Navigation – Plan du site

AccueilRubriquesSystèmes, Modélisation, Géostatis...2014Morphologie urbaine et mobilité d...

2014
702

Morphologie urbaine et mobilité dans la Communauté Urbaine de Strasbourg

Urban morphology and mobility in Strasbourg
Dong-Binh Tran, Arnaud Piombini, Michal Ignatowicz, Diego Moreno, Rassil Frigui, Anne Aguiléra et Dominique Badariotti

Résumés

Cet article s’intéresse aux relations entre morphologie urbaine et comportements de mobilité. La morphologie urbaine est abordée par des indicateurs portant sur le bâti et le réseau viaire tandis que les données sur la mobilité et les caractéristiques socio-économiques de la population proviennent de l’Enquête ménages déplacements (EMD) du Certu. L’aspect original développé dans cet article réside dans la caractérisation de la forme bâtie au moyen d’indicateurs morphologiques issus de l’écologie du paysage. Divers tests statistiques permettent de préciser la nature des relations entre morphologie urbaine et mobilité au sein de la Communauté urbaine de Strasbourg (CUS). Certains indicateurs morphologiques de proximité et de fragmentation complètent ainsi les critères socio-économiques classiques pour expliquer les types de mobilité relevés.

Haut de page

Texte intégral

Introduction

1Dans cet article, nous postulons que le fonctionnement des villes est une conséquence des formes urbaines. Les grands projets d’extension, de rénovation ou de création urbaine des XIXe et XXe siècles, voire des siècles précédents, se sont clairement inscrits dans une perspective fonctionnaliste, caractéristique de l’approche spatiale des architectes et des urbanistes. Selon cette approche, ce sont les fonctions qu’un espace doit occuper qui conditionnent le plan et la structure du bâti : la forme d’un bâtiment, d’un quartier, est en quelque sorte le support du fonctionnement, il est conforme aux besoins des fonctions qu’il héberge. Or, l’espace ne peut être considéré comme un simple support de l’activité ; c’est au contraire un élément actif essentiel dans l’analyse des structures sociales. Comme le rappelait Webber dès 1964, il faut traiter simultanément le processus et la forme, le fonctionnement de la ville et son environnement physique. Les urbanistes, par le biais des aménagements spatiaux peuvent aussi agir sur les processus d’interaction, notamment les déplacements induits par les formes bâties. La planification urbaine exige donc un mode de description de la structure spatiale rigoureux et systématique (Webber, 1964).

2Les travaux de la syntaxe spatiale proposent depuis longtemps une analyse configurationnelle des espaces, des bâtiments et des réseaux qui, par leur morphologie, sont censés avoir un impact sur les comportements des citadins. En effet, selon cette théorie, on cherche souvent à déchiffrer l’influence des facteurs sociaux sur la forme spatiale (spatial logic of society) mais il est moins courant de travailler sur l’impact de la forme spatiale sur le social (social logic of space). Très majoritairement, les travaux sur les mobilités urbaines se caractérisent par une entrée fonctionnelle. Or, la morphologie urbaine est, selon nous, un élément qui conditionne les actions individuelles, notamment en termes de mobilité. Pour appréhender ces effets sociaux des formes urbaines, il est donc essentiel de proposer, en amont, des indices capables de caractériser les espaces urbains. Au-delà de l’opposition classique entre ville dense et étalée, il n’est pas aisé de mesurer et caractériser la morphologie des tissus urbains et il n’y a pas d’indice unique permettant de décrire l’organisation, l’arrangement spatial des bâtiments par nature très complexes (Thomas et al., 2008). En outre, les travaux sont souvent menés à l’échelle des agglomérations et les approches portant sur les tissus intra-urbains sont plus rares (Batty et Xie, 1996 ; De Keersmaecker et al., 2004). Certains auteurs comme Zhang et al. (2004) postulent que ces configurations bâties peuvent être quantifiées localement par des indices paysagers mais ils n’abordent pas la question des mobilités urbaines. Ainsi, les indices morphologiques qui rendent compte des associations particulières du bâti à une échelle locale ne sont que rarement confrontés aux pratiques de mobilité. Pourtant, les multiples combinaisons possibles des éléments bâtis exercent, selon nous, une influence décisive sur la vie urbaine en favorisant l’émergence de comportements de mobilité localement très variés (Bürklin et Peterek, 2008). C’est pourquoi nous proposons une approche complémentaire aux nombreux travaux existant dans ce domaine et qui permet de lier forme urbaine et mobilité (Le Néchet et Aguiléra, 2012 ; Ewing et Cervero, 2010). Pour cela, nous nous appuyons sur le concept de » morpho-mobilité » urbaine qui s’inspire des travaux précurseurs de Thompson (1992) mais aussi des travaux actuels de la théorie constructale (Bejan, 2007 ; Bejan et Ledezma, 1998 ; Bejan et Lorente, 2005) qui désignent la propension des différents tissus urbains, traduits par le plan de la ville reposant sur la répartition des bâtiments et de leurs voiries de desserte, à favoriser la mobilité en général et certains types de déplacements en particulier.

3L’hypothèse générale qui sous-tend notre recherche repose sur le fait que les morphologies urbaines (bâtiments et réseaux) présentent des propriétés différentes du point de vue des proximités qu’elles induisent et des accessibilités qu’elles permettent. Ces propriétés peuvent compléter les caractéristiques socio-économiques des espaces urbains dans l’optique de mieux comprendre les potentiels de mobilité intra-urbaine. Notre démarche vise à calculer, pour les différents espaces constitutifs de la Communauté urbaine de Strasbourg (CUS), des indicateurs de forme urbaine reposant sur les éléments bâtis et de voirie, puis à les confronter à des indicateurs de mobilité des résidents. Dans notre approche, nous proposons des indicateurs socio-économiques associés aux ménages, et réticulaires relatifs à la forme locale des rues Mais l’aspect original tient surtout à la caractérisation de la forme bâtie au moyen d’indicateurs morphologiques locaux issus de l’écologie du paysage (Aguilera et al., 2011). Ces indicateurs morphologiques, qui permettent d’aborder la fragmentation et la connectivité du bâti, complètent ceux utilisés traditionnellement dans ce genre d’approches. L’objectif consiste à identifier un potentiel de génération de mobilité pour chaque zone d’étude, sur la seule base de ses caractéristiques internes, en vue d’établir un lien entre les caractéristiques morphologiques et réticulaires locales et la mobilité émise localement et qui va se diffuser au sein de la CUS. Cette démarche relativement simple et reproductible présente un intérêt en termes d’aménagement du territoire car elle permet d’établir un lien direct avec les formes construites localement, indépendamment de la localisation des destinations de déplacements et de l’affectation des flux sur le réseau.

4Dans cet article, nous proposons tout d’abord un état de l’art des recherches associant formes et mobilité, puis nous présentons le territoire d’étude choisi et les données mobilisées. Ensuite, nous décrivons les variables et les méthodes d’analyse utilisées et, enfin, nous présentons les résultats de nos analyses avant de conclure.

État de l’art

5La connaissance des facteurs qui conditionnent les pratiques de mobilité est un atout essentiel d’aide à la décision pour l’aménagement de villes de plus en plus étendues et complexes dans leur forme et leur fonctionnement (Webber, 1996). De très nombreux travaux ont été produits sur ce sujet au cours des vingt dernières années. Il s’agit principalement de monographies dans lesquelles les villes nord-américaines sont sur-représentées, de même que la mobilité domicile-travail, pour des raisons de disponibilité des données et de poids de ces déplacements dans l’usage de l’automobile dans les espaces urbains (Aguiléra et al., 2010). Les résultats obtenus sont de deux ordres. Premièrement, les pratiques de mobilité dépendent avant tout des modes de vie, et donc des caractéristiques socio-économiques des habitants, comme le revenu, le genre ou la composition familiale (Giuliano et Dargay, 2005 ; Schwanen et al., 2004 ; Stead et Marshall, 2001). Deuxièmement, la forme urbaine n’est pas sans effet sur les pratiques de déplacement.

6La nature des indicateurs de forme urbaine influençant les pratiques de mobilité n’est pas une question tranchée et de très nombreux travaux ont permis de tester des indicateurs variés (Le Néchet et Aguiléra, 2012). D’un point de vue fonctionnel, la densité d’emplois ou de résidents est très souvent mobilisée (Fouchier et Merlin, 1994), tout comme la diversité des fonctions urbaines, pour mettre en évidence un impact sur le nombre de déplacements de courte distance et les trajets multi-motifs, réduisant ainsi la génération des déplacements (Cervero, 2002 ; Cervero et Kockelman, 1997 ; Crane et Crepeau, 1998 ; Garcia-Palomares, 2010 ; Handy et al., 2005 ; Lin et Yang, 2009). Ewing et Cervero (2010) notent toutefois, au terme d’une méta-analyse sur plus de 200 articles scientifiques, que les densités de population et d’emplois n’influencent que faiblement les comportements de mobilité. D’un point de vue morphologique, dans la lignée des travaux très connus de Newman et Kenworthy (1989) montrant une relation inverse entre densité et consommation d’énergie dans les transports pour de nombreuses villes du monde, des travaux ont montré que la densité bâtie favorise l’usage des modes doux et collectifs, réduit la distance et le budget-temps de déplacement et diminue le taux de motorisation à une échelle intra-urbaine (Aguiléra et Proulhac, 2006 ; Cervero et Kockelman, 1997 ; Frank et Pivo, 1994 ; Kitamura et al., 1997 ; Naess, 2003 ; Schwanen, 2002 ; Schwanen et al., 2004). Notons par ailleurs que Cervero et Kockelman (1997) ainsi que Ewing et Cervero (2001) ont montré qu’outre la densité et la diversité des fonctions, le design et le tracé des rues (nombre d’intersections ou linéaire de voirie à vitesse réduite par exemple) sont également pertinents pour expliquer les comportements de mobilité des résidents d’un quartier. Ainsi, Lin et Yang (2009) considèrent que la densité des voies et des trottoirs, de même que le réseau en forme de quadrillage, créent un espace piéton convivial qui encourage les déplacements piétonniers, cyclistes et en transports en commun. Genre-Grandpierre et Foltête (2003) ont également montré que l’efficacité du réseau local de voirie influence significativement les pratiques piétonnières. Ces » three Ds » (densité, diversité et design) sont identifiés par Cervero et Kockelman (1997) comme les principaux déterminants d’une modération de la mobilité, notamment motorisée. Ils sont, par exemple, utilisés par l’US Environmental Protection Agency dans leur outil de planification visant à améliorer les pratiques de mobilité.

