CHAPITRE 8 CONCLUSIONS ET PERSPECTIVES DE RECHERCHE
8.2 Limites
Dans les sections suivantes, nous récapitulons les principales limites envisagées dans les différentes méthodes de simulation. Nous présentons aussi les principales limites techniques rencontrées afin d’encourager le développement d’un outil de simulation plus simple d’utilisation et plus performant. En plus des limites répertoriées plus bas, il faut mentionner le caractère inhérent des limites liées à l’utilisation des données de l’enquête OD de 2008. De plus, le fait de ne pas tenir compte de la capacité d’accueil des territoires peut être vu comme une limite à notre étude si l’on cherche à simuler des scénarios réalistes. Néanmoins, l’intégration des capacités d’accueil ne constituerait pas un défi majeur dans le cadre des méthodes de simulations envisagées. Il faudrait simplement intégrer une contrainte aux modèles pour définir les cibles de densité par secteur.
8.2.1 Utilisation du modèle de Bussière
À propos du modèle de Bussière, la principale limite qui a été rencontrée est le fait que celui-ci est difficilement applicable dans un contexte où les zones d’agrégation ne sont pas concentriques. La formulation des cibles de densité par modélisation de l’évolution de la population et par déformation du modèle pour augmenter le gradient de densité en direction du centre-ville se heurte au problème du découpage spatial utilisé dans la mesure où l’augmentation des densités ne suit pas rigoureusement ce qui était prédit par le modèle (voir section 7.1.1). La question des hautes variations de densité induites par le modèle est aussi à considérer. Si l’on souhaitait ramener ces variations de densité à un ordre de grandeur comparable à celles induites dans le scénario basé sur
le PMAD, il est probable que les écarts entre le modèle et les données expérimentales deviennent prépondérants par rapport aux variations que l’on chercherait à induire par la perturbation du modèle. Pour cette raison, l’utilisation du modèle de Bussière n’est vraisemblablement pertinente que dans le cadre d’une formulation de scénarios suffisamment contrastés.
8.2.2 Factorisation des données de l’enquête OD de 2008
Les limites liées à la factorisation des données de l’enquête OD de 2008 ont été largement présentées dans le paragraphe 4.4. Elles concernent principalement le lien entre les facteurs de pondération des ménages et des personnes et la nécessité de segmenter la population avant de procéder aux modifications des facteurs de pondération.
8.2.3 Relocalisations par sélection aléatoire
Au sujet de la relocalisation des ménages par sélection aléatoire, la principale limite dans notre cas est que cette approche probabiliste nécessiterait normalement de réaliser plus d’une seule simulation pour valider les résultats. Cela n’a pas été fait dans le cadre de cette recherche en raison du temps nécessaire pour les simulations avec notre outil. Un outil plus simple d’utilisation et plus performant devrait permettre de répondre à cette limite. Le caractère aléatoire de la méthode engendre aussi une non reproductibilité qui peut apparaître comme une limite dans la mesure où l’on ne se baserait pas sur un nombre suffisant de simulations.
8.2.4 Affectation de comportements par mimétisme
À propos de la méthode d’affectation des comportements de mobilité par mimétisme, il faut souligner le fait que la démarche est assez lourde à mettre en œuvre, notamment en raison de l’outil utilisé pour appliquer la démarche à savoir Excel puisqu’on travaille avec l’ensemble des déplacements enregistrés dans l’enquête OD de 2008 (plus de 350 000 enregistrements).
Une autre limite a été identifiée concernant les typologies de personnes, de ménages et de déplacements utilisées pour les affectations d’un comportement de mobilité par la méthode de la transformée inverse. Le choix des variables à privilégier et leur niveau d’agrégation n’est pas trivial et il faudrait recourir à des tests pour déterminer quelles variables devraient être préférées. Enfin, la question du voisinage utilisé pour appliquer le mimétisme est aussi une limite à la démarche de modélisation. Ce voisinage est pris à l’échelle des secteurs municipaux et il faudrait un plus grand
échantillon de données dans l’enquête OD pour penser le raffiner. De manière générale, il faudrait veiller à disposer d’un échantillon de personnes représentatif dans le voisinage considéré pour le tirage des différentes composantes de mobilité.
8.2.5 Prise en compte des projections démographiques
Dans les méthodes de simulation envisagées, nous nous sommes contentés de relocaliser la population de l’enquête OD de 2008. Il faudrait réfléchir à certaines adaptations pour tenir compte des projections démographiques afin de simuler les impacts des scénarios de répartition de la population sur les mobilités à un horizon d’étude futur. À condition de disposer des informations socio-économiques sur les populations projetées à l’horizon d’étude, il pourrait être envisagé d’allouer des attributs de mobilité selon une approche de mimétisme similaire à la deuxième approche qui a été envisagée dans ce mémoire. Ceci n’est envisageable que dans le cas de migrations vers des quartiers échantillonnés dans l’enquête OD. Si les migrations sont orientées vers un secteur non échantillonné, il faudra adapter une méthode d’ensemencement. Ce dernier point est également valable pour des scénarios basés sur les données de 2008 où l’on chercherait à relocaliser les ménages vers des secteurs pas ou peu échantillonnés.