Evaluation

Sommaire:

1. Congestion, vue depuis l’ingénierie par Luc Charansonney
2. Congestion, vue depuis l’ingénierie par Fabien Leurent
3. Congestion, vue depuis la géographie par Gaële Lesteven

——————————————————————————————————————————————————————————————————

•  Congestion, vue depuis l’ingénierie
  Auteur : Luc Charansonney

• pour l’usager : phénomène d’affluence entraînant un retard/une immobilisation dans un déplacement. La congestion est associée à l’idée de proximité forcée, de sentiment de blocage dans le bon déroulement d’un trajet.
• Pour le réseau : sollicitation par ses usagers supérieure à ses capacités d’écoulement au moment de la sollicitation. La congestion résulte d’une rencontre entre une demande et une offre ne pouvant la satisfaire. L’offre de transport est par essence limitée : (1) soit de manière temporaire, l’altération étant lié à un événement temporaire, borné dans le temps (incident, travaux, sur-sollicitation par la demande) ; (2) soit de manière nominale par son dimensionnement physique.
• Une demande trop forte par rapport à l’offre peut entraîner une destruction partielle ou totale de celle-ci (par ex. : chute du débit lorsqu’il y a trop de véhicules).

• Congestion, vue depuis l’ingénierie
  Auteur : Fabien Leurent

En économie, un service (« facility ») ou un équipement (« utility ») est soumis à congestion lorsque son utilisation par certains clients en empêche ou gêne l’usage par d’autres. Alors on dit que le bien associé (l’usage du service ou de l’équipement) fait l’objet d’une rivalité entre les demandeurs (clients potentiels). La congestion est au cœur de la théorie des files d’attente : l’usage d’un guichet de service par un client oblige les clients suivants à attendre. Le temps d’attente moyen dépend de la capacité de service (nombre de postes au guichet, cadence de traitement) autant que du flux des arrivées des clients (intensité) et de leurs demandes individuelles (la durée d’occupation, ou charge élémentaire de trafic). Dans les problèmes dont les conditions varient peu au cours du temps (stationnaires), il faut que la demande totale de charge soit inférieure à la capacité totale de traitement pour que chacun soit servi en un temps limité. Quand les conditions varient au cours du temps, on utilise un modèle de goulot pour calculer les variations temporelles du stock de demande en attente de traitement ainsi que du temps d’attente, de manière macroscopique.

Evidemment les transports présentent bien des formes de congestion :

• une section de route présente une ou plusieurs files de circulation qui sont comme un ou plusieurs guichets parallèles de service. Le passage par un point donné constitue un problème de file d’attente.
• les piétons comme les véhicules sont en mouvement, ils peuvent adapter leur vitesse de circulation (i.e. le flux est « compressible »). Une forme bien connue de congestion est le ralentissement causé par le client précédent « juste devant ».
• en un point donné, typiquement le débouché d’une route en un carrefour dont elle constitue une branche, la capacité de service est limitée non seulement par le nombre de files imparties à la direction de flux, mais aussi par les obstacles qui se présentent au débouché : d’autres mobiles (véhicules ou piétons) issus d’autres branches, ou signal de régulation (feu de trafic). Cette forme de congestion est la plus contraignante en milieu urbain, là où le réseau viaire est dense et fortement maillé.
• le stationnement de véhicules dans un espace délimité est également soumis à congestion. Cf. modèle ParkCap (Leurent & Boujnah, 2014).
• en transport collectif, non seulement les véhicules peuvent se gêner les uns les autres sur les voies, en s’infligeant des retards qui se répercutent sur leurs occupants respectifs, mais de plus les voyageurs peuvent se gêner mutuellement : dans l’occupation des places assises ; dans l’occupation des espaces debout ; pour l’accès au véhicule (cf. files d’attente à quai). L’arrêt du véhicule en une station donnée constitue une phase critique, avec une gêne mutuelle entre les mouvements en descente et en montée ainsi qu’avec les stocks de voyageurs présents à quai et à bord.

Questions liées :

• le dimensionnement de l’infrastructure (et des flottes de véhicules) : le dilemme entre un dimensionnement large pour éviter la congestion, le coût d’équipement afférent, et le risque de stimuler la demande.
• l’équilibre offre-demande du trafic : la congestion constitue une déséconomie d’échelle pour la qualité de service. La dégradation de la qualité, en fonction du nombre de clients, se concrétise par la hausse du temps de transport individuel (et/ou de l’inconfort), or celui-ci constitue un coût pour le client. Une demande plus forte induit un coût plus fort, qui tend à réduire la demande, d’où in fine un ajustement mutuel entre l’offre et la demande.
• la régulation de la congestion : par la tarification, qui ajoute un coût financier et limite la demande donc la congestion, par le contingentement, cf. le partage du « temps de vert » entre les branches d’un carrefour à feux, ou l’affectation dynamique des files de circulation d’une voie large entre les deux sens de circulation et les divers modes ; par l’information du trafic et son orientation vers des itinéraires, des périodes ou des modes alternatifs moins chargés.
• le coût marginal social externe de congestion est le surcoût de transport imposé par un individu aux autres usagers, du fait de sa présence et de son propre usage des moyens de transport. Son calcul repose sur un modèle dont le degré de réalisme doit être questionné. Le résultat d’évaluation est une base de référence pour une tarification « optimisatrice » qui appliquerait le principe « pollueur-payeur ».
• l’optimum collectif du trafic sur un réseau, par divers instruments de régulation, produit un certain état du système, en principe meilleur au plan collectif qu’un système moins régulé dans lequel chacun poursuit son intérêt propre sans se soucier des conséquences pour les autres (principe dit de l’équilibre individuel, ou de l’optimum individuel).
• le paradoxe de Braess fait saillir la différence entre l’équilibre individuel et l’optimum collectif. Dans un réseau avec une certaine structure topologique et soumis à congestion, et sous des conditions particulières de trafic, l’ajout d’une route supplémentaire dégrade la situation d’ensemble ainsi que la situation individuelle de chacun des usagers, si la régulation est insuffisante.

•  Congestion, vue depuis la géographie
  Auteur : Gaële Lesteven

Extrait de Lesteven G., 2012, « Définir la congestion », in Les stratégies d’adaptation à la congestion automobile dans les grandes métropoles : analyse à partir des cas de Paris, São Paulo et Mumbai, Thèse en géographie et aménagement, Paris, Université Paris 1 Panthéon-Sorbonne, 436 p.

