L'influence de la forme urbaine sur la mobilité quotidienne. Une ...

Titre de la communication
Association de Science Régionale De Langue Française
XLème Colloque de l’ASRDLF
Convergence et disparités régionales au sein de
l’espace européen
Les politiques régionales à l’épreuve des faits
Bruxelles – 1, 2 et 3 Septembre 2004
L’INTERACTION ENTRE USAGE DU SOL ET
COMPORTEMENTS DE MOBILITE.
METHODOLOGIE ET APPLICATION A L’AIRE
URBAINE DE BORDEAUX
Guillaume POUYANNE
ATER
IERSO, IFReDE-GRES
Université Montesquieu Bordeaux IV
pouyanne@u-bordeaux4.fr
Résumé :
L’influence de la forme urbaine sur la mobilité quotidienne est résumée par les « 3D » :
densité, diversité et design. Les nombreuses études empiriques portant sur ce thème
adjoignent aux « 3D » des variables socio-démographiques, supposant implicitement que les
deux types de facteurs agissent séparément sur les comportements de mobilité.
Nous soulevons dans cet article la possibilité d’une relation causale entre la localisation dans
une forme urbaine spécifique et les caractéristiques socio-démographiques, qui viendrait
remettre en cause les résultats précédemment obtenus. Il est donc pertinent de compléter le
schéma conceptuel antérieur : nous formulons le cadre de « l’interaction triangulaire », qui
nécessite une technique économétrique adaptée. La régression typologique permet le
contrôle statistique d’un type de facteurs au profit de l’autre. Une application empirique sur
l’aire urbaine de Bordeaux confirme l’intérêt de cette méthode dans l’étude de l’interaction
entre usage du sol et mobilité.
Mots clés : ville compacte, densité, formes urbaines, mobilité, usage du sol
Classification JEL : R12, R14, R41
1

L’interaction entre usage du sol et comportements de mobilité
L’INTERACTION ENTRE USAGE DU SOL ET
COMPORTEMENTS DE MOBILITE.
METHODOLOGIE ET APPLICATION A L’AIRE
URBAINE DE BORDEAUX
« Comprendre, c’est compliquer. C’est enrichir en profondeur.
C’est élargir de proche en proche. C’est mêler à la vie »
Lucien Febvre, Combats pour la vie
Le développement durable constitue un guide normatif pour la réflexion comme pour
l’action (Hart, 2002), qui met en avant la nécessité de maîtriser les externalités négatives du
développement économique. Face à des enjeux globaux tels que l’effet de serre, ou locaux tels
que la pollution, le bruit et la sécurité, renaît la contestation de l’automobile des années 1970
(Illitch, 1974 ; Sauvy, 1968). Son usage est remis en question, et plus particulièrement dans
les villes, qui constituent un espace privilégié d’action et de réflexion puisque les autres
modes de transport ont plus de possibilité d’y constituer une alternative performante 1 .
Sous cette influence, les objectifs de la planification urbaine évoluent, voire s’inversent :
on passe de « l’adaptation de la ville à l’automobile » (comme le voulait le Président
Pompidou) à une limitation de la place de l’automobile en ville. Cette évolution est avalisée
par les pouvoirs publics : la LAURE du 30 décembre 1996 oblige les agglomérations de plus
de 100.000 habitants à se doter d’un document d’urbanisme, le PDU (Plan de Déplacements
Urbains) qui planifie sur cinq ans les moyens mis en œuvre par les collectivités locales pour
« assurer un équilibre durable entre les besoins en matière de mobilité et de facilité d’accès
d’une part, et la protection de l’environnement et de la santé d’autre part » (art. 14). Cette
formulation est celle de la « mobilité durable », une équation difficile à résoudre puisqu’il
s’agit de protéger l’environnement et la santé sans freiner la demande de déplacements.
Les mesures destinées à diminuer le trafic automobile se multiplient, et prennent
généralement deux orientations : (1) saper l’avantage comparatif de l’automobile sur les
autres modes en réduisant ses performances (vitesse : zones 30 ; souplesse : politique de
stationnement) ou en lui interdisant l’accès à certains espaces sensibles (piétonisation,
constitution de « sanctuaires » hypercentraux) ; (2) fournir une alternative performante à
l’automobile (construction de pistes cyclables, ouverture de lignes de bus périphériques et
surtout « renaissance » du tramway).
Au-delà de ces mesures se profile une action plus globale sur l’urbanisation. Ainsi le
PDU de Bordeaux cherche-t-il à « agir sur l’évolution de la morphologie urbaine [pour]
limiter le trafic automobile et sa croissance prévisible » (C.U.B, 2001, p. 31). S’appuyant sur
l’idée d’une interaction réciproque entre étalement urbain et utilisation de l’automobile,
l’objectif affiché est de maîtriser l’étalement (ibid., p. 12).
1 Du moins en termes de temps de transport. Nous souscrivons à l’analyse de M. Wiel (2002), pour qui
l’optimisation du temps de transport est la force principale qui façonne les comportements de mobilité, et plus
particulièrement le choix modal.
2

L’interaction entre usage du sol et comportements de mobilité
L’automobile, en dilatant les isochrones, a permis de repousser les limites
géographiques de la ville (LeRoy & Sonstelie, 1983). Prenant appui sur l’hypothèse d’une
constance des temps moyens de déplacement (loi dite « de Zahavi » – Zahavi & Ryan, 1980),
l’analyse historique du développement urbain selon le mode de transport dominant distingue
trois « âges » dans l’urbanisation (Dupuy, 1995 ; Newman & Kenworthy, 1998 ; Wiel, 1999).
Le troisième âge est celui de l’automobile, qui non seulement étend le périmètre urbanisé de
la ville pédestre, alimentant ainsi l’étalement, mais en plus comble les vides intersticiels
laissés par la deuxième phase, la ville des transports en commun et sa traditionnelle structure
en doigts de gant (Bordreuil, 1995).
Etant donné la rapidité de sa formation, la ville automobile se caractérise par la
dispersion et de faibles densités, donc une faible accessibilité, à tel point que « l’usage de
l’automobile [y] est devenu plus une nécessité qu’un choix » (Newman & Kenworthy, 1998,
p. 31). Elle est donc un des facteurs de la dépendance automobile (Dupuy, 1999). Ainsi si la
démocratisation de l’automobile a permis à la ville de s’étaler, en retour l’étalement urbain
incite voire oblige à l’usage de l’automobile. C’est pourquoi les politiques de
« désautomobilisation » des villes se sont orientées vers la maîtrise de l’étalement. Le modèle
inspirant ce type de mesures est celui de la « ville compacte », qui propose de contenir
l’étalement en encourageant le développement dans les limites existantes de l’agglomération,
la densification en résultant automatiquement. Au-delà des problèmes de faisabilité (Breheny,
1997), le but est d’atteindre ainsi des seuils de densité et/ou d’accessibilité suffisants pour
fournir une alternative performante à l’automobile (Jenks, Burton & Williams, 1996 ; Ewing,
1997). La ville pédestre est posée ici en idéal de planification.
Le modèle de la ville compacte s’appuie sur des études empiriques. L’analyse de trentedeux
grandes villes dans le monde permet à P. Newman et J. Kenworthy (1989) de formuler
leur célèbre courbe, qui relie de manière inverse la consommation individuelle d’énergie due
aux déplacements et la densité résidentielle nette. P. Naess (1996) dégage une relation
croissante entre l’espace habitable par personne (inverse de la densité résidentielle nette) et la
consommation d’énergie pour les transports, d’abord pour 22 grandes villes scandinaves, puis
pour 67 villes suédoises. La réactualisation de leur travail de 1989 permet à P. Newman et J.
Kenworthy (1998) de confirmer leurs principaux résultats tout en les complétant par de
nombreuses études de cas (où les villes du Nord de l’Europe sont souvent prises pour modèle)
et par l’addition de variables explicatives annexes (offre de transports en commun, offre de
places de parking au centre-ville, etc.).
La pertinence des comparaisons internationales est mise en doute, pour des raisons qui
tiennent aux différences dans les modes de vie, difficilement contrôlables (Gomez-Ibañez,
1991). De nombreuses études portant sur le lien densité-mobilité sont alors effectuées au
niveau intra-urbain. En France, elles utilisent la méthodologie du BEED (budget énergieenvironnement
des déplacements) développée par l’INRETS et l’ADEME. Le BEED évalue
les coûts environnementaux dûs aux déplacements, qui se composent de la consommation
énergétique et des émissions de six polluants (Gallez & Hivert, 1998). Pour les communes
d’Ile-de-France, la densité humaine nette (somme des densités résidentielle et d’emplois) est
négativement corrélée à la consommation énergétique comme aux émissions de polluants
(Fouchier, 1997). Dans une étude portant sur l’agglomération bordelaise (données 1990), le
BEED varie du simple au double entre les zones situées aux tranches extrêmes de densité
(Hivert, 1998).
3

L’interaction entre usage du sol et comportements de mobilité
Cet ensemble de résultats trouve sa justification dans le fait que des densités élevées
permettent, toutes choses égales par ailleurs :
• Une meilleure accessibilité, c’est-à-dire un plus grand nombre d’opportunités
de déplacement à distance donnée, et par conséquent de plus faibles distances de
déplacements (Fouchier, 1997) et un transfert modal facilité (Burton, 2000) ;
• Une congestion supérieure du réseau viaire qui, selon la réciproque de la
conjecture de Mogridge 2 (1980), incite au report modal de l’automobile vers les
modes alternatifs – surtout en présence de sites propres, ce qui est généralement le
cas dans les zones les plus denses ;
• Une plus grande efficacité des transports en commun. Pour les villes
françaises de plus de 100.000 habitants, P.-H. Emangard (1994) constate une
relation croissante entre la densité et des variables d’efficacité telles que le
coefficient de remplissage, le nombre de voyages par habitant desservi par an, le
nombre de voyageurs par véhicule-kilomètre et la densité du réseau. J. Kenworthy
et F. Laube (1999) obtiennent une corrélation positive entre densité et taux de
couverture des dépenses de fonctionnement des transports en commun pour 46
grandes villes dans le monde 3 .
Les preuves empiriques de l’avantage comparatif de la ville compacte en termes de
mobilité semblent donc solidement établies et constitue aujourd’hui, malgré un débat encore
vif (Pouyanne, 2004a), une évidence assez largement admise (Cameron et alii, 2003). Parce
que « attendre d’en savoir assez pour agir en pleine lumière, c’est se condamner à l’inaction »
(J. Rostand), ce demi-consensus inspire de nombreuses politiques d’aménagement urbain, en
Angleterre (Breheny, 1995), aux Pays-Bas avec la fameuse politique « ABC » (Van der Walk,
2002), et aux Etats-Unis où le Nouvel Urbanisme recommande « de favoriser le
développement par remplissage [infill development] plutôt que l’expansion périphérique »
(C.N.U, 2001, traduction de l’auteur).
L’application précoce du modèle de ville compacte ne doit pas empêcher la recherche de
continuer. Derrière le débat sur l’interaction entre densité et usage de l’automobile est, plus
généralement, la question de l’influence de la forme urbaine sur les pratiques de mobilité. On
est donc amené à élargir la problématique, en ne se préoccupant plus seulement de la densité
mais plus généralement des modalités d’occupation du sol. Une analyse à l’échelle intraurbaine
permet de caractériser plus finement l’occupation du sol, par exemple en prenant en
compte la mixité fonctionnelle ou la présence de centres périphériques. Ainsi la question
centrale est la suivante : quelles sont les relations entre l’usage du sol et les pratiques de
mobilité ?
Sans prétendre y apporter une réponse défintive, cet article tente d’éclarcir la nature des
interactions entre usage du sol et mobilité quotidienne en milieu urbain. Pour cela, après un
survol de la littérature consacrée au lien entre usage du sol et mobilité et un rappel des
principaux résultats avancés (I), nous recenserons certains problèmes de méthode soulevés par
ce type de recherche, ce qui nous amènera à formuler un cadre conceptuel qui nous est propre
(II). Enfin, dans une dernière partie, une méthode économétrique visant à pallier ces
2 Qui suppose, à la suite d’un investissement de capacité dans les infrastructures de transport, la constance du
niveau de congestion à travers le jeu de la compétitivité relative des différents modes de transport. Nous utilisons
ici sa réciproque : l’augmentation de la densité provoque un accroissement de la congestion, donc une
diminiution de la compétitivité-temps de l’automobile, d’où un report vers les modes alternatifs jusqu’à
obtention d’un nouvel équilibre caractérisé par un usage accru des modes alternatifs suite à l’augmentation de la
densité urbaine.
3 Calculé à partir des coûts d’exploitation et des bénéfices d’exploitation, ce taux n’inclut pas les dépenses en
capital ni le service de la dette
4