  • 1 De nombreux articles recensent et comparent les indices paysagers, notamment ceux proposés dans Fra (...)
  • 2 Il existe en effet des similitudes entre la notion de tache d’habitat en écologie et le bâti en mil (...)

7Souhaitant poursuivre ce débat, nous proposons dans cet article d’analyser l’influence d’indicateurs spécifiques de forme bâtie sur la mobilité. Cette démarche propose une approche complémentaire aux travaux recensés précédemment en se focalisant sur l’analyse d’indicateurs morphologiques précis à une échelle intra-urbaine. En architecture, de nombreux indices morphométriques sont utilisés pour caractériser les espaces ouverts (Batty, 2001) et permettent d’établir un lien avec les pratiques de mobilité (Piombini et al., 2014) mais, du point de vue du bâti, les études qui ont été menées en ce sens sont plus rares. Aguilera et al. (2011) ou Zhang et al. (2004), par exemple, ont proposé d’utiliser des indices paysagers pour quantifier l’évolution du tissu urbain. Dans cette optique, Hess et al. (2001) remarquent que le lien entre densité, diversité et mobilité est difficile à établir car les indicateurs relatifs aux formes bâties manquent de précision. C’est pourquoi ils proposent également de s’inspirer des indices utilisés en écologie du paysage pour quantifier et caractériser plus finement les configurations spatiales d’occupation du sol1. Ils mentionnent ainsi, sans toutefois proposer d’application concrète, la possibilité de calculer certains indices du logiciel Fragstats dans un contexte urbain pour établir un lien avec les mobilités2. D’un point de vue méthodologique, notre travail s’appuie très clairement sur cette hypothèse.

8En effet, nous appréhendons la morphologie bâtie par la fragmentation des bâtiments dans l’espace, la proximité entre ces éléments ainsi que la forme des parcelles bâties. Les éléments réticulaires sont, quant à eux, abordés sous l’angle des densités. L’échelle d’étude retenue est également notable. Allaire (2007), Aguiléra et Mignot (2010) ainsi que Le Néchet (2010) plaident pour une modélisation des formes urbaines à plusieurs échelles spatiales, de l’agglomération urbaine au quartier d’habitation. Kitamura et al. (1997) ont par exemple analysé la mobilité des résidents d’un quartier en lien avec la forme urbaine de ce quartier. Handy et al. (2005) abordent quant à eux la morphologie urbaine et la mobilité comme une interaction en associant la localisation résidentielle aux préférences des individus en matière de mobilité. C’est dans cette optique que nous avons choisi d’étudier de quelle manière les caractéristiques morphologiques des espaces autour des lieux de résidence conditionnent les pratiques de mobilité, indépendamment du contexte plus large dans lequel s’inscrit nécessairement la mobilité intra-urbaine. En effet, Bottai et al. (2006) ont montré que les comportements de mobilité des personnes vivant dans le même environnement tendent à être comparativement plus homogènes. Cette recherche vise donc à répondre aux questions suivantes. Comment s’expriment les différences de mobilité locales en considérant, à la suite de Pouyanne (2004), qu’il existe une interaction triangulaire entre la mobilité, la forme urbaine et les variables socio-démographiques ? Et partant, peut-on produire des indicateurs morphologiques qui expliquent en partie les comportements de mobilité relevés dans l’Enquête ménages déplacements du Certu (EMD) ? Nous nous intéressons particulièrement à l’analyse de la contribution des morphologies urbaines, en tant que générateur de mobilité, aux distances parcourues et au choix des modes de transports. Notre hypothèse est qu’il existe des morphologies, des modes d’agencements urbains autour des lieux de résidence qui peuvent favoriser une minimisation des distances parcourues et l’usage de modes de transport alternatifs à l’automobile. Nous cherchons donc à identifier dans les tissus urbains existants les caractéristiques morphologiques les plus efficientes au regard de cet objectif.

9À cette fin, après avoir présenté les caractéristiques du site d’étude et les données utilisées, nous confronterons la morphologie du tissu urbain, caractérisée par des indicateurs issus des métriques paysagères (McGarigal et Marks, 1994), des indices de densité de réseau viaire, ainsi que des caractéristiques socio-économiques des espaces urbains, aux mesures de mobilité issues de l’EMD. Dans le but de mettre en évidence ces relations, nous travaillerons sur la base des 34 secteurs urbains définis dans l’EMD strasbourgeoise.

Site d’étude et données

Contexte d’étude

10Notre site d’étude correspond à la Communauté urbaine de Strasbourg. Elle comprend la commune de Strasbourg et sa périphérie immédiate pour former une agglomération d’environ 400 000 habitants située dans un site de plaine, en bordure du Rhin, et traversée par l’Ill. Le développement de la ville a été plutôt de type monocentrique, sans grande contrainte de relief mais avec des conditions hydrographiques parfois limitantes. Dès les années 1960, l’agglomération a connu une phase d’étalement urbain relativement important. Différents espaces urbains peuvent être distingués du point de vue de leur trame viaire et de la disposition des bâtiments : à un centre et un péri-centre médiévaux très denses et tortueux, succèdent des faubourgs et des quartiers de type wilhelmien, des grands ensembles et des quartiers résidentiels, puis des espaces industriels et/ou portuaires, et enfin d’anciens noyaux villageois et leurs couronnes de lotissements de maisons individuelles. La frontière allemande a longtemps constitué un frein à l’expansion urbaine en direction de l’est. Aujourd’hui, Kehl, ville allemande la plus proche de la frontière, entretient des interrelations fortes avec la capitale alsacienne et accueille toujours plus de travailleurs et de résidents français à la recherche de prix immobiliers beaucoup plus abordables.

  • 3 Agence de développement et d’urbanisme de l’agglomération Strasbourgeoise.
  • 4 La journée continue effectuée par une personne est définie selon l’Adeus par une présence de plus d (...)

11La CUS est connue pour sa politique active en faveur des transports publics et des modes doux ; elle fait réaliser depuis 25 ans des EMD pour éclairer sa politique de transports. En 2009, elle a effectué sa troisième EMD auprès de 5 990 personnes de plus de 4 ans (2 729 ménages). En termes de mobilité et de part modale de l’automobile, Strasbourg affiche une tendance à la baisse par rapport aux EMD de 1986 et 1997, conformément aux évolutions relevées dans d’autres grandes métropoles régionales. Il y a en moyenne 3,87 déplacements effectués par jour et par personne dans la CUS en 2009 contre 4,53 en 1997 et 4,06 en 1988. Cette baisse concerne la plupart des motifs de déplacements ainsi que toutes les classes d’habitants (âge, sexe, catégorie socio-professionnelle). L’Adeus3 (2010) a constaté que le premier facteur de cette baisse est la variation de la structure démographique : en effet, la part de population la moins mobile (plus de 50 ans) a augmenté, ce qui a contribué à une baisse de 10 % du nombre de déplacements. Le changement vers un mode de vie plus économe en déplacements par la modification de l’organisation de la journée a également eu un impact direct sur la baisse du nombre de déplacements (de l’ordre de 20 %). En effet, la part des journées continues4 consacrée au travail, aux études ou à l’école est en augmentation (moins de retours au domicile pour le déjeuner).

12En ce qui concerne le mode de transport, la marche à pied représente toujours le tiers des déplacements dans la CUS en 2009, tandis que le vélo se rapproche de son taux de 1988 (7,6 %). Les transports en commun atteignent 13 % et la part de la voiture passe pour la première fois sous les 50 % (Figure 1).

Figure  : Évolution de la part modale de déplacements dans la CUS entre 1988 et 2009 (ADEUS, 2010).

Figure  : Évolution de la part modale de déplacements dans la CUS entre 1988 et 2009 (ADEUS, 2010).

Données utilisées

13Les données mobilisées dans le cadre de cette étude sont de deux types :

  • Des données cartographiques vectorielles : il s’agit des données d’emprise au sol des bâtiments et du réseau routier issues de la BD Topo de l’IGN 2006. Ces données vont servir à constituer des indicateurs morphologiques et réticulaires.

    • 5 Les « zones fines » correspondent au découpage de base de l’analyse des mobilités permettant le rep (...)

    Des données de mobilité assorties de quelques indicateurs socio-économiques relatifs aux ménages enquêtés : ce sont les résultats issus de l’EMD 2009. Les EMD sont réalisées au sein des secteurs de tirage prédéfinis qui correspondent à une zone d’échantillonnage par agrégation d’un ensemble de zones Iris de l’Insee. Les secteurs de tirage correspondent au regroupement des » zones fines"5 et constituent la base d’administration de l’enquête et du redressement des données. Au total, nous disposons de 480 » zones fines » pour 34 secteurs de tirage dont 18 correspondent à la ville de Strasbourg (Figure 2).

