Agréger les traces individuelles pour représenter le mouvement

Nous abordons ici la question de l'agrégation des données individuelles, non plus sous l'angle déontologique ou juridique du respect de l'anonymat de ces données, mais sous les aspects techniques de leur compréhension et notamment via leur représentation. Les traces individuelles sont trop nombreuses pour être visualisées dans leur intégralité. La simple représentation des trajectoires de 300 individus (Figure 4.1) s'avère être rapidement illisible. Seul émerge le motif spatial bien connu d'intensités décroissantes du centre vers la périphérie, lié à toutes les répartitions urbaines. Il faut rappeler ici que, même lorsque les flux sont connus à partir d'informations agrégées, les régularités de leurs configurations spatiales sont telles que les spécialises de la géographie des flux ont souligné l'absolue nécessité de traitements statistiques préalables à l'interprétation de leurs tendances spatiales (Tobler, 1970 ; Wilson, 1970).

De fait, de nombreux auteurs mobilisant les notions de la Time Geography se sont retrouvés confrontés à la difficulté de traiter des individus dans leur ensemble (Kwan, 2000 ; Cochey et Tabaka, 2007 ; Shaw, Yu, Bombom, 2008). La géovisualisation des trajectoires individuelles n'est efficace que dans le cas où seul un petit nombre de trajectoires sont considérées (André- Poyaud, Bahoken, Chardonnel et alii, 2009). Au delà d'une dizaine, par exemple, la

Figure 4.1 : Représentation des trajectoires individuelles de 300 individus le 29/03/2009. Les trajectoires sont constituées à partir de la succession des localisations des individus. (Source : Orange Labs, réalisé avec M-Atlas)

IV.1.Des traces individuelles aux flux de mobilité

représentation est illisible. Pour pallier à cette difficulté méthodologique, ces auteurs proposent de travailler à partir de groupes d'individus fondés sur des typologies, typologies de ménages (Kwan, 2000), de journées, de parcours (Shaw et alii, 2008) ou de programmes d'activités (Thévenin et alii, 2007). M-P Kwan (1999b) favorise par exemple la représentation de sous-groupes (par genre ou par origine ethnique) et la comparaison avec l'ensemble de la population. Les visualisations différenciées des intensité d'activité de deux groupes différents permettent de montrer des pratiques de l'espace différenciées. Cette démarche intéressante est délicate dans le contexte de l'utilisation de données de téléphonie mobile car comme cela a été rappelé ces données ne renseignent que sur un aspect de la mobilité. Il semble difficile de donner du sens à une typologie sans détenir de critères supplémentaires sur les individus. La seule distinction réellement possible est la distinction opérable entre les usagers dont l'opérateur est étranger, mais dont le téléphone portable sollicite les antennes du réseau de téléphonie mobile Orange. L'origine étrangère de l'opérateur est identifiée par l'IMSI53 _du

téléphone portable, ce qui nous permettra d'observer plus particulièrement cette sous- population dans notre Chapitre 5.

Faute de caractéristiques décrivant l'ensemble des individus abonnés à Orange permettant de les regrouper au sein de catégories faisant sens, nous avons décidé d'agréger ces données individuelles pour construire une représentation générale de la mobilité au sein du territoire francilien.D 'un point de vue méthodologique, cette agrégation a nécessité d'investiguer la problématique de la représentation du mouvement au sein de l'espace. Le mouvement, qu'il soit celui d'un individu, d'un objet ou d'une particule, se déroule à plusieurs niveaux. En physique, deux représentations du mouvement co-existent, celle centrée sur le suivi de l'individu, la description lagrangienne, et celle centré sur le milieu dans lequel évoluent les individus, la description eulérienne.