L’interaction entre usage du sol et comportements de mobilité
problèmes de méthode sera appliquée à la problématique de l’interaction entre usage du sol et
mobilité quotidienne dans l’aire urbaine de Bordeaux.
I. LE LIEN USAGE DU SOL ET MOBILITE :
RESULTATS ANTERIEURS DE LA RECHERCHE
L’étude du lien entre l’usage du sol en milieu urbain et les comportements de mobilité
s’est considérablement développée depuis les années 1990, devenant en 2001 le sujet de plus
de cinquante études empiriques (Ewing & Cervero, 2001). La méthodologie utilisée va des
approches agrégées à l’analyse de données individuelles (Handy, 1996).
Les variables de mobilité à expliquer sont habituellement au nombre de quatre (Ewing
& Cervero, 2001) : la distance moyenne de déplacement, la mobilité individuelle, le partage
modal et le kilométrage individuel effectué en véhicule particulier, qui est la résultante des
trois premières, et est habituellement utilisée comme proxy de la consommation énergétique
individuelle. La caractérisation de l’usage du sol se fait à travers les « 3D » (Cervero &
Kockelman, 1997).
1. Densité
La densité résidentielle comme la densité d’emplois ont une forte influence sur les
variables de mobilité, respectivement à l’origine et à la destination du déplacement (Frank &
Pivo, 1994). Une typologie des zones est possible : l’habituel découpage en couronnes
(suivant la distance au centre de l’aire urbaine) utilisé par exemple par J.-P. Nicolas et alii
(2001) dans leur étude sur Lyon peut être affiné à la lumière de la localisation relative de la
population et des emplois (Mignot et alii, 2004). Sans surprise, les distances de déplacement
et la part modale de la voiture augmentent avec la distance au centre.
2. Diversité
Les pratiques de zonage accroissent les distances de déplacement en générant des
« effets-tunnels » (OCDE, 1994), alors qu’un usage mixte du sol est censé rapprocher origines
et destinations (Wiel, 2001). La diversité est entendue ici au sens de pluralité fonctionnelle
des usages du sol. Et si la définition et la mesure de la diversité diffèrent, c’est que les
fonctions à prendre en compte diffèrent suivant les auteurs.
La mesure de diversité la plus simple est donnée par R. Camagni et alii (2002) pour leur
étude sur l’aire métropolitaine de Milan, en Italie. Deux fonctions sont envisagées : habiter et
travailler. La mesure de la mixité de l’usage des sols passe alors par un simple rapport
emploi/population. Celui-ci influence négativement l’impact écologique de la mobilité 4 , ce
qui signale pour les auteurs « un impact croissant avec […] le renforcement du caractère
résidentiel des communes » (p. 126).
Dans la mesure où ils ne relèvent pas forcément des mêmes logiques de comportement,
il est d’usage de différencier dans l’analyse de la mobilité les déplacements domicile-travail
des déplacements liés aux achats ou au loisir. Ainsi peut-on être amené, pour une zone
donnée, à distinguer les emplois « de proximité » (du type commerce de détail ou service aux
particuliers) des autres emplois. Utilisant le NPTS 5 américain de 1995, D. G. Chatman (2003)
calcule par exemple la proportion des emplois de commerce de détail dans le total des emplois
4 Mesuré à travers une variable synthétique d’impact de la mobilité sur l’environnement.
5 National Personal Transportation Survey (enquête nationale sur les déplacements individuels).
5

L’interaction entre usage du sol et comportements de mobilité
pour tenter d’expliquer le kilométrage total des déplacements dûs aux achats, mais ne trouve
pas de résultat significatif. M. G. Boarnett et S. Sarmiento (1998) mesurent la mixité de
l’usage du sol par la densité d’emplois de commerce de détail testée conjointement avec la
densité d’emplois de services (p. 1160). Ces deux variables ne sont pas significatives pour
expliquer les déplacements qui ne sont pas liés au motif domicile-travail.
Les indices d’entropie (dérivés de la Deuxième Loi de la Thermodynamique formulée
par Ludwig Boltzmann), permettent de mesurer l’homogénéité d’une distribution statistique
catégorisée. En l’occurrence, les catégories correspondent aux fonctions ou usages du sol
retenus. Dans une étude portant sur Washington, L. D. Frank et G. Pivo (1994) assimilent les
usages du sol aux types d’emploi et calculent un indice entropique à partir de sept catégories.
Ils concluent que plus les emplois sont diversifiés au sein d’une zone, plus la marche à pied
est utilisée pour les déplacements domicile-travail. Un indice entropique est également utilisé
par R. Cervero et K. Kockelman (1997) à partir de l’usage principal alloué à chaque hectare
de leur aire d’étude. Il est complété par un original indice de dissimilarité qui pour chaque
hectare mesure la proportion d’hectares contigus (selon la règle de la reine) dont l’usage du
sol principal est différent. L’étude de la mobilité dans la Baie de San Francisco (données
1990) permet seulement de conclure à l’influence positive de l’indice de dissimilarité sur la
proportion de déplacements effectués par covoiturage (avec une élasticité de 0,111).
3. Dessin urbain
Les caractéristiques du « dessin urbain 6 » pourraient influer sur les comportements de
mobilité. On entend par dessin urbain la forme générale du réseau de rues et des bâtiments qui
la bordent. Plusieurs arguments contradictoires sont avancés : un réseau en forme de grille
améliorerait l’accessibilité pédestre en offrant des routes plus directes d’un endroit à l’autre,
mais ce même réseau améliore aussi l’accessibilité automobile, en fournissant de multiples
chemins pour un même couple origine-destination, ce qui permet de disperser le trafic donc de
diminuer la congestion.
Le type de réseau viaire est lié aux pratiques de mobilité. A Portland (Oregon), le
pourcentage de culs-de-sac, typique de l’urbanisation de l’après-guerre, influe négativement
sur la part modale de la marche à pied (Rajamani et alii, 2003). Une étude portant sur un
échantillon de ménages urbains californiens à Orange County, Los Angeles et San Diego
montre l’influence positive d’un réseau en grille (à partir d’une variable muette) sur l’usage
de l’automobile sur les déplacements autres que domicile-travail (Boarnett & Crane, 2001). A
Puget Sound (Washington), K. Krizek inclut le degré de connectivité des rues dans le calcul
d’un indice d’accessibilité locale (neighboorhood accessibility) 7 , qui influence négativement
la variation du kilométrage effectué en VP par véhicule, par habitant, et le nombre total de
déplacements enchaînés (tours).
Comme dans la recherche de la RERC (1974) sur les coûts de l’étalement 8 , on peut
s’interroger sur l’influence du type du logement sur les comportements de mobilité. A partir
6 Nous avons préféré traduire littéralement urban design, qui traduit la forme urbaine « visible » : à la fois dessin
(des rues), hauteru des bâtiments, taille des blocs, conception architecturale des bâtiments, etc. On comprendra
dans la suite du paragraphe, à travers la liste des variables testées, ce qui est généralement entendu par le terme
urban design.
7 On notera que cet indice d’accessibilité locale est aussi calculé à partir de la densité de logements et de la
diversité des usages du sols, constituant ainsi un indice synthétique des « 3D ».
8 Qui avait conclu à une corrélation négative entre la proportion de logements individuels et les coûts
environnementaux de la mobilité. Notons que D. Windsor (1979) a contesté ces résultats à partir des mêmes
données.
6

L’interaction entre usage du sol et comportements de mobilité
d’une approche typologique, R. Camagni et alii (2002) constatent une influence négative de
deux formes de développement urbain (contiguïté/linéaire et complètement/contiguïté) sur
l’impact environnemental de la mobilité. Aux Pays-Bas, les types de quartiers entretiennent
une relation avec la consommation d’énergie due aux déplacements (Van Diepen & Voogd,
2001). On notera que ce type d’influence est redondant avec celle de la densité.
Les « 3D » permettent de caractériser la forme urbaine et, indirectement, l’accessibilité
locale d’une zone donnée (Krizek, 2003). S’il semble pertinent d’expliquer les flux de
déplacements intra-métropolitains à partir des caractéristiques de l’usage du sol, il paraît tout
aussi nécessaire de replacer les zones dans le contexte de l’espace métropolitain. La présence
de « générateurs de déplacements », notamment les centres périphériques, doit donc être prise
en compte. Ainsi R. Cervero et K.-L. Wu (1998) observent que l’augmentation de véhiculekilomètres
la plus forte a eu lieu dans les centres périphériques les plus éloignés et les plus
dynamiques. Il semble donc nécessaire d’adjoindre aux variables d’accessibilité locale une
mesure de l’accessibilité régionale. Celle-ci se fait généralement par le biais d’un modèle
gravitaire, c’est-à-dire au moyen du nombre d’emplois affectés négativement par
l’exponentielle de la distance. C’est le cas par exemple chez K. Krizek (2003), où
l’accessibilité régionale au lieu de résidence influe négativement sur la variation des véhiculekilomètres,
du kilométrage individuel, et du nombre de déplacements enchaînés ; pour J.
Rajamani et alii (2003), l’indice d’accessibilité détermine positivement le nombre de
déplacements de loisir ; enfin, R. Cervero et K. Kockelman (1997), constatent une corrélation
négative entre le nombre de véhicule-kilomètres et l’accessibilité régionale.
On comprendra aisément que l’accessibilité interfère avec la densité, puisque la densité
est censée rapprocher l’origine de la destination (cf. la première justification théorique), et que
l’accessibilité pondère le nombre de destinations possibles par la distance. De fait, le
problème des corrélations entre variable constitue une limite importante pour la recherche,
surtout à partir du moment où sont prises en considération les caractéristiques sociodémographiques
des individus.
II. PROBLEMES METHODOLOGIQUES LIES A
L’ETUDE DES LIENS ENTRE FORME URBAINE ET
MOBILITE
1. La prise en compte des caractéristiques socio-démographiques
Les caractéristiques socio-démographiques individuelles influencent les comportements
de mobilité. Ainsi malgré la démocratisation de l’automobile dans les pays occidentaux, le
revenu conserve une influence forte sur sa possession comme son usage (Jullien, 2002). Le
niveau d’éducation, l’âge, la composition familiale, etc. à travers la constitution d’un « style
de vie » déterminent également les comportements de déplacement (Kaufmann et alii, 2001).
Il semble donc nécessaire de considérer ces influences et de les intégrer dans l’étude du
lien entre forme urbaine et mobilité. Habituellement l’influence des variables sociodémographiques
sur la mobilité est traitée de manière assez simple, suivant le schéma
conceptuel que l’on doit à L. S. Frank et G. Pivo (1994, figure 1) : on suppose une séparation
stricte entre les deux types de facteurs, ceux liés à la forme urbaine et ceux relevant des
caractéristiques socio-démographiques. Techniquement, ces dernières sont « contrôlées
statistiquement », c’est-à-dire simplement ajoutées au modèle, souvent en distinguant un
modèle de base et un modèle complet (e.g. Boarnett & Crane, 2001 ; Boarnett & Sarmiento,
1998 ; Rajamani et alii, 2003).
7

