élément central dans la théorie des croyances est appelé la fonction de masse (Basic Belief

Assignment : BBA) notée par «m».

La fonction de masse est caractérisée par la relation suivante:

𝑚: 2𝜃 → 0,1 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑚 𝐴 = 1𝐴⊆𝜃 (3.19)

Où :

• m(A) est la «part» de croyance allouée à l’hypothèse A . Tout sous-ensemble A , tel

que 𝑚 𝐴 > 0, est appelé élément focal de m.

L’étape d’affectation des masses aux hypothèses du cadre de discernement est délicate et

adaptée à chaque type d’utilisation et à chaque domaine d’application.

Dans notre cas, la masse de chaque élément de l’ensemble va être affectée en fonction de la

méthode fréquantiste (la fréquence d’apparition de la réponse) [Denoeux, 2006].

Pour chaque scenario testé considérons: n% personnes « très intéressé »; p % « pas intéressé»;

et q% «indécis». Pour chaque scénario, la masse de sous-ensemble qui n’est pas singletons

(« indécis ») est redistribuée entre les deux modalités (« intéressé » et « pas intéressé »). La

transformation pignistique [Smets, 1990] agrège cette information de la façon suivante:

∀𝐻𝑖 ∈ 𝜃,𝑃𝜃 𝐻𝑖 = 1

𝐴 𝐴∈2𝜃

𝐻𝑖⊂𝐴

𝑚𝜃(𝐴)

(3.20)

Avec P (Hi) la probabilité pignistique pour Hi; |A| est le cardinal de A (dans notre exemple

nous avons seulement 2 singletons, θ= (pas intéressé, très intéressé), et la probabilité P est

redistribué d’une façon baysienne).

A l’aide de la transformation pignistique, nous pouvons fusionner des informations précises

telles que: le pourcentage de personnes intéressées par l’utilisation d’un service et le

pourcentage de personnes non intéressées, mais également des informations incertaines,

comme l’indécision.


(EAPMM)

134

A partir de la relation 3.20, nous pouvons en déduire la probabilité d’utilisation d’un nouveau

service de transport.

Il est évident que l’estimation d’une probabilité d’utilisation d’un système de transport n’a

d’intérêt, qu’à partir du moment où l’analyse est faite. En dehors des paramètres endogènes

(associés aux caractéristiques du système de transport ou du déplacement), de nombreux

facteurs exogènes (que l’on ne contrôle pas, comme le prix du carburant) la modifient et

rendent, au bout d’un certain temps, le comportement des usagers plus ou moins fidèle aux

choix préliminaires.

Si on souhaite se placer dans un contexte dynamique, il faut intégrer dans le calcul des

probabilités d’utilisation les effets de ces paramètres externes.

Nous proposons dans la partie suivante, une technique qui peut être utilisée aussi bien au

calcul de la probabilité d’utilisation, dans un contexte dynamique, que dans l’analyse de la

robustesse utilisée dans l’optimisation des procédés industriels et que nous allons décrire

brièvement.

4.4 Robustesse des comportements

Génichi Taguchi [Taguchi,1987], a mis au point une méthodologie appelée « conception

robuste » pour aider les ingénieurs durant la phase de conception des produits, phase où les

gains en qualité sont les plus significatifs. L’idée de base de cette méthodologie est d’intégrer

les variables externes (ou exogènes) qui sont des facteurs incontrôlables (appelés facteurs de

bruit) que le l’expérimentateur ne veut pas ou ne peut pas directement contrôler.

Pour un processus industriel, on peut nommer trois types de sources : la variabilité des

conditions d'utilisation, la variabilité des conditions normales de fabrication, le vieillissement

des équipements.

Dans le domaine du transport, on peut envisager des sources de variabilité comme:

• Intérieur: problème de fonctionnement du système de transport existant ;

• Extérieur: crise économique, augmentation du prix du carburant, redistribution des

activités.

• Produit: La mise en place d’un nouveau projet de transport et l’interaction entre

différents projets; changement modal.

Utilisation d’un plan produit

Le décideur est libre de tester les variables externes dont il souhaite connaître les effets. Pour

prendre en compte à la fois les effets des variables internes et externes, il faudra élaborer ce

que l’on appelle un plan produit composé d’un plan correspondant aux variables internes et

un autre plan croisé qui correspond aux variables externes.

Le premier plan de tests construit avec les paramètres internes (spécifiques au projet)

constitue le plan principal ou interne. On impose les bruits ou les sources de variabilités à

l'aide d’un deuxième plan appelé plan secondaire ou externe.

Supposons un plan principal avec trois variables à deux niveaux et un plan secondaire avec

trois variables à deux niveaux. Le plan d’expérience ainsi obtenu est présenté dans le tableau

3.18.


(EAPMM)

135

Tableau 3.18 : Exemple de plan croisé

Chaque combinaison de variables, définie par le plan principal, est évaluée sous les conditions

de bruit du plan secondaire.

Pour calculer la probabilité pignistique (pij) de chaque scénario ou expérience du tableau 3.18,

il faut d’abord identifier les réponses obtenues Sij représentant les scores individuels au

scénario i du plan principal et au scénario j du plan secondaire. Les scores obtenus à partir de

questionnaires sont agrégés selon la méthode décrite dans le paragraphe précédent §4.2 et

convertis en probabilités d’utilisation du système de transport.

En pratique, pour la collecte des scores, nous attirons l’attention sur le fait que même si les

deux plans sont des plans fractionnaires, un tel questionnaire demeure relativement lourd et il

est préférable que l’enquêteur accompagne l’enquêté.

Exploitation d’un plan produit en transport

Malgré une utilisation un peu délicate du plan produit dans les questionnaires, son intérêt

reste indéniable:

Il permet une évaluation des probabilités de toutes les combinaisons non-testées selon

le modèle qui réunit à la fois les effets moyens des paramètres du plan principal et

ceux des paramètres du plan secondaire.

Il aide à identifier le scénario le plus robuste au vue des comportements des futurs

usagers.

Pour calculer l’indice de robustesse de chaque scénario du plan principal par rapport au plan

secondaire, nous allons utiliser l’indice de Taguchi, appelé aussi l’indice signal/bruit (S/N).

Pour chaque combinaison i du plan principal on évalue pimoy la moyenne de toutes les

probabilités et i l’écart-type de cette ligne i. On appelle S/N le rapport entre pimoy et l’écart-

type i des probabilités correspondant au scénario i.

Taguchi propose trois formes du rapport du signal-bruit pour trois cas distincts: la réponse

analysée doit avoir une valeur donnée (nominale) ou être maximisée ou minimisée. Nous

allons nous intéresser à la valeur nominale et à une valeur à maximiser.


(EAPMM)

136

Cas où la probabilité est une valeur nominale souhaitée. Il s’agit par exemple du cas

où on doit assurer un taux d’utilisation d’un système de transport limité par sa

capacité. Dans ce cas l’indicateur de robustesse d’un scénario i est:

𝑆

𝑁 = 10 log

𝑃𝑖𝑚𝑜𝑦2

𝜎2 (3.21)

Cas où la probabilité doit être maximisée

rj

j ijprN

S

12

11log10 (3.22)

Où r est le nombre de colonnes (4 dans notre exemple du tableau 3.18) et pij la probabilité du

scénario i du plan principal et j du plan secondaire.

Pour choisir les scénarios le plus robuste vis-à-vis des comportements des futurs usagers, la

règle est la suivante : la combinaison la plus robuste est celle correspondant à l’indicateur de

robustesse (S/N) le plus élevé.

Cela témoigne de la robustesse des choix et donc de la fidélité des usagers. Le décideur peut

choisir celle pour laquelle cette probabilité demeure quasi-constante.

La méthode que nous avons développée lors de nos travaux a été exploitée à plusieurs fins:

améliorer la gestion d’un service déjà en place ([Cucu, 2009a] application à la gestion

d’un service car-sharing)

extension d’un service déjà en place ([Cucu, 2009b] avec application à l’extension

d’un service car-sharing)

quantification des effets des changements de comportement ([Boussier, 2011] pour un

mécanisme d’apprentissage multi-agents).

Une fois les alternatives - et leur taux d’utilisation - déterminés, leurs impacts doivent être

estimés. Autrement dit, il est nécessaire de calculer la valeur des indicateurs comme résultat

de chaque alternative à implémenter.

5. Evaluation a priori des impacts

On peut envisager plusieurs manières de suivre l’évolution probable des impacts:

La comparaison entre l’état sans projet (état initial) et l’état avec projet (état final);

La comparaison entre les valeurs des indicateurs obtenus (état final) et celles fixées

par les objectifs (état souhaité);

La comparaison entre les indicateurs estimés (état final) avec projet et ceux projetés

dans un scénario au «fil de l’eau» (tendance de l’état initial).


(EAPMM)

137

Dans notre approche, nous allons comparer a priori les indicateurs de l’état sans projet

avec ceux obtenus après l’implémentation du projet prenant en compte des tendances

socio-économiques (Figure 3.12).

Figure 3.12: La démarche de comparaison retenue

Les indicateurs d’impacts peuvent être exprimés sous plusieurs formes: rapport, écart relatif

(%) ou encore différence. Ils peuvent apparaître soit dans leurs unités physiques (par exemple:

la concentration des émissions NOx ou nombre de véhicules/km), soit convertis en termes

monétaires (par exemple: le coût pour la société en termes de maladies associées aux NOx ou

encore la perte en temps exprimée en argent dû au degré de congestion).

Chaque manière d’exprimer les écarts entre la situation avant et après projet est plus ou moins

parlante selon les acteurs (par exemple, 2% de réduction NOx n’exprime presque rien à un

décideur, mais une économie de 200 k€ de frais d’hospitalisation sur 5 ans, lui parle

nettement plus).

Nous allons présenter dans cette partie, notre outil de simulation suivant plusieurs étapes

(Figure 3.13).

Figure 3.13: Les étapes de la simulation des impacts

La première étape identifie les objectifs d’une simulation ainsi que la description des

indicateurs d’impact (§5.1). La deuxième étape détaille la structure de notre simulateur

(§5.2).


(EAPMM)

138

5.1 Objectifs de la simulation

Nous rappelons que la conception d’un outil de simulation consiste à reproduire une situation

réelle ou une situation future dans un cadre logiciel, c’est-à-dire à construire un "laboratoire

artificiel" [BAT, 2001]. Un laboratoire artificiel, comme tout laboratoire, permet de réaliser

des expériences, mais, de par son côté "artificiel" offre un champ d’investigations important.

Dans notre cas, l’objectif de la simulation est de représenter les impacts dus à

l’implémentation de nouveaux systèmes de transport dans une zone urbaine.

La conception d’un simulateur doit prendre en compte tout un ensemble d’aspects techniques

qui découlent des attentes des utilisateurs. Parmi les attentes recensées dans le (§3.2.2) du

chapitre 2, nous retenons celles qui nous semblent propres à la simulation des impacts d’un

système de transport localisé.

Les éléments de changement de structure comme les changements des sens de

circulation, la construction de ronds-points, le changement de la fréquence des feux,

etc.;

Les problématiques de stationnement : le stationnement est une variable importante

dans les comportements de report modal, dans l’analyse de l’inter- modalité. D’où

l’intérêt de pouvoir simuler les impacts de l’aménagement d’un nouveau parking, et

ses conséquences sur le degré de congestion, la pollution atmosphérique en l’absence

de places de parking vacantes ;

L’analyse plus approfondie des comportements des usagers des réseaux routiers :

afin de pouvoir quantifier les impacts des changements de comportement des usagers

du réseau routier devant de nouvelles alternatives (tramway, zones d’accès contrôlé,

parkings-relais);

Le besoin des outils de simulation des impacts environnementaux : attente qui ne

peut pas être négligée quand il s’agit d’aborder les exigences de la mobilité durable en

ville;

Une meilleure communication des résultats aux acteurs, en offrant la possibilité de

fournir les résultats de manière à ce qu’ils soient compréhensibles et intelligibles pour

l’ensemble des acteurs, même novices dans le domaine de transport.

Nous avons souhaité prendre en comptes ces considérations dans la construction de notre

simulateur.

5.2 La conception du simulateur

La conception ou l’adaptation d’un logiciel est un processus collectif et cognitif de production

de connaissances [Morand, 94] et de communication. Il existe plusieurs types de modèles

différents pour développer un logiciel (en cascade, en V, en spirale, etc.,), mais pour tous ces

modèles, les éléments suivants sont nécessaires:

Etape 1: Conception du système et implémentation - la définition du système et ses

fonctions. (§5.2.1)


(EAPMM)

139

Etape 2: Validation - la vérification si le système fait bien ce que veut le client (§5.2.2).

Etape 3: Evolution/adaptation - amélioration du système selon les besoins du client

(§5.2.3).

Pour illustrer la construction de notre démonstrateur, nous allons reprendre les trois étapes et

le développer dans la partie qui suit.

5.2.1 Conception du système et implémentation

Le point de départ de la conception de notre outil informatique d’évaluation des impacts est le

démonstrateur pédagogique VIS_SIM. Conçu par Tom Fotherby en 2002, le logiciel de

micro-simulation VIS_SIM (Visual Trafic Simulation).

Le logiciel développé permet de visualiser le trafic dans une zone urbaine en faisant varier

plusieurs paramètres d’entrée : nombre de voitures sur les routes, nombre de voies, type de

jonctions, caractéristiques des feux, sens de circulation. L’utilisateur peut grâce à ce logiciel

visualiser non seulement des informations affichées en temps réel, mais aussi obtenir des

représentations graphiques montrant l’évolution d’une caractéristique de type transport

(vitesse moyenne ou taux de congestion) après un temps donné.

L’utilisation de ce démonstrateur dans notre étude présente un intérêt réel à plus d’un titre :

il prend en compte certains besoins des utilisateurs (§5.1), en complétant la simulation

par la visualisation, ce qui le rend convivial auprès de tout non-expert du domaine

trafic;

il est en « libre-service » (open source) et le code peut être modifié afin de répondre au

plus juste aux attentes des utilisateurs.

L’architecture du logiciel VIS_SIM est de type MVC (Modèle-Vue-Contrôleur) et peut gérer

l'utilisation de différentes vues pour une application donnée (Figure 3.14).

Figure 3.14: Modèle MVC et l’architecture de VIS_SIM en UML


(EAPMM)

140

Ainsi, le Modèle décrit les données manipulées (base de données-DB) par l'application et

définit les méthodes d'accès; la Vue définit l'interface utilisateur (HTML) et la présentation; le

Contrôleur prend en charge la gestion des événements de synchronisation (CRUD) pour

créer, mettre à jour ou supprimer la vue ou le modèle. A partir du modèle de conception

MVC, nous allons décrire le logiciel VIS_SIM.

Road Designer : c’est la partie de l’application qui permet à l'utilisateur de concevoir un

modèle du réseau routier (Road Network). L’utilisateur peut construire facilement les routes,

envisager des virages et choisir plusieurs types de jonctions ou intersections (Figure 3.15).

Figure 3.15: Diagramme UML de Road Designer

A titre d’exemple, la figure 3.16 présente un plan de route extrait de Google Maps et sa

représentation avec le logiciel VIS_SIM.

Figure 3.16: Visualisation d’une route avec Google Maps et sa représentation avec VIS_SIM

Nous pouvons constater que les deux images sont semblables, même le sens de la circulation

peut être reproduit.

Sim Panel simule les déplacements des véhicules sur un réseau routier qui a été construit par

l'utilisateur en utilisant Road Designer et enregistre les résultats.

Le déplacement des voitures s’effectue selon un algorithme simplifié du type « car-

following ». Cela signifie que tant qu’il n'y a aucune obstruction (une autre voiture ou un feu


(EAPMM)

141

rouge) en face d'un véhicule, il se rendra en accélérant jusqu’à la limite de vitesse admise sur

le tronçon. Si une voiture se trouve à une distance de 10 mètres d'une obstruction, elle va

réduire sa vitesse proportionnellement à cette distance. Si une voiture est à une distance d’un

mètre d'une obstruction, elle s'arrêtera complètement.

Pour réaliser la simulation du trafic, plusieurs données sont nécessaires en entrée. Ces

données sont introduites dans une fenêtre de commande représentée dans la Figure 3.17.

Figure 3.17: Les variables d’entrées trafic

Les variables de sorties représentent les caractéristiques du trafic (Figure 3.18): la vitesse

moyenne de la flotte sur un tronçon donné ainsi que le taux de congestion.

Figure 3.18: La simulation et les variables de sortie

Comme la montre la figure 3.18, les variables de sortie (nombre de voitures entrées et sorties

du tronçon routier, nombre de voitures présentes sur le tronçon, la vitesse moyenne de toutes

o La vitesse réelle

o La vitesse maximale

autorisée sur le tronçon

o Le type de trafic

o Le flux

o La part des poids lourds


(EAPMM)

142

les voitures sur le tronçon, le taux de congestion) peuvent être affichées soit sous la forme de

statistiques, soit sous la forme graphique dans un intervalle de temps donné.

5.2.2 La validation

Pour notre travail de recherche portant sur l’évaluation des impacts, l’application VIS_SIM

n’était pas utilisable telle quelle et ce pour plusieurs raisons :

La structure de la route était formalisée pour une conduite anglo-saxonne (côté

gauche;

Il était impossible de prendre en compte la prévision de la demande de transport;

Le logiciel ne prenait en compte que des indicateurs de transport;

Il manquait des informations sur l’évaluation des impacts.

Pour satisfaire nos besoins d’évaluation des impacts, nous avons procédé à une adaptation de

l’outil de simulation VIS_SIM.

5.2.3 L’évolution/l’adaptation

Notre contribution se trouve dans la partie conceptuelle du démonstrateur, dans la recherche

d’algorithmes, dans les scénarios, dans la base de données fournie par enquêtes à préférences

déclarées et dans les tests de validation. Plusieurs changements ont été opérés dans VIS_SIM

pour l’adapter à nos besoins.

Changement 1

Initialement, le simulateur était orienté pour une conduite anglo-saxonne, côté gauche. Pour

une simulation « française », il s’agit tout d’abord d’adapter l’ensemble des composants et des

comportements à une circulation à droite (figure 3.19). De ce fait, plusieurs lignes de

commande ont été rajoutées.

Figure 3.19: Classe de circulation (à droite ou à gauche)

Chapitre 3: Evaluation a priori multicritère et multi acteurs des projets de transport (EAPMM)

143

Figure 3.20: Sim Panel avec la classe camion et la circulation à droite


(EAPMM)

144

Changement 2

Une nouvelle configuration multimodale (voiture, bus, poids lourds) a été proposée. Il a de ce

fait été possible de spécifier le type de transport « truck » (poids lourd ou bus) cela dans la

perspective d’évaluer l’impact environnemental de l’introduction d’une voie de bus (Figure

3.20).

Changement 3

Comme nous l’avons déjà évoqué, la probabilité d’utilisation d’un service de transport

représente une donnée essentielle pour évaluer les impacts du transport sur l’environnement. Cela nous a amené à introduire un nouveau bloc de commande (Figure 3.21) qui permet de

calculer cette probabilité à l’aide d’informations collectées préalablement auprès des futurs

utilisateurs.

Figure 3.21: Diagramme UML et l’interface avec fenêtre « questionnaire »

L’interface Use rate collecte les informations des futurs utilisateurs sur les scénarii proposés

(Figure 3.22) et calcule, d’après la méthodologie décrite dans le §3 et §4, le taux d’utilisation

a priori d’un service.

Figure 3.22: Interface avec questionnaire individuel “Use Rate”


(EAPMM)

145

La probabilité d’utilisation d’un service transport ainsi obtenue nous permet de simuler les

impacts en termes de trafic, les impacts sur l’environnement, les accidents, la consommation

par une comparaison du bien-être entre la situation initiale sans projet et la situation avec

projet.

Changement 4

Introduction d’un module de calcul quantitatif des impacts d’un projet : la méthode de calcul

des impacts s’inspire largement de la méthodologie COPERT [Gkatzoflias, 2007].

Changement 5

Implémentation d’un algorithme pour le calcul des impacts d’un projet sous forme monétaire

(valeur en temps, coût de la consommation de carburant, coût des accidents, coût

environnemental).

Les impacts ainsi obtenus sont présentés de façon claire à l’ensemble des parties prenantes du

projet (Figure 3.23).

La situation sans projet (situation initial)

La vitesse moyenne:.......................................km/h

Coût du carburant:........................................euros

Coût des émissions de CO:.................................euros

Coût des accidents:.......................................euros

Coût du bruit:............................................euros

Coût de la pollution:.....................................euros

Situation avec projet


La valeur en temps:...................................... euros


Coût des émissions de CO2:................................euros



Cout de la pollution:.....................................euros

Les impacts du projet


La valeur en temps:.......................................euros


Coût des émissions de CO2:................................euros



Coût de la pollution:.....................................euros

Figure 3.23: Les indicateurs des impacts du projet

Lorsque les résultats ne sont pas considérés comme acceptables par un groupe d’acteurs, une

autre étape d’évaluation s’impose : la recherche de compromis.


(EAPMM)

146

6. Solution de compromis

La recherche d’un compromis consiste à définir, au sein du domaine d’expérience (scenarii),

la meilleure combinaison entre les différents niveaux des variables pour une satisfaction des

contraintes et des exigences des acteurs d’un projet de transport.

Nous allons rechercher la solution de compromis en suivants deux étapes (Tableau 3.24).

Figure 3.24: Les étapes de la recherche du compromis

Dans la première étape de recherche du compromis (§ 6.1), nous allons décrire la démarche de

modélisation des choix des acteurs en utilisant la méthodologie mentionnée dans le §3 du

chapitre 2. Les modèles de choix identifiés dans l’étape 1 nous permettront de décrire, dans la

deuxième étape, la fonction de désirabilité globale qui représente la solution de compromis

des tous les groupes réunis (§6.2).

6.1 La modélisation des choix

La méthodologie de modélisation des choix utilisée dans cette partie respecte les six étapes de

modélisation des choix évoquées déjà dans le §3.2 de ce chapitre (chapitre 3) et dans le §3 du

chapitre 2.

Sélection des variables à tester et leurs niveaux

Chaque variable V, établie par les représentants des groupes (définis dans le paragraphe §2.3

du chapitre 3), varie dans un intervalle [Vmin; Vmax] : par exemple, la fréquence du bus peut

être définie sur l’intervalle [1 bus/heure; 6 bus/heure]. Plusieurs niveaux peuvent être définis

pour chaque variable en fonction des choix de chaque partenaire. Nous allons uniquement

considérer des variables quantitatives (des variables comme « la perception du confort » ne

sont pas incluses).

Choix de la conception expérimentale

Doehlert [Doehlert,1970] a proposé une méthode de construction originale de plan de

d’optimisation des procédés industriels basée sur des propriétés géométriques et qui consiste à

couvrir de la manière la plus uniforme possible l’enveloppe du cadre expérimental Il s’agit,

cette fois-ci, d’un plan qui n’est pas orthogonal. Les matrices des scénarios sont construites de

manière séquentielle, à partir d’un simplexe.

Nous allons l’adapter pour développer une démarche d’étude des préférences déclarées des

représentants des groupes d’acteurs. Comme nous allons le montrer, l’avantage par rapport

Etape 6

Solution de

compromis

Etapes

d’évaluation

Résultats

Etape 6.1

La modélisation des

choix

Etape 6.2

Le choix optimal

Une solution de

compromis entre les

groupes d’acteurs

Un modèle de choix par

groupe d’acteursL’estimation des moindres

carrées ordinaires

La fonction de désirabilité de

Derringer et Suich


(EAPMM)

147

aux plans orthogonaux est la possibilité d’étudier plusieurs niveaux des variables et cela avec

un nombre réduit de questions.

Prenons l’exemple de 4 variables à plusieurs niveaux (x1 à cinq niveaux, x2 à sept niveaux, x3

à trois niveaux et x4 à trois niveaux). Si nous voulons tester toutes les combinaisons des 4

variables, la tâche s’avère très difficile du fait de 735 (5*7*7*3) scénarii à tester.

Doehlert propose une réduction du nombre de scénarii d’après la formule:

N=k2+k+1 (3.23 )

Où N représente le nombre de scénarii à tester, k décrit le nombre de variables à tester. Dans

l’exemple avec 4 variables, le plan de Doehlert réduit l’ensemble de scénarii à 21 scénarii

(Tableau 3.19).

Tableau 3.19: Plans de Doehlert de 1 à 4 facteurs

Dans le tableau 3.19, les 3 premières lignes correspondent à un plan à une variable à trois

niveaux, les sept premières à un plan à 2 variables (X1 à 5 niveaux et X2 à 3 niveaux).

Nous allons utiliser le plan de Doehlert pour construire notre questionnaire. A titre d’exemple,

nous proposons un plan expérimental à quatre variables pour l’analyse des choix des acteurs

sur une ligne de bus (Tableau 3.20).


(EAPMM)

148

Table non-orthogonale

question Variables à tester

V1

Fréquence

V2

Prix

V3

Arrêt

V4

Durée

1 20 275 4 20

… … … … ….

16 25 253 3 16

… …. …. ….. …..

21 20 275 2 24

Tableau 3.20: Exemple de questionnaire

Très souvent les variables utilisées dans les expérimentations sont exprimées dans des

grandeurs différentes ou parfois dans des unités de mesure différentes. Par conséquent, il est

important de définir une relation de codage pour uniformiser les données.

La relation de codage consiste à transformer la valeur particulière vi de la variable V (prix,

distance, etc.) en une valeur codée xi:

2

minmax

2

minmax

vv

vv

iv

ix (3.24)

Le numérateur de la relation (3.24) représente une relation de centrage des valeurs de V par

rapport au centre de l’étendue de variation, Vmax et Vmin définissant les niveaux extrêmes de

cette variable de prédiction. Le dénominateur de cette relation correspond à la moitié de

l’étendue de variation de V.

Dans l’exemple du tableau 3.20, V1 – la fréquence du passage du

bus est comprise entre [V1min=10 ; V1max=30] identifiée par les

acteurs, ainsi X1= (vi-20)/10.

Utilisant ces informations et le tableau 3.19, nous construisons le

tableau 3.20.

La variable X, définie à partir de valeurs particulières xi, est une

variable sans dimension. Les valeurs particulières de cette variable

appartiennent à l’intervalle fermé [-1;+1].

Mesure des préférences

En utilisant la technique de Doehlert, nous allons construire ainsi 21 questions à soumettre

aux groupes d’acteurs. Chaque représentant du groupe doit noter ces scénarii de 1 (le moins

désirable) à 10 (le plus désirable).

Une fois l’ensemble des réponses obtenues (appelées ici « score »), il est nécessaire de

modéliser les réponses pour identifier les variables les plus significatives pour tous les

acteurs.

V1=10*x1+20 X1

1 20 0

2 10 -1

3 30 1


(EAPMM)

149

Modèle du score

Pour modéliser le score, on choisit a priori une fonction mathématique qui relie la réponse ou le

score (S) aux variables choisies (Vi). Le développement prend la forme d'un polynôme de degré

plus ou moins élevé:

𝐒 = 𝐛𝟎 + 𝐛𝐢𝐯𝐢 + 𝐛𝐢𝐣𝐧𝐣=𝐢+𝟏

𝐧−𝟏𝐢=𝟏

𝐧𝐢=𝟏 𝐯𝐢𝐯𝐣 + 𝐛𝐢𝐢𝐯𝐢

𝟐 + 𝛆𝐧𝐢=𝟏 (3.25)

Le modèle doit permettre d'obtenir une valeur de score S pour chaque combinaison des

niveaux de variables. On obtient un système de n équations (s'il y a n scénarios) à p

inconnues. Le nombre d’inconnu p est calculé d’après la formule:

𝑝 = 𝑘+2 𝑘+1

2 (3.26)

Où k représente le nombre d’inconnus.

Ce système s'écrit d'une manière simple en notation matricielle:

𝐒 = 𝐕𝐛 + 𝐞 (3.27)

Où :

S est le vecteur des scores

V est la matrice du modèle, qui dépend des variables expérimentales choisies.

b est le vecteur des coefficients.

e est le vecteur des écarts.

Pour résoudre ce système, on utilise une méthode de régression basée sur le critère des

moindres carrés ordinaires (MCO).

On obtient ainsi les estimations des coefficients que l'on note:

𝐛 (3.28)

Le résultat de ce calcul est:

𝐛 = (𝐕′𝐕)−𝟏𝐕′𝐒 (3.29)

Dans la formule 3.16, la matrice 𝑉 ′ est la matrice transposée de la matrice 𝑉. De nombreux

logiciels existent aujourd’hui pour calculer directement les valeurs des coefficients. Dans

notre étude de cas du chapitre 4, nous allons utiliser les logiciels R+ et S+.

Validation

Nous allons utiliser le test de Fisher pour la validation globale des modèles (§3.2 du chapitre

3). L’étape de la modélisation des choix, permet d’identifier les modèles pour chaque groupe

d’acteurs, ainsi que les variables d’influence des choix. A partir de ces modèles, il est possible

d’obtenir le score pour tous les scénarios qui ne sont pas dans notre plan d’expérience. Pour

l’agrégation des scores et le choix d’une solution optimale nous allons utiliser la fonction de

désirabilité de Derringer [Derringer, 1980].


(EAPMM)

150

6.2 La recherche du scenario optimal

Nous proposons de rechercher la solution optimale en deux temps.

Etape 1

On transforme chacune des réponses à partir d’une fonction de désirabilité individuelle dont

la nature dépend des objectifs de l’étude. Dans notre cas, l’objectif est de maximiser le score

de chaque groupe d’acteurs).

La désirabilité traduit le degré de satisfaction des acteurs, en fonction du niveau de réponse

observée ou modélisée.

La fonction de désirabilité définie par Harrington [Harrington, 1965] et par Derringer

[Derringer, 1980] est une approche très utilisée. La fonction de désirabilité de Derringer a fini

par être largement adoptée par les analystes pour résoudre des situations complexes.

Elle est basée sur la transformation de toutes les réponses (scores) obtenues à partir de

différentes échelles de mesure en une échelle identique de désirabilité. Les valeurs des

fonctions de désirabilité (di) sont comprises entre 0 et 1.

Comme le montre la figure 3.25 la valeur de 0 est attribuée lorsque les scénarii conduisent à

une réponse inacceptable (non désirable) et celle de 1 lorsque la réponse représente la

performance maximale désirée pour les facteurs considérés:

Figure 3.25: La forme de la fonction de désirabilité pour un acteur

L’équation permettant de calculer les valeurs de désirabilité individuelle (di,j) peut être ainsi

présentée:

𝐝𝐢,𝐣 =

𝟎

𝐒𝐢,𝐣−𝐒𝐢,𝐦𝐢𝐧

𝐒𝐢,𝐦𝐚𝐱−𝐒𝐢,𝐦𝐢𝐧

𝟏

⇔⇔⇔

𝐒𝐢,𝐣 ≤ 𝐒𝐢,𝐦𝐢𝐧

𝐒𝐢,𝐦𝐢𝐧 < 𝐒𝐢,𝐣𝐒𝐢,𝐣 ≥ 𝐒𝐢,𝐦𝐚𝐱

< 𝐒𝐢,𝐦𝐚𝐱 (3.30)

Avec :

Si,min - la valeur en dessous de laquelle la réponse Si,,j ne convient pas (di,,j = 0) ;

Si, max- la valeur cible au-dessus de laquelle la réponse Si,j est très satisfaisante (di,j = 1)

Si min Si maxSi


(EAPMM)

151

La fonction de désirabilité représentée dans la figure 3.25, permet de caractériser ainsi, la

désirabilité de chaque groupe d’acteurs i pour chaque scénario étudié j.

Pour expliquer plus avant notre démarche, nous reprenons le tableau 3.20, en supposant deux

groupes d’acteurs, groupe 1 et groupe 2. Chaque groupe s’exprime sur les 21 scénarios

proposés concernant la mise en place d’une ligne de bus collective. Le score (Sij) exprimé par

les acteurs, nous permettra de calculer la désirabilité (dij) pour chaque scénario j=1,…21 et

chaque groupe d’acteur i=1,2 (Tableau 3.21). On suppose que Smin=4 et Smax=7 pour tous les


Table non-orthogonale

questio

n

Variables à tester Sg

roup

e1,j

Sg

roup

e2,j

d1

j

d2

j

dj V1

Fréquence

V2

Prix

V3

Arrêt

V4

Durée

1 20 275 4 20 6 4 0.6 0 0

… … … … ….

16 25 253 3 16 9 6 1 0.6 0.77

… …. …. ….. …..

21 20 275 2 24 5 3 0.3 0 0

Tableau 3.21: L’exemple des réponses pour les scénarios testés

La désirabilité par groupe d’acteurs est calculée en utilisant la formule 3.30.

Etape 2

Dans un deuxième temps, on définit une fonction de désirabilité globale (dj) à partir de la

moyenne géométrique des fonctions de désirabilité individuelle (dij).

𝐝𝐣 = (𝐝𝟏,𝐣 ∗ 𝐝𝟐,𝐣 ∗ 𝐝𝟑,𝐣 ∗ …𝐝𝐧,𝐣)𝟏

𝐧 ,∀ 𝐣 = 𝟏…𝐦 (3.31)

Où, n représente le nombre de groupes d’acteurs, j représentes les scénarios étudiés. Si nous

reprenons l’exemple du tableau 3.21, nous pouvons constater que le scénario 16 obtient la

désirabilité globale la plus élevée et satisfait le mieux les deux groupes d’acteur.

Les désirabilités obtenues à travers les deux étapes peuvent être exploitées de plusieurs

manières:

Tout d’abord, à l’aide du modèle des scores (3.25) on peut évaluer l’ensemble des

désirabilités globales (dj) pour tous les scénarios testés et non-testés (dans l’exemple à

4 paramètres, il s’agit de 735 scénarii).

Il est possible de remonter au scénario qui maximise la désirabilité globale et qui

satisferait donc au mieux les préférences et/ou contraintes des groupes d’acteurs.