  • 6 À titre d’exemple, le secteur 25 « Port Autonome » à Strasbourg associe une zone industrielle portu (...)

14Les secteurs de tirage constituent l’échelon le plus fin pour lequel les effectifs de l’enquête sont statistiquement représentatifs : la taille de l’échantillon par secteur est fixée de manière à assurer une fiabilité minimale des résultats. Pour cette raison, nous avons choisi de travailler à l’échelle des secteurs de tirage de l’EMD. En théorie, les secteurs doivent être, d’un point de vue urbanistique et social, relativement homogènes. La réalité est plus contrastée et certains secteurs se caractérisent par une hétérogénéité spatiale relativement élevée6. Toutefois, les différences inter-secteurs sont les plus marquées ce qui rend le calcul d’indicateurs morphologiques et de réseaux pertinent à l’échelle des secteurs de tirage. Cela permet, en outre, un croisement aisé avec les variables de mobilité issues de l’EMD.

Figure  : Bâti dans les secteurs de tirage de l’EMD de 2009.

Figure  : Bâti dans les secteurs de tirage de l’EMD de 2009.

Méthodes

Constitution des variables morphologiques, réticulaires et de mobilité

15Les indicateurs présentés ci-dessous sont calculés pour chacun des secteurs de l’EMD.

Les variables morphologiques

16Les variables morphologiques permettent de décrire le mode d’agencement du bâti. Ces éléments portent sur la fragmentation des éléments bâtis dans l’espace ainsi que sur la connectivité entre ces éléments. Ces indicateurs calculés après la rastérisation de la BD Topo sont référencés dans le logiciel Fragstats (McGarigal et Marks, 1995). Ces indices ont été plus particulièrement développés en écologie du paysage (Gustafson, 1998 ; McGarigal et al., 2002) afin de caractériser la structure spatiale du paysage étudié. Il s’agit de mesures de la fragmentation du paysage, basées sur les taches qui en sont l’unité de base. Ces taches ou ensembles de taches constituent des zones homogènes, comme par exemple une forêt ou une zone résidentielle. Les mesures morphologiques proposées ont pour objectif de mettre en évidence les relations de proximité, de contraste, de connectivité et de diversité entre ces éléments paysagers.

17Selon nous, certains indices peuvent tout à fait être mobilisés en milieu urbain pour rendre compte de la morphologie des éléments bâtis. En effet, ceux-ci mesurent la forme et la distribution des structures spatiales, permettant ainsi d’identifier et de caractériser des formes complexes, notamment bâties (Antrop et Eetvelde, 2000 ; Herold et al., 2003 ; Skupinski et al., 2009 ; Weng, 2007). Dans le cadre de cette recherche, les taches correspondront donc à des zones contigües de bâti et nous retiendrons quelques indices permettant de mettre en évidence certaines caractéristiques des structures bâties (Tableau 1). Comme nous nous situons dans une approche morphologique, nous considérons tous les types de bâtiments sans tenir compte de leur caractère fonctionnel.

18Le nombre de taches bâties, la densité des taches bâties, la tache majeure du bâti ainsi que la taille moyenne des taches bâties, donnent une indication sur le degré de fragmentation des éléments constitutifs de la morphologie.

19L’indicateur de dimension fractale est utilisé pour sa capacité à décrire la complexité de l’organisation spatiale urbaine et l’autosimilarité des objets (Batty, 1991 ; Batty et Xie, 1996 ; Batty, 2005 ; Frankhauser, 1994 ; Frankhauser et Pumain, 2007 ; Thomas et al., 2008 ; Thomas et al., 2010). Cet indicateur est utilisé, dans cette étude, pour mesurer la complexité de forme des bâtiments qui peut composer, avec les routes, des plans de quartiers particuliers. Cet indice varie entre 1 (forme simple) et 2 (forme complexe).

20L’indice d’agrégation renseigne sur la connectivité, l’arrangement entre les bâtiments sur la base d’une matrice de voisinage. Cet indice varie entre 0 dans le cas d’une désagrégation maximale, et 100 pour une agrégation totale des éléments bâtis.

Tableau  : Liste des indicateurs morphologiques.

Tableau  : Liste des indicateurs morphologiques.

Les variables réticulaires

21Les variables morphologiques associées aux éléments bâtis sont complétées par des mesures portant sur le réseau viaire. Il s’agit de :

  • la longueur totale des routes à l’intérieur de chaque zone d’étude ;

  • la longueur des routes pondérée par la superficie de la zone ;

  • le nombre d’intersections à l’intérieur de chaque zone qui donne une indication sur l’interconnexion du réseau de voirie ;

  • le nombre d’intersections pondéré par la superficie de la zone, soit la densité des intersections exprimée par hectare.

22Ces variables simples pourraient bien entendu être complétées par des indicateurs plus complexes portant, par exemple, sur l’accessibilité. En outre, il s’agit de moyennes qui peuvent, pour certaines zones notamment périphériques, masquer de grandes disparités intra-zone. Pour autant, ces indicateurs, très présents dans la littérature scientifique (voir par exemple Strangl et Guinn, 2011 ; Haggett et Chorley, 1969), offrent l’avantage d’être faciles à calculer et à interpréter, notamment en lien avec les indices morphologiques retenus. Cela permettra de mettre facilement en évidence les associations spatiales entre formes bâties et trames viaires pour identifier ensuite l’incidence sur les types de mobilité relevés dans l’EMD.

Les variables de mobilité issues de l’EMD

23Les données de mobilité issues de l’EMD sont très abondantes et peuvent se décliner à deux niveaux différents : celles liées aux trajets élémentaires, qui sont associés à un mode de transport, et celles liées au déplacement, qui est l’unité de base de la mobilité quotidienne et peut associer plusieurs modes de transport pour un seul motif. Dans cette étude, ces deux niveaux de mesure de la mobilité sont utilisés et systématiquement calculés à partir du lieu de résidence (Tableau 2). Les variables classiques donnant des indications sur l’intensité et la fréquence de la mobilité sont associées à l’entité déplacement. Ces indicateurs agrégés par zone se composent de la distance, du temps, de la vitesse et du nombre de déplacements. Le choix modal, associé dans notre cas au trajet, est également considéré dans la mesure où il s’agit d’un indicateur très important dans le contexte d’une mobilité urbaine durable. Précisons par ailleurs que la mobilité est étudiée de manière globale, c’est-à-dire sans distinction de motifs de déplacement, comme cela est parfois d’usage (par exemple Tracy et al., 2008). En effet, même si certains travaux ont montré que le lien entre environnement bâti et mobilité est plus significatif dans le cadre des mobilités domicile-travail (Elldér, 2014), notre objectif est de mettre en évidence la manière dont l’environnement bâti, réticulaire et socio-économique autour du domicile est lié globalement à un potentiel de mobilité.

Tableau  : Liste des indicateurs de mobilité retenus

Tableau  : Liste des indicateurs de mobilité retenus

Variables socio-économiques sur les ménages enquêtés

24Si nous désirons tester l’influence de la morphologie urbaine sur la mobilité, il est également indispensable de mobiliser quelques variables socio-économiques de contrôle relatives aux ménages enquêtés dans l’EMD (Van Acker et al., 2007 ; Pouyanne, 2004 ; Frank et Pivo, 1994). Dans chaque zone ont été calculés l’âge moyen de la population enquêtée, le revenu moyen et la taille moyenne des ménages auxquels appartiennent les individus recensés. Ces caractéristiques jouent potentiellement un rôle sur les pratiques de mobilité relevées.

Analyse de la relation entre morphologie urbaine, réseaux viaires et mobilité

25La position spatiale au sein de l’agglomération constitue traditionnellement une variable structurante des analyses portant sur la mobilité et peut être rapprochée des travaux portant sur l’accessibilité des destinations de déplacement (Ewing et Cervero, 2001 ; Handy, 1993). Nous avons donc calculé la distance au centre de chaque zone EMD ainsi que la distance moyenne de chaque zone à toutes les autres. Il apparaît, dans un premier temps, que les variables socio-économiques que nous avons retenues (âge, revenu et taille du ménage) sont toutes positivement corrélées à la distance au centre. De la même manière, certains indices morphologiques et réticulaires mettent en évidence des structures spatiales déterminées selon une logique classique centre-périphérie. C’est par exemple le cas du nombre de taches bâties, très élevé dans les espaces périurbains où l’habitat pavillonnaire est dominant. Les indices de distance de déplacement ou de densité des intersections de rues obéissent également à cette logique de distance au centre même si certaines zones s’en affranchissent (Figure 3). Quant aux indices fractals et d’agrégation du bâti, ils tendent à différencier les zones centrales des zones périphériques mais de manière nettement moins marquée. Globalement, on retiendra que les indices réticulaires sont davantage corrélés à la distance au centre que les indices morphologiques. Ainsi, l’hypothèse d’un ordonnancement du bâti en fonction de la simple distance au centre est à nuancer au profit d’une analyse fine des interrelations entre les différents éléments étudiés.

Figure  : Valeurs prises par quelques indices au sein de l’agglomération (pour ces cartes comme pour les suivantes, la discrétisation selon la méthode de Jenks a été utilisée).

Figure  : Valeurs prises par quelques indices au sein de l’agglomération (pour ces cartes comme pour les suivantes, la discrétisation selon la méthode de Jenks a été utilisée).

