Contributions

En réponse aux objectifs de recherche, notre contribution relève avant tout d’un apport méthodologique pour la simulation de scénarios de densification résidentielle dans la région métropolitaine de Montréal. Au fil de ce travail, plusieurs approches de modélisation alternatives ont été étudiées et évaluées pour chercher à implémenter des scénarios de natures diverses ayant trait à la répartition des personnes, des ménages et des logements sur le territoire de l’agglomération montréalaise. Les résultats principaux de cette recherche sont un ensemble de diagrammes algorithmiques synthétisant les différentes fonctions mises en jeu dans les processus de simulation qui se traduisent par différentes implémentations d’un modèle conceptuel en trois étapes, schématisé en Figure 3.1 et repris tout au long du développement de ce mémoire. Ces diagrammes devraient normalement permettre de proposer un outil de simulation plus avancé dans le cadre de recherches futures.

Dans un premier temps, notre développement méthodologique s’est appuyé sur l’utilisation d’un modèle de forme urbaine, tiré de la littérature en transport, pour définir un ensemble de cibles de densité de plus en plus grandes à mesure que l’on se rapproche du centre-ville de la région métropolitaine. Trois alternatives principales ont alors été envisagées pour simuler une répartition de la population selon les cibles de densité ainsi définies. La première des options envisagées (CHAPITRE 4) s’inspire de la méthode de prévision de la demande en transport utilisée au ministère des Transports (MTMDET) et repose sur un principe de factorisation pour augmenter le poids des personnes vivant dans les secteurs que l’on souhaite densifier. Cette approche est basée

sur une relocalisation des personnes sans tenir compte de leur ménage. C’est un point qu’il faudrait éclaircir si l’on choisissait de développer davantage cette méthode dont les fondements théoriques demeurent intéressants même si elle n’a pas été poussée jusqu’à son terme.

Les deux autres approches (CHAPITRE 5) proposent de procéder à une relocalisation des ménages sur la base d’un tirage aléatoire et se distinguent l’une de l’autre par la façon d’attribuer des comportements de mobilité aux personnes. L’une des méthodes (paragraphe 5.4.1) leur attribue les mêmes déplacements qu’une personne similaire à proximité de leur nouveau lieu de résidence, en se basant sur une typologie des personnes et des ménages, alors que l’autre (paragraphe 5.4.2), considère, en plus, qu’il est pertinent de conserver le nombre et les motifs de déplacements des personnes et que seules les modalités (heure de départ, destination, mode de transport) de ces déplacements sont à redéfinir sur la base des principes de similarité et de proximité.

En se basant sur cette dernière approche de modélisation, qui procède à une relocalisation des ménages par tirage aléatoire et affecte de nouvelles caractéristiques aux déplacements des personnes relocalisées en conservant leur nombre de déplacements et leur motif respectif, une dernière forme de scénario a été élaborée dans l’optique de simuler des orientations d’aménagement de la métropole et, surtout, de proposer une autre façon de définir les cibles de densité de ménage. Cette méthode (CHAPITRE 6) a l’avantage de la flexibilité et pourrait simuler n’importe quel scénario qui spécifierait une matrice de densités cibles de ménages.

Enfin, suite à cette exploration méthodologique qui constitue le corps principal de ce travail, nous avons proposé un ensemble d’indicateurs pertinents pour évaluer les simulations réalisées dans une perspective de développement durable et d’étude d’impacts sur la santé (CHAPITRE 7). Si ces résultats ne peuvent être admis tels quels en raison du nombre limité de simulations réalisées et du fait qu’aucun modèle d’affectation et de choix modal n’ait été implémenté à ce stade des recherches, ceux-ci sont encourageants dans la perspective de cette étude puisqu’ils sont globalement conformes aux hypothèses que nous avions pu formuler a priori. Des recherches plus poussées devraient pouvoir évaluer ces indicateurs et garantir leur validité tant sur le plan statistique que sur le plan de l’équilibre entre l’offre et la demande.

D’un point de vue plus transversal, cette recherche a aussi permis de mettre en valeur l’influence de la proximité au centre-ville sur certaines variables de mobilité, notamment les heures de départ, les zones de destination et les modes de transport. En effet, des tests statistiques ont montré que

leurs distributions étaient significativement différentes dans les secteurs centraux et les secteurs périphériques pour la segmentation retenue en se basant sur le modèle de Bussière. À travers les différentes expérimentations réalisées, nous avons aussi contribué à donner une meilleure idée du niveau d’agrégation qu’il est possible d’envisager pour les différentes variables du modèle selon le nombre de données disponibles dans l’enquête OD de 2008. Les recherches basées sur nos travaux devraient en bénéficier dans une certaine mesure. Enfin, un des partis pris de ce travail a été de chercher à simuler des scénarios macroscopiques, ou de rupture. Nous pensons qu’un tel point de vue dans les modèles peut s’avérer fécond dans l’optique d’initier des pratiques de modélisation innovantes, pour ouvrir la voie à la modélisation de scénarios de rupture qui sont encore trop peu considérés par les différentes instances en charge de la planification et de l’aménagement.