Navigation – Plan du site
2011
529

Consommation d’énergie et mobilité quotidienne selon la configuration des densités dans 34 villes européennes.

Urban spatial structure, daily mobility and energy consumption: a study of 34 European cities
Florent Le Néchet
Traduction(s) :
Urban spatial structure, daily mobility and energy consumption: a study of 34 European cities

Résumés

Dans cet article, nous confrontons deux bases de données, l’une portant sur la mobilité dans 34 villes européennes et l’autre donnant une grille fine (au pas de 200 mètres) de densité de population pour ces mêmes villes. Dans la perspective d’un développement urbain soutenable, nous mettons en évidence la complémentarité d’indicateurs urbains classiques (PIB par habitant, densité de population) et d’indicateurs morphologiques plus fins (entropie, pente de la loi rang-taille) pour expliquer les différences inter urbaines de sept indicateurs de mobilité quotidienne, mettant en particulier l’accent sur la consommation d’énergie par personne due aux transports (en 2001).

Haut de page

Texte intégral

Introduction

1Les liens entre structure urbaine et mobilité quotidienne sont abondamment discutés dans la littérature (Camagni, Gibelli, & Rigamonti, 2002 ; McMillen, 2003 ; Aguilera, Mignot, & Madre, 2005 ; Acharya & Morichi, 2007 ; Milakis et al., 2008 ; Bertaud & al., 2009) sous des angles variés. Dans un contexte de dépendance automobile accrue et d’interrogations sur les conséquences négatives du processus d’étalement urbain, il s’agit d’identifier des formes de villes compatibles avec des formes de mobilités jugées souhaitables. Cervero (2002) recommande par exemple une forte utilisation des transports en commun et de faibles distances à l’emploi, dans le cadre de villes compactes. A côté d’une littérature théorique, s’intéressant à des villes et à des individus stylisés (Wheaton, 2003), des travaux empiriques cherchent à mettre en évidence des relations statistiques entre plusieurs attributs urbains, dans divers contextes géographiques.

2Certaines approches privilégient les interactions microscopiques entre individus, cherchant à identifier les déterminants individuels de mobilité (coûts de transport, accessibilité des différentes infrastructures de transport, Massot & al., 2006). D’autres visent au contraire à quantifier de façon synthétique des attributs de la ville (compacité, taille moyenne des ménages) afin de dégager entre eux des corrélations, voire dans certains cas des causalités (Fusco, 2004). Bien que ces deux approches puissent être complémentaires (Wegener & Fürst, 1999), l’approche privilégiée ici est clairement macroscopique, reposant sur les premiers résultats d’une analyse des relations entre forme urbaine et mobilité quotidienne dans 34 villes européennes. Nous mettons en évidence l’apport d’une quantification fine de la forme urbaine en complément d’indicateurs socio-économiques plus classiques, dans un contexte d’urbanisation étalée, voire polycentrique, qui soulève des interrogations sur le caractère soutenable des formes de mobilité connexes (distances croissantes, utilisation intensive de l’automobile, consommations d’énergie trop importantes).

Structure urbaine et mobilité quotidienne

3Dans cette section, nous mettons en évidence les enjeux variés liés à la transformation de la structure urbaine des villes européennes, au cours du vingtième siècle (1.a) : une littérature abondante, pluridisciplinaire, explore les éventuels liens spécifiques entre structure urbaine, vue comme la répartition des habitants au sein d’une ville et mobilité quotidienne (1.b). La dernière section annonce les objectifs de cet article (1.c).

Transformation de la structure urbaine et enjeux de soutenabilité

4Les vitesses importantes permises par l’automobile ont favorisé l’étalement urbain (EEA, 2006), phénomène de déconcentration des habitations et d'urbanisation intensive des zones périurbaines. Les individus, pouvant résider loin du centre tout en ayant accès à des activités centrales, rechercheraient en périphérie des villes de plus grands espaces habitables et une certaine proximité avec la nature (Gordon & Richardson, 1997).

5La transformation d’une ville "pédestre" en une ville organisée autour des infrastructures ferroviaires à la suite de la révolution industrielle a été bien décrite par Wiel (1999). D’après cet auteur, la diffusion de l'automobile au cours de la seconde moitié du XXème siècle a de nouveau transformé les formes urbaines, faisant considérablement baisser la densité urbaine - quelques dizaines d’habitants à l’hectare au lieu de quelques centaines un siècle auparavant selon Newman & Kenworthy (1999), dans le cas des villes américaines. En plus d’une vitesse supérieure aux transports en commun, l’automobile permet une accessibilité presque uniforme sur le territoire, alors que l’accessibilité aux transports en communs est au contraire très inégalement répartie sur le territoire et que les systèmes de transport collectifs nécessitent une densité de population minimale pour bien fonctionner (Department for Transport, 2008). Il s’en suit une urbanisation consommant beaucoup d’espace, diffuse, qui pose des problèmes en soi (imperméabilisation des sols – Djellouli & al., 2010, transformation du lien social, dépendance automobile, Dupuy, 1999, consommation énergétiques élevées liées au chauffage de maisons isolées).

6De plus, les pratiques de mobilité et les modes de vie des individus (recours extensif voir exclusif à l’automobile, augmentation tendancielle des distances parcourues) posent des problèmes variés. La voiture est un mode de transport polluant, à la fois à l’échelle locale (émission de particules nocives pour la santé des habitants) et à l’échelle globale (émission de dioxyde de carbone, favorisant l’effet de serre et polarisant les inquiétudes actuelles sur le réchauffement climatique). Par ailleurs, il ne sera plus possible à moyen terme d’utiliser à grande échelle le pétrole, source d’énergie aujourd’hui très bon marché.

7La voiture, qui pourrait apparaître comme un progrès technique eu égard à ses performances en termes de vitesse, de faible coût de transport et de désenclavement potentiel du territoire, est aujourd’hui sur le banc des accusés. Une conjonction d’arguments pas nécessairement liés entre eux plaide ainsi pour une remise en question profonde de l’utilisation de la voiture.

8Newman et Kenworthy (1989) ont publié une courbe reliant, pour une cinquantaine de villes dans le monde, la densité humaine à la consommation d’énergie liée aux transports. La figure 1 montre des pratiques énergétiques très différentes pour les villes américaines, peu denses et énergivores, ainsi que pour les villes asiatiques, aux densités conséquentes (300 habitants par hectare à Hong-Kong) et environ 6 fois moins consommatrices d’énergie (Lefevre, 2007). Notons que ces travaux s’appuient sur une base de données ne comportant aucune ville africaine, ni sud-américaine, ce qui limite la portée de ce résultat.


9Les travaux de Newman & Kenworthy ont été débattus dans la littérature, à la fois sur du point de vue méthodologique (Johnson & al., 1997) et du point de vue de l’acceptabilité des politiques urbaines de densification devant pour les auteurs en découler (Breheny, 1997). Si la possibilité de généraliser ces résultats semble effectivement discutable, du fait de la diversité des villes mobilisées et de l’absence de prise en compte de variables explicatives en complément de la densité de population (taux de motorisation, richesse des villes, entre autres) cette approche macroscopique a précédé de nombreux travaux sur les liens, théoriques ou empiriques, entre forme urbaine et pratiques de mobilité. La ville compacte, qui fait encore aujourd’hui l’objet de nombreux questionnements (Dempsey, 2010), est devenue une figure d’un urbanisme respectueux des individus et de l’environnement (Cahn, 2003).

10La transformation des structures urbaines au cours de la seconde moitié du vingtième siècle a également été marquée par un desserrement des activités dans les métropoles européennes et en particulier de l’emploi le moins qualifié. Au-delà d’une simple baisse de la densité résidentielle, de la densité d’emplois, au centre des villes, on constate qu’une lecture monocentrique des dynamiques urbaines est de moins en moins pertinente (Heikkila & al., 1989). Depuis plusieurs décennies, des travaux relatent l’émergence de centres d’emploi à la lisière des grandes agglomérations – aux Etats-Unis (Edge Cities, Garreau, 1991, Edgeless Cities, Lang, 2002) et en Europe (Bontje, 2005 ; Berroir & al., 2005). Knapp & al.(2006) observent de plus l’émergence de régions urbaines polycentriques, issues de l’intégration fonctionnelle de centres historiquement disjoints : il y a un enjeu scientifique à modéliser les nouvelles formes d’urbanisation de façon plus fine qu’avec la double donnée d’un centre géographique et d’une densité de population moyenne.

Structure urbaine et mobilité quotidienne

11Les approches empiriques de l’interaction entre formes d’usage du sol et formes de mobilité sont essentiellement effectuées à deux échelles distinctes : inter-urbaines, (Newman & Kenworthy, 1999) ou intra-urbaines, (Fouchier, 1997 ; Pouyanne, 2005).