Malgré un usage fréquent de ce terme, la congestion automobile n’est, bien que généralement comprise, jamais formellement définie (Grant-Muller et Laird, 2006). Le manque de consensus tiendrait à la nature même de la congestion, phénomène à la fois physique et relatif, dépendant des attentes des usagers (ECMT, 2007). L’angle d’analyse diffère selon le spécialiste qui traite la question. Les ingénieurs du trafic définissent la congestion comme un rapport entre la vitesse et le débit. Cette définition ne satisfait ni les économistes, ni les géographes, ni les aménageurs. Même parmi les professionnels des transports, il n’y a pas d’unanimité sur ce qu’est la congestion (Bertini, 2005). Néanmoins, cette absence de définition permettrait de tenir un même langage commun, celui de « catastrophisme », que dénonce J.-P. Orfeuil, en citant à la fois « les “bétonneurs” (l’heure est grave, il faut faire des routes) et les “écologistes” (l’heure est grave, il faut arrêter de faire des routes) » (Orfeuil, 2000). Le terme de congestion apparaît au cours du XIXème siècle. Ce terme est d’abord introduit dans son acception médicale d’« afflux de sang dans les vaisseaux ». Il désigne, ensuite, par métaphore, une circulation trop dense de personnes et de véhicules. Avec l’apparition de l’automobile, les historiens observent un changement de nature de la congestion (Barles, 2006 ; Weinstein, 2006 ; Flonneau, 2005). L’excès d’encombrement de l’espace urbain au XIXème siècle fait place au problème d’écoulement des flux circulatoires au XXème siècle. La motorisation de masse accentue les problèmes de congestion de la circulation. S’élèvent, dans les années 1960, les premières voix critiquant la place trop encombrante de l’automobile dans l’espace urbain (Buchanan, 1963). Les ingénieurs du trafic, parallèlement au développement de la motorisation, analysent la congestion comme un phénomène qui survient lorsque la demande (le nombre de véhicules qui cherchent à utiliser une infrastructure donnée) excède l’offre (la capacité de l’infrastructure). Ils modélisent la circulation en deux régimes : un régime fluide qu’il faut chercher à maintenir où, la demande n’excédant pas l’offre, la vitesse de circulation est optimale et un régime congestionné qu’il faut réguler, la demande excédant l’offre (Haight, 1963 ; Cohen, 1990). Les ingénieurs affinent leur réflexion en distinguant les manifestions de la congestion dans l’espace (congestion sur route et congestion en ville) et dans le temps (congestion récurrente et non-récurrente). Ils mesurent la congestion en fonction de la vitesse, de son extension temporelle et géographique, du temps passé dans un bouchon et du retard qu’il entraîne. Les économistes cherchent alors à chiffrer ce temps perdu dans les embouteillages, en tenant compte la demande d’utilisation de la route (Kolm, 1968). S’ils diffèrent sur la situation de référence (coût total de la congestion versus coût marginal), ils s’accordent sur la tarification de l’offre (Knight, 1924 ; Vickrey, 1963) comme seul moyen de remédier au phénomène de file d’attente qui découle 3 d’une inadéquation entre la demande et l’offre. Enfin, le développement de la socio-économie des transports dans les années 1970, en faisant appel aux méthodes de la géographie et de la sociologie, permet de repenser la congestion comme perturbation du système automobile (Hall, 1988 ; Dupuy, 1999). Effet négatif interne au système automobile, elle entrave la liberté de circulation des automobilistes. Elle produit également des conséquences externes au système, par un encombrement de l’espace, urbain en particulier. La congestion automobile, en affectant les temps de parcours, exerce une pression sur la constance des budgets temps de transport des ménages motorisés métropolitains. L’instabilité des conditions de trafic augmente la variabilité des temps de parcours et ajoute du stress à cette pression sur les budgets temps. Je propose de retenir une définition opératoire de la congestion automobile : la congestion automobile résulte d’un déséquilibre, à un moment donné en un point donné, entre la demande automobile et l’offre viaire. Par ses manifestations, en particulier en allongeant les temps de parcours ou en augmentant leur variabilité, la congestion automobile perturbe le fonctionnement du système automobile. Plus l’écart est important entre la demande et l’offre, plus le degré de perturbation dû à la congestion est élevé. Une analyse comparative auprès de ménages motorisés de grandes métropoles (Lesteven, 2012) montre qu’en situation de congestion, la majorité des ménages réussit à préserver son mode de vie, grâce à des stratégies d’adaptation. Les ménages ont conscience que les effets de la congestion sur le système automobile restent mineurs par rapport aux effets de dépendance. Ils continuent d’utiliser la voiture, même quand les degrés de congestion sont élevés.

Sommaire:

1. Accessibilité, vue depuis l’aménagement par Caroline Gallez.
2. Accessibilité, vue depuis l’ingénierie par Fabien Leurent
3. Accessibilité, vue depuis la géographie par Alain l’Hostis

———————————————————————————————————————————————————————————————————

• Accessibilité, vue depuis l’aménagement
  Auteur : Caroline Gallez

Le terme d’accessibilité est largement utilisé en géographie, en aménagement, en économie et en ingénierie des transports, dans les domaines des « études de planning » (planning studies) et des « études urbaines » (urban studies). Il s’agit d’une notion multidimensionnelle dont la définition et l’usage sont souvent implicites ou relativement flous. L’un des premiers auteurs à avoir proposé une définition scientifique de l’accessibilité est Walter G. Hansen, spécialiste américain de la planification, en 1959, qui désigne l’accessibilité comme le “potential of opportunities for interaction”, c’est-à-dire comme une mesure de l’intensité de la possibilité d’interaction ⁴ . Cette définition croise les deux dimensions de base de l’accessibilité dans l’acception courante des aménagistes, à savoir la répartition spatiale des opportunités (plus la densité d’opportunités est élevée, plus l’accessibilité est importante : par exemple, plus le nombre d’emplois d’une zone est élevé, plus l’accessibilité des habitants de la zone aux emplois est importante) et la facilité d’accéder à ces opportunités (qui dépend de leur distance par rapport à un point donné et des moyens de transport pour y accéder). Les indicateurs d’accessibilité les plus courants dans cette catégorie d’indicateurs géographiques (« placed-based measures ») sont des indicateurs gravitaires, croisant un facteur d’attraction (fonction de la densité des opportunités au sein d’un espace donné) et un facteur d’impédance (en général inversement proportionnel au carré de la distance). En dehors des dimensions relatives à l’aménagement et aux transports, d’autres facteurs ont progressivement été pris en compte dans la mesure de l’accessibilité. En particulier, certains indicateurs visent à tenir compte de la compétition entre les individus pour accéder à telle ou telle opportunité (par exemple la compétition entre les demandeurs d’emplois) : plus la compétition est élevée, moins le potentiel d’opportunités est important. En s’appuyant sur les apports de la Time Geography (Hägerstrand, 1985), certains auteurs ont proposé d’intégrer la dimension temporelle de l’accessibilité. De nombreuses opportunités ne sont accessibles que pendant une durée de temps donnée (cf. horaires d’ouverture d’un commerce ou d’un service, amplitude horaire d’une ligne de transports collectifs, etc.) ; à ces contraintes temporelles liées aux opportunités ou au système de transport s’ajoutent les contraintes d’emploi du temps des individus, voire de compatibilité des emplois du temps de plus individus (lorsqu’il s’agit par exemple de se donner rendez-vous pour faire une activité collective en un lieu donné). Enfin, dans le champ des études urbaines, de très nombreux travaux ont été consacrés à l’analyse des différences d’accessibilité entre les individus ou les groupes sociaux, pour essayer d’évaluer, par exemple, les effets du niveau de ressources, de la catégorie sociale, de l’origine ethnique, du genre sur l’accessibilité à l’emploi, aux soins, aux commerces, etc. Ces études s’appuient le plus souvent sur des indicateurs d’accessibilité géographique désagrégés par catégorie sociale, ou bien estimés pour certaines zones (habitants des quartiers d’habitats social par exemple). Certains indicateurs utilisent des données très désagrégées (utilisant des données GPS), d’autres des données issues d’entretiens qualitatifs individuels, produisant dans les deux cas des mesures très fines de l’accessibilité mais difficilement généralisables. Ce rapide état des lieux des travaux sur l’accessibilité dans le champ académique donne un aperçu de la diversité des définitions de cette notion multidimensionnelle. Alors que certains auteurs, notamment dans le domaine des transports, se focalisent sur la facilité d’accéder à différents lieux de destination (“the ease with which any land-use activity can be reached using a particular transport system”, selon Burns et Golob, 1976), d’autres insistent sur l’aspect de potentiel d’interaction sociale pour les individus (“a measure of the ease of an individual to pursue an activity of a desired type, by a desired mode, at a desired time”, selon Bhat et alii, 2000). Dans le domaine spécialisé des transports, on peut observer que la définition de l’accessibilité a souvent été limitée à la facilité d’accéder aux lieux, renvoyant aux performances des réseaux de transport (mesurées notamment en termes de vitesse). Plus récemment, on parle d’accessibilité en relation à la problématique de l’accès aux transports et aux lieux des personnes en situation de handicap.