A partir des caractéristiques du scénario retenu et à base du modèle des préférences

des utilisateurs (§ 4 du chapitre 3), il est possible de réévaluer le taux d’utilisation du

scénario retenu ainsi que ses impacts.


(EAPMM)

152

Conclusions

Notre approche ne vise pas à contenter tout le monde, mais à trouver une solution de

compromis à l’issue d’une démarche participative tout au long du processus d’évaluation a

priori.

Structurée en plusieurs étapes, notre approche nous a amenés à employer, adapter ou mettre

en place divers outils, à l’image de son caractère multidisciplinaire. Nous allons rappeler

brièvement l’intérêt de chaque étape:

La phase de diagnostic a pour objectif d’identifier les groupes d’acteurs à l’aide d’une

approche statistique qui formalise leurs perceptions des phénomènes urbains, de leurs

interactions et de leurs préférences d’évolution ;

Le choix des alternatives s’appuie, d’une part, sur l’emploi d’une approche de

transférabilité basée sur des expériences passées hors contexte local et, d’autre part,

sur la modélisation des préférences des usagers potentiels afin de saisir leur perception

de la qualité d’un nouveau service de transport dans son contexte local;

L’évaluation de la probabilité d’utilisation du service - indicateur incontestablement

lié aux impacts du projet - nécessite le développement d’un modèle comportemental

qui intègre, à l’aide de la logique floue et de la théorie des croyances, la perception

vague des usagers potentiels et l’indécision devant un nouveau service ;

Les changements des comportements des usagers en fonction de paramètres exogènes

(prix du pétrole, accessibilité…) sont pris en compte à l’aide d’un indicateur de

robustesse (fidélité) qui permettra aux décideurs soit de choisir la solution technique la

plus robuste, soit de proposer une plage de variation de la probabilité d’utilisation du

service, bornée par une hypothèse pessimiste et une hypothèse optimiste ;

L’adaptation et l’évolution d’un micro-simulateur de trafic donne la possibilité non

seulement d’évaluer les impacts des différents scénarii sur le trafic, l’environnement et

le bien-être des citoyens, mais aussi de les visualiser en fonction des attentes

exprimées par les décideurs;

Une solution de compromis basée sur la modélisation des préférences des

représentants des groupes d’acteurs clôture l’approche participative avec, comme

objectif, la possibilité de choisir un scénario parfois moins optimal en termes

d’impacts mais qui satisferait au mieux la plupart des groupes.

Dans sa globalité, cette approche repose sur le concept de concertation, sur l’importance de

prendre en compte les points de vue des parties prenantes et sur l’intégration des paramètres

quantitatifs et qualitatifs d’un projet de transport. Nous pensons que cette approche peut être

adaptée à tout type d’évaluation a priori d’un projet qui se déroule dans un contexte

multicritères et multi acteurs, dans un système sociétal complexe.

Si nous nous estimons bien placés pour relever les avantages de notre approche, nous le

sommes également pour déceler ses limites. Dans un souci de transparence, nous n’omettrons

pas de les mentionner dans le chapitre « Conclusions générales et Perspectives », en

évoquant des pistes d’améliorations possibles.

Comme nous l’avons montré dans ce chapitre, nous avons validé, au fil du développement, les

étapes méthodologiques à travers plusieurs travaux portant sur plusieurs projets de transport

(gestion et extension d’un service de voitures en temps partagé [Cucu, 2009c], [Cucu, 2009d],


(EAPMM)

153

gestion d’un parking dans une approche multi agents, transférabilité appliquée à une zone

d’accès contrôlé). Pour illustrer l’application de notre approche pas-à-pas, nous allons nous

appuyer dans le chapitre 4 un exemple concret : celui de la mise en œuvre d’un Parking-

Relais à La Rochelle.


(EAPMM)

154

Chapitre 4 : Application de la méthode d’évaluation a priori multicritère et multi- acteurs

(EAPMM) dans un contexte de zone urbaine

155

Chapitre 4

Application de la méthode d’évaluation a priori multicritère et multi-

acteurs (EAPMM) dans un contexte de zone urbaine

Sommaire

INTRODUCTION .................................................................................................................... 157

1. CADRE D’ETUDE .......................................................................................................... 158

1.1 Le contexte rochelais .............................................................................................. 158

1.1.1 La Communauté d’Agglomération (CDA) de La Rochelle ........................... 158

1.1.2 La ville de la Rochelle .................................................................................... 159

1.2 Périmètre d’étude ................................................................................................... 161

2. DIAGNOSTIC PARTICIPATIF DE LA MOBILITE EN CENTRE-VILLE ................................... 161

2.1 Les acteurs impliqués dans les projets de transport ............................................... 161

2.2 Modélisation des préférences individuelles ........................................................... 162

2.2.1 Identification des phénomènes ....................................................................... 163

2.2.2 Elaboration des représentations individuelles ................................................ 163

2.2.3 Analyse structurelle des représentations ........................................................ 167

2.2.4 Groupement des acteurs ................................................................................. 169

2.2.5 Construction de la matrice de dissimilarité .................................................... 170

2.2.6 Matrice de dissimilarité et le groupement des acteurs ................................... 176

3 IDENTIFICATION DES ALTERNATIVES ........................................................................... 182

3.1 L’application des étapes de transférabilité ............................................................. 183

3.2 Préférences des groupes d’acteurs .......................................................................... 187

4 EVALUATION A PRIORI DU TAUX D’UTILISATION ......................................................... 193

4.1 Modélisation de la demande ................................................................................... 193

4.2 Le calcul du taux d’utilisation ................................................................................ 195

4.3 La robustesse des comportements .......................................................................... 201

5 SIMULATION DES IMPACTS .......................................................................................... 202

5.1 Identification des impacts et méthodes de mesure ................................................. 203

5.2 Analyse de l’existant .............................................................................................. 209

5.2.1 Choix de l’échelle spatiale et temporelle ....................................................... 209

5.2.2 La situation initiale – phase avant ................................................................. 210

5.3 Situation simulée- phase a priori ............................................................................ 212

5.4 Mesure des impacts ................................................................................................ 214

6 SOLUTION DE COMPROMIS ........................................................................................... 215

6.1 Identifier les variables à tester ................................................................................ 215

6.2 La modélisation mathématique .............................................................................. 216

6.3 La désirabilité individuelle de chaque groupe ........................................................ 218

6.4 La désirabilité globale ............................................................................................ 218

CONCLUSION ....................................................................................................................... 219



156



157

Chapitre 4 : Application de la méthode d’évaluation a priori

multicritère et multi- acteurs (EAPMM) dans un contexte de zone

urbaine

Introduction

Les agglomérations cherchent à apporter des solutions aux problèmes de congestion en ville

en incitant les automobilistes à stationner aux portes de la ville dans des Parkings-Relais

(P+R) et à rejoindre le centre-ville, les lieux d’activités par bus ou navettes. Pour les

agglomérations qui veulent développer des Parking-relais, la recette peut paraître simple mais

elle nécessite en réalité d'intégrer plusieurs facteurs décisifs dans le développement

d’équipements attractifs:

Leur localisation, que l'on a l'habitude de situer en amont des zones de congestion,

doit être examinée sous plusieurs angles, y compris celui de leur efficience

énergétique;

La question du dimensionnement n'appelle pas de réponse tout faite. Plusieurs

méthodes existent pour déterminer le dimensionnement nécessaire en fonction de la

demande et du contexte local. Mais, dans les faits, elles sont souvent reléguées au

second plan par des contraintes de localisation et de coût. Stratégiquement, il peut

alors être intéressant d'envisager cette question de manière évolutive à plusieurs

horizons en fonction de l’évolution de la demande et non pas de manière figée.

Pour aborder les deux questions de la mise en place d’un Parking-relais d’une manière

efficace et en diminuant les risques liés à ce projet, il est nécessaire de réaliser une méthode

d’évaluation a priori. Les aspects théorique de l’évaluation a priori, ont été largement décrits

dans le Chapitre 3.

Sur la base de la méthodologie développée dans le chapitre 3, le chapitre 4 décrit une étude de

cas que nous avons menée dans la ville de La Rochelle (17), à la suite d’un projet européen de

transport, pour la mise en place d’un système de transport de Parking Relais (P+R) et Bus.

Les données utilisées ont été collectées à différents moments du projet (Tableau 4.1).

Etapes Outils Acteurs Période

Diagnostic Questionnaire, Rapports

d’étude

L’ensemble des

acteurs de la ville

09/2009- 11/2009

Choix des

alternatives

Questionnaire

Rapports de transférabilité

Les experts

Les futurs usagers

11/2009

Calcul du taux

d’utilisation

Questionnaire Les futurs usagers 11/2009- 02/2010

Calcul des impacts Adaptation du simulateur L’homme d’étude 01/2010– 01/2011

Solution de

compromis

Questionnaire Groupe des acteurs 01/2011- 03/2011

Tableau 4.1 : Etapes chronologiques de notre démarche d’évaluation a priori

Cette étude a pour objectif d’illustrer la faisabilité et l’applicabilité de notre méthodologie.



158

1. Cadre d’étude

1.1 Le contexte rochelais

Les informations présentes dans cette partie sont tirées des études préliminaires faites dans le

cadre du projet CIVITAS-SUCCESS de La Rochelle et des questionnaires mis en place par la

Communauté d’Agglomération de La Rochelle (CDA) dans le cadre du nouveau PDU (Plan

des déplacements urbains) pour les prochains 10 ans (2011-2021). D’autres informations sont

tirées d’enquêtes que nous avons réalisées auprès des acteurs de la ville durant la période

2009-2010.

L’objectif de notre analyse est de dresser un constat globale sur la mobilité actuelle de la

Rochelle dans l’idée de mettre en évidence les points à améliorer, ainsi que de délimiter notre

périmètre d’étude.

1.1.1 La Communauté d’Agglomération (CDA) de La Rochelle

La CDA de La Rochelle présente une surface de 21 000 hectares et regroupe une population

de 147 000 habitants, pour une densité de 700 habitants par kilomètre carré. La figure 1.1

illustre la position géographique de la CdA de La Rochelle, composée de 17 communes en

plus de la ville-centre de La Rochelle.

Figure 4.1: Positionnement géographique de la CDA de La Rochelle

La CDA de La Rochelle se représente une zone urbaine côtière avec de nombreuses

spécificités:

Manque d’espace urbanisable. Cela est dû au fait que la CDA est entourée par la mer

et des plaines fluviales donc inondables par nature, ce qui constitue une sorte de

frontière naturelle pour l’urbanisation. Par ailleurs, la ville de La Rochelle est une ville

ancienne et pas forcément adaptées sur le plan urbain aux enjeux économiques qu’elle

entend relever, avec notamment l’extension de ses ports. Même si beaucoup d’efforts

ont été faits pour répondre à une demande de plus en plus croissante dans le domaine

des échanges maritimes.



159

Une forte attractivité territoriale liée au cadre de vie, à sa position côtière, ce qui

entraîne un afflux saisonnier de population significatif.

Une exigence environnementale d’autant plus en plus grande d’autant plus importante

que le littoral de par son attractivité renforce cette exigence (les touristes n’acceptent

plus des conditions dégradées pour la baignade par exemple).

Toutes ces spécificités de la CDA de La Rochelle posent certaines questions de gestion des

transports, mais aussi des déchets, des énergies, de l’eau, de la surveillance et de la protection

du patrimoine environnemental.

1.1.2 La ville de la Rochelle

La ville de la Rochelle est la ville-centre, la principale commune de la Communauté d’

Agglomération (CDA) de la Rochelle. Elle représente à elle toute seule une population de

76.000 habitants avec une densité de 2700 habitants par kilomètre carré.

L’étude des différents rapports de la Rochelle : SCOT, étude sur le PDU (2011-2021), nous

permet de dresser plusieurs constats sur la dynamique de la ville de la Rochelle.

Constat 1 : Une ville attractive

• La population est en constante augmentation. Entre 1990 et 2005, l’agglomération a

accueilli plus de 21 000 nouveaux habitants. Le rythme de la croissance de la

population est quatre fois plus élevé qu'entre 1975 et 1990.

• Le pôle universitaire en expansion : plus de 10 000 étudiants par an.

• Un patrimoine culturel qui attire de très nombreux touristes

• 7000 entreprises contribuent au développement économique

• Le centre-ville regroupe 2 246 entreprises (Très Petites Entreprises, collectivités,

services d’Etat,…) dont 33% Commerces et 59% d’entreprises de services, soit 13

252 emplois [Insee, 2008].

Constat 2: Une demande forte de mobilité

• 516 000 déplacements par jour sont effectués sur l’ensemble de la CDA parmi

lesquels 46% de déplacements sont réalisés à l’intérieur de la ville de la Rochelle

[Enquête déplacement villes moyenne, 2011] ;

• 58% de déplacements sont réalisés en voiture.

• 25% de déplacements pour le motif – travail et 8% motif –étude.

Constat 3: Une accessibilité difficile au centre-ville pour les pendulaires aux heures de pointe

(7h30-9h30 et 16h30-19h30)

• Selon une enquête réalisée par la CDA la Rochelle en juin 2010 auprès de 948

entreprises (4552 personnes) du centre de la Rochelle, 75% personnes interrogées

arrivent à leur travail entre 7h30 et 9h30 et 72 % de personne quittent le travail entre

16h et 19h30 (Figure 4.2).



160

Figure 4.2: Les horaires des salariés du centre–ville

[Source : CDA La Rochelle, 2010]

Dans cette même enquête, il est mentionné que pour 77% de personnes, le mode principal

utilisé est la voiture. La plupart des utilisateurs de la voiture sont des personnes qui habitent

dans des zones relativement éloignées du centre de La Rochelle. La durée moyenne de leur

trajet est de 15 à 29 minutes.

Constat 4 : L’utilisation majoritaire de la voiture pour le déplacement domicile-travail

• Les premiers résultats de l’enquête déplacements villes moyennes de La Rochelle

montrent que 77% de déplacement domicile travail sont réalisés avec la voiture

(Figure 4.3).

Figure 4.3: Les modes de transport utilisés et le potentiel transfert modal pour le motif travail

[Source : CDA La Rochelle, 2010]

Une rapide constatation découle de la figure 4.3 est qu’un transfert modal de la voiture vers

d’autre mode de transport est possible. En effet, on peut remarquer que le bus représente 57%



161

du report modal potentiel, suivi par le covoiturage à 48%, le vélo à 31% et le parking-relais +

navette à 27%. L’utilisation potentielle du vélo est vue comme une alternative à la voiture,

mais sous certaines conditions météorologiques. Parmi les personnes prêtes à un changement

modal, trois raisons sont évoquées le plus souvent :

Parmi les personnes prêtes à un changement modal, trois raisons sont évoquées le plus

souvent :

- la difficulté actuelle de stationnement,

- le coût élevé du stationnement en centre-ville qui s’ajoute au coût du véhicule

(entretient, carburant).

- un réseau de transport public plus adapté,

Suite à l’analyse du contexte rochelais, cinq axes d’amélioration de la mobilité peuvent être

envisagé à de La Rochelle:

- Améliorer de l’accessibilité à la ville (en lien avec le rôle social des réseaux), pour

tous à travers la multimobilité;

- Décongestionner le centre des villes,

- Revaloriser les espaces centraux tout en réduisant le trafic automobile ;

- Réduire l’impact des transports sur l’environnement;

- Réduire l’exposition des personnes aux nuisances liées au transport.

Pour réaliser ces amélioration, il est nécessaire mettre en place des projets d’offre différente

toute en tenant compte de la spécificité de la ville et des attentes de la population locale.

1.2 Périmètre d’étude

Pour mieux visualiser les étapes de notre démarche d’évaluation a priori, nous allons limiter

notre champ d’application à une zone urbaine.

Le périmètre de notre application est le centre-ville de La Rochelle. C’est la zone urbaine qui

présente la plus grande concentration d’activité économique de la ville : les entreprises de

services, les restaurants, les hôtels, les commerces, les activités immobilières, financières et

d’assurance génèrent également le plus de déplacements quotidiens.

Pour affiner notre périmètre d’étude, nous allons faire un diagnostic du centre-ville en faisant

participer tous les acteurs de la ville.

2. Diagnostic participatif de la mobilité en centre-ville

Nous rappelons que l’objectif de cette étape est d’identifier les parties prenantes des projets de

mobilité et leurs perceptions envers des phénomènes urbains, pour ensuite les modéliser et

identifier des groupes d’acteurs.

2.1 Les acteurs impliqués dans les projets de transport

Dans chaque ville moyenne, on peut retrouver les mêmes groupes d’acteurs. Notre

échantillon regroupe cinq catégories d’acteurs : politique, exploitant, commerçants,

association et habitant.



162

De plus, les acteurs ont été choisis de façon à former a priori des groupes qui se distinguent

par leur rôle, leur statut, leur niveau de responsabilité et de connaissances dans les processus

d’amélioration de la mobilité urbaine (Tableau 4.2).

Catégorie Acteur Symbole

Politique Elus A2

Exploitant

RTCR (la Régie des Transports

Communautaires Rochelais

A16

Service Mobilité et Transport CDA

(Communauté d’Agglomération)

A10

Commerçants

Commerçants du Centre -ville

A3, A8, A9, A11

A12, A13, A14

Associations Personnes à mobilité réduite A5

Habitants

Salariés A17

A6

Etudiants A15

A7

Retraités A14

Chômeurs A4

Enseignants A1

Tableau 4.2: Les acteurs d’un projet transport

Le tableau ci-dessus révèle une grande diversité d’acteurs impliqués dans un projet de

transport. Certaines catégories d’acteurs sont divisées en sous-catégories comme la catégorie

«habitants ». Les connaissances de cette catégorie sont basées sur des vécus qui peuvent

constituer une base importante du diagnostic.

La catégorie des « commerçants » est la plus représentative. Elle inclut le plus grand nombre

de représentants car l’une des activités principales du centre-ville de la Rochelle est le

commerce. L’information récoltée auprès de ce groupe est basée sur des expériences vécues

de déplacements, mais aussi sur un intérêt économique (augmentation du nombre de

clients/de consommateur dans les magasins).

La catégorie des représentants « politiques » fournit des informations importantes sur les

souhaits, les stratégies et non nécessairement des informations sur la situation réelle. Ces

informations sont basées sur des documents et des rapports ainsi que sur des échanges avec

l’électeur.

Dans la catégorie « association », nous avons inclus les personnes à mobilité réduite, car la

prise en compte de ce groupe est indispensable pour un bon diagnostic de la situation actuelle.

A partir des catégories d’acteurs du tableau 4.2, nous allons réaliser un regroupement d’acteur

en fonction de leurs perceptions sur la situation actuelle des phénomènes.

2.2 Modélisation des préférences individuelles

Nous rappelons que la modélisation des représentations individuelles est d’identifier

l’ensemble de connaissances que les acteurs possèdent sur les phénomènes urbains.



163

Nous avons identifié dans le chapitre 3, §2.2, quatre étapes de modélisation des préférences:

identification des phénomènes, élaboration des modèles individuels, analyse structurelle des

modèles et comparaison des modèles.

2.2.1 Identification des phénomènes

Nous rappelons que le terme « phénomène » désigne, dans ce travail, une liste de

caractéristiques du système urbaine qui peuvent influencer la perception du problème.

Nous avons établi 14 phénomènes de la mobilité (§2.2.1 du chapitre 3) pour lesquels les

acteurs vont s’exprimer:


Disponibilité du service publique de transport


Trafic de transite

Degré de sécurité routière


Accident

Place dans un Parking-Relais

Confort de déplacement (bus)

Prix du parking relais


Coût du transport en commun


Pollution acoustique

Les acteurs identifiés dans le tableau 4.2, ont la possibilité de s’exprimer sur les phénomènes

pour lesquels ils ont une connaissance et même rajouter des phénomènes qui ne sont pas

inclus dans la liste.

2.2.2 Elaboration des représentations individuelles

Pour l’élaboration des représentations individuelles, nous avons réalisé un questionnaire

(Annexe 1) d’identification des perceptions individuelles (chapitre 2, § 2.2.2.1).

Nous avons interrogé les personnes sur les 14 phénomènes selon: la situation initiale, les

tendances souhaitées et les relations causales entre les phénomènes.

L’objectif des représentations individuelles est de renforcer la participation et l’implication

des acteurs dans le processus de décision collective et de permettre aux acteurs de comprendre

certains phénomènes complexes de la réalité urbaine.

Nous avons distribué 200 questionnaires dans le centre-ville. 120 questionnaires ont été

complétés. Parmi les 120 questionnaires, nous avons choisi 17 représentations « analysables »

qui correspondent aux catégories d’acteurs du tableau 4.2.

Chaque personne est amenée à décrire son propre tableau de représentation. Les informations

collectées à travers les réponses des acteurs sont de nature qualitative. Pour pouvoir les



164

analyser, il est nécessaire de transformer ces informations qualitatives en informations

quantitatives. On obtient ainsi trois matrices qui regroupent les préférences de chaque acteur.

La situation initiale

Il est demandé à chaque personne interrogée si elle perçoit la situation actuelle du phénomène

comme: bonne, moyenne, mauvaise. Nous avons traduit les réponses des acteurs par une

matrice de résultats (Tableau 4.3) de type phénomène x acteurs.

Tableau 4.3: Représentation de la situation initiale.

(« M » moyen, « B» bon ou beaucoup, « 0» mauvais ou peu)

L’analyse de cette matrice nous permet d’appréhender la perception de la situation initiale par

les différents acteurs. La figure 4.4 met en évidence quatre phénomènes pour lesquelles la

situation parait mauvaise pour 50% des acteurs interrogés: disponibilité du service de

transport en commun, le prix du parking, les accidents de la route et le temps de transport en

commun.

Figure 4.4: Les perceptions des acteurs pour la situation initiale

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 trafic de transit M M M M M M M B M M 0 B M M B M M

2 niveau de congestion M M M M M M M 0 M 0 0 0 M M 0 0 0

3 coût du transport en commun M B 0 0 M M M 0 M B M 0 0 M M M B

4 consommation carburant M M 0 M M M M M 0 M M M B M B B M

5 degré de sécurité 0 B M B M 0 M 0 0 M 0 B B M B B M

6 temps de déplacement en bus M M 0 0 0 M M 0 M 0 0 0 0 0 M B B

7 accident de la route 0 0 0 B M 0 0 0 0 M 0 0 B 0 B B M

8 nombre de place de parking relais M 0 0 M M M 0 0 M B M 0 0 0 M B M

9 confort de déplacement M B 0 0 M B B 0 M B B 0 0 0 0 B B

10 prix du parking relais 0 0 0 M M M 0 0 M B M 0 0 M 0 M B

11 disponibilité du service 0 0 0 0 M M 0 0 M B 0 B 0 M 0 0 M

12 stationnement en centre-ville M M M M M M M M M 0 B B B M M M M

13 pollution atmosphérique 0 M B 0 M M M 0 0 0 M 0 B B B 0 M

14 pollution acoustique 0 M B 0 M M M 0 0 M M M B M B 0 M

N PhénomènesActeurs



165

Les tendances souhaitées

Les informations recueillies à partir des tendances souhaitées, nous renseignent sur le souhait

des personnes interrogées sur les 14 phénomènes: faut-il minimiser, maximiser ou laisser

constant ? Ces informations peuvent être présentées sous forme matricielle dans le Tableau

4.4 de type phénomènes x acteurs.

Tableau 4.4: Tendances souhaitées (« + » maximiser, « - » minimiser, « = » stabiliser et « x » aucune

réponse)

Une première analyse statistique des tendances souhaitées montre que le stationnement reste

un problème central dans le centre-ville pour l’ensemble d’acteurs. Les acteurs souhaitent une

amélioration de ce phénomène. Le coût de transport en commun, la consommation du

carburant, ainsi que la pollution acoustique et atmosphérique représentent des phénomènes

qui inquiètent les acteurs (Figure 4.5).

Figure 4.5: Les tendances souhaitées

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 trafic de transit - = + x - - - x - = x = - = = + -

2 niveau de congestion = - - x + - + x - = - = - + = x -

3 coût du transport en commun - - - x - - - x - = - = x - - + -

4 consommation carburant - x - = - - - - - - - - + - - = -

5 degré de sécurité = x + x + + + x - + x = x + = + +

6 temps de déplacement en bus = - - x - - - x - = x = x - - + +

7 accident de la route x x - x - - - x - - x = x - = + -

8 nombre de place de parking relais x + = x + + + + + + x = x + + + +

9 confort de déplacement x x = x + + = x + + x = x + + + +

10 prix du parking relais x x = x - - - - - = - = x - - + -

11 disponibilité du service x + = x + + + x + = x = x = = + +

12 stationnement en centre-ville x + + + + + + + + = x + + + + + +

13 pollution atmosphérique x - - x - - - x - + - - x = = = -

14 pollution acoustique x - - x - - - x - + - - x + = x -

N PhénomènesActeurs



166

Les phénomènes avec aucune réponse – « x» sont considérés comme non importants pour les

acteurs. Les acteurs s’expriment sur les phénomènes sur lesquels ils ont des connaissances.

Les deux matrices des relations initiales et des tendances souhaitées ne sont pas

indépendantes, mais au contraire en relation directe. Par exemple, l’acteur 1 considère la

situation du trafic de transit en centre-ville de la Rochelle comme étant « moyen ». Il

souhaiterait voir ce phénomène s’améliorer par une baisse du niveau de trafic. Cela signifie

qu’il y a à ses yeux trop de transit en centre-ville.

Les tendances souhaitées expriment une valeur, une préférence de la part de la personne.

Tandis que les situations initiales reflètent une perception sur un fait réel par rapport à un

phénomène donné. Ainsi, nous pouvons considérer qu’une personne forme son jugement à

partir de connaissances - réelles ou perçues - des phénomènes transport.

Dans le cas contraire, si l’acteur ne dispose pas des informations sur la situation réelle des

phénomènes, il ne se prononce pas. C’est le cas de la situation « aucune réponse ». Pour

l’acteur 1, la situation « sans réponse » est identifiée pour les phénomènes suivants: accidents

de la route, nombre de places et le prix de parking relais, confort de déplacement en

transport en commun, parking libre, pollution acoustique et atmosphérique.

Ce qui nous intéresse aussi est de savoir comment les acteurs perçoivent les relations entre

différents phénomènes.

Représentation causale entre les phénomènes

Comme nous l’avons souligné dans le chapitre 3, §2.2.2.2, les représentations causales

peuvent compléter les informations sur les préférences des acteurs. L’avantage des cartes

causales est double: d’une part, les acteurs renseignent l’évaluateur sur sa représentation du

système et d’autre part cela permet aux acteurs de réfléchir sur leurs propres schémas causals.

Pour souligner les interactions entre les phénomènes, la question suivante est posée: si un

phénomène change d’état et s’améliore ou se détériore, d’autres phénomènes vont-ils aussi

changer d’état ? Lesquels ? Dans quelle direction (amélioration ou détérioration) ?

Cette étape nous permet d’identifier les relations qui changent dans le même sens et les

relations qui changent dans des directions différentes.

Nous allons illustrer les relations entre les phénomènes à l’aide d’un exemple sur la carte

causale de l’acteur 5 (Figure 4.6).



167

Figure 4.6: Représentation causale des phénomènes de mobilité de l’acteur 5

Selon le tableau 3.7 du chapitre 3, l’interprétation de la carte causale de l’acteur 5 (figure 4.6)

souligne différents relations de causalité entre les phénomènes à prendre en compte dans

l’évaluation de la mobilité:

- Des relations linéaires positives : le sens de variation est le même entre deux

phénomènes. Si l’un augmente, l’autre augmente aussi. Pour l’acteur 5, on peut

identifier plusieurs relations linéaires positives entre les phénomènes: l’augmentation

du coût du transport en commun implique une augmentation du niveau de congestion

par l’utilisation de la voiture ; l’augmentation du niveau de congestion, implique

l’augmentation du niveau de pollution.

- Des relations linéaires négatives: le sens des variations est contraire entre deux

phénomènes. Pour l’acteur 5, nous pouvons identifier plusieurs relations linéaires

négatives entre les phénomènes: si les accidents augmentent, le degré de sécurité

baisse ; si le nombre de place dans le Parking- Relais augmente, le stationnement en

centre-ville baisse.

Les relations causales identifiées par chaque acteur couvrent la problématique générale au

sens large. Ils ne sont pas d’égale importance. En analysant le modèle systémique proposé par

un acteur, il sera possible de hiérarchiser les critères et les enjeux de chaque acteur.

2.2.3 Analyse structurelle des représentations

Pour comparer les représentations de chaque acteur, nous allons transformer cette

représentation graphique sous une forme quantitative. Le Tableau 4.5 montre la


Disponibilité du service


Trafic de transite Degré de sécurité routière


Accident

Place dans un parking relais





Pollut ion atmosphérique

Pollut ion acoustique

+

+

+

+

-

+

+

-

+

+

+

+

+

+

+

+

-

+

+

+

+

-

-

-+

+ +

+



168

transformation de la représentation de l’acteur 5 à partir de la Figure 4.6. Nous obtenons une

matrice de type phénomène x phénomène pour chaque acteur.

Tableau 4.5: Transformation de la représentation causale de l’acteur 5

La transformation de la représentation causale dans un tableau a été présentée dans §2.2.3 du

chapitre 3.

Nous rappelons que le signe «-» montre l’existence d’une relation contraire entre deux

phénomènes : l’un augmente et l’autre baisse ou vice-versa, le chiffre 1 ou -1 indique

l’existence sûre de relations entre les phénomènes et le chiffre 0.5 ou -0.5 montre l’existence

des relations avec une crédibilité faible.

Le Tableau 4.5 fait ressortir une autre information importante pour l’acteur 5:

- Les phénomènes stratégiques - avec un nombre important de relations. Ces

phénomènes sont identifiés en faisant la somme de la valeur absolue des éléments des

colonnes. Dans le cas de l’acteur 5, les phénomènes liés au niveau de trafic, au niveau

de la congestion et au coût de transport en commun représentent des leviers d’action,

des priorités.

- Les phénomènes sensibles sont identifiés en faisant la somme de la valeur absolue des

éléments des lignes du Tableau 4.5. Pour l’acteur 5, les éléments sensibles semblent

être le niveau de trafic et le degré de sécurité.

On considère un phénomène comme stratégique ou sensible, à partir du moment où il est

significativement différent des autres phénomènes.

L’analyse des représentations des 17 acteurs, nous donne une image des phénomènes

considérés comme « stratégiques » et des phénomènes considérés comme « sensibles »

(Tableau 4.6).

1 2 3 4 5 6 7 8 9 10 11 12 13 14

1 trafic de transit 1,0 1,0 -1,0 1,0 0,5 1,0 1,0 6,5

2 niveau congestion 1,0 -1,0 1,0 1,0 0,5 0,5 1,0 0,5 6,5

3 coût transport commun 0,5 1,0 1,0 -0,5 0,5 1,0 0,5 1,0 6,0

4 consommation carburant 0,0

5 degré de sécurité 0,0

6 temps de déplacement en bus 0,0

7 accident de la route -1,0 1,0

8 nb place parking relais -1,0 -0,5 1,5

9 confort de déplacement en bus 0,0

10 prix parking relais 1,0 1,0

11 disponibilité du service 1,0 1,0

12 stationnement en centre-ville 0,0

13 pollution atmosphérique 0,5 0,5

14 pollution acoustique 0,5 0,5

2,5 2,0 2,0 2,0 3,5 2,0 2,0 0,5 1,5 0,5 1,0 1,5 2,0 1,5 49,0Somme (val_abs)

Somme(val_abs)Acteur 5

N Phénomènes



169

Tableau 4.6: Les phénomènes stratégiques et sensibles

Une analyse rapide des phénomènes représentés dans le Tableau 4.6 nous permet d’identifier,

a priori, les phénomènes stratégiques pour l’ensemble des acteurs: trafic de transit, niveau de

congestion, coût de transport en commun, place de Parking-Relais, prix du P+R et

stationnement en centre-ville (engendre beaucoup de relations). Sur ces phénomènes, il est

nécessaire d’intervenir en priorité, car leur amélioration entraine aussi une amélioration des

phénomènes sensibles comme la consommation du carburant, le degré de sécurité, la

pollution atmosphérique et acoustique.

2.2.4 Groupement des acteurs

Pour le groupement des acteurs, nous allons faire une comparaison entre les modèles des

acteurs par rapport à cinq sources d’information (critères): la différence entre la situation

initiale, les tendances souhaitées, les phénomènes stratégiques, les phénomènes sensibles,

mais aussi les relations identiques entre les acteurs.