26Plusieurs méthodes sont proposées dans le but de mettre en évidence la relation entre la morphologie bâtie, le réseau viaire (variables explicatives) et la mobilité des habitants dans la CUS (variable expliquée). Nous nous situons dans le cadre d’une approche agrégée, l’analyse statistique étant basée sur les zones EMD. Dans un premier temps, une analyse en composantes principales (ACP), dont les résultats seront présentés sous la forme d’un cercle des corrélations, nous renseignera sur la structure générale des données utilisées ainsi que sur la position de chaque zone dans le plan. Ensuite, un calcul de corrélations partielles permettra de tester les relations entre caractéristiques de mobilité et variables morphologiques et réticulaires en supprimant l’effet de la distance au centre. Pour finir, des régressions linéaires multiples par les moindres carrés ordinaires détermineront la part de la variance expliquée par une combinaison de facteurs socio-économiques, morphologiques et réticulaires pour chaque variable de mobilité (Cervero et Kockelman, 1997 ; Frank et al., 2000 ; Kitamura et al., 1997 ; Meurs et Haaijer, 2001). Nous utiliserons une méthode pas à pas qui permet d’inclure des variables une à une selon leur corrélation avec la variable dépendante et en tenant compte des variables progressivement incluses dans le modèle. Cela permet en partie de supprimer les problèmes de colinéarité entre variables. La significativité globale du modèle sera déterminée de manière classique par des tests d’hypothèse selon la probabilité critique (p-value).

Résultats

Analyse globale

27L’analyse en composantes principales des variables de mobilité permet de décrire les associations entre variables tout en mettant en évidence les ressemblances et oppositions entre les zones EMD. Seules les variables de mobilité ont servi au calcul de l’ACP, les indices morphologiques et réticulaires ayant été introduits en variables passives. L’ACP met en évidence l’inertie concentrée dans les deux premiers axes (50 % pour le premier axe et 24 % pour le second). Le cercle de corrélation permet de visualiser, sur le plan factoriel, les interrelations entre les variables dépendantes et indépendantes (Figure 4). Le premier axe identifie de manière classique une opposition entre des zones marquées par un usage important de l’automobile, et donc par des vitesses et des distances de déplacement élevées, et des zones où la marche est un mode de transport privilégié. Le positionnement des variables passives est intéressant au regard de cette nette opposition. On trouve du côté des zones motorisées les variables d’éloignement au centre, de longueur totale du réseau et de nombre de taches bâties qui favorisent ce mode de transport au détriment des modes alternatifs. A l’opposé, les zones pédestres se caractérisent par des densités de routes et d’intersections qui indiquent une accessibilité forte, favorable aux modes de transport plus lents. L’indice morphologique d’agrégation et, dans une moindre mesure, l’indicateur de tache majeure du bâti, montrent que nous nous situons dans des zones denses pour lesquelles il y a une contiguïté importante des éléments bâtis. La carte associée (Figure 5), représentant le positionnement des zones EMD dans le plan factoriel, met en évidence une certaine logique centre-périphérie pour ce premier axe.

Figure 4 : Représentation des variables dans le plan factoriel. Les variables actives de mobilité sont en rouge ; les variables passives sont en gris (indicateurs morphologiques et réticulaires) et en bleu (variables associées aux ménages).

Figure 4 : Représentation des variables dans le plan factoriel. Les variables actives de mobilité sont en rouge ; les variables passives sont en gris (indicateurs morphologiques et réticulaires) et en bleu (variables associées aux ménages).

28Le deuxième axe du plan factoriel met en évidence la durée et le nombre de déplacements, tout comme l’usage du vélo qui sont traditionnellement associés aux classes socio-économiques les plus favorisées, ce que vient confirmer la présence de la variable revenu moyen. A l’opposé, on trouve les transports en commun (TC) qui sont associés à la taille moyenne des ménages qui peut renvoyer à des zones de quartiers sociaux, comme le montre la carte du plan factoriel (Figure 5) dans laquelle se distinguent principalement les zones dont les niveaux socio-économiques sont les plus faibles (17 Hautepierre, 22 Schiltigheim nord, 29 Elsau). Les résultats de l’ACP insistent donc sur les facteurs classiques ayant une incidence sur la mobilité que sont la distance au centre et les niveaux socio-économiques. Les analyses suivantes permettront d’aborder plus précisément l’influence de la morphologie bâtie et du réseau viaire.

Figure 5 : Position des zones EMD dans le plan factoriel.

Figure 5 : Position des zones EMD dans le plan factoriel.

Corrélations partielles entre mobilité et indicateurs morphologiques et réticulaires

29Le calcul de corrélations partielles met en évidence les liens significatifs entre morphologie et mobilité en éliminant l’effet de la distance qui, comme nous venons de le constater, est un élément potentiellement structurant du point de vue des variables retenues (Tableau 3). Cette méthode permet de supprimer le double effet des corrélations qu’entretiennent les variables de mobilité d’une part, et morphologiques et réticulaires d’autre part, avec la distance au centre.

Tableau 3 : Corrélations partielles significatives entre mobilité et indicateurs morphologiques et réticulaires.

Tableau 3 : Corrélations partielles significatives entre mobilité et indicateurs morphologiques et réticulaires.

30Les résultats montrent que le nombre de déplacements est corrélé au nombre de taches bâties, ce qui peut indiquer un effet d’opportunité dans les zones où la densité de bâti est forte. Cependant, les distances étant également corrélées au nombre de taches bâties, cela semble indiquer que les déplacements se font principalement en dehors des zones EMD. La densité des taches bâties agit donc sans doute comme un générateur de déplacements, cet effet étant accentué dans les zones où le réseau, en termes d’intersection et de longueur totale de routes, est performant. Voiture et marche apparaissent comme deux modes antagonistes pour lesquels les indicateurs d’agrégation du bâti et de taille moyenne des taches bâties jouent un rôle discriminant (positif pour la marche, négatif pour l’automobile). Quant au vélo, il apparaît ici comme un mode essentiellement dépendant de la qualité du réseau viaire indépendamment du réseau de pistes cyclables qui est très dense et bien connecté dans la capitale alsacienne. Faut-il le rappeler, ces résultats n’induisent aucune causalité entre les variables testées. Les régressions présentées ci-dessous ont été réalisées dans ce but mais il conviendra de rester très prudent dans leur interprétation. C’est pourquoi nous parlerons essentiellement de coproduction, d’interaction entre les différents indicateurs retenus dans les modèles proposés.

Analyse de la fréquence et de l’intensité de la mobilité

31Dans un premier temps, nous proposons de tester l’influence du milieu bâti et des réseaux sur l’intensité et la fréquence des déplacements. Nous intégrons, comme cela a été mentionné, des variables socio-économiques ainsi que les indicateurs de distance au centre et de distance moyenne aux autres zones. Cela permet de mettre en évidence les effets combinés de ces paramètres avec la morphologie urbaine et réticulaire. Les modèles de régression linéaire présentés dans les tableaux 4 et 5 ont pour équation :

32Le terme constant

33De manière générale, nous remarquons fort logiquement que les indicateurs socio-économiques impactent davantage la mobilité que ne le font les variables morphologiques (Tableau 4). Les indicateurs réticulaires sont quant à eux totalement absents des régressions proposées. Parmi les variables morphologiques, le nombre de taches bâties a un lien très important avec la distance de déplacement. Ainsi, plus le bâti est fragmenté, plus les distances parcourues augmentent, selon une logique en partie associée à la distance au centre-ville (Figure 3). Même si certaines caractéristiques du réseau sont nécessairement associées à ces zones de forte fragmentation du bâti, on remarquera qu’aucune variable réticulaire ne vient compléter cet indice morphologique dans le modèle proposé. Cela s’explique par le fait que le nombre de taches bâties est particulièrement corrélé aux indices réticulaires. La vitesse de déplacement est la plus forte dans les espaces urbains les plus isolés où le bâti est fragmenté, comme l’indique sa relation négative à la taille moyenne des taches bâties. Vitesse élevée et distance importante de déplacement peuvent en partie être associées à des zones périphériques et accentuées par des morphologies fragmentées. Établir un lien avec l’usage de l’automobile est aisé, les corrélations spatiales entre ces variables étant très significatives (p-value < 0,01) mais nous verrons un peu plus loin que le choix modal en faveur de l’automobile répond à une combinaison de caractéristiques très spécifiques.

34Les modèles calculés pour les autres variables de mobilité sont moins performants en termes de coefficients de détermination. Que ce soit pour le temps ou le nombre de déplacements, on notera que seuls les indicateurs les plus pertinents sont de nature socio-économique, ce qui confirme l’état de l’art établi par Ewing et Cervero (2001). Sans surprise, le revenu moyen des ménages a un impact positif sur le temps et le nombre de déplacements alors que la taille moyenne des ménages, souvent associée à une position inférieure dans l’échelle sociale et à une localisation géographique plus périphérique, influence négativement ces deux caractéristiques de mobilité. Il est intéressant de noter que le revenu (p-value < 0,01) et la taille des ménages (p-value < 0,05) sont corrélés positivement à l’indicateur morphologique du nombre de taches bâties, qui n’apparaît pas dans les résultats de la régression. Les zones affectées d’une forte densité de taches bâties sont éloignées du centre-ville mais nous avons très clairement ici une différenciation des pratiques de mobilité entre les zones selon le niveau socio-économique de la population résidante sans que cela puisse être révélé par les indicateurs morphologiques utilisés.

Tableau 4 : Régressions multiples appliquées aux indices de fréquence et d’intensité de la mobilité.

Tableau 4 : Régressions multiples appliquées aux indices de fréquence et d’intensité de la mobilité.