Pour ma part, je me suis intéressée à la notion d’accessibilité en lien avec la problématique des inégalités sociales d’accès aux ressources urbaines, dans le cadre d’un travail réalisé avec Sylvie Fol pour la Fondation Volvo (Fol et Gallez, 2014) et, plus récemment, dans le cadre de mon mémoire d’HDR (Gallez, 2015). Plusieurs aspects m’intéressent plus spécifiquement dans cette notion : en raison de son caractère multidimensionnel, la notion d’accessibilité permet de réfléchir à la question de l’accès aux aménités urbaines de manière transversale, c’est-à-dire en adressant cette question à différents champs de l’action publique (les transports, mais aussi le logement, l’aménagement urbain ou encore les politiques sociales). L’accessibilité constitue donc, a priori, une notion appropriée pour l’évaluation multisectorielle des politiques urbaines.

Parce qu’elle représente un potentiel et qu’elle peut, en théorie, être mesurée pour différentes zones géographiques ou différents groupes sociaux, l’accessibilité se prête particulièrement bien aux mesures d’inégalités spatiales ou sociales. Il est a priori moins ambigu d’interpréter des différences d’accessibilité que des différences de mobilité entre différents individus ou groupes sociaux, par exemple (la mobilité pouvant être considérée comme une ressource, mais aussi comme une contrainte ou un coût). L’accessibilité peut être associée à différentes conceptions de la justice sociale ou spatiale : par exemple, sous une forme d’indicateur normatif à un panier de « biens premiers », elle renvoie à la notion de justice de Rawls ; sous forme d’un indicateur individuel rendant compte des capacités des personnes à accomplir les activités qu’ils désirent (“functionnings”), elle renvoie à la notion de « capabilité » (capability) définie par Amartya Sen.

En dépit de cette richesse, la notion d’accessibilité présente plusieurs limites. Tout d’abord, les indicateurs quantitatifs de mesure rendent difficilement compte de toutes les dimensions de l’accessibilité. Cette difficulté explique en partie la persistance du recours à la notion de « gain de temps » dans l’évaluation socio-économiques des infrastructures de transport, au détriment de la notion de gain d’accessibilité, pourtant plus pertinente (à ce propos, voir les travaux pionniers de J.G. Koenig sur la théorie de l’accessibilité urbaine, 1974 et 1980). Par ailleurs, l’accessibilité mesure un potentiel, mais rien dans la mesure de ce potentiel ne permet de savoir dans quelle mesure il est ou sera effectivement « actualisé » (i.e. réalisé), ni par qui. De ce fait, de nombreux auteurs travaillant sur les questions d’inégalité et de discrimination préconisent de ne pas s’en tenir à une analyse de l’accessibilité, mais de l’étendre à celle de l’accès effectif aux aménités urbaines. Dans le champ des transports, cette différence entre le potentiel et sa réalisation renvoie à un débat bien connu sur les « effets structurants » des transports : si chaque nouvelle infrastructure de transport ouvre un nouveau potentiel d’accessibilité, la réalisation effective de ce potentiel (pour les individus, en termes d’accès à de nouvelles opportunités ; pour la collectivité, en termes de développement économique et d’attractivité locales) dépendra de la manière dont les agents individuels et collectifs agissent pour se saisir de ces opportunités nouvelles.

•  Accessibilité, vue depuis l’ingénierie
  Auteur : Fabien Leurent

Accessibilité spatiale.   En un lieu donné dit « de destination », c’est la facilité d’accès physique pour un individu (ou une firme) depuis un lieu d’origine. On mesure cette facilité en négatif, par des indicateurs de difficulté d’accès (« impédance ») : distance à franchir, temps ou coût de déplacement. Questions liées : * la temporalité de la destination, selonles jours et les plages horaires de disponibilité (ouverture) des services au lieu de destination. * la temporalité des moyens d’accès : selon les conditions dynamiques de circulation pour les modes individuels (marche, deux roues, automobile), selon les plages horaires de service pour les transports collectifs. * la diversité des chemins d’accès, leur qualité de service et l’influence de l’encombrement, leur susceptibilité aux perturbations.

Accessibilité territoriale. Les « biens économiques » (produits ou services) sont des opportunités de consommation offertes à des « demandeurs » (clients potentiels) par des « offreurs » (producteurs ou prestataires), dans des circonstances données d’espace et de temps. Cela vaut en patriculier pour le logement, dont la forme très majoritaire est un « local » établi dans un emplacement fixe. Cela vaut aussi pour l’emploi, considéré comme une opportunité spécifique offerte par un employeur à un actif candidat. Le logement comme l’emploi, aussi bien que divers services (santé, éducation, administration, loisirs…) et commerces, constituent des opportunités situées dans l’espace géographique. Par nature d’opportunité, un lieu donné « porte » un certain nombre d’opportunités – certaines quasiment sans rivalité entre les clients (ex. les commerces), d’autres avec rivalité notamment le logement et l’emploi. Ce bouquet d’opportunités rend le lieu attractif pour des individus. L’accessibilité territoriale, également appelée accessibilité aux activités, étend l’accessibilité spatiale en incorporant l’offre locale d’opportunités. On peut la mesurer, au lieu dit de destination, par un indicateur associant le nombre des opportunités, à l’indicateur d’accessibilité spatiale depuis un lieu d’origine quelconque. Réciproquement, on peut mesurer l’accessibilité territoriale (par nature d’opportunité) à partir d’un lieu d’origine, qui résulte des opportunités établies dans tous les lieux de destination. Comme exemple d’indicateur simple, citons le nombre d’opportunités établies à un certain intervalle de distance (ou temps, ou coût de transport) à partir d’un lieu d’origine : par exemple le nombre d’emplois accessibles en un temps de 20’ à 30’ depuis le domicile. Des modèles plus complexes tentent d’intégrer la valeur économique particulière de chaque opportunité : Cf. les modèles de Hansen (1959), Poulit (1973), Koenig (1975) et Cochran (1975). Leurent (1999) a proposé un modèle « d’accessibilité aux activités vacantes » afin d’intégrer l’occupation des opportunités avec rivalité d’accès.

Questions liées :

• le masquage entre opportunités. Quand deux opportunités sensiblement équivalentes (ex. deux supermarchés de même enseigne) sont établies en deux lieux distincts, seule la plus proche est intéressante pour un demandeur. A partir de son lieu d’origine, la plus proche « masque » la plus lointaine. Le modèle des opportunités intervenantes (Stoufer, 1941) prend en compte, à partir d’un lieu d’origine, la découverte progressive des opportunités localisées.
• la saturation des opportunités. Quel est le nombre d’emplois suffisant, suffisamment satisfaisant, atteignable depuis une origine en un temps (ou coût) de transport donné ?
• comment intégrer la diversité des natures d’opportunité, dans un indicateur agrégé d’accessibilité territoriale « au bouquet d’aménités » ?

Au LVMT, les recherches se concentrent principalement sur l’accessibilité des lieux, qui se distingue de l’accessibilité physique (availability, personnes à mobilité réduite) et de l’accessibilité financière et budgétaire (affordability).