A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17

trafic de transit 3,5 6 8 6 6,5 6,5 7 5,5 4,5 6 1,5 8 6 6,5 6,5 8 11

niveau congestion 0 0 4 3,5 6,5 6,5 7 0 4 0 3 11 8,5 7 3 0 10

coût transport commun 1,5 2 2,5 4,5 6 6 0 9,5 2 3 2,5 8 9,5 6,5 4 9,5 11

consommation carburant 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0

degré de sécurité 0 0 1 2 0 1 0 3 2,5 2 0 7 3 3 5 1 9

temps de déplacement en bus 0 0 1,5 2 0 0,5 4,5 0,5 0 2,5 2 10 6 3 5,5 6 11

accident de la route 0 0 2 2 1 0,5 0 1,5 1 1 3 7 1 3,5 2 0 6

nb place parking relais 0 0 5 5,5 1,5 2,5 0 4,5 8 4 3,5 11 11 8 8,5 11 7

confort de déplacement en bus 3 0 1 2 0 0 0 2 0 2 0 4 9 0 1,5 0 9

prix parling relais 0 1 5 3 1 3 1 3 5 4,5 3 11 13 6 6 7 9,5

disponibilité du service 0 0 3,5 2 1 1,5 0 0,5 5 0 2 11 11 2 2 0 0

stationnement en centre-ville 11 1 2,5 2 0 0 7 4,5 5 0 3,5 9 13 8 1 3 11

pollution atmosphérique 0 0 2 0 0,5 0 0 0 0,5 0 0,5 1 1 1 0 0 1

pollution acoustique 1 0 4 3 0,5 3 0 1 1,5 0 0 1,5 0 0 0 0 0

Phénomènes sensibles A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17

trafic de transit 1,5 1 8 7,5 2,5 3 2,5 5 5,5 2 4,5 9 9 8 6 5 8

niveau congestion 1 3 6,5 5 2 3 2,5 9 5,5 2,5 5 9 9 7,5 4 2 8,5

coût transport commun 2,5 0 1,5 0 2 0,5 0 2 1,5 1 0 3,5 4,5 2 3 2 3

consommation carburant 2 1 5,5 0 2 2,5 4 3,5 3 4,5 2 8 9 5 3 5 7

degré de sécurité 1,5 0,5 1,5 5 3,5 3 4 3 2 4 1,5 9,5 5 6 5,5 4 9

temps de déplacement en bus 3,5 1 2,5 5,5 2 3,5 2 1,5 2,5 2 1 6,5 5,5 7,5 2 2 7

accident de la route 0,5 0,5 2 3,5 2 3 3,5 3 1 3,5 0 9 5 7 2 3,5 8,5

nb place parking relais 1 0 2 1,5 0,5 0,5 0 1 2 0,5 0 3,5 7 1 3 3 7

confort de déplacement en bus 1,5 0 0,5 4 1,5 0 0 1 1,5 1 0 9 3,5 2 4 3 5,5

prix parling relais 1 0 2 0,5 0,5 0,5 0 2 1 0,5 0 2,5 4 1,5 2 3 1

disponibilité du service 2 0 3 3,5 1 0 1 1,5 2 0,5 1,5 2 5 0 5 4,5 3,5

stationnement en cetre-ville 0 0 3,5 0,5 1,5 0,5 2 1 2,5 0 1,5 4,5 6 0 1,5 3 6

pollution atmosphérique 1 2 2 1 2 6 4 1,5 5 1,5 3,5 11 9 2 2 3 10

pollution acoustique 1 1 1,5 0 1,5 5 1 1,5 4 1,5 4 12 9 4 2 2 10

Phénomènes stratégiques

Acteur



170

Rappelons que la classification des acteurs implique deux étapes : la construction de la

matrice de dissimilarité entre les acteurs et le choix de critère de classification statistique.

2.2.5 Construction de la matrice de dissimilarité

Pour construire la matrice de dissimilarité (acteurs x acteurs) de l’équation 3.7 du chapitre 3,

§2.3.1, nous utilisons une matrice de la situation initiale (phénomènes x acteurs), une matrice

des tendances souhaitées (phénomènes x acteurs) et 17 matrices (pour chaque acteur) des

relations causales (phénomènes x acteur). La matrice de relations causales identifie aussi les

phénomènes sensibles et stratégiques pour chaque acteur.

A. Matrice des différences globales – situation initiale

Pour former la matrice des différences globales, nous allons suivre 3 étapes.

Etape 1: Calcul de la matrice des différences partielles DP situation actuelle entre les acteurs

Les phénomènes sont caractérisés par trois états possibles (Ei) : bon=1, mauvais=0 et

moyen=0.5.

Pour chaque phénomène k, on calcule la différence partielle DP entre la représentation de

l’acteur i et j. Le résultat de cette étape, représente 14 matrices (du fait des 14 phénomènes) de

type acteur (Ai) x acteur(Aj).

DP (Ai − Aj) k = |modèle(Ai) − modèle (Aj)|k, Ai ≠ Aj et i, j = 1… .14 (4.1)

L’indice de différence (Id) entre les représentations des états (E) entre les acteurs est obtenu

par les opérations suivantes:

Si E bon-E mauvais= 1, alors l’indice de différence Id= 1, ce qui décrit une différence

maximale entre deux phénomènes

Si E bon- E moyen=0,5, et E mauvais – E moyen = 0.5, alors l’indice de différence Id= 0.5, ce

qui décrit une différence moyenne entre deux phénomènes

Si E bon- E bon =0, E moyen- E moyen=0 et E mauvais – E mauvais=0, alors Id =0, il n’y a pas

de différence de perception entre les acteurs, leur représentation est semblable.

Ces opérations de différences sont plus difficiles à déterminer pour l’état « je ne me prononce

pas » et les autres états. Selon [Desthieux, 2005], le fait de ne pas se prononcer sur un

phénomène signifie que le phénomène est peu préoccupant ou plutôt favorable. Les acteurs

n’hésitent pas à se prononcer sur des phénomènes préoccupants.

De ce fait, la différence entre l’état bon et l’état « je ne me prononce pas » est petite, Id=0.25,

le contraire pour la différence entre mauvaise et « je ne me prononce pas », Id=0.75. Pour la

différence entre état moyen et « je ne me prononce pas », Id est fixée à 0.50.

Nous allons illustrer la démarche de différence partielle (DP) pour le phénomène « trafic de

transit ». La différence partielle pour un seul phénomène représente une matrice symétrique

de type acteurs x acteurs (Tableau 4.7).



171

Tableau 4.7: Les différences partielles des représentations entre les différents acteurs

Les résultats de matrices partielles vont être utilisés pour le calcul de la matrice des

différences globales.

Etape 2 : Calcul de la matrice des différences globales (DG) situation initiale

La matrice DG situation initiale est une matrice symétrique de type (acteurs x acteurs). Elle est

obtenue en additionnant les valeurs des différences partielles pour chacun des phénomènes,

soit la somme des 14 matrices de différences partielles).

DG Ai − Aj = DP(A i−A j )k

14k=1 où Ai ≠ Aj et i, j=1….17 (4.2)

La matrice DG situation initiale est donnée dans le tableau 4.8.

Tableau 4.8 Matrice des différences globales de la situation initiale

Traffic 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

2 0,0 0,0 0,0 0,0 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

3 0,0 0,0 0,0 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

4 0,0 0,0 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

5 0,0 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

6 0,0 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

7 0,0 0,5 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

8 0,0 0,5 0,5 1,0 0,0 0,5 0,5 0,0 0,5 0,5

9 0,0 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

10 0,0 0,5 0,5 0,0 0,0 0,5 0,0 0,0

11 0,0 1,0 0,5 0,5 1,0 0,5 0,5

12 0,0 0,5 0,5 0,0 0,5 0,5

13 0,0 0,0 0,5 0,0 0,0

14 0,0 0,5 0,0 0,0

15 0,0 0,5 0,5

16 0,0 0,0

17 0,0

Acteurs

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,0 3,5 4,0 4,0 3,5 2,5 2,5 3,0 1,5 6,5 4,0 6,0 7,0 4,5 6,0 5,0 5,5

2 3,5 0,0 3,5 5,5 4,0 3,0 1,0 5,5 5,0 6,0 4,5 5,5 5,5 4,0 5,5 5,5 4,0

3 4,0 3,5 0,0 4,0 3,5 4,5 2,5 3,0 4,5 7,5 5,0 4,0 4,0 2,5 6,0 8,0 6,5

4 4,0 5,5 4,0 0,0 3,5 5,5 5,5 4,0 4,5 6,5 6,0 5,0 4,0 4,5 5,0 4,0 6,5

5 3,5 4,0 3,5 3,5 0,0 2,0 3,0 5,5 3,0 4,0 3,5 5,5 5,5 2,0 5,5 5,5 3,0

6 2,5 3,0 4,5 5,5 2,0 0,0 2,0 5,5 2,0 5,0 2,5 6,5 7,5 3,0 6,5 5,5 3,0

7 2,5 1,0 2,5 5,5 3,0 2,0 0,0 4,5 4,0 6,0 3,5 5,5 5,5 3,0 5,5 5,5 4,0

8 3,0 5,5 3,0 4,0 5,5 5,5 4,5 0,0 4,5 7,5 5,0 3,0 6,0 4,5 6,0 7,0 7,5

9 1,5 5,0 4,5 4,5 3,0 2,0 4,0 4,5 0,0 6,0 4,5 6,5 8,5 4,0 7,5 5,5 5,0

10 6,5 6,0 7,5 6,5 4,0 5,0 6,0 7,5 6,0 0,0 5,5 6,5 9,5 6,0 8,5 5,5 3,0

11 4,0 4,5 5,0 6,0 3,5 2,5 3,5 5,0 4,5 5,5 0,0 6,0 7,0 4,5 7,0 6,0 4,5

12 6,0 5,5 4,0 5,0 5,5 6,5 5,5 3,0 6,5 6,5 6,0 0,0 5,0 4,5 6,0 8,0 7,5

13 7,0 5,5 4,0 4,0 5,5 7,5 5,5 6,0 8,5 9,5 7,0 5,0 0,0 4,5 3,0 7,0 8,5

14 4,5 4,0 2,5 4,5 2,0 3,0 3,0 4,5 4,0 6,0 4,5 4,5 4,5 0,0 5,5 7,5 5,0

15 6,0 5,5 6,0 5,0 5,5 6,5 5,5 6,0 7,5 8,5 7,0 6,0 3,0 5,5 0,0 5,0 6,5

16 5,0 5,5 8,0 4,0 5,5 5,5 5,5 7,0 5,5 5,5 6,0 8,0 7,0 7,5 5,0 0,0 4,5

17 5,5 4,0 6,5 6,5 3,0 3,0 4,0 7,5 5,0 3,0 4,5 7,5 8,5 5,0 6,5 4,5 0,0

Acteurs (situation initiale)



172

D’après le tableau 4.8, nous pouvons déjà constater que la différence globale des situations

initiales la plus grande est entre les acteurs 13 et 10. Cette différence est égale à 9.5. La

différence la plus petite se trouve entre les acteurs 7 et 2 : elle est égale à 1.

B. La matrice des différences globales - tendance souhaitée

Pour le calcul de la matrice de différences globales des tendances souhaitées DG tendances

souhaitées, nous allons suivre deux étapes:

Etape 1 : Calcul de la matrice des différences partielles (DP) tendances souhaitées entre les

acteurs

Les phénomènes sont caractérisés par quatre actions possibles (Ei) : minimiser, maximiser

stabiliser et ne rien faire. L’indice de différence partielle (Id) est obtenu par les opérations

suivantes (Tableau 4.9):

Minimiser Stabiliser Maximiser Aucune

Minimiser 0 0.5 1 0.75

Stabiliser 0.5 0 0.5 0.25

Maximiser 1 0.5 0 0.75

Aucune 0.75 0.25 0.75 0 Tableau 4.9: Les indices de différence partielle

La différence entre l’action de minimiser et maximiser est maximale. Cela veut dire dans

notre cas, que l’indice de différence Id=1. Nous allons considérer que la différence entre

l’action de stabiliser et les actions de maximisation et minimisation est moyenne, avec un

indice de différence Id=0.5. Nous allons considérer que la différence est grande, de l’ordre de

0.75 entre aucune action et l’action de maximisation et de minimisation.

Comme pour la matrice des différences globales des situations, nous obtenons une matrice de

différences de type (acteurs x acteurs) pour chaque phénomène, soit 14 matrices. Nous

proposons un exemple pour le phénomène « le trafic » (Tableau 4.10).

Tableau 4.10: Les différences partielles pour le phénomène « trafic »

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

+ = + x - - - X - = X = - = = + -

1 0,0 0,5 0,0 0,8 1,0 1,0 1,0 0,8 1,0 0,5 0,8 0,5 1,0 0,5 0,5 0,0 1,0

2 0,0 0,5 0,3 0,5 0,5 0,5 0,3 0,5 0,0 0,3 0,0 0,5 0,0 0,0 0,5 0,5

3 0,0 0,8 1,0 1,0 1,0 0,8 1,0 0,5 0,8 0,5 1,0 0,5 0,5 0,0 1,0

4 0,0 0,8 0,8 0,8 0,0 0,8 0,3 0,0 0,3 0,8 0,3 0,3 0,8 0,8

5 0,0 0,0 0,0 0,8 0,0 0,5 0,8 0,5 0,0 0,5 0,5 1,0 0,0

6 0,0 0,0 0,8 0,0 0,5 0,8 0,5 0,0 0,5 0,5 1,0 0,0

7 0,0 0,8 0,0 0,5 0,8 0,5 0,0 0,5 0,5 1,0 0,0

8 0,0 0,8 0,3 0,0 0,3 0,8 0,3 0,3 0,8 0,8

9 0,0 0,5 0,8 0,5 0,0 0,5 0,5 1,0 0,0

10 0,0 0,3 0,0 0,5 0,0 0,0 0,5 0,5

11 0,0 0,3 0,8 0,3 0,3 0,8 0,8

12 0,0 0,5 0,0 0,0 0,5 0,5

13 0,0 0,5 0,5 1,0 0,0

14 0,0 0,0 0,5 0,5

15 0,0 0,5 0,5

16 0,0 1,0

17 0,0

Acteurs trafic



173

Etape 3 : Calcul de la matrice des différences globales DG tendances souhaitées

La matrice de différences globales des tendances souhaitées DG tendances souhaitées sur

l’ensemble de phénomènes est calculée en utilisant la formule 4.2. Nous obtenons ainsi le

tableau 4.11.

Tableau 4.11: Matrice des différences globales pour les tendances souhaitées : MG tendance souhaitée

Une première analyse du tableau 4.11, nous permet de constater que la différence la plus

petite se trouve entre les acteurs 5 et 7. Elle est égale à 0.5. La différence la plus grande se

trouve entre les acteurs 16 et 11. Elle est égale à 10.5.

C. Matrice des différences globales pour les phénomènes stratégiques

Pour obtenir la matrice des différences globales pour les phénomènes stratégiques DG

phénomènes stratégiques, nous allons également procéder en deux étapes.

Etape 1 : Calcul de la matrice des différences partielles phénomènes stratégiques

La matrice des différences partielles DP phénomènes stratégiques va être calculée à partir de la de la

matrice structurelle de chaque acteur. Comme titre d’exemple, nous allons revenir à la

représentation de l’acteur 5 du tableau de 4.5.

Nous rappelons que les phénomènes stratégiques ont été identifiés en faisant la somme des

relations par colonne en valeur absolue pour chaque phénomène. La somme ainsi obtenue est

divisée par le nombre total des relations identifiées par chaque acteur (49 relations ont été

identifiées pour l’acteur 5, tableau 4.5). Cette opération nous permet d’affaiblir la somme

pour chaque phénomène dans le cas où l’acteur présente beaucoup de relations dans son

tableau. La somme des relations par phénomènes sera d’autant plus significative, que l’acteur

présente peu de relations dans son modèle de représentation.

Dans la partie supérieure du Tableau 4.6 chaque élément de la matrice va être divisé par le

nombre total de relations (le nombre total de relations correspond à la somme des lignes et

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,0 6,3 5,5 3,5 8,5 8,5 8,0 4,5 8,5 6,0 4,0 4,5 4,5 7,0 5,0 7,5 8,5

2 6,3 0,0 4,3 5,8 5,3 4,3 4,8 6,3 4,3 7,8 4,8 4,3 5,8 6,8 4,8 7,8 6,0

3 5,5 4,3 0,0 7,5 4,0 3,0 3,5 7,5 4,0 5,5 5,0 3,0 7,5 4,5 4,5 7,5 4,8

4 3,5 5,8 7,5 0,0 9,3 9,3 8,8 2,3 9,3 6,8 5,3 4,3 2,3 7,8 5,8 6,8 9,3

5 8,5 5,3 4,0 9,3 0,0 1,0 0,5 7,5 2,0 5,5 7,0 5,0 9,5 2,5 3,5 7,5 2,8

6 8,5 4,3 3,0 9,3 1,0 0,0 1,5 7,5 1,0 5,5 6,0 5,0 8,5 3,5 3,5 7,5 1,8

7 8,0 4,8 3,5 8,8 0,5 1,5 0,0 7,0 2,5 6,0 6,5 4,5 9,0 3,0 4,0 8,0 3,3

8 4,5 6,3 7,5 2,3 7,5 7,5 7,0 0,0 7,5 6,0 4,5 4,5 4,0 6,0 4,0 7,0 7,5

9 8,5 4,3 4,0 9,3 2,0 1,0 2,5 7,5 0,0 6,5 6,0 5,0 8,5 4,5 3,5 8,5 2,8

10 6,0 7,8 5,5 6,8 5,5 5,5 6,0 6,0 6,5 0,0 7,5 4,5 8,0 3,0 4,0 6,0 5,5

11 4,0 4,8 5,0 5,3 7,0 6,0 6,5 4,5 6,0 7,5 0,0 4,0 5,5 7,5 5,5 10,5 6,8

12 4,5 4,3 3,0 4,3 5,0 5,0 4,5 4,5 5,0 4,5 4,0 0,0 5,5 5,5 3,5 6,5 5,8

13 4,5 5,8 7,5 2,3 9,5 8,5 9,0 4,0 8,5 8,0 5,5 5,5 0,0 9,0 7,0 8,5 8,5

14 7,0 6,8 4,5 7,8 2,5 3,5 3,0 6,0 4,5 3,0 7,5 5,5 9,0 0,0 2,8 6,8 4,3

15 5,0 4,8 4,5 5,8 3,5 3,5 4,0 4,0 3,5 4,0 5,5 3,5 7,0 2,8 0,0 6,0 4,5

16 7,5 7,8 7,5 6,8 7,5 7,5 8,0 7,0 8,5 6,0 10,5 6,5 8,5 6,8 6,0 0,0 6,5

17 8,5 6,0 4,8 9,3 2,8 1,8 3,3 7,5 2,8 5,5 6,8 5,8 8,5 4,3 4,5 6,5 0,0

Acteurs (tendances souhaitées)



174

colonnes) que chaque acteur identifie. Ainsi, dans le tableau 4.6, tous les éléments de la

colonne acteur 5 vont être divisés par 49.

En utilisant la formule 4.1, nous obtenons 14 matrices des différences partielles (pour chaque

phénomène) de type acteur x acteur.

Etape 2 : La matrice des différences globales DG phénomènes stratégiques

La matrice des différences globale DG phénomènes stratégiques est obtenue de la même façon que la

précédente matrice de différences globale (A, B) en utilisant la formule 4.2

Tableau 4.12: Matrice des différences globales des phénomènes stratégiques

La différence globale selon les relations stratégiques est la plus forte pour l’acteur 1, l’acteur

2, l’acteur 5, 6, 12, 14, 15, 16. Contrairement à l’acteur 1 et les acteurs 6, 7, 8, 9, 10, 11, pour

lesquelles la différence des relations stratégiques est la plus petite.

D. Matrice des différences globales pour les phénomènes sensibles

La matrice de différences globales des phénomènes sensibles DG phénomènes sensibles est calculée

en suivant les mêmes étapes que pour DG phénomènes stratégiques. Nous allons pour cela utiliser la

partie inférieure du tableau 4.8. La matrice de différences globale DG phénomènes sensibles, est une

matrice symétrique de type acteur x acteur.

DGstratégiques 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,7 0,6 0,6 0,7 0,0 0,0 0,0 0,0 0,0 0,0 0,7 0,6 0,7 0,7 0,7 0,6

2 0,7 0,6 0,6 0,6 0,5 0,6 0,5 0,6 0,5 0,6 0,6 0,6 0,6 0,6 0,5 0,6

3 0,6 0,6 0,2 0,2 0,5 0,6 0,4 0,3 0,4 0,3 0,3 0,3 0,3 0,3 0,4 0,4

4 0,6 0,6 0,2 0,3 0,3 0,6 0,3 0,3 0,3 0,3 0,2 0,3 0,2 0,2 0,4 0,3

5 0,7 0,6 0,2 0,3 0,2 0,7 0,4 0,3 0,5 0,4 0,3 0,4 0,4 0,4 0,4 0,4

6 0,0 0,5 0,5 0,3 0,2 0,5 0,4 0,4 0,4 0,5 0,4 0,5 0,4 0,4 0,4 0,4

7 0,0 0,6 0,6 0,6 0,7 0,5 0,7 0,6 0,6 0,6 0,6 0,6 0,5 0,5 0,6 0,5

8 0,0 0,5 0,4 0,3 0,4 0,4 0,7 0,4 0,3 0,4 0,4 0,4 0,3 0,4 0,3 0,3

9 0,0 0,6 0,3 0,3 0,3 0,4 0,6 0,4 0,5 0,3 0,2 0,4 0,5 0,3 0,4 0,3

10 0,0 0,5 0,4 0,3 0,5 0,4 0,6 0,3 0,5 0,4 0,4 0,4 0,4 0,2 0,3 0,3

11 0,0 0,6 0,3 0,3 0,4 0,5 0,6 0,4 0,3 0,4 0,2 0,2 0,1 0,3 0,4 0,3

12 0,7 0,6 0,3 0,2 0,3 0,4 0,6 0,4 0,2 0,4 0,2 0,2 0,2 0,2 0,4 0,2

13 0,6 0,6 0,3 0,3 0,4 0,5 0,6 0,4 0,4 0,4 0,2 0,2 0,2 0,3 0,4 0,2

14 0,7 0,6 0,3 0,2 0,4 0,4 0,5 0,3 0,5 0,4 0,1 0,2 0,2 0,3 0,4 0,2

15 0,7 0,6 0,3 0,2 0,4 0,4 0,5 0,4 0,3 0,2 0,3 0,2 0,3 0,3 0,3 0,2

16 0,7 0,5 0,4 0,4 0,4 0,4 0,6 0,3 0,4 0,3 0,4 0,4 0,4 0,4 0,3 0,4

17 0,6 0,6 0,4 0,3 0,4 0,4 0,5 0,3 0,3 0,3 0,3 0,2 0,2 0,2 0,2 0,4



175

Tableau 4.13 : Matrice des différences globales des phénomènes sensibles

La matrice des différences globales des phénomènes sensibles entre les acteurs est plus au

moins homogène. Toutefois, on peut identifier deux acteurs pour lesquelles la différence

semble plus petite : acteur 13 et 17, ainsi que pour les acteurs 12 et 17.

E. Matrices globale des relations identiques

Nous allons nous intéresser également aux relations identiques entre les représentations des

acteurs. Pour cela, nous allons comparer les représentations des acteurs (exemple le tableau

4.5 de l’acteur 5 avec la représentation d’un autre acteur) sur l’ensemble des phénomènes.

Si les acteurs ont la même représentation sur un phénomène k, alors l’indice de similarité pour

ce phénomène est égal à 1, sinon la valeur est égale à 0.

Tableau 4.14 : La matrice des relations identiques entre l’acteur 1 et l’acteur 5

Nous pouvons constater que l’acteur 1 et l’acteur 5, présentent cinq relations identiques.

DGsensibles 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,5 0,4 0,4 0,3 0,4 0,5 0,4 0,4 0,4 0,5 0,3 0,3 0,3 0,2 0,2 0,3

2 0,4 0,5 0,4 0,2 0,3 0,3 0,3 0,4 0,3 0,4 0,3 0,4 0,5 0,5 0,4

3 0,4 0,2 0,4 0,3 0,2 0,2 0,4 0,3 0,3 0,2 0,3 0,3 0,2 0,3

4 0,3 0,4 0,4 0,4 0,4 0,4 0,5 0,4 0,4 0,3 0,3 0,4 0,4

5 0,3 0,3 0,2 0,2 0,3 0,4 0,2 0,2 0,2 0,2 0,2 0,2

6 0,3 0,4 0,3 0,3 0,3 0,2 0,3 0,3 0,4 0,4 0,2

7 0,4 0,3 0,2 0,3 0,3 0,3 0,3 0,4 0,3 0,2

8 0,3 0,3 0,3 0,3 0,3 0,2 0,2 0,2 0,3

9 0,3 0,2 0,2 0,1 0,3 0,3 0,3 0,2

10 0,5 0,2 0,3 0,2 0,3 0,3 0,3

11 0,3 0,3 0,4 0,4 0,4 0,3

12 0,2 0,2 0,2 0,2 0,1

13 0,3 0,2 0,2 0,1

14 0,3 0,3 0,3

15 0,2 0,2

16 0,2

17

1 2 3 4 5 6 7 8 9 10 11 12 13 14

1 0 0 0 1 1 1 0 0 0 0 0 0 0 0

2 0 0 0 0 0 0 0 0 0 0 0 0 0 0

3 0 0 0 0 0 0 0 0 1 0 1 0 0 0

4 0 0 0 0 0 0 0 0 0 0 0 0 0 0

5 0 0 0 0 0 0 0 0 0 0 0 0 0 0

6 0 0 0 0 0 0 0 0 0 0 0 0 0 0

7 0 0 0 0 0 0 0 0 0 0 0 0 0 0

8 0 0 0 0 0 0 0 0 0 0 0 0 0 0

9 0 0 0 0 0 0 0 0 0 0 0 0 0 0

10 0 0 0 0 0 0 0 0 0 0 0 0 0 0

11 0 0 0 0 0 0 0 0 0 0 0 0 0 0

12 0 0 0 0 0 0 0 0 0 0 0 0 0 0

13 0 0 0 0 0 0 0 0 0 0 0 0 0 0

14 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Acteur1 et acteur 5



176

Pour calculer la matrice globale des relations identiques MG relations identiques (Tableau 4.15),

nous allons utiliser la somme des relations identiques entre les acteurs deux par deux

(exemple du tableau 4.14) ; nous divisons par la somme des relations identifiées pour chacun

des acteurs (exemple dans le tableau 4.5, la somme des relations de l’acteur 5 est égale à 49.

Nous obtenons une matrice symétrique de type acteur x acteur (Tableau 4.13) où les

éléments de la diagonale ne sont pas pris en compte et sont notés à 0.

La valeur de similarité entre l’acteur 1 et l’acteur 5 du tableau 4.15 est calculée en prenant la

somme des relations totales exprimées par l’acteur 5 (49 relations) et l’acteur 1 (117 relations)

et la somme de relations identiques entre l’acteur 1 et 5 du tableau 4.14.

Nous obtenons ainsi la relation de similarité entre l’acteur 1 et l’acteur 5 de façon suivante:

5

49 + 117= 0.03

Tableau 4.15 : Matrice globale des similarités des actions : MG relations similaires

Une première analyse du tableau 4.15, nous permet de dire que l’acteur 12 et l’acteur 19 sont

les plus semblables eu égard aux les relations de causalité. Leur indice de similarité est égal à

0.19. Au contrario, l’acteur 1 et l’acteur 2 semblent avoir le moins de relations similaires eu

égard aux relations de causalité. Leur indice de similarité est égal à 0.02.

Les cinq matrices ainsi obtenues : DG situation initiale, DG tendances souhaitées, DG phénomènes stratégiques, DG

phénomènes sensibles, MG relations identiques, symétriques de type acteur x acteur, sont utilisées pour la

construction de la matrice de dissimilarité entre les acteurs.

2.2.6 Matrice de dissimilarité et le groupement des acteurs

Pour le groupement des acteurs, nous allons utiliser une méthode d’agrégations des 5 matrices

identifiées dans la section précédente (4 matrices de différences globales et une matrice

globale des relations identiques.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,00 0,02 0,04 0,04 0,03 0,03 0,06 0,07 0,06 0,03 0,04 0,06 0,08 0,06 0,03 0,04 0,08

2 0,00 0,06 0,04 0,06 0,06 0,05 0,05 0,05 0,03 0,04 0,05 0,04 0,05 0,02 0,03 0,05

3 0,00 0,10 0,07 0,09 0,07 0,10 0,12 0,05 0,09 0,12 0,12 0,10 0,09 0,07 0,11

4 0,00 0,07 0,09 0,05 0,10 0,10 0,08 0,06 0,11 0,09 0,10 0,10 0,10 0,12

5 0,00 0,11 0,06 0,07 0,07 0,04 0,06 0,09 0,08 0,08 0,05 0,04 0,10

6 0,00 0,06 0,09 0,10 0,07 0,09 0,11 0,10 0,10 0,07 0,06 0,11

7 0,00 0,04 0,06 0,05 0,08 0,10 0,08 0,09 0,05 0,05 0,10

8 0,00 0,11 0,09 0,09 0,11 0,12 0,11 0,09 0,09 0,13

9 0,00 0,08 0,13 0,14 0,15 0,13 0,08 0,09 0,13

10 0,00 0,06 0,12 0,11 0,11 0,08 0,12 0,14

11 0,00 0,14 0,15 0,11 0,08 0,07 0,12

12 0,00 0,18 0,14 0,10 0,09 0,19

13 0,00 0,12 0,10 0,10 0,18

14 0,00 0,09 0,09 0,16

15 0,00 0,08 0,12

16 0,00 0,14

17 0,00



177

Comme nous l’avons mentionné dans le chapitre 3, notre choix porte sur une méthode

d’agrégation partielle -ELECTRE III- et en particulier la fonction de dissimilarité présentée

dans l’équation 3.7 du chapitre 3, §2.3.1.

Nous rappelons que la matrice de dissimilarité est formée à partir de la matrice de

ressemblance (équation 3.9 du chapitre 3).

La construction de la matrice de ressemblance est proposée à travers 4 étapes.

Etape 1 : Evaluation des indices de concordance partielle

L’indice de concordance partielle, Ci représente la concordance partielle entre les deux

acteurs pour chaque élément de comparaison: situation initiale, tendances souhaitées, les

phénomènes stratégiques et les phénomènes sensibles. Il est calculé à partir des quatre

matrices de différences globales (A, B, C, D) en utilisant des pseudo-critères-indifférence,

différence- ce qui permet de réaliser une évaluation liée à des impressions ou des mauvaises

connaissances des phénomènes.

Les deux seuils (indifférence et différence) sont fixés par l’évaluateur, après une analyse des

écarts entre chaque valeur des matrices (À, B, C, D) (Tableau 4.16).

Pséudo-critères Situation

initiale

Tendance Phénomène

stratégique

Phénomène

sensible

Similarité

Poids (p) 1 1 1 1 1

Indifférence (i) 2 1 0,1 0,15 0,14

Différence stricte (d) 7 8 0,6 0,4 0,05 Tableau 4.16 : Les seuils pour la construction de la matrice de ressemblance

Chaque élément des matrices (DG situation initiale, DG tendances souhaitées, DG phénomènes stratégiques, DG

phénomènes sensibles, MG relations identiques,) est transformé selon une fonction floue et prend des

valeurs entre 0 et 1 en tenant compte du seuil d’indifférence (i) et du seuil de différence (d).

L’indice de concordance partielle est défini de la sorte:

𝐶𝑖 = 0 𝑠𝑖 𝐷𝐺𝑖 ≥ 𝑑𝑖𝐶𝑖 = 1 𝑠𝑖 𝐷𝐺𝑖 ≤ 𝑖𝑖

𝐶𝑖 =𝐷𝐺𝑖−𝑖𝑖

𝑑𝑖−𝑖𝑖 𝑠𝑖 𝑖𝑖 < 𝐷𝐺𝑖 < 𝑑𝑖

(4.3)

Où :

- 𝐷𝐺𝑖 - la différence globale entre deux acteurs pour un des quatre critères de

comparaison (situation initiale, tendance souhaitée, phénomène stratégique et

phénomène sensible).

- 𝑑𝑖 – le seuil de différence stricte pour chaque critère de comparaison

- 𝑖𝑖 − le seuil d’indifférence pour chaque critère de comparaison.

L’indice de concordance partielle pour les valeurs de la matrice de relations identiques MG

relations identiques de l’étape E est calculé de façon suivante :



178

Ci = 0 si MGi ≤ d

Ci =𝑀𝐺𝑖−𝑑𝑖

𝑑𝑖−𝑖𝑖 si 𝑑𝑖 < 𝑀𝐺i ≤ 𝑖𝑖

Ci = 1 si MGi ≥ 𝑖𝑖

(4.4)

Où :

- 𝑀𝐺𝑖- l’élément i de la matrice de concordance globale entre deux acteurs pour le

critère de comparaison : les relations identiques

- 𝑖𝑖− seuil d’indifférence

- di- seuil de différence

Nous disposons maintenant de cinq matrices d’indices de concordances partielles de type

acteurs x acteurs pour chaque critère de comparaison (situation initiale, relation souhaité,

phénomène stratégiques, phénomènes sensibles et relations identiques).

Etape 2 : Calcul de l’indice de concordance global

D’après la formule 3.8 du chapitre 3, l’indice de concordance globale est calculé à partir de la

somme des cinq indices de concordance partielles multiplié par leur poids et divisées pars la

somme des poids. Nous avons considéré que chaque élément (critère) de comparaison

présente le même poids (Tableau 3.14).

La formule 3.8 du chapitre 3, nous permet maintenant de calculer l’indice de concordance

globale (Tableau 4.17).

Tableau 4.17 : Indice de concordance globale C

Le tableau 4.17, nous permet de dire dès cette étape que la concordance est la plus forte est

entre l’acteur 1 et l’acteur 9, contrairement à la concordance entre l’acteur 1 et l’acteur 2, pour

lesquels l’indice de concordances est égal à 0.15.

Etape 3 : Evaluation de l’indice de discordance

Dans cette étape, nous analysons pour quels acteurs la divergence est la plus forte. C’est-à-

dire qu’on cherche les acteurs pour lesquels la différence est la plus grande.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,00 0,15 0,22 0,18 0,25 0,38 0,38 0,40 0,65 0,49 0,31 0,24 0,27 0,27 0,21 0,24 0,49

2 0,00 0,26 0,32 0,28 0,25 0,50 0,37 0,20 0,36 0,19 0,23 0,25 0,38 0,16 0,33 0,37

3 0,00 0,34 0,20 0,26 0,29 0,33 0,26 0,26 0,31 0,27 0,34 0,25 0,31 0,29 0,38

4 0,00 0,17 0,17 0,25 0,26 0,16 0,40 0,25 0,32 0,17 0,33 0,31 0,38 0,30

5 0,00 0,56 0,30 0,34 0,16 0,32 0,25 0,30 0,20 0,37 0,26 0,33 0,22

6 0,00 0,38 0,43 0,60 0,34 0,32 0,36 0,37 0,24 0,27 0,41 0,22

7 0,00 0,27 0,15 0,22 0,39 0,39 0,34 0,29 0,35 0,30 0,30

8 0,00 0,38 0,28 0,35 0,29 0,35 0,32 0,30 0,39 0,34

9 0,00 0,42 0,32 0,34 0,66 0,37 0,18 0,42 0,26

10 0,00 0,33 0,36 0,35 0,28 0,20 0,37 0,31

11 0,00 0,35 0,50 0,28 0,31 0,20 0,38

12 0,00 0,40 0,31 0,27 0,29 0,53

13 0,00 0,40 0,30 0,43 0,61

14 0,00 0,26 0,31 0,41

15 0,00 0,26 0,33

16 0,00 0,38

17 0,00

Indice de concordance globale



179

L’évaluation de l’indice de discordance peut se faire de deux façons : soit en utilisant les

quatre matrices de différences globales : DG situation initiale, DG tendances souhaitées, DG phénomènes

stratégiques, DG phénomènes sensibles ; soit à partir de la matrice globale des relations identiques: MG

relations identiques.