L’interaction entre usage du sol et comportements de mobilité
Figure 1. Le cadre conceptuel de détermination des facteurs de la mobilité quotidienne
Source : Frank & Pivo, 1994
Cette méthode permet de faire ressortir les facteurs de la mobilité qui ne sont pas liés à
l’usage du sol : le revenu (avec parfois un effet quadratique – Boarnett & Crane, 2001 ;
Rajamani et alii, 2003), la taille du ménage (à Puget Sound, l’influence du nombre d’enfants
sur le nombre de déplacements chaînés est significative - Krizek, 2003), le niveau d’éducation
(aux Pays-Bas, la proportion de diplômés du supérieur est négativement reliée à l’usage de
l’automobile – Dieleman et alii, 2002), ou encore le genre (on notera avec M. G. Boarnett et
S. Sarmiento (1998) l’influence positive de la proportion de femmes dans la population sur les
déplacements automobiles non professionnels). Cependant cette approche pose un certain
nombre de problèmes, aussi bien techniques que méthodologiques.
2. Le problème de la multicolinéarité
Au point de vue technique, la plupart de ces études portent sur des données en coupe
transversale. Or sur ce type de données émergent fréquemment des problèmes de
multicolinéarité entre variables. Ainsi la densité recouvre-t-elle plusieurs influences
possibles : « Density has often been used to proxy a large number of excluded urban form
measures » (Rajamani et alii, 2003). Le problème est ici celui de la corrélation entre variables
internes à chaque bloc, qui biaise les résultats. En effet en cas de multicolinéarité, l’estimateur
des MCO n’est pas efficient (Greene, 1999, 6.7.). Lorsque plusieurs facteurs covarient, les
résultats obtenus sont extrêmement fragiles : selon R. Cervero et K Kockelman (1997, 203),
« it is questionable whether many built environment variables will show up as statistically
significant. This is partly because of the colinearity between factors like neighbourhood
densities, mixed use levels and pedestrian amenities ».
On peut alors s’interroger sur la pertinence d’utiliser la densité comme facteur explicatif
des comportements de mobilité. Comment interpréter son influence lorsqu’elle est
significative ? Quel est le phénomène à l’œuvre dont la densité n’est que l’indicateur ? Ce
dilemme est résumé par R. Ewing et R. Cervero (2001, 100) : « an unresolved issue is
whether the impact of density on travel patterns is due to density itself or other variables with
which density covaries (central location, good transit service, etc.). [S.] Handy puts this issue
this way : ‘many studies focus on density, but is it density that matters ? No, probably not.
Probably what matters is what goes along with density’ ». Il devient alors nécessaire
d’expliquer la densité elle-même pour comprendre « ce qui accompagne la densité » : « the
explanation for density is itself an important yet often neglected part of the story » (Boarnett
& Crane, 2001, 285).
Formellement, le problème de la corrélation entre variables internes à chaque bloc peut
être réglé par le test de plusieurs modèles explicatifs différents, construits sur la base de la
8

L’interaction entre usage du sol et comportements de mobilité
significativité du coefficient de corrélation de Pearson. Cette technique ne résoud pas
cependant le problème de la causalité.
3. Le problème de la causalité
Au point de vue méthodologique, le problème posé est celui de la causalité. Il semble
en effet difficile d’isoler clairement les déterminants des comportements de mobilité, dans la
mesure où l’on est en droit de supposer que les deux types de facteurs de la mobilité ne sont
pas séparés distinctement, mais en interaction réciproque. L’existence d’un troisième lien
entre forme urbaine et caractéristiques socio-économiques et démographiques, qui viendrait
compléter le schéma de L. S. Frank et G. Pivo, n’est pas improbable. D’après R. Dunphy et K.
Fischer, « the patterns [of higher levels of transit use and lower automobile travel in higher
density communities] is not as clear cut because of the intervening relationship between
density and the demographic characteristics of certain households » (cité in Boarnett &
Crane, 2001, 824-825).
On est cette fois confronté à un problème de corrélations entre variables des deux blocs
de variables expliquées. Il paraît pertinent de considérer que les comportements de mobilité,
l’usage du sol et les caractéristiques individuelles interagissent entre elles. Dans ce cadre, on
est confronté à une indétermination logique et les techniques quantitatives habituellement
utilisées ne permettent pas de dégager des liens causaux clairs et univoques (Pouyanne,
2004b). Les études sur le lien entre forme urbaine et comportements de déplacement « reveal
correlations between the built environment and travel behaviour but do not prove causality »
(Handy, 2002, 15).
Fréquemment, le problème des interactions entre variables socio-démographiques et
variables de forme urbaine n’est qu’évoqué. Or, il est essentiel pour assurer la robustesse des
interprétations avancées. Le « saut » d’une corrélation constatée empiriquement à une
interprétation de nature causale doit être effectué avec toutes les précautions possibles. Il est
notamment nécessaire de vérifier qu’il n’existe pas d’autre interprétation possible, qui
passerait par un tiers facteur s’interposant entre les deux termes de la corrélation constatée.
C’est pourquoi la possibilité d’un lien entre forme urbaine et caractéristiques sociodémographiques
est si important dans la détermination des facteurs de la mobilité.
Ce lien peut prendre la forme d’une causalité directe ou indirecte, que nous expliciterons
en les illustrant par un exemple tiré de l’analyse des comportements de mobilité dans l’aire
urbaine de Bordeaux, et qui justifient l’adoption d’un cadre conceptuel alternatif,
« l’interaction triangulaire ».
3.1. La causalité directe entre caractéristiques socio-démographiques et forme urbaine
La démonstration des deux types de causalité appelle une illustration empirique. Les
données utilisées dans cet article sont issues de l’enquête-ménages-déplacements (E.M.D),
menée en 1998 par la Direction Régionale Aquitaine de l’INSEE. Cette enquête a concerné
les habitudes de déplacements des 801.309 habitants de l’aire urbaine de Bordeaux, à travers
un échantillon de 4329 ménages. L’aire d’enquête a été divisée en 66 zones de différentes
tailles, pour lesquelles aux données de mobilité on a adjoint des données sociodémographiques
et d’usage du sol.
9

L’interaction entre usage du sol et comportements de mobilité
Les caractéristiques individuelles peuvent être à l’origine directe de la localisation dans
une forme urbaine spécifique. Il ne s’agit pas de remettre en cause la corrélation entre
caractéristiques individuelles et mobilité, que l’analyse des données rend irréfutable, mais
plutôt de proposer une interprétation causale alternative, qui postule la localisation dans une
forme urbaine particulière comme « médiation causale » entre caractéristiques individuelles
et comportement de mobilité. La figure 2 exprime la possibilité d’une corrélation constatée
(ou apparente) justifiée par d’autres liens causaux.
Figure 2. La causalité directe entre les caractéristiques socio-démographiques et la forme
urbaine
La possibilité d’un lien causal direct entre caractéristiques sociodémographiques et
forme urbaine s’énonce ainsi : (1) les caractéristiques des agents déterminent leur localisation
dans une forme urbaine particulière. Par suite, (2) cette localisation détermine leur
comportement de mobilité, par la vertu d’un lien postulé entre forme urbaine et mobilité.
Ainsi une corrélation constatée entre caractéristiques individuelles et mobilité se révèleraitelle
en fait être un lien causal que l’on peut dédoubler en (1) influence des caractéristiques
individuelles sur la localisation dans une forme urbaine spécifique, et (2) influence de la
localisation dans une forme urbaine spécifique sur les comportements de mobilité.
La corrélation entre composition familiale et mobilité paraît tout à fait caractéristique de
ce phénomène. Plusieurs études soulignent en effet l’influence du nombre d’enfants sur le
partage modal (Rajamani et alii, 2003), de l’âge moyen sur la consommation d’énergie due
aux transports (van Diepen & Voogd, 2001), du nombre d’actifs dans le ménage sur le partage
modal (Dieleman et alii, 2002), etc. La position dans le cycle de vie influence les
comportements de mobilité, et le lien causal constaté de la figure 2 paraît solidement fondé :
l’augmentation de la taille du ménage s’accompagne d’un accroissement des besoins de
mobilité du ménage, notamment du nombre de pérégrinations, et incite à l’équipement
automobile, ce mode étant particulièrement adapté aux déplacements multi-objectifs.
La taille du ménage est ainsi une importante variable explicative de la mobilité. Dans le
cas de Bordeaux, il est donc normal de constater une influence positive de la taille du ménage
sur la mobilité et la motorisation du ménage, ainsi que sur les distances moyennes de
déplacement, et négative sur la part modale de la marche à pied et des transports en commun.
Néanmoins, on pourra trouver plus suprenant la corrélation positive entre taille du ménage et
kilométrage par habitant pour les déplacements domicile-travail ou taille du ménage et
motorisation individuelle (Pouyanne, 2004b).
Il ne s’agit donc pas de nier le lien entre taille du ménage et mobilité, mais plutôt de le
resituer dans un contexte qui est l’espace métropolitain. Ainsi au lieu d’une influence directe
de la composition familiale sur la mobilité, on peut adopter l’hypothèse suivante : la
10

L’interaction entre usage du sol et comportements de mobilité
composition familiale détermine un type de localisation, qui par suite influe sur les
comportements de mobilité.
On constate en effet une forte représentation des ménages de grande taille dans les
parties périphériques et peu denses de l’agglomération. Inversement, la taille du ménage est
nettement plus faible dans les parties centrales et denses. Il est donc plausible de supposer la
prégnance d’un « effet localisation » sur les comportements de mobilité des ménages. La
figure 3 montre bien la corrélation positive entre taille du ménage et motorisation
individuelle, et comment la densité humaine 9 interfère dans ce lien en tant que tiers facteur.
Figure 3. Motorisation individuelle et taille du ménage (la surface des bulles est
proportionnelle à la densité humaine)
Motorisation individuelle
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
1,2 1,7 2,2 2,7 3,2
Taille du ménage
Source : EMD Bordeaux, 1998 (I.N.S.E.E, DR Aquitaine), traitement de l’auteur
Nous voyons à cet « effet localisation » deux interprétations causales possibles, qui ne
sont pas exclusives l’une de l’autre :
• Une interprétation en termes d’aménités :
On peut supposer un phénomène de « fuite du centre » lorsque la taille du ménage
s’accroît, dans le but de protéger ses enfants des externalités négatives du centre – pollution
ou insécurité – et au contraire de leur faire profiter des aménités positives de la périphérie –
par exemple la présence de nature. Plus généralement, l’avancée dans le cycle de vie
correspond à la possibilité d’émigrer du centre vers la périphérie 10 .
• Une interprétation en termes de disponibilité foncière :
L’abondance de logements de petite taille dans les parties centrales de l’agglomération
est un phénomène assez largement documenté. R.F. Muth (1969) l’explique par une
dissociation entre le gradient de rente et le gradient de densité 11 : alors que la rente augmente
continûment et à des taux souvent élevés, l’augmentation de la densité qui doit en résulter est
9 Somme des densités résidentielles et d’emploi, qui mesure l’intensité de l’occupation du sol par les activités
humaines.
10 Ce qui suppose de poser une structure de préférences particulière, qui valorise l’habitat périphérique. Si cette
hypothèse est habituellement posée pour expliquer la suburbanisation aux Etats-Unis (e.g. Mills & Lubuele,
1997), elle est sujette à débat ici en Europe où la préférence pour le centre est plus répandue (Camagni, 1996, pp.
164-166 sur la discussion des théorèmes de Wheaton).
11 Rappelons l’équivalence théorique entre variation de la rente et variation de la densité. La démonstration
repose sur la formulation d’une fonction de production de logements (Muth, 1969, chap. 5).
11

