Indicateurs de la dimension capacité à faire face

Pour ce qui est de la capacité à faire face, des indicateurs de localisation et d’accessibilité aux services ont été créés. Premièrement, les données du rôle d’évaluation foncière (REF) de 2015 ont été utilisées pour estimer la répartition des logements et par le fait même, de la population sur le territoire à l’étude. Ce fichier est représenté par des points et consiste au barycentre de chaque lot du rôle d’évaluation foncière. Seuls les usages résidentiels4 ont été sélectionnés afin d’estimer la distribution spatiale de la population. Cependant, pour mesurer l’accessibilité géographique aux différents services à l’échelle du Québec méridional, il est nécessaire d’utiliser le centre de l’échelle géographique du

4 _{Les codes CUBF et usages suivants ont été retirés : 1911 (pourvoirie avec droits exclusifs), 1912 (pourvoirie}

sans droits exclusifs), 1913 (camp de chasse et pêche), 1914 (camp forestier), 1921 (stationnement intérieur), 1922 (stationnement extérieur) et 1923 (espace de rangement) (CUBF).

35

découpage utilisé dans notre étude, donc à l’échelle de l’ID. De ce fait, le centre géographique de l’ID ne représente pas nécessairement l’endroit dans l’ID habité par le plus grand nombre de personnes et où l’on y retrouve le plus de logements. C’est par exemple le cas dans les ID de grande superficie souvent retrouvés en région rurale. De plus, ces barycentres ne sont pas nécessairement situés près d’une route, ce qui peut poser problème pour évaluer l’accessibilité géographique. Il fut donc impératif de modifier la position géographique des barycentres des îlots de diffusion pour que ceux-ci soient plus représentatifs de l’écoumène (répartition de la population et des logements, le plus près d’une route, etc.).

Déplacement des barycentres de lot

Afin de pallier cette situation, il a été nécessaire de déplacer ces barycentres des lots (Figure 8). Pour ce faire, une zone tampon de 5 mètres a été créée autour du réseau routier du Québec afin de déplacer les barycentres de lots près de celui-ci (Étape 1). Par la suite les polygones générés par les zones tampons des routes ont été transformés en lignes (Étape 2). L’outil « capturer (Mise à jour) » d’ArcGIS a été utilisé pour déplacer les barycentres des lots du REF le plus près possible de la ligne de zone tampon la plus proche (Étape 3). De ce fait, certains endroits pour lesquels le barycentre de lot était trop loin de la route et posait problème à l’analyse ont été corrigés. Finalement, une jointure spatiale fut effectuée entre les points de résidences et les ID pour leur attribuer un nouveau code d’ID si celui-ci changeait. L’étape 4 présente la création du nouveau centre des ID (voir la sous-section Création du nouveau centre des îlots de diffusion).

36

Figure 8 : Étapes du déplacement des barycentres de lots

Réalisation : © Jean-Simon Déry et Louis-Pierre Tanguay, 2018

Des traitements ont aussi été effectués afin de retirer les résidences (barycentres de lot) ne respectant pas les critères de l’étude (Figure 9). Dans un premier temps, les résidences situées à plus de 1000 mètres d’une route furent éliminées afin de ne pas créer un biais en incluant des données extrêmes. Par la suite, les résidences situées dans des ID non significatifs, c’est-à-dire sans population, ont aussi été retirées. De ce fait, les résidences du résultat final ont permis de mieux représenter l’écoumène de la population.

37

Figure 9 : Nombre de résidences à l’échelle du Québec municipalisé

Réalisation : © Jean-Simon Déry et Louis-Pierre Tanguay, 2018

Création du nouveau centre des îlots de diffusion

Suivant cette étape, il fut possible de générer un nouveau centre pour chaque ID permettant de mieux modéliser la répartition spatiale des barycentres de lot et de la population. Pour cela, différentes méthodes de création de nouveaux centres d’ID ont été comparées avec ArcGIS (Figure 10). La première méthode, centre moyen, permet de générer un centre géographique moyen selon la répartition des bâtiments dans l’ID. Ce dernier peut être pondéré (centre moyen pondéré) par le nombre de logements de chaque point. La deuxième méthode, entité centrale, sélectionne le point (les barycentres de lot) dans chaque ID qui est le plus au centre. Cette méthode peut également être pondérée par le nombre de logements (entité centrale pondérée). Le centre géographique a aussi été calculé pour chaque ID à des fins de comparaison entre les méthodes. Pour sélectionner le meilleur procédé, les distances euclidiennes des résidences vers chacun de ces nouveaux centres furent calculées. Par la suite, la méthode d’agrégation minimisant la distance entre les localisations estimées des logements et le centre des ID a été sélectionnée. Ce test a été appliqué sur un échantillon

38

de 236 069 barycentres de lots au sein de la RMR de Québec. Après analyse, la méthode retenue modélisant le mieux la répartition spatiale de la population du territoire à l’étude est l’entité centrale pondérée (Tableau 3).