L’indice de discordances (avec les quatre matrices de différences globales) est défini par le

seuil de différence (di) et le seuil de véto (vi) de façon suivante :

di = 0 si DGi ≤ 𝑑𝑖

di =𝐷𝐺𝑖−𝑑𝑖

𝑣𝑖−𝑑𝑖 si 𝑑𝑖 < 𝐷𝐺i ≤ 𝑣𝑖

di = 1 si DGi ≥ 𝑣𝑖

(4.5)

Où: DGi – l’élément i de la matrice des différences globales entre deux acteurs pour la

situation initiale, tendances souhaitées, phénomènes stratégiques, phénomènes sensibles.

- 𝑣𝑖 – le seuil de véto

- 𝑑𝑖 – le seuil de différence.

Le seuil de véto (vi) est par définition, la valeur de la différence entre l’acteur A et l’acteur B

sur un critère i, à partir duquel il apparait prudent de refuser toute ressemblance entre l’acteur

A et B. Il constitue de ce fait une limitation de la compensation entre les critères.

Dans notre cas, le seuil de véto est choisi d’une manière volontariste pour chacun des critères

de comparaison et présenté dans le tableau 4.18.

Situation initiale Tendance Phénomène

stratégiques

Phénomène

sensible

Relations

identiques

Véto (vi) 10 10 0,7 0,5 0,01

Tableau 4.18 : Le seuil de véto de chaque critère

Les valeurs des pseudo-critères (ii, di, vi) sont choisies en fonction de la distribution des

valeurs des matrices globales DG situation initiale, DG tendances souhaitées, DG phénomènes stratégiques, DG

phénomènes sensibles, MG relations identiques.

L’indice de discordances partielles pour les relations identiques se calcule de la façon inverse

aux autres quatre critères de comparaison:

di = 0 si MGi ≥ 𝑑𝑖

di =𝑀𝐺𝑖−𝑑𝑖

𝑣𝑖−𝑑𝑖 si 𝑣𝑖 < 𝑀𝐺i ≤ 𝑑𝑖

di = 1 si MGi ≤ 𝑣𝑖

(4.6)

Où :

- MGi l’élément i de la matrice globale de relations identiques entre deux acteurs.

En se servant des informations calculées dans l’étape 1, étape 2 et l’étape 3, nous pouvons en

déduire, grâce à la formule 3.9 du chapitre 3, la matrice de ressemblance globale (MR)

(Tableau 4.19).



180

Tableau 4.19: Matrice des ressemblances globales (MR)

La matrice des ressemblances globales (MR) est semblable à la matrice de concordance

globale C, pour seule différence les éléments pour lesquels l’indice de concordance globale

est inférieur à l’indice de discordance.

Par rapport à la matrice de concordance globale C, la ressemblance la plus forte semble être

entre les acteurs 9 et 13 (0.66 dans le tableau 4.19), contrairement aux acteurs 9 et 2 pour

lesquels la ressemblance est la plus petite (0.08 dans le tableau 4.19).

Etape 5 : Calcul de la matrice de dissimilarités (DIS)

Pour identifier les « dissimilarités » entre les individus, nous allons nous servir de la

formule 3.7 du chapitre 3. La matrice de dissimilarités est l’inverse de la matrice de

ressemblances globales.

Tableau 4.20 : Matrice de dissimilarité globale, DIS

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1 0,00 0,15 0,14 0,11 0,22 0,38 0,38 0,40 0,65 0,49 0,23 0,24 0,27 0,27 0,18 0,16 0,49

2 0,00 0,26 0,24 0,28 0,25 0,33 0,19 0,08 0,36 0,11 0,10 0,17 0,20 0,16 0,33 0,20

3 0,00 0,34 0,20 0,26 0,29 0,33 0,26 0,12 0,31 0,27 0,34 0,25 0,31 0,29 0,38

4 0,00 0,17 0,17 0,11 0,26 0,16 0,40 0,25 0,32 0,17 0,33 0,31 0,38 0,30

5 0,00 0,56 0,30 0,34 0,16 0,24 0,25 0,30 0,20 0,37 0,12 0,25 0,22

6 0,00 0,38 0,43 0,60 0,34 0,32 0,36 0,37 0,24 0,27 0,41 0,22

7 0,00 0,18 0,15 0,09 0,39 0,39 0,34 0,29 0,18 0,14 0,30

8 0,00 0,38 0,28 0,35 0,29 0,35 0,32 0,30 0,39 0,34

9 0,00 0,42 0,32 0,34 0,66 0,37 0,18 0,42 0,26

10 0,00 0,33 0,36 0,35 0,28 0,20 0,37 0,31

11 0,00 0,35 0,50 0,28 0,31 0,20 0,38

12 0,00 0,40 0,31 0,27 0,29 0,53

13 0,00 0,40 0,30 0,43 0,61

14 0,00 0,26 0,31 0,41

15 0,00 0,26 0,33

16 0,00 0,38

17 0,00

Matrice de ressemblances globales (MR)

V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17

V1 0,00 0,85 0,86 0,89 0,78 0,62 0,62 0,60 0,35 0,51 0,77 0,76 0,73 0,73 0,82 0,84 0,51

V2 0,00 0,74 0,76 0,72 0,75 0,67 0,81 0,92 0,64 0,89 0,90 0,83 0,80 0,84 0,67 0,80

V3 0,00 0,66 0,80 0,74 0,71 0,67 0,74 0,88 0,69 0,73 0,66 0,75 0,69 0,71 0,62

V4 0,00 0,83 0,83 0,89 0,74 0,84 0,60 0,75 0,68 0,83 0,67 0,69 0,62 0,70

V5 0,00 0,44 0,70 0,66 0,84 0,76 0,75 0,70 0,80 0,63 0,88 0,75 0,78

V6 0,00 0,62 0,57 0,40 0,66 0,68 0,64 0,63 0,76 0,73 0,59 0,78

V7 0,00 0,82 0,85 0,91 0,61 0,61 0,66 0,71 0,82 0,86 0,70

V8 0,00 0,62 0,72 0,65 0,71 0,65 0,68 0,70 0,61 0,66

V9 0,00 0,58 0,68 0,66 0,34 0,63 0,82 0,58 0,74

V10 0,00 0,67 0,64 0,65 0,72 0,80 0,63 0,69

V11 0,00 0,65 0,50 0,72 0,69 0,80 0,62

V12 0,00 0,60 0,69 0,73 0,71 0,47

V13 0,00 0,60 0,70 0,57 0,39

V14 0,00 0,74 0,69 0,59

V15 0,00 0,74 0,67

V16 0,00 0,62

V17 0,00



181

A partir de la matrice DIS et en appliquant les méthodes de classification hiérarchiques

ascendante (chapitre 3, §2.3.2), nous pouvons trouver les groupes d’acteurs en fonction de

leurs dissimilarités (Figure 4.7).

Figure 4.7: La classification des acteurs

Nous avons identifié trois groupes d’acteurs qui nous permettront d’identifier les

caractéristiques divergentes de chaque groupe.

Le groupe 1 est composé de 7 acteurs : représentants des services de transport (A1), les

enseignants (A10), les commerçants de centre-ville (A8, A9, A13, A14), l’habitant salarié

(A16). C’est le groupe avec le plus de divergences entre les phénomènes.

Toutefois, trois éléments convergents ont pu être identifiés et justifient la constitution de ce

groupe. Selon le groupe 1 la situation du trafic de transit est moyenne, ainsi que le

stationnement en centre –ville. La situation de la pollution atmosphérique est mauvaise.

Pour la plupart de membre de ce groupe, il est nécessaire de baisser le niveau de

consommation de carburant, augmenter des places de Parking-Relais et améliorer le

stationnement centre-ville.

Le groupe 2 est composé de trois acteurs : l’élu (A2), l’association des personnes à mobilité

réduite (5) et l’habitant-salarié (A6). Les acteurs de ce groupe convergent globalement vers

l’amélioration de mêmes phénomènes : augmentation du niveau de sécurité, amélioration du

temps de déplacement en bus, augmentation du nombre de place de Parking-Relais,

amélioration du stationnement en centre-ville, amélioration du confort de déplacement. Ce

groupe d’acteur considère que la situation est moyenne concernant le stationnement en centre-

ville, la pollution et le niveau de congestion.

Le groupe 3 inclut en grand partie les commerçants du centre-ville : (A3), (A11), (A12) et les

habitants : (A17), (A15), (A7) et (A4). Ce groupe d’acteurs considère que le stationnement en

Groupe 1 Groupe 2 Groupe 3



182

centre-ville est moyen, ainsi que le niveau de consommation de carburant. Leur souhait est

d’améliorer le stationnement et réduire la pollution.

L’analyse des réponses des trois groupes d’acteurs permet d’identifier deux phénomènes sur

lesquels les trois groupes convergent : la situation moyenne, voire mauvaise du stationnement

en centre-ville, ainsi que la pollution. Cela trouve une explication dans le fait que le

stationnement dans le centre-ville est un réel problème pour les commerçants et pour les

habitants du centre-ville.

Un phénomène divergent pour l’ensemble des trois groupes est le niveau de congestion. Cela

peut s’expliquer par le fait que la vision de la congestion n’est pas la même pour tous les

acteurs en raison des horaires de travail différents pour chacun des acteurs. La congestion est

un phénomène qui se développe généralement davantage aux heures de pointe : 7h-10h et

16h-18h30. Etant donné que nos acteurs sont en grande partie des commerçants avec des

horaires de travail variables entre 10h et 19h, cela peut expliquer la divergence entre les

groupes vis-à-vis de ce phénomène

A ce stade de l’analyse, nous disposons de trois groupes d’acteurs qui convergent tous vers

une amélioration du phénomène de stationnement. On sait aussi que le groupe 1 représente les

acteurs avec des éléments les plus divergents. Le dialogue est indispensable au sein de ce

groupe pour un choix de compromis.

Les trois groupes d’acteurs ainsi définis, seront directement impliqués dans l’identification

des alternatives socialement acceptables ainsi que dans le choix d’une solution de compromis.

3 Identification des alternatives

Les sections §1, §2 de ce chapitre nous ont permis de décrire le contexte : caractéristiques de

la ville, les problèmes liés à la mobilité et les groupes d’acteurs impliqués dans le cadre des

projets de transport.

Il a été souligné que l’ensemble des acteurs trouvent le phénomène de stationnement en

centre-ville moyen et même mauvais.

Cette situation peut caractériser beaucoup de villes moyennes avec une absence de gestion du

stationnement et créer des conflits d’usagers: les habitants, commerçants, clients,

professionnels, tous estiment « avoir le droit de se garer gratuitement et au plus près ». Il est

bien connu que même dans les villes moyennes, l’espace public n’est pas extensible. Devant

une demande de stationnement toujours plus forte, les autorités locales doivent arbitrer entre

les uns et les autres pour éviter un blocage.

Plusieurs solutions sont envisageables pour résoudre ce blocage et une rationalisation de

l’espace:

• des cheminements piétonniers aménagés et agréables. À l'échelle d'une ville

moyenne, l'enjeu est de l'ordre de 5 à 10 minutes de marche pour rejoindre le centre-

ville;

• des pistes et bandes cyclables, car les déplacements de 1 à 3 kilomètres constituent

pleinement le domaine de pertinence du vélo;



183

• l'aménagement de pôles d'échanges multimodaux permet aussi d'éviter le recours

systématique à la voiture;

• l’utilisation du Parking-Relais8 et desserte du centre-ville avec des navettes

Les stratégies de Parking-Relais revêtent sous un même vocable des réalités très variées.

Certains P+R peuvent n’être utilisés qu’à l’occasion d’événements spéciaux tels que des

salons ou uniquement en période de pointe des achats (quelques jours avant Noël). D’autres

au contraire sont utilisés tous les jours.

La stratégie de Parking-Relais dans une ville de petite ou moyenne taille devrait être de

préférence intégrée au réseau de transport public standard avec des zones de parking aux

périphéries, notamment au terminus d’une ligne de bus urbain.

Le Parking-Relais (P+R) avec desserte du centre-ville par bus offre une vraie solution

d’économie (en termes de kilomètres parcourus et de carburant consommé, de temps de

transport) pour les « pendulaires9 » et permet de reprendre de la place à la voiture en centre-

ville.

Nous nous sommes penchés sur des cas concrets de mise en place de P+R pour identifier, par

des techniques de transférabilité et de préférences déclarées, les conditions indispensables

pour l’implémentation et la réussite de cette solution de stationnement et déplacement.

3.1 L’application des étapes de transférabilité

Nous rappelons que l’objectif des techniques de transférabilité est de se référer à des villes

relativement similaires puis d’identifier les solutions potentiellement transférables au nouveau

contexte.

Nous allons utiliser les trois étapes de la transférabilité identifiées dans le chapitre 3.

Etape 1 : Clarifier les impacts d’un Parking - Relais

Cette étape a l’avantage de faire ressortir directement les impacts positifs et négatifs d’un

projet et de voir s’ils répondent aux objectifs fixés.

Nous avons distingué plusieurs catégories d’objectifs pour l’implémentation d’un P+R

(Tableau 4.21) :

- des objectifs qui visent directement le trafic, la circulation automobile;

- des objectifs portant sur le stationnement ou plus globalement sur la gestion et sur la

réglementation de l’usage de l’espace urbain;

- des objectifs qui portent plus spécifiquement sur les transports collectifs;

- des objectifs se rapportant indirectement à la protection de l’environnement.

8 La Commission européenne présente le Parking-Relais comme un « lieu aménagé à proximité d’un arrêt de

transport public destiné à inciter un automobiliste à garer son véhicule pour emprunter ensuite un moyen de

transport collectif ». 9 Le « pendulaire » ou « migrant » vient travailler dans le centre-ville chaque jour. Il peut stationner pendant

des durées longues en cœur de ville.



184

Tous ces objectifs sont réunis autour d’un même objectif stratégique : inciter au transfert

modal de la voiture particulière vers le transport en commun en centre-ville.

Objectifs Indicateurs

Impacts Exemple réussi de

projets de P+R

Objectif portant sur le trafic

Fluidifier le trafic routier aux heures

de pointe sachant qu’une baisse même

faible des trafics peut améliorer

significativement les conditions de

circulation.

% de baisse du

trafic aux heures de

pointe

Positif

France [CERTU,

2010] :

Chambéry, Albi,

Aurillac, Beauvais,

Brive, Cahors

Europe

[PROCEED, 2009] :

York/GB

Oxford/ GB

Bologne, Pise /Italie

Cork/Irlande

Groningen/Pays Bas

Klagenfurt/Autriche

Accéder rapidement au centre-ville Temps de parcours Positif

Objectif portant sur le stationnement

Reporter en périphérie une partie de

la demande de stationnement

Taux d’utilisation

de (P+R)

Positif

Diminuer l'offre de stationnement

dans le centre- ville

% d’espace aux

profits collectifs ou

des modes doux de

transports

Positif

Améliorer le stationnement des

visiteurs du centre-ville

% de satisfaction

des visiteurs pour

le stationnement en

centre-ville

Positif

Objectif portant sur l’environnement

Réduire les émissions de polluants et

de gaz à effet de serre due aux

déplacements automobiles

Kg de CO2 Positif

Objectif portant sur le report modal

Elargir et diversifier la clientèle du

transport en commun

Nombre d’anciens

automobilistes

monomodaux dans

le P+R

Positif

Tableau 4.21: Les objectifs d’un P+R

Le principal indicateur d’efficacité de P+R suivi dans les villes françaises et européennes est

le taux d’utilisation du service ou le taux de remplissage du P+R.

Plusieurs éléments peuvent contribuer à la réussite d’un projet : le contexte local, mais aussi

le contexte national et international. Pour les villes qui souhaitent implanter un nouveau projet

de transport, il est toujours souhaitable d’analyser les impacts du projet dans une ville aux

caractéristiques relativement similaires, mais aussi de décrire les facteurs externes et internes

au projet.

Etape 2 : Evaluer les conditions locales des alternatives

Nous rappelons que l’analyse PESTEL, vu dans le chapitre précédant, nous permet d’évaluer

l’environnement externe d’un projet de transport et d’obtenir un diagnostic des facteurs au

niveau macro. Identifier les facteurs de succès et les barrières d’un projet de P+R sur la base

des exemples d’autres villes, permet une meilleure réussite du projet.

Les conditions identifiées dans le tableau 4.22 sont applicables à tous types de projets de

transport. Dans le cadre d’un projet de transport public, il est certain que la volonté politique

est un pré-requis essentiel.

http://en.wikipedia.org/wiki/Oxford



185

Politique Facteurs de

succès

Augmentation de la part modale du transport public

Plus de coordination entre les institutions

Stabilité politique

Intégration des politiques de transport et d'utilisation de l’espace urbain

Politique environnementale

Barrières Elections politiques et durée du mandat

Multiplication des différents acteurs dans la politique locale avec des

intérêts divergents

Conflits d’intérêt pour l’utilisation du sol

Economique

Facteurs de

succès

Distribution spatiale des activités économiques

La crise économique plaide en faveur de l’utilisation de modes de transport

moins chers

Evolution de la demande de transport

Barrières Déficit public

Distribution spatiale des activités économiques

Chômage

Socioculturel

Facteurs de

succès

Engagement vers le développement durable

Augmentation de la population des villes (densification)

Niveau d’éducation

Barrières La société et l'économie sont basées sur la voiture

La voiture est un vecteur de réussite sociale

Technologique

Facteurs de

succès

Nouvelle technologies et organisation pour un transport plus propre

Financement dans le domaine de la recherche

Vitesse de transfert de technologie et de connaissance

Existence de rapports de retours d’expérience

Barrières Réticences du financement des activités de recherche par les entreprises (la

recherche est essentiellement financée par les pouvoirs publics)

Environnemental

Facteurs de

succès

Nuisances en termes de bruits et de pollution au centre des préoccupations

Taxation nationale et internationale

Barrières Topographie

Des problèmes dans le financement de la recherché notamment sur les

véhicules électriques

Législation

Facteurs de

succès

Engagement national pour l’environnement: Grenelle 2.

Lois sur l’environnement

Barrières

Tableau 4.22 : Le diagnostic externe aux projets de transport

Les villes moyennes en France sont globalement caractérisées globalement par le même

environnement externe. Les conditions identifiées dans ces villes sont facilement transférables

au contexte de La Rochelle.

Une fois le diagnostic externe réalisé et les conditions externes de succès et les barrières

identifiées, il est indispensable de réaliser un diagnostic interne du projet.



186

Etape 3: Identifier les forces et les faiblesses de l’implantation d’un projet

La méthode SWOT (Strengths - Forces, Weaknesses- Faiblesses, Opportunities-

Opportunités, and Threats- Menaces) est très utilisée dans le domaine de l’évaluation

stratégique et de plus en plus rencontrée dans le domaine des transports pour une analyse

stratégique du marché. Nous allons utiliser cette méthode pour identifier les facteurs de succès

et les menaces internes et externes pour l’attente des objectifs d’un projet de P+R dans le

contexte français, mais aussi dans le contexte d’une ville moyenne européenne comme la ville

de La Rochelle (Tableau 4.23).

Facteurs

Utile

Néfaste

Inte

rnes

(p

rop

re a

u p

roje

t)

Forces

Localisation

Proche du centre-ville

Peut-être intéressant pour les villes touristiques

Le P+R doit être facilement accessible, situé sur

un axe routier majeur

La taille

Bien adapté aux villes de taille moyenne

Offre transport en commun associé

Navette au design attractif

Un complément aux autres modes de transport

Ne rentre pas en concurrence avec le transport

public payant

Tarification

Les navettes sont le plus souvent gratuites

Conditions d’utilisation

Une vitesse commerciale relativement élevée en

limitant le nombre d'arrêts dans le centre

Le P+R et la navette doivent être accessibles

aux personnes à mobilité réduite

Une alternative pour les « pendulaires »

(déplacements domicile-travail)

Disponibles pour un large éventail de groupes

d'utilisateurs

Un temps de parcours (P+R et centre-ville) de

10 minutes en heures de pointes

Une bonne lisibilité (jalonnement,

information…), facilité d’accès en voiture

Faiblesses

Localisation

Moins de 3 km entre P+R et le

centre-ville

La taille

Gros consommateurs d'espace (une

place de stationnement pour une

voiture avoisine les 25 m², il faut

ainsi compter 10 000 m² de surface

pour un Parking-Relais de 400

places)

Coût

Le coût d’investissement d’un

Parking-Relais selon qu’il se situe en

surface ou en ouvrage avec un

amortissement sur 30 ans se situe

entre 3 000 €/place et 12 000 €/place

En terme de gestion (sécurité,

gardiennage, maintenance, entretien),

il faut compter environ 480

€/place/an.

Les investissements pour une navette

varient entre 180 000 et 290 000

euros.

Le coût de fonctionnement pour une

navette est de 2.35 et 4.35 euros par

km

La concurrence avec d’autres

utilisateurs de l’espace urbain



187

Exte

rne

(pro

pre

au

marc

hé)

Opportunités

Une mesure globale de stationnement

(suppression de places en centre-ville,

réglementation…) et de déplacement

L’urgence de désengorger le centre-ville

Plus de coordination entre les modes de

transport

Intérêts politiques: limiter l'usage de la voiture

et de rendre la ville aux piétons et aux cyclistes

Nombre important de conducteurs privés

Aide financière de l’Union Européenne pour les

projets de transports durables

Publicité importante : vitrine pour la collectivité

Le stationnement de longue durée difficile en

centre-ville

La topographie (plaine pour les vélos, navette

électrique)

Un centre-ville historique à protéger

Le Bonus Eco transports

Menace

Un soutien insuffisant de la part des

élus

Manque d’intérêt des communes

d’accueil pour le Parking-Relais

La topographie (montagne pour les

vélos et navette électrique)

Tableau 4.23 : L’analyse SWOT des projets de P+R

Connaissant l’ensemble d’information du tableau 4.23, ainsi que du tableau 4.22, les villes qui

souhaitent mettre en place un Parking-Relais peuvent choisir une stratégie qui leur permet de

capitaliser sur ses forces, minimiser ses faiblesses, saisir les opportunités et contrer les

menaces.

En résumé de cette analyse, nous pouvons dire, qu’un projet de Parking-Relais réussi doit

avoir les caractéristiques suivantes: sûr, rapide, confortable, facile à trouver et à utiliser, avec

des dessertes vers le centre-ville fréquentes et fiables (navettes, bus ou transports publics

réguliers), un prix attractif et avoir fait l’objet d’une campagne publicitaire positive et

attractive.

Dans notre étude, nous allons nous concentrer en particulier sur les facteurs liés à la taille, à

l’offre de transport en commun associée, à la tarification et aux conditions d’utilisation.

Les facteurs liés à la localisation du P+R sont les suivants: le parking doit être facile à trouver,

à moins de 5 km de centre-ville, avec une grande surface. Ils relèvent de la décision politique

basée sur les rapports des ingénieurs. Il est bien évident qu’une concertation est nécessaire

entre la population des communes d’accueil du Parking-Relais.

Pour connaître l’avis de la population du centre-ville sur ce projet, nous avons soumis un

questionnaire construit à partir des plans d’expériences.

3.2 Préférences des groupes d’acteurs

Le succès d’implantation d’un Parking-Relais dépend en grande partie de la manière d’assurer

le transfert modal est assuré pour se rendre en centre-ville : bus, vélo en libre-service ou

voiture en libre-service et covoiturage. Nous allons présenter dans ce travail, l’analyse des

préférences entre le bus et vélo pour réaliser le trajet entre le Parking-Relais et le centre-ville.

Le recours à un mode de transport plutôt qu’à un autre dépend de plusieurs critères : son prix,

la distance du trajet, la distance de marche à pied jusqu’à l’accès au service, le type d’activité

que l’on a à mener.



188

Dans la mesure où le taux d’utilisation d’un Parking-Relais est fonction du comportement des

groupes d’acteurs, il convient tout d’abord de connaître leurs préférences en fonction de

plusieurs caractéristiques du trajet envisagé et notamment du mode de transport.

Cette étude préliminaire s’inscrit dans le cadre d’une analyse globale sur le changement

modal des utilisateurs du réseau routier urbain et sera exploitée en partie pour l’analyse des

préférences d’un moyen d’acheminement entre le Parking-Relais et le centre-ville.

Dans la mesure où certains scenarii sont nouveaux pour les usagers, il est souhaitable de

recourir à une modélisation de préférences déclarées pour le changement modal. Nous allons

reprendre les quatre étapes évoquées dans le chapitre 3, §4.1, pour la modélisation des

préférences.

La construction du questionnaire: choix des paramètres et des niveaux

Le choix des paramètres s’inspire d’une recherche bibliographique que nous avons menée

pour l’utilisation des modes de transport urbains [Boussier, 2007], [DePalma, 2001]. Nous

rappelons que si l’on souhaite tester, à l’aide d’un plan orthogonal, plusieurs types de modes

de transport à la fois, nous sommes dans l’obligation de choisir les mêmes paramètres et les

mêmes niveaux pour tous les modes.

Trois niveaux ont été définis pour chaque paramètre (Tableau 4.24).

Paramètre et notation Niveau 1 Niveau 2 Niveau 3

Longueur du trajet -

trajet

< 4 km 4-8 km 8-26 km

Coût du service-

prix

Inférieur à la voiture Similaire Supérieur à la voiture

Distance au service-

distance

< 100 m 100-300 m 300-500 m

Type d’activité –

activité

loisirs travail Courses

Tableau 4.24 : Les paramètres et les niveaux testés

La longueur du trajet représente la distance à parcourir entre le domicile –travail des futurs

usagers.

Comme on peut le voir dans le tableau 4.24, les niveaux du paramètre « coût » ne sont pas

renseignés en termes quantitatifs. Afin d’utiliser une référence dans le domaine des coûts,

nous avons utilisé la méthodologie COPERT. Selon cette méthodologie, nous pouvons

calculer le nombre de litre d’essence consommés en moyenne par jour pour un déplacement

domicile-travail et travail –domicile, soit en moyenne 30 kilomètres aller-retour. A partir de

ces informations, nous avons identifié un de coût par mois compris entre 85 euros et 200

euros, intégrant l’entretien, l’assurance etc.

La distance au service représente soit la distance de marche à pied jusqu’à la station vélo, soit

la distance de marche à pied jusqu’à l’arrêt du bus.

Chaque paramètre est décrit par trois niveaux : niveaux 1, niveau 2 et niveau 3. Nous voulons

tester aussi les interactions entre le coût et la loguer du trajet, le coût et la distance de marche

à pied au service, la longueur du trajet et la distance au service.



189

Il nous faut maintenant identifier le modèle et la table d’expérience qui décrit ce modèle avec

4 paramètres à 3 niveaux et de 3 interactions.

Le modèle de comportement

Le modèle utilisé pour quantifier les effets moyens des 4 variables et 3 interactions peut

s’écrire de façon suivant:

Umode = M + c1 c2 c3 Coût + d1 d2 d3 Distance + t1 t2 t3 Trajet +

+ a1 a2 a3 Activité +

c1d1 c1d2 c1d3

c2d1 c2d2 c2d3

c3d1 c3d2 c3d3

Coût/Distance +

+

c1t1 c1t2 c1t3

c2t1 c2t2 c2t3

c3t1 c3t2 c3t3

Coût/Trajet +

d1t1 d1t2 d1t3

d2t1 d2t2 d2t3

d3t1 d3t2 d3t3

Distance/Trajet

(4.7)

Où :

- M représente la moyenne générale des toutes les réponses

- 𝑐𝑖 représente l’effet moyen de la variable Coût au niveau i

- 𝑑𝑖 représente l’effet moyen de la variable Distance au niveau i

- 𝑡𝑖 représente l’effet moyen de la variable Trajet au niveau i

- 𝑎𝑖 représente l’effet moyen de la variable Activité au niveau i.

- 𝑐𝑖𝑑𝑗 représente l’effet moyen de la variable Coût et Distance quand le Coût est au

niveau i et la Distance au niveau j.

Le calcul de ces variables a été présenté dans le chapitre 3, § 4.1.

Construction du plan d’expérience correspondant au modèle (équation 4.7)

Comme nous avons vu dans le chapitre 3, § 4.1, pour identifier la taille du plan d’expérience

orthogonal, il est nécessaire de connaitre :

1. le nombre d’inconnus à tester dans le modèle noté p (équations 3.14 du chapitre 3).

2. Vérifier la propriété d’orthogonalité vis -à vis du modèle : la taille du plan N doit être

égale au multiple de plus petit commun multiple des produit des niveau et N doit être

supérieur ou égale à p.

Dans notre cas, il s’agit de p = 21inconnus à calculer et le plus petit commun multiple entre

(3 ; 3*3) est 9. On a deux conditions à respecter: 𝑁 ≥ 𝑝 𝑒𝑡 𝑁 = 𝑘 ∗ 9. On peut en déduire

que N=27.

Il s’agit donc d’une table orthogonale de 27 tests (table notée L27(3)13

) qui a été remplie selon

le graph linéaire (Annexe 2).

A partir de la table orthogonale L27(3)13

, nous pouvons construire ainsi notre questionnaire

avec 27 questions et 4 variables à trois niveaux (Tableau 4.25).



190

Tableau 4.25 : La réponse des acteurs pour le choix d’un mode de transport

Le Tableau 4.25 présente le questionnaire, que nous avons utilisé à La Rochelle pour

connaitre les préférences des usagers. Le but de ce questionnaire est de connaitre les

préférences des usagers au regard des alternatives qui leur sont proposées pour se rendre du

Parking-Relais au centre-ville.

Pour chaque scénario et pour chaque mode, les usagers se sont exprimés en mettant une note

de 1 (pas intéressé)à 6 (très intéressé) en faisant ainsi part de leur préférence.

Un exemple de question est présenté ci-dessous :

«Vous souhaitez vous rendre dans la ville de La Rochelle pour loisir. Vous êtes à une distance

de 8 à 14 km aller-retour du centre-ville, le prix du mode de transport utilisé est inférieur à

celui de la voiture, pour atteindre le service public vous devez parcourir à pied moins de 100

m ; quel score donnez-vous ? »

Les 3024 réponses collectées entre février et mai 2009 auprès des habitants de la

Communauté d’Agglomération de La Rochelle nous permettent d’alimenter notre modèle et

de conclure sur la significativité des variables et la validité globale des modèles.

Modes P&R - centre ville

1 légèremt inférieur <100m loisirs <8 km 4 4

2 légèremt inférieur <100m travail [8-14]km 6 2

3 légèremt inférieur <100m courses [14-26]km 1 6

4 légèremt inférieur [100-300] loisirs [8-14]km 6 5

5 légèremt inférieur [100-300] travail [14-26]km 1 5

6 légèremt inférieur [100-300] courses <8 km 4 3

7 légèremt inférieur [300m-500m] loisirs [14-26]km 1 5

8 légèremt inférieur [300m-500m] travail <8 km 4 4

9 légèremt inférieur [300m-500m] courses [8-14]km 2 2

10 équivalent <100m loisirs [8-14]km 4 5

11 équivalent <100m travail [14-26]km 1 5

12 équivalent <100m courses <8 km 4 3

13 équivalent [100-300] loisirs [14-26]km 1 5

14 équivalent [100-300] travail <8 km 4 4

15 équivalent [100-300] courses [8-14]km 2 2

16 équivalent [300m-500m] loisirs <8 km 5 2

17 équivalent [300m-500m] travail [8-14]km 4 2

18 équivalent [300m-500m] courses [14-26]km 1 5

19 légèremt supérieur <100m loisirs [14-26]km 1 4

20 légèremt supérieur <100m travail <8 km 5 2

21 légèremt supérieur <100m courses [8-14]km 3 2

22 légèremt supérieur [100-300] loisirs <8 km 5 2

23 légèremt supérieur [100-300] travail [8-14]km 3 2

24 légèremt supérieur [100-300] courses [14-26]km 1 4

25 légèremt supérieur [300m-500m] loisirs [8-14]km 3 2

26 légèremt supérieur [300m-500m] travail [14-26]km 1 4

27 légèremt supérieur [300m-500m] courses <8 km 5 1

vélo busn°

questionPrix du service (A) Distance au service

(B)

Type d'activité ( C) Distance du trajet aller-retour (D)

Paramètres



191

Identifier les coefficients du modèle

La modélisation des préférences des personnes questionnées apporte tout d’abord des

informations sur l’importance de chaque paramètre et sur l’importance les interactions entre

paramètres dans la perception de la qualité d’un service (Figure 4.8).

Figure 4.8 : La représentation des effets des paramètres sur le choix du bus (A) et (Vélo (B)

On peut constater que les variables des deux modèles A et B semblent être linéaires,

exceptions faite pour la variable « type d’activité » dans le modèle A et la « distance du

trajet », la « distance au service » pour le modèle B. Ce sont les paramètres qui font diverger

les préférences entre les deux modes de transport.



192

Validation des modèles

Nous allons utiliser l’analyse de la variance pour valider les modèles (chapitre 3, §4.1). Nous

allons nous intéresser premièrement à la significativité des variables de choix et ensuite à la

significativité globale des modèles (Tableau 2.26).

Tableau 4.26 : L’analyse de la variance pour le modèle bus et vélo

Les effets moyens des variables et des interactions diffèrent selon le mode de transport. Pour

chaque mode de transport les variables et les interactions perçus sont: soit NS – non-

significatif, soit S – significatif, soit TS – très significatif.