L’interaction entre usage du sol et comportements de mobilité
entravée par la durabilité du bâti. Dans les centres-ville, surtout ceux des villes européennes,
les bâtiments sont souvent protégés de la destruction pour des raisons esthétiques et
historiques. A Paris par exemple, la hauteur des bâtiments ne peut légalement excéder celle
des constructions haussmaniennes, qui datent de la deuxième moitié du XIX° siècle.
Si la pression de la rente ne peut s’atténuer par la verticalité, elle se traduira par une
réduction de la taille des logements afin d’en augmenter le nombre. Pour R. F. Muth,
« durability affects primarily exteriors of the buildings » (1969, 97) : la seule possiblité pour
faire correspondre gradients de rente et de densité est l’aménagement intérieur des bâtiments.
On comprend donc que, pour une raison de disponibilité foncière, l’augmentation de la taille
du ménage incite à fuir le centre et à adopter une localisation périphérique, où l’abondance de
maisons individuelles est tout à fait adaptée à la demande de ce type de population.
On peut donc dans une certaine mesure s’affranchir de l’habituel raisonnement sur les
arbitrages individuels, qui suppose parfois des hypothèses fortes, pour relier simplement la
taille du ménage et sa localisation à la structure du parc de logements. Cette interprétation est
confirmée lorsque l’on remplace la densité humaine par la surface moyenne des logements (en
m 2 ). On constate à nouveau une interaction entre les trois variables (figure 4).
Figure 4. Le lien entre taille du ménage et motorisation individuelle (la surface des bulles est
proportionnelle à la surface moyenne du logement)
1
Motorisation individuelle
0,9
0,8
0,7
0,6
0,5
0,4
0,3
1,4 1,9 2,4 2,9 3,4
Taille du ménage
Source : EMD Bordeaux, 1998 (I.N.S.E.E, DR Aquitaine), traitement de l’auteur
Ainsi la corrélation entre taille du ménage et mobilité n’est pas frocément un lien causal
direct, comme postulé habituellement, mais peut également dériver des pratiques de
localisation, périphérique pour les ménages de grande taille et centrale pour les ménages de
petite taille, qui dérivent elles-même des modalités de l’offre de logement. On est ainsi
confronté à une indétermination logique, c’est-à-dire à l’impossibilité de séparer la cause de
l’effet. On ne peut trancher entre le lien causal « apparent » et le lien causal « caché » (cf.
figure 2). On est obligé de simplement noter l’interaction réciproque entre ces trois variables
contre laquelle, sans analyse approfondie, vient se briser toute tentative d’explication causale.
Si l’exemple de la corrélation entre taille du ménage et mobilité peut révéler une
causalité directe entre caractéristiques socio-démographiques et forme urbaine, cette causalité
peut également être indirecte.
12

L’interaction entre usage du sol et comportements de mobilité
3.2. La causalité indirecte entre caractéristiques socio-démographiques et forme urbaine
Nous nous réferrerons pour illustrer ce lien causal à la notion d’autosélection (selfselection).
Celle-ci « questions the direction of the causal relationship between urban form
and travel » (Krizek, 2003, 268). Le lien de causalité entre usage du sol et mobilité
habituellement postulé dans la littérature est renversé : ce ne sont pas tant les caractéristiques
de l’environnement bâti qui déterminent les comportements de mobilité, mais plutôt les
préférences des agents en termes de mobilité qui déterminent leur localisation au sein d’un
environnement particulier. Les individus préférant la marche ou les transports en commun à la
voiture particulière choisiront une localisation dans un environnement adapté à cette
prédilection, c’est-à-dire dense et mixte, où davantage de destinations à distance donnée sont
disponibles, et où la desserte en transports en commun est plus importante. Ce sont donc bien
les préférences en termes de mobilité qui déterminent la localisation, et non l’inverse. On peut
généraliser le concept d’autosélection dans deux directions.
• Sur le critère de localisation :
On peut supposer que ce n’est pas tant la préférence pour un mode particulier qui
détermine la localisation, mais tout simplement la possibilité de disposer d’un choix modal.
La corrélation entre forme urbaine et mobilité est en effet interprétée en termes de
« dépendance automobile » : dans les zones périphériques de faible densité, la marche à pied
est quasiment impossible et la desserte en transports en commun insuffisante, voire
inexistante. L’usage de l’automobile y est nécessaire. On peut donc supposer que c’est la
possibilité d’avoir le choix entre plusieurs modes (même si ce choix se porte parfois sur
l’automobile) qui influence la localisation des individus : dans ce cas ce n’est pas tant tel ou
tel mode qui est préféré, mais le choix modal lui-même.
• Sur le degré de liberté des individus :
L’autosélection suppose que la localisation des individus dépend de la structure de leurs
préférences, c’est-à-dire qu’elle résulte d’un arbitrage entre avantages et inconvénients (en
termes de choix modal) pour chaque localisation, étant données certaines contraintes,
notamment de revenu. Il peut arriver cependant que les contraintes soient telles que l’arbitrage
n’est plus possible. La localisation est alors presque intégralement contrainte. Les populations
n’ayant pas accès à l’automobile, que ce soit pour des raisons de revenu, d’âge, de handicap
« ne peuvent vivre dans des espaces de faible densité, caractérisés par l’absence ou
l’éloignement des services de base. Elles se retrouvent donc, par une sorte « d’effet
grégaire », concentrés dans des espaces de plus forte densité dans lesquels l’automobile n’est
pas indispensable » (Dupuy, 2002, 150). Cet effet grégaire constitue bien une contrainte de
localisation, puisqu’elle oblige les individus n’ayant pas accès à l’automobile à se concentrer
dans des espaces où « la vie [n’est possible] que sous condition d’une densité minimale »
(ibid., 149).
Le concept d’autosélection inverse le lien causal entre mobilité et forme urbaine. La
double généralisation que nous avons opérée peut se résumer de la manière suivante : (1) ce
n’est pas tant la préférence pour un mode particulier qui détermine la localisation dans une
forme urbaine particulière, que la préférence pour le choix modal et la volonté d’échapper à la
dépendance automobile ; (2) la préférence peut s’effacer derrière la contrainte pour les
populations qui n’ont pas accès à l’automobile. Dans ce cas, ce sont donc bien les
caractéristiques socio-démographiques (revenu, âge, etc.) qui, par un effet direct sur
l’équipement automobile, déterminent indirectement la localisation dans une forme urbaine
spécifique (figure 5).
13

L’interaction entre usage du sol et comportements de mobilité
Figure 5. La causalité indirecte entre les caractéristiques socio-démographiques et la forme
urbaine
Il est possible d’illustrer cet argument par le cas de Bordeaux. Les populations
susceptibles d’être « captives » des modes de transport alternatifs à la voiture s’inscrivent en
négatif par rapport aux actifs occupés : les chômeurs et les étudiants, pour des raisons
pécuniaires ou d’accès au permis de conduire ; les retraités, pour des raisons de handicap 12 .
Nous avons donc construit un indicateur simple qui mesure la proportion d’individus
susceptibles d’être captifs des modes alternatifs, calculé simplement comme la proportion de
chômeurs, de retraités et d’étudiants dans la population totale. La figure 6 montre une
corrélation positive entre ce taux et la motorisation individuelle et une corrélation négative
entre ce taux et la densité humaine. En complétant par la relation positive entre densité
humaine et motorisation individuelle, on se trouve à nouveau confronté à une interaction
triangulaire entre ces trois variables, qui empêche de mettre en évidence des liens causaux
univoques.
Figure 6. Le lien entre population susceptible d'être captive des modes alternatifs et
motorisation individuelles (la surface des bulles est proportionnelle à la densité humaine)
Motorisation individuelle
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,15 0,25 0,35 0,45 0,55 0,65
Proportion de chômeurs, de retraités et d'étudiants dans la population totale
Source : EMD Bordeaux, 1998 (I.N.S.E.E, DR Aquitaine), traitement de l’auteur
Les deux effets détaillés ci-dessus décrivent la possibilité d’existence d’un lien unissant
les caractéristiques socio-démographiques des individus et leur localisation dans une forme
urbaine particulière. Nous nous sommes placés dans le cadre conceptuel formulé par L. D.
12 Les mineurs ont été exclus, car la possibilité de covoiturage familial risque de masquer le phénomène observé,
surtout étant données les observations supra sur la tendance des ménages de grande taille à se localiser dans les
zones où la dépendance automobile est forte.
14

L’interaction entre usage du sol et comportements de mobilité
Frank et G. Pivo (1994) et adopté par beaucoup d’autres à leur suite, qui sépare très
distinctement, parmi les facteurs influant sur la mobilité quotidienne, ceux ayant trait à la
forme urbaine et ceux liés aux caractéristiques socio-démographiques. Nous avons montré
qu’il était possible de compléter ce schéma par un lien entre ces deux facteurs jusqu’ici
séparés. Cette relation, observée empiriquement dans le cas de Bordeaux, peut se justifier
théoriquement par un lien causal, qu’il soit direct ou indirect. Le cadre conceptuel que nous
souhaitons adopter pour l’étude des liens entre forme urbaine et comportements de mobilité
décrit donc des relations complexes, une « interaction triangulaire » généralisée entre les trois
grands blocs de variables (figure 7).
Figure 7. « L'interaction triangulaire »
On notera non seulement l’apparition d’un troisième lien, mais aussi la généralisation de
l’usage des doubles flèches. Celles-ci reflètent notre incertitude sur le sens de la causalité.
Ainsi les trois blocs de variables sont en interaction réciproque. Ce schéma exprime une
causalité circulaire généralisée, c’est-à-dire des interactions complexes entre des
caractéristiques individuelles, des caractéristiques d’environnement, et ce que l’on cherche à
expliquer, des comportements. Nous avons montré qu’il était impossible de dégager des
relations causales simples, c’est pourquoi la forme adoptée est celle d’un circuit, pour lequel
par définition n’existe pas de théorie causale (Mouchot, 2003, p. 172).
Paradoxalement, l’adoption de ce schéma complexe est rendu indispensable par
l’avancée des recherches sur le lien entre forme urbaine et mobilité, qui ont finalement
davantage soulevé de questions qu’apporté des résultats : « although the connections between
transportation and land use seem both obvious and simple, our appreciation of these
connections increases as the research on these connections progresses : the more we know,
the less we seem to know » (Handy, 2002, 3).
On comprendra que l’adoption de « l’interaction triangulaire » comme cadre conceptuel,
s’il est imposé par l’honnêteté intellectuelle, complique sévèrement la tâche du chercheur. Il
n’est possible d’extraire d’une étude empirique que de simples corrélations entre variables. La
détermination de liens causaux univoques devient extrêmement difficile dans un système où
tout est en interaction réciproque. Une solution intéressante serait de tenter de « maîtriser » un
ensemble de facteurs afin de transformer une relation tripartite en simple relation binaire.
L’objectif est le « contrôle statistique » : « Since complete statistical control is never fully
introduced, any relationships that are uncovered are necesarily associative rather than
causal. » (Cervero & Kockelman, 1997, 201)
La question est de savoir si les techniques quantitatives sont susceptibles de fournir des
outils adaptés au problème. La solution réside alors dans la construction d’une méthode
permettant de contrôler l’influence d’un ensemble de facteurs afin d’isoler dans la mesure du
possible l’influence de l’autre ensemble de facteurs. La section suivante résume la méthode
employée et donne quelques résultats pour l’aire urbaine de Bordeaux (France).
15

L’interaction entre usage du sol et comportements de mobilité
III. ANALYSE DES FACTEURS DE LA MOBILITE
QUOTIDIENNE DANS L’AGGLOMERATION
BORDELAISE
1. Méthodologie : la technique des régressions typologiques
Le contrôle statistique d’un ensemble de facteurs pouvant interférer avec l’autre
ensemble de facteurs a été réalisé à partir d’une approche typologique qui a servi de base pour
effectuer des régressions contraintes. C’est la technique des « régressions typologiques ».
L’approche typologique permet de constituer, dans une population donnée, des sousgroupes
que l’on considère homogènes du point de vue du critère adopté pour effectuer la
typologie. On suppose ainsi pouvoir « contrôler » un type de facteurs de la mobilité
quotidienne, et analyser l’influence de l’autre type de facteurs. Cela revient à « mettre entre
parenthèses » un des deux blocs explicatifs de la relation triangulaire, qui devient une simple
relation binaire, par conséquent beaucoup plus facile à tester.
Ici, c’est le critère de la densité que l’on a choisi de contrôler. Nous avons souligné à
quel point cet indicateur synthétique, sans véritable signification théorique autre que
l’intensité de l’occupation de l’espace par l’homme et ses activités et dont l’interprétation
pose tant problème (Bailly et alii, 1992), faisait débat. La puissance de la densité pour
expliquer les comportements de mobilité est telle qu’elle laisse insatisfait et incite à
comprendre quelles sont les influences cachées par celle de la densité.
On a donc divisé la population étudiée (les 66 zones de l’enquête-ménages de Bordeaux)
en trois sous-échantillons homogènes du point de vue de la densité : fortes, moyennes et
faibles densités (cf. annexe cartographique). Comme il n’y avait qu’un critère, la méthode de
classification adoptée a été celle du tri ordonné des observations. La présence de seuils
éventuels a pu être décelée « visuellement » grâce à la représentation graphique d’une
fonction de log-densité cumulée. Etant donné le faible nombre d’observations, il a semblé
préférable de constituer des sous-échantillons de taille à peu près égale plutôt que d’utiliser
une méthode de classification automatique. La limite que nous nous sommes fixé à la taille
des sous-échantillons est 66/3 = 22 ( + / - 10%). Ainsi la partition est-elle exogène, mais la taille
des sous-groupes est suffisante pour que les résultats soient significatifs.
La technique économétrique utilisée est celle des régressions contraintes. L’objectif de
la recherche est de savoir si l’effet des variables explicatives est différencié ou non selon le
sous-groupe. On va donc d’abord effectuer la même régression pour chacun des sous-groupes,
puis contraindre les coefficients de régression à être égaux entre eux. On testera ensuite la
significativité de ces contraintes (ou restrictions) linéaires. On dispose ainsi d’un modèle dit
« contraint » (MC, où les coefficients de chaque variable explicative sont les mêmes quel que
soit le sous-groupe) et d’un modèle dit « non contraint » (MNC, où tous les coefficients sont
théoriquement différents).
MNC :
y
i
K
3
= ∑∑
k= 1 h=
1
i = 1,...,66
α . z
h,
k
i,
h,
k
+ ε
i
16