• Accessibilité, vue depuis la géographie
  Auteur : Alain L’Hostis

Il existe deux définitions de l’accessibilité dans la littérature académique, l’une purement spatiale (1) et l’autre intégrant une dimension économique (2). Ainsi, l’accessibilité d’un lieu indique la plus ou moins grande facilité avec laquelle on peut atteindre un autre lieu ou un ensemble d’autres lieux (1), pour y effectuer une activité (2). Ces définitions s’appliquent aux personnes et au transport de marchandises. L’accessibilité fait l’objet le plus souvent d’une mesure quantitative qui correspond à une distance géographique, qui peut prendre plusieurs formes, euclidienne ou réseau, et plusieurs unités le temps, les kilomètres ou le coût. Et l’activité fait référence à une interaction sociale ou économique qui justifie l’effort du déplacement optimal (dont rend compte la distance géographique).

Sommaire:

1. Indicateur pour l’évaluation, vu depuis l’économie par Mathias Lengyel
2. Indicateur pour l’évaluation, vu depuis l’ingénierie par  Natalia Kotelnikova-Weiler
3. Indicateur pour l’évaluation, vu depuis l’ingénierie par  Luc Charansonney
4. Nouvelles données de mobilité, vues depuis l’ingénierie par Luc Charansonney
5. Nouvelles données de mobilité, vues depuis la géographie et l’aménagement par  Florent Le Néchet

———————————————————————————————————————————————————————————————————

• Indicateur pour l’évaluation, vu depuis l’économie
  Auteur : Mathias Lengyel

De rapides recherches permettent de se rendre compte que les deux termes qui nous intéressent ici font actuellement couler beaucoup d’encre dans le monde de la recherche académique. Les historiens de la pensée économique nous rappelleront cependant que si ces termes sont au cœur d’enjeux sociétaux très contemporains, les débats qui opposaient déjà Jules Dupuis et Jean Baptiste Say au milieu du XIXème siècle sur la définition et la mesure de la valeur des choses, parlaient déjà d’indicateurs et d’évaluation (Vatin, 2003).

D’un point de vue formel, le terme évaluation peut aussi bien désigner une démarche consistant à déterminer la valeur d’une chose (Larousse, 2016) qu’une typologie d’outils, de modèles ou de méthodologies ayant pour fonction d’accompagner ladite démarche. Le terme indicateur est quant à lui défini dans le Petit Robert comme « un instrument servant à fournir des indications, à mesurer ou à apprécier l’état de quelque chose ». L’évaluation est donc une démarche et l’indicateur, un instrument mobilisé comme un moyen de mener à bien cette démarche en révélant des informations sur le phénomène observé (OCDE, 1993). Si les indicateurs mobilisés dans une démarche d’évaluation ont fait, font et feront encore demain l’objet de nombreuses controverses sur leurs critères de définition et de choix (Weber & Lavoux, 1994), c’est avant tout parce que, la manière de conduire la mesure d’un ou plusieurs paramètres peut modifier la perception d’un observateur (Litman, 2007).

En permettant la mobilité des personnes et des biens, le transport contribue à la vie économique et sociale des territoires. En contrepartie, les systèmes et réseaux techniques de transport nécessitent des investissements d’argent public lourds et sont à l’origine de nombreuses externalités économiques, sociales et environnementales. De ce fait, le secteur est soumis à une étroite régulation publique (Orfeuil, 2008) qui repose, entre-autres aspects, sur un recours obligatoire et légal à des évaluations. Bien que les objets évalués peuvent recouvrir plusieurs formes (réseaux de transport, dessertes, mesures techniques, projet d’infrastructures, mise en place d’une offre nouvelle, politique publique … (Favre D’Arcier, 2012), ces évaluations s’inscrivent toutes dans un objectif de justification de l’utilité sociétale des investissements publics (DGITM, 2014). Mais comme le rappelle Yves Crozet en citant Luc Boltanski, il est aujourd’hui admis qu’une « démarche de justification s’inscrit dans une vision du monde » (Crozet, 2004), laquelle vision est perceptible et se matérialise au travers d’instruments (indicateurs) et de méthodes (évaluations) élaborés et utilisés pour cette justification.

Dans une société contemporaine marquée par des évolutions technologiques, politiques, économiques, environnementales et sociales rapides, les questions de choix et d’élaboration des indicateurs d’évaluation reviennent donc au centre des débats économiques et politiques (Gadrey, 2012 ; Stiglitz, Sen & Fitoussi, 2009). Les outils et méthodes qui nous ont permis d’évaluer le surplus collectif de nos systèmes de transport hier, sont-ils encore pertinents aujourd’hui ? Le seront-ils encore demain ? Coût monétaire d’un déplacement, gains de temps, tonne de CO2 économisée ou niveau d’accessibilité sont-ils encore des indicateurs d’évaluation pertinents ? Indicateurs faisant intervenir des valeurs monétarisées ou pas (Gallez, 2000), indicateurs synthétiques (et pondérations associées) ou indicateurs désagrégés (Méda, 2008), analyse coûts-avantages ou analyse multicritère (Roy, 1997), indicateurs compréhensibles par le plus grand nombre ou indicateurs réservés à un usage expert (Gallez, 2000), etc. ; les points de divergences restent encore nombreux sur les modalités de construction des indicateurs et des méthodes d’évaluations associés. Mais c’est avant tout le choix des grandeurs observées, mises en lumières par des indicateurs et valorisées par l’évaluation qui continue et continuera demain de faire débat.

•  Indicateur pour l’évaluation, vu depuis l’ingénierie
  Auteur : Natalia Kotelnikova-Weiler

Un indicateur, dans une démarche d’évaluation, est une représentation de la performance d’un projet par rapport à des critères préétablis. L’indicateur est construit à partir de mesures qualitatives ou quantitatives des phénomènes dont l’impact est jugé significatif sur la performance. Le gain de temps généralisé constitue un exemple d’indicateur dans la démarche d’évaluation des projets de transport.

Bien que les systèmes d’évaluation sectoriels soient dominants, de nouveaux référentiels d’évaluation pluridisciplinaires foisonnent depuis quelques années. Ces référentiels concernent l’évaluation des projets d’aménagement dans une démarche de développement durable et ont pour objectif de vérifier ou d’apporter des arguments substantiels de la performance environnementale affichée des projets. L’échelle géographique concernée est principalement celle du quartier. Initialement seules les performances environnementales des bâtiments (consommation d’énergie, émissions de GES font partie de ses indicateurs) étaient évaluées mais la mobilité ainsi que d’autres systèmes en réseaux dépassant le cadre strict du quartier étudié font de plus en plus parti du champ couvert. Avec cet élargissement thématique, vient en parallèle un élargissement de l’échelle spatiale d’évaluation : agglomération puis territoire sont visés.

Par son ancrage territorial, le projet urbain nécessite un système d’évaluation dont les critères sont spécifiques au contexte local. Ainsi chaque collectivité peut établir des critères et des indicateurs spécifiques en fonction des besoins et des enjeux de son territoire. L’évaluation par indicateurs contient donc une part inhérente de partialité malgré l’objectivité souhaitée des indicateurs produits.

L’évaluation intervient à différentes phases d’un projet et y est utilisée pour informer la prise de décision. Le diagnostic permet notamment de constituer un état de référence avant projet et des niveaux d’indicateurs correspondants.

L’évaluation ex ante du projet permet de saisir l’impact potentiel du projet. Enfin l’évaluation ex post, permet de mesurer l’impact réel et de suivre le projet au cours de sa vie.

