Analyse des interactions entre le niveau de motorisation et les choix de nouveaux modes de transport des ménages en France Amandine Chevalier (*), Frédéric Lantz(**) (*) Cerma, Direction Technique Territoire et Ville, 2 rue Antoine Charial, 69003 Lyon - amandine.bibet-chevallier@cerema.fr (**) IFP Energies nouvelles, IFP School, 228 avenue Napoléon Bonaparte 92852 Rueil-Malmaison cedex frederic.lantz@ifpen.fr
Agenda 1. Introduction 2. Analyse des déplacements quotidiens et de l équipement des ménages 3. Modélisation économétrique du taux d équipement des ménages 4. Modélisation des choix de mode de transport à partir d un modèle logit multinomial 5. Conclusion 1
De nouveaux modes de transport apparaissent ou réapparaissent dans les déplacements quotidiens des ménages L automobile est utilisée pour plus de 80% des déplacements des ménages Cependant, la distance parcourue en automobile diminue en passant de 13539 km/an en 2000 à 12699 km/an en 2013. Les bus et autocars progressent de 30165 km/an à 36120 km/an sur la même période. De nouveaux services de mobilité apparaissent (covoiturage et autopartage notamment). 2
Agenda 1. Introduction 2. Analyse des déplacements quotidiens et de l équipement des ménages 3. Modélisation économétrique du taux d équipement des ménages 4. Modélisation des choix de mode de transport à partir d un modèle logit multinomial 5. Conclusion 3
Evolution de la répartition des modes de déplacement Depuis le début des années 80, la voiture est le principal mode de transport utilisé, suivie de la marche, des transports en commun et enfin des deux-roues. L analyse des choix modaux met en évidence la rationalité des ménages, combinant impératifs de déplacements éventuellement multiples et coûts associés aux transports. De nouveaux modes de transports apparaissent, ainsi le covoiturage concerne désormais un nombre croissant de déplacements. Figure Evolution de la répartition des modes de déplacement Source : Calcul de l auteur, d après Enquêtes Transport - 1981-1982 - (1982), INSEE ; Transports et communications - 1993-1994 - (1994), INSEE ; Transports et déplacements (ENTD) - 2008 - (2008), SOeS, Centre Maurice Halbwachs (CMH) 4
Le taux d équipement des ménages en automobile Le niveau d équipement des ménages évolue dans le temps, suivant les classes d âges et suivant les zones géographiques. Les ménages ruraux possèdent davantage de voitures, en moyenne, que les ménages parisiens. Le taux de motorisation de ces derniers diminue sur la dernière génération. Figure : Nombre moyen de voitures par ménage au fil des générations, en milieu rural Figure : Nombre moyen de voitures par ménage au fil des générations, à Paris 5
Consommation de carburant routier en France (essence + gazole) La consommation des voitures particulières représentent plus de la moitié de la consommation de carburant Cette consommation est en léger repli sur la dernière décennie La consommation des 2 roues et des bus et autocars est en progression Unité : million de tep Source : CPDP 6
Agenda 1. Introduction 2. Analyse des déplacements quotidiens et de l équipement des ménages 3. Modélisation économétrique du taux d équipement des ménages 4. Modélisation des choix de mode de transport à partir d un modèle logit multinomial 5. Conclusion 7
Modélisation du taux d équipement des ménages Construction d un modèle de panel pour prendre en compte les effets de génération sous la forme : ln N it = α i + β A ln A it + β R ln R it + β P ln P t + β alter alter + u it Tableau - Estimation du modèle à effet fixe Variable Coefficient Ecart-type P-value Constante 8.66 0.96 0.00 Age 3.39 0.41 0.00 Revenu 0.18 0.10 0.09 Prix d achat -2.46 0.18 0.00 Alternative -0.32 0.96 0.00 Observations 75 R² within 0.935 F test F(34,6) = 45.87 Prob>F=0.00 Les effets de génération apparaissent distincts ainsi que les effets des zones géographiques 8
Exercices prédictifs à l horizon 2020 Les principaux points ressortent des exercices prospectifs: - La génération qui aura 30 à 44 ans à horizon 2020, continuerait de s équiper dans toutes les zones d habitation. - L effet générationnel resterait globalement positif en province et négatif à Paris - En milieu rural et dans les petites villes, la motorisation des 30-44 ans serait supérieure à celle de la même classe d âge de la génération précédente - Elle serait de même niveau dans les villes moyennes et les grandes agglomérations. 9 Figure : Prévision du nombre moyen de voitures par ménage en milieu rural Figure : Prévision du nombre moyen de voitures par ménage à Paris
Agenda 1. Introduction 2. Analyse des déplacements quotidiens et de l équipement des ménages 3. Modélisation économétrique du taux d équipement des ménages 4. Modélisation des choix de mode de transport à partir d un modèle logit multinomial 5. Conclusion 10