L’interaction entre usage du sol et comportements de mobilité
MC :
y
i
3
= ∑∑α
h,
k
. zi,
h,
k
+ ∑∑α
k
. zi
k≠ l h= 1
k= l h=
1
i = 1,...,66
où y
i
est la variable expliquée, α
h, k
un vecteur de coefficients indicés par h, la catégorie de
densité, z
i , h , k
la matrice des k variables explicatives. Les ε i sont les termes d’erreur, que l’on
2
suppose identiquement distribués, d’espérance nulle et de variance σ . Ici, les contraintes
linéaires imposées au modèle portent sur les variables explicatives indicées en l : on voit que
le coefficient de régression est le même quelle que soit la catégorie h.
L’intérêt est que l’on peut tester ensuite la significativité de ces contraintes, et ainsi
effectuer un choix entre les différents modèles. L’hypothèse testée est l’égalité des
coefficients de régression pour un certain nombre de variables explicatives données :
H 0 : α
h, k
= α
k
soit pour tout k, soit pour certaines valeurs de k
ce qui correspond à un certain nombre de contraintes linéaires imposées au modèle. Nous
avons en effet choisi de tester les contraintes d’égalité des coefficients variable par variable
(et non modèle par modèle), car il se peut qu’au sein d’un modèle certaines variables aient un
effet différencié et d’autres un effet identique selon le sous-groupe.
La statistique G du test suit une loi de Fischer-Snédécor et s’apparente à celle utilisée
dans les tests de stabilité structurelle (dits « de Chow »). La différence est qu’ici on cherche à
savoir s’il y a stabilité dans l’espace (c’est-à-dire pour chacun des trois sous-échantillons) et
non dans le temps. La statistique, dont la formule est :
( b)
G a
⎡
⎢
⎢⎣
66
66
∑ ( ε
i,
MC
) − ∑ ( ε
i,
MNC
)
i=
1
i=
1
, =
2
66
∑ ( ε
i,
MNC
)
i=
1
2
b
3
2
⎤
⎥
⎥⎦
a
, h,
k
+ ε
→ F(
a,
b)
où ε
i, MC
sont les résidus du modèle contraint, ε
i, MNC
sont les résidus du modèle non contraint
(on pose les hypothèses habituelles sur ces résidus, i.e ils sont identiquement distribués), a est
le nombre de contraintes linéaires imposées au modèle, et b le nombre de degrés de liberté du
modèle contraint, soit le nombre d’observations auquel on retranche le nombre de paramètres
à estimer et le nombre de contraintes linéaires imposées au modèle (cf. annexe mathématique
pour plus de précisions).
Selon la valeur de la statistique , on sera donc amené à rejeter ou pas l’hypothèse d’un
effet différencié selon le sous-groupe des variables explicatives sur la variable expliquée.
Formellement, la sélection des modèles se fait grâce à la statistique F. Si plusieurs fois
l’hypothèse d’égalité des coefficients n’a pu être rejetée, plusieurs modèles contraints se
trouvent en compétition. On s’en tiendra alors aux critères mesurant la force explicative de
ces modèles, c’est-à-dire le R 2 ajusté et/ou le critère d’Akaike (qui doit être minimisé).
Les résultats et commentaires s’inspireront beaucoup de la comparaison avec le modèle
global, obtenu en régressant le même ensemble de variables explicatives pour l’ensemble des
zones composant la population étudiée.
i
17

L’interaction entre usage du sol et comportements de mobilité
2. Premiers résultats : l’aire métropolitaine de Bordeaux
Suivant la littérature habituelle sur le lien entre usage du sol et mobilité, quatre variables
de mobilité sont généralement retenues pour être expliquées : la mobilité individuelle (nombre
de déplacements par jour), la longueur moyenne des déplacements, les parts modales et,
résultante des trois précédentes, le kilométrage effectué en voiture particulière (VP) par
habitant, que l’on considère comme approximation de la consommation énergétique
individuelle. Nous avons dû exclure de l’analyse les parts modales parce qu’elles exigent la
formulation d’un modèle de choix discret (de Palma & Thisse, 1987), pour lequel la technique
des régressions contraintes est inadaptée. Nous avons en revanche ajouté la motorisation
individuelle.
Parmi les cinq modèles testés initialement, nous n’avons voulu en retenir que deux, car
les résultats sont déjà conséquents. Pour éviter les problèmes de multicolinéarité, ils ont été
construits sur la base de la significativité des coefficients de corrélation de Pearson.
Le premier modèle testé est le modèle dit « de forme urbaine », qui regroupe la densité
résidentielle, l’écart-type de la densité, et deux variables de mixité de l’usage du sol qui se
réfèrent aux approches signalées plus haut : le degré de mixité entre fonction résidentielle et
fonction productive est mesuré par le ratio emplois/population active ; la mixité des fonctions
productives est indiquée par un indice khi-deux de spécialisation sectorielle.
Le second est le modèle dit « de taille » qui regroupe la population totale de la zone, la
taille moyenne des firmes (en nombre d’employés), la surface habitable par personne et la
taille du ménage (cf. annexe – variables utilisées pour une définition précise des variables).
On trouvera les résultats des régressions dans les tableaux 1 à 5 en annexe.
2.1. L’analyse du modèle de forme urbaine
En ce qui concerne les trajets domicile-travail, l’hypothèse d’une influence négative de
la densité résidentielle sur le kilométrage VP individuel semble confirmée pour les zones de
faibles et moyennes densités. Dans les zones de faible densité, ce résultat peut s’expliquer à la
fois par une plus faible mobilité (tableau 4) et par de moindres distances de déplacement
(tableau 3) avec la densité. Dans les zones de densité moyenne en revanche, aucune de ces
explications ne paraît prévaloir, et l’on doit supposer que l’influence négative de la densité sur
le kilométrage VP individuel passe par un partage modal en défaveur de la voiture.
Pour les zones de forte densité, la densité résidentielle n’a pas d’influence significative
ni sur le kilométrage VP par habitant (tableau 1), ni sur les distances moyennes de
déplacement (tableau 3), non plus que sur la mobilité (tableau 4). La comparaison avec le
modèle global nous permet de constater que l’influence de la densité, avérée pour le
kilométrage individuel et la distance de déplacement pour l’ensemble des zones, disparaît
pour ces zones.
On peut conclure soit sur la pertinence du découpage, soit sur le fait que l’hypothèse de
départ, qui postulait que la capacité d’explication de la densité est finalement limitée dans la
mesure où elle voile d’autres influences qu’il appartient au chercheur de découvrir, n’est pas
infirmée. L’influence de la densité sur le kilométrage VP individuel pour déplacements non
professionnels disparaît d’ailleurs complètement à la suite du découpage en trois échantillons
(tableau 1). Il semble en effet normal que l’influence de la densité soit plus limitée pour ce
18

L’interaction entre usage du sol et comportements de mobilité
type de déplacements que pour les déplacements domicile-travail, car non seulement les
attributs de ces derniers sont sans doute plus déterminants dans le choix de localisation
résidentielle, mais en plus leur régularité (leur pendularité) les rend plus susceptibles d’un
transfert modal ; au contraire, les déplacements d’achats ou de loisirs peuvent être l’objet de
« pérégrinations » (Wiel, 2001), comportements beaucoup plus complexes qui s’accomodent
beaucoup plus facilement de l’usage de l’automobile et de ses attributs de souplesse et de
rapidité.
Quel que soit le motif, l’influence de l’écart-type de la densité sur le kilométrage VP
individuel n’est significatif que pour les zones de faible densité. Ce qui est extrêmement
surprenant est la différence de signe du coefficient de régression, qui tend à signifier que pour
cet échantillon l’effet de la répartition des densités est opposé suivant le motif du
déplacement :
• Pour les déplacements domicile-travail une distribution homogène des densités
diminue le kilométrage VP individuel ; peut-être peut-on voir dans un faible écarttype
une condition qui facilite la localisation du domicile à proximité du lieu
d’emploi.
• Pour les déplacements non professionnels, l’homogénéité des densités
augmente le kilométrage VP individuel. Ce résultat est moins surprenant : en effet
une distribution hétérogène des densités résidentielles suppose une concentration
de l’habitat dans certaines parties de la zone, et il n’est pas étonnant que cette
relative concentration diminue les distances parcourues. Ceci confirme les
habituels arguments sur les inconvénients d’un habitat diffus 13 ou, à l’inverse, sur
les avantages d’une structure urbaine polycentrique en réseau (Camagni & Gibelli,
1997 ; Mignot et alii, 2004). Celle-ci permet en effet de désigner des espaces
d’intervention pertinents pour les autorités et de pouvoir structurer plus
efficacement l’offre de transports en commun, qui viendrait s’adosser à ces centres
de développement périphériques (selon les principes du transit-oriented
development – Laliberté, 2002). On notera d’ailleurs l’influence négative de
l’écart-type des densités sur la motorisation, de manière indifférenciée suivant le
sous-groupe de densité, qui vient renforcer cet argument : plus les densités
résidentielles sont réparties de manière hétérogènes, plus la motorisation est faible.
Il est possible de raisonner également en termes d’aménités : une distribution
hétérogène des densités résidentielles peut supposer une relative abondance
d’espaces dévolus aux loisirs ou d’espaces libres. L’abondance de destinations
possibles permet par suite de diminuer les distances parcourues.
En ce qui concerne la mixité dans l’usage des sols, il est possible de dégager deux
résultats principaux :
1. L’influence positive du ratio emplois/population active sur le kilométrage VP
individuel est significative quel que soit le déplacement. Cet effet est différencié selon les
sous-groupes de densité (tableau 1). On notera que ce résultat est strictement opposé à celui
de R. Camagni et alii (2002, voir supra). Il paraît difficile de l’interpréter, mais on peut le
rapprocher de l’impact positif du ratio emplois/population active sur la mobilité individuelle,
impact qui n’est pas différencié selon les sous-groupes de densité (tableau 4). Il ne paraît pas
absurde que la surreprésentation en emplois d’une zone donnée encourage la mobilité des
13 Certains vont même jusqu’à définir l’étalement (sprawl) par le degré de diffusion de l’habitat : le concept de
« ville diffuse » (citta diffusa) relève de cette logique (Secchi, 2002).
19