Afin d’être opérante, l’évaluation par indicateurs nécessite d’une part un niveau de référence de l’indicateur mesuré sur le territoire et d’autre part une « graduation », une échelle de celui-ci. L’échelle peut être absolue, comme dans le cas des étiquettes et labels attribués à partir d’un certain seuil de performance, mais elle peut aussi être relative, comme dans le cas de comparaison de plusieurs options d’aménagement où l’on se réfère à un projet BAU (Business As Usual). L’hétérogénéité et la complexité des enjeux sur un territoire interdit parfois d’agréger les indicateurs au sein d’une même « note » ou indicateur composite. L’approche par évaluation multicritère peut alors être proposée permettant de mettre en regard les impacts sociaux et les impacts environnementaux, par exemple, ne pouvant se retrouver sur la même échelle. Le système d’indicateurs étant constitué, il s’agit alors de l’alimenter en mesures issues du projet. Chaque indicateur pourra alors appeler une méthode spécifique de caractérisation. Un des enjeux consiste alors à assurer la cohérence des méthodes spécifiques issues fréquemment de disciplines scientifiques et champs opérationnelles différents. En phase de diagnostic, les mesures pourront être issues de données disponibles sur le territoire, d’enquêtes et de bases de données. Pour l’évaluation des impacts d’un projet futur, on fera généralement appel à des modèles de simulation. Dans ces deux configurations, le principal verrou méthodologique est d’accéder à des données locales représentatives, particulières à un site d’étude. En phase de suivi du projet réalisé, une approche plus spécifique est possible : passant par l’instrumentation et des enquêtes de terrain particulières.

• Indicateur pour l’évaluation, vu depuis l’ingénierie
  Auteur : Luc Charansonney

Un indicateur est un instrument chiffré visant à rassurer l’ingénieur dans le bon exercice de ses fonctions. Il permet de “décomplexifier”, plus ou moins artificiellement, une réalité souvent complexe. L’indicateur a généralement deux niveaux d’interprétation :

• l’interprétation scientifique, raisonnée, généralement faite par le technicien consciencieux. Cette interprétation est le résultat d’un compromis entre, d’une part, la complexité du système sous-jacent de l’indicateur, complexité généralement comprise par le technicien, et d’autre part la volonté de vulgarisation pour le non-technicien/le public.
• l’interprétation politique, répondant à une justification de décision : celle-ci fait généralement fi des hypothèses et du cadre de validité définis par le technique, et sert principalement à justifier une décision ou une posture.

• Nouvelles données de mobilité, vues depuis l’ingénierie
  Auteur : Luc Charansonney

Les nouvelles données sont celles issues de dispositifs dont, soit le développement, soit la diffusion au grand public, sont récents. Les nouvelles données sont intimements liées à l’image “innovante” renvoyée par leur dispositif de génération ou de collecte.

Elles sont également définies par rapports aux “anciennes données”, ou “données historiques”, collectées par les systèmes antérieurs à leur apparition, et qui véhiculent alors une image de conservatisme technologique, voire d’insuffisance par rapport au “monde moderne”.

Les nouvelles données semblent souvent être vues comme une fin en elles-mêmes : le développement de systèmes techniques visant à les traiter, les stocker prenant le pas sur les interprétations. L’usage découle naturellement d’une analyse statistique. Les données innovantes véhiculent l’idée de masse (Big Data, données massifiées).

L’illustration, l’animation mettent en perspective les nouvelles données. Les nouvelles données sont vues comme autant de réponses insoupçonnées à des questions que l’on ne se posait pas forcément auparavant.

La corrélation statistique, à travers le croisement de ces nouvelles données, devient une fin en soi. Souvent, l’adage corrélation ne vaut pas causalité est répété, pourtant c’est son contraire qui est mis en oeuvre.

• Nouvelles données de mobilité, vues depuis la géographie et l’aménagement
  Auteur : Florent Le Néchet

Ce qu’on appelle une « nouvelle donnée » est une donnée qui n’existait pas avant les progrès technologiques liés au numérique. Ce qui est le plus frappant dans ces nouvelles données est leur masse bien sûr (les fameux « big data », de l’ordre de 10²4 bits d’information générés par an en ce moment) et leur versatilité : une donnée est mesurée par quelqu’un (un individu, une entreprise, un Etat) pour quelque chose, puis peut être utilisé par n’importe qui pour n’importe quoi (sauf garde fous spécifiques ou problèmes – parfois très compliqués – de traitement). C’est à la fois la grande force de ces nouvelles données, et la raison pour laquelle elles sont aujourd’hui au confluent de nombreux enjeux de société.

Dans le domaine des transports, de la mobilité et de l’aménagement, un vaste ensemble de technologies nouvelles a décuplé les possibilités d’observer ce qui se passe dans le système (les véhicules sur le réseau, via les systèmes d’aide à l’exploitation, les personnes dans les véhicules ou dans l’espace public, via des capteurs fixes ou mobile). A titre d’exemple, les traces GPS laissée par les utilisateurs de téléphone portable peuvent être utilisées par les municipalités pour mieux aménager leurs villes (via des outils de visualisation développés par les opérateurs téléphoniques), ou par des collectifs d’habitants ou d’associations pour tenir à jour des cartes collaboratives comme openstreetmap, notamment en situation de crise (Zook et al., 2010).

Une partie des « nouvelles données » dans le champ de l’aménagement et des transports présente la particularité d’être des données individuelles, obtenues avec un degré de consentement très variable des personnes concernées. Outre les débats éthiques que cela implique (1 personne peut être identifiée presque certainement avec seulement 5 localisations récurrentes – de Montjoye et al., 2013), il s’agit d’un changement technique qui va de pair avec un changement de paradigme de la production urbaine, qui met de plus en plus les habitants, les usagers, au cœur des projets urbains. Goodchild (2007) parle de human as sensors ; c’est ce qu’on peut observer avec les données GPS de Waze, obtenues par crowdsourcing, permettant aux conducteurs de gagner du temps sur les trajets grâce aux infos renvoyées par les autres conducteurs sur l’état du trafic.

Les données produites dans un système social émanent d’un point de vue et permettent d’objectiver des options envisagées, au sein d’un processus de décision, qui sont portées par un ou des acteurs particuliers. Il n’y a pas de donnée neutre (Dérosières, 2010). Dans le champ d’application des transports de l’aménagement et de la mobilité, la production et le traitement des données s’intègrent dans un processus de décision, allant d’un problème à résoudre (par exemple la congestion sur les routes à l’heure de pointe) à une solution (par exemple, des incitations à la densification autour des gares), en traversant plusieurs stades : formalisation (on exprime le besoin de connaître le nombre de véhicules passant sur les axes les plus problématiques), mesure (d’abord dans les années 1960 par boucles magnétiques, puis plus récemment par des données issues des GPS / FCD / FMD des véhicules), modèle permettant de compléter les inévitables « trous » dans les données (modèle à 4 étapes statique d’abord puis modèles « LUTI » intégrant les choix des ménages de s’installer de plus en plus loin du centre-ville) et exploitation des sorties du modèle (par le biais d’indicateurs). C’est ce qu’Hadrien Commenges (2012) appelle une « matrice technique ». Les données, qu’elles soient anciennes ou nouvelles, sont un maillon d’un chaîne qui ne peut être brisée sans perte de compréhension du processus dans lequel elles s’intègrent.