35Pour généraliser quelque peu ces observations, on pourra noter que les modèles portant sur le temps et le nombre de déplacements sont moins performants en termes de coefficient de détermination (R²), ce qui renvoie à la théorie de Zahavi selon laquelle l’évolution de la mobilité porte essentiellement sur les distances et vitesses de déplacement (Zahavi et Ryan, 1980 ; Zahavi et Talvitie, 1980). Il est intéressant de constater que cette théorie, qui s’appuie à l’origine sur une dimension temporelle d’évolution des pratiques de mobilité en lien avec la modification des formes urbaines, est validée par une approche spatiale qui discrimine des espaces dans la ville en fonction de leurs morphologies bâties. Les individus habitant dans des zones peu favorables (fortement fragmentées) compensent par des distances et des vitesses de déplacement accrues.

Figure 6 : Résidus de régressions - Distance et nombre de déplacements.

Figure 6 : Résidus de régressions - Distance et nombre de déplacements.

36La Figure 6 présente les résidus des régressions appliquées aux distances et aux nombres de déplacements. La figure 6a, correspondant aux distances de déplacements, montre clairement des quartiers (en vert) pour lesquels le modèle surestime la distance parcourue, par rapport à la morphologie et, plus précisément, par rapport au nombre de taches bâties qui est un indicateur de dispersion du bâti. Inversement, les quartiers où ce rapport est sous-estimé (en rouge) abritent des ménages qui se déplacent davantage que la morphologie ne pourrait le laisser penser. Parmi les secteurs surestimés, on trouve des quartiers centraux (37 Île, 33 Esplanade) où les déplacements sont de faible portée du fait de la proximité des destinations de déplacement, des quartiers plus péricentraux qui sont marqués par un tissu urbain à dominante discontinue (19 Schiltigheim Ouest, 24 la Robertsau, 29 Elsau) malgré leur proximité au centre et enfin un quartier péri-urbain plus éloigné (07 Blaesheim), mais situé à proximité de pôles d’activités importants (la Vigie, Entzheim, Illkirch Sud et Fegersheim). A l’inverse, les quartiers sous-estimés sont soit des quartiers quasi-villageois à la fois éloignés et aisés (38 Mittelhausbergen, 09 Ekwersheim, 10 Reichstett, 23 Hoenheim), soit des quartiers nouvellement urbanisés (39 Eckbolsheim) ou récemment gentrifiés (34 Neudorf, 35 Neudorf Ouest, 31 Wacken, 32 Orangerie). Du point de vue de la mobilité, les habitants de ces quartiers ne privilégient pas la proximité, mais ont tendance à se rendre un peu partout dans l’agglomération, d’où une forme de rayonnement sur toute l’agglomération qui se traduit par des distances de déplacements plus importantes.

37La figure 6b, correspondant au nombre de déplacements est également très intéressante. Dans les quartiers surestimés par le modèle, on trouve à la fois des quartiers de logements sociaux (27 Neuhof, 17 Hautepierre, 16 Koenigshoffen, 29 Elsau) où les ménages se déplacent moins, sans doute par manque de moyens ou de raisons de se déplacer (pas d’emploi), et des quartiers plus aisés (06 Eschau) mais vieillissants où les populations se déplacent moins fréquemment du fait de l’âge et de l’inactivité. À l’opposé, les populations de certains quartiers péri-centraux (35 Neudorf-Etoile, 36 Krutenau) ou plus périphériques (24 Robertsau, 21 Bischheim), voire péri-urbains au nord (09 Eckwersheim) et à l’ouest (08 Eckbolsheim), se déplacent davantage que prévus : ce sont en général des quartiers aisés, occupés par des ménages où les deux membres travaillent d’où un nombre de déplacements plus élevé que prévu.

Étude du choix modal

38Globalement, la part modale des différents modes est principalement influencée par les caractéristiques socio-économiques de la population résidente (Tableau 5). On voit également apparaître plus fréquemment des indices de distance dans ces modèles de choix modaux, mais uniquement pour l’automobile et la marche. Les indices morphologiques restent secondaires mais on notera qu’ils sont mieux représentés que les indices réticulaires. Il est remarquable de noter que ces résultats sont conformes à ceux relevés par Ewing et Cervero (2001) bien que les indices morphologiques de caractérisation du bâti diffèrent grandement de ceux habituellement employés.

39La fragmentation élevée du bâti, mise en évidence par un indice d’agrégation faible, et la distance au centre favorisent l’usage de l’automobile (Zhou et Kockelman, 2008). Il est intéressant de constater que ces deux indices agissent de manière opposée sur la pratique de la marche ce qui témoigne de l’antagonisme existant entre la mobilité motorisée individuelle et la pratique de ce mode de déplacement doux. Dans les deux cas, la distance au centre est déterminante mais elle est utilement complétée par cet indicateur de forme bâtie, ce qui confirme l’influence de l’environnement bâti sur l’usage de la marche (Cao, 2010 ; Kamruzzaman et al., 2013). L’utilisation des transports collectifs résulte avant tout de la structure du réseau dédié qui est très spécifique et s’affranchit des mesures morphologiques et réticulaires. En théorie, l’efficacité des transports collectifs est optimale dans les zones denses et peu fragmentées mais cela ne se retrouve pas dans le modèle qui met en évidence son utilisation par les couches sociales populaires et par les jeunes qui sont en partie captifs de ce mode de transport. On remarque ici l’opposition avec l’automobile puisque ces caractéristiques socio-économiques, âge et revenu, affichent un signe positif dans le modèle dédié au mode motorisé individuel. Concernant le vélo, on peut remarquer que la densité des intersections influence positivement l’usage de ce mode de déplacement. C’est donc l’efficacité du réseau en termes d’interconnexion qui prime pour ce mode et qui s’ajoute aux caractéristiques associées aux ménages, ce qui est cohérent avec les résultats obtenus dans le cadre d’autres recherches (Zhao, 2013). On soulignera aussi que ce sont essentiellement des ménages aisés qui utilisent ce mode de déplacement alors que les lieux de résidence de ces ménages ne sont pas spécifiques au centre-ville. Il faut aussi rappeler la place particulière du vélo dans l’agglomération strasbourgeoise qui ne peut simplement se résumer aux indices testés dans le cadre de cette étude.

Tableau 5 : Régressions multiples pour chaque mode de déplacement.

Tableau 5 : Régressions multiples pour chaque mode de déplacement.

Figure 7 : Résidus de régressions – Marche et automobile.

Figure 7 : Résidus de régressions – Marche et automobile.

40On observe dans les cartes des résidus pour la marche et l’automobile une certaine complémentarité, dans la mesure où plusieurs secteurs fortement surestimés pour la marche (06 Eschau, 38 Mittelhausbergen et 39 Eckbolsheim), sont nettement sous-estimés pour l’automobile (Figure 7). Il s’agit en l’occurrence de quartiers assez excentrés, mais aussi assez aisés, où l’on marche moins que prévu et où l’on se déplace davantage en automobile. À l’inverse, d’autres quartiers sont fortement sous-estimés pour la marche (24 Robertsau, 29 Elsau et 33 Esplanade, mais aussi 37 Île, et 36 la Krutenau, et dans une moindre mesure 21 Bischheim) et nettement surestimés pour l’automobile : en l’occurrence, il s’agit de quartiers proches du centre-ville, tous desservis par le tramway avec des fréquences et un maillage élevé, où l’on marche davantage et l’on conduit moins.

41Enfin, relevons aussi le cas de certains quartiers périphériques (07 Blaesheim et 09 Ekwersheim, et plus modérément 10 Reichstett) qui sont à la fois sous-estimés pour la marche et pour l’automobile. Si on y marche plus et que l’on y roule davantage en voiture, c’est sans doute parce que le tramway ne dessert pas pour l’instant ces quartiers.

  • 7 Par mesure d’économie de place, les résultats de ces modèles ne sont pas présentés dans le cadre de (...)

42Les régressions présentées ci-dessus (Tableaux 4 et 5) permettent de proposer des modèles dits complets, synthétisant les apports des différents jeux de variables testés. Ils confirment les résultats déjà mis en évidence par Ewing et Cervero (2001) selon lesquels les effets des indices morphologiques et réticulaires sont limités au regard des caractéristiques socio-économiques des ménages. Cela dit, pour certains indicateurs de mobilité, les effets de la forme urbaine ne sont pas nuls et complètent utilement les autres variables retenues. Pour cette raison et faisant suite aux travaux de Frank et Pivo (1994), nous avons calculé des modèles de régression dits de base qui n’intègrent, d’une part, que les variables socio-économiques et, d’autre part, que des variables morphologiques et réticulaires. En comparant les résultats obtenus par ces modèles distincts7, nous avons pu constater que les modèles morphologiques associés aux distances et aux vitesses de déplacement, à l’usage de la voiture, du vélo et de la marche, obtiennent des coefficients de détermination supérieurs aux modèles socio-économiques. La combinaison des indicateurs morphologiques peut donc revêtir un pouvoir explicatif fort même si la colinéarité avec certaines variables socio-économiques, que Pouyanne (2005) identifie comme une interaction triangulaire avec la mobilité, ne le fait pas apparaître clairement dans les modèles complets.

Discussion et conclusion

43Pour Webber (1964), la configuration physique d’une ville n’est pas une fin en soi. Au contraire, sa fonction est de se prêter aux interactions entre individus et groupes. Tracés et bâti constituent les horizons de nos villes. Héritages d’un passé plus ou moins lointain, on ne peut s’en abstraire et ils conditionnent fortement les usages que nous avons de la ville. Cette relative permanence du bâti exerce une contrainte sur les localisations et les interactions liées. Toutefois, les formes spatiales sont, dans une certaine mesure, modifiables et donc d’un grand intérêt pour les urbanistes. Les villes continuent à se construire, à se remodeler et il semble essentiel de mieux appréhender le lien entre morphologie bâtie, réticulaire et mobilité. Dans cette recherche, nous nous sommes appuyés sur l’hypothèse classique selon laquelle la structure urbaine aurait des impacts sur la mobilité. La démarche proposée a été menée à une échelle particulière, celle des zones de recueil de la mobilité quotidienne de l’EMD, tout en mobilisant des indices de forme bâtie spécifiques et peu utilisés dans ce champ de recherche. Ces indices, pris individuellement, ne sont pas parfaits et des organisations spatiales de bâtiments très différentes peuvent par exemple obtenir des valeurs indiciaires similaires. Toutefois, leur combinaison confère une signature morphologique relativement précise aux espaces étudiés.