12Nous présentons ci-dessous (figure 2) un extrait du diagramme classique d’interaction transport – utilisation du sol (Wegener et Fürst, 1999). D’après les auteurs, cinq paramètres de l’utilisation du sol sont susceptibles d’avoir un impact sur les pratiques de mobilité :

  • la densité résidentielle, qui, combinée à des déplacements plus courts, peut augmenter le report modal sur les transports collectifs.

  • la densité d’emplois, qui a des effets complexes sur les distances domicile-travail : plus longues si les emplois sont regroupés en un petit nombre de centres, plus courtes si le coût du transport s’élève et si il y a adéquation entre lieux résidentiel et lieux d’emplois (voir Aguilera, 2006).

  • la forme urbaine locale, à même d’influencer les choix modaux (particulièrement les modes doux) (voir Lin, 2009).

  • la taille de la ville ; une ville plus peuplée est censée d’après les auteurs produire des déplacements plus courts et plus fréquemment en transport en commun.

  • la forme urbaine globale (location factor), objet de cet article.


13Dans un contexte d’émergence de formes urbaines polycentriques, des travaux explorent spécifiquement les liens éventuels entre urbanisation polycentrique et formes de mobilités concomitantes. Pour Schwanen (2001) qui étudie plusieurs agglomérations néerlandaises, les configurations polycentriques induisent un recours plus fréquent à l’usage de la voiture, semblant s’éloigner des objectifs de soutenabilité exposés ci-dessus. Pour parvenir à ce résultat, il distingue quatre types d’agglomérations néerlandaises, selon leur degré de polycentrisme relationnel (Berroir & al., 2004). Supposant une configuration morphologique autour d’un centre majeur, il analyse les formes de relations entre lieux : « centralized » (monocentrisme classique), "decentralized" (liens forts entre tous les pôles urbains, même secondaires), "cross-commuting" (déplacements de banlieue à banlieue forts) ou "exchange-commuting" (monocentrisme avec symétrie des relations entre centre et périphérie).

14Aguilera (2006) met l’accent sur la part des trajets effectués localement, qui est cruciale pour évaluer l’éloignement de la configuration urbaine au modèle de la « ville-cohérente » esquissée par Korsu et Massot (2004). A l’"injonction de densifier" (Wiel, 2008) s’ajouterait une "injonction de cohérence", en accord avec les impératifs environnementaux actuels.

15A côté de ces formes de "polycentrisme relationnel", nous chercherons à quantifier et analyser les formes de "polycentrisme morphologique", faute de disposer pour les 34 villes européennes étudiées par des données désagrégées sur les flux internes de biens et de personnes. Une étude de Kutter & al (1998) sur plusieurs villes allemandes suggère une portée plus grande des déplacements dans une ville monocentrique. Il s’ensuit que ce modèle de développement ne peut être durable qu’au prix d’investissements conséquents dans les instruments de la mobilité collective, qui mutualisent la consommation d’énergie par kilomètre parcouru. Pour des villes de taille très importante, il n'est peut-être pas possible de maintenir un modèle radioconcentrique, comme l'illustrent les politiques de villes nouvelles entreprises autour de Londres et Paris depuis plusieurs décennies.

Objectifs de l’article

16La ville est un système complexe et les deux visions suivantes de la ville, statique (où les gens sont) et dynamique (où les gens vont) ne sont certainement pas duales. La connaissance de la structure urbaine ne permet pas de déterminer les caractéristiques de la mobilité et réciproquement. La littérature identifie un certain nombre de facteurs socio-économiques majeurs. Cameron & al. (2004) soulignent notamment le rôle crucial du taux de motorisation des ménages et de la densité de population pour expliquer l’utilisation des voitures particulières, en étudiant la mobilité dans sept villes dans le monde sur trois décennies. Le degré de richesse, l’histoire de la ville (présence ancienne d’infrastructures de transports collectifs, par exemple), sont d’autres facteurs importants pour expliquer les distances parcourues par les habitants (Newman & Kenworthy, 1999).

17Nous chercherons donc à analyser les régularités statistiques entre formes urbaines et pratiques de mobilité dans ces 34 villes européennes, en prenant en compte les types de développement différenciés de ces 34 villes. L’accent sera mis sur les consommations d’énergie liées aux transports de voyageurs à l’échelle intra-métropolitaine, en lien avec un degré d’étalement plus ou moins accru, avec des formes d’usage du sol plus ou moins hiérarchisées, au sein d’une ville. L’intensité de l’utilisation de la voiture occupe une place importante dans ce débat : selon des chiffres de la RATP (2006), la voiture consomme environ deux fois plus d’énergie par voyageur-km qu’un bus francilien et presque dix fois plus que le métro, le RER et le tramway. La distance parcourue est une autre dimension clé du degré de durabilité des pratiques de mobilité.

  • 1 Union Internationale des Transporteurs Publics

18L’objet de cet article est d’étudier l’apport d’une quantification fine de la structure urbaine pour améliorer la compréhension des déterminants de la mobilité quotidienne. A titre d’exemple, le concept de polycentrisme morphologique a été peu confronté avec les pratiques de mobilité dans la ville, laissant trop souvent à la seule densité la tâche de représenter la notion de "structure urbaine" ("urban form", Tsai, 2005, ou "urban spatial structure", Anas, 1998, en anglais). Nous allons, dans les deux parties suivantes, décrire successivement les indicateurs disponibles dans la base UITP1 (2001) et les indicateurs morphologiques calculés pour les mêmes délimitations à partir de la grille de densité de l’Agence Européenne de l’Environnement (EEA, 2002 ; Gallego, 2008). Nous chercherons ensuite à confronter les indicateurs issus de ces deux bases de données dans le but de mettre en évidence des régularités dans les co-productions entre formes d’urbanisation et formes de mobilité.

Indicateurs de la base de données UITP

19Dans cette section, nous détaillons les villes européennes présentes dans l’étude (2.a) et soulevons, à titre méthodologique, la question de la cohérence des délimitations des villes et de son influence sur l’analyse des liens entre structure urbaine et mobilité quotidienne (2.b). Enfin, la diversité des pratiques de mobilité quotidienne est mise en évidence (2.c) ainsi que le besoin d’indicateurs urbains complémentaires aux attributs socio-économiques classiques pour expliquer cette diversité.

Villes étudiées

20Pour cette étude, 34 villes européennes sont mobilisées, dont le tableau 1 donne la liste et la figure 3 la localisation géographique. Les données socio-économiques et de mobilité quotidienne de ces villes sont obtenues à partir de la base de données UITP (2001) et correspondent à des contours fixés par cette base de données.

1

21Le choix de l'échantillon de villes à été dicté par le faible nombre de villes européennes présentes dans la base UITP (2001) (trois d’entre elles ont dû être éliminées en raison des nombreuses données de mobilité manquantes, ou de leur absence de couverture par la grille de population de l’EEA – c’est le cas des villes Suisses), ce qui explique une distribution de population inhomogène, entre 10 millions d’habitants (Paris) et moins de 300 000 (Clermont-Ferrand). Dans la section suivante, nous nous focalisons sur la difficulté qu’il y a a priori à comparer des villes dont les délimitations ne sont pas géographiquement comparables. Nous présentons ci-dessous une étude de l’influence de l’échelle d’analyse sur la pertinence de l’approche morphologique de la mobilité quotidienne.


Périmètre des villes et échelle d’analyse

22La ville est un objet difficile à définir (Guérois & Paulus, 2002). En plus des définitions administratives (les frontières de Paris n’ont pas changé depuis 1929), deux types de définitions sont couramment employées dans les études urbaines : morphologiques, se fondant sur la répartition spatiale des habitants ou des habitations et fonctionnelles, prenant en compte les flux de personnes, par exemples liés aux déplacements domicile-travail. Les définitions géographiques des villes – unité urbaine, aire urbaine de l’INSEE ; "Functional Urban Regions" de Hall (2006) – ne correspondent pas nécessairement aux délimitations auxquelles les données de mobilité sont disponibles dans les diverses bases de données existantes.

23Récoltant une série d’indicateurs auprès des organismes métropolitains concernés, la délimitation des villes retenues par la base UITP (2001) correspond souvent à l’aire de compétence des organismes de transport public, elle-même dans un certain nombre de cas, dont l’Ile-de-France, rattachée à un découpage administratif. Les territoires comparés n’ont pas nécessairement le sens géographique d’agglomération, ni d’aire fonctionnelle, comme en témoigne l’exemple suivant : Londres est représentée dans la base de données UITP (2001) par le Grand Londres uniquement, soit 7 millions d’habitants et Paris par l’Ile-de-France, soit 10 millions d’habitants (figure 7). Les travaux d’Appert (2005) attestent toutefois que les deux régions ont des importances démographiques bien plus proches.

24Toutefois, un effort d’harmonisation a été fait : certaines communes limitrophes des contours administratifs ont été incluses à Turin, Stuttgart et Bologne. On peut de plus arguer de l’intérêt de comparer des zones de couverture des transports publics, qui peuvent correspondre à un fonctionnement métropolitain (pour les utilisateurs de ces réseaux collectifs au moins).


