Application d un modèle âge-période-cohorte à la prévision de la demande de transport

Transcription

1 Application d un modèle âge-période-cohorte à la prévision de la demande de transport 4 e colloque annuel de la Chaire Mobilité 13 mai 2014 Catherine Plouffe Candidate à la maîtrise Superviseure : Catherine Morency 1

2 Plan de présentation Contexte et problématique Objectifs du projet Analyse descriptive démographique Résultats de modélisation Limites du projet Contributions scientifiques

3 Contexte et problématique Prévision de la demande de transport selon des scénarios tendanciels, lesquels sont alimentés par les tendances lourdes observées au cours des enquêtes OD précédentes projection Observation et projection de la motorisation des travailleurs Source: Scénario Tendanciel du MTQ Tendance ou adaptation ponctuelle?

4 Objectifs Objectif Principal: Identifier les nouvelles tendances relatives à la mobilité dans la grande région de Montréal: Quelles sont ces tendances? Sur quels sous-ensembles de population ces tendances s observent-elles? Dans quel contexte ces tendances prennent-elles place? Objectifs spécifiques: Identifier les variables explicatives de la mobilité urbaine; Quantifier les effets de ces variables; Élaborer un modèle explicatif; Évaluer la pertinence des modèles APCC* pour comprendre les tendances et prévoir la demande de transport; Formuler des recommandations visant à améliorer les méthodes actuelles de projection des comportements de mobilité. * Définition APCC = Âge Période Cohorte - Caractéristiques

5 Indicateurs de mobilité Indicateurs classiques Proportion de non-mobiles Nombre moyen de déplacements Nombre moyen de chaînes Identification de tendances: Croissance de la motorisation? Hausse de la part modale TC chez les travailleurs? Augmentation de la part modale Auto sur l ensemble des déplacements études?

6 Variables explicatives Sexe Groupe d âge Cohorte

7 Variables explicatives Sans-auto Auto-Négociée Auto-Suffisant

8 Variables explicatives 1 personne/logis 2 personnes/logis 3 personnes/logis 4 personnes et plus/logis Nombre d'enfants Nombre d'enfants préscolaires Nombre d'enfants d'âge primaire Nombre d'enfants d'âge secondaire Nombre d'enfants âgés de 5 à 10 ans Nombre d'enfants âgés de 10 à 15 ans

9 Variables explicatives Montréalais Lavallois Nord-Riverain Sud-Riverain distance du centre-ville (Km) densité densité <1000 pers/km² (1) densité pers/km² (2) densité pers/km² (3) densité pers/km² (4) densité pers/km² (5) densité pers/km² (6) densité pers/km² (7) densité pers/km² (8) densité pers/km² (9) densité >14000 pers/km² (10) * territoire non comparable

10 Variables explicatives métro à moins de 500 m métro à moins de 1 km gare à moins de 1 km gare à moins de 2,5 km gare à moins de 5 km

11 Analyse descriptive 100% 80% Proportion d auto-suffisants* selon le sexe, le groupe d'âge et la cohorte 60% 40% 20% 0% Hommes Femmes cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte cohorte *Auto-suffisants: Individus vivant dans un ménage où on dénombre au moins un véhicule par personne de 16 ans et plus

12 Hommes Femmes Hommes Femmes Analyse descriptive Proportion d auto-suffisants sur la population selon le sexe, le groupe d âge et la cohorte, pour les sous-population par région de résidence 100% Ensemble de la population 100% Montréalais 80% 60% 40% 20% 0% 80% 60% 40% 20% 0% 100% Hommes Lavallois Femmes 100% Hommes Sud-Riverains Femmes 80% 80% 60% 60% 40% 40% 20% 20% 0% 0%

13 Modélisation APC En bref Corrélation très forte entre les variables démographiques Période = Cohorte + Âge La fonction d égalité doit être respectée Ex: 2013 = ans Période 2013 Groupe de cohortes de 1970 à 1979 Groupe d âge de 30 à 39 ans

14 Modélisation APC En bref Pour un suivi possible des cohortes, les données d individus de plusieurs enquêtes doivent être utilisées Années d enquête groupe d'âge ans ans ans ans ans ans ans ans ans ans ans

15 Modélisation APC En bref Des coefficients sont estimés pour chaque variable explicative, ce qui implique qu un coefficient différent est associé à chaque groupe d âge, à chaque cohorte et à chaque période. Leur utilité? Visualisation des effets APC et identification des tendances Reconstituer la variable dépendante Y = exp (constante+ageᵢ cᵢ+périodeᵢ cᵢ+cohorteᵢ cᵢ+caractéristiqueᵢ cᵢ) Données modélisées Calculer une probabilité (variable binomiale) P(y)= 1 (1+exp (constante+ageᵢ cᵢ+périodeᵢ cᵢ+cohorteᵢ cᵢ+ caractéristiqueᵢ cᵢ)