L'analyse exploratoire des objets spatio-temporels (Andrienko, 2006) a été fortement encouragée par la disponibilité de données nouvelles de localisation. Les deux représentations classiques du mouvement sont reprises par G. et N. Andrienko (2010; Andrienko, Andrienko, Bak et alii, 2011) pour déterminer les types d'agrégation possibles à partir de données de position (Tableau 4.1). Ces deux aspects sont complémentaires et nous informent d'un même phénomène, le déplacement d'entités au sein d'un territoire donné. Toutefois, distinguer ces deux aspects permet aussi de distinguer ce qu'il est possible de construire à propos du mouvement d'objets. A partir de cette distinction, G. et N. Andrienko identifient une série d'agrégations possibles pour rendre compte de ce mouvement, si difficile à saisir, car rentrant fortement en conflit avec le statut statique de la plupart des cartes.

Types de tâche Point de vue sur le mouvement

L'espace crée les conditions du mouvement

Le mouvement est une propriété des seuls objets

Approche

eulérienne :Focalisée sur la situation

Tâches : Exploration de l'utilisation de l'espace, accessibilité, perméabilité Agrégation : S, T, S*T, S*A, T*A, S*T*A

appliqué aux enregistrements de position considérés comme des événements discrets

Tâche : Exploration des motifs de mouvement collectif (convergence, divergence etc..)

Agrégation : les méthodes actuelles ne sont pas applicables

Approche lagrangienne :

Focalisée sur la trajectoire

Tâche : exploration de la connectivité de l'espace, flux majeurs, trajets types, utilisation des infrastructures routières Agrégation : S*S, R, R*S*S appliqué aux trajectoires entières ou à des fragments connectant des lieux prédéfinis

Tâche : comparaison des comportements en mouvement Agrégation : S, T, A, S*T, S*A, T*A, S*T*A appliqué séparément aux positions enregistrées pour chaque entité

Tâche : exploration des mouvements relatifs et des interactions

Agrégation : les méthodes ne sont pas disponibles

Tableau 4.1 : Les types d'analyse du mouvement et les techniques d’agrégation disponibles, traduit d'après G. et N. Andrienko (2010).

G. et N. Andrienko proposent un cadre pour utiliser l’agrégation dans l'exploration visuelle de données de mouvement. Les agrégations sont possibles en utilisant soit un seul des critères suivants, soit en les combinant : S pour l'espace, T pour le temps, A pour attribut et R pour trajectoire. (Source : G. et N. Andrienko, 2010)

Dans le cadre de cette thèse, disposant de nombreuses données imparfaites (Chapitre 3, p.83), et compte tenu de la granularité spatiale et temporelle (deux semaines en Ile-de-France), nous avons choisi de nous concentrer sur l'un des deux aspects du mouvement : soit le mouvement comme fortement influencé par l'organisation de l'espace. Cela implique de se concentrer donc sur l'organisation des mouvements de population à l'échelle du territoire régional.

Plusieurs disciplines offrent des axes de réflexion concernant à la fois ces agrégations de données de localisation mais aussi la représentation et la formalisation du mouvement et des mobilités sur un territoire donné.

En prenant appui dans un premier temps sur les formalismes développés par G. et N. Andrienko, (2010) nous proposons une liste non exhaustive des types d'agrégation possibles à partir des données de téléphonie mobile (Figure 4.2), en fonction des objectifs envisagés.

IV.1.Des traces individuelles aux flux de mobilité

Nous identifions ainsi quatre principales formes d'agrégation répondant à quatre objectifs différents :

1) La première agrégation possible consiste à s'intéresser au nombre de personnes présentes ou communicantes au sein de l'espace urbain.

Cette forme d'agrégation soulève une hypothèse liée à la signification des données : comment nous renseignent-elles sur les densités diurnes (Mille, 2000) et plus généralement sur les activités humaines ? Les données d'usage de téléphonie mobile informent sur la localisation d'individus au fil de la journée mais ce, en fonction des usages de communication, dans leurs interactions avec certaines pratiques de mobilité (Chapitre 3, p.98). Dénombrer le nombre d'individus présents en fonction des données de téléphonie mobile est en lien avec le contexte géographique et temporel des lieux. Ce type d'agrégation est particulièrement intéressant dans le cas de l'analyse d'évènements exceptionnels (Elissalde et alii, 2011 ; projet Urban Mobs54_).