Constat 1

Les effets moyens diffèrent selon le mode de transport et sans surprise, pour les deux modes

étudiés, le coût du service et la distance de trajet sont significatifs à 5%. L’effet du coût de

service est plus important dans le modèle avec bus qu’avec vélo. (Figure 4.8).

Constat 2

Le scénario avec l’utilité maximale pour le choix du vélo est donné par : le prix inférieur à la

voiture + la distance au service <100 m + la distance trajet entre 4-8km + l’activité : loisirs.

Constat 3

Le scénario avec l’utilité maximal pour le choix du bus est donné par: le prix inférieur à la

voiture + la distance de marche à pied au service <100 m + la distance trajet < 4 km +

l’activité: travail.

Constat 4

A l’aide du test de Ficher-Snedecor de l’analyse de la variance (chapitre 3, § 4.1) nous

pouvons conclure sur la significativité globale des deux modèles. La variance du résidu résV

somme.carres variance Fexp

coût 1,958 0,979 13,689 ***

distance 0,397 0,199 2,779 *

trajet 1,184 0,592 8,277 ***

Somme totale 0,429 0,072

repetitions 1890,821 2,594 0,028

ddl résidus 6,000

somme.carres variance Fexp

coût 1,370275888 0,685138 5,249005 **

trajet 6,001228269 3,000614 22,98842 ***

activité 5,965513983 2,982757 22,85161 ***

Somme totale 0,783163265 0,130527

repetitions 2289,857143 3,141093

ddl résidus 6

Modèle vélo

(***, **, * ) significatif à (1%, 5%, 10%)

Modèle-bus



193

est très faible, et le rapport rés

rép

V

V(0.027 pour le bus et 0.0415 pour le vélo) demeure non-

significatif pour les deux modèles. On peut considérer que les deux modèles sont significatifs

globalement.

Pour satisfaire l’ensemble de préférences de choix modal, il est intéressant de mettre en place

un Parking-Relais avec un service de bus et un service de vélo en libre-service.

L’intérêt de cette étude est de connaitre quelles sont les variables qui influencent un choix

modal plutôt qu’un autre et à partir de quel niveau de variables les influences se font ressentir.

A partir de cette analyse, on peut envisager plusieurs leviers d’action afin d’améliorer la

perception de la qualité du service ou de la mise en place d’un service.

Nous nous sommes particulièrement penchés sur la mise en place d’un Parking-Relais avec

desserte en bus. Cette solution semble être plus favorable à toutes les catégories d’acteurs.

4 Evaluation a priori du taux d’utilisation

Le taux d’utilisation représente un indicateur important pour déterminer la taille adéquate

d’un Parking-Relais et pour évaluer les potentiels impacts sur le trafic, l’environnement, le

bien-être des habitants et des usagers du réseau routier.

En testant les effets des paramètres de choix d’un Parking-Relais avec navette, on peut

remonter à une probabilité d’utilisation, à première vue suffisante pour évaluer les impacts

potentiels.

Mais cette information n’est valable qu’à court terme, dans la mesure où des paramètres

exogènes peuvent modifier les préférences des futurs usagers, donc le taux d’utilisation et les

impacts.

Pour ces raisons, une étude conjointe des effets des paramètres internes (caractéristiques du

système parking relais- navette bus) et des paramètres exogènes (comme la hausse du prix de

carburant) doit nous renseigner :

sur la robustesse des comportements des usagers (la fidélité, selon l’évolution des

facteurs exogènes)

sur l’évolution du taux d’utilisation du parking-relais

sur une plage de valeurs dans laquelle il faut présenter les impacts attendus d’une

façon réaliste.

Pour calculer le taux d’utilisation du Parking-Relais, nous allons procéder à la même

démarche décrire dans le chapitre 3, §4.1.

4.1 Modélisation de la demande

Etape 1 : Choix des variables et des niveaux

Le choix des variables et de leurs niveaux n’est pas arbitraire, mais c’est le résultat d’une

étude de transférabilité menée dans le cadre du projet SUCCESS [CIVITAS-SUCCES, 2006]



194

et qui a permis de mettre en évidence les barrières à la réussite d’un projet d’implantation

d’un Parking -Relais:

- la navette correspondait à une ligne de bus de ville avec une fréquence de passage

supérieure à 15 min.

- et un parking gratuit se trouvant à 200 m du centre-ville, rendait le Parking-Relais peu

attractif

- il n’y avait pas de ligne de bus dédiée, ce qui faisait que le trajet était souvent plus

long qu’en voiture.

- La concertation avec la population locale n’a pas été optimale

- L’absence d’une étude a priori de la demande

Malgré des actions de communication publicitaire soutenue, le taux d’utilisation du Parking-

Relais a été en-deçà des attentes (environ10%) ;

Pour la mise en place d’un nouveau Parking-Relais pour les personnes habitants au nord de

La Rochelle, nous allons procéder à l’évaluation a priori du taux d’utilisation du service à

partir des variables identifiées dans l’étude de transférabilité.

Nous allons tester trois variables à deux niveaux et trois variables externes à deux niveaux

(Tableaux 4.27).

Tableau 4.27 : Paramètres internes et externes et niveaux correspondants testés

Etape 2 : Modèle de comportement

La fonction d’utilité des futures usagers est composée, comme nous avons présenté dans le

chapitre 3, §4.1, d’une partie déterministe et d’une partie aléatoire.

La partie déterministe de la fonction d’utilité réunit les effets des paramètres internes et

externes comme suit:

Paramètres et notations Niveau 1 Niveau 2

Prix du service par rapport à la voiture

(prix) Egal Inférieur

Fréquence de passage de la navette bus

(fréquence) 7-10 min 10-15min

Durée du trajet par rapport à la voiture

(durée) Egale

Supérieure de

5 min

Coût du stationnement libre se trouvant à

200 m du centre ville (stationnement ibre) Gratuit Payant

Coût du carburant (carburant) Actuel Supérieur

Parking relais surveillé (surveillance) Non Oui

Inte

rnes

exte

rnes



195

Uparking −relais = Umoy + ( p1 p2 prix + f1 f2 fréquance + d1 d2 durée paramètres internes

+

(l1 l2)stationgratuit + c1 c2 carburant + (s1 s2)surveillance paramètres externes

(4.8)

Etape 3 : Construction du plan d’expérience et collecte des données

Afin de réduire le nombre de tests, les paramètres ont chacun 2 niveaux et les effets des

interactions ne seront pas quantifiés.

Pour l’étude conjointe des effets moyens des 3 paramètres internes et des 3 paramètres

externes un plan croisé a été élaboré contenant 2 tables orthogonales L4(2)3 (chapitre 3,

tableau 3.18). Pour chaque scénario les futurs usagers vont exprimer leur préférence par une

note allant de 1 (pas intéressé) à 10 (très intéressé).

Le nombre de questions n’est pas important (16 par rapport à un plan complet qui en

compterait 64). En revanche, les questions, comprenant 6 variables, nécessitent un

accompagnement de la personne interviewée.

Ainsi, 432 réponses ont été collectées auprès de 27 personnes habitant au nord de La Rochelle

et travaillant au centre-ville - qui empruntent l’avenue principale reliant le Nord de la Ville à

son centre.

Etape 4 et 5: calcul des effets moyens et la validation du modèle

Pour chaque personne nous avons calculé un modèle des effets moyens des variables de choix

validé par l’analyse de la variance, pour obtenir le score de toutes les combinaisons possibles

des variables du tableau 4.34, soit 64 combinaisons pour chaque acteur (Annexe 3).

4.2 Le calcul du taux d’utilisation

Comme nous l’avons déjà précisé (chapitre 3, §4.2), l’usager risque d’avoir une perception

floue de la qualité d’un nouveau service et d’être indécis quant à son utilisation. Pour prendre

en compte ces aspects, les scores individuels ont été d’abord fuzzifiés afin de distinguer les

personnes décidées dans leurs choix (non intéressées NI et intéressées I) de celles indécises

(moyennement intéressées MI), selon la fonction d’appartenance ci-dessous (Figure 4.9).

Figure 4.9 : Fuzzification des préférences des usagers

Pour traiter l’indécision, nous nous sommes appuyés sur la théorie de l’évidence. Pour un

cadre de discernement, = {pas intéressé, intéressé}, la masse de chaque élément de

1 3 7 10

degré

d’appartenance

100%

score

décidée décidée

indéciseNI I

MI



196

l’ensemble va être affectée en fonction de la méthode fréquentiste (fréquence d’apparition

d’une attitude I, NI ou MI).

Pour chaque scenario testé: n% personnes peuvent être « très intéressées »; p% « pas

intéressées»; et q% «indécises».

Pour chaque scénario, la masse du sous-ensemble qui n’est pas singleton est redistribuée entre

les deux modalités selon la transformation pignistique de l’équation (3.18) du chapitre 3.

Dans le tableau 4.28 nous résumons les probabilités obtenues après l’application des

algorithmes de la logique floue et de la méthode fréquentiste.

Tableau 4.28 : Les probabilités calculées à partir de la collecte des données

Quel que soit le scénario du plan principal (contenant les paramètres internes), on peut

remarquer qu’il était fortement justifié de faire une étude des effets des paramètres externes

dans la mesure où la probabilité d’utilisation de ce service en est fortement dépendante (par

exemple dans le scénario 2, la probabilité est passée de 16,67% à 35,19%).

Le modèle de la probabilité d’utilisation du Parking-Relais avec le bus est présenté ci-

dessous:

Pparking −relais +bus

= 39% + −7.8% 7.8% prix + 3.4% −3.4% fréquence + 2.9% −2.9% durée +paramètres internes

+ (−5.9% 5.9%)stationgratuit + −2.4% 2.4% carburant + (−0.6 0.6)surveillance paramètre externes

(4.9)

La surveillance du parking n’est pas une variable significative pour le choix d’un Parking-

Relais. De ce fait, cette variable n’est pas incluse dans le modèle (4.9).

Pour une meilleure interprétation des effets moyens des variables sur la probabilité

d’utilisation du Parking-Relais et bus, nous allons les présenter sous une forme graphique

(Figure 4.10).

Stationnement libre Gratuit Gratuit Payant Payant

Carburant Actuel Supérieur Actuel Supérieur

Surveillance Non Oui Oui Non

Question prix Fréquence durée

1 Egale 7-10 min Egale 29,63% 35,19% 38,89% 46,30%

2 Egale 10-15min Supérieur de 5 min 16,67% 20,37% 27,78% 35,19%

3 Inférieur 7-10 min Supérieur de 5 min 37,04% 48,15% 51,85% 51,85%

4 Inférieur 10-15min Egale 37,04% 40,74% 53,70% 53,70%

Probabilité pignistique

Paramètres internes

Paramètres externes



197

Figure 4.10 : Effets moyens des paramètres internes et externes sur la probabilité d’utilisation du Parking

Relais avec bus

Principales conclusions issues de l’analyse du modèle probabiliste

Application de l’analyse de la variance

Suite à l’application de l’analyse de la variance, plusieurs résultats peuvent être mis en

évidence :

- La variance du résidu résV est très faible, et le rapport rés

rép

V

V demeure non-significatif.

Cela nous permet d’affirmer que le modèle explique bien la probabilité d’utilisation du

service.

- Les paramètres sont globalement significatifs à 5% sauf le paramètre lié au parking

surveillé qui demeure non significatif (Tableau 4.29):

Prix du

service par

rapport à la

voiture

Fréquence

du bus

Durée de

trajet par

rapport à la

voiture

Coût de

stationnement

en centre-ville

Coût du

carburant

Parking

surveillé

TS TS S TS S NS

Tableau 4.29: Significativité des paramètres du modèle de probabilité

L’analyse des effets moyens des paramètres et des interactions

Comme on peut remarquer dans la figure 4.10, l’effet moyen du paramètre interne le plus

significatif reste le prix de l’abonnement, ainsi que l’effet moyen du stationnement en centre-

ville (I) (paramètre externe) sur la probabilité d’utilisation.

D’après le modèle réduit (en négligeant, le paramètre non-significatif Parking-Relais

surveillé), le scénario avec la probabilité la plus élevé est donnée par:

Le Prix « inférieur à la voiture » + la fréquence du bus toutes les « 7-10 min » + la durée de

trajet « similaire à la voiture » + le stationnement proche du centre-ville « payant »+ le coût

du carburant « cher ».



198

On obtient alors une probabilité d’utilisation de 61,3 % (qui représente le pourcentage

d’utilisateurs par rapport à la population habitant au Nord de la ville et qui se rend au travail

au centre-ville).

Cela est bien sûr un scénario optimiste qui délimitera la borne supérieure du taux d’utilisation

du Parking- Relais si le Plan de Déplacement Urbain prévoit une ligne dédiée bus permettant

de réduire la durée du trajet et si le stationnement libre situé à 200 m du centre-ville devenait

payant.

Mais le prix du carburant est une variable dont on ne maîtrise pas l’évolution, et si, tous les

changements ci-dessus sont appliqués, pour un prix du carburant qui reste proche de celui

actuel, la probabilité d’utilisation serait de 56,5 %.

Même les attentes les plus « optimistes » doivent donc être fournies dans la plage des

probabilités [56,5 % ; 61,3%].

Le scénario avec la probabilité la plus petite est celui associé à la combinaison de niveaux

suivant :

Prix égal à la voiture + fréquence du bus toutes les 10-15 min + durée de trajet supérieure de

5 min à la voiture + stationnement proche du centre-ville gratuit+ carburant pas cher

En prenant en compte le fait que le prix est un paramètre non-maîtrisable, la plage des

probabilités « pessimistes » est [16,67% - 32 ,53%].

Comparaison entre le taux d’utilisation réel (évaluation a posteriori) et les

résultats issus de la modélisation des préférences (évaluation a priori)

Le Parking-Relais Greffières (Nord de la Rochelle) desservi par une ligne de Bus à Haut

Niveau de Service (BHNS) a été mis en place dans le courant de l’année 2010 alors que nous

finalisions notre simulation des impacts relative à l’implémentation d’un Parking-Relais avec

une navette.

Il est ouvert aux abonnés du réseau de transport public dans le cadre de leurs déplacements

domicile – travail, mais également aux visiteurs occasionnels.

Le taux d’utilisation du Parking- Relais en 2010

Les caractéristiques techniques du système tel qu’il a été implanté en 2010 sont présentées

dans le tableau 4.30 dans la colonne 1. Nous avons également identifié à côté de chaque

caractéristique les paramètres testés par préférences déclarées et les niveaux correspondants.

Caractéristique en 2010 Paramètre testé Niveau

Le prix de l’abonnement pour les

déplacements domicile- travail est de 245

€/an (ce qui revient à moins de 22 €/mois).

Prix Inférieur à celui de

la voiture

La navette passe toutes les 10 min. Fréquence Entre 10-15 min



199

Une ligne dédiée bus a été implantée dès fin

2009 afin d’assurer un déplacement rapide

entre le Parking-Relais et le centre-ville

Durée trajet Egale à la voiture

Le Parking-Relais n’est pas surveillé Surveillance Non

Le stationnement gratuit au pied du centre-

ville

Stationnement

libre

Gratuit

Tableau 4.30 : Les caractéristiques du Parking- Relais (Situation 2010)

Les résultats issus de la modélisation des comportements

La situation de 2010, concernant les caractéristiques du Parking-Relais a été testée dans notre

étude de scénario sur le taux d’utilisation du service. Comme on peut le voir dans le tableau

4.36 cette situation est caractérisée par la combinaison des paramètres du scénario 4 du plan

des paramètres internes et du scénario 1 du plan des paramètres externes. Cela correspond à

notre situation « actuel ».

Cette combinaison donne une probabilité d’utilisation de 37% contre le modèle réduit qui

calcule 38% après avoir négligé le paramètre surveillance du Parking-Relais.

𝑃𝑝𝑎𝑟𝑘𝑖𝑛𝑔 −𝑟𝑒𝑙𝑎𝑖𝑠 +𝑏𝑢𝑠 = 39.0% + 7.8% − 3.4% + 2.9% 𝑝𝑎𝑟𝑎𝑚 è𝑡𝑟𝑒𝑠 𝑖𝑛𝑡𝑒𝑟𝑛𝑒𝑠

−5.9% − 2.4% 𝑝𝑎𝑟𝑎𝑚 è𝑡𝑟𝑒𝑠 𝑒𝑥𝑡𝑒𝑟𝑛𝑒 𝑠

= 38%

(4.10)

Suite à l’enquête menée en 2010 et 2011 par le Service de Transports de la CdA La Rochelle

concernant la mise en place d’un Plan Déplacement Entreprise, 3500 salariés commerçants et

artisans des très petites entreprises du centre-ville de La Rochelle ont été interviewés. Parmi

eux, 8% viennent du Nord de La Rochelle (notre zone d’intérêt) pour le motif travail, soit

environ 280 personnes avec le moyen principal de déplacement- la voiture personnelle.

Suite à ce constat, il est possible d’en déduire le nombre de voitures susceptibles d’utiliser le

service Parking Relais. Avec une probabilité calculée de 37% d’utilisation du Parking-Relais

et le bus sur l’échantillon de 280 personnes, cela nous amène à environ 103 voitures.

Le taux d’utilisation du Parking- Relais en 2011

A partir de septembre 2011, le Parking-Relais a été complété avec 250 nouvelles places pour

atteindre un total de 400 places et un stationnement vélo sécurisé.

Par rapport à 2010, plusieurs changements ont été opérés (la fréquence de la navette a été

augmenté entre 8h-10h) et une partie des places du stationnement libre proche du centre- ville

sont devenues payantes (au total 25% des 550 existantes).

Les caractéristiques techniques du système actuel (décembre 2011) sont présentées dans le

tableau 4.31. Nous avons également identifié à côté de chaque caractéristique le paramètre qui

a été testé par préférences déclarées et le niveau correspondant.



200

Caractéristique en 2011 Paramètre testé Niveau

Le prix de l’abonnement pour les

déplacements domicile-travail est de 200

€/an (ce qui revient à moins de 17 €/mois).

Prix Inférieur à celui

de la voiture

La navette passe toutes les 8 min en

moyenne entre 8h-10h le matin.

Fréquence Entre 7-10 min

Une ligne dédiée bus a été implantée dès fin

2009 afin d’assurer un déplacement rapide

entre le Parking-Relais et le centre-ville

Durée trajet Egale à la voiture

Le Parking-Relais n’est pas surveillé Surveillance Non

Les places du stationnement libre sont

gratuites

Stationnement

libre

gratuit

Tableau 4.31 : Les caractéristiques du Parking- Relais (Situation 2011)

Notre approche de modélisation permet d’identifier la probabilité d’utilisation du service

selon le scénario présenté dans le tableau 4.31 pour la comparer aux données réelles issues

des comptages.

Selon l’analyse de la variance, on considérera que le paramètre surveillance du Parking-Relais

est non-significatif et que le prix de l’essence est considéré constant. Le modèle additif

permet de trouver la valeur de la probabilité d’utilisation comme suit:

𝑃𝑝𝑎𝑟𝑘𝑖𝑛𝑔 −𝑟𝑒𝑙𝑎𝑖𝑠 +𝑏𝑢𝑠 = 39.0% + 7.8% + 3.4% + 2.9% 𝑝𝑎𝑟𝑎𝑚 è𝑡𝑟𝑒𝑠 𝑖𝑛𝑡𝑒𝑟𝑛𝑒𝑠

−5.9% − 2.4% 𝑝𝑎𝑟𝑎𝑚 è𝑡𝑟𝑒𝑠 𝑒𝑥𝑡𝑒𝑟𝑛𝑒𝑠

= 44.8%

(4.11)

Avec ce taux d’utilisation, le nombre de voitures susceptibles d’utiliser le service Parking-

Relais et le bus est de l’ordre de 123 personnes sur 280 pour une utilisation dans le cadre de

déplacement domicile-travail.

Selon les dernières informations de la CDA de La Rochelle, la fréquentation actuelle

moyenne par jour du Parking–Relais s’élève à 142 véhicules (75% pour des déplacements

domicile –travail), soit environ 106 véhicules par jour pour un abonnement domicile-travail.

On peut remarquer que notre modèle surestime le nombre de voitures susceptibles d’utiliser le

service (123 voitures par rapport à 106 fréquentions actuelles). Cette différence d’estimation

peut être due à la pratique du covoiturage qui a commencé à se développer parmi la

population active et qui rend le taux d’occupation de la voiture supérieur à 1 et que nous

n’avons pas pris en compte dans la modélisation.

Prévisions pour 2012

Si toutes les places de stationnement sur le parking proche de centre-ville deviennent

payantes, le nombre de voitures susceptibles d’utiliser le Parking-Relais augmente et nous

nous retrouvons dans l’intervalle des probabilités « optimistes » calculées précédemment, à

savoir [56,5 % ; 61,3%] de 280 personnes, selon le prix du carburant (actuel ou en hausse).

Cela nous donne une estimation d’utilisation comprise entre 156 et 170 voitures. Si on prend

en compte la surestimation du taux d’utilisation (16%), alors la variable d’utilisation du

Parking-Relais varie dans l’intervalle optimiste (132 et143 voitures).



201

4.3 La robustesse des comportements

Nous rappelons que les prévisions pour l’année 2012 pour l’utilisation du Parking-Relais, ont

été faites avec l’hypothèse que le stationnement sur le parking proche de centre-ville (soit 550

places) est à 100% payant. En effet, il est possible que cette hypothèse ne soit pas en raison

d’un mécontentement des commerçants du centre-ville.

Dans ce contexte, nous considérons que seulement 25% à 50% de places de parking près de

centre-ville seront payantes.

A l’aide de l’étude de la robustesse des comportements des abonnées (l’étude de la fidélité au

service), nous allons identifier les combinaisons des variables qui donnent une probabilité

d’utilisation proche de l’intervalle optimiste, soit environ 50%.

Comme nous avons décrit dans le chapitre 3, §4.4, l’analyse de la robustesse est réalisé à

travers l’indicateur de robustesse de Taguchi, ou le signal sur bruit (S/N). Dans notre cas S

représente la moyenne sur ligne des probabilités et le bruit est l’écart-type entre les

probabilités de cette même ligne (Tableau 4.32).

Tableau 4.32 : Plan croisé pour l’analyse de la robustesse (fidélité) des abonnés

A partir des données du tableau 4.41, nous pouvons identifier le modèle de S/N:

𝑆𝑁 = 13.84 + −1.71 1.71 𝑝𝑟𝑖𝑥 + 1.74 − 1.74 𝑓𝑟é𝑞𝑢𝑒𝑛𝑐𝑒 + 0.72 − 0.72 𝑑𝑢𝑟é𝑒

𝑝𝑎𝑟𝑎𝑚 è𝑡𝑟𝑒𝑠 𝑖𝑛𝑡𝑒𝑟𝑛𝑒𝑠

(4.12)

Il est possible de remarquer, d’après le modèles des effets moyens, que le prix et la fréquence

ont un rôle important sut la fidélité des abonnés. L’effet moyen du paramètre

« durée » semble influencer le moins la probabilité d’utilisation.

Le choix du scénario le plus robuste est donné par l’indicateur de robustesse 10 log𝑌𝑖

2

𝑌 𝑖2 le plus

élevé.

Trois combinaisons permettent d’obtenir des probabilités proches de 50% (deux de ces

combinaisons ont déjà été testées lors du questionnaire) :

Stationnement libre Gratuit Gratuit Payant Payant

Carburant Actuel Supérieur Actuel Supérieur

Surveillance Non Oui Oui Non

Question prix Fréquence durée Moyenne = Ecart-type = 20log(Ymoy/ecart)

1 Egale 7-10 min Egale 29,63% 35,19% 38,89% 46,30% 37,50% 0,07 14,59

2 Egale 10-15min Supérieur de 5 min 16,67% 20,37% 27,78% 35,19% 25,00% 0,08 9,67

3 Inférieur 7-10 min Supérieur de 5 min 37,04% 48,15% 51,85% 51,85% 47,22% 0,07 16,57

4 Inférieur 10-15min Egale 37,04% 40,74% 53,70% 53,70% 46,30% 0,09 14,53

Paramètres internes

Probabilité pignistique

Paramètres externes



202

- de la question 3 avec une moyenne de 47% et un rapport S/N (dB) de 16,6.

- de la question 4 pour laquelle la moyenne est de 46% et le rapport S/N (dB) vaut 14,5.

Une analyse des scénarii hors plan (Tableau 4.32), nous permet d’identifier un autre scénario,

pour lequel le rapport du (S/N) est égal à 18.

Le prix « inférieur à la voiture »+ durée trajet « égale à la voiture» + fréquence du bus

« toutes les 7-10 min ».

Le scénario ainsi défini est le plus robuste aux fluctuations externes et permet d’avoir une

probabilité d’utilisation du Parking-Relais de 50% de 280 personnes, soit environ 140

voitures par jours.

A partir des données calculées dans cette section, il est possible d’identifier et de calculer les

impacts indirects du nouveau projet de Parking-Relais.

5 Simulation des impacts

La simulation nous permet de comparer les impacts entre un scénario avec projet et le

scénario initial. Pour effectuer cette comparaison, nous avons besoin de répondre à plusieurs

questions:

- Quels sont les impacts à évaluer ?

- Quelle est la situation initiale ?

- Quelle est la situation avec projet ?

- Comment mesurer les impacts ?

Nous allons structurer cette partie de sorte à répondre à ces quatre questions (Figure 4.11).

Figure 4.11: Simulation des impacts



203

5.1 Identification des impacts et méthodes de mesure

Comme déjà évoqué dans le chapitre 3, deux catégories d’impacts caractérisent un projet de

transport : les impacts directs et les impacts indirects.

Les impacts directs sont liés à l’utilisation directe d’un système de transport. Leur

importance dépend des caractéristiques de l’acteur économique qui les supporte:

o Pour les automobilistes cela se traduit par le prix d’achat du véhicule, l’assurance, le

coût du carburant, le coût d’entretien, le temps de trajet, les taxes ;

o Pour les usagers du transport en commun: le confort, le prix du ticket, le temps, le

niveau de sécurité

o Pour l’exploitant : le coût d’investissement et de fonctionnement

Les impacts indirects négatifs produits essentiellement par l’automobile: la

consommation de l’espace urbain, les accidents, la destruction et la décomposition de

l'espace urbain, la pollution atmosphérique, la consommation d’énergie non renouvelable,

le bruit et la congestion;

Les impacts indirects positifs, à mettre surtout à l’actif des transports collectifs, et

touchant le "bénéficiaire indirect", sans qu’il ne soit client. Ces bénéficiaires indirects sont:

o les automobilistes (qui se déplacent plus vite lorsqu'une partie d'entre eux a accepté

d'utiliser les transports collectifs au lieu de leur propre véhicule): gain de temps,

économie sur le coût de transport;

o les commerçants (croissance de la clientèle et du chiffre d'affaires) : amélioration de

l’accessibilité des lieux d’achat ;

o les promoteurs et propriétaires fonciers et immobiliers (plus-values foncières ou

commercialisation dans de meilleures conditions des appartements ou des bureaux

auxquels on accède rapidement en transports collectifs).

L’évaluation des impacts directs est réalisée à travers les méthodes directes comme les prix

imputables à la fin de mois ou de l’année pour l’utilisation du système de transport.

L’évaluation des impacts indirects liés au transport représente une tâche complexe. Car il n’y

a pas à l’heure actuelle de référentielle commun à l’ensemble des pays. Même au sein de

l’Union européenne, l’évaluation des impacts du transport se traduit par une hétérogénéité de

méthodes.

En France, le document de référence reste le rapport de Boîteux [Boiteux, 2001] en particulier

pour tout ce qui a trait à la monétarisation des impacts indirects liés aux investissements dans

le transport.

La traduction en termes monétaires des impacts des transports sur l'environnement, par

exemple, est une nécessité pour prendre des décisions cohérentes. Mais cette traduction ne

s'effectue pas exactement dans les mêmes termes selon la nature de la décision à prendre.

Ainsi, pour des décisions d'investissement, on cherchera à apprécier l'écart entre les coûts



204

avec et les coûts sans l'investissement dans un Parking-Relais avec navette, ainsi que la perte

ou le gain du bien-être social.

Nous allons nous intéresser, à partir de ces travaux, à l’évaluation des coûts d’impacts

externes du transport, ce que nous appelons ici, les coûts sociaux à l’échelle d’une zone

urbaine.

Nous analyserons les impacts du Parking-Relais et de la navette associée sur :

le coût de la congestion dans la zone étudiée (C1)

Pour rappeler « la congestion se définit comme la gêne que les véhicules s’imposent les uns

aux autres en raison de la relation qui existe entre la densité de circulation sur un itinéraire ou

sur un réseau (concentration des véhicules) et la vitesse d’écoulement du trafic, compte tenu

de la capacité (ou du débit maximal possible) » [Boiteux, 2001].

Le coût économique de la congestion peut être défini en théorie comme la différence entre

l’utilité effectivement retirée de l’usage de l’infrastructure et l’utilité qui en serait retirée si

elle était utilisée de façon optimale.

Dans notre étude, nous allons caractériser la congestion comme la différence entre la vitesse

mesurée des véhicules sur la zone d’étude pendant une période déterminée (heures de pointe,

notamment (8h-10)) et la vitesse simulée avec l’utilisation du Parking-Relais. Pour identifier

le coût de la congestion, nous allons calculer la perte de temps due à la baisse de la vitesse

dans la zone d’étude, en faisant appel au coût d’une heure de travail.

Nous allons calculer le coût de la perte de temps entre les deux situations en terme monétaire

de la façon suivante [Bilbao-Ubillos, 2008]:

𝐶1 = −𝑤(𝐿

𝑉1−

𝐿

𝑉2) (4.13)

Où C1 représente le coût de la perte du temps due à la congestion, w est le coût moyen d’une

heure de travail dans notre zone d’étude. L représente la longueur de la route d’étude (la

distance entre le Parking-Relais et le centre-ville est de 3.4 km), V1 est la vitesse moyenne sur

la route étudiée sans Parking Relais, V2 est la vitesse moyenne sur le trajet avec Parking

Relais. Les deux vitesses sont exprimées en kilomètre/heure. Le signe « - », indique que le

coût de la perte de temps va baisser avec le P+R.

Certains auteurs Willeke [Willeke, 1973] parlent d’un poids différent pour le coût de la perte

de temps selon le motif de déplacement:

- Pour le travail, le poids est égal à 1 ;

- Pour les études, le poids est égal à 0.69

- Pour les achats, le poids est égal à 0.59 ;

- Pour les loisirs, le poids est égal à 0.47.

Nous allons considérer que le poids du coût d’une heure de travail est égal à 1, ce que ne

change pas la formule 6.1.



205

Dans [INFRAS/IWW, 2004], l’estimation de la valeur du temps pour motif de déplacement

est la suivante : le coût d’une heure de travail est égale à 21 euros, pour le loisir, le coût d’une

heure est de 4 euros.

Sur la base des données statistiques de l’INSEE sur l’année 2011, nous avons déduit une

valeur moyenne pour le coût d’une heure de travail w = 13.29 euros/heure sur la base de 35

heures/ semaines. (Tableau 4.33).

Cadres Professions

intermédiaires

Employés Ouvriers

Salaire net annuel à temps complet 41263 22656 16245 16668

Salaire net de l’heure 22.67 12.44 8.9 9.15

Salaire net moyen 13.29 euros Tableau 4.33: Le salaire net moyen de l’heure en Charente- Maritime (17)

Le coût de la consommation du carburant liée à la congestion (C2)

Nous allons estimer la hausse ou la baisse de la consommation de carburant comme la

différence entre la consommation avec et sans projet de P+R.

Pour calculer le coût de la consommation de carburant dans une zone urbaine, nous allons

utiliser la formule suivante :

𝐂𝟐 = − 𝐂𝟐𝟏 − 𝐂𝟐𝟐 (4.14 )

Où 𝐶21 représente le coût de la consommation de carburant sur le trajet sans P+R et 𝐶22 est le

coût de la consommation de carburant avec le P+R. Le signe « - » est utilisé pour montrer la

baisse du prix entre les deux situations.

Nous allons calculer ces coûts de la façon suivante :

𝐶21 = 𝐿 ∗ 𝑝1 ∗ 0.22 ∗ 𝑁1 ∗ 𝑄1𝐸𝑠𝑠𝑒𝑛𝑐𝑒 + 𝑝2 ∗ 0.77 ∗ 𝑁1 ∗ 𝑄1𝐷𝑖𝑒𝑠𝑒𝑙 ] (4.15)

𝐂𝟐𝟐 = 𝐋 ∗ 𝐩𝟏 ∗ 𝟎.𝟐𝟐 ∗ 𝐍𝟐 ∗ 𝐐𝟐𝐄𝐬𝐬𝐞𝐧𝐜𝐞 + 𝐩𝟐 ∗ 𝟎.𝟕𝟕 ∗ 𝐍𝟐 ∗ 𝐐𝟐𝐃𝐢𝐞𝐬𝐞𝐥 ] (4.16)

Où 𝑝1 est le prix moyen pour d’un litre d’essence mesuré en euros ; 𝑝2 est le prix moyen pour

un litre de diesel mesuré en euros ; L représente la longueur de la route d’étude (la distance

entre le Parking-Relaiset le centre-ville est de 3.4 km) ; 𝑄1𝐸𝑠𝑠𝑒𝑛𝑐𝑒 est la quantité d’essence

consommé sans le P+R ; 𝑄2𝐸𝑠𝑠𝑒𝑛𝑐𝑒 est la quantité d’essence consommé avec le P+R ; 𝑄1𝐷𝑖𝑒𝑠𝑒𝑙

est la quantité de diesel consommé sans le P+R et 𝑄2𝐷𝑖𝑒𝑠𝑒𝑙 est la quantité consommée avec

P+R ; 𝑁1𝑒𝑡 𝑁2 représentent le nombre de voitures sur la route sans et avec P+R.

D’après les données du mois de février 2010 à la Rochelle (le début de nos simulation à La

Rochelle), le prix moyen pour un litre d’essence était de 1.25 euros/litre et pour un litre de

diesel de 1.20 euros/litre. Les caractéristiques de la flotte nationale en 2008 montrent que 22%

de VP (voitures privées) roulent à essence et 77% de VP au diesel.

