1.5.b … Qui ne conduisent pas nécessairement aux mêmes résultats

Les déplacements interzones réalisés en voiture particulière sur l’aire urbaine de Lyon constituent un échantillon de 31 630 trajets. Afin d’effectuer notre comparaison, nous comparons les longueurs de déplacements par classe de déplacements, selon leur longueur. Le tableau IV-5 présente les différentes classes de déplacements considérées, ainsi que les répartitions des flux selon un découpage en quatre couronnes en plus du centre (annotations C, P1, P2, P3, P4), ce dernier étant constitué de Lyon et Villeurbanne :

Source : traitement auteur sur l’E.M.D de 2006

Le tableau IV-5 présente les flux non redressés des déplacements en VP conducteur ou passager selon 7 classes de déplacements et un découpage géographique en 4 couronnes. Les résultats montrent que la proportion des flux internes au centre par rapport à l’ensemble de ceux en direction ou à destination du centre est élevée (68 %), ce qui confirme la forte centralité de Lyon et de Villeurbanne. Cette proportion baisse pour la 1ère et la 2ème couronne (respectivement 34 % et 28 %) mais ré-augmente pour la 3ème et la 4ème couronne (respectivement 34 % et 64 %). Ainsi l’aire d’attraction du centre semble s’affaiblir en troisième couronne au profit des pôles secondaires (Villefranche-sur-Saône, L’Isle- d’Abeau…).

Que donne la comparaison des différents types de distances énumérés précédemment ? Le tableau IV-6 présente les premiers résultats selon la classification adoptée :

Source : traitement auteur à partir de l’E.M.D de 2006 et du logiciel Davisum©

Globalement, on constate que les distances issues du modèle d’affectation sont supérieures aux autres distances estimées. L’écart reste relativement constant avec les distances à vol d’oiseau (rapport de 0,7). Pour les distances rectilinéaires corrigées, les petits déplacements sont mieux estimés par les rectilinéaires pondérés (rapport de 0,98), tandis que les longues distances le sont mieux par le rectilinéaire moyen (rapport de 0,92). Il semblerait donc qu’une correction proche d’un coefficient de 1,4 soit plus juste que celui du rectilinéaire moyen. A l’inverse, la majoration de 10 % appliquée pour les longs déplacements semble insuffisante et le coefficient de correction (1,3) utilisé par le rectilinéaire moyen semble plus cohérent. Notons enfin que globalement, les distances estimées par Davisum© peuvent sembler un peu élevées car les pentes des courbes débits vitesses utilisées par le logiciel lors de la phase d’affectation sont faibles (une faible augmentation de la congestion entraîne une forte baisse de la vitesse), ce qui pousse le logiciel à chercher des itinéraires alternatifs plus longs mais de temps de parcours plus faibles.

On peut constater que les différences sont relativement faibles à un niveau agrégé. Mais le tableau IV-6 cache de nombreuses disparités au sein de chaque classe, ces dernières n’étant pas visibles car la plupart du temps, les erreurs se compensent. Il convient cependant de bien les connaître car les imprécisions deviennent importantes lorsque l’on manipule des échantillons de faibles effectifs. Pour cela, nous estimons un écart relatif moyen pour chaque classe de déplacement selon la formule suivante (Nicolas et al. 2001) :

Source : traitement auteur à partir de l’E.M.D de 2006 et du logiciel Davisum©

Les écarts relatifs en valeur absolue sont semblables pour les courtes distances en rectilinéaire moyen et pondéré. En revanche, les différences sont plus fortes pour les longues distances, conformément aux résultats précédents.

Les courtes distances font systématiquement l’objet d’un écart plus important avec les distances modélisées. L’influence du réseau viaire à cette échelle est probablement plus importante. Comme nous le mentionnions précédemment, le rectilinéaire moyen se prête mieux à l’estimation des grandes distances. Il reste que les écarts observés (14 à 16 %) reflètent des différences non négligeables, ce qui justifie amplement l’usage d’un modèle d’affectation de trafic.