25Pour illustrer ce problème d’échelle d’étude, nous présentons figure 5 une courbe comparable à celle de Kenworthy & Laube, confrontant l’utilisation des véhicules particuliers et la densité urbaine pour les déplacements domicile-travail, pour 46 villes dans le monde. Pour Paris et Londres, on mobilise trois niveaux géographiques imbriqués (voir figure 4) :

  • la zone centrale (respectivement Paris intra-muros et l’intérieur de la "ring-road" à Londres),

  • la zone dense (respectivement Paris plus les trois départements de petite couronne et les arrondissements – boroughs – les plus centraux pour le cas de Londres).

  • les zones les plus vastes sont respectivement l’Ile-de-France et le Grand Londres.


26Il est intéressant de constater la grande sensibilité des données à l’échelle d’analyse. Dans le cas de Paris, l’hypothèse de Kenworthy & Laube (1996) se trouve vérifiée : à une plus grande densité correspond une plus grande utilisation des transports en commun.

  • 2 On peut approximativement faire correspondre à « Inner London », Paris intra-muros et à « Greater L (...)

27Le cas de Londres est plus contrasté : l’hyper-centre londonien (zone située à l’intérieur de la ring-road) est un centre d’affaire d’une telle importance que les habitants ont presque déserté cette zone, ce qui se traduit par une faible densité résidentielle de "Central London". Si "Greater London" et "Inner London" suivent encore la courbe de Kenworthy & Laube (1996) le point correspondant à Central London (trop petit pour être pertinent pour l’étude de la mobilité quotidienne2) s’écarte largement de cette courbe.

28Nous proposons de relativiser l’importance de l’erreur due à l’échelle d’analyse. Dans le cas de Paris, la forme du nuage de points serait peu affectée par la prise en compte des quatre départements centraux (formant peu ou prou l’agglomération morphologique), ou celle de la région Ile-de-France (correspondant presque avec l’aire urbaine de Paris de 1999).

29La base de données de l’Audit Urbain propose une démarche intégrant cette problématique de l’échelle d’obtention des données, en vue de proposer des indicateurs comparables pour environ 350 aires fonctionnelles dans 30 pays européens (Larger Urban Zones). Cette base de données est intéressante et pourrait faire l’objet de travaux similaires à ceux que nous présentons ici. Néanmoins, les indicateurs disponibles ne sont pas identiques à ceux de la base de données UITP (2001), la consommation d’énergie due au transport étant notablement absente des données en ligne de l’Audit Urbain. Compte tenu des objectifs de cet article, nous avons choisi de travailler avec les indicateurs de la base de données UITP (2001), malgré les questionnements légitimes entourant l’échelle d’analyse.

Indicateurs de la base UITP (2001) retenus et pratiques de mobilité dans les villes européennes.

30La base de données de l’UITP (2001) regroupe une centaine d’indicateurs agrégés sur le coût, l’utilisation, ainsi que les conséquences sociales et environnementales des pratiques quotidiennes de mobilité. Nous nous focaliserons ici sur sept indicateurs particulièrement pertinents dans la perspective d’appréhender le degré de soutenabilité des pratiques de mobilité : le nombre de déplacements par jour, la portée moyenne d’un déplacement mécanisé, les parts modales des déplacements : proportion des trajets ou des kilomètres effectués en modes doux et en modes mécanisés (voiture ou transports collectifs). Nous ajouterons à cette description des pratiques de mobilités deux informations relatives aux conséquences de ces pratiques : la consommation d’énergie dûe aux transports (vue comme une conséquence dans une perspective d’action politique sur les pratiques de mobilité, elle pourrait être vue comme une source du point de vue de l’écologie urbaine) et le taux de mortalité dû au transport, par millions d’habitants.

  • 3 On choisit d’utiliser le logarithme du ratio (km d’autoroutes) / (km de TCSP3), afin de faire jouer (...)

31La base de données UITP (2001) donne également des indicateurs géographiques simples, comme la population ou la densité de population. Nous utiliserons enfin des indicateurs relatifs aux caractéristiques socio-économiques de la ville (PIB par habitant, taux de motorisation), ainsi qu’à l’offre de transport (infrastructures disponibles, par mode3).

32Le tableau 2 présente les indicateurs retenus, divisés en quatre catégories. Parmi les 34 villes extraites, cinq sont situées dans les ex-républiques soviétiques d’Europe de l’Est (Varsovie, Prague, Cracovie, Budapest et, partiellement, Berlin). La présence historique d’infrastructures de transports collectifs dans ces villes pourrait être une limitation aux corrélations que nous tentons d’esquisser. Tout en reconnaissant le poids des pratiques de société sur le temps long, nous postulerons à ce stade que la donnée des paramètres socio-économiques évoqués plus haut (PIB par habitant, ratio d’infrastructures de transport collectif ou individuel) permet de s’affranchir en partie de ces différences culturelles.

  • 4 TCSP = Transport en Commun en Site Propre : il s’agit d’une part des voies de métro ou de train rég (...)
  • 5 Pour Hambourg, Rotterdam et Amsterdam, on a choisi une valeur nulle, la donnée étant manquante dans (...)
  • 6 Pour Varsovie, Amsterdam et Valence, la donnée manquante a été remplacée par la moyenne des valeurs (...)
  • 7 On fait ici une différence entre les modes de transport dits « doux » (marche à pied ou vélo), par (...)
  • 8 Valeur par million d’habitants ; pour Cracovie et Varsovie, la donnée manquante a été remplacée par (...)

Tableau 2 : Récapitulatif des indicateurs utilisés (base UITP, 2001)

­

Indicateurs

Base UITP

abréviation

Socio-économiques

PIB par habitant

PIB

taux de motorisation

MOTOR

Log(ratio km autoroutes / km TCSP4)5

INFRA

Géographiques

population

POPU

densité

DENSE

Pratiques de mobilité

nombre de déplacements par jour

#DEPL

portée moyenne d'un déplacement mécanisé6

PORTEE

part des déplacements en modes doux7

 %DOUX

part des déplacements non doux en voiture6

 %VOIT

part des kilomètres non doux en voiture6

kVOIT

Conséquences de la mobilité

consommation d'énergie par habitant (transport)

ENERGI

nombre de morts liés au transport8

RISQUE

33L’étude des corrélations entre ces indicateurs révèle des corrélations assez lâches, même si, par exemple, la consommation d’énergie est positivement reliée (α = 0,05) à la portée moyenne des déplacements, faisant écho aux inquiétudes relatives à la poursuite de l’étalement urbain et de la déconnexion croissante entre lieux d’emplois et lieux d’habitation dans les agglomérations européennes (Aguilera & al., 2006).

  • 9 La classification ascendante hiérarchique est réalisée à l’aide du logiciel SAS, en utilisant la mé (...)

34En se fondant sur trois de ces indicateurs de mobilité quotidienne (l'utilisation des véhicules particuliers parmi les déplacements mécanisés [ %VOIT], l'utilisation des modes doux [ %DOUX] et la consommation d'énergie due au transport [ENERGI], qui ne sont pas deux à deux reliés significativement à 5 % ou moins), une classification ascendante hiérarchique met en évidence trois formes de mobilité nettement différenciées9. Dans la première classe, qui possède le plus d’éléments, la consommation d'énergie est en moyenne élevée et l'utilisation de la voiture fréquente. Les cinq villes de la classe 2 (Amsterdam, Bilbao, Rotterdam, Séville, Valence) voient une utilisation importante des modes de déplacement doux (46 % des trajets) et ont en conséquence une consommation d'énergie modérée bien que les trajets mécanisés reposent fortement sur l'automobile (76 % en moyenne). Dans la dernière classe (10 villes), les déplacements sont effectués en transports en commun dans des proportions relativement importantes (45 % des trajets mécanisés), ce qui permet des consommations énergétiques modérées bien que les modes doux soient peu utilisés.

35La figure 6 montre la diversité des modes de développement des villes européennes et justifie l’intérêt de la démarche proposée par l’article.

36- l'axe des abscisses indique le ratio entre le nombre de kilomètres d'autoroutes du réseau et la taille totale des voies en site propre pour les véhicules de transport collectif.

37- l'axe des ordonnées est le PIB par habitant de la ville.

38A richesse égale, des villes au développement fondé sur les transports collectifs (Budapest) ou sur le mode automobile (Séville) ressortent clairement.

39Les classes de mobilité quotidienne obtenues ne forment pas des sous-ensembles homogènes sur les axes de la figure 6. Si les villes ayant la mobilité la moins soutenable (classe 1) semblent correspondre à des niveaux de richesse plus importants que les autres (classes 2 et 3), la relation est assez lâche : Turin, Vienne, Helsinki, Amsterdam et Rotterdam apparaissent comme des villes ayant été capables de développer une mobilité soutenable compatible avec un niveau de richesse élevé. Glasgow, à l’inverse, une des villes à la consommation d'énergie la plus élevée et au recours le plus fréquent à l'automobile, possède une richesse intermédiaire et des infrastructures de transports collectifs nombreuses.