Pour calculer la quantité d’essence et de diesel consommée avec et sans P+R (𝑄1𝐸𝑠𝑠𝑒𝑛𝑐 𝑒 ,𝑄2𝐸𝑠𝑠𝑒𝑛𝑐𝑒 , 𝑄1𝐷𝑖𝑒𝑠𝑒𝑙 , 𝑄2𝐷𝑖𝑒𝑠𝑒𝑙 ) nous allons utiliser la méthodologie COPERT III [Ntziachristos,

2000]



206

Le modèle COPERT III contient des fonctions exprimant la consommation dans une zone

urbaine en fonction de sa vitesse pour les voitures particulières (VP essence et les VP diesel)

(Figure 4.12).

Figure 4.12: La relation entre la vitesse et la consommation de fuel

Ainsi, les consommations de carburant sont calculées comme suit :

𝑄𝑖𝐸𝑠𝑠𝑒𝑛𝑐𝑒 (𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑘𝑚) = 135.4–2.31 × 𝑉𝑖 + 0.0144𝑉𝑖2 𝑎𝑣𝑒𝑐 𝑖 = 1,2 (4.17)

𝑄𝑖𝐷𝑖𝑒𝑠𝑒𝑙 (𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑘𝑚) = 91,1 – 1,3𝑉𝑖 + 0,0087𝑉𝑖2 𝑎𝑣𝑒𝑐 𝑖 = 1,2 (4.18)

Où 𝑉1 représente la vitesse moyenne sur la route sans P+R et 𝑉2 représente la vitesse moyenne

sur la route avec P+R.

On retient que:

pour les VP Essence la relation est valable pour les véhicules ayant une norme supérieure à

Euro I et dont la cylindrée est comprise entre 1,4 et 2,0L

pour les VP diesel la relation est valable pour les véhicules ayant une norme supérieure à

Euro I quelle que soit la cylindrée

le coût des émissions de CO2 - (C3)

Le calcul de coût pour les émissions de CO2 est réalisé avec la formule suivante :

𝐶3 = 𝑝3 ∗ [𝐸2,𝐶𝑂2

𝐶𝑎𝑙𝑐 − 𝐸1,𝐶𝑂2

𝐶𝑎𝑙𝑐 ] (4.19)

Où 𝑝3 représente le prix de la quantité d’émission de CO2 et 𝐸𝑖 ,𝐶𝑂2

𝐶𝑎𝑙𝑐 représente l’émission de

CO2 sur le trajet analysé avec i=1,2.

Pour calculer le prix d’une tonne de CO2, nous allons nous baser sur l’Instruction Cadre

relative aux méthodes d’évaluation économique des grands projets d’infrastructures de

transport [Instruction, 2005] (Tableau 4.34).

PERIODE 2000-2010 APRES 2010

100 €/tonne de carbone, soit 6.6 centimes d’euro par litre d’essence et 7.3

centimes d’euro par litre de diesel

+3%/an

Tableau 4.34: Le prix du carbone

(Source : Instruction 2005)



207

Nous allons transformer le prix d’une tonne de carbone en prix d’une tonne de CO2 utilisant

l’équivalent de l’ADEME (Agence de l'Environnement et de la Maîtrise de l'Energie)

(Tableau 6.3).

CARBONE EQUIVALENT ET CO2 EQUIVALENT LE PRIX DU CARBONE

1 kg C eq=3.67 kg CO2 eq 100€/ tonne C eq=100€/3.670 tonne CO2 eq

1 tonne de CO2= 27 euros

Tableau 4.35: Le facteur de conversion carbone

(Source [ADEME, 2007])

Les émissions de CO2 sont estimées sur la base de la consommation de carburants : essence et

diesel. Nous allons appliquer la formule tirée de la méthodologie de COPERT III pour la

situation 1 sans P+R et la situation 2 avec P+R:

𝐄𝟏,𝐂𝐎𝟐𝐂𝐚𝐥𝐜 = 𝟒𝟒.𝟎𝟏𝟏 ∗

(𝟎.𝟐𝟐∗𝐍𝟏∗𝐐𝟏𝐄𝐬𝐬𝐞𝐧𝐜𝐞)

𝟏𝟐.𝟎𝟏𝟏+𝟏.𝟎𝟎𝟖𝐫𝐇:𝐂,𝐞𝐬𝐬𝐞𝐧𝐜𝐞+

(𝟎.𝟕𝟕∗𝐍𝟏∗𝐐𝟏𝐃𝐢𝐞𝐬𝐞𝐥)

𝟏𝟐.𝟎𝟏𝟏+𝟏.𝟎𝟎𝟖𝐫𝐇:𝐂,𝐝𝐢𝐞𝐬𝐞𝐥 (4.20)

𝐄𝟐,𝐂𝐎𝟐𝐂𝐚𝐥𝐜 = 𝟒𝟒.𝟎𝟏𝟏 ∗

(𝟎.𝟐𝟐∗𝐍𝟐∗𝐐𝟐𝐄𝐬𝐬𝐞𝐧𝐜𝐞)

𝟏𝟐.𝟎𝟏𝟏+𝟏.𝟎𝟎𝟖𝐫𝐇:𝐂,𝐞𝐬𝐬𝐞𝐧𝐜𝐞+

(𝟎.𝟕𝟕∗𝐍𝟐∗𝐐𝟐𝐃𝐢𝐞𝐬𝐞𝐥)

𝟏𝟐.𝟎𝟏𝟏+𝟏.𝟎𝟎𝟖𝐫𝐇:𝐂,𝐝𝐢𝐞𝐬𝐞𝐥 (4.21)

Où, 𝑟𝐻:𝐶 est le ratio d’hydrogène de carbone dans le carburant (~1,8 pour essence et ~2,0 pour

diesel).

le coût des accidents (C4)

La gravité des accidents de la route dépend en grande partie de la vitesse de circulation et en

conséquence du nombre de véhicule sur la route (Figure 4.13). Une route avec une vitesse

élevée implique moins d’accidents, mais la gravité de ces accidents se décline en plusieurs

niveaux : fatal, très grave, grave, léger. Sur une route congestionnée, où la vitesse est basse et

la circulation très dense, les accidents sont souvent légers (sans hospitalisation) comprenant

en grande partie de dommages matériels.

Figure 4.13: La relation entre le nombre de voitures et le nombre d’accidents

Nous avons utilisé dans notre étude les coûts marginaux des accidents. Les coûts marginaux

des accidents sont les coûts occasionnés lorsqu'une unité de transport supplémentaire

(véhicule, camion, bus) utilise l'infrastructure. Le coût marginal des accidents comprend les

No

mb

re d

’acc

iden

ts

Nombre de voiture par unité de temps

Fatal Grave

Matériel



208

coûts de réparation, les coûts médicaux et les coûts résultant de la souffrance et des pertes de

temps imposés aux tiers.

L’étude de [INFRAS/ IWW, 2004] nous donne les références des couts marginaux pour les

différents catégories de véhicule et les différents types de route (Tableau 4.36).

PAYS ROUTE URBAINE

Voitures Camions et bus

Bas Moyen (𝐶41) haut Bas Moyen (𝐶42) haut

France 62.0 63.5 65.0 38.4 39.6 40.8

Tableau 4.36: Coût marginal des accidents en € pour 1000 véhicules* km

(Source : INFRAS/ IWW, 2004)

Pour calculer les coûts marginaux des accidents dans notre zone d’étude, nous allons utiliser

la formule suivante:

𝐂𝟒 = 𝐂𝟒𝟏 ∗𝐍𝐯𝐨𝐢𝐭𝐮𝐫𝐞∗𝐋

𝟏𝟎𝟎𝟎+ 𝐂𝟒𝟐 ∗

𝐍𝐜𝐚𝐦𝐢𝐨𝐧∗𝐋

𝟏𝟎𝟎𝟎 (4.22)

Où 𝑁𝑣𝑜𝑖𝑡𝑢𝑟𝑒 , 𝑁𝑐𝑎𝑚𝑖𝑜𝑛 représentent le nombre de voitures et de camions sur la route étudiée ;

𝐶41 ,𝐶42 sont les coûts marginaux moyens les différents catégories de transport (Tableau

4.36) ; L représente la longueur de la route. Dans notre application L= 3.4 km.

le coût du bruit (C5)

Différentes méthodes existent aujourd’hui pour calculer le coût de bruit lié au trafic: la

dépréciation immobilière liée à l’exposition sonore, le consentement à payer des ménages

pour réduire ce bruit (via une enquête population), le coût de l’élimination ou prévention du

bruit et les coûts sociaux supportés par la collectivité (soins médicaux, perte de capacité de

travail).

Dans le rapport [INFRAS/ IWW, 2004], le coût du bruit est calculé en utilisant les

caractéristique de la route : le volume de trafic quotidien, la proportion de poids lourds, la

vitesse de trafic, le type (urbain, interurbain) et la pente de la route. Cette étude montre que

dans une zone urbaine, pour un trafic difficile aux heures de pointe, le coût de bruit (C51) est

égal au 9.40 euros par kilomètre pour 1000 unités de transport. Dans le cas des véhicules

légères, l’unité de transport est égale à 1, pour les camions une unité de transport est égale à

1.5.

Nous allons utiliser cette donnée pour calculer le coût du bruit sur notre route d’étude:

𝐂𝟓 = 𝐂𝟓𝟏 ∗ 𝐍𝐯𝐨𝐢𝐭𝐮𝐫𝐞

𝟏𝟎𝟎𝟎 ∗

𝐍𝐜𝐚𝐦𝐢𝐨𝐧∗𝟏.𝟓

𝟏𝟎𝟎𝟎 ∗ 𝐋 (4.23)

Où 𝐶51 représente le coût du bruit par km pour 1000 unités de transport; 𝑁𝑣𝑜𝑖𝑡𝑢𝑟𝑒 , 𝑁𝑐𝑎𝑚𝑖𝑜𝑛

représentent le nombre de voitures et de camion et bus sur la route étudiée ; L représente la

distance de la route. Dans notre application L= 3.4 km.



209

Le coût de la pollution atmosphérique (C6)

Pour calculer le coût de la pollution atmosphérique, il est possible d’utiliser les mêmes

méthodes que pour l’indicateur du coût du bruit:

- à partir du coût des dommages, c'est-à-dire de sommes à dépenser pour "réparer"

les dégâts réels ou prévisibles ;

- à partir de valeurs révélées, c'est-à-dire de sommes que sont prêts à dépenser les

individus pour se protéger de nuisances ;

- à partir de coûts sociaux.

Dans notre cas, nous allons nous baser sur les données de références du rapporte de Boiteux

[Boiteux, 2001] du tableau 4.37.

DENSITE URBAINE DENSITE DIFFUSE

Véhicules personnelles (VP) 𝐶61 = 2.9 € 1.0 €

Poids lourd (PL) 𝐶62 = 28.2 € 9.9 €

Bus 24.9€ 8.7 €

Tableau 4.37: Valeur de la pollution atmosphérique (€/100 vehicules.km)

La formule utilisée pour le coût de la pollution atmosphérique dans une densité urbaine a la

forme suivante :

𝑪𝟔 = 𝐂𝟔𝟏 ∗𝐍𝐯𝐨𝐢𝐭𝐮𝐫𝐞

𝟏𝟎𝟎+ 𝐂𝟔𝟐 ∗

𝐍𝐜𝐚𝐦𝐢𝐨𝐧

𝟏𝟎𝟎 ∗ 𝐋 (4.24)

Où 𝐶61 et 𝐶62 sont les coûts de la pollution atmosphérique en fonction des catégories de

transport (Tableau 4.37); L est la distance du parcours, L=3.4 km.

Nous rappelons que tous ces indicateurs vont être utilisés pour décrire la situation initiale de

notre expérimentation (la situation sans le P+R et navette) et pour simuler la situation avec un

nouveau système de transport (la situation avec le P+R et navette).

5.2 Analyse de l’existant

Nous rappelons que l’objectif de notre étude est d’estimer les impacts de la mise en place

d’un P+R avec navette à destination du centre-ville à l’entrée nord de la Rochelle.

Les impacts du nouveau système de transport prennent en compte la perte de temps due à la

congestion, la consommation de carburant, l’émission de CO2, les accidents, le bruit et la

pollution atmosphérique. Nous allons analyser les impacts en cherchant leur équivalent

monétaire.

5.2.1 Choix de l’échelle spatiale et temporelle

Notre étude est réalisée sur la route principale qui relie le Nord de la Rochelle au centre-ville.

Il est proposé de construire un P+R à l’entrée principale de cette route sur la commune de

Lagord (Figure 4.14).



210

Figure 4.14: Les nouveaux projets de construction de P+R à la Rochelle et les pôles d’attractivités

Il faut souligner, que l’étude réalisée est basée sur la situation de 2008-2009, au

commencement de cette thèse. A partir de l’été 2010, la CDA de la Rochelle, a réellement mis

en place un P+R (situé un peu plus en amont que celui que nous envisageons dans notre cas

d’étude) relié au centre-ville par BHNS (Bus à Haut Niveau de Service). Notre analyse porte

sur deux situations: la situation initiale et la situation simulée.

5.2.2 La situation initiale – phase avant

Pour construire la situation initiale, nous nous somme basés sur deux types d’informations :

les informations géographiques et les informations sur le trafic. Les deux types d’informations

nous ont permis de construire, à l’aide de l’outil de simulation, une situation initiale

conforme aux données réelles.

Informations géographique

Nous avons repris la structure de la route étudiée d’une longueur de 3.4 km pour la reproduire

dans le simulateur (Figure 4.15).

P+R P+R



211

Figure 4.15: Un tronçon de route réel (b) (source : Google maps) et simulé (a)

Le simulateur est capable de respecter le sens du trafic, le nombre de voies de circulation

ainsi que de simuler la gestion des feux. Dans notre étude de cas, nous avons deux voies pour

chacun des sens de circulation.

Informations sur le trafic

Pour analyser le trafic dans notre zone d’étude, nous avons utilisé une base de données de

2007 de la CDA La Rochelle qui a mené sur cette artère et aux alentours une campagne de

comptage de véhicules. L’analyse des données nous a permis de constater que les jours ouvrés

de la semaine sont caractérisés par le même type de problème : difficulté de circulation entre

8h et 10h de matin (Figure 4.16) pour accéder au centre- ville.

Figure 4.16: Le trafic hebdomadaire dans notre zone d’étude (de l’entrée Nord au centre-ville de la

Rochelle)

La campagne de comptage pendant deux semaines (en 2007) sur la principale avenue qui relie

l’entrée Nord de la Rochelle au centre-ville nous a fourni des informations sur le nombre de

véhicules privées dites légeres (VL) et les poids lourds (PL) ainsi que leur vitesse moyenne de

circulation (Tableau 4.38).

Route simulée (a) Route réelle (b)



212

Tableau 4.38: Un extrait de relevé de comptage VL/PL sur l’avenue de 11 Novembre, La Rochelle

(Source : CDA La Rochelle)

Les données du tableau 4.37 constituent les entrées pour notre simulation. Nous allons nous

concentrer uniquement sur la période de pointe à l’entrée de la ville, entre 8h et 10h.

Période Nombre de véhicules Vitesse réelle (km/h) Entrée pour la simulation

VL PL Total VL PL Moyenne %

PL

Vitesse

autorisée

Véhicules

voie /2h

Véhicules/

voie/h

8h-10h 1330 127 1457 43.4 38 41 9% 50 728 364

Tableau 4.39: Les données réelles pour la simulation

5.3 Situation simulée- phase a priori

La situation « avec le P+R » est construite à partir de la situation initiale, utilisant les mêmes

informations géographiques : la distance, le type de trajet et le nombre de voies de circulation.

Contrairement à la situation initiale, qui utilise les données de trafic basées sur les comptages,

la situation simulée contient une étape intermédiaire de calcul du taux d’utilisation du P+R.

Calcul du taux d’utilisation du P+R et de la navette

Comme nous avons déjà exposé dans le chapitre 3, le taux d’utilisation du P+R est basé sur

des questionnaires menés dans le centre de la Rochelle auprès des personnes travaillant dans

le centre-ville et habitant dans le nord de la Rochelle (notre enquête de 2010) et complété par

mar 16-oct-07 <30 30-40 40-50 50-60 60-70 70-90 >90 Débit Vmoy(km/h)

VL PL VL PL VL PL VL PL VL PL VL PL VL PL VL PL TV VL PL

0h-1h 0 0 0 0 1 0 6 0 1 0 1 0 0 0 9 0 9 57,8

1h-2h 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 65

2h-3h 0 0 0 0 0 0 0 0 4 0 3 0 1 0 8 0 8 75

3h-4h 1 0 0 0 0 0 1 1 0 0 1 0 0 0 3 1 4 50 55

4h-5h 3 0 0 0 3 0 7 3 3 0 4 0 0 1 20 4 24 54 66,3

5h-6h 1 0 3 1 8 1 16 2 12 0 7 0 1 0 48 4 52 58,3 47,5

6h-7h 5 3 9 4 21 7 26 3 30 2 12 0 2 0 105 19 124 56 41,8

7h-8h 38 16 155 15 231 25 105 12 32 2 19 0 1 0 581 70 651 44,5 38,3

8h-9h 60 10 253 44 264 16 105 5 37 4 17 1 0 0 736 80 816 42,4 37,8

9h-10h 42 10 171 17 195 11 133 3 41 6 12 0 0 0 594 47 641 44,3 38,2

10h-11h 64 8 159 18 201 15 99 4 33 0 8 0 0 1 564 46 610 42,2 37,9

11h-12h 48 2 152 17 164 12 126 8 40 2 7 0 1 0 538 41 579 43,9 42,3

12h-13h 34 5 109 6 139 10 113 4 35 2 15 0 1 0 446 27 473 45,7 40,2

13h-14h 61 7 194 14 220 15 125 4 34 1 11 0 0 0 645 41 686 42,7 37,9

14h-15h 57 6 170 16 265 12 188 9 42 4 19 1 0 0 741 48 789 45 42,2

15h-16h 45 6 211 22 233 15 133 5 26 4 3 1 0 0 651 53 704 42,7 40,6

16h-17h 54 10 213 17 194 10 107 6 36 1 11 0 0 0 615 44 659 42,4 36,1

17h-18h 57 3 187 18 236 10 108 6 43 1 10 0 1 0 642 38 680 43,1 40

18h-19h 34 2 150 11 152 12 101 8 43 2 11 1 0 0 491 36 527 44,5 44,6

19h-20h 25 2 98 7 87 6 77 1 46 0 13 0 7 0 353 16 369 47,3 37,5

20h-21h 12 0 31 0 41 2 67 1 38 0 23 0 1 0 213 3 216 52,6 48,3

21h-22h 2 0 20 0 20 0 31 0 27 1 7 0 0 0 107 1 108 52,8 65

22h-23h 4 0 6 0 13 0 22 0 13 0 10 0 0 0 68 0 68 54,6

23h-24h 1 0 4 0 7 0 17 1 9 1 6 0 2 0 46 2 48 58 60

TOTAL 648 90 2295 227 2695 179 1713 86 626 33 230 4 18 2 8225 621 8846 44,6 39,8



213

une enquête de la CDA de La Rochelle sur les déplacements domicile - travail (2010) auprès

de 4552 personnes travaillant à la Rochelle.

Nous rappelons (selon paragraphe §4.2) que 74.4 % de personnes se rendent dans le centre-

ville. Parmi les personnes qui se rendent en centre-ville, 8% viennent du Nord de la Rochelle,

soit environ 280 personnes. L’ensemble de ces personnes utilise la voiture pour leur

déplacement domicile- travail.

Selon le cadre d’analyse défini, pour notre enquête, nous avons interrogé les personnes qui

travaillent dans un rayon de 500 mètres autour de la Place de Verdun (un point central dans la

ville, qui fait office de gare routière et constitue l’un des principaux pôles d’échanges) (Figure

4.17). Cette zone est caractérisée par des activités tertiaires, principalement de commerce, de

restauration et de professions libérales.

Figure 4.17: La zone du questionnaire

Le rayon de 500 mètres n’est pas un choix aléatoire. Il a été démontré, à travers plusieurs

études [Bonnel, 2004], que la mise en place d’une mesure de changement modal qui implique

la marche à pied, n’est pas acceptable par les usagers que si elle est situé dans un rayon

inférieur à 500 mètres.

En prenant en considération l’ensemble de personne interrogées dans l’enquête de la CDA de

la Rochelle (2010) habitant au Nord de l’Agglomération et qui viennent travailler dans le

centre-ville, nous pouvons estimer à 140 le nombre de personnes susceptibles d’utiliser

régulièrement le P+R et la navette (280*49.5%). Le scénario avec la probabilité maximale est

donné dans le Tableau 4.38.

Le prix du service

P+R et navette

La fréquence de

la navette

La durée de parcours

entre

P+ R et centre- ville

Le

stationnement

libre en centre-

ville

Cout de

l’essence

actuel

Le

parking

surveille

ou non

Inférieur 7-10 min Egale gratuit Supérieur Non

Tableau 4.40: Le scénario avec la probabilité maximale

Pl. Verdun

500 m

Direction P+R



214

L’estimation du report modal vers le Parking-Relais+bus, soit 140 personnes, est utilisée pour

le calcul des impacts de la mise en place de ce service. Ainsi, les données d’entrée pour la

simulation de la situation avec P+R regroupent : le taux d’utilisation du service, le

pourcentage des poids lourds, le nombre total de véhicule sur chaque voie par heure.

5.4 Mesure des impacts

La mesure des impacts a été faite par rapport à la situation initiale – sans projet avec un taux

d’utilisation de P+R de 50%. Les résultats obtenus suite à nos simulations sont encourageants

d’un point de vue économique, social et environnemental (Figure 4.18).

Figure 4.18: Les variables de sortie de la simulation

Nous constations que le la situation s’améliore suite à l’implémentation du P+R et de la

navette (Tableau 4.41).

PERIODE

VITESSE

KM/H NUMBRE DE

VOITURE

GAINS

coût de

temps (€)

coût de

fuel (€)

coût des

accidents (€)

Coût lié aux

émissions de CO2 (€)

coût

environemental (€)

8-10h 41* 45** 1456* 1309** 49.45 7.75 31.29 0.46 19.21

Année (218 jours de travail / ans) 10780 1689.5 6821.22 100.28 4187

Total /8h-10h/an 23577.6 €

Tableau 4.41: Les gains de l’implémentation du P+R et la navette (*état sans P+R et ** état avec P+R)

Le gain social total annuel entre 8h-10h, toute chose égale par ailleurs, s’élève à 23 577 euros.

Cette conclusion est très intéressante, car même avec un taux de changement modal de 10% le

gain social quant à lui est très significatif.

Il est possible que le scénario ainsi identifié et évalué a priori, ne convient pas à l’ensemble

des trois groupes d’acteurs identifiés dans la phase de diagnostic. Dans cette situation, il est



215

possible, toujours à travers le questionnaire, d’identifier une solution de compromis qui

satisfasse l’ensemble des groupes d’acteurs.

6 Solution de compromis

6.1 Identifier les variables à tester

L’objectif de cette étape est d’étudier la solution de compromis pouvant satisfaire au mieux

les acteurs de la ville.

Nous avons repris les groupes d’acteurs identifiés lors de la phase diagnostic :

Groupe 1 composé de 7 acteurs : représentants des services de transport (A1), les

enseignants (A10), les commerçants de centre-ville (A8, A9, A13, A14), l’habitant

salarié (A16).

Le groupe 2 composé de trois acteurs : l’élu (A2), l’association des personnes à

mobilité réduite (A5) et l’habitant- salarié (A6).

Le groupe 3 inclut en grand partie les commerçants du centre-ville : (A3), (A11),

(A12) et les habitants : (A17), (A15), (A7) et (A4).

Les trois groupes de travail, doivent se prononcer sur un certain nombre de scénarii.

Le nombre de scénarii dépend du nombre de variables choisies (chapitre 3, § 6). Dans notre

cas, nous avons retenu 4 variables. En utilisant le principe de Doehlert [Dohelert, 1970], nous

obtenons que le nombre de scénarii à tester est: N=42 +4+1= 21.

Les quatre variables choisies sont divisées en plusieurs niveaux différents:

V1: la première variable représente la fréquence de la navette avec 3 niveaux

(l’intervalle de temps entre 2 navettes)

V2: la deuxième variable représente le prix du service par ans avec 7 niveaux

V3: la troisième variable représente le nombre d’arrêts entre le Parking-Relais (P+R)

et le centre-ville avec 7 niveaux.

V4: la dernière variable représente la durée du trajet entre le Parking-Relais et le

centre-ville.

Chaque variable varie dans un intervalle [Vmin; Vmax] établi par les acteurs en fonction de

leurs préférences (Tableau 4.42)

Valeur (Vi) V min V max

V1 10 30

V2 200 350

V3 1 7

V4 15 25

Tableau 4.42: Les niveaux de variables

Pour construire notre questionnaire, nous allons transformer les variables en utilisant les

relations du codage du Tableau 4.43.



216

Factor (Vi) V min i V max i

𝑉𝑚𝑎𝑥 + 𝑉𝑚𝑖𝑛2

𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛

2

Les variables codées (Xi)

V1 10 30 20 10 X1= (vi-20)/20

V2 10 350 275 75 X2= (vi-275/75

V3 1 7 4 3 X3= (vi-4)/3

V4 15 25 20 5 X4= (vi-15)/25

Tableau 4.43: Les variables et leurs niveaux

Nous allons utiliser les relations de codage des variables pour transformer la matrice de

Doehlert en scénarii, pour notre questionnaire (Tableau 4.44).

Tableau 4.44: Les 21 scénarios du questionnaire

Les trois groupe d’acteurs doivent s’exprimer sur les 21 scénarios en notant chaque scénario

par un score de 1 (préférence nulle) jusqu’à 10 (préférence forte).

6.2 La modélisation mathématique

Pour l’analyse mathématique, nous avons choisi de recourir à la méthode ANAVAR et des

MCO (moindres carrés ordinaire). Cela nous a permis d’identifier les modèles de chaque

groupe d’acteurs, les coefficients du modèle et les résidus (les écarts entre les valeurs

observées et les valeurs prévues par le modèle). La méthodologie d’analyse des résultats

consiste à établir un modèle mathématique pour chacune des réponses observées. Les deux

méthodes utilisées pour le choix du modèle ont été largement développées dans le chapitre 3.

A l’aide des logiciels statistiques (R et SPlus), nous avons obtenu trois modèles pour les trois


Groupe1 = a0Const+a1Prix +a2Arrêt+u (4.25)

Groupe2 = a0Const+a1Prix +a2Arrêt +a3Fréquence + a4Durrée+u (4.26)

La matrice de Doehlert Les scénario du questionnaire Le score

X1 X2 X3 X4 Construction Fréquence Prix Arrêt Durée Groupe 1Groupe 2 Groupe 3

1 0,00 0,00 0,00 0,00 sommet 20 275 4 20 4 8 5

2 1,00 0,00 0,00 0,00 sommet 30 275 4 20 4 7 4

3 -1,00 0,00 0,00 0,00 (1)-(2) 10 275 4 20 3 8 7

4 0,50 0,87 0,00 0,00 sommet 25 340 4 20 3 4 4

5 -0,50 -0,87 0,00 0,00 (1)-(4) 15 210 4 20 6 8 7

6 0,50 -0,87 0,00 0,00 (2)-(4) 25 210 4 20 6 6 6

7 -0,50 0,87 0,00 0,00 (4)-(2) 15 340 4 20 4 7 5

8 0,50 0,29 0,82 0,00 sommet 25 297 6 20 4 7 3

9 -0,50 -0,29 -0,82 0,00 (1)-(8) 15 253 2 20 9 7 9

10 0,50 -0,29 -0,82 0,00 (2)-(8) 25 253 2 20 8 6 8

11 0,00 0,58 -0,82 0,00 (4)-(8) 20 318 2 20 7 4 6

12 -0,50 0,29 0,82 0,00 (8)-(2) 15 297 6 20 6 9 7

13 0,00 -0,58 0,82 0,00 (8)-(4) 20 232 6 20 6 8 6

14 0,50 0,29 0,20 0,79 sommet 25 297 5 24 4 5 5

15 -0,50 -0,29 -0,20 -0,79 (1)-(14) 15 253 3 16 9 8 6

16 0,50 -0,29 -0,20 -0,79 (2)-(14) 25 253 3 16 7 7 5

17 0,00 0,58 -0,20 -0,79 (4)-(14) 20 318 3 16 6 5 6

18 0,00 0,00 0,61 -0,79 (8)-(14) 20 275 6 16 5 8 4

19 -0,50 0,29 0,20 0,79 (14)-(2) 15 297 5 24 7 6 5

20 0,00 -0,58 0,20 0,79 (14)-(4) 20 232 5 24 6 7 6

21 0,00 0,00 -0,61 0,79 (14)-(8) 20 275 2 24 5 4 3



217

Groupe3 = a0Const+a1Prix + a2Arrêt +a3Fréquence +u (4.27)

Les coefficients des différents modèles sont présentés dans le Tableau 4.45.

Groupe 1 Groupe 2 Groupe 3

Coefficients t value Pr (>|t|) Coefficients t value Pr (>|t|) Coefficients t value Pr (>|t|)

a0 13.0108 4.90 0.0001

*** 15.30872 6.371 9.28e-06

*** 14.046275 5.859 1.90e-05

*** a1 -0.01923 -2.14 0.046

* -0.01692 -3.133 0.00643

** -0.015386 -2.12 0.0483

* a2 -0.51362 -2.24 0.037

* 0.528013 3.828 0.00148

** -0.360897 -1.95 0.0673

. a3 -0.120000 -2.960 0.00923

** -0.140000 -2.57 0.0195

* a4 -0.187394 -2.338 0.03268

*

Codes de significativité: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Analyse de la variance

F-statistique =4.811 à 2 et18 DF

p-value =0.02119

F-statistique: 9.671 à 4 et 16 DF,

p-value: 0.0003576

F-statistique: 5.001 à 3 et17 DF,

p-value: 0.01147

Tableau 4.45: Les résultats de la régression

Suite à l’analyse statistique des trois modèles, nous pouvons en déduire plusieurs

commentaires :

Les coefficients a0, a1, a2, a3, a4 représentent le poids estimé de chaque variable des

modèles : constante, prix, arrêt, fréquence et durée.

Le t value (test de Student) permet de tester l’hypothèse (nulle) selon laquelle la valeur

des coefficients de régression ne sont pas significativement différents de zéro. En

d’autres termes, qu’il existe bien une relation entre la variable dépendante et la

variable indépendante en question.

La Pr (>|t|) donne la probabilité que le coefficient ait une valeur nulle compte tenu de la

valeur de la statistique t value.

Pour le modèle 1, les variables significatives sont la constante, le prix et le nombre

d’arrêts. Il y a 4% de chance que la variable prix soit nulle, 3% pour que la variable

arrêt soit nulle. Les variables du modèle 1 sont toutes significatives à 1%.

Pour le modèle 2, les variables significatives sont la constante, le prix du service, le

nombre d’arrêts pour la navette et la fréquence.

Pour le modèle 3, les variables significatives sont la constante, le prix et le nombre

d’arrêts.

Le F-statistique (ou test de Fisher) mesure le rapport entre la variance de la variable

dépendante expliquée et non-expliquée par le modèle de régression. L’hypothèse que

ce test tente d’évaluer (hypothèse nulle) est que le rapport entre la variance expliquée

par le modèle est (approximativement) égal à la variance qui reste inexpliquée.



218

Dans le modèle 1, F-statistique = 4.8, ce qui signifie que la part de la variance de la

variable dépendante expliquée par le modèle est 4.8 fois plus importante que la part de

la variance de la variable dépendante qui reste inexpliquée. Le F-statistique nous

permet de conclure si un modèle est globalement validé.

La p-value donne la probabilité d’observer, si l’hypothèse nulle (du test de Fisher) est

vérifiée. Dans le modèle 1, p-value = 0.02. Il y a 2% de chances que l’hypothèse nulle

soit vérifiée, que F soit supérieur à F calculé.

Dans cette section, nous avons obtenu trois modèles pour trois groupes d’acteurs. L’analyse

des modèles nous permet d’identifier les variables qui influencent le plus les choix des

acteurs. Cette information nous est utile dans l’identification d’un compromis entre plusieurs

scénarii proposés pour l’implémentation du P+R avec la navette.

6.3 La désirabilité individuelle de chaque groupe

Le choix de compromis entre plusieurs scénarii et plusieurs acteurs nécessite une

transformation des réponses des acteurs afin de les rendre comparables. Comme nous l’avons

précisé dans le paragraphe 6 du chapitre 3, nous nous proposons d’utiliser dans notre exemple

une fonction de désirabilité individuelle de la forme :

𝑑𝑖 =

0 𝑠𝑖 0 ≤ 𝑆𝑖 < 4𝑆𝑖−4

8−4 𝑠𝑖 4 ≤ 𝑆𝑖 < 8

1 𝑠𝑖 8 ≤ 𝑆𝑖 ≤ 10

(4.28)

Nous rappelons que la désirabilité individuelle se traduit dans notre application par le degré

de satisfaction des acteurs en fonction du niveau de la réponse observée. On attribue un indice

de satisfaction de 100% lorsque le scénario est satisfaisant, qu’il correspond au souhait. Cet

indice est egal à zéro si la valeur de la réponse se trouve à l’extérieur de l’interrvalle de

désirabilité.

6.4 La désirabilité globale

Dès lors que toutes les réponses ont été transformées à partir des fonctions de désirabilité

individuelle, nous allons chercher le scenario et les niveaux des variables qui satisfassent au

mieux les trois groupes d’acteurs.

La valeur de la fonction de désirabilité globale est définie à partir de la moyenne géométrique

des valeurs des fonctions de désirabilité individuelle di.