Figure 10 : Comparaison des méthodes

Réalisation : © Jean-Simon Déry et Louis-Pierre Tanguay, 2018

Tableau 3 : Résultats des tests des barycentres

Réalisation : © Jean-Simon Déry et Louis-Pierre Tanguay, 2018

Méthode Bâtiment corrigé Bâtiment corrigé et pondéré

Distance moyenne (mètres) Écart type Distance moyenne (mètres)

Centre moyen 301,07 556,63 Non applicable

Centre moyen pondéré 303,87 557,53 236,03

Entité centrale 293,77 609,52 Non applicable

Entité centrale pondérée 299,63 612,13 229,75

39

En tout, trois grandes étapes furent nécessaires dans la création du nouveau centre des îlots de diffusion pour l’entièreté du territoire à l’étude (Figure 11). Ainsi, la première étape fut de créer les entités centrales pondérées avec ArcGIS. La quasi-totalité des ID (environ 94 %) eut alors un nouveau centre (étape 1.A de la Figure 11). Cependant après avoir créé ces nouvelles données, certains ID avaient des entités centrales pondérées en doublon pouvant causer des problèmes d’interprétation. Pour trouver ces ID, un décompte des points dans les ID associés a été effectué grâce une jointure spatiale. Cela a permis de trouver les ID ayant deux nouveaux centres au lieu d’un par ID. La raison de la création de ces doublons s’explique par le fait que lorsqu’il y a uniquement deux points de résidences dans l’ID et qu’ils ont le même nombre de logements, l’outil prend en compte les deux points au lieu d’un seul. Il crée alors un point sur chaque résidence ce qui cause un doublon. Pour remédier à cette situation, les ID contenant ces doublons furent isolés et une autre méthode de création de nouveaux centres fut utilisée pour ces ID, le centre moyen pondéré (étape 1.B de la Figure 11). Cette étape représente environ 2 % des ID totaux, soit environ 1 666 ID. Par la suite, certains îlots de diffusion avaient une population recensée sur leur territoire, mais ne contenaient pas de points de résidence du REF et par le fait même ne pouvaient se faire attribuer une entité centrale pondérée lors du traitement. Ces ID furent une fois de plus isolés. Puisque l’écoumène se trouve généralement près des routes, il fut vérifié si ces ID contenaient au moins un segment de route et situé à 5 mètres d’une route. Le cas échéant, les zones tampons précédemment créées (voir section Déplacement des barycentres de lot) furent reprises dans ces ID et un centre géographique y fut créé. Ces centres furent rattachés à 5 mètres de la route avec l’outil « capturer (Mise à jour) » d’ArcGIS comme lors du déplacement des points du rôle d’évaluation foncière et ainsi être plus fidèles à l’étape 1.A. Ces centres (étape 2 dans la Figure 11) représentent 2 371 cas, soit environ 3 % des cas totaux. Enfin, la troisième et dernière étape, a lieu lorsque l’ID a une population recensée sur son territoire, mais qu’il n’y a pas de segments de route à proximité. Dans ces cas, un centre géographique de l’ID est tout simplement créé. Cette étape représente environ 1 % de tous les cas ou 813 cas.

40

Figure 11 : Processus de sélection des barycentres

41 Mesures d’accessibilité

Une fois les mesures de centralité créées pour l’ensemble des ID à l’étude, il fut alors possible de créer les différents indicateurs de la dimension de la capacité à faire face. La distance réticulaire séparant chacun de ces nouveaux centres vers différents services fut calculée à l’aide de l’outil Network Analyst du logiciel ArcGIS. Ces services correspondent aux services de santé (CLSC et CHSGS), aux piscines publiques, aux pharmacies, aux services de pompier et aux services de police. Les sources de données concernant la localisation de ces services sur le territoire proviennent de différents partenaires public et privé du projet Atlas (Tableau 4). Ainsi, la distance à la ressource la plus proche de chaque catégorie (quelle est la pharmacie la plus près ? Quel est le CHSGS le plus près ? Etc.) pour chaque ID fut calculée.

Tableau 4 : Source de données de la localisation des services par indicateur Indicateurs Sources des données de la localisation des services

Proximité aux CHSGS Ministère de la Santé et des Services sociaux (MSSS), 2016

Proximité aux CLSC Ministère de la Santé et des Services sociaux (MSSS), 2016

Proximité aux piscines publiques

Base de données topographiques du Québec (BDTQ), 2008

Proximité aux pharmacies Ministère de la Santé et des Services sociaux (MSSS), 2016

Proximité aux services de pompier

Ministère de la Sécurité publique du Québec (MSP), 2016

Proximité aux services de

police DMTI Spatial, 2016

42

Dans la littérature scientifique, différentes approches sont disponibles concernant le type et le choix de distance à utiliser pour calculer la distance à la ressource la plus proche. Entre autres, « les principales mesures de distance utilisées dans la littérature sont les distances cartésiennes (euclidienne et de Manhattan) et les distances calculées à travers un réseau de rue (le chemin le plus court ou le chemin le plus rapide) » (Ngamini Ngui et Apparicio, 2011). La distance calculée à travers un réseau de rue (distance réticulaire) fut celle jugée la plus efficace et représentative pour ce mémoire. Cependant, certains auteurs (dont Brabyn et coll., 2016 ; Christie et coll., 2003 ; Pearce et coll., 2006) préconisent la distance temps au lieu de la distance réticulaire. Cela dit, Apparicio et coll. (2008) ont mesuré la corrélation entre ces deux types de distance et le résultat démontre qu’il n’y a pas de différence significative entre l’utilisation de la distance temps et la distance réticulaire.