10

40Cette approche met en évidence le besoin de s’appuyer de façon complémentaire sur d'autres indicateurs synthétiques, permettant de quantifier les formes spatiales prises par le développement urbain.

Indicateurs de structure urbaine

41La structure urbaine peut être observée sous plusieurs angles, s’intéressant tantôt à la forme de la ville vue du ciel (Guérois & Pumain, 2008), tantôt aux plans et au maillage des rues (Allain, 2005), tantôt à l’organisation interne du territoire urbain (structuration de l’espace par des centres) (Anas & al., 1998). Nous appellerons par la suite indistinctement "forme urbaine", "morphologie urbaine" ou "structure urbaine" la disposition des habitants dans l’espace, simplification du vocabulaire usuel. Cette simplification nous est dictée par la description de la ville que nous utiliserons, fondée uniquement sur la répartition des habitants dans l’espace urbain. Ainsi, la localisation des activités sera absente : les données de mobilité de la base UITP (2001) étant agrégées, il n’est pas possible de travailler de façon détaillée sur les différents motifs de la mobilité quotidienne.

42Dans cette section, nous détaillons les données de densité de population disponibles (3.a), avant de proposer une famille d’indicateurs de structure urbaine, censés quantifier le degré d’étalement urbain (3.b) ou de polycentrisme morphologique (3.c). Enfin, la matrice des corrélations entre indicateurs morphologiques met en évidence la complémentarité d’attributs morphologiques avec la donnée, plus classique, de la population totale et de la densité de population.

Type de données disponibles

  • 11 Nomenclature des Unités Territoriales Statistiques

43Pour quantifier la structure urbaine d’une ville donnée, nous utilisons la grille de population fournie par l’Agence Européenne de l’Energie (EEA, 2002). Cette grille de population est obtenue à partir d’une typologie d’utilisation du sol basée sur des observations par satellite. Pour chaque pixel, on affecte une population selon le type d’utilisation du sol – urbain continu, urbain discontinu, entre autres – et la population totale de la zone NUTS11-5 dans laquelle il se trouve (Gallego, 2008). Malgré les limitations dûes à cette méthodologie (on ne peut s’affranchir des effets de maille communale), nous considérerons par la suite que nous avons à notre disposition une grille de pas 100 mètres, niveau auquel nous connaissons la population résidente.

44La figure 7 illustre l’information donnée par la grille de l’EEA. Nous présentons les cas des villes de Stuttgart (à l’urbanisation diffuse) et de Barcelone (plus compacte, une extension spatiale conséquente du centre-ville). Notons que les cartes de la figure 7 correspondent à une grille de 100 mètres de côté, la plus fine disponible. Pour des raisons de temps de calcul, nous avons agrégé ces zones pour obtenir une grille de pas 200 mètres, à partir de laquelle sont calculés les indicateurs de structure urbaine décrits ci-après.


  • 12 Ce qui signifie que la forme urbaine peut être caractérisée par quatre indicateurs indépendants.

45D’après Tsai (2005) : "Metropolitan form can be analysed as four distinguishable dimensions"12 — la taille (population totale), l’intensité (densité de population), le degré d’inégalité de répartition (concentration de la population dans une faible proportion de l’espace urbanisable) et le degré de clustering, c'est-à-dire la propension des zones denses à être voisines les unes des autres. Ayant analysé les 219 Metropolitan Statistical Area (MSA) américaines de moins de 3 millions d’habitants, il conclut à la complémentarité de ces indicateurs, les coefficients de corrélation entre eux n’étant pas significatifs. Nous retenons de cette approche la pertinence d’une quantification du degré d’étalement urbain, d’une part et des formes polycentriques prises par le développement urbain, d’autre part, en complément des indicateurs classiques : la population totale et la densité de population.

Indicateurs d’étalement urbain

46Les indicateurs ci-dessous sont des tentatives issues de la littérature pour quantifier et différencier formes urbaines compactes et formes urbaines étalées.

47L’entropie est un indicateur provenant des sciences physiques. Il permet de quantifier le degré de désordre de la distribution. Dans le cas où toute la population est située dans une seule cellule, l’entropie est nulle (pas de désordre). Dans le cas où la population est répartie de façon homogène (forme la plus aboutie d’étalement urbain), l’entropie est égale à 1.

M ≤ N est le nombre de cellules occupées de la ville ; pi la population de la zone i et PM = PN la population totale de la ville

48Nous utiliserons également la distance moyenne entre deux individus dans la ville (3). Nous faisons l’hypothèse que l’éloignement des individus conditionne en partie les pratiques de mobilité dans la ville considérée.

49Grasland (2008) évoque la pertinence de cet indicateur pour analyser la structure spatiale d’un pays. Dans un contexte intra-urbain, pour une surface donnée, la distance moyenne entre deux personnes sera plus faible si la population est concentrée autour d’un pôle que si elle est dispersée de façon uniforme. A titre d’exemple, la distance moyenne entre deux individus est de 26 kilomètres en Ile-de-France, région de 100 km100 km environ, contre 52 kilomètres dans l’hypothèse d'une population répartie uniformément sur un tel territoire.

50Afin de pouvoir comparer les valeurs obtenues pour des villes de taille différentes, nous utiliserons de façon complémentaire un indicateur relatif (équation 4), obtenu en rapportant l’indicateur de distance au rayon d’un cercle de surface égale à la superficie de la ville.

51Un indice de compacité morphologique (Cole, 1964, cité par Guérois, 2003) est calculé à partir du rayon fictif de la ville et de la distance maximale entre deux individus dans la ville (notée Dmax). Il s’agit de quantifier l’éloignement de la forme urbaine au modèle du cercle. Nous utiliserons la formule suivante :

52Cet indicateur est égal à 1 dans le cas d’une ville circulaire et supérieur à 1 dans tous les autres cas. Une valeur élevée indiquerait une forme urbaine particulièrement allongée, peut-être incompatible avec les impératifs de durabilité évoqués. Nous appellerons cet indicateur indice d’élongation.

Indicateurs morphologiques de polycentrisme

53En plus de l’étalement urbain, nous avons évoqué les interrogations actuelles sur l’apparition de formes urbaines polycentriques reposant sur l’interaction de plusieurs centres historiques ou sur des formes de diffusion polynucléaire à partir du centre. Deux indicateurs sont utilisés explicitement dans la littérature pour quantifier le caractère monocentrique, ou polycentrique, d’une agglomération. Précisons bien qu’il s’agit de caractéristiques hiérarchiques ou morphologiques qui ne sont pas nécessairement reliées aux formes de polycentrisme dites relationnelles, que l'on quantifie par les flux observés entre pôles urbains.

54La pente de la loi rang-taille (Zipf, 1949 ; Pumain, 2003) est couramment utilisée au niveau inter-urbain pour quantifier la hiérarchie d’un territoire donné : est-ce qu’une ville domine les autres en terme de population, ou est-on dans une configuration plus équilibrée ? Au niveau intra-urbain, Batty (2001) utilise cet indicateur pour quantifier le degré de polycentrisme d’une agglomération. L’exposant α de la loi rang-taille – formule (7) – sera qualifié d’indicateur hiérarchique [RANGT]. Dans cette formule, p1 est la population de la cellule la plus peuplée et pk celle de la kème cellule la plus peuplée. Sur les 34 villes étudiées, cette formulation permet d’approcher de façon satisfaisante la répartition statistique des populations.

pk = plk-|α| (7)

55Cependant, cet indicateur n’a pas de dimension spatiale. D’autres indicateurs sont utilisés pour appréhender le caractère monocentrique ou polycentrique d’une région urbaine. A titre d’exemple, citons le calcul des coefficients de hiérarchie des surfaces des polygones de Thiessen des centres urbains majeurs en Europe (ESPON, 2005). Cette approche est censée, à l'échelle nationale, distinguer les pays dont les centres majeurs sont concentrés dans l’espace (ayant donc des polygones de Thiessen de taille inégale) et les pays à l’organisation territoriale plus équilibrée. Nous n’utiliserons pas cette idée ici, le problème de la définition des centres d’une agglomération étant un sujet complexe soulevant une littérature abondante (Giuliano & Redfearn, 2005).

56L’indice de Moran (8) est un indice d’autocorrélation spatiale, variant entre
(-1) et 1. Une valeur proche de 0 indiquera une répartition aléatoire (absence d’autocorrélation spatiale) et une valeur proche de 1 un regroupement spatial des zones les plus denses (forte autocorrélation spatiale). Une valeur de (-1) est rencontrée dans le cas hypothétique d'une urbanisation en "plateau de jeu d'échec" (Tsai, 2005), c'est-à-dire que les cases voisines des cases urbanisées sont vides et vice-versa.

pi est la population de la zone i et PN la population totale des N zones considérées.dij est la distance entre les zones i et j.