Dans notre cas, la désirabilité globale est obtenue par la formule :

𝑑𝑔 = 𝑑1 ∗ 𝑑2 ∗ 𝑑33 (4.29)

La fonction de la désirabilité globale appartient à l’intervalle fermé [0,1]. La recherche de

l’optimum consiste à trouver le niveau de facteurs qui maximise la valeur de la fonction de

désirabilité globale. Le résultat d’analyse sur les 21 scénarios et les 3 groupes d’acteurs est

présenté dans le tableau 4.46.



219

Tableau 4.46: la fonction de désirabilité globale

Le scénario avec la désirabilité maximale est donné dans le tableau 4.47:

Fréquence Prix par an Nb d’Arrêt Durée navette

15 253 2 20 Tableau 4.47 : Le scénario avec l’indice de désirabilité maximal

A partir des résultats du tableau 4.47 et du modèle du score calculé dans le paragraphe 4 du

chapitre 4, il est possible d’identifier le taux d’utilisation du service de Parking-Relais pour ce

scénario.

D’après les niveaux des variables du tableau 4.27, pour une fréquence de navette toute les 15

minutes (niveau 2), pour un prix de service inférieur à la voiture (niveau 2), avec une durée de

parcours entre le Parking-Relais et le centre- ville égale à la voiture (Niveau 2) et avec le

stationnement payant près du centre (la situation probable du 2012) –(niveau 2), le taux

d’utilisation est donnée par :

𝐏𝐩𝐚𝐫𝐤𝐢𝐧𝐠−𝐫𝐞𝐥𝐚𝐢𝐬+𝐛𝐮𝐬 = 𝟑𝟗% + 𝟕.𝟖% − 𝟑.𝟒% − 𝟐.𝟗% + 𝟓.𝟗% = 𝟒𝟔.𝟒% (4.30)

Pour une analyse des impacts, il est possible de réaliser une simulation, comme il a été décrit

dans la section 5 de ce chapitre.

Conclusion

Comme évoqué précédemment, ces dernières années, plusieurs études de cas nous ont permis

de tester notre approche étape par étape : modélisation des comportements pour la gestion et

l’extension d’un service car-sharing ; conception d’un processus d’apprentissage multi-agents

pour le stationnement des camionnettes de livraison de marchandises sur des places réservées;

application de la technique de transférabilité pour l’implantation d’une zone d’accès contrôlé

d’une ville partenaire dans un projet européen ; recherche d’une solution de compromis pour

la mise en place d’un service car-sharing.

distance SCORE DESIRABILITE

Groupe 1 Groupe 2 Groupe 3 d1 d2 d3 dg

1 4 8 5 0 1 0,25 0,0

2 4 7 4 0 0,75 0 0,0

3 3 8 7 0 1 0,75 0,0

4 3 4 4 0 0 0 0,0

5 6 8 7 0,5 1 0,75 0,1

6 6 6 6 0,5 0,5 0,5 0,0

7 4 7 5 0 0,75 0,25 0,0

8 4 7 3 0 0,75 0 0,0

9 9 7 9 1 0,75 1 0,3

10 8 6 8 1 0,5 1 0,2

11 7 4 6 0,75 0 0,5 0,0

12 6 9 7 0,5 1 0,75 0,1

13 6 8 6 0,5 1 0,5 0,1

14 4 5 5 0 0,25 0,25 0,0

15 9 8 6 1 1 0,5 0,2

16 7 7 5 0,75 0,75 0,25 0,0

17 6 5 6 0,5 0,25 0,5 0,0

18 5 8 4 0,25 1 0 0,0

19 7 6 5 0,75 0,5 0,25 0,0

20 6 7 6 0,5 0,75 0,5 0,1

21 5 4 3 0,25 0 0 0,0



220

Nous avons choisi toutefois de présenter dans son ensemble l’application de la méthodologie

d’évaluation a priori des impacts à l’implantation d’un Parking-Relais censé de capter les

pendulaires habitant au Nord de La Rochelle.

Nos travaux ont démarré deux ans avant la mise en place réelle du projet. La mise en œuvre

de ce projet par la Communauté d’Agglomération de La Rochelle n’a pas suivi – et cela est

normal – fidèlement les étapes de notre méthodologie.

Seules les phases d’identification des alternatives (desserte du centre-ville à partir du Parking-

Relais) et d’analyse de la demande peuvent être comparées :

Identification des alternatives

Implémentation réelle du projet: le choix s’est porté sur l’emploi d’une navette-bus reliant

le P+R au centre-ville; presque 2 ans après sa mise en place, une station de vélo en libre-

service a été ouverte afin que certains usagers puissent rejoindre le centre-ville en vélo;

Implémentation suggérée par l’analyse a priori : après l’étude de transférabilité qui

semblait favorable aux deux alternatives, la modélisation des préférences des usagers a

montré, a priori, que les utilités perçues pour le bus et le vélo partageaient les mêmes

plages de valeurs. Techniquement possibles, il avait été analysé que la mise en place

conjointe des 2 modes pouvait assurer une utilisation optimisée du Parking Relais.

Analyse de la demande

Implémentation du projet : les enquêtes réalisées ont permis de recueillir des statistiques

sur les comportements des usagers habitant au Nord de la Rochelle. Il n’a pas été possible

toutefois d’estimer le taux d’utilisation du Parking-Relais entre 8h-10 h le matin, ni son

évolution en fonction de certains facteurs internes (comme la fréquence de passage des

navettes) et certains paramètres externes (comme le stationnement libre concurrentiel

payant). « Victime » de son succès, le nombre de places est passé moins de deux ans après

son ouverture de 150 places à 400 places;

Implémentation suggérée par l’analyse a priori : l’évaluation de la probabilité d’utilisation

via un modèle comportemental a permis de trouver des valeurs assez proches de celles

mesurées. Il était donc possible de montrer, grâce à l’évaluation a priori que les

changements tendaient à envisager que le Parking-Relais serait assez rapidement saturé.

Et ce d’autant plus qu’un paramètre que l’on ne maîtrise pas (le prix du carburant) a pu

favoriser le report modal. Grâce à l’évaluation a priori, la capacité d’accueil aurait pu être,

revue à la hausse, avec des travaux moins onéreux.

Affiner une solution technique pour trouver une solution de compromis qui satisfasse au

mieux l’ensemble des acteurs, même si elle est un peu moins positive en termes d’impacts,

nous semble essentielle dans une démarche participative pour une mise en œuvre réussie.

Le simulateur employé, enrichi par l’ajout des modules d’évaluation de la probabilité

d’utilisation et des impacts environnementaux permet de fournir a priori les impacts du

nouveau projet. Il sera intéressant de confronter par la suite les résultats mesurés a posteriori

avec ceux simulés a priori.



221

La possibilité de fournir des scénarios pessimistes et optimistes et de connaître la robustesse

(la fidélité des usagers) permettra aux décideurs, une estimation des coûts et bénéfices directs.

Bien qu’il n’ait pas été abordé dans nos travaux, cet aspect ouvre une ouverture pour une

utilisation ultérieure de notre approche.

Conclusion générale

222

Conclusions générales

Nous souhaitons rappeler dans un premier temps l’objectif de notre travail, la démarche que

nous avons adoptée puis les principaux résultats obtenus. Enfin, nous proposons quelques

pistes d’amélioration et orientations de recherche pour un approfondissement ultérieur.

Objectifs

Face au développement massif des déplacements urbains en voiture, force est de constater

qu’au cours des décennies passées, le plus souvent, la ville a dû s’ adapter à l’automobile et

non l’inverse. Cette dérive a eu pour conséquence un étalement urbain non-contrôlé, une

forte congestion au centre-ville, une consommation accrue de carburant, engendrant un impact

significatif et néfaste sur l’environnement et une iniquité sociale au regard de la mobilité qui

s’accroît. C’est la raison pour laquelle les pouvoirs publics tentent cherchent à adopter des

stratégies en faveur d’un transport durable - pour inverser la tendance.

Les décideurs essaient d’agir sur l’offre et la demande de déplacements : en encourageant

l’utilisation des modes doux (marche à pied, vélo), en proposant de nouvelles formes de

mobilité (covoiturage, voiture en libre-service), en rendant facile le passage d’un mode de

transport à un autre (en favorisant la multimodalité et l’intermodalité), en rendant plus

efficace et agréables les transports publics plus conventionnels comme le bus.

Adopter un nouveau projet de transport représente un risque en matière d’investissement et

engage le décideur par un certain degré d’irréversibilité. Se préparer à adopter un nouveau

projet, c’est aussi entrer dans un système aux parties prenantes multiples, ayant des visions et

des intérêts différents. Ces derniers, s’ils ne sont pas pris en compte, peuvent dériver en

conflits et être bloquant pour un projet – voire le remettre tout simplement en cause.

Développer une démarche qui vise à prendre en compte les points de vue des parties prenantes

– au premier rang desquelles la population locale - constitue aujourd’hui un besoin pour des

décideurs. Beaucoup attendent un outil d’aide à la décision qui permet de prendre en compte

l’aspect multi acteurs et multicritères et ce, avant la mise en place d’un projet, dans une

évaluation a priori des impacts en toute transparence.

Nos travaux cherchent à contribuer au développement d’outils d’aide à la décision dans le

domaine du transport. Ils visent à proposer une méthodologie d’évaluation a priori d’un projet

de transport urbain localisé, à relativement court terme (<5ans).

Structurée en plusieurs étapes, notre approche a permis de répondre aux questions qu’on s’est

posées au début de ce travail, à savoir :

- Quels sont les acteurs du projet et comment impliquer la population locale dans le

projet ?

- A quelles étapes du projet les acteurs et les représentants des groupes définis

doivent-ils participer ?

- Quel projet choisir pour l’amélioration de la mobilité urbaine ?

- Comment estimer a priori le taux d’utilisation d’un nouveau projet de transport

Les réponses à ces questions sont dévoilées au fur et à mesure du déroulement de notre

démarche d’évaluation.


223

Premièrement, nous avons fixé le cadre d’analyse, de circonscrire le domaine (ou

périmètre) d’étude, mais également d’exprimer le besoin d’amélioration (ce qui sera et

ce qui ne sera pas couvert par l’étude). L’horizon temporel que nous avons retenu

conditionne les types d’interactions entre les sous-systèmes urbains à prendre en

considération. Nous avons fait le choix d’une évaluation à 5 ans car nous l’estimons

réaliste pour toute extrapolation.

Comme nous l’avons déjà mentionné, la participation des acteurs dès la phase de

diagnostic reste une des conditions pour la bonne réussite d’un projet de transport.

La phase de diagnostic participatif a plusieurs objectifs. Tout d’abord de provoquer et

organiser la participation d’une grande partie des acteurs détenteurs d’enjeux. Puis de

mettre en œuvre un processus permettant l’expression de tous, une réelle prise en

compte des points de vue de tous les acteurs impliqués, intégrant leurs systèmes de

valeurs et leurs objectifs. Faute de pouvoir garder tous les acteurs autour d’une table

de concertation, la finalité de la phase de diagnostic participatif est d’arriver à faire

émerger, malgré les divergences des points de vue et des objectifs, des groupes

d’acteurs. Pour ce faire, une approche statistique a été adaptée dans le but de

formaliser les similarités et dissimilarités de perception - par les acteurs - des

phénomènes urbains, les interactions entre les phénomènes et les préférences

d’évolution

Le choix des alternatives est alimenté par deux démarches. Il s’agit tout d’abord de

faire appel aux méthodes de transférabilité pour savoir dans quelle mesure une ville

peut s’inspirer, pour la mise en œuvre de ses propres actions, de projets développés

dans une autre ville, un autre contexte. Ensuite, les alternatives techniquement

faisables, peuvent être soumises à une analyse des préférences déclarées pour

identifier l’alternative socialement acceptable.

L’évaluation de la probabilité d’utilisation de cette alternative, nécessite le

développement d’un modèle comportemental agrégé qui tient compte de la perception

vague et l’indécision des usagers potentiels devant un nouveau service de transport.

Les préférences déclarées des usagers sont collectées à l’aide de questionnaires avec

plusieurs scénarios issus d’un jeu de niveaux des variables testées.

Ces questionnaires permettent de couvrir, grâce à leur orthogonalité, le domaine

expérimental souhaité par les représentants des groupes d’acteurs. A partir des

réponses des acteurs, une note donnée pour chaque scénario, il est possible d’identifier

un modèle agrégé de préférences des acteurs.

La logique floue et la théorie des croyances intègrent, dans notre démarche, la

perception vague des usagers et leur indécision devant de nouveaux projets.

L’application de la théorie de la demande des déplacements permet ensuite de

remonter à la probabilité d’utilisation du service de transport dont l’évolution, même à

un horizon temporel court (moins de 5 ans) mérite d’être analysée conjointement avec

des paramètres exogènes (prix du pétrole, accessibilité à d’autres services).

Les changements des comportements des usagers en fonction de paramètres exogènes

(prix du pétrole, accessibilité…) sont pris en compte à l’aide d’un indicateur de

robustesse (fidélité). La définition de cet indicateur s’inspire de travaux d’optimisation

des procédés industriels et permet aux décideurs soit de choisir la solution technique

la plus robuste (pour laquelle les usagers restent quasiment fidèles au choix initial),

soit de proposer une plage de variation de la probabilité d’utilisation du service,


224

bornée par une hypothèse pessimiste et optimiste (et que l’on retrouvera également

dans l’évaluation des impacts). Dans le premier cas, il est également possible

.d’identifier les paramètres exogènes qui jouent un rôle significatif dans le choix des

usagers et d’essayer d’agir (quand c’est possible) dans le sens d’une amélioration ;

Un micro-simulateur de trafic a permis d’évaluer les impacts des différents scénarii

sur le trafic, l’environnement et le bien-être des citoyens, mais aussi de les visualiser

en fonction des attentes exprimées par les décideurs. Des évolutions ont été apportées

tant sur la forme (type de conduite, jonctions) que sur le fond (les modules de collecte

et de traitement de préférences déclarées, d’analyse de la robustesse, d’évaluation des

impacts, la prise en compte de l’activité de stationnement et du trafic poids lourds et

bus) pour en faire un produit adapté à notre démarche. Cet outil permet de visualiser

les impacts sur le trafic des scénarii testés et de présenter les coûts et bénéfices sur le

trafic, l’environnement et le bien-être par une comparaison entre la phase avant-projet

et la projection des impacts monétarisés à court terme ;

Une solution de compromis basée sur la modélisation des préférences des

représentants des groupes d’acteurs à l’aide des réseaux de Doehlert clôture cette

approche participative. Elle n’a pas pour finalité de proposer le scénario le plus

optimal en termes d’impacts, mais de proposer celui qui satisferait au mieux la plupart

des représentants des groupes d’acteurs.

Dans sa globalité nos travaux ont l’originalité de proposer une nouvelle approche d’évaluation

a priori basée sur une démarche participative, dans laquelle l’usager est au centre de la

décision. Validée au fur et à mesure du développement des étapes par nos paires (conférences,

publications), nous avons attendu une validation qui confrontait les résultats de notre

démarche a priori à ceux d’un projet de Parking-Relais implanté en parallèle par la CdA de

La Rochelle.

Comme tous ces types de travaux, qui visent à proposer de nouvelles approches dans leur

intégralité, les objectifs étaient ambitieux. Certains aspects ont été beaucoup l’objet de

recherches approfondies, certains objectifs ont été revus à la baisse, voire laissé pour un

approfondissement dans de futurs travaux de recherche. Nous mentionnons ci-dessous les

éléments qu’il nous parait important de développer pour améliorer notre approche et l’outil de

simulation développé.

Pistes d’amélioration envisagées

1) les impacts évalués concernent essentiellement les volets trafic, environnement et le

bien-être des usagers. En revanche, le modèle ne renseigne pas sur les coûts impliqués

par les projets mis en œuvre (coût d’investissement, coût de fonctionnement). Aussi, il

serait utile, dans la phase d’identification des alternatives (approche et simulateur),

d’intégrer un modèle d’évaluation des coûts et bénéfices directs à un horizon de 5 ans.

Au final, les sorties de ce modèle peuvent permettre d’enrichir en amont la procédure

d’évaluation économique sans en modifier les principes.

2) la phase de diagnostic, avec ses algorithmes statistiques relativement lourds à la

charge de l’homme d’étude, devrait être intégrée comme un module à part entière dans

le simulateur, pour faciliter l’étape de groupement des acteurs et de sélection des

indicateurs pertinents ;


225

3) la robustesse permet de prendre en compte l’influence des critères exogènes sur le

modèle de choix, mais ne permet pas d’analyser l’interaction entre le projet étudié et

d’autres projets de transport qui seraient implantés dans la même zone urbaine. Une

phase additionnelle basée sur la modélisation des préférences déclarées des usagers

pourrait être intégrée dans cette étude de robustesse, afin de redistribuer conjointement

les probabilités d’utilisation concurrentielles ;

4) pour l’instant, le simulateur est plutôt adapté à l’étude de nos applications. Pour une

utilisation élargie à plusieurs types de projets, plus de flexibilité devrait être envisagée

dans la définition des paramètres et niveaux à tester, au choix du questionnaire ; à son

tour, la phase d’étude d’une solution de compromis devrait constituer un module du

simulateur pour faciliter à l’homme d’étude la sélection du scénario à plus grande

désirabilité.

5) dans l’esprit du développement d’un outil interactif convivial, une maquette devrait

être soumise aux potentiels utilisateurs (décideurs et hommes d’étude), afin de tester

l’ergonomie lors des phases de spécification (élaboration des enquêtes, par exemple),

de manipulation des résultats intermédiaires et même de collecte de préférences.

En conclusion, le modèle proposé est évidemment perfectible, en particulier dans la partie

identification des alternatives. Malgré les évolutions portées, l’outil de simulation n’est qu’à

une phase embryonnaire et serait facile à améliorer (en ajoutant deux modules

supplémentaires) et d’adapter pour une utilisation plus élargie et une collecte interactive de

données.

L’approche théorique et le simulateur développé sont conçus comme des outils d’aide à la

décision. Compte tenu des enjeux d’une évaluation a priori des projets, tout type de projet

sociétal (transport, urbanisme, socio économie) qui opère dans un cadre multicritères et multi

acteurs peut, en l’adaptant, s’en inspirer,. Elle permet de palier des aspects souvent négligés

dans les évaluations a priori des projets : le caractère souvent conflictuel des relations entre

les parties prenantes, le comportement indécis des individus devant de nouveaux services, la

nature logique de l’évolution dans le temps des attentes des usagers.

Bibliographies

226

Bibliographies

A

[Ackoff, 1954]. Ackoff, L., An approximate measure of value. Operations Research, n°2 pp

172-187.

[ADEME,2011]. Dossier Agence de l'Environnement et de la Maîtrise de l'Energie, Chiffre

clés. Bruit. http://www2.ademe.fr/servlet/KBaseShow?sort=-1&cid=96&m=3&catid=16141 ,

consulté le 10 novembre 2009.

[AFGI, 1992]. Association Française de Gestion Industrielle, Evaluer pour évoluer les

indicateurs de performance au service du pilotage industriel, ouvrage collectif.

[Allain, 2004]. Allain, R.,Morphologie urbaine. Géographie, aménagement et architecture de

la ville, Armand Colin, collection U, 254 p.

[Allaire 2006]. Allaire J., Choisir son mode de ville, Formes urbaines et transports dans les

villes émergentes, in Cahiers de global chance, n°21 – Mai 2006, 9 pages.

[Arcade, 2009]. Arcade, J., Godet, M., Meunier, F., and Roubelat, F., Structural Analysis with

the MICMAC Method & Actors’ Strategy with MACTOR Method‖ The Millennium Project:

Futures Research Methodology, Version 3.0, Ed. Jerome C. Glenn and Theodore J., Ch 11.

[Arentze, 2005]. Arentze, T.A. and Timmermans, J.P., Albatross version 2: A learning- Based

Transportation Oriented Simulation System. European Institute of Retailing and Services

Studies. Eindhoven, The Netherlands.

[Aw, 2010]. Aw, T., La ville nouvelle de Marne-la-Vallée et son insertion dans la dynamique

francilienne : Evaluation des enjeux du renforcement de la structure polycentrique sur les

systèmes de déplacements, thèse de doctorat, laboratoire Ville, mobilité, transport, Ecole des

Ponts ParisTech

B

[Bana e Costa, 1994]. Banae Costa C. A., Vansnick J.-C., The Macbeth approach : Basic

ideas, software and an application, in Meskens N., Roubens M. (Eds), Advances in decision

analysis, Kluwer Academic Publishers, Dordrecht, p. 131-158.

[Banville, 1998]. Banville, C., Landry, M., Martel, Boulaire, J.-M., A Stakeholder Approach

to MCDA , Systems Research, 15, pp. 15-32.

[Baudelle, 2004]. Baudelle G. et all., Les conséquences d’un choix résidentiel périurbain sur

la mobilité : pratiques et représentations des ménages, Cybergéo : Revue européenne de

géographie, n°287, pp. 1-17.

[Ben-Akiva,1985]. Ben-Akiva M., Lerman S., 1985, Discrete choice analysis, The MIT Press,

Cambridge Massachusetts.

http://www2.ademe.fr/servlet/KBaseShow?sort=-1&cid=96&m=3&catid=16141

http://www.millennium-project.org/millennium/FRM-V3.html

http://www.millennium-project.org/millennium/FRM-V3.html

Bibliographies

227

[Ben-Akiva, 1999]. Ben-Akiva M., and Bierlaire M., Discrete choice methods and their

applications to short-term travel decisions, In: HALL R.W. Eds. Handbook of Transportation

Science.

[Bertalanffy, 1973]. Bertalanffy, L., Théorie générale des systèmes, Paris, ed. Dunod.

[Bilbao-Ubillos, 2008]. Bilbao-Ubillos, J., The costs of urban congestion: estimation of

welfare losses arising from congestion on cross-town link roads,. Transportation Research A,

n°42/8, pp 1098-1108

[Boiteux, 2001]. Boiteux, M., Transports : choix des investissements et coût des nuisances,

Rapport au Commissariat général du Plan, 323 p.

[Instruction, 2005]. Comité des Directeurs Transports, Instruction cadre relative aux méthodes

d'évaluation économique des grands projets d'infrastructures de transport.

[Bhouri, 2003]. Bhouri, N., et Scemama, G., Intermodality in Urbain Management Systems:

State of the Art, Rome, p. 426 431

[Bonnafous, 1983]. Bonnafous, A., Puel, H., Physionomies de la ville, Les éditions ouvrières,

Série « Initiation Economique », Paris.

[Bonnel, 2004]. Bonnel P., Prévoir la demande de transport, Presses de l’Ecole Nationale des

Ponts et Chaussées, Paris, 425p.

[Boussier, 2007]. Boussier, JM., Modélisation de comportements dans les systèmes

dynamiques : Application à l’organisation et à la régulation de stationnement et de

déplacement dans les Systèmes de Trafic Urbain, thèse de doctorat, lab. L3I, Université La

Rochelle.

[Boussier, 2011]. Boussier, J.M, Cucu, T., Ion, L., Breuil, D.,"Simulation of goods delivery

process", International Journal of Physical Distribution & Logistics Management, Vol. 41 Iss:

9, pp.913 – 930, 2011.

[Bouyssou, 2000]. Bouyssou D., Marchant T., Pirlot M., Perny P., Tsoukiàs A., Vincke Ph.,

Evaluation and Decision Models: a Critical Perspective, Kluwer Academic Publishers, 2000.

[Box-Hunter, 1961]. Box, G.E.P. and Hunter, J.S The 2 k-p fractional factorial designs,. ,

Technometrics, 3, 311-351, 449-458, 1961

[Brans, 2005]. Brans, J., Mareschal, B., PROMETHEE methods. In: Figueira, J., Greco, S.,

Ehrgott, M. (Eds.), Multiple Criteria Decision Analysis: State of the Art Surveys. Springer

Verlag, Boston, Dordrecht, London, pp. 163–196.

[Brundtland, 1987]. Commission des nations Unies, Notre avenir à tous, rapport sur le

développement durable (commission présidée par Mme Bruntland),

http://www.vedura.fr/developpement-durable/cadre/rapport-brundtland.

http://www.vedura.fr/developpement-durable/cadre/rapport-brundtland

Bibliographies

228

C

[Calzada, 1999]. Calzada,C., Rapport : les enquêtes de préférences déclarées

http://temis.documentation.equipement.gouv.fr/documents/temis/NS/NS_122_7.pdf,

[Caubel, 2006]. Caubel D., Politique de transports et accès à la ville pour tous ? Une méthode

d'évaluation appliquée à l'agglomération lyonnaise, Lyon, Univ. Lumière Lyon 2, thèse de

doctorat en sciences économiques.

[CE, 2003]. Journal officiel de l'Union européenne, Directive 2003/35/Ce Du Parlement

Européen Et Du Conseil prévoyant la participation du public lors de l'élaboration de certains

plans et programmes relatifs à l'environnement

[CE, 2007]. Commission Européenne, Livre vert : Vers une nouvelle culture de la mobilité,

Bruxelles.

[CE, 2011]. Commission Européenne, Livre Blanc : Feuille de route pour un espace européen

unique des transports – Vers un système de transport compétitif et économe en ressources,

Bruxelles.

[CEMT, 2007]. Conférence européenne des Ministres des transports, Document de synthèse:

La gestion de la vitesse – OCDE.

[CERTU, 1999], Les logiciels de planification des déplacements urbains.

[CERTU, 2010] : Le covoiturage dynamique, Rapport d'étude

[CETE, 2008]. CETE de Lyon, Modèle multimodal des déplacements de la région

grenobloise, rapport pour l’AURG et le SMTC, Lyon.

[CGDD, 2011]. Commissariat général au développement durable. Rapport environnemental.

Schéma national des infrastructures de transport. France

[CGPC, 1997]. CGPC – Direction de la prévision, Transports urbain et calcul économique,

document de travail Direction de la prévision, n° 97-1.

[Charnes, 1961]. Charnes A. and Cooper W., Management Models and Industrial

Applications of Linear Programming, vol. 1, John Wiley, New-York, 1961.

[Chen, 1992] Chen, S.J., Hwang, C.L., 1992. Fuzzy Multiple Attribute Decision Making:

Methods and Applications. Springer- Verlag, Berlin.

[Chevallier, 2000]. Chevallier J.-J. 2000. Introduction à une démarche participative

multicritère et à quelques méthodes de modélisation », Université Laval, Québec, Canada.

[CIVITAS-SUCCESS, 2008] projet européen, CIVITAS – SUCCESS‖(Smaller Urban

Communities in Civitas for Environmentally Sustainable Solutions), http://www.civitas-

initiative.org/project_sheet?lan=en&id=4., consulté le 23 mars 2010

http://temis.documentation.equipement.gouv.fr/documents/temis/NS/NS_122_7.pdf

http://www.civitas-initiative.org/project_sheet?lan=en&id=4

http://www.civitas-initiative.org/project_sheet?lan=en&id=4

Bibliographies

229

[CIVITAS II/GUARD, 2009]. GUARD Specific Support Action for CIVITAS II,

http://cordis.europa.eu/search/index.cfm?fuseaction=proj.document&PJ_RCN=7783075

consulté le 23 mars 2010.

[CIVITAS-METEOR, 2005]. CIVITAS-METEOR: Final Cross Site Evaluation Report

[CIVITAS-METEOR: rapport final d’évaluation croisée], pp.225-236

http://www.civitas.eu/docs1/CIVITAS_METEOR_Final_Cross_Site_Evaluation_Report.pdf

[Claramunt, 2001]. Claramunt C., Thériault M., A UML-based modeling approach for

analysing travel behavior, in 4th European Simulation Symposium EUROSIM'

[CMED (Commission mondiale sur l’environnement et le développement), 1988]. Notre

avenir à tous. Éd. du Fleuve / les publications du Québec, Montréal, 434 p.

[Comité des constructeurs français d’automobiles, 2011]. Analyse et statistiques 2011

http://www.ccfa.fr/IMG/pdf/ccfa_ra_2011_fra.pdf.

[Cucu, 2009a]. Cucu T., Ion L., Ducq Y., Boussier J.M., Gestion du service publique de

transport sous incertitude- Ecole doctorale JD-JN-MACS 09, Angers- France.

[Cucu, 2009b]. Cucu T., Ion L., Ducq Y., Boussier J.M, Management of a public

transportation service: Car-sharing service- Performance measurement association,

Conference PMA 09, University of Otago - New Zealand.

[Cucu, 2009c]. Cucu T., Ion-Boussier L., Ducq Y., Boussier J.M., An Approach to Improving

the Logistical Performance of the Self-Service Public Transportation System - INformation

Control problems in Manufacturing, Conférence INCOM 09, Moscou – Russie.

[Cucu, 2009d]. Cucu T., Ion L., Ducq Y., Omrani H., Aid to the extension and to the

exploitation of a public transportation service- International Conference on Computers &

Industrial Engineering, CIE 39, Troyes- France.

[Cucu, 2010a]. Cucu T., Ion L., Ducq Y., A Priori evaluation of public transportation service-

ENIM IFAC Conférence Internationale de Modélisation et Simulation, MOSIM’10,

Hammamet – Tunisie.

[Cucu, 2010b]. Cucu T., Ion L., Ducq Y.,A priori evaluation of transport projects - World

Conference on Transport Research, WCTR 2010, Lisbon – Portugal, 11-15 juillet 2010

[Cucu, 2010c]. Cucu T., Ducq Y., Chen Y., Ion L. Approach for the choice and the

evaluation of a transportation service- Rencontres Internationales de la Recherche en

Logistique- RIRL 08, Bordeaux- France, 29 Septembre - 01 Octobre 2010

[Curacao, 2009] "Coordination of Urban Road User Charging Organisational Issues". Ce

projet a été financé par la Commission européenne à travers le programme FP6.

www.curacaoproject.eu

D

http://cordis.europa.eu/search/index.cfm?fuseaction=proj.document&PJ_RCN=7783075

http://www.civitas.eu/docs1/CIVITAS_METEOR_Final_Cross_Site_Evaluation_Report.pdf

http://www.ccfa.fr/IMG/pdf/ccfa_ra_2011_fra.pdf

http://www.wctr2010.info/

Bibliographies

230

[Damart, 2003] Damart, S ., Une étude de la contribution des outils d’aide à la décision aux

démarches de concertation. Le cas des décisions publiques de transport, thèse de doctorat,

Université Paris Dauphine.

[Damart, 2005]. Damart S., Roy B., Débat public et expertise: entre légitimité et rationalité,

Gérer et Comprendre, n°82

[De Rosnay, 1975]. De Rosnay, J., Le macroscope, vers une vision globale, Edition Seuil.

[Debreu, 1960]. DEBREU G. [1960], "Review of R.D.Luce, Individual Choice Behavior : a

Theoretical Analysis", American Economic Review, 50, p. 186-188.

[Deleau, 1986]. Deleau, M., Évaluer les politiques publiques : méthodes, déontologie,

organisation, rapport du groupe de travail "Méthodes d'évaluation des politiques publiques",

Commissariat général du Plan, Paris, La Documentation française.

[Delta, 1995] http://www.davidsimmonds.com/index.php?section=1

[Dempster, 1968]. Dempster A.P. A generalisation of Bayesian inference. Journal of the

Royal Statistical Society, p. 205-247

[Denguier-Rekik, 2007]. Denguier-Rekik, A., Un cadre possibiliste pour l’aide à la décision

multicritère et multi-décideurs. Application au marketing et au benchmarking de sites E-

commerce, Thèse de doctorat de l’Université de Savoie (France).

[Denoeux, 2006]. Denoeux,T., The cautious rule of combination for belief functions and some

extensions, in proceddings of FUSION2006, Florence, Italy, July 2006.

[DePalma, 2001]. De Palma, A., Fontan, C. Choix modal et valeurs du temps en Ile-de-

France : rapport de travail. Cergy-Pontoise : THEMA, 32 p

[Desthieux, 2005]. Desthieux, G., Approche systémique et participative du diagnostic urbain

processus de représentation cognitive du système urbain en vue de l'élaboration d'indicateurs

géographiques. Thèse de doctorat. Lausanne: Ecole Polytechnique Fédérale de Lausanne.

[Derringer, 1980]. Derringer H.,et Suich,W., Simultaneous optimization of several response

variables, Journal of Quality Technology, vol. 12, pp. 214–219,.

[Dhouib, 2009]. Dhouib, D., Aide multicritère au pilotage d’un processus basé sur le

raisonnement à partir de cas, thèse de doctorat, Université Paris 8

[Doehlert,1970]. Doehlert, D.H., Uniform shell designs. Journal of royal statistical society,

série C, n°19, 1970, p. 231-23

[Doumeingts, 1999]. Doumeingts G., 1999, « ECOGRAI : Méthode de définition, de

spécification et d’implantation d’un système d’indicateur de performance », LAP – Groupe

GRAI.

[DTT, 2004]. Instruction cadre du 25 mars 2004. Direction des Transports Terrestres. France

http://www.davidsimmonds.com/index.php?section=1

Bibliographies

231

[Ducq, 1999]. Ducq, Y., Contribution à une méthode d’analyse de la cohérence des systèmes

de Production dans le cadre du modèle GRAI - Thèse de doctorat de l’université de

Bordeaux1.

[Ducq, 2007]. Ducq, Y., Évaluation de la performance d’entreprise par les modèles, HDR,

Bordeaux : Université Bordeaux I.

[Dupont, 1998] DUPONT C., FAURE G.-O., MERMET L., TOUZARD H., La Négociation :

situations et problématiques, éd Nathan, 1998.

[Dupuy, 2006]. Dupuy, G., La dépendance à l’égard de l’automobile, La Documentation

française, 2006.

[Edwards, 1994], Edwards, W., Barron, F.H., 1994. SMARTS and SMARTER: Improved

simple methods for multiattribute utility measurement, Organizational Behavior and Human

Decision Processes 60, 306-325.

E

[Elliot, 2005]. Elliot, J., Heesterbeek, S., Lukensmeyer, C., J and Slocum, N., Participatory

methods toolkit. A practitioner’s manual. King Baudouin Foundation.