L’interaction entre usage du sol et comportements de mobilité
résidents, et par suite le kilométrage individuel sans agir forcément sur les distances de
déplacement. Et l’on peut supposer que la différenciation de son effet sur le kilométrage
individuel selon le sous-groupe de densité provienne d’une légère différence dans les
distances de déplacement, bien que le ratio emplois/population active ne soit pas significatif
pour la longueur des trajets domicile-travail (tableau 3). Etant donné le caractère extrêmement
synthétique de ce ratio, il reste difficile d’interpréter de manière univoque le résultat obtenu.
En ce qui concerne la motorisation individuelle, le signe des coefficients est celui
attendu (tableau 5) : plus une zone est spécialisée dans la fonction résidentielle, plus le besoin
d’équipement automobile est élevé. Ce résultat conforte l’argumentation sur les modalités
d’usage du sol dominées par l’usage résidentiel et qui encouragent à l’équipement (si ce n’est
l’usage) de l’automobile. Ce qui est relativement original est que l’effet semble indifférencié
suivant les sous-groupes de densité, indiquant ainsi un effet structurel de la spécialisation
résidentielle sur la motorisation (effet qui d’ailleurs n’apparaissait pas dans le modèle global),
alors que l’argumentation sur les usages du sol qui alimentent la dépendance automobile (cardependent
land use patterns) concerne habituellement les zones périphériques où les maisons
individuelles constituent une part importante des logements.
2. L’influence positive de la spécialisation sectorielle des espaces sur le kilométrage VP
par personne pour les déplacements domicile-travail (tableau 1) est conforme aux hypothèses
posées sur le lien entre mixité et mobilité (voir supra) : plus un espace est spécialisé dans un
type d’emploi, plus les distances parcourues par personnes sont élevées. On notera que cet
effet est indifférencié suivant le sous-groupe de densité, il est donc impossible de l’expliquer
par une relative diversité des emplois dans les zones centrales et une relative spécialisation
des zones périphériques. Cette hypothèse n’est d’ailleurs pas tenable dans le cas de
Bordeaux : F. Gaschet (2001) montre que la spécialisation sectorielle est valable aussi bien
pour les zones périphériques que pour les zones centrales, même si elle n’est pas la même.
Sans doute ici cet aspect demande-t-il à être creusé en testant l’influence du type de
spécialisation sur les comportements de mobilité.
2.2. L’analyse du modèle de taille
Pour les déplacements domicile-travail, l’influence négative de la population sur le
kilométrage VP individuel, avérée dans le modèle global, s’efface dans les régressions par
sous-groupes (tableau 2) : on peut avancer l’hypothèse selon laquelle cette influence recoupe
celle de la densité, c’est-à-dire qu’elle est due à un effet du découpage, les zones les plus
vastes étant en général les moins denses (cf. annexe cartographique), mais aussi les plus
peuplées. Il semble néanmoins que la population ait un impact négatif sur le kilométrage VP
individuel pour motifs non professionnels, et positif sur la motorisation. Cet impact ne varie
pas selon le sous-groupe de densité.
Le test de l’influence de la taille moyenne des firmes (en nombre d’employés par firme)
est assez instructif. La tendance est à une diminution de la taille avec la densité : les gros
établissements, fortement consommateurs d’espace, s’établiront plutôt en périphérie si leur
activité ne nécessite pas d’accessibilité au centre. C’est notamment le cas des activités de
back-office (Imai, 1982 ; Ota & Fujita, 1993).
L’influence de la surface habitable par personne est assez erratique : elle est positive
sur le kilométrage VP individuel pour les déplacements non professionnels dans les zones de
densité moyenne (tableau 2), sur la mobilité individuelle dans l’ensemble de la zone (tableau
20

L’interaction entre usage du sol et comportements de mobilité
4). L’interprétation que nous suggérons est que son influence recoupe celle du revenu. En
effet le revenu moyen et la surface habitable par personne sont fortement corrélées (R 2 =
0,79). Dès lors, il est possible d’interpréter la significativité du coefficient de la surface
habitable par personne en termes de revenu.
Des résultats non reproduits ici montrent que le revenu influe négativement sur le
kilométrage VP individuel pour les déplacements non professionnels, traduisant soit une plus
grande mobilité pour ce motif, soit des distances plus faibles, autrement dit la possibilité pour
les catégories à revenu élevé de se localiser à proximité de ce type de destinations, c’est-à-dire
à proximité d’un certain type d’aménités. Ce raisonnement converge avec l’influence négative
de la surface habitable par personne sur la distance moyenne dans les zones de densités
élevées (tableau 3) : les ménages à haut revenu, de par leur pouvoir d’enchère, ont sans doute
la possibilité de se localiser à proximité de leur lieu de travail. De plus, les emplois les plus
qualifiés étant en général localisés au centre, il peut paraître normal que cette relation ne soit
valable que pour les zones de forte densité.
Enfin, l’influence de la surface habitable par personne sur la motorisation est
extrêmement intéressante à étudier : celle-ci est positive, comme attendu, dans les zones de
densité moyenne et élevée (tableau 5). Mais elle n’est pas significative dans les zones de
faible densité, ce que l’on peut interpréter en termes de dépendance automobile : si la
dépendance automobile (comme état) est la différence entre l’accessibilité offerte à
l’automobiliste et l’accessibilité offerte au non-automobiliste (Dupuy, 2002, 144), alors le fait
que le lien traditionnel entre revenu et motorisation ne soit plus valable pour les zones de
faible densité indique que dans ces zones le différentiel d’accessibilité est tel qu’il incite,
voire oblige à s’équiper. Cet argument est renforcé par l’influence de la densité résidentielle
sur la motorisation, dont le signe négatif est celui attendu. Elle n’est cependant significative
que dans les zones de moyennes et fortes densités, ce qui signifie que dans les zones de faible
densité, l’incitation à s’équiper est si forte que le lien taditionnel entre motorisation et densité
est rompu.
Enfin, l’influence de la taille du ménage vient confirmer les attendus sur la causalité
directe entre caractéristiques socio-démographiques et forme urbaine. On remarque en effet
que l’influence positive de la taille du ménage sur le kilométrage VP individuel et sur les
distances de déplacement est fortement significative dans le modèle global (les t de Student
sont relativement élevés). Cette significativité disparaît dès lors que le modèle est testé
suivant les sous-groupes de densité. Ceci corrobore de manière forte l’hypothèse évoquée
supra d’une interdépendance entre densité et taille du ménage, qui passerait par
l’intermédiaire de la taille des logements. Dans le modèle global, l’influence de la taille du
ménage sur les variables de mobilité pouvait en fait recouvrir l’influence de la densité puisque
ces deux variables covarient. La division de la population en sous-groupe selon la densité
permet de tester l’influence réelle de la taille du ménage. On remarquera que l’influence
positive de la taille du ménage sur la motorisation ne disparaît pas, mais est la même quel que
soit le sous-groupe, ce qui n’infirme pas notre hypothèse. Ainsi l’utilité d’une méthode
typologique divisant la population en plusieurs sous-groupes homogènes du point de vue d’un
critère déterminé paraît démontrée, puisqu’elle permet de ne pas infirmer une hypothèse posée
au départ.
21

L’interaction entre usage du sol et comportements de mobilité
CONCLUSION
Le débat sur la ville compacte, suite à la parution de Cities and Automobile Dependence
(Newman & Kenworthy, 1989), n’a fait que reprendre une controverse sur les avantages et les
inconvénients de la densité. Ce débat a opposé partisans et adversaires des fortes densités,
parfois avec violence (Pouyanne, 2004a, 9). Ce questionnement plus que séculaire semble en
effet voué au glissement vers la confrontation de jugements de valeur (Breheny, 1993).
Personne ne semble capable en effet de réunir suffisamment de preuves en faveur ou en
défaveur de densités élevées pour emporter la décision d’un côté ou de l’autre.
« Un problème sans solution est un problème mal posé », disait Albert Einstein : la
question de l’interaction entre l’usage du sol et les comportements de mobilité a émergé en
tant que questionnement objectif venant se substituer à la problématique « mal posée » des
avantages comparatifs de la compacité. La littérature abondante issue de ce questionnement a
produit de nombreuses avancées, tant sur le plan de la méthode que sur celui des résultats.
Elle a servi de base à de nombreuses réalisations et politiques qui visaient à réduire la place de
l’automobile dans les déplacements quotidiens, dont on commence juste à pouvoir mesurer
l’efficacité.
Néanmoins des critiques de méthode peuvent être adressées à certaines de ces études. Il
nous a semblé que la prise en compte de certaines interactions était indispensable pour la
compréhension de ce type de phénomènes. Nous avons été ainsi conduit à l’adoption d’un
schéma conceptuel, « l’interaction triangulaire ». Pour remédier à la complexité accrue par ce
schéma explicatif, et les difficultés de compréhension du réel qui en découlent, nous avons
adopté une méthode économétrique particulière, qui est à notre connaissance inédite dans ce
champ de recherche. Les quelques résultats issus d’une application de cette méthode à l’aire
urbaine de Bordeaux grâce aux données de l’E.M.D 1998 permettent de comprendre un peu
mieux l’interaction entre l’usage du sol, les caractéristiques individuelles et les
comportements de mobilité.
BIBLIOGRAPHIE
BAILLY A. S., FERRAS R., PUMAIN D., CURIEN H., 1992, Encyclopédie de géographie, Paris,
Economica
BOARNETT M.G., CRANE R., 2001, The influence of land use on travel behavior : specification and
estimation strategies, Transportation Research Part A, 35 (2001), pp. 823-845
BOARNETT M. G., SARMIENTO S., 1998, Can land-use policy really affect travel behaviour ? A
study of the link between non-work travel and land-use, Urban Studies, 35 (7), pp. 1155-1169
BORDREUIL S., 1995, De la densité habitante aux densités mouvantes : l’hyperurbanité, Les Annales
de la Recherche Urbaine, n°67, juin 1995, pp. 5-14
BREHENY M. J. (dir.), 1993, Sustainable development and urban form, Londres, Pion
22

L’interaction entre usage du sol et comportements de mobilité
BREHENY M. J., 1995, The compact city and transport energy consumption, Transaction of the
Institute of British Geographers, NS 20, pp. 81-101
BREHENY M. J., 1997, Urban compaction : feasible and acceptable ?, Cities, 14 (4), pp. 209-217
BURTON E., 2000, The compact city: just or just compact ?, Urban Studies, 37 (11), pp. 1969-2001
CAMAGNI R., GIBELLI M. C. (dir.) ,1997, Développement urbain durable : quatre métropoles
européennes, Paris, DATAR, Editions de l’Aube
CAMAGNI R., GIBELLI M. C., RIGAMONTI P., 2002, Forme urbaine et mobilité : les coûts
collectifs des différents types d’extensions urbaine dans l’agglomération milanaise, RERU,
2002-1, 105-139
CAMERON I., KENWORTHY J. R., LYONS T. J., 2003, Understanding and predicting private
motorised urban mobility, Transportation Research Part D, 8 (2003), pp. 267-283
CERVERO R., KOCKELMAN K., 1997, Travel demand and the 3Ds: density, diversity and design,
Transportation Research vol. D, 2(3), pp. 199-219
CERVERO R., WU K.-L., 1998, Sub-centring and commuting : evidence from the San Francisco Bay
Area, 1980-1990, Urban Studies, 35 (7), pp. 1059-1076
CHATMAN D. G., 2003, The influence of workplace land use and commute mode choice on mileage
traveled for personal commercial purposes, 82nd Transportation Research Board 2003 Annual
Meeting, January 12-16 2003, Washington DC
CNU (Congress for the New Urbanism), 2001, Charter of the New Urbanism, http://www.cnu.org,
page visitée le 12/11/2003
CUB (Communauté Urbaine de Bordeaux), 2000, Plan des déplacements urbains 2000-2005, 165 pp.
Van DIEPEN A., VOOGD H, 2001, Sustainability and planning : does urban form matter ?,
International Journal of Sustainable Development, 4 (1)
DIELEMAN F. M., DIJST M., BURGHOUWT G., 2002, Urban form and travel behaviour : microlevel
household attributes and residential context, Urban Studies, 39 (3), pp. 507-527
DUPUY G., 1995, Les territoires de l’automobile, Paris, Economica
DUPUY G., 1999, La dépendance automobile - symptômes, analyses, diagnostic, traitements, Paris,
Economica
EMANGARD P.-H., 1994, Espace urbain et efficacité des réseaux de province, Transports urbains, n°
83, 5-16
EWING R., 1997, Is Los Angeles-Style sprawl desirable ?, Journal of the American Planning
Association, 63 (1), pp. 107-126
EWING R., CERVERO R., 2001, Travel and the built environment. A synthesis, Transportation
Research Record, 1780, pp. 87-113
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 de Paris VIII
FRANK L. D., PIVO G., 1994, Impacts of mixed use and density on utilization of three modes of
travel : single-occupant vehicle, transit and walking, Transportation Research Record, 1466, pp.
44-52
GALLEZ C., HIVERT L, 1998, BEED: mode d’emploi. Synthèse méthodologique pour les études
“budget énergie-environnement des déplacements”, Rapport Convention ADEME-INRETS
n°690-9306-RB
GASCHET F., 2001, La polycentralité urbaine, thèse d’Etat ès Sciences Economiques réalisée sous la
direction du Pr Claude Lacour, Université Montesquieu Bordeaux IV
GOMEZ-IBANEZ J. A., 1991, A global view of automobile dependence, Journal of the American
Planning Association, 57 (3), pp. 376-379
HANDY S., 1996, Methodologies for exploring the link between urban form and travel behavior,
Transportation Research Part D, 1 (2), pp. 151-165
HANDY S., 2002, Smart Growth and the transportation-land use connection: what does the research
tell us?, “New Urbanism and Smart Growth : a research symposium”, University of Maryland,
June 7, 2002.
HART R., 2002, Growth, environment, and culture—encompassing competing ideologies in one ‘new
growth’ model, Ecological Economics, 40 (2), pp. 253-267
HILLMAN M., 1996, In favour of the Compact City, in JENKS M., BURTON E., WILLIAMS K.,
(éd.), 1996, The Compact City : a sustainable urban form ?, Oxford, E & FN Spon, pp. 36-44
23