57L'indice de Moran est spatialisé : la position relative des zones de la grille importe dans son calcul, au contraire de l’entropie qui se fonde uniquement sur la distribution des effectifs de population. Notons que Tsai (2005) utilise explicitement l'indice de Moran pour quantifier le degré de polycentrisme de l'agglomération, ce qu'il justifie par des jeux théoriques sur des configurations simples. L’indice de Moran est un indicateur statistique qui repose sur l’hypothèse d’une distribution normale des individus sur la grille étudiée, ce qui n’est a priori pas le cas, puisque la loi rang-taille (une loi de puissance) s’applique bien à cette échelle intra-urbaine : il faudrait adapter l’indicateur d’autocorrélation spatiale à cette distribution statistique particulière. A titre d’exemple, il serait possible de calculer l’indice de Moran pour une distribution normalisée de la population, ce qui pourrait être approché en étudiant le logarithme de la population au lieu de la population elle-même. Nous conservons toutefois cet indicateur dans un premier temps, utilisé tel quel par Tsai (2005), même si des travaux récents (Le Néchet, 2010) soulignent la sensibilité de cet indicateur au pas de la grille.

58Des indicateurs provenant de la littérature sur la description fractale de la ville (De Keersmaecker & al., 2004) pourraient enrichir l’approche exploratoire proposée ; une démarche multi-scalaire des liens entre forme urbaine et mobilité, avec des données de mobilité aussi désagrégées que la grille de densité de population semble féconde, mais est ici impossible du fait du caractère agrégé des indicateurs de mobilité de la base UITP (2001).

Corrélations entre indicateurs morphologiques

59Le tableau 3 résume les indicateurs morphologiques décrits dans cette section. Nous ajoutons aux sept indicateurs morphologiques calculés à partir de la grille de population de l’EEA (2002) la population urbaine et la densité de population provenant de la base de données UITP (2001).

Tableau 3 : Indicateurs morphologiques (à partir de la grille de population de l’EEA, 2002 et de la base UITP, 2001)

­

Indicateurs

Nom

abréviation

Polycentrisme

Coefficient hiérarchique (loi rang-taille)

RANGT

Indice de Moran

MORAN

Etalement urbain

Entropie (désordre)

ENTROP

Distance entre deux individus

DIST

Distance relative entre individus (compacité)

DISTREL

Indice d’élongation (forme vue du ciel)

ELONG

Géographiques

Population (UITP)

POPU

Densité (UITP)

DENSE

60Le tableau 4 indique les corrélations entre ces différents indicateurs (les valeurs de ces différents indicateurs sont données à la fin de cet article, dans le tableau 8). Notons que les indicateurs utilisés suivent des lois statistiques que nous n’analysons pas de façon détaillée dans cet article ; la démarche sous-entend une distribution gaussienne des différents indicateurs, ce qui n’est probablement pas vérifié pour la population des villes, par exemple (qui doit suivre une loi de puissance, d’après la loi rang-taille). Le faible nombre de villes et le fait que l’échantillon ne provienne pas d’un échantillonnage aléatoire parmi l’ensemble des villes européennes, mais exclusivement de la possibilité d’obtention des données, constituent déjà des limitations importantes à toute généralisation à visée prospective des corrélations qui vont suivre. La démarche est ici exploratoire, mais permet selon nous de suggérer l’intérêt de poursuivre une démarche de quantification synthétique des formes d’urbanisation en complément d’attributs plus classiques, pour étudier les interrelations entre forme urbaine et mobilité quotidienne.

61On observe une assez faible corrélation (R = 0,19) entre population [POPU], densité [DENSE] et les différents indicateurs morphologiques utilisés. On peut de plus observer que les indicateurs d’étalement urbain (entropie [ENTROPI] et distance relative [DISTREL] sont fortement liés entre eux, bien que largement indépendants des indicateurs de polycentrisme [RANGT] et [MORAN].

Tableau 4 : corrélations entre indicateurs morphologiques (à partir de la grille de population de l’EEA, 2002)

­

Variables

POPU

DENSE

RANGT

ENTROPI

DIST

DISTREL

MORAN

POPU

1

DENSE

0,19

1

RANGT

0,09

0,24

1

ENTROPI

-0,02

-0,01

-0,23

1

DIST

0,61***

-0,49***

-0,12

-0,23

1

DISTREL

-0,26

-0,06

-0,29*

0,78***

-0,12

1

MORAN

-0,15

0,36**

0,01

0,24

-0,48***

-0,05

1

ELONG

0,31*

0,05

-0,01

-0,08

0,17

-0,06

-0,13

*** : α = 0.01 ; ** : α = 0.05 ; * : α = 0.10

62Le tableau 4 suggère que la caractérisation fine de la morphologie urbaine que nous proposons n’est pas redondante avec les indicateurs classiquement utilisés (population totale, densité de population). On améliore la description de la ville avec la donnée de la pente de la loi rang-taille [RANGT], de l’entropie [ENTROPI] par exemple, statistiquement indépendant de ces deux indicateurs et entre eux.

Structure urbaine, profil socio-économique et pratiques de mobilités

63Dans cette dernière partie, nous confrontons les indicateurs issus des deux bases de données présentées, en vue d'identifier des régularités entre profils de formes urbaines et profils de mobilités. Rappelons qu’il n'est ici pas question d'entrevoir des liens de causalité (écueil évoqué par Mignot & al., 2004), mais bien d’observer empiriquement des types de villes co-produites par des processus dynamiques complexes.

64Après avoir détaillé la méthodologie de cette étude (4.a), nous étudions (4.b) les corrélations entre l’ensemble des indicateurs de mobilité quotidienne et de structure urbaine détaillés aux deux sections précédentes. Des régressions multiples permettent de mettre en évidence la complémentarité d’attributs morphologiques et socio-économiques pour expliquer une partie de la variabilité des comportements de mobilité quotidienne au sein des villes européennes étudiées (4.c).

Méthodologie

65Nous allons confronter des indicateurs classiques sur la structure socio-éco-géographique de la ville et des indicateurs morphologiques que nous venons de présenter. Nous choisissons dans un premier temps d’expliquer les différences inter-urbaines de pratiques de mobilité quotidienne à partir des cinq indicateurs suivants : population [POPU], densité de population [DENSE], PIB par habitant [PIB], taux de motorisation [MOTOR] et logarithme du ratio entre linéaire autoroutier et linéaire TCSP [INFRA].

66Nous présentons pour commencer les coefficients de corrélation entre indicateurs de mobilité et les indicateurs socio-économiques ici utilisés (tableau 5). Notons ainsi la corrélation positive entre consommation d’énergie par habitant due aux transports [ENERGI] et le PIB par habitant [PIB] (cf. figure 6). Toutefois, les résultats de Newman & Kenworthy (1989) puis Kenworthy & Laube (1996) ne sont pas vérifiés : ni la consommation d’énergie, ni la proportion de trajets effectués en automobile ne sont à l’échelle européenne significativement corrélées à la densité urbaine.

*** : α = 0.01 ; ** : α = 0.05 ; * : α = 0.10 


67Nous montrons ensuite l’apport d’une quantification fine de la structure morphologique des villes européennes pour expliquer une partie de la variance des indicateurs de mobilité quotidienne étudiés.

Morphologie et mobilité

68Le tableau 6 nous indique les corrélations observées entre indicateurs de mobilité et indicateurs morphologiques. Parmi les corrélations significatives, citons ce résultat, peu surprenant mais peu mis en avant dans les études sur la mobilité : la portée moyenne des déplacements [PORTEE] est significativement reliée à la distance moyenne entre deux individus [DIST]. La quantité d’énergie dépensée dans les transports, par habitant, apparaît corrélée avec l’indicateur hiérarchique de la loi rang-taille [RANGT] et l’indicateur de distance [DIST]. Formes urbaines étalées (forte distance entre deux individus) et polycentriques (coefficient de la loi rang-taille faible) apparaissent avec ces régression linéaires simples peu compatibles avec des formes de mobilité efficaces énergétiquement. Comme il a déjà été évoqué, ce type de résultat n’induit aucune relation de causalité entre les variables. Notons que dans les tableaux 5 et 6, les parts des trajets effectués en mode doux ou en voiture sont très peu reliées statistiquement à des caractéristiques socio-économiques, ou morphologiques, de ces villes.

Tableau 6 : corrélations entre indicateurs de mobilité et indicateurs morphologiques

Variables

RISQUE

ENERGI

#DEPL

PORTEE

 %DOUX

 %VOIT

kVOIT

RANGT

0,34*

-0,44***

-0,30*

-0,19

-0,16

-0,26

-0,21

ENTROP

-0,45***

0,23

0,36**

-0,23

-0,19

0,01

-0,02

DIST

-0,22

0,38**

-0,06

0,41**

0,03

0,16

-0,01

DISTREL

-0,42**

0,15

0,28

-0,09

-0,13

0,05

0,03

MORAN

0,01

-0,23

-0,06

-0,17

0,37**

0,01

0,11

ELONG

-0,06

0,29

0,25

-0,08

-0,14

0,14

-0,00

*** : α = 0.01 ; ** : α = 0.05 ; * : α = 0.10 

  • 13 Ce nuage de points peut apparaître « tiré » par la présence aux deux extrémités de Barcelone, très (...)