Modèle logit multinomial On construit un modèle économétrique pour estimer les choix des ménages entre 6 modes de transport, voiture personnelle, voiture partagée, motocyclette, vélo, marche et transport en commun. Dans le cas du choix modal, l individu i compare les différents niveaux d utilité associés aux différents choix et opte pour celui qui maximise son utilité parmi j modalités (ici, j modes de transports j=0,,5) : Pour l individu i, l utilité du choix j est : U ij = f(x ij )+ε ij Où x ij est un vecteur des caractéristiques individuelles ou de caractéristiques propres aux différents choix offerts, et ε ij un terme d erreur. 11
Estimation et prévision La somme des probabilités est égale à 1. On estime ainsi les paramètres du modèle pour toutes les modalités sauf une qui est choisie comme référence (ici l automobile) Le modèle est estimé par maximum de vraisemblance. On effectue une prédiction à partir du modèle estimé et des valeurs futures des variables explicatives. On construit des intervalles bootstrap des intervalles de prédiction. Figure : principe de rééchantillonnage du bootstrap 12
Estimation du modèle logit multinomial indépendant Variable Shared car Motorcycle Bike Walking Public transport Constant -3.8070** (1.9152) Distance -0.2625 (0.2946) Density (1=Paris to 7=rural area) 0.3062 (0.1879) Motorization -2.6028*** (0.5760) Age -0.0107 (0.0170) Marital status 1.1477** (0.5057) Number of observations 3.6326*** (1.0709) -0.6165*** (0.2174) -0.2449** (0.1145) -3.8533*** (0.4233) -0.0722*** (0.0140) 1.1749*** (0.2767) 6.1623*** (0.9501) -1.8559*** (0.2151) -0.2455** (0.1059) -3.0637*** (0.3527) -0.0519*** (0.0102) 0.8464*** (0.2909) 1413 Log-likelihood -1079 Personal car is the reference Standard deviation in parenthesis ***: significant at 1% ; **: significant at 5% ; *: significant at 10% 5.8934*** (0.6520) -2.3348*** (0.1451) -0.2080*** (0.0655) -1.6787*** (0.2157) -0.0121* (0.006302) 0.6427*** (0.2084) 4.5689*** (0.5291) -0.7297*** (0.0920) -0.4802*** (0.0544) -2.0262*** (0.1811) -0.0233*** (0.005149) 0.8741*** (0.1534) 13
Modèle logit multinomial indépendant Ratio des probabilités (Odd ratio) Variable Shared car Motorcycle Bike Walking Public transport Distance 0.769 0.540 0.156 0.097 0.482 Density 1.358 0.783 0.782 0.812 0.619 Motorization 0.074 0.021 0.047 0.187 0.132 Age 0.989 0.930 0.949 0.988 0.977 Marital stats 3.151 3.238 2.331 1.902 2.397 Personal car is the reference 14
Hypothèses pour les valeurs futures des facteurs explicatifs des choix de mode de transport à l horizon 2020 Entre 2010 et 2020 : le nombre de kilomètres parcourus par jour pourrait s allonger en passant de 20,7 km à 22,2 km L âge moyen devrait passer de 47 à 49 ans, Les personnes vivant en couple resteront majoritaires, mais les ménages constitués d une seule personne pourraient passer de 42% à 45% des ménages La répartition des ménages entre aires urbaines/rurale pourrait rester stable. Plusieurs scénarios de motorisation sont analysés: Déséquipement : majorité des ménages non motorisée Mono-équipement : majorité des ménages mono-équipée Multi-équipement : majorité des ménages multi-motorisée 15
Prédiction des parts modales à horizon 2020 à partir du modèle logit multinomial (modélisation par profil de mobilité) 16
Substitutions entre les modes de transport On analyse la distribution des intervalles de prédiction pour les déplacements liés au travail. On distingue les probabilités d utiliser des modes de transport alternatifs suivant qu on est audessus ou au-dessous de la médiane de la probabilité d utiliser la voiture personnelle. On observe une substitution entre ces modes de transport. Figure distribution bootstrap de l intervalle de prédiction de la probabilité de prendre les transports en commun Figure distribution bootstrap de l intervalle de prédiction de la probabilité de prendre une voiture partagée
Agenda 1. Introduction 2. Analyse des déplacements quotidiens et de l équipement des ménages 3. Modélisation économétrique du taux d équipement des ménages 4. Modélisation des choix de mode de transport à partir d un modèle logit multinomial 5. Conclusion 18
Conclusion La voiture individuelle est le mode de transport le plus utilisé mais la part que celle-ci représente dans les déplacements quotidiens est en légère diminution au cours de la dernière décennie. La possession d une automobile, la distance à parcourir et la densité de la zone d habitation contribuent fortement à expliquer le choix de la voiture comme mode de transport au quotidien. Lorsque les ménages décident de ne plus s équiper en automobile, le report le plus important apparaît vers les transports en commun. Le développement d une offre de transports alternatifs pourrait contribuer au développement de ces différents modes de transports