L’interaction entre usage du sol et comportements de mobilité
HIVERT L. 1998, Budgets Energie Environnement des Déplacements (BEED) dans l’agglomération
bordelaise, Rapport Convention ADEME-INRETS n°690-9611, 95 pp.
ILLICH I., 1974, Energy and equity, New York, Harper and Row
IMAI H., 1982, CBD hypothesis and economies of agglomeration, Journal of Economic Theory, 28,
pp. 275-299
JENKS M., BURTON E., WILLIAMS K., (éd.), 1996, The Compact City : a sustainable urban
form ?, Oxford, E & FN Spon
JULLIEN, B., 2002, Consumer vs. manufacturer or consumer vs. consumer? The implication of a
usage analysis of automobile systems, Competition and Change, 6(1), 113-125.
KAUFMANN V., JEMELIN C., GUIDEZ J.-M., 2001, Automobile et modes de vie urbains : quel
degré de liberté ?, coll. Transports, Recherche, Innovation, Paris, La Documentation Française
KENWORTHY J. R., LAUBE F. B., 1999, Patterns of automobile dependence in cities: an
international overview of key physical and economic dimensions with some implications for
urban policy, Transportation Research Part A, 33 (1999), pp. 691-723
KRIZEK K. J., 2003, Residential relocation and changes in urbain travel. Does Neighborhood-scale
urban form matter ?, Journal of the American Planning Association, 69 (3), pp. 265-281
LAJUGIE J., DELFAUD P., LACOUR C., 1985, Espace régional et aménagement du territoire, 2°
éd., Paris, Précis Dalloz
LALIBERTE P., 2002, Un développement urbain pour réduire concrètement la dépendance à
l’automobile, VertigO, 3 (2), octobre, www.vertigo.uqam.ca
LEROY S. F., SONSTELIE J., 1983, Paradise lost and regained : transportation innovation, income,
and residential location, Journal of Urban Economics, 13, pp. 67-89
MIGNOT D., AGUILERA A., BLOY D., 2004, Permanence des formes de la métropolisation et de
l’étalement urbain, Rapport de recherche pour l’ADEME, n° 01 03 044, 114 pp.
MILLS E. S. & LUBUELE L.S., 1997, Inner cities, Journal of Economic Literature, vol. 35 (juin), pp.
727-756.
MOUCHOT C., 2003, Méthodologie économique, Paris, Seuil.
MUTH R. F., 1969, Cities and housing – The spatial pattern of urban residential land use, Chicago,
The University of Chicago Press
NAESS P., 1996, Urban form and energy use for transport. A nordic experience, Oslo, N.T.H
NEWMAN P. W. G., KENWORTHY J. R., 1989b, Gasoline consumption and cities: a comparison of
U.S. cities with a global survey, Journal of the American Planning Association, 55 (1), pp. 24-
37
NEWMAN P. W. G., KENWORTHY J. R., 1998, Sustainability and cities - Overcoming automobile
dependence, Washington D.C., Island Press
NICOLAS J.-P., POCHET P., POIMBOEUF H., 2001, Indicateurs de mobilité durable pour
l’agglomération lyonnaise – Méthodes et résultats, Recherche LET-APDD réalisée pour le
compte de Renault
OCDE, 1994, Des villes pour le XXI° siècle, Paris, Les éditions de l’OCDE
OTA M., FUJITA M., 1993, Communication technologies and spatial organization of multi-unit firms
in metropolitan areas, Regional Science and Urban Economics, 23, pp. 695-729
de PALMA A., THISSE J.-F., 1987, Les modèles de choix discret, Annales d’économie et de
statistique, 9, pp. 151-190
POUYANNE G., 2004a, Des avantages comparatifs de la ville compacte à l’interaction mobilitéforme
urbaine. Méthodologie et premiers résultats, Cahiers Scientifiques du Transport, à
paraître
POUYANNE G., 2004b, Urban form and travel patterns. An application to the metropolitan area of
Bordeaux, 44 th Congress of the European Regional Science Association, Porto, 25-29 august
2004
RAJAMANI J., BHAT C. B., HANDY S., KNAAP G., SONG Y., 2003, Assessing the impact of
urban form meausres in nonwork trip mode choice after controlling for demographic and levelof-service
effects, 82nd Transportation Research Board 2003 Annual Meeting, January 12-16
2003, Washington DC
SAUVY A., 1968, Les quatre roues de la fortune – Essai sur l’automobile, Paris, Flammarion
24

L’interaction entre usage du sol et comportements de mobilité
SECCHI B., 2002, Comment agir sur la « citta diffusa » ?, Conférence donnée au Club Ville-
Aménagement, le 24 juin 2002, http://www.club.amenagement.asso.fr/, visité le 18/11/2002
Van der WALK A., 2002, The Dutch Planning Experience, Landscape and Urban Planning, 58
(2002), pp. 201-210
WIEL M., 1999, La transition urbaine, Maspero, Paris
WIEL M., 2001, Ville et automobile, Paris, Descartes & Cie
WIEL M., 2002, Agencement spatial et optimisation du temps, Rapport effectué pour la DRAST-
Ministère des Transports pour le compte du PREDIT, n° 00 MT 36
ZAHAVI Y. & RYAN J. M., 1980, Stability of Travel Components over Time, Transportation
Research Record, 750, pp. 19-26.
25

L’interaction entre usage du sol et comportements de mobilité
TABLES (1)
Tableau 1. Modèle d’usage du sol pour le kilométrage individuel par motif
Kilométrage VP par habitant (motif : domicile-travail, domicile-études)
Modèle d'usage du sol
Modèle d'usage du sol
Modèle global
Densités
faibles
Densités
moyennes
Densités
élevées
Constante 3,574 8,419 5,596 3,588
5,929 8,085 4,754 3,277
Densité résidentielle -0,029 -1,844 -0,163 -0,012
-6,407 -4,930 -2,506 -1,206
Ecart-type densités -0,006 0,157 0,030 -0,008
-0,818 2,256 1,586 -0,558
Ratio emplois / pop active 1,431 1,523 0,659 0,297
5,799 4,574 2,263 1,533
Indice khi-2 de spécialisation sectorielle 7,259 3,957 3,957 3,957
3,845 2,639 2,639 2,639
R2 ajusté (Critère d'Akaike) 0,645
0,795 (4,215)
N 66 22 23 21
Restrictions : F(2,51) = 0,0914 ; Proba = 0,9128
Kilométrage VP par habitant (motif : loisirs, achats, autres)
Modèle global
Densités
Densités
Densités
faibles moyennes élevées
Constante 12,185 16,295 8,189 6,727
9,488 7,751 3,446 3,043
Densité résidentielle -0,055 -0,73 -0,0409 -0,0193
-4,147 -0,967 -0,312 -0,961
Ecart-type densités -0,042 -0,295 -0,043 -0,0035
-2,062 -2,089 -1,15 -0,118
Ratio emplois / pop active 2,319 3,558 3,788 1,636
3,604 5,29 6,434 4,178
Indice khi-2 de spécialisation sectorielle 3,825 5,279 5,279 5,279
1,147 1,744 1,744 1,744
R2 ajusté (Critère d'Akaike) 0,532
0,746 (5,620)
N 66 22 23 21
Restrictions : F(2,51) = 0,8120 ; Proba = 0,4496
Note : les t de Student sont en italique ; les coefficients significatifs au seuil de 5% sont en gras.
26

L’interaction entre usage du sol et comportements de mobilité
TABLES (2)
Modèle de taille
Modèle de taille
Tableau 2. Modèle de taille et kilométrage individuel par motif
Kilométrage VP par habitant (motif : domicile-travail, domicile-études)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante 0,079 -14,395 6,938 -1,988
0,013 -2,105 1,278 -0,411
Population -1,85E-04 -2,50E-04 2,39E-05 -1,31E-04
-2,095 -1,507 0,219 -0,976
Taille de la firme 0,292 0,893 0,487 0,0378
1,741 5,342 2,069 0,306
Surface habitable par personne -0,031 0,14 0,14 0,14
0,244 1,836 1,836 1,836
Taille du ménage 3,243 5,712 -3,692 1,161
2,193 2,474 -1,903 0,572
R2 ajusté (Critère d'Akaike) 0,272
0,544 (5,016)
N 66 22 23 21
Restrictions : F(2,51) = 0,669 ; Proba = 0,5165
Kilométrage VP par habitant (motif : loisirs, achats, autres)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante -6,319 39,128 -23,07 13,234
-0,572 3,073 -1,242 0,874
Population -5,29E-04 -3,77E-04 -3,77E-04 -3,77E-04
-3,62 -2,607 -2,607 -2,607
Taille de la firme -0,155 1,043 0,335 0,0334
-2,763 3,287 0,781 0,147
Surface habitable par personne -0,007 -0,062 1,283 0,0193
-0,084 -0,408 3,2 0,063
Taille du ménage 3,243 -6,991 -2,764 0,092
6,344 -1,623 -0,764 0,026
R2 ajusté (Critère d'Akaike) 0,254
0,511 (6,276)
N 66 22 23 21
Restrictions : F(2,51) = 0,005 ; Proba = 0,9995
Note : les t de Student sont en italique ; les coefficients significatifs au seuil de 5% sont en gras.
27

L’interaction entre usage du sol et comportements de mobilité
TABLES (3)
Tableau 3. Modèles d’usage du sol et de taille, et distance moyenne parcourue en VP par
motif
Modèle de taille Modèle d'usage du sol
Distance moyenne parcourue en VP (motif : domicile-travail)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante 9,724 15,284 9,162 5,586
13,442 18,73 9,552 6,335
Densité résidentielle -0,018 -1,211 -0,092 0,005
-3,966 -4,184 -1,745 0,571
Ecart-type densités -0,019 -0,034 0,014 0,029
-1,738 -0,885 0,966 2,5
Ratio emplois / pop active 0,043 0,069 0,069 0,069
0,387 0,564 0,564 0,564
Indice khi-2 de spécialisation sectorielle 2,366 -0,418 -0,418 -0,418
1,013 -0,341 -0,341 -0,341
R2 ajusté (Critère d'Akaike) 0,185
0,709 (3,907)
N 66 22 23 21
Restrictions : F(4,51) = 0,1467 ; Proba = 0,9637
Distance moyenne parcourue en VP (motif : domicile-travail)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante 3,572 11,141 11,808 21,569
0,901 4,368 2,479 5,263
Population -9,58E-05 6,85E-05 2,36E-05 -1,48E-04
-2,16 0,698 0,392 -2,137
Taille de la firme -0,155 -0,211 0,0758 -0,0884
-2,763 -2,238 0,589 -1,274
Surface habitable par personne -0,007 0,0496 -0,119 -0,311
-0,084 0,951 -1,015 -3,4
Taille du ménage 3,243 -0,0855 -0,0855 -0,0855
6,344 -0,123 -0,123 -0,123
R2 ajusté (Critère d'Akaike) 0,293
0,694 (3,871)
N 66 22 23 21
Restrictions : F(2,51) = 0,1068 ; Proba = 0,8989
Note : les t de Student sont en italique ; les coefficients significatifs au seuil de 5% sont en gras
.
28