69La figure 8 illustre ce dernier résultat, où des villes plutôt "monocentriques", Turin, Varsovie, Valence, semblent énergétiquement plus performantes que d’autres, plutôt "polycentriques", c’est-à-dire ici à distribution spatiale peu hiérarchique : Glasgow et Bruxelles, à titre d’exemple13.


70L’entropie [ENTROP] (degré de désordre de la distribution spatiale) paraît adaptée pour expliquer une partie de la variance du risque lié aux transports [RISQUE] et du nombre moyen de déplacements effectués par jour et par personne [#DEPL]. A un degré de désordre élevé (forte entropie) semble correspondre une moindre dangerosité des transports urbains et un nombre accru de déplacements effectués par personne. La concentration urbaine (accumulation des habitants en un faible nombre de zones, associée à une entropie faible) apparaît de ce point de vue peu compatible avec certaines dimensions de la mobilité soutenable.

Complémentarité entre les indicateurs urbains

71Comme le suggérait la figure 6, la complémentarité entre les indicateurs socio-économiques, d’une part et les indicateurs de structure urbaine, d’autre part, doit être explorée. Nous établissons ci-dessous l’apport d’une description multidimensionnelle de la ville pour obtenir des régularités statistiques avec certains indicateurs de mobilité quotidienne.

72Au vu des potentiels explicatifs des différents indicateurs morphologiques et de leur corrélations, nous conservons pour cette partie les indicateurs de structure urbaine suivants : entropie [ENTROPI] (indicateur d’étalement urbain), pente de la loi rang-taille [RANGT] (indicateur de polycentrisme) et distance entre deux habitants [DIST], statistiquement indépendants deux à deux. Le degré d’élongation [ELONG], bien que statistiquement indépendant de ces trois indicateurs, échoue dans presque tous les cas à enrichir la description de la ville : il est exclu de l’analyse. Par ailleurs, les trois indicateurs socio-économiques PIB par habitant, taux de motorisation [MOTOR] et type d’infrastructures [INFRA] (routière ou TCSP) sont conservés, malgré l’existence d’une faible corrélation statistique entre taux de motorisation et type d’infrastructures (la corrélation est significative pour le taux d’erreur α = 0,1, mais par pour α = 0.05).

  • 14 Procédure de sélection pas à pas des variables explicatives, avec des seuils d’entrée et de sortie (...)

73Nous présentons ci-après les résultats de plusieurs régressions multiples. Dans un premier temps, nous avons confrontés les différents indicateurs de mobilité aux trois indicateurs socio-économiques et aux trois indicateurs morphologiques séparément. Nous avons alors sélectionné les variables significatives grâce à une procédure stepwise14. Nous confrontons alors les pouvoirs d’explications des modèles obtenus, qui sont assez modestes pour la plupart des indicateurs de mobilité (tableaux 7a et 7b). Dans le tableau 7c, nous réunissons les indicateurs socio-économiques et les indicateurs de structure urbaine, concluant dans la plupart des cas à une complémentarité importante entre les deux familles d’indicateurs.




74Parmi tous ces résultats, on peut mettre en évidence deux points :

  1. La complémentarité entre les indicateurs de structure urbaine et les indicateurs socio-économiques classiques pour offrir une représentation de la ville capable de dégager des régularités statistiques fortes avec un certain nombre d’indicateurs de mobilité quotidienne. La consommation d’énergie due aux transports [ENERGI] ainsi que la part des trajets effectués en modes doux [ %DOUX] représente bien cette complémentarité, avec des coefficients de corrélation augmentant sensiblement dans le tableau 7c. A l’exception de la portée moyenne d’un déplacement [PORTEE], tous les modèles du tableau 7c font appel à la fois à des indicateurs socio-économiques et à des indicateurs de structure urbaine, justifiant a posteriori l’intérêt de la démarche proposée.

  2. Les coefficients de corrélation, même avec la description la plus riche possible (tableau 7c) restent faibles dans l’ensemble (R² inférieur à 0,4 pour six des huit indicateurs étudiés) et en particulier, la portée moyenne d’un déplacement [PORTEE] ainsi que le nombre moyen de déplacements [#DEPL] bénéficient assez peu de la complémentarité entre les deux familles d’indicateurs. Les modèles statistiques esquissés échouent largement à expliquer chacune des dimensions de la mobilité quotidienne retenue (les modèles concernant les parts modales ont des coefficients de régression plus élevés, mais tout de même modestes), mais réussissent dans une certaine mesure à expliquer les deux indicateurs d'effets de la mobilité (pour lesquels le coefficient de détermination est supérieur à 0,5) : consommation d’énergie due aux transports [ENERGI] et nombre de morts liés au transport [RISQUE]. Une approche multivariée des indicateurs de mobilité quotidienne pourrait enrichir ces constations empiriques.

75En particulier, on a pour la consommation d’énergie la régression multiple suivante, dont l’équation de régression est :

76Dans cette équation, les Xi sont deux à deux indépendants, K est l’ordonnée à l’origine et ε l’erreur du modèle linéaire. Les valeurs numériques des coefficients αi sont données dans le tableau 8 et la corrélation entre consommation d’énergie observée et estimée est représentée dans la figure 9.

Tableau 8 : Valeurs des coefficients de régression.

­

i

Nom variable Xi

Coefficient variable αi

0

K

-346

1

MOTOR

17,4

2

DIST

0,279

3

RANGT

–9340

4

ENTROPI

21700

77­

15

78Si le faible échantillon ne permet pas de généraliser aisément le résultat obtenu, nous pouvons tout de même discuter des signes des coefficients : tout d’abord, à un taux de motorisation élevé [MOTOR] correspond une consommation d’énergie accrue, confirmant les résultats empiriques et théoriques de la littérature économique sur la question. L’étalement des habitants dans l’espace, mesuré par la distance moyenne entre deux individus [DIST], semble correspondre à une forme urbaine moins économe en énergie, toutes choses étant égales par ailleurs. Dans le même ordre d’idées, la présence de l’entropie [ENTROPI] dans ce modèle (corrélé positivement avec la consommation d’énergie [ENERGI]) incite à s’inquiéter de la diffusion de l’urbanisation observée dans les villes européennes : plus une distribution s’approche de l’urbanisation infinie prophétisée par Wright (1932), plus la consommation d’énergie est importante.

79Enfin, l’exposant de la loi rang-taille [RANGT], indiquant le degré de hiérarchie de la distribution et pouvant être interprété comme indicateur du degré de polycentrisme d’une agglomération, est négativement relié à la consommation énergétique annuelle par habitant, due aux transports. Une valeur faible de cet indicateur, qui est par construction positif, indique une distribution a-hiérarchique. Au contraire, plus cet exposant est élevé, plus la primatie intra-urbaine est forte, c'est-à-dire qu’un petit nombre de cellules concentre une grande partie de la population. Le résultat mentionné indique donc une efficience énergétique moindre pour les configurations polycentriques. Dans le tableau 7c, on observe également que les villes les plus monocentriques ont simultanément un recours moindre au mode automobile, illustrant les mutualisations énergétiques permises par la construction d’infrastructures de transport collectif.

80Les huit villes les moins bien prises en compte par le modèle statistique de la figure 9 ne semblent pas pouvoir être aisément rattachées à une caractéristique urbaine que nous aurions omise : on y trouve des villes riches (Hambourg) et pauvres (Séville, de PIB trois fois moindre à celui d’Hambourg en 2001). Des villes du nord (Stockholm) et du sud de l’Europe (Lisbonne). Enfin, des villes peuplées (Madrid, 5 millions d’habitants) et d’autres ayant moins d’un million d’habitants dans la zone étudiée (Bruxelles). Notons que les cinq villes de l’ex bloc soviétique sont particulièrement bien approchées par ce modèle statistique.

Discussion

81Cet article a mis en évidence la pertinence d’une approche multidimensionnelle, c’est-à-dire ne cherchant pas à résumer les villes à un attribut unique, pour étudier les pratiques de mobilité quotidienne dans 34 villes européennes. L’utilité d’indicateurs morphologiques, en complément d’indicateurs plus classiques, ressort de cette étude. Le débat sur les formes urbaines "souhaitables" dans la perspective de la ville soutenable est alimenté par les conclusions contrastées suivantes : l’énergie consommée dans les transports est en partie reliée à des attributs de la forme urbaine. Les résultats font apparaître une consommation d'énergie due au transport, par habitant, d’autant plus grande qu’une ville est riche, motorisée, étalée, diffuse et polycentrique. Cependant, le modèle de la ville compacte semble poser d’autres problèmes, le degré d’étalement étant négativement relié au nombre de morts liés aux transports, à titre d’exemple. L’approche multidimensionnelle des déterminants de la mobilité doit être accompagnée d’une réflexion multidimensionnelle sur la ville que l'on souhaite aménager pour demain. En pratique, les politiques urbaines ne peuvent être menées "toutes choses égales par ailleurs", soulignant la nécessité d’étudier les relations complexes qu’entretiennent les dimensions plurielles de l’urbanité.