C’est pourquoi la technologie ne peut pas d’un coup tout chambouler : tant que les problèmes d’aménagement, les compétences techniques des acteurs territoriaux et les capacités de modélisation des ingénieurs restent les mêmes, la capacité de produire des nouvelles données ne change pas grand-chose à la pertinence et même à la nature des décisions qui seront prises. Le foisonnement récent de discours autour du « big data » tient pour partie de réels changements sur les acteurs de l’aménagement (issus du mouvement de décentralisation dans un grand nombre de pays et de l’émergence de collectifs citoyens plus structurés), des problèmes que doivent traiter ces acteurs dans les pays occidentaux (enjeux de pollution en ville, de qualité de vie, d’hypermobilité, de préservation des ressources environnementales, à partir d’une démographie plus ou moins stagnante) et moins comme avant de course entre construction d’infrastructure et croissance démographique. La profusion de nouvelles données promet à ces multiples acteurs de pouvoir agir à leur échelle et dans leur domaine de compétence avec une temporalité plus courte.

Au LVMT, les travaux mettant au cœur ces nouvelles données sont nombreux, et en sont au stade de la comparaison et du croisement avec les données classiques (Enqûetes Ménages Déplacement, Recensement de Population de l’INSEE). Les verrous scientifiques et techniques que ces nouvelles données promettent de lever concernent l’augmentation et l’harmonisation de la connaissance dans le temps et dans l’espace, notamment à l’échelle internationale, des pratiques de mobilité. La possibilité de disposer de davantage de données longitudinales (c’est-à-dire où on suit les décisions des mêmes personnes à plusieurs dates) doit permettre de mieux comprendre les processus de décisions opérés par les individus et les ménages dans leurs processus de choix résidentiels et d’organisation du temps (les programmes d’activités hebdomadaires). A titre d’exemple, dans le périurbain notamment, où la lutte contre l’autosolisme apparaît la plus complexe, il ressort que l’instrumentation de connaissance classique est largement insuffisante pour comprendre les contraintes et les flexibilités dont disposent les ménages dans l’établissement de leur programmes d’activités hebdomadaires (Nessi et al., 2016).

Mais les nouvelles données en transport et en aménagement sont aussi un marché. Le rapport Jutand (2015) produit des réflexions très intéressantes sur ce qui, des données produites par les organismes publics, doit être librement disponible ou pas (démarche « Open Data »). La même question se pose bien sûr aussi pour ce qui concerne les acteurs privés, beaucoup issus des télécoms (opérateurs téléphoniques) et de l’internet (Google et consort). Les acteurs de ce marché sont nouveaux, et comprennent à quel point les urbanistes, aménageurs et acteurs classiques du transport ont besoin de leurs données ; dans le même temps les acteurs publics ont fait dans les dernières années des pas dans le sens d’une plus grande ouverture des données (par exemple l’INSEE donne annuellement au lieu de tous les dix ans les résultats du recensement de population, et divulgue certaines information à un niveau géographique extrêmement fin – données carroyées, Pivano, 2016). Se pose ainsi la question de la propriété des données, de l’interopérabilité, du traitement des données dans un cadre préservant l’individu, de la pérennité des données, du partage entre acteurs ans modèle de gouvernance qui soit clair. Tous les modèles sont faux, mais certains sont utiles » disait G. Box. Devant le vertige de l’hyperquantification il m’amuse d’ajouter « toutes les données sont vraies, mais certaines sont utiles » ; encore faut-il se demander à qui, et à quoi.

Sommaire:

1. Prospective, vue depuis l’ingénierie par Anne de Bortoli
2. Prospective, vue depuis l’aménagement par Caroline Gallez

———————————————————————————————————————————————————————————————————

• Prospective, vue depuis l’ingénierie
  Auteur : Anne de Bortoli

« Prospecter » signifie imaginer différents futurs possibles, en partant du constat que l’avenir est fortement incertain car dépendant de nombreux paramètres. La prospective s’utilise en évaluation, et est particulièrement cruciale pour des temps d’évaluation élevés, à moyen (quelques années) et long (plusieurs dizaines d’années) termes. Elle permet de tenir compte des incertitudes variées portant sur l’évolution du système étudié (Varum et Mela 2010) : incertitudes technologiques, comportementales, politiques, d’accès aux ressources naturelles, … celles-ci étant souvent liées.

En évaluation quantitative, la prospective consiste majoritairement à établir, dans un modèle, des scenarii d’évolution possibles, souvent compris entre 3 et 5 (principalement pour des questions de lecture et d’appropriation des résultats par les donneurs d’ordre ou  le public concerné), a minima au nombre de deux pour refléter l’incertitude (Chermack et al 2001). Quatre scenarii sont classiquement choisis selon la méthode matricielle RMI (Hawken et al. 1982) : un scenario pessimiste, un scenario de futur attendu, un scenario optimiste, et un scenario complètement alternatif (scenarii de rupture, aussi appelés « corner-stone scenarios » ou « what-if » scenarios) en regard du problème abordé par l’évaluation et d’un jugement de valeur sur les évolutions préférables. On peut aussi étudier d’autres types de scenarii comme, à titre d’exemple, les scenarii normatifs. L’évolution envisagée peut porter sur un seul comme plusieurs paramètres de la modélisation. Un exemple de modèle prospectif à paramètre unique est le calcul des impacts de l’évolution du forçage radiatif (lié au changement climatique) sur la durabilité des routes, avec évaluation des impacts selon les scenarii du GIEC appelés « Representative Concentration Pathways » (van Vuumer et al 2011).

Plutôt que d’établir de strictes scenarii, on peut aussi sur la base d’un modèle utiliser plusieurs méthodes mathématiques de gestion et/ou propagation de l’incertitude (Faivre et al. 2013). Le plus facile est de réaliser des analyses de sensibilité locales : on fait varier les valeurs d’entrée « paramètre par paramètre » quand l’incertitude porte sur plusieurs entrées. Cette méthode, très utilisée dans les bureaux d’étude, est néanmoins jugée relativement inefficace par les experts (Satelli et Annoni 2010). On peut également procéder à des analyses de sensibilité globales ou utiliser une méthode de criblage, jugées plus robustes par les statisticiens spécialistes de l’incertitude – notamment dans le cas de modèles non linéaires ou à paramètres d’entrée dépendants – mais aussi plus complexes à réaliser (Faivre et al 2013). La méthode de Monte Carlo consiste à définir pour chaque paramètre d’entrée incertain une plage de variation et une distribution de probabilité (ce que l’on peut également faire dans les équations du modèle d’évaluation), puis à réaliser des tirages aléatoires de combinaison de valeurs de paramètres d’entrée, souvent plusieurs milliers, afin d’obtenir en sortie une distribution de probabilité des résultats. Ceci permet également de mettre en évidence les paramètres clés d’un modèle, soit ceux qui présentent la plus forte influence sur les résultats du modèle, et ainsi de simplifier le modèle ou de construire des scenarii prospectifs variés sur la base de ces paramètres clés.

