Vers un modèle prédictif basé sur l’intégration locale et les paysages

Plusieurs modèles linéaires sont ensuite mis en place pour tester les combinaisons pertinentes de variables en fonction des différents niveaux hiérarchiques issus de l’enquête. Pou

pas qui utilise des variables paysagères de niveau 1 aboutit à un modèle à deux variables dont le pouvoir explicatif est de 0,44 (à comparer au modèle simple avec l’intégration, dont le r² est de 0,28). Seule la variable paysagère espaces vides est positivement liée à l’intégration

coefficient r² par rapport au niveau 2 ; en soit, il s’agit déjà d’une information non négligeable. En effet, le niveau 3 décrit une information sur la fonction du bâti qui peut sembler ambiguë et pas réellement paysagère. En conséquence, on aurait pu s’attendre à ce que ce niveau, qui recoupe en partie des informations sur les générateurs de déplacements, soit supérieur au niveau 2. Or, il n’en est rien et cela démontre que les paysages ont, au-delà du fonctionnel, aussi une influence. Par ailleurs, ce niveau 3 fournit d’autres informations : la fonction

commerciale est une nouvelle variable enregistrée comme f

nue dans la variable niveau interméd

des destinations des trajets et la densité des commerces : le coefficient r est faible (0,28). Il est donc intéressant de constater que l’accessibilité aux commerces, souhaitée par les

planificateurs urbains, se justifie également d’un point de vue paysager : les environnements commerçants attirent les piétons indépendamment de leur rôle en tant que générateur de déplacements.

La combinaison des niveaux 2 et 3 fait nettement progresser la valeur du r²à 0,59. On retrouve l’influence positive des places, du niveau intermédiaire commercial et du nombre de voies. Le rôle négatif de la largeur des trottoirs est confirmé alors que la classe monuments n’est pas très claire puisque son influence est positive ou négative selon le type de bâti auquel elle se rapporte.

Modèle Variables Coefficient Coefficient

standardisé t de Student P value

Niveau 1 Constante 0,589 - - - r2 _=0,44 Intégration locale 0,029 0,522 6,722 0,000 Espaces vides 0,050 0,342 4,708 0,000 Stationnement -0,513 -0,244 -3,047 0,002 Nombre de voies 0,412 0,237 2,785 0,006 Niveau 2 Constante 0,795 - - - r2 _=0,51

Intégration locale 0,027 0,484 6,567 0,000

Places 0,068 0,443 6,612 0,000

Nombre de voies 0,573 0,331 3,652 0,000

Largeur des trottoirs -0,349 -0,242 -2,880 0,004

Arbustes -0,076 -0,137 -2,122 0,035

Niveau 3 Constante 2,315 - - -

r2 _=0,48

Intégration locale 0,024 0,432 5,294 0,000

Niv. Int. Résidentiel -0,028 -0,321 -4,290 0,000

Niv. Int. Commercial 0,016 0,123 1,570 0,119

Niv. Int. Monuments -0,070 -0,223 -3,139 0,002

Imm. Résidentiel -0,058 -0,229 -2,837 0,005

Niv. Int. industriel -0,046 -0,136 -1,985 0,049

Nombre de voies 0,405 0,234 2,673 0,008 Stationnement -0,369 -0,175 -2,094 0,038 Constante -0,272 - - - Niveaux 2 et 3 Intégration locale 0,027 0,491 7,140 0,000 r2 _=0,59 Places 0,072 0,471 7,536 0,000

Niv. Int. Commercial 0,032 0,241 3,728 0,000 Nombre de voies 0,612 0,353 4,172 0,000 Imm. Monuments 0,053 0,162 2,652 0,009

Niv. Int. Monuments -0,049 -0,154 -2,567 0,011

Largeur des trottoirs -0,240 -0,167 -2,062 0,041

Tableau 11 : Modèles de régression selon les niveaux hiérarchiques des variables paysagères

Le modèle le plus significatif cumule donc les niveaux 2 et 3. Le niveau 2 correspond à la description la plus fine des éléments paysagers, par opposition au niveau 1, très sommaire. Quant au niveau 3, il renseigne les tronçons sur leurs fonctions paysagères. A partir de ce modèle, il est possible de dresser une carte de prédiction de la mobilité pédestre sur le réseau (figure 54). On peut voir que cette carte traduit la forte influence de l’intégration : les grandes lignes axiales sont censées accueillir de nombreux flux pédestres. Mais l’intégration des variables paysagères a permis de nuancer l’opposition, que nous avions décrite, entre

boulevards périphériques et centre-ville. Ces variables ont permis de repositionner le centre historique de la ville dans son rôle de capteur de la mobilité pédestre.