Haut de page

Bibliographie

Acharya, S., & Morichi, S., 2007, "Managing motorization and timing of mass rapid transit in east asain megacities", Proceedings of the Eastern Asia Society for Transportation Studies, vol 6., 10p.

Aguilera, A., 2006, "La proximité à l'emploi dans la ville polycentrique : le cas de l'aire urbaine de Paris, 1975-1999", Les Cahiers Scientifiques du Transport, No.49, 29-49.

Aguilera, A., Mignot, D., Madre, J.-L., 2005, "Polycentrisme des villes et mobilité" in INRETS, Actes des XVIè Entretiens Jacques Cartier, 358p.

Allain, R., 2005, Morphologie Urbaine, Armand Colin, 254p.

Anas, A., Arnott, R., & Small, K., 1998, "Urban Spatial Structure", Journal of Economic Litterature, No. 36, 1426-1464.

Appert, M., 2005, "L'art du grand écart : maitriser la mobilité dans la région métropolitaine de Londres", Mappemonde, No. 78, 1-18.

Batty, M., 2001, "Polynucleated Urban Landscapes", Urban Studies, vol. 38, 635-655.

Berroir, S., Cattan, N., Saint-Julien, T., 2005, "La contribution des villes nouvelles au polycentrisme francilien", Rapport de recherche pour le Ministère de l’Equipement, des Transports et du Logement. Programme interministériel « Histoire et évaluation des villes nouvelles », 79p.

Berroir, S., Mathian, H., Saint-Julien, T., & Sanders, L., 2004, "Mobilités et polarisations : vers des villes polycentriques. Le cas des métropoles francilienne et méditerranéenne", programme de recherche "mobilités et territoires urbains", 148p.

Bertaud, A., Lefevre, B., Yuen, B., 2009, "GHC Emissions, Urban Mobility and Efficiency of Urban Morphology : A Hypothesis". Urban Research Symposium 2009, Marseille, France, June 28-30 2009.

Bontje,M., Burdack,J., 2005. "Edge Cities, European style : examples from Paris and the Randstad",Cities 22 (4), 317-330.

Breheny, M., 1997, "Urban compaction : feasible and acceptable ? ", Cities, 14, 209-217.

Cahn, M., 2003, "Maîtriser l'étalement urbain : bonnes pratiques de villes européennes et américaines", rapport de recherche ADEME Nord-Pas-de-Calais, 63p.

Camagni, R., Gibelli, M., & Rigamonti, P., 2002, "Urban mobility and urban form : the social and environmental costs of different patterns of urban expansion", Ecological Economics, 40, 199-216.

Cameron, I., Lyons, T., & Kenworthy, J., 2004, "Trends in vehicle-kilometers of travel in world cities, 1960 - 1990 : underlying drivers and policy responses", Transport Policy , 287-298.

Cervero, R., 2002, "Built environments and mode choice : toward a normative framework", Transportation Research Part D , 265-284.

Courel,J., Meyer,A., Nguyen-Luong D., 2005, "Répartition géographique des déplacements : une nouvelle approche", Les Cahiers de l'Enquête Globale de Transport, 3, 20p.

Dempsey N., 2010, "Revisiting the Compact City ?", Built Environnement vol. 1, 5-8.

Djellouli, Y., Emelianoff, C., Bennasr A., Chevalier J., 2010, L'étalement urbain - Un processus incontrôlable ? PU Rennes - Espaces et Territoires, 257p.

Dupuy, G., 1999, La dépendance automobile - Symptômes, analyses, diagnostic, traitements, Anthropos collection Villes.

European Environment Agency, 2006, "Urban Sprawl in Europe – The ignored challenge", European Commission Joint Research Center, 56p.

ESPON., 2005, "Potentials for polycentric development in Europe", ESPON 1.1.1, 1000p.

Fouchier, V., 1997, Des fortes densités urbaines. Les villes nouvelles dans l'espace métropolitain. Thèse d'Etat en urbanisme réalisée sous la direction du Pr. Pierre Merlin, Université Paris VIII.

Fusco, G., 2004, "Looking for Sustainable Urban Mobility through Bayesian Networks", 13th European Colloquim on Quantitative and Theoretical Geography, Lucca, Italy, September 8-11, 2003.

Gallego, F., 2008, "Downscaling population density in the European Union with a land cover map and a point survey", Submitted to Population and Environement.

Garreau, J., 1991, Edge Cities, life on the new frontier. AnchorBooks.

Grasland C., 2008, "Analyse spatiale des phénomènes démographiques", Séminaire INED - Les rencontres de la statistique appliquée. "Apports de l'analyse spatiale en sciences sociales", 17 Octobre 2008.

Gordon, P., & Richardson, H., 1997, "Are Compact Cities a Desirable Planning Goal ? ", Journal of the American Planning Association , 63, 95-106.

Guérois, M., 2003, Les formes des villes européennes vues du ciel, UMR Géographie-Cités. Thèse sous la direction de Denise Pumain, Paris I.

Guérois, M., & Paulus, F., 2002, "Commune centre, agglomération, aire urbaine : quelle pertinence pour l'étude des villes ? ", Cybergeo, 212, 15.

Guérois, M., & Pumain, D., 2008, "Built-up encroachment and the urban field : a comparison of forty European cities", Environment and Planning A, 40, 2186-2203.

Hall, P., & Pain, K., 2006, The Polycentric Metropolis. Learning from Mega-City Regions in Europe. London : Earthscan.

Heikkila, E., Gordon, P., Kim, J., Peiser, R., & Richardson, H., 1989, "What happened to the CBD-Distance Gradient ? Land Values in a Policentric City", Environment and Planning A, 21, 221-232.

Johnson, G., & Silver, C., 1997, "Alternative Views of Sprawl", Journal of the American Planning Association, 63, 94-126.

Keersmaecker, M.-L. D., Franckhauser, P., & Thomas, I., 2004, "Dimension fractales et réalités périurbaines, l'exemple du Sud de Bruxelles", L'Espace Géographique, 3, 219-240.

Kenworthy, J., & Laube, F., 1996, "Automobile dependence in Cities : an international comparison of urban transport and land use patterns with implications for sustainability", Environment Impact Assessement Review , 279-308.

Knapp, Schmitt, P., & R, D., 2006, "Rhine-Ruhr : towards compatibility ? Strategic spatial policies for a specific Configuration of Polycentricity", Built Environnement, 32, 137-147.

Korsu, E., & Massot, M.-H., 2004, "Mise en cohérence des bassins d'habitat et des bassins d'emploi en Ile-de-France : les enjeux pour la régulation de l'usage de la voiture", Colloque ASDRLF, 1-3 Septembre 2004, Bruxelles.

Kutter, E., & Stein, A., 1998, Minderung des Regionalverkehrs. Chancen von Städtebau und Raumordnung in Ostdeutschland, Materialien zur Raumentwicklung 87, Bonn.

Lang, R., 2002, "Edgeless Cities : exploring the elusive metropolis", Greater Philadelphia Regional Review, 9.

Le Néchet F., 2010, " Quantifier l’eloignement au modele de Bussiere : monocentrisme contre ‘ acentrisme’ ", in : Foltete J.-C., Tannier C. (dir.), Actes des Neuviemes Rencontres de Theo Quant, Besancon.

Lefevre, B., 2007, La Soutenabilité Environnementale des Transports Urbains dans les Villes du Sud, Ecole des Mines de Paris, Thèse sous la direction de Pierre-Nöel Giraud, Ecole des Mines de Paris.

Lin, J.-J., & Yang, A.-T., 2009, "Structural Analysis of How Urban Form Impacts Travel Demand : Evidence from Taipei", Urban Studies, vol. 46, 1951-1967.

Massot, M.-H., Armoogum, J., Bonnel, P., & Caubel, D., 2006, "Potential for car use reduction through a simulation approach : Paris and Lyon case studies", Transport Reviews, 26, 25-42.

Mayor of London, 2006. Transport 2025 : Transport Vision for a growing world city. Department for Transport, London.

McMillen, D., 2003, "Employment subcenters in Chicago : past, present and future", Economic Perspectives, 2Q, 15.

Mignot D. and Aguilera,A. and Bloy,D., 2004. "Permanence des formes de la métropolisation et de l'étalement urbain", Rapport de recherche ADEME, 10p.