44Beaucoup de résultats contradictoires peuvent être relevés dans les différentes études conduites dans notre domaine de recherche. Hong et al. (2013) imputent cela aux différentes méthodologies, découpages spatiaux et données utilisés. Bien sûr les résultats sont dépendants de l’échelle d’analyse, de la taille des mailles retenues, de leur découpage effectué sur des bases la plupart du temps statistiques et non morphologiques. Cependant, les résultats obtenus nous permettent de valider notre hypothèse méthodologique selon laquelle des indices de morphologie bâtie issus de l’écologie paysagère et calculés à une échelle locale s’appliquent à la thématique des mobilités urbaines.

45Ainsi, structure bâtie locale et mobilité sont partiellement corrélées même si d’autres caractéristiques plus classiques comme la distance au centre et les caractéristiques socio-économiques de la population restent déterminantes. Seuls 4 modèles sur 8 se basent sur une complémentarité entre les indicateurs classiques (distance au centre et distance moyenne aux autres zones, caractéristiques socio-économiques de ménages) et nos variables morphologiques. Dans l’ensemble, les indicateurs morphologiques de bâti sont plus pertinents que les indices réticulaires pour appréhender la mobilité mesurée dans l’EMD. Ce résultat est en soi intéressant et relativement inattendu même si certains états de l’art sur la question ont déjà mis en évidence la faiblesse du lien entre mobilité et connectivité du réseau viaire, y compris pour les modes doux (Ewing et Cervero, 2001 ; Saelens et Handy, 2008). Peut-être faut-il également relativiser ce résultat du fait que les indices réticulaires portent sur des métriques qui ne constituent qu’une approche très générale de l’accessibilité. Cela peut aussi s’expliquer par le fait que les indices de forme bâtie contiennent déjà une information sur les réseaux puisque, par nature, tous les bâtiments et îlots sont implantés dans des mailles délimitées par le réseau viaire et sont reliés à une route, même si le niveau de desserte peut être très variable d’un bâtiment à l’autre. Ces indices semblent plus pertinents pour comprendre le lien entre bâti et réseau à une échelle locale alors que les indicateurs réticulaires ont davantage un intérêt à une échelle plus large, dans les interactions qu’ils permettent d’une zone à une autre. Ainsi, les indicateurs bâtis de connectivité (indice d’agrégation) et de fragmentation (nombre et taille moyenne des taches bâties) figurent dans les modèles proposés car ils permettent d’appréhender finement l’imbrication bâti – réseau local qui est fondamental dans la détermination des comportements de mobilité.

46En examinant plus en détail les résultats obtenus, on constate que, parmi les choix modaux, l’usage de l’automobile et de la marche présentent les coefficients de détermination les plus élevés. Ceci n’est pas surprenant puisque l’on considère habituellement que ces modes sont très fortement liés aux formes urbaines (densité/étalement). Au sujet de la fréquence et de l’intensité de la mobilité, on rappellera que certains résultats sont à rapprocher de la conjecture de Zahavi (Zahavi et Ryan, 1980 ; Zahavi et Talvitie, 1980) en terme de non-effet de la forme urbaine sur certains comportements de mobilité. En effet, le budget-temps ainsi que le nombre de déplacements des individus sont moins impactés par les variations morphologiques. L’impact des formes construites sur les modes automobiles ou pédestres se traduit par un lien plus naturel avec les distances et vitesses de déplacement pour constituer des environnements favorables ou non à certains types de mobilité. Cette conclusion, somme toute attendue, doit être précisée par le fait que la distance au centre ne joue pas ici un rôle plus important que la structure morphologique des zones étudiées. Ainsi, la morphologie bâtie n’est pas neutre dans la détermination des mobilités même si les caractéristiques associées aux individus conservent un rôle déterminant. Bien sûr, comme le signale Pouyanne (2005), les formes urbaines ne peuvent être considérées comme les déterminants uniques des mobilités relevées dans les espaces urbains mais elles présentent un ensemble de contraintes et de possibilités localement importantes. A ce titre, elles jouent un rôle actif sur la mobilité, mobilité qui elle-même va influencer en retour la forme urbaine dans une relation autopoïètique caractéristique de la complexité urbaine. Il n’y a pas de causalité mais plutôt une coproduction entre mobilités quotidiennes et résidentielles, localisation des activités, caractéristiques socio-économiques des ménages et morphologie urbaine. On rappellera par exemple que la morphologie urbaine est corrélée à certaines variables socio-économiques ce qui laisse supposer un rôle indirect de la morphologie sur les mobilités enregistrées. En effet, les formes urbaines ne sont pas neutres dans leurs capacités à attirer certains types de ménages. Ce sont d’ailleurs parfois aussi les préférences des ménages en termes de mobilité, de mode de transport, qui vont en partie influencer les choix de localisation résidentielle (Kaufmann, 2003). Le décalage entre environnement résidentiel et préférences individuelles concernant les pratiques de mobilité mène à une insatisfaction, une dissonance résidentielle résolue par une relocalisation des ménages (Kamruzzaman et al., 2013). Cette difficulté dans la mise en évidence du rôle de l’environnement résidentiel sur les mobilités est fréquemment abordée dans la littérature sous la dénomination de self-selection problem (Brownstone et Golob, 2009 ; Gordon et Richardson, 1997 ; Hong et al., 2013). On le comprend aisément, ces interactions mènent à une indétermination logique, à une impossibilité de séparer la cause de l’effet (Pouyanne, 2005). Il semble, dans ce cas, difficile d’énoncer de recommandations en terme d’aménagement du territoire, de construction de formes bâties. Toutefois, Schwanen et Mokhtarian (2005) sont parvenus au constat, par une analyse longitudinale, que l’insatisfaction résidentielle peut aussi être minimisée par un ajustement progressif des préférences et habitudes individuelles à l’environnement occupé, ce que confirme Naess (2009) qui a montré que la forme urbaine joue un rôle important sur les comportements de mobilité, indépendamment du processus de self-selection. Cela doit donc nous encourager à rechercher des corrélations, des associations en insistant sur le rôle des morphologies bâties qui est par nature moins étudié à l’échelle des quartiers et qui gagnerait à être pris en considération dans les politiques d’aménagement urbain afin de mieux prévoir les effets sur les mobilités intra-urbaines. Dans cette optique, certains perfectionnements devront toutefois être proposés.

47Tout d’abord, il semblerait pertinent de prendre en compte des indicateurs relatifs aux zones EMD de destination (Zhang, 2007) voire à toutes les zones traversées lors des déplacements car nous avons laissé de côté les caractéristiques de ces territoires fréquentés par les individus. Ensuite, l’utilisation d’indicateurs de graphe et de parcours de graphe pourront être proposés afin de caractériser la morphologie urbaine en lien avec des mesures d’accessibilité plus précises (Badariotti et al., 2007, 2009). Dans cette optique, la prise en compte des données désagrégées et des zones de destination au niveau individuel sera nécessaire afin de mieux comprendre les comportements de mobilité en termes de temps, de distance, de trajets et de choix modal associés à la morphologie urbaine. Comme le suggèrent Hess et al. (2001), l’utilisation des indices paysagers sur des classes d’occupation du sol déterminées selon les fonctions hébergées par les bâtiments pourraient préciser les résultats obtenus dans ce travail qui ne reposent que sur une distinction bâti/non bâti. Pour finir, il serait pertinent de mesurer la sensibilité des comportements de mobilité à l’évolution des paramètres explicatifs. Des calculs d’élasticité de la mobilité en fonction des variables morphologiques retenues dans les modèles seraient fort utiles car les choix individuels de mobilité ne répondent pas tous de la même manière à des modifications de l’environnement bâti (Ewing et Cervero, 2010 ; Zhang, 2007). L’utilisation d’autres méthodes comme la modélisation par équations structurelles (SEM – Structural Equation Model) (Bagley et Mokhtarian, 2002 ; Maat et Timmermans, 2009 ; Van Acker et al., 2007) pourrait également être mise en œuvre car elle permettrait de préciser les effets directs et indirects des relations entre formes urbaines, attributs socio-économiques et mobilité.

Haut de page

Bibliographie

ADEUS, 2010, Enquête ménages déplacements 2009, « INTERSCOT : Présentation des premiers résultats de l’EMD09 sur le Bas Rhin - Agence de développement et d’urbanisme de l’agglomération Strasbourgeoise », http://www.adeus.org

Aguiléra A., Massot M.H., Proulhac L., 2010, « Travailler et se déplacer au quotidien en Île-de-France. Contraintes et arbitrages des actifs franciliens », Sociétés Contemporaines, No.80, 29-45.

Aguiléra A., Mignot D., 2010, « Formes urbaines et mobilités : des liens discutés », in Massot M.H. (dir), Mobilités et modes de vie métropolitains, Paris, Éditions l’Oeil d’Or.

Aguiléra A., Proulhac P., 2006, »Le polycentrisme en Île de-France : quels impacts sur la mobilité ? », Territoire en mouvement, No.2, 15-25.