Figure 54 : Charges prédites par le modèle (niveaux 2 et 3)

D’ailleurs, il semble que cette prédiction soit encore insuffisante pour certaines rues du centre (figure 55). La rue de Béthune, qui est la principale artère commerciale du vieux ille,

supporte un ses résidus

sont fortement positifs. C’est aussi le cas de certaines rues du centre même si l’on ne peut généraliser ce constat de manière systématique. On remarquera d’ailleurs qu’aucune structure

alité.

L e charge bien supérieure à celle issue du modèle de prédiction puisque particulière n’émerge de la carte des résidus dans sa glob

Figure 55 : Carte des résidus du modèle (niveaux 2 et 3)

Localement, quelques groupes de rues sont homogènes, positivement ou négativement mais il n’y a pas d’agrégats nettement différenciés ; ce constat permet de confirmer la validité du

modèle. Certaines zones sont privilégiées par les piétons mais de grandes différences locales existent, ce qui semble logique puisque les choix des piétons conduisent à privilégier localement certaines rues au détriment d’autres. Par ailleurs, on notera que certaines lignes axiales de l’ouest de la zone ne sont pas aussi empruntées que prévu, mais sans toutefois pouvoir fournir une explication satisfaisante.

e l’indice d’intégration. Nous rejoignons donc de nombreux d’auteurs (par exemple Cutini, 1999 ; Desyllas et Duxbury, 2001) qui avaient déjà validé les hypothèses fondatrices émises par B. Hillier et J. Hanson (1984). Sans polémiquer, on se contentera de rappeler que la syntaxe spatiale renvoie aussi en partie à des notions architecturales plus anciennes. Ne retrouve-t-on pas, en effet, la vision de l’urbanisme ouvert des années 70 avec ses espaces visibles, continus (Picon-Lefebvre, 1997) et ses longues perspectives ?

Ensuite, nous avons pu confirmer l’hypothèse de certaines préférences paysagères puisque le pouvoir explicatif du modèle est passé de 25 à 56 %. Ces modèles ont permis de mettre en évidence l’influence positive de certains éléments paysagers, notamment celle des places et des

commerces. Cela valide le cadre conceptuel utilisé qui postulait que l’usage des tronçons de

rue est à la fois dépendant de son accessibilité, définie selon les règles syntaxiques, et des préférences paysagères. Cela rejoint aussi les hypothèses du "Pedestrian Environment Factor" (Parsons Brinkerhoff Quade and Douglas, Inc., 1993), indice qui synthétise un ensemble de mesures favorables aux piétons et qui intègre la notion de qualité de l’environnement piétonnier.

Pour les autres classes paysagères, nous attendrons d’avoir mis en œuvre d’autres méthodes de détection des préférences avant d’entrer dans une description précise des résultats obtenus. Nous pouvons juste remarquer que les variables bâti et espaces vides sont les plus prégnantes et l’on peut être tenté de rapprocher ces conclusions des hypothèses émises par les architectes au sujet des pleins et des vides et que nous avons déjà mentionnées. Toutefois, il n’y a pas de distinction en fonction de la hauteur du bâti et ce sont plutôt les fonctions qui sont discriminantes. Etrangement, la végétation semble ne jouer aucun rôle, hormis pour la classe

arbustes qui est même négative. Autre constat surprenant, la largeur des trottoirs agit aussi de

façon négative ; mais il ur est presque toujours satisfaisante, ce qui pourrait expliquer sa faible pertinence ici. Pour finir, la variable nombre de

Conclusion

A partir de données décrivant la fréquentation pédestre et les éléments visibles des tronçons de la zone étudiée, l’application du cadre théorique du mouvement naturel, associé aux classes paysagères censées représenter les préférences visuelles des piétons, a abouti à la mise en place de modèles statistiques. Ces résultats confirment tout d’abord l’hypothèse initiale selon laquelle la configuration du réseau, via notamment la présence de grandes rues linéaires, est le principal facteur influençant les choix d’itinéraires pédestres. Ainsi, malgré les critiques qui lui sont parfois adressées, la syntaxe spatiale présente un intérêt pour la modélisation des déplacements, notamment grâce au calcul d

voies, qui constitue en général un indicateur du trafic routier, est positivement corrélée à

l’intensité pédestre. Mais comme cela a été démontré, elle est fortement liée à l’intégration locale et à des perspectives visuelles.

Chapitre 2