Milakis, D., Vlastos, T., & Barbopoulos, N., 2008, "Relationships between urban and travel behaviour in Athens, Greece. A comparison with Western European and North American results", European Journal of Transport and Infrastructure Research, 8, 201-215.

Newman, P., & Kenworthy, J., 1989, Cities and Automobile Dependence : An International Sourcebook. Gower, Aldershot.

Newman, P., & Kenworthy, J., 1999, Sustainability and Cities. Island Press.

Pouyanne, G., 2004, Forme urbaine et mobilité quotidienne, Université Montesquieu Bordeaux IV, Thèse d'économie sous la direction de Claude Lacour.

Pumain, D., 2003, "Les formes des systèmes de villes : dynamique ou évolution ? " Première journée complexité, Institut des Systèmes Complexes Paris Ile-de-France, 27 novembre 2003, 8p.

Schwanen, T., Dieleman, F., & Dijst, M., 2001, "Travel behaviour in Dutch monocentric and policentric urban systems", Journal of Transport Geography, 9, 173-196.

Tsai, Y.-H., 2005, "Quantifying Urban Form : Compactness versus 'Sprawl' " Urban Studies,vol. 42, 141-161.

UITP., 2001, Mobility in cities database.Union Internationale des Transporteurs Publics.

Wegener, M., & Fürst, F., 1999, "Land Use Transport Interaction : State of the Art", Deliverable 2a of the project TRANSLAND, Integration of Transport and Land Use Planning) of the 4th RTD Framework Programme of the European Commission.

Wheaton, W., 2003, "Commuting, congestion, and employment dispersal in cities with mixed land use", Journal of Urban Economics, 55, 417-438.

Wiel, M., 1999, La transition urbaine, ou le passage de la ville pédestre à la ville motorisée. Mardaga.

Wiel, M., 2008, "Le retour de l'injonction de densifier", Urbanissimo, 108, 14-22.

Wright, F., 1932, The disappearing city, William Farquhar Payson, 90p.

Zipf, G., 1949, Human Behaviour and the Principle of Least Effort. Addison-Welsey, Cambridge, MA.

Haut de page

Notes

1 Union Internationale des Transporteurs Publics

2 On peut approximativement faire correspondre à « Inner London », Paris intra-muros et à « Greater London » les départements centraux de l’agglomération parisienne. « Central London » renvoie uniquement à l’hypercentre londonien, l’équivalent des 8ème et 9ème arrondissements parisiens, par exemple.

3 On choisit d’utiliser le logarithme du ratio (km d’autoroutes) / (km de TCSP3), afin de faire jouer un rôle symétrique aux deux modes disponibles (la quantité variant entre -∞ et +∞).

4 TCSP = Transport en Commun en Site Propre : il s’agit d’une part des voies de métro ou de train régional, mais également de certaines lignes de bus ou de tramway qui circulent sur des voies séparées du trafic automobile.

5 Pour Hambourg, Rotterdam et Amsterdam, on a choisi une valeur nulle, la donnée étant manquante dans la base UITP.

6 Pour Varsovie, Amsterdam et Valence, la donnée manquante a été remplacée par la moyenne des valeurs des 31 autres villes de la base UITP

7 On fait ici une différence entre les modes de transport dits « doux » (marche à pied ou vélo), par opposition aux modes « mécanisés », train et voiture, qui requièrent un apport extérieur d’énergie.

8 Valeur par million d’habitants ; pour Cracovie et Varsovie, la donnée manquante a été remplacée par la moyenne des valeurs des 32 autres villes de la base UITP.

9 La classification ascendante hiérarchique est réalisée à l’aide du logiciel SAS, en utilisant la méthode de « Ward » qui utilise comme inertie inter-classes la distance pondérée entre les centres de gravité des classes et comme inertie intra-classe la distance moyenne au centre de gravité de chaque classe.

10 Le taux de motorisation est considéré comme élevé lorsqu’il est supérieur à 600 véhicules / hab et faible lorsqu’il est inférieur à 333 véhicules / hab.

11 Nomenclature des Unités Territoriales Statistiques

12 Ce qui signifie que la forme urbaine peut être caractérisée par quatre indicateurs indépendants.

13 Ce nuage de points peut apparaître « tiré » par la présence aux deux extrémités de Barcelone, très hiérarchique et Londres, très peu hiérarchique, ayant respectivement une consommation d’énergie plutôt faible et plutôt forte. En réalité, supprimer ces deux villes ne change pas le coefficient de détermination, R² = 0,19. Toutefois, de façon plus générale, l’échantillon de villes est ici dicté par la disponibilité des données dans la base UITP (2001) et ne peut être considéré comme représentatif de l’ensemble des villes européennes, ce qui invite à la prudence dans l’interprétation de ces régressions.

14 Procédure de sélection pas à pas des variables explicatives, avec des seuils d’entrée et de sortie de 0,15, ce qui signifie que le panel de variables explicatives est réévalué à chaque itération, certaines d’entre elles pouvant être supprimées à la suite de l’entrée dans le modèle d’une variable au potentiel explicatif propre plus fort : à chaque étape, toutes les variables présentes dans le modèle sont significatives avec le taux d’erreur α = 0,15.

15 Les résidus du modèle sont significativement (α = 0.05) reliés aux consommations d’énergie elles-mêmes (R = 0,367).

Haut de page

Table des illustrations

URL http://cybergeo.revues.org/docannexe/image/23634/img-1.jpg
Fichier image/jpeg, 56k
URL http://cybergeo.revues.org/docannexe/image/23634/img-2.jpg
Fichier image/jpeg, 80k
URL http://cybergeo.revues.org/docannexe/image/23634/img-3.jpg
Fichier image/jpeg, 168k
URL http://cybergeo.revues.org/docannexe/image/23634/img-4.jpg
Fichier image/jpeg, 148k
URL http://cybergeo.revues.org/docannexe/image/23634/img-5.jpg
Fichier image/jpeg, 220k
URL http://cybergeo.revues.org/docannexe/image/23634/img-6.jpg
Fichier image/jpeg, 120k
URL http://cybergeo.revues.org/docannexe/image/23634/img-7.jpg
Fichier image/jpeg, 100k
URL http://cybergeo.revues.org/docannexe/image/23634/img-8.jpg
Fichier image/jpeg, 84k
Légende M ≤ N est le nombre de cellules occupées de la ville ; pi la population de la zone i et PM = PN la population totale de la ville
URL http://cybergeo.revues.org/docannexe/image/23634/img-9.jpg
Fichier image/jpeg, 8,0k
URL http://cybergeo.revues.org/docannexe/image/23634/img-10.jpg
Fichier image/jpeg, 12k
URL http://cybergeo.revues.org/docannexe/image/23634/img-11.jpg
Fichier image/jpeg, 8,0k
URL http://cybergeo.revues.org/docannexe/image/23634/img-12.jpg
Fichier image/jpeg, 8,0k
Légende pi est la population de la zone i et PN la population totale des N zones considérées.dij est la distance entre les zones i et j.
URL http://cybergeo.revues.org/docannexe/image/23634/img-13.jpg
Fichier image/jpeg, 28k
Légende *** : α = 0.01 ; ** : α = 0.05 ; * : α = 0.10 
URL http://cybergeo.revues.org/docannexe/image/23634/img-14.jpg
Fichier image/jpeg, 52k
URL http://cybergeo.revues.org/docannexe/image/23634/img-15.jpg
Fichier image/jpeg, 88k
URL http://cybergeo.revues.org/docannexe/image/23634/img-16.jpg
Fichier image/jpeg, 56k
URL http://cybergeo.revues.org/docannexe/image/23634/img-17.jpg
Fichier image/jpeg, 56k
URL http://cybergeo.revues.org/docannexe/image/23634/img-18.jpg
Fichier image/jpeg, 64k
URL http://cybergeo.revues.org/docannexe/image/23634/img-19.jpg
Fichier image/jpeg, 12k
URL http://cybergeo.revues.org/docannexe/image/23634/img-20.png
Fichier image/png, 14k
URL http://cybergeo.revues.org/docannexe/image/23634/img-21.jpg
Fichier image/jpeg, 149k
Haut de page

Pour citer cet article

Référence électronique

Florent Le Néchet, « Consommation d’énergie et mobilité quotidienne selon la configuration des densités dans 34 villes européennes. », Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 529, mis en ligne le 18 mai 2011, consulté le 29 mars 2017. URL : http://cybergeo.revues.org/23634 ; DOI : 10.4000/cybergeo.23634

Haut de page

Auteur

Florent Le Néchet

Chargé de recherche, Ecole des Ponts (UMR LVMT), 6-8 Avenue Blaise Pascal
Champs sur Marne, F-77455 Marne la Vallée Cedex 2
Chercheur associé, UMR Géographie-cités, 6 rue du Four, 75006 Paris
florent.lenechet@gmail.com

Articles du même auteur

Haut de page

Droits d’auteur

© CNRS-UMR Géographie-cités 8504

Haut de page