Aguilera F., Valenzuela L., Botequilha-Leitao A., 2011, “Landscape metrics in the analysis of urban land use patterns: A case study in a Spanish metropolitan area”, Landscape and Urban Planning, vol. 99, 226-238.

Allaire J., 2007, Forme urbaine et mobilité soutenable : enjeux pour les villes chinoises, Thèse de doctorat en économie, Université Pierre-Mendès-France.

Antrop M., Eetvelde V., 2000, “Holistic aspects of suburban landscapes: visual image interpretation and landscape metrics”, Landscape and urban planning, vol. 50, No.1-3, 43-58.

Badariotti D., Banos A., Moreno D., 2007, « Conception d’un automate cellulaire non stationnaire à base de graphe pour modéliser la structure spatiale urbaine : le modèle Remus », Cybergeo : European Journal of Geography, article 403, Url : http://cybergeo.revues.org/10993.

Badariotti D., Banos A., Moreno D., 2009, « Morphologie urbaine et réseau - Étude des discontinuités et des ruptures induites par le réseau de circulation à l’aide du modèle Remus », Revue Internationale de Géomatique, vol. 19, No.1, 45-66.

Bagley M.L., Mokhtarian P.L., 2002, “The impact of residential neighborhood type on travel behavior: A structural equations modeling approach”, The Annals of regional science, vol. 6, 279-296.

Batty, M., 1991, “Cities as Fractals: simulating growth and form”, in Crilly T., Earnshaw R.A., Jones H. (eds.), Fractals and Chaos, New York, Springer-Verlag, 41-69.

Batty M., 2001 “Exploring isovist fields: space and shape in architectural and urban morphology”, Environment and Planning B, vol. 28, 123-150.

Batty Μ., 2005, Cities and complexity: Understanding cities with Cellular Automata, Agent-Based models and Fractals, Cambridge, MIT Press.

Batty M., Xie Y., 1996, ”Preliminary evidence for a theory of the fractal city”, Environment and Planning A, vol. 28, 1745-1762.

Bejan A., Ledezma G.A., 1998, ”Streets tree networks and urban growth: optimal geometry for quickest access between a finite-size volume and one point”, Physica A, No.255, 211-217.

Bejan A., Lorente S., 2005, La loi constructale, Paris, L’Harmattan.

Bejan A., Merkx G., 2007, Constructal theory of social dynamics, Boston, Springer Science.

Bottai M., Salvati N., Orsini N., 2006, “Multilevel models for analyzing people’s daily movement behaviour“, Journal of Geographical Systems, vol. 8, No.1, 97-108.

Brownstone D., Golob T.F., 2009, “The impact of residential density on vehicle usage and energy consumption”, Journal of Urban Economics, No.65, 91-98.

Bürklin T., Peterek Μ., 2008, Morphologie urbaine, Basel, Birkhäuser.

Cao X., 2010, “Exploring causal effects of neighborhood type on walking behavior using stratification on the propensity score”, Environment and Planning A, vol. 42, No.2, 487-504.

CERTU, 2010, « EMD : part de marchés des modes de déplacements et mobilité dans les villes françaises, les derniers chiffres », Url : http://www.certu.fr.

Cervero R., 2002, “Built environments and mode choice: toward a normative framework”, Transportation Research Part D: Transport and Environment, vol. 7, No.4, 265-284.

Cervero R., Kockelman K., 1997, “Travel demand and the 3Ds: Density, diversity, and design”, Transportation Research Part D: Transport and Environment, vol. 2, No.3, 199-219.

Crane R., 1999, “The impacts of Urban Form on Travel: A Critical Review, Lincoln Institute of land Policy”, Working Paper.

Crane R., Crepeau R., 1998, “Does neighborhood design influence travel?: A behavioral analysis of travel diary and GIS data”, Transportation Research Part D: Transport and Environment, vol. 3, No.4, 225-238.

De Keersmaecker M.-L., Frankhauser P., Thomas I., 2004, « Dimensions fractals et réalités périurbaines. L’exemple du Sud de Bruxelles », L’Espace Géographique, vol. 3, 219-240.

Elldér E., 2014, “Residential location and daily travel distances: the influence of trip purpose”, Journal of Transport Geography, vol. 34, No.3, 121-130.

Ewing R., Cervero R., 2001, “Travel and the Built Environment: A Synthesis”, Transportation Research Record, vol. 1, No.1780, 87-114.

Ewing R., Cervero R., 2010, “Travel and the Built Environment: A Meta-Analysis”, Journal of the American Planning Association, vol. 76, No.3, 265-294.

Fouchier V., Merlin P. (eds), 1994, Les fortes densités urbaines : une solution pour nos villes, Hong-Kong, Consulat Général de France.

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, No.1466, 44-52.

Frank L.D., Stone B., Bachman W., 2000, “Linking land use with household vehicle emissions in the central Puget Sound: methodological framework and findings”, Transportation Research Part D: Transport and Environment, vol. 5, No.3, 173-196.

Frankhauser P., 1994, La fractalité des structures urbaines, Paris, Anthropos.

Frankhauser P., Pumain D., 2007, “Fractals and geography. Models in Spatial Analysis”, in Sanders L., (ed.), Geographical information systems series, London, ISTE, 281-300.

Garcia-Palomares J.C., 2010, “Urban sprawl and travel to work: the case of the metropolitan area of Madrid”, Journal of Transport Geography, vol. 18, No.2, 197-213.

Genre-Grandpierre C., Foltête J.C., 2003, « Morphologie urbaine et mobilité en marche à pied », Cybergeo : European Journal of Geography, article 248, Url : http://cybergeo.revues.org/3925.

Gerondeau C., 2004, « La mobilité dans les villes françaises. Les constantes des transports urbains : une nouvelle approche de la problématique des PDU », Transports, No.424, 87-92.

Giuliano G., Dargay J., 2006, “Car ownership, travel and land use: a comparison of the US and Great Britain”, Transportation Research Part A, No.140, 106-124.

Gordon P., Richardson H.W., 1997, “Are compact cities a desirable planning goal?”, Journal of the American Planning Association, vol. 63, No.1, 95-106.

Haggett P., Chorley R.J., 1969, Network analysis in geography, London, E. Arnold.

Handy S., 1993, “Regional versus local accessibility: Implications for non-work travel”, Transportation Research Record, vol. 1400, 58-66.

Handy S., 1996, “Methodologies for exploring the link between urban form and travel behavior”, Transportation Research Part D: Transport and Environment, vol. 1, No.2, 151-165.

Handy S., Cao X., Mokhtarian P., 2005, “Correlation or causality between the built environment and travel behavior? Evidence from Northern California”, Transportation Research Part D: Transport and Environment, vol. 10, No.6, 427-444.

Herold M., Couclelis H., Clarke K.C., 2005, “The role of spatial metrics in the analysis and modelling of urban land use change”, Computers, Environment and Urban systems, vol. 29, No.4, 369-399.

Herold M., Noah C.G., Clarke K.C., 2003, “The spatiotemporal form of urban growth: measurement, analysis and modeling”, Remote Sensing of Environment, No.86, 286-302.

Hess P., Vernez-Moudon A., Logsdon M., 2001, “Measuring land use pattern for transportation research”, Transportation Research Record, vol. 1780, 17-24.

Hong J., Shen Q., Zhang L., 2013, “How do built-environment factors affect travel behavior? A spatial analysis at different geographic scales”, Transportation. No.41, 419-440.

Kamruzzaman M., Baker D., Washington S., Turrell G., 2013, “Residential dissonance and mode choice”, Journal of Transport Geography, No.33, 12-28.

Kaufmann V., 2003, « Pratiques modales des déplacements de personnes en milieu urbain : des rationalités d’usage à la cohérence de l’action publique », Revue d’Économie Régionale et Urbaine, No.1, 39-58.

Kitamura R., Mokhtarian P.L., Laidet L., 1997, “A micro-analysis of land use and travel in five neighborhoods in the San Francisco Bay Area”, Transportation, vol. 24, No.2, 125-158.

Lebart L., Morineau A., Piron M., 2004, Statistique exploratoire multidimensionnelle, 3e éd., Paris, Dunod.

Le Néchet F., 2010, Approche multiscalaire des liens entre mobilité quotidienne, morphologie et soutenabilité des métropoles européennes. Cas de Paris et de la région Rhin-Ruhr., Thèse de Doctorat en Aménagement, Université Paris-Est.

Le Néchet F., 2012, « Consommation d’énergie et mobilité quotidienne selon la configuration des densités dans 34 villes européennes », Cybergeo : European Journal of Geography, article 580, Url : http://cybergeo.revues.org/23634.

Le Néchet F., Aguiléra A., 2012, « Forme urbaine et mobilité domicile-travail dans treize aires urbaines françaises : une analyse multi-échelle », Recherche Transport Sécurité, No.28, 259-270.

Maat K., Timmermans H.J.P., 2009, “A causal model relating urban form with daily travel distance through activity/travel decisions”, Transportation Planning and Technology, vol. 32, No.2, 115-134.

McGarigal K., Marks B., 1995, FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps, Url: http://www.umass.edu/landeco/research/fragstats/fragstats.html.

Meurs H., Haaijer R., 2001, “Spatial structure and mobility”, Transportation Research Part D: Transport and Environment, vol. 6, No.6, 429-446.

Naess P., 2003, “Urban Structures and Travel Behaviour. Experiences from Empirical Research in Norway and Denmark”, European Journal of Transport and Infrastructure Research, vol. 3, No.2, 155-178.

Naess P., 2009, “Residential self-selection and appropriate control variables in land use: travel studies”, Transport Reviews, vol. 29, No.3, 293-324.

Newman P., Kenworthy J.R., 1989, Cities and automobile dependence: A sourcebook, Aldershot, Gower Technical.