L’interaction entre usage du sol et comportements de mobilité
TABLES (4)
Tableau 4. Modèles d’usage du sol et de taille, et mobilité individuelle
Modèle d'usage du sol
Modèle de taille
Mobilité individuelle (nb de déplacements tous motifs/personne/jour)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante 3,757 3,815 3,398 3,802
32,852 18,476 13,742 18,342
Densité résidentielle 0,003 -0,191 0,00676 -0,00154
1,906 -2,543 0,504 -0,728
Ecart-type densités -7,00E-04 0,00335 0,00335 0,00335
-0,285 1,441 1,441 1,441
Ratio emplois / pop active 0,069 0,0762 0,0762 0,0762
2,556 2,775 2,775 2,775
Indice khi-2 de spécialisation sectorielle -0,546 0,0689 0,0689 0,0689
1,316 0,216 0,216 0,216
R2 ajusté (Critère d'Akaike) 0,049
0,2804 (1,077)
N 66 22 23 21
Restrictions : F(6,51) = 0,0819 ; Proba = 0,9977
Mobilité individuelle (nb de déplacements tous motifs/personne/jour)
Modèle global
Constante 2,263
2,878
Population
2,65E-07
0,027
Taille de la firme 0,017
1,65
Surface habitable par personne 0,049
2,973
Taille du ménage -0,174
-1,703
R2 ajusté (Critère d'Akaike) 0,133
N 66
Restrictions : F(10,51) = 1,0046 ; Proba = 0,4524
Note : les t de Student sont en italique ; les coefficients significatifs au seuil de 5% sont en gras.
29

L’interaction entre usage du sol et comportements de mobilité
TABLES (5)
Tableau 5. Modèles d’usage du sol et de taille et motorisation
Modèle d'usage du sol
Modèle de taille
Variable expliquée : Motorisation (nombre de VP par personne)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante 0,745 0,808 0,808 0,808
37,465 29,022 29,022 29,022
Densité résidentielle -7,00E-04 -0,0199 -0,006 -0,0015
-3,322 -1,952 -4,008 -4,935
Ecart-type densités -0,003 -0,0023 -0,0023 -0,0023
-7,775 -5,446 -5,446 -5,446
Ratio emplois / pop active -0,007 -0,0117 -0,0117 -0,0117
-0,918 -2,246 -2,246 -2,246
Indice khi-2 de spécialisation sectorielle 0,048 0,0148 0,0148 0,0148
0,802 0,245 0,245 0,245
R2 ajusté (Critère d'Akaike) 0,589
0,648 (-2,251)
N 66 22 23 21
Restrictions : F(8,51) = 0,6094 ; Proba = 0,7657
Variable expliquée : Motorisation (nombre de VP par personne)
Modèle global Densités
faibles
Densités
moyennes
Densités
élevées
Constante -0,581 0,326 -0,43 -0,614
-4,512 2,848 -1,992 -3,426
Population 6,16E-06 7,70E-06 7,70E-06 7,70E-06
4,045 4,004 4,004 4,004
Taille de la firme 0,212 -0,012 0,00148 0,00316
11,426 -2,799 0,255 1,005
Surface habitable par personne 0,017 -0,0029 0,015 0,189
5,983 -1,413 2,793 4,602
Taille du ménage 0,212 0,176 0,176 0,176
11,426 5,755 5,755 5,755
R2 ajusté (Critère d'Akaike) 0,697
0,685 (-2,312)
N 66 22 23 21
Restrictions : F(4,51) = 0,9518 ; Proba = 0,4420
Note : les t de Student sont en italique ; les coefficients significatifs au seuil de 5% sont en gras
30

L’interaction entre usage du sol et comportements de mobilité
ANNEXE - VARIABLES UTILISEES
Variables de mobilité
Kilométrage par habitant effectué depuis la zone origine pour le motif 1 (domicile-travail
et domicile-études)
Source : Enquête Ménages Déplacement, 1998 et MS AutoRoute ©
Kilométrage par habitant effectué depuis la zone origine pour le motif 2 (loisirs, achats,
autres)
Source : Enquête Ménages Déplacement, 1998 et MS AutoRoute ©
Distance moyenne par déplacement, effectuée depuis la zone origine pour le motif 1
(domicile-travail et domicile-études)
Source : Enquête Ménages Déplacement, 1998 et MS AutoRoute ©
Mobilité individuelle (en nombre de déplacements par jour et par personne)
Source : Enquête Ménages Déplacement, 1998
Motorisation individuelle (nombre de véhicules particuliers possédés par personne)
Source : Enquête Ménages Déplacement, 1998
Modèle de forme urbaine
Densité résidentielle brute (en nombre d’habitants par hectare)
Source : Enquête Ménages Déplacement, 1998
Mixité fonctionnelle 1 : ratio emplois/population active, normalisé à 1 pour l’ensemble
de l’agglomération
Source : Enquête Ménages Déplacement, 1998 et IRIS 5000, 1998
Mixité fonctionnelle 2 : indice khi-deux de spécialisation sectorielle 14
Source : Enquête Ménages Déplacement, 1998 et IRIS 5000, 1998
Ecart-type de la densité résidentielle (à partir d’un regroupement du zonage IRIS 2000
en zonage Enquête Ménages Déplacement)
Source : Enquête Ménages Déplacement, 1998 et IRIS 2000, 1999
Modèle de taille
Population (nombre d’habitants)
Source : Enquête Ménages Déplacement, 1998
Taille de la firme (nombre d’emplois par établissement)
Source : IRIS 2000, 1999
Surface habitable par personne (en m 2 par habitant)
Source : Enquête Ménages Déplacement, 1998 et IRIS 2000, 1999
Taille du ménage (nombre de personnes par ménage)
Source : Enquête Ménages Déplacement, 1998
14 Calculé à partir du découpage des établissements selon la nomenclature NES 36. L’indice khi-deux de
spécialisation sectorielle des espaces est normalisé à l’ensemble de l’agglomération. Il se calcule à la manière
d’un indice entropique : plus il est élevé, plus la zone est spécialisée, c’est-à-dire plus la distribution sectorielle
des établissements de la zone est éloignée de la distribution totale de l’agglomération. Pour plus de précisions sur
le mode de calcul, voir LAJUGIE, DELFAUD & LACOUR, 1985, pp. 700-701.
31

L’interaction entre usage du sol et comportements de mobilité
ANNEXE MATHEMATIQUE
Le modèle global est :
Y
( N ,1)
= X . β + ε avec N = 66 (nombre d’individus statistiques)
( N , K ) ( K ,1)
( N ,1)
K : nombre de variables explicatives
incluses dans le modèle
Y est le vecteur de variables expliquées (variables de mobilité), X est une matrice de variables
explicatives (variables de forme urbaine et/ou socio-démographiques), β est le vecteur des
coefficients de régression, et ε est le terme d’erreur.
Pour chaque zone, le modèle s’écrit :
y
i
K
= ∑ β
k
. x
k = 1
∀ i = 1,...,66
2
ε . . (0, )
On pose : i
→ i i d σ
∀ i = 1,...,66
i,
k
+ ε
i
• Construction d’un nouveau modèle :
Dh
= d
ij,
h
(1) Soient 3 matrices de format (N,N) : ( N , N )
h = 1,2,3
Elles sont composées pour partie de 1 sur la diagonale principale, le reste étant composé de 0,
et se définissent ainsi :
- Elles sont uniquement composées de 0 et de 1 ;
- Elles respectent les conditions suivantes :
(2) On pose :
Z
h, k
= Dh
. X
k
( N ,1) ( N , N ) ( N ,1)
3
N
∑∑
h= 1 i=
1
3
N
∑∑
h= 1 j=
1
d
ij, h
= 1(somme en colonne)
d
,
= 1(somme en ligne)
ij h
Le vecteur Z
h , k
est obtenu en prémultipliant chaque vecteur de variable explicative X
k
par
les trois matrices D
h
définies ci-dessus. Cela revient à séparer le vecteur X en trois vecteurs Z
de même dimension, composés des valeurs de X pour les zones appartenant à la catégorie h et
de 0 pour les zones non incluses dans la catégorie h.
(3) On pose la matrice en forme partagée :
= Z Z Z
( Z Z ... Z ... Z Z Z )
Z
1,1 2,1 3,1 2,1 2,2 h,
k 1, K 2, K 3,
K
( N ,3K
)
32

L’interaction entre usage du sol et comportements de mobilité
La matrice Z est composée de l’ensemble des vecteurs Z
h , k
( h = 1,2,3 ; k = 1,..., K)
. Elle
( N ,3K
)
constitue les variables explicatives du nouveau modèle.
(4) Ce nouveau modèle s’écrit :
ou encore, pour chaque zone :
Y
( N ,1)
y
i
=
Z
.
α +
( N ,3K
) (3K
,1)
3K
= ∑α
k
. z
k = 1
∀ i = 1,...,66
i,
k
(5) On peut écrire le nouveau modèle sous une forme différente, en indiçant également par
rapport à h :
ε
( N ,1)
+ ε
i
y
i
K
3
= ∑∑
k= 1 h=
1
α
∀ i = 1,...,66
h,
k
. z
i,
h,
k
+ ε
i
• Modèle contraint et non contraint :
(1) Ce nouveau modèle est appelé modèle non contraint (MNC). Il est obtenu assez
simplement, en partageant le modèle initial en trois modèles, avec les mêmes variables, mais
en indiçant par rapport à la catégorie de densité d’appartenance des zones-individus
statistiques. Le modèle contraint (MC) s’obtient tout simplement en imposant des contraintes
linéaires sur les coefficients. On va chercher notamment, soit pour tout k (pour l’ensemble des
variables explicatives), soit pour certaines valeurs de k (certaines valeurs explicatives
seulement), à savoir si les coefficients sont les mêmes pour tout h = 1,2,3. La contrainte porte
donc sur les coefficients de tout ou partie des variables explicatives
Le modèle contraint peut alors s’écrire :
y
i
3
= ∑∑α
h,
k
. zi,
h,
k
+ ∑∑α
k
. zi
k≠ l h= 1
k= l h=
1
∀ i = 1,...,66
où l est l’indice des variables explicatives sur les coefficients desquels porte les contraintes.
(2) Chercher à tester la significativité du modèle non contraint revient à tester :
H 0 : α
h, k
= α
k
soit pour tout k, soit pour certaines valeurs de k.
(3) La statistique de test est : G( a,
b)
où
⎡
⎢
⎢⎣
=
3
, h,
k
+ ε
66
66
∑ ( ε
i,
MC
) − ∑ ( ε
i,
MNC
)
i= 1
i=
1 ⎥ ⎥ ⎦
66
∑ ( ε
i,
MNC
) b
i=
1
ε
i, MC
sont les résidus du modèle contraint, et
i, MNC
2
2
i
2
⎤
a
ε sont les résidus du modèle non
contraint (on pose les hypothèses habituelles sur ces résidus, i.e ils sont identiquement
distribués). De plus, a est le nombre de contraintes linéaires imposées au modèle, et b le
nombre de degrés de liberté du modèle contraint, soit le nombre d’observations auquel on
33

L’interaction entre usage du sol et comportements de mobilité
retranche le nombre de paramètres à estimer et le nombre de contraintes linéaires imposées au
modèle.
(4) La statistique G suit une loi de Fischer-Snédécor de mêmes paramètres :
G( a,
b)
→ F(
a,
b)
. On sera alors amené à rejeter H 0 (c’est-à-dire à ne pas rejeter le modèle
non contraint) si la valeur de G est inférieure à la valeur critique de F au niveau de 5 %.
34

L’interaction entre usage du sol et comportements de mobilité
ANNEXE CARTOGRAPHIQUE
1. Le partage de l’aire d’études en trois sous-échantillons suivant le critère de la densité
2. Un exemple : la motorisation individuelle (sept classes d’égale amplitude)
35