[Essafi, 2003].Essafi, C., Les modèles logit polytomiques non ordonnés : Théorie et

applications. Paris: INSEE, Série des Documents de Travail Méthodologie

[Eurostat, 1995]. EUROSTAT Europe’s Environment, Statistical Compendium, Luxemburg.

[Erdlenbruch, 2007]. Erdlenbruch, K., Tidball, M., van Soest, D., Renewable resource

management, user heterogeneity, and the scope for cooperation, Ecological Economics, Vol.

64 (3) pp. 597-602.

F

[Faivre D'Arcier, 1998]. Faivre D'Arcier B., Evaluation des Politiques de Transport et

Préférences Individuelles, Lyon. Univ. Lumière Lyon 2. HDR.

[Feldman, 2010]. Feldman, O., Simmonds, D., Zachariadis, V., Richmond, E., and Mackett,

R., SIMDELTA - A microsimulation approach to household location modelling. Paper

presented to the 11th World Conference on Transport Research (WCTR), San Francisco,

USA.

[Fisher, 1935]. Fisher, R., The design of experiments, Oxford, England, Oliver and Boyd,

1re

éd., 251 p.

[Fotherby, 2002]. Fortherby, T., Visual Traffic Simulation,site pour chargement du

démonstrateur http://www.tomfotherby.com/Websites/VISSIM/index.html , consulté la

dernière fois le 20 décembre 2011

[Frankhauser, 1994]. Frankhauser P., La fractalité des structures urbaines, collection «Villes»,

Anthropos.

http://www.tomfotherby.com/Websites/VISSIM/index.html

Bibliographies

232

[Freeman, 1984]. Freeman, R. E., Strategic Management: A Stakeholder Approach, Pitman,

Boston.

G

[Gascon, 2005]. Gascon, M.O., TRANSPLUS : l’intégration des politiques d’utilisation des

sols et de transports. CERTU, 2005.

[Gallupe, 1992]. Gallupe, R.B., Cooper, W.H., Valacich, J.S., Bastianutti, L.M., Nunamker,

J.F., Electronic Brainstorming and Group Size, Academy of Management Journal, Vol. 35, N°

2, pp. 350-369.

[Gkatzoflias, 2007]. Gkatzoflias, D. et al. (2007): COPERT 4 Computer programme to

calculate emissions from road transport - Users Manual. European Topic Centre on Air Air

and Climate Change., disponible au http://lat.eng.auth.gr/copert/

[GEMT (CONFÉRENCE EUROPÉENNE DES MINISTRES DES TRANSPORTS), 2007.

La gestion de la vitesse. OCDE. Paris.

[Geoffrion, 1972]. Geoffrion A., Dyer J., Feinberg A., An interactive approach for

multicriterion optimisation with an application to the operation of an academic department,

Manage. Sci. 19 (4), p. 357–368.

[Godard, 2001]. Godard F., La ville en mouvement, Paris, Gallimard, collection Découvertes.

[Godet, 2007]. Godet, M., Manuel de prospective stratégique : Tome 2, L'Art et la méthode,

Dunod, 2007.

[Goodwin, 1992]. Goodwin, P.B. A review of new demand elasticities with special reference

to short and long run effects of price changes, Journal of Transport Economics and Policy, n°

26, 1992, p. 155-170.

[Goupy, 2006]. Goupy, J., Les Plans d’expériences. La Revue MODULAD, n° 34, juillet

2006, p. 74-116.

[Gou , 2007]. Guo J.Y., Bhat C.R. Representation and analysis plan and data needs analysis

for the activity-travel system. Austin : Center for Transportation Research, University of

Texas, 46 p.

[Grabisch, 2002]. Grabisch, M., Fuzzy pattern recognition by fuzzy integrals and fuzzy rules.

In S.K. Pal and A. Pal, editors,Pattern Recognition -- From Classical to Modern Approaches,

pages 257-280. World Scientific.

[Grimal, 2010]. Grimal R., Motorisation et mobilité : des comportements plus rationnels,

SETRA, nr.4.

H

[Haezendonck, 2007]. Haezendonck, E., Transport Project Evaluation: Extending the Social

Cost Benefit Approach, 2007 - Business & Economics - 227 pages.

http://lat.eng.auth.gr/copert/

Bibliographies

233

[Harrington, 1965]. Harrington, H.,The desirability function, Industrial Quality Control,pp.

494–498.

[Hokkanen, 1994]. Hokkanen J. et Salminen P., (1994), "Choice of a solid waste management

system by using the ELECTRE III method", Kluwer Academic Publishers, Dordrecht,

Holland.

[Hamscher , 1992] Hamscher, W., Console, L., Readings in model-based diagnosis, Morgan

Kaufmann Publishers, 520 pages.

[Hess, 2005] Hess S., Daly A., Bates J. Departure time and mode choice: analysis of three

stated preference data sets. London : Departement for Transport, 279 p.

I

[IAURIF, 2005]. Cahiers de l’IAURIF (IAP117) :

http://www.iaurif.org/fileadmin/user_upload/MEDIATEK/Publications-Iaurif-2005.pdf

consulté en novembre 2010

[INFRAS/IWW, 2004], External Costs of transport, Update Study, Zürich /Karlsruha

[ISO 9000, 2005]. ISO 9000 version 2005, Systèmes de management de la qualité – Principes

essentiels et vocabulaire, Paris: AFNOR.

[Instruction, 2005]. Comité des Directeurs Transports, Instruction cadre relative aux méthodes

d'évaluation économique des grands projets d'infrastructures de transport.

J

[Jacob, 2009]. Jacob, S et Ouvrard, L., L’évaluation participative. Avantages et difficultés

d’une pratique innovante Cahiers de la performance et de l’évaluation. Québec, Canada,

Automne 2009, n°1

[Jacquet-Lagrèze, 1982]. Assessing a set of additive utility functions for multicriteria decision

making: the UTA method. European Journal of Operational Research, 10, pp.151—164.

[Jacot, 2007]. Jacot, H., et Fouquet, A., Le citoyen, l’élu, l’expert : pour une démarche

pluraliste d’évaluation des politiques publiques (actes des Journées de Lyon), Le Harmattan,

SFE.

K

[Kaufmann, 1999]. Kaufmann V., Mobilité et vie quotidienne : synthèse et questions de

recherche, dans 2001 Plus… Synthèses et recherches, centre de prospective et de veille

scientifique, numéro 48, 64 pages.

[Kaufmann, 2000]. Kaufmann V., Mobilité quotidienne et dynamiques urbaines : la question

du report modal, Lausanne, Science, Technique, Société, 252 p.

[Keeney, 1993]. Keeney, R. L. and Raiffa, H., Decisions with multiple objectives: preferences

and value tradeoffs. Cambridge, England: Cambridge University Press.

http://www.iaurif.org/fileadmin/user_upload/MEDIATEK/Publications-Iaurif-2005.pdf

Bibliographies

234

[Kendall, 1970]. Kendall M., (1970), "Rank correlation methods", Charles Griffin, London,

4th edition.

[Khalfan, 2002]. Khalfan M. A., Sustainable Development and Sustainable Construction – A

literature review for CSanD., Loughborough University, 45 p.

[Knoepfel, 1995]. Knoepfel, P., La solution de conflits environnementaux par la négociation.

Bâle: Helbing & Lichtenhahn (série Ecologie & Société, vol. 10), 323 p.

L

[Labbouz, 2000]. Labbouz, S., Le choix du tracé d'une ligne de transport en commun en site

propre et de sa plateforme en milieu urbain : l'utilisation des outils mathématiques au service

de la concertation. Thèse de doctorat. Université Paris-Est.

[Laroche, 2002]. Laroche,V., Bilan des pratiques et attentes de modélisation des collectivités

locales - Paris-Gesmad .

[Laurent, 2006]. Laurent, R.A.. Elimination par attributs et choix probabiliste. Working

papers. Paris : Campus Paris Jourdan, P. 31

[Le Breton, 2000]. Le Breton E., L’action publique locale en mutation. La négociation autour

des figures de l’utilisateur des transports collectifs urbains, Institut d’études politiques de

Paris.

[Lichfield, 1975]. Lichfield, N., et al., Evaluation in the Planning Process, Pergamon Press,

Oxford.

[Le Moigne, 1977]. Le Moigne, J.L., La théorie du système général, Théorie de la

modélisation, Paris: Col., Systèmes-Décisions, Presses Universitaires de France.

[Le Moigne, 1990]. Le Moigne, J.L., La modélisation des systèmes complexes. Paris: Edition

Dunod.

[Lebegue, 2005]. Lebegue, D., Révision du taux d’actualisation des investissements publics,

Rapport du groupe d’experts présidé par Daniel Lebegue, Rapporteur général : Luc

Baumstark Commissariat général du Plan, 21 Janvier 2005, 112 p.

[Louviere, 2000)]. Louviere, J., Hensher, D., and Joffre Dan Swa.. Stated choice methods:

analysis and applications, Cambrige University Press.

[Luce, 1959]. Luce, R.D., Individual Choice Behavior : A Theoretical Analysis, New York,

Wiley.

M

[Mali, 2003]. Mali, K., and Mitra S. Clustering and its validation in a symbolic framework,

Patter Recognition Letters, 24(14), pp. 2367‐2376.

[Manski, 2000]. Manski, C.F., Economic Analysis of Social Interactions. Journal of

Economic Perspectives, volume 14, n° 3, 2000, p. 115-136.

Bibliographies

235

[Martel, 1993] in Joerin, 1997 : Joerin F. Décider sur le territoire, Proposition d'une approche

par utilisation de SIG et de méthodes d'analyse multicritère. Thèse de doctorat, Département

de génie rural, Ecole polytechnique fédérale de Lausanne. 1997.

[Martel, 1996]. Martel, J-M., Rousseau, A. 1996. La décision participative: une démarche

pour gérer efficacement les conflits environnementaux, Document de travail 96-24, Université

Laval, Québec, Canada.

[Masson, 2000]. Masson S., Les interactions entre système de transport et système de

localisation en milieu urbain et leur modélisation, thèse pour le Doctorat de Sciences

Economiques, mention Economie des Transports, Université Lumière Lyon 2.

[Massot, 1996]. Massot, M. H., La multimodalité automobiles et transports collectifs :

complémentarités des pratiques modales dans les grandes agglomérations, RTS, n°50, p. 3-16.

[Maystre, 1994]. Maystre LY., Pictet J., Simos J., Méthodes multi - critères Electre.

Description, conseils pratiques et cas d’application à la gestion environnementale. Lausanne,

Suisse : Presses polytechniques et universitaires romandes, 323 p.

[Maystre, 1999] MAYSTRE L.-Y., BOLLINGER D., Aide à la négociation multicritère,

Presses Polytechniques et Universitaires Romandes, Lausanne, 1999.

[Mazri, 2007]. Mazri, C., Apport méthodologique pour la structuration de processus de

décision publique en contexte participatif, thèse de doctorat. Université Paris Dauphine.

[McDonald, 2006]. Mc Donald M., Hall R., Piau J., Felstaed T, Sammer G., Roider R.,

Klementschitz R., Stark J., Framework for evaluation; Evaluation, Monitoring and

Dissemination for CIVITAS II Projects (GUARD), Deliverable 2.1

[McFadden, 1975]. McFadden, D., The Revealed Preferences of a Government Bureaucracy,

Economic Growth Project, Technical Report n° 17, Berkeley. [Ce document a été remanié et

publié en 1975 et 1976, parus dans The Bell Journal of Economic and Management Science].

[McFadden, 2001]. McFadden, D., Disaggregate behavioral travel demand's RUM side: A 30-

year retrospective. Proceedings of the 9th

International Association for Travel Behaviour

Research Meeting (IATBR), Goldcoast, Australia, 43 p

[MEDD, 2006]. Ministère de l’écologie et du développement durable, Mobilité, transport et

environnement, Rapport de la Commission des comptes et de l’économie de l’environnement,

La Documentation française, 405 p.

[Meunier, 2009]. Meunier, V., Analyse coût-bénéfices : guide méthodologique. Numéro

2009-06 des Cahiers de la Sécurité Industrielle, Institut pour une Culture de Sécurité

Industrielle, Toulouse, France (ISSN 2100-3874).

[Mignot, 2006]. Mignot D., Rosales-Montano S., Vers un droit à la mobilité pour tous.

Inégalités, territoires et vie quotidienne, La documentation Française, PUCA, 97p.

[Mitroff, 1974]. Mitroff, I.I. and Featheringham, T.R., On Systemic Problem Solving and the

Error of the Third Kind, Behavioral Science, Vol.19, No.6, (November 1974), pp. 383–393.

Bibliographies

236

[MOBISERVICES, 2002]. Projet Europeen Mobiservices, (MSC) Centres de Mobilité,

http://www.predim.org/IMG/pdf/ID67_msc-synth-fr.pdf,, consulté le 10 mai 2011

[Müller-Lindenlauf, 2011]. Müller-Lindenlauf, M., Reinhardt, G., Zipfel G.,

Recommandations politiques et enseignements, projet européen BIOSIRE.

N

[NICHES, 2006]. projet européen NICHES New and Innovative Concepts for Helping

European transport Sustainability, http://www.niches-transport.org/, consulté le 25 mars 2010

[NICHES+, 2009] suite du projet européen NICHES New and Innovative Concepts for

Helping European transport Sustainability, http://www.niches-transport.org/,

[Ntziachristos, 2000]. Ntziachristos, L., Samaras, Z., Characterization of Exhaust Particles

from Diesel and Gasoline Vehicles of Different Emission Control Technologies. 21st Century

Emissions Technology IMechE International Conference, UK.

P

[Paelinck, 1979]. Paelinck, J., 1979. The multicriteria method QUALIFLEX: past

experiences and recent developments, Working paper 1979/15, Netherlands Economic

Institute, Rotterdam.

[Parent, 2001]. Parent, M. et De La Fortelle, A., Cybercars: Past, present and future of the

technology, INRIA. Projet européen IST 2000-28487 Cybercars : Cybernetic Technologies

for the Car in the City.

[Patrice, 1999]. Patrice, B., 1999, Automobiles pour la ville à l’horizon 2010, CERTU.

[Patton, 2008]. Patton, M. Q. (2008). Utilization-Focused Evaluation, quatrième edition. Los

Angeles, Sage.

[Pearce, 2007]. Pearce D., Atkinson G., Mourato S., Analyse coûts-bénéfices et

environnement : développements récents OCDE, 2007

[Peng, 1990] Peng, Y. et J.A. Reggia (1990). Abductive Inference Models For Diagnostic

Problem-Solving, Springer-Verlag, New York.

[Plackett, 1946]. Plackett, R.L., et Burman, J.P., Design of optimum multifactorial

experiments, Biometrika, 33, 305,

[Popescu,2009]. Popescu, C., Ion, I., Cucu, T., Boussier, J-M., Mitu,A., Uta, D,Inter-cities

transfer of a transportation project- Environmental Engineering and Management Journal,

Vol. 8, No.6, 1433-1438-2009

[Prescott-Allen, 2003]. Prescott-Allen, R., Le bien-être des nations, Paris : Eska, xvi-368p.

[Priscilla, 2002]. Project IST-1999-20222, Information Society Technologies (IST) RTD

Programme of the European Union. http://www.trg.soton.ac.uk/priscilla/project.htm , consulté

le 25 février 2010.

http://www.predim.org/IMG/pdf/ID67_msc-synth-fr.pdf

http://www.niches-transport.org/

http://www.niches-transport.org/

http://www.trg.soton.ac.uk/priscilla/project.htm

Bibliographies

237

[PROCEED, 2009]. Projet européen, rapport Principes pour l’exploitation et le

développement efficace d'un transport public a haut niveau de service.

Q

[Quinet, 2010]. Quinet, N., The practice of cost-benefit analysis in transport: the case of

France. International transport forum. OCDE. Mexique.

R

[Raiffa, 1973] Raïffa, H., Analyse de la décision. Introduction aux choix en avenir incertain,

Dunod.

[Roubens, 1982]. Roubens, M., Preference Relations an Actions and Criteria in Multicriteria

Decision Making, European Journal of Operational Research‖, 10, pp. 51-55.

[Rouquier, 2008]. Rouquier J.B.,. Robustesse et émergence dans les systèmes complexes : le

modèle des automates cellulaires. Thèse de doctorat. Ecole normale supérieure de Lyon.

[Roy, 1968]. Roy, B., Classement et choix en présence de points de vue multiples: La

méthode ELECTRE. Revue Française d’Informatique et de Recherche Opérationnelle 8, pp.

57–75.

[Roy, 2000]. Roy B., « L’aide à la décision aujourd’hui : que devrait-on attendre ? », Chapitre

6 in A. David, A. Hatchuel et R. Laufer, Les nouvelles fondations des Sciences de Gestion,

Paris, FNEGE, p 141-174.

[Roy, 1985]. Roy, B., Méthodologie Multicritère d'Aide à la Décision. Economica, Paris.

[Roy, 1997]. Roy B., « L’aide à la décision aujourd’hui : que devrait-on en attendre ? »,

Document du LAMSADE n°104, Université de Paris-Dauphine.

[Roy, 2005]. Roy B., A propos de robustesse en recherche opérationnelle et aide à la décision.

In Jean-Charles Billaut, Aziz Moukrim, and Eric Sanlaville, editors,Flexibilité et robustesse

en ordonnancement, pages 35-50. Lavoisier.

[Roy, 2002]. Roy B., Damart S., L’analyse Coûts-Avantages, outil de concertation et de

légitimation, Métropolis N° 108/109 « Projets et politiques de transport Expertises en débat ».

S

[Saint- Amand, 2011]. Saint-Amand, P., L’adéquation d’un système de transport durable aux

systèmes territoriaux méditerranéens, modélisations et aide à la décision, UMR ESPACE

6012-CNRS Équipe de Nice, Université de Nice Sophia- Antipolis.

[Saaty, 1977]. Saaty, T. L. 1977. A scaling method for priorities in hierarchical structures. J.

Math. Psychology 15(3) 234–281.

[Savage,1991]. Savage G.T, Nix T.W., Whitehead C.J., Blair J.D., « Strategies for assessing

and managing organizational stakeholders », Academy of Management Executive, vol.5 (2) :

61-75.

Bibliographies

238

[Shafer, 1976]. Shafer, G., A mathematical theory of evidence, Princeton : Princeton

University press.

[Simaurif, 2007]. SIMAURIF. Modèle dynamique de SIMulation de l'interAction

Urbanisation-transports en Région Ile-de-France. Application à la Tangentielle nord, Rapport

final de la 2ème phase . IAU île-de-France, Paris.

[Simon, 1977]. Simon, H. A., The New Science of Management Decision, New Jersey, NJ:

Prentice-[Hall, 2008]. Hall, R., Piao, J., et McDonald,M., (2008). Transferability of measures

- version 2.0-1. Transportation Research Group, University of Southampton.

[Simos, 1990]. S i m o s J., L’évaluation environmentale : un processus cognitif négocié.

Thèse de doctorat N° 823, DGR-Ecole Polytechnique Fédérale de Lausanne, Lausanne,

Suisse, 216 p.

[Smets, 1992]. Smets, P., The transferable belief model for experts' judgments and reliability

problems. Analysis and Management of uncertainty: Theory and Applications. Elsevier

Science Publishers.

[Soncini-Sessa, 2007]. Soncini-Sessa, R., F., Cellina, et al. 2007. Integrated and Participatory

Water Resources Managmen, Practice. Amstedam, Elsevier.

T

[Taguchi,1987]. Taguchi G. System of Experimental Design. Dearbon : Don Clausing

UniPub/Kraus International Publications, 1987.

[Tahon, 1999]. Tahon, C., Frein, Y., Document de synthèse du Groupe de Recherches en

Productique – Thème 4 : évaluation de performances, 1999

[Thévenin, 2002]. Thévenin T., Quand l’information géographique se met au service des

transports publics urbains, une approche spatio-temporelle appliquée à l’agglomération

bisontine. Thèse de doctorat, Université de Franche-Comté.

[Tranus, 1982]. Le système de modélisation: http://www.tranus.com/

[TRAILBLAZER, 2011]. Projet européean, Delivery and Servicing Plans (DSPs) across

Europe, 2010-2013, http://trailblazer.eu/content.php?cid=1 consulté le 10 décembre 2009.

[Tsoukiàs, 2006]. Tsoukias, A., `De la théorie de la décision à l'aide à la décision, in D.

Bouyssou, D. Dubois, M. Pirlot, H. Prade (eds.), Concepts et Méthodes pour l'Aide à la

Décision, Hermés, Paris, 25 - 69, 2006

[Tversky, 1972]. Tversky, A. (1972), Elimination by aspects : A Theory of Choice,

Psychological Review, 79, p. 281-299.

V

[Vanbergue, 2002]. Vanbergue D., Drogoul, A., Approche multi-agent pour la simulation

urbaine, In Actes des 6èmes Journées CASSINI.

http://www.tranus.com/

http://trailblazer.eu/content.php?cid=1

Bibliographies

239

[Vanco, 2011]. Vanco F., Formes urbaines et durabilité du système de transports. Une

application par les coûts de la mobilité urbaine des ménages au sein de l'agglomération

Lyonnaise, Lyon, Univ. Lumière Lyon 2.

[Verhoeven, 2005]. Verhoeven M., Arentze T., Timmermans H.J.P., Van Der Waerden P.

Modeling the impact of key events on long-term transport mode choice decisions: a decision

network approach using event history data. Transportation Research Record, n° 1926, 2005,

p. 106-114.

[Vigier, 1991]. Vigier M., Pratique des plans d’expériences: méthodologie Taguchi. Paris :

Les Editions d’Organisation, 195 p.

[Vignoud, 2001]. Vignoud F., 2001, Points forts et points faibles de l’analyse coûts-avantages

pour éclairer les décisions dans un processus de concertation, mémoire secondaire de DEA,

Université Paris IX Dauphine.

[Vincke, 1976]. Vincke, P., Une méthode interactive en programmation linéaire à plusieurs

fonctions économiques. Rev. Fr. Inf. Rech. Opér. 2, p. 5–20.

[Vion, 1994]. Vion, R., La communication verbale. Analyse des interactions, Edition

Hachette.

[Vivier, 1998]. Vivier, J., Méthodes d'évaluation des projets de transport public urbain,

Transport Public International, n° 1, pp.24-29.

[Von Hoffman, 2002]. Von Hoffman A., Felkner J., The historical origins and causes of urban

decentralization in the United States, Working Paper 02-1, Joint Center for Housing Studies,

Harvard University.

[Von Winterfeldt, 1986].Von Winterfeldt,D.,Edwards,W.,Decision Analysis and Behavioral

Research Cambridge University Press

[Voogd, 1985]. VOOGD H. et FALUDI A. 1985. « Evaluation of complex policy problems:

some concluding comments ». In Evaluation of complex policy problems, Delft : Delftsche

Uitgevers Maatschappij, pp. 210-206.

W

[Wegener, 1994]. Wegener M., Operational Urban Models: State of the Art, Journal of

American Planning Association, Vol. 60, No.1, Winter 1994, pp 17-29.

[Wiel, 2002]. Wiel, M., Ville et Automobile, Paris, Edition Descartes et Cie.

[Wiel, 1999]. Wiel, M., La transition urbaine. Ou le passage de la ville-pédestre à la ville-

motorisée, Sprimont, Belgique, Pierre Mardaga, 149 pages.

[Wiel, 2005]. Wiel, M., Ville et mobilité : un couple infernal ? Edition de l’Aube.

[Willeke, 1971]. Willeke, G.E., Some Formal Methods for Assessing Public, Desires, Values,

Opinions, Needs, Concerns, etc., Environmental Resources Center, Georgia Institute of

Technology.

Bibliographies

240

[Xie, 2003]. Xie C.; Lu J., Parkany E. Work travel mode choice modeling with Data Mining

decision trees and neural networks, Transportation Research Record, n° 1854, 2003, p. 50-61.

Y

[Yeh, 2009]. Yeh, C.F., Intermodalité et coûts des déplacements urbains dans les

mégalopoles : le cas de Paris, Shanghai et Taipei, Paris, Université Paris 12, Thèse de

doctorat en économie et gestion.

Z

[Zadeh, 1965]. Zadeh L.A., Fuzzy sets. Information and Computation, volume 8, 1965, p.

338-353.

[Zadeh, 1986]. Zadeh, L. A., A Simple View of the Dempster-Shafer Theory of Evidence and

its Implication for the Rule of Combination, A1 Magazine 7(2):85-90.

[Zeleny, 1984]. Zeleny, M., MCDM: Past Decade and Future Trends, A Source Book of

Multiple Criteria Decision Making. JAI Press, London.

[Zionts, 1983], Zionts, S. and Wallenius, J., An interactive multiple objective linear

programming method for a class of underlying nonlinear utility functions, Management

Science.

Annexes

241

Annexes

Annexe 1: Questionnaire pour le diagnostic

Questionnaire sur le diagnostic de la mobilité

(15 minutes d’interview)

Le but de cette étude est de réaliser un diagnostic de la mobilité dans le centre-ville de La

Rochelle et de recenser l’ensemble des modes utilisés pour le motif domicile - travail et

d’évaluer quels sont les paramètres qui influencent le plus le choix du mode.

Cette étude comporte deux parties :

Première partie : Information sur les habitudes de déplacements

Deuxième partie: Information sur la perception individuelle de la mobilité

Première partie:

1. Données relatives au travail

1.1 Quels sont vos jours de travail ?

Lundi

Mardi

Mercredi

Jeudi

Vendredi

Samedi

1.2 Quel est votre horaire de travail ?

DEBUT FIN

6h-8h 6h-8h

8h-10h 8h-10h

10h-12h 10h-12h

14h-16h 14h-16h

16-18h 16-18h

Annexes

242

18h-20h 18h-20h

1.3 Quel est le nom de votre entreprise?

2. Données relatives aux déplacements domicile-travail

2.1 Quel est votre lieu d’origine de déplacement ?

La Rochelle

Autres (préciser)

2.2Quel est votre distance du trajet domicile- travail (aller simple, porte à porte) ?

Moins de 5 km

5km- 10km

10km- 20km

20km- 30km

30 km-40 km

Autre

2.3 Combien de temps en moyenne mettez-vous pour vous rendre sur votre lieu de travail?

Moins de 5min

5min-15 min

15min- 30 min

30 min- 45 min

45 min – 1h

Plus d’une heure

2.4 Quel est votre mode de transport Principal pour vous rendre au travail ? (choisissez une

seul réponse)

A pied (ne répondez pas à la question 3)

Bicyclette

Moto

Bus (ne répondez pas à la question 3)

Annexes

243

Train (ne répondez pas à la question 3)

Voiture

Covoiturage

Liselec

Bateau (ne répondez pas à la question 3)

Taxi Autoplus (ne répondez pas à la question 3)

Train+vélo

Voiture+navettes

2.5 Quel est votre mode de transport que vous utilisez de temps en temps dans vos

déplacements domicile- travail ? (choisissez une seul réponse)

A pied (ne répondez pas à la question 3)

Bicyclette

Moto

Bus (ne répondez pas à la question 3)

Train (ne répondez pas à la question 3)

Voiture

Covoiturage

Liselec

Bateau (ne répondez pas à la question 3)

Taxi Autoplus (ne répondez pas à la question 3)

Train+vélo

Voiture+navettes

3. Données relatives au stationnement

3.1 Où garez-vous votre moyen de transport ?

Parking de l’entreprise

Chaussée

Parking de la ville

Annexes

244

Parking- relais

3.2 Combien de temps prenez- vous généralement pour stationner ?

minutes

3.3 Combien payez-vous généralement pour le parking ?

euros

3.4 Disposez-vous d’un abonnement de parking ?

Oui Non

4. Automobiliste (seul en voiture ou covoiturage)

4.1 Disposez-vous d’une voiture d’entreprise ?

Oui Non

4.2 Quel type de voiture disposez-vous pour vous rendre au travail ?

Type :

Année de mise en circulation :

Energie : 4.3 Etes-vous disposés à utiliser la bicyclette plus souvent pour vos déplacement-domicile

travail?

Non, la distance est trop grande (passez à la question suivante)

Non (passez à la question suivante)

Oui (passez à la question suivante)

Oui, aux conditions suivante : (plusieurs réponses possibles)

Des itinéraire cyclable de meilleure qualité et plus surs sur le chemin vers le

travail

Des itinéraires cyclables plus directs

Un garage à vélos couvert

Un garage à vélo gardé

Des vestiaires et des douches pour les cyclistes

Une bicyclette offerte par l’employeur

Des stimulants financiers

Annexes

245

Un moyen de transport mis à disposition par l’employer pour mes

déplacements professionnels

Une solution pour effectuer les activités que je combine avec mes

déplacements domicile- travail : courses, déposer les enfants

Autres conditions

4.4 Etes-vous disposé à utiliser (plus souvent) le transport en commun ?



Oui, aux conditions suivantes : (plusieurs réponses possibles)

Plus d’information sur l’offre

Une contribution plus importante de mon employeur pour couvrir les frais

Un temps de déplacement au maximum 1.5 fois le temps de déplacement en voiture

Des horaires de bus qui s’accorde mieux avec mes heures de travail

Assurance d’une place assise

Un arrêt plus proche du lieu de travail

Un arrêt plus proche de ma maison

Moins de retard

Plus de facilité pour les personnes handicapées

Plus de sécurité dans le bus

Autres conditions

4.5 Si vous ne pratiquez pas le covoiturage maintenant, êtes-vous prêts à le faire (plus

souvent)?




Mon employeur me trouve des partenaires pour la route

Un tarif de stationnement moins élevé

Une place de stationnement gratuite

L’assurance de rentrer à la maison en cas de situations imprévues

Un moyen de transport mis à disposition par l’employer pour mes déplacements

professionnels

Annexes

246

Une solution pour effectuer les activités que je combine avec mes déplacements

domicile- travail : courses, déposer les enfants

Autres conditions

4.6 Etes-vous prêts à utiliser (plus souvent) le parking relais (parking à l’entrée de la ville) ?




Un temps de déplacement au maximum 1.5 fois le temps de déplacement en

voiture

Plus d’information sur l’offre

Une contribution plus importante de mon employeur pour couvrir les frais

Des abonnements avec un prix dégressif avec le nombre d’utilisation (Comme une

carte de fidélité)

Des navettes- bus gratuites

Des navettes- bus tous les 5 minutes

Une assurance que le bus arrive à temps

Des vélos en libre-service sur le parking

Des voitures électriques en libre-service sur le parking

Le service de transport à la demande sur le parking (ex. taxi)

Une navette de l’entreprise sur le parking

Un transport en commun plus régulier

Introduction du stationnement payant en centre-ville

Possibilité de faire les courses autour du parking

Des salles de réunion sur le parking

Autres conditions

5 Votre situation

5.1 Quel est votre fonction ?

Artisan

Commerçant, chef d’entreprise

Cadre, profession libérale

Employé

Annexes

247

Ouvrier

Autres

5.2 Vous êtes :

Homme Femme

5.3 Êtes-vous intéressé des résultats de cette enquête ?

Non

Oui :

Moyen de contact (téléphone, email, fax) :

Deuxième partie: Information sur la perception individuelle de la mobilité

1. Perception de la mobilité (Vous pouvez répondre seulement aux questions qui

vous concernent)

1.1 Quelle est votre perception des phénomènes de la mobilité dans le centre de la Rochelle :

bonne, moyenne, neutre ?

Bonne mauvaise je ne sais pas

Trafic de transit



Consommation carburant

Degré de Sécurité (trafic)

Temps de déplacement bus


Nombre place de Parking Relais




Parking gratuit



Annexes

248

1.2 Exprimer les tendances souhaitées des phénomènes : maximiser, minimiser,

stabiliser (Vous pouvez répondre seulement aux questions qui vous concernent)

Maximiser Minimiser Stabiliser

Trafic de transit











Parking gratuit



1.3 Si le trafic de transit s’améliore, quelle est la conséquence sur les autres

phénomènes (amélioration ou détérioration) ?

Améliore Détériore Ne change pas Crédibilité (0;0,5;1)











Parking gratuit



Annexes

249

1.4 Si la qualité de l’air (pollution atmosphérique) s’améliore, quelle est la

conséquence sur les autres phénomènes (amélioration ou détérioration) ?

Amélioration Détérioration Ne change pas Crédibilité (0;0,5;1)

Trafic de transit











Parking gratuit


1.5 Si la pollution acoustique s’améliore, quelle est la conséquence sur les autres



Trafic de transite











Parking gratuit


Annexes

250

1.6 Si le degré de sécurité s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



1.7 Si le niveau de congestion s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



Annexes

251

1.8 Si le Coût du transport en commun s’améliore, quelle est la conséquence sur les

autres phénomènes (amélioration ou détérioration) ?


Trafic de transit










Parking gratuit



1.9 Si le taux d’accident de la route s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



Annexes

252

1.10 Si le confort de déplacement (bus) s’améliore, quelle est la conséquence sur les



Trafic de transit










Parking gratuit



1.11 Si le temps de déplacement (bus) s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



Annexes

253

1.12 Si la disponibilité du service s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



1.13 Si le nombre place de Parking Relais s’améliore, quelle est la conséquence sur les



Trafic de transit










Parking gratuit



Annexes

254

1.14 Si le Prix de Parking Relais s’améliore, quelle est la conséquence sur les autres



Trafic de transit










Parking gratuit



1.15 Si le nombre de place de Parking gratuit augmente, quelle est la conséquence sur

les autres phénomènes (amélioration ou détérioration) ? Amélioration Détérioration Ne change pas Crédibilité (0;0,5;1)

Trafic de transit













Annexes

255

Annexe 2: Le score calculé pour les 27 personnes interrogées

Annexes

256

Annexe 3 : La table orthogonale de 13 questions et 27 scénarios

THÈSE - u-bordeaux.frori-oai.u-bordeaux1.fr/pdf/2012/CUCU_GRAINDORGE_TATIANA_2012.pdf · Je tiens...

Documents

Transcript of THÈSE - u-bordeaux.frori-oai.u-bordeaux1.fr/pdf/2012/CUCU_GRAINDORGE_TATIANA_2012.pdf · Je tiens...