• Prospective, vue depuis l’aménagement
  Auteur : Caroline Gallez

Selon le dictionnaire Larousse, la prospective est la « science ayant pour objet l’étude des causes techniques, scientifiques, économiques et sociales qui accélèrent l’évolution du monde moderne, et la prévision des situations qui pourraient découler de leurs influences conjuguées ». L’une des ambitions de la prospective est d’éclairer les décideurs publics et, au-delà, les acteurs de la société dans son ensemble, confrontés à une situation d’incertitude et à des risques. Généralement, les exercices prospectifs cherchent à produire des données sur les futurs possibles ou les trajectoires dont ils résultent afin de s’y préparer, en améliorant les capacités d’anticipation, d’adaptation, de prévention d’évolutions non souhaitables (par exemple, le changement climatique) et les capacités d’action en faveur d’objectifs partagés (par exemple, la diminution par quatre des émissions de gaz à effet de serre en vue de limiter les impacts du CC). Selon la manière de construire les prévisions (ou projections) et les attentes exprimées vis-à-vis de la démarche, on peut définir différents types de prospective. Jacques Theys, ancien responsable de la prospective aux ministères de l’environnement et de l’équipement, co-animateur avec Eric Vidalenc du programme de recherche prospective sur les villes dans la société post-carbone publié en 2013, propose de distinguer quatre types (ou archétypes) de prospective, en combinant deux à deux des options binaires associées au type de projection et à l’objectif visé par l’exercice prospectif. La projection peut être soit exploratoire (s’il s’agit de projeter un ou plusieurs états – ou trajectoires – futurs) sur la base du prolongement de tendances passées ou d’hypothèses concernant le changement, par exemple l’accélération d’une tendance observée) soit normative (s’il s’agit de partir d’un « état-cible » et d’en déduire quels seraient les efforts à produire, notamment en termes de politique publique ou d’innovation technique, pour atteindre cette cible ; on parle généralement de projection « backcasting »). Quant à l’objectif de l’exercice prospectif, il peut s’exprimer soit en termes de réduction des incertitudes, soit, au contraire, en termes d’exploration des possibles (simulations à partir de signaux faibles, par exemple). Ces différents types de prospective conditionnent le recours à des méthodes spécifiques, proches de la modélisation ou au contraire très qualitatives :

• Prospective exploratoire visant à réduire les incertitudes : la projection se fonde sur une observation des tendances lourdes et de leur extrapolation et utilise généralement des méthodes proches de la modélisation ; ce type de prospective est utilisé notamment pour tester différentes variantes de politiques publiques ;
• Prospective normative visant à réduire les incertitudes : ce type de prospective vise à produire des visions de ce qui est souhaitable ou inacceptable ; peut-être utilisé, par exemple, dans le cadre de conférences de consensus ;
• Prospective exploratoire visant à explorer les possibles : prospective qui cherche à simuler les ruptures possibles, à travailler à partir de signaux faibles ou émergents ; peut s’appuyer sur des méthodes de projection quantitatives, ou au contraire sur des récits qualitatifs (de type science fiction par exemple) ;
• Prospective normative visant à explorer les possibles : appelé aussi prospective stratégique, ce type d’exercice cherche à éclairer l’action dans un contexte d’incertitude, afin d’atteindre un objectif fixé à l’avance ; c’est, généralement, une prospective plus qualitative, qui accorde beaucoup d’importance au temps et aux trajectoires de changement.

Si les enjeux sociaux et politiques de la prospective apparaissent peu discutables, au sens où faire de la prospective témoigne de la reconnaissance par les acteurs sociaux de l’intérêt de réfléchir aux perspectives de long terme, la manière de mobiliser des connaissances scientifiques dans la production de ces exercices suscite différents questionnements. J’en citerai ici trois exemples, en prenant appui sur les réflexions que nous menons avec différents collègues des laboratoires du Labex Futurs Urbains de la recherche ANR VITE ! (Villes et Transitions Energétiques).

Les méthodes quantitatives (et a fortiori les approches modélisatrices) sont généralement mieux adaptées que les méthodes d’analyse issues des sciences sociales pour faire de la prospective et produire des données sur les évolutions possibles. Cependant, ces méthodes sont souvent peu pertinentes dans la simulation d’effets liés à des signaux faibles, ou à des phénomènes émergents. Elles sont donc peu performantes dans la simulation des « ruptures ». A l’inverse, les sciences sociales sont mieux adaptées que les modèles à l’analyse compréhensive des phénomènes sociaux. Elles permettent d’aborder la problématique des facteurs de changement des pratiques à partir de phénomènes observés, tout en restant peu outillées à la prévision de ces changements. D’autres approches, notamment la littérature, mais aussi diverses formes de production artistiques, offrent d’autres moyens de favoriser la réflexivité en situation d’incertitude, en se distanciant partiellement des contraintes de la production scientifique. De ce fait, il est certainement intéressant de réfléchir à la construction d’approches mixtes, croisant sciences et art, dans la production de prospectives.

Si la prospective, qualitative ou quantitative, permet de réfléchir à des futurs possibles à des échelles agrégées, elle est en revanche assez peu outillée dès lors que ces futurs se réfèrent à des contextes locaux ou à des systèmes d’action spécifiques. Pour le dire autrement, les scénarios produits sont généralement « hors sol », avec une difficile prise en compte des variables spatialisées, des profils sociaux ou des caractéristiques des systèmes d’action par rapport à d’autres types de facteurs (par exemple des signaux prix). D’où l’intérêt de coupler à des démarches par scénarios d’autres formes d’exercices prospectifs : des études territoriales où l’on cherche à confronter les scénarios à des contextes spécifiques ; des exercices de simulation de politiques publiques (policy exercises, cf. par exemple travaux de l’IIASA) qui consistent à confronter les acteurs à différentes situations et hypothèses d’évolution afin de leur demander quelle pourrait leur décision pour la période suivante. Enfin, une autre difficulté propre à la prospective consiste à analyser les trajectoires de changement, au-delà de la projection d’états cibles. Par exemple, il est important de comprendre comment le changement à court terme contraint les changements de plus long terme, ou d’identifier les facteurs d’irréversibilité potentiels. Dans la construction d’une prospective stratégique associée à l’objectif du « Facteur 4 », dans la prévention du changement climatique (diminution par 4 des émissions de GES à l’horizon 2050), plusieurs travaux ont montré que les changements les plus ambitieux, notamment en termes de développement de pratiques sobres, devaient être engagés à court terme, faute de quoi la trajectoire de changement ne pouvait permettre d’atteindre l’objectif visé.