16 Décomposition des effets Proportion d auto-suffisants variables de ménage Classes de variables variables coefficient z P> z Constante -2, ,1800 0,0000 sexe femme -0, ,3300 0,0000 taille du ménage nombre d'enfants par groupe d'âge région de résidence classe de densité offre de transport 1 personne/logis 2, ,3800 0, personnes/logis 1, ,8600 0, personnes/logis 0, ,0000 0,0000 enfants préscolaires 0, ,1900 0,0000 enfants âgés de 5 à 10 ans 0, ,3000 0,0000 enfants âgés de 10 à 15 ans 0, ,6100 0,0000 Lavalois 0, ,0900 0,0000 Sud-Riverain 0, ,6100 0,0000 distance du centre-ville (Km) 0, ,6300 0,0000 densité pers/km² (2) -0, ,7100 0,0000 densité pers/km² (3) -0, ,1200 0,0000 densité pers/km² (4) -0, ,9200 0,0000 densité pers/km² (5) -0, ,7200 0,0000 densité pers/km² (6) -0, ,1900 0,0000 densité pers/km² (7) -1, ,4300 0,0000 densité pers/km² (8) -1, ,1300 0,0000 densité pers/km² (9) -1, ,9500 0,0000 densité >14000 pers/km² (10) -1, ,7800 0,0000 metro 500m -0, ,4300 0,0000 gare 1km -0, ,7200 0,0000 gare 5 Km 0, ,9700 0,0000

17 coefficient Visualisation des effets Proportion d auto-suffisants* âge période cohorte *Auto-suffisants: Individus vivant dans un ménage où on dénombre au moins un véhicule par personne de 16 ans et plus

18 100% 100% 80% 90% 80% 60% 70% 60% 40% 50% 40% 20% 30% 20% 10% 0% Validation du modèle Proportion d auto-suffisants* Proportion Proportion d'auto-suffisants d'auto-suffisants selon selon le le sexe, sexe, le le groupe groupe d'âge d'âge et et la la cohorte cohorte : : comparaison comparaison des des données données observées observées et et des des données données modélisées modélisées Hommes Femmes cohorte obs cohorte obs cohorte obs cohorte obs cohorte obs. cohorte 1948 obs. cohorte Hommes 1958 obs. cohorte 1968 obs. cohorte 1978 Femmes obs. cohorte 1988 obs. cohorte 1998 obs. cohorte 2008 obs. cohorte 1898 mod. cohorte 1908 mod. cohorte 1918 mod. cohorte obs. mod cohorte - obs mod. - obs. cohorte mod. cohorte mod mod cohorte - mod mod. cohorte 1978 mod. cohorte 1988 mod. cohorte 1998 mod. cohorte 2008 mod. *Auto-suffisants: Individus vivant dans un ménage où on dénombre au moins un véhicule par membre de 16 ans et plus

19 Validation du modèle Proportion d auto-suffisants Écart (%) entre les proportions moyennes observées et les proportions moyennes modélisées Écart

20 coefficient Visualisation des effets APC Proportion de non-mobiles âge période cohorte

21 coefficient Visualisation des effets Part modale Transport en commun des déplacements à motif Travail âge période cohorte

22 Limites rencontrées On devrait pouvoir caractériser, à travers les temps, l exposition à : L offre de transport alternatif L offre et le tarif de stationnement L offre de transport en commun puisqu il est évident que ces variables ont un impact sur le choix modal et le choix individuel à se motoriser.

23 Limites rencontrées Pouvoir caractériser l exposition à l offre de transport, selon certaines variables E N J E U X -Disponibilité des données historiques Fréquence d offre moyenne TC? de - Réseaux passages de d autobus modélisation dans (MADITUC) un rayon vs de GTFS! 500m # du passagesarrêts domicile MAIS indicateur d exposition à l offre -Arrêts vs point de contrôle / point de géométrie Longueur du réseau routier dans un rayon de -Disponibilité 500m du domicile du réseau routier pour 1986 (équivalent FPR) l enquête 1987 (1986)?

24 Contributions visées: Identification des tendances émergentes, déclinantes et des effets ponctuels dans le but d améliorer la méthode prévisionnelle actuellement utilisée Prévision démographique population Facteur de pondération Hypothèses Localisation Tendances Occupation émergentes Motorisation Ect. Tendances Analyse démographique lourdes Modélisation APC Visualisation de nouveaux phénomènes Modèle de prévision de la demande de transport Tendances déclinantes Décomposition des effets Demande de transport future Effet ponctuel (période) Inspirée de : MADEDE: Modèle de prévision de la demande dans (Pimparé & Thiffault, 2000)