54 Le projet Urban Mobs est une cartographie « des émotions populaires » lors de différents événements, fête de la musique, passage au nouvel an etc... dans différents pays : France, Espagne Pologne, Roumanie. Ce projet de visualisation dynamique a été développé par Orange et FaberNovel.

Figure 4.2 :Les différentes agrégations possibles à partir des données de téléphonie mobile, d'après le cadre établi par G. et N. Andrienko (2010 ; 2011).

Comme dans le tableau précédent, les agrégations sont possibles en utilisant soit un seul des critères suivants, soit en les combinant : S pour l'espace, T pour le temps, A pour attribut et R pour trajectoire. BTS = stations de téléphonie mobile

Cependant, en cartographiant le nombre de personnes présentes, se manifestant par leurs empreintes de téléphonie sur le territoire, on ne donne qu'une approximation nécessairement sous-estimée du nombre d'individus réellement présents. Les données de téléphonie mobile ne permettent dans un premier temps que de donner des ordres de grandeur de l'intensité de présence, plutôt que des valeurs absolues permettant de compter la population présente.

2) La deuxième forme d'agrégation consiste à mesurer les flux entre lieux prédéfinis, sans considérer avec précision l'itinéraire.

3) La troisième forme d'agrégation consiste à mesurer les flux entre lieux prédéfinis en considérant l'itinéraire.

4) La quatrième forme d'agrégation s'intéresse à des fragments d'itinéraires similaires. Ces trois formes d'agrégation requièrent des informations précises sur la trajectoire parcourue et sur la nature des lieux fréquentés. Les données de téléphonie mobile ne donnent aucune information sur l'origine et la destination des déplacements (Chapitre 3, p.83). Il est possible d'inférer ce type d'information, mais l'incertitude des données fait que seuls des lieux de fréquentation réitérée, associés dans des routines comme les lieux de domicile ou les lieux de travail peuvent être inférés (Calabrese, Di Lorenzo, Liu, et alii, 2011). Pour ce qui est de connaitre les trajectoires individuelles, il existe aussi une grande incertitude sur la précision de la trajectoire. Dans ces deux cas, l'échelle d'analyse est essentielle pour pallier aux imperfections des données : plus la période de collecte des données sera longue et plus le territoire considéré vaste, meilleure sera l'information restituée.

De la même manière que pour la mesure de l'intensité de présence ou d'activité des usagers de téléphonie mobile, il est toujours très délicat de vraiment comptabiliser ces flux. Il s'agit ici aussi davantage d'ordres de grandeurs que de flux de personnes quantifiables de manière exacte.

En conséquence, afin d'analyser l'articulation entre individu et espace urbain, nous avons pris le parti d'utiliser un autre niveau spatial que celui des individus : le niveau spatial des antennes, plus exactement celui des stations du réseau de téléphonie mobile (les BTS). Les BTS sont désormais les éléments de base de notre raisonnement. Ce sont entre ces stations qu'ont lieu les déplacements de personnes. Cette hypothèse de travail fait abstraction de la répartition aléatoire des individus au sein de la zone de couverture de l'antenne, mais il semblait judicieux de raisonner à partir de ces 3200 points fixes du territoire, reliés entre eux par des mouvements de population. L'autre avantage à travailler à partir de ce maillage particulier est de pouvoir observer l'espace urbain selon une autre granularité que celle, classique, des limites administratives, celles des arrondissements, des communes ou des IRIS. Cet avantage est aussi une difficulté. En effet, les polygones de Voronoï dessinés autour des

IV.1.Des traces individuelles aux flux de mobilité

antennes BTS et les découpages administratifs classiques à partir desquels sont construites les données collectées par les organismes publics sur le territoire ne coïncident pas (Figures 3.3 et 3.4). Associer ces flux de mobilité à des caractéristiques du territoire nécessitera donc de poser d'autres hypothèses et d'utiliser d'autres sources d'information sur la répartition des activités au sein du territoire.