• Barles S. (2006), « De l’encombrement à la congestion ou la récurrence des problèmes de circulation urbaine, XIXe -XXe siècles », in Descat S., Monin E., Siret D. (dir.), La ville durable au risque de l’histoire, Villeneuve d’Ascq, École nationale supérieure d’architecture et de paysage de Lille, p. 129-143.
• Baumstark L. & Quinet E. (2015), Evaluation socioéconomique des investissements de transport : une gouvernance des outils renouvelés, Transports (no490).
• Bertini R. (2005), “Congestion and its Extent”, in Levinson D., Krizek K. (eds.), Access to Destinations, Amsterdam, Elsevier, p. 11-38.
• Boiteux M. (1994), « Transport : Pour un meilleur choix des investissements », Rapport du groupe présidé par Marcel Boiteux, Commissariat Général du Plan, Paris, La Documentation Française.
• Buchanan C. (1963), Traffic in towns, Harmondsworth, Penguin books, 263 p.
• Clément L. & Morain J.-E. (2014), « Requiem du calcul socio-économique appliqué aux projets ferroviaires », Transports (no484).
• Cohen, S. (1990), Ingénierie du trafic routier. Éléments de théorie du trafic et applications, Paris, Presses de l’école nationale des Ponts et Chaussées, 246 p.
• Commenges 2012 from Florent
• Crozet Y. (2004), « Calcul économique et démocratie : des certitudes technocratiques au tâtonnement politique », Cahiers d’économie Politique (no 47).
• de Montjoye, Y.-A., Hidalgo C., Verleysen M., Blondel V. (2013), « Unique in the Crowd : The privacy bounds of human mobility », Nature Scientific Reports, 3 : 1376, DOI : 10.1038/srep01376
• Desrosieres 2010 from Florent
• DGITM (2014), Note technique du 27 juin 2014 relative à l’évaluation des projets de transport, Ministère de l’écologie, du développement durable et de l’énergie, Paris.
• Downs A. (2004), Still Stuck in Traffic : Coping with Peak-Hour Traffic Congestion, Washington DC, Brookings Institution Press, 455 p.
• Dupuy G. (1999), La dépendance automobile : symptômes, analyses, diagnostic, traitements, Paris, Anthropos, 160 p.
• ECMT (2007), Managing Urban Traffic Congestion, Paris, European Conference of Ministers of Transport and Organisation for Economic Co-operation and Development, 295 p.
• Faivre d’Arcier B. (2012), Amélioration de la Performance Economique des Réseaux par l’Optimisation des Lignes, Rapport final de convention pour le PREDIT 6
• Farrington, J. (2007), “The new narrative of accessibility : its potential contribution to discourses in (transport) geography”, Journal of Transport Geography, 15, pp. 319-330.
• Flonneau M. (2005), Paris et l’automobile : un siècle de passions, Paris, Hachette littératures, 348 p.
• Fol, S. and Gallez, C. (2014) “Social inequalities in urban access : better ways of assessing transport improvements” In : Sclar, E, Lönnroth, M. and Wolmar, C. (eds.), Getting There/Being There : Financing Enhanced Urban Access in the 21st Century City, New York : Routledge, 46-86.
• Gadrey J. & Jany-Catrice F. (2012), Les nouveaux indicateurs de richesse, 3e éd., Paris, La Découverte, «Repères ».
• Gallez C. (2000), Indicateurs d’évaluation des scénarios d’évolution de la mobilité urbaine, rapport de convention DTT-INRETS, PREDIT, recherches stratégiques, groupe « Prospective ».
• Gaffron, P., Hine, J.-P. and Mitchell, F. (2001), « The role of transport on social exclusion in urban Scotland », Literature Review, Transport Research Unit, Napier University, 38 pages.
• Geurs, K.T. and Van Wee, B. (2004), « Accessibility evaluation of land-use and transport strategies : Review and research directions », Journal of Transport Geography, 12, 127-140.
• Goodchild, M. F. (2007), « Citizens as sensors : the world of volunteered geography », GeoJournal, 69(4), 211-221.
• Grant-Muller S. & Laird J. (2006), Costs of Congestion : Literature Based Review of Methodologies and Analytical Approaches, Edinburgh, Scottish Executive Social Research, 79 p.
• Koenig, J. G. (1975), « A theory of urban accessibility ». In PTRC Summer Annual Meeting, University of Warwick, July.
• Hägerstrand, T. (1985), « Time-geography : focus on the corporeality of man, society and environment », The science and praxis of complexity, 193-216.
• Haight F. (1963), Mathematical theories of traffic flow, New York, Academic Press, 255 p.
• Hall P. (1988), “Impact of new technologies and socio-economic trends on urban form and functioning”, in OECD Urban Development and Impacts of technological, economic and socio-demographic Changes, Report of an Expert Meeting, Paris, Organisation for Economic Co-operation and Development, p. 22-29.
• Handy, S.L. and Niemeier, D.A. (1997), « Measuring accessibility : an exploration of issues and alternatives », Environment and Planning A, 29, 1175-1194.
• Hansen, W.G. (1959), « ‘How accessibility shapes land use », Journal of American Institute of Planners, 25(1), 73-76.
• Knight F. H. (1924), « Some Fallacies in the Interpretation of Social Cost », The Quarterly Journal of Economics, vol. 38, no 4, p. 582-606.
• Koenig, J.G. (1974), « Théorie économique de l’accessibilité urbaine », Revue Economique, 25(2), 275-297.
• Kolm S.-C. (1968), La Théorie économique générale de l’encombrement, Paris, S.E.D.E.I.S, 82 p.
• Lesteven G. (2012), « Les stratégies d’adaptation à la congestion automobile dans les grandes métropoles : analyse à partir des cas de Paris, São Paulo et Mumbai », Thèse en géographie et aménagement, Paris, Université Paris 1 Panthéon-Sorbonne.
• Leurent, F. (2002), « L’accessibilité aux activités vacantes, un modèle pour l’utilité socio-économique du transport »’, Rapport sur la modélisation du trafic, p.111 www.ifsttar.fr
• Leurent, F., & Boujnah, H. (2014), « A user equilibrium, traffic assignment model of network route and parking lot choice, with search circuits and cruising flows », Transportation Research Part C : Emerging Technologies, 47, 28-46.
• Litman T. (2005), « Well Measured : Developing Indicators for Comprehensive and Sustainable Transport Planning », Victoria Transport Policy Institute, Victoria, British Columbia, Canada.
• Martens, K., Golub, A., Robinson, G. (2012), « A justice-theoretic approach to the distribution of transportation benefits : Implications for transportation planning practice in the United States », Transportation Research A, 46, 684-695.
• Méda D. (2008), Au-delà du PIB. Pour une autre mesure de la richesse, Coll. Champs actuel, éd. Flammarion, Paris.
• Metz, D. (2008), « The myth of travel time saving », Transport Reviews, 28(3), 321-336.
• Nessi, H., Le Néchet, F., Terral, L. (2016), « Changement de regard sur le périurbain, quelles marges de manoeuvre en matière de durabilité ? », Géographie, Économie, Société, 18, 15-33
• OCDE (1993), Corps central d’indicateurs de l’OCDE pour les examens des performances environnementales, Rapport de synthèse du groupe sur l’Etat de l’Environnement, Monographie sur l’environnement no83, Paris.

• Orfeuil J.-P. (2000), « L’évolution de la mobilité quotidienne : comprendre les dynamiques, éclairer les controverses », Synthèse INRETS, no 37, 146 p.
• Orfeuil J.-P. (2008), Pour une approche laïque de la mobilité, édition Descartes & Cie, Paris.
• Pivano, C. (2016), « Désagrégation spatiale des données de mobilité du recensement de la population appliquée à l’Ile-de-France », Thèse de doctorat de l’Université Paris-Est.
• Roy B. (1997), L’aide à la décision aujourd’hui : que devrait-on en attendre ?, Université Paris-Dauphine, Cahier du LAMSADE 104.
• Stiglitz E., Sen A., Fitoussi J.-P. (2009), « The measurement of economic performance and social progress revisited », Document de travail de l’OFCE, Centre de recherche en économie de Sciences Po, Paris.
• Vatin F. (2003), « Jules Dupuit (1804-1866) et l’utilité publique des transports, actualité d’un vieux débat », Revue d’histoire des chemins de fer [En ligne], 27 | 2003, mis en ligne le 15 janvier 2015, consulté le 26 janvier 2015. http://rhcf.revues.org/1916
• Vickrey W. (1963), « Pricing in Urban and Suburban Transport », American Economic Review, vol. 53, no 2, p. 452-465.
• Weber J.-L. et Lavoux T. (1994), « Réflexion sur les critères de définition et de choix des indicateurs d’environnement, notes de méthode de l’IFEN », édition 94, no3, Orléans.
• Weinstein A., (2006), « Congestion as a Cultural Construct : ‘The Congestion Evil’ in Boston in the 1890s and 1920s », Journal of Transport History, vol. 27 – 2, p. 95-115.
• Wenglenski S., (2004), « Une mesure des disparités sociales d’accessibilité au marché de l’emploi en Île-de-France », Revue d’Economie Régionale et Urbaine, no4, pp. 539-550.
• Zook, M., Graham, M., Shelton, T., Gorman, S. (2010), « Volunteered geographic information and crowdsourcing disaster relief : a case study of the Haitian earthquake », World Medical & Health Policy, 2(2), 7-33