Piombini A., Leduc T., Woloszyn P., 2014, « Usage de la morphométrie dans la révélation des préférences de mobilité. Application aux cheminements piétons », Revue International de Géomatique, vol. 24, 101-130.

Pouyanne G., 2004, Forme Urbaine et Mobilité Quotidienne, Thèse de Doctorat en Économie, Université Montesquieu Bordeaux.

Pouyanne G., 2005, « L’interaction entre usage du sol et comportements de mobilité. Méthodologie et application à l’aire urbaine de Bordeaux », Revue d’Économie Régionale et Urbaine, No.5, 723-746.

Rakotomalala R., 2005, TANAGRA - Un logiciel de data mining, de statistique et d’analyse de données pour l’enseignement et la recherche, Url : http://eric.univ-lyon2.fr/~ricco/tanagra/fr/tanagra.html

Saelens B., Handy S., 2008, “Built environment correlates of walking: a review”, Medicine &. Science in Sports & Exercise, vol. 40, No.7, 550-566.

Schwanen T., 2002, “Urban form and commuting behavior: a cross-European perspective”, Journal of Economic Social Geography, vol. 93, No.3, 336-343.

Schwanen T., Dieleman F.M., Dijst M., 2004, “The impact of metropolitan structure on commute behavior in the Netherlands: a multilevel approach”, Growth and Change, vol. 35, No.3, 304-333.

Schwanen T., Mokhtarian P.L., 2005, “What if you live in the wrong neighbourhood? The impact of residential neighbourhood type dissonance on distance traveled”, Transportation research Part D: Transport and Environment, No.10, 127-151.

Skupinski G., Tran T.D.B., Weber C., 2009, « Les images satellites Spot multi-dates et la métrique spatiale dans l’étude du changement urbain et suburbain – Le cas de la basse vallée de la Bruche (Bas-Rhin, France) », Cybergeo : European Journal of Geography, article 439, Url : http://cybergeo.revues.org/21995.

Stead D., Marshall S., 2001, “The relationships between urban form and travel patterns. An international review and evaluation”, European Journal of Transport and Infrastructure Research, vol. 1, No.2, 113-141.

Strangl P., Guinn J.M., 2011, “Neighborhood design, connectivity assessment and obstruction”, Urban Design International, No.16, 285-296.

Thomas I., Frankhauser P., Biernacki C., 2008, “The morphology of built-up landscapes in Wallonia (Belgium): A classification using fractal indices”, Landscape and urban planning, vol. 84, No2, 99-115.

Thomas I., Frankhauser P., Badariotti D., 2010, “Comparing the fractality of European urban neighbourhoods: do national contexts matter?”, Journal of Geographical System, vol. 14, No2, 189-208.

Thompson D.W., 1992, On growth and form., New-York, Dover edition (first edition 1917, reed. 1942).

Tracy A., Su P., Sadek A., Wang Q., 2011, “Assessing the impact of the built environment on travel behavior: a case study of Buffalo, New-York”, Transportation, vol. 38, 663-678.

Uuemaa E., Antrop M., Roosaare J., Marja R., Mander Ü., 2009, “Landscape metrics and indices: an overview of their use in landscape research”, Living Reviews in Landscape Research, vol. 3, No.1, 1-28.

Van de Coevering P., Schwanen T., 2006, “Re-evaluating the impact of urban form on travel patternsin Europe and North-America”, Transport Policy, vol. 13, No.3, 229-239.

Van Acker V., Witlox F., vanWee B., 2007, “The effects of the land use system on travel behavior: a structural equation modeling approach”, Transportation Planning and Technology, vol. 30, No.4, 331-353.

Webber M.M., 1996, L’urbain sans lieu ni bornes, La Tour-d’Aigue, Éditions de l’Aube.

Weng Y.C., 2007, “Spatiotemporal changes of landscape pattern in response to urbanization”, Landscape and Urban Planning, No.81, 341-353.

Zahavi Y., Ryan J.M., 1980, “Stability of travel components over time”, Transportation Research Record, No.750, 19-26.

Zahavi Y., Talvitie A., 1980, “Regularities in travel time and money expenditures”, Transportation Research Record, No.750, 13-19.

Zhang L., Wu J., Zhen Y., Shu J, 2004, “A GIS-based gradient analysis of urban landscape pattern of Shanghai metropolitan area, China”, Landscape and Urban Planning, vol. 69, 1-16.

Zhang M., 2007, “The role of land use in travel mode choice: Evidence from Boston and Hong Kong”, Journal of the American Planning Association, vol. 70, No.3, 344-360.

Zhao P., 2013, “The impact of the built environment on bicycle commuting: Evidence from Beijing”, Urban Studies, No.51, 1-19.

Zhou B., Kockelman R., 2008, “Self-selection in home choice: Use of treatment effects in evaluating relationship between built environment and travel behavior”, Transportation Research Record, No.2077, 54-61.

Haut de page

Notes

1 De nombreux articles recensent et comparent les indices paysagers, notamment ceux proposés dans Fragstats (voir par exemple Uuemaa et al., 2009).

2 Il existe en effet des similitudes entre la notion de tache d’habitat en écologie et le bâti en milieu urbain.

3 Agence de développement et d’urbanisme de l’agglomération Strasbourgeoise.

4 La journée continue effectuée par une personne est définie selon l’Adeus par une présence de plus de 7 heures sur le lieu de travail ou d’études, déjeuner compris, sans déplacement dans l’espace public.

5 Les « zones fines » correspondent au découpage de base de l’analyse des mobilités permettant le repérage des déplacements recensés et la succession des modes utilisés entre la zone origine et la zone destination. Les critères de découpage en zones fines sont les générateurs de trafic, la densité, le mode de déplacement principal utilisé, l’homogénéité de la structure urbaine sur l’ensemble de la zone, etc. Cependant, compte tenu des effectifs enquêtés, souvent très faibles dans une zone fine, les exploitations à partir du découpage fin sont généralement déconseillées.

6 À titre d’exemple, le secteur 25 « Port Autonome » à Strasbourg associe une zone industrielle portuaire à un quartier d’habitat ancien. Par rapport aux autres secteurs, il est totalement atypique en termes de surface, de taille des bâtiments et de réseaux viaires.

7 Par mesure d’économie de place, les résultats de ces modèles ne sont pas présentés dans le cadre de cet article.

Haut de page

Table des illustrations

Titre Figure  : Évolution de la part modale de déplacements dans la CUS entre 1988 et 2009 (ADEUS, 2010).
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-1.jpg
Fichier image/jpeg, 36k
Titre Figure  : Bâti dans les secteurs de tirage de l’EMD de 2009.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-2.jpg
Fichier image/jpeg, 244k
Titre Tableau  : Liste des indicateurs morphologiques.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-3.jpg
Fichier image/jpeg, 200k
Titre Tableau  : Liste des indicateurs de mobilité retenus
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-4.jpg
Fichier image/jpeg, 168k
Titre Figure  : Valeurs prises par quelques indices au sein de l’agglomération (pour ces cartes comme pour les suivantes, la discrétisation selon la méthode de Jenks a été utilisée).
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-5.jpg
Fichier image/jpeg, 192k
Titre Figure 4 : Représentation des variables dans le plan factoriel. Les variables actives de mobilité sont en rouge ; les variables passives sont en gris (indicateurs morphologiques et réticulaires) et en bleu (variables associées aux ménages).
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-6.jpg
Fichier image/jpeg, 160k
Titre Figure 5 : Position des zones EMD dans le plan factoriel.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-7.jpg
Fichier image/jpeg, 124k
Titre Tableau 3 : Corrélations partielles significatives entre mobilité et indicateurs morphologiques et réticulaires.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-8.jpg
Fichier image/jpeg, 168k
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-9.png
Fichier image/png, 1,4k
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-10.png
Fichier image/png, 399 octets
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-11.png
Fichier image/png, 588 octets
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-12.png
Fichier image/png, 567 octets
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-13.png
Fichier image/png, 311 octets
Titre Tableau 4 : Régressions multiples appliquées aux indices de fréquence et d’intensité de la mobilité.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-14.jpg
Fichier image/jpeg, 152k
Titre Figure 6 : Résidus de régressions - Distance et nombre de déplacements.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-15.jpg
Fichier image/jpeg, 124k
Titre Tableau 5 : Régressions multiples pour chaque mode de déplacement.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-16.jpg
Fichier image/jpeg, 176k
Titre Figure 7 : Résidus de régressions – Marche et automobile.
URL http://journals.openedition.org/cybergeo/docannexe/image/26665/img-17.jpg
Fichier image/jpeg, 104k
Haut de page

Pour citer cet article

Référence électronique

Dong-Binh Tran, Arnaud Piombini, Michal Ignatowicz, Diego Moreno, Rassil Frigui, Anne Aguiléra et Dominique Badariotti, « Morphologie urbaine et mobilité dans la Communauté Urbaine de Strasbourg », Cybergeo: European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 702, mis en ligne le 23 décembre 2014, consulté le 12 juin 2025. URL : http://journals.openedition.org/cybergeo/26665 ; DOI : https://doi.org/10.4000/cybergeo.26665

Haut de page

Auteurs

Dong-Binh Tran

Post-doctorante, Laboratoire Image, Ville, Environnement – UMR 7362 CNRS/Université de Strasbourg, France, dong-binh.nguyen@live-cnrs.unistra.fr

Arnaud Piombini

Maître de conferences, Laboratoire Image, Ville, Environnement – UMR 7362 CNRS/Université de Strasbourg, France, arnaud.piombini@live-cnrs.unistra.fr

Michal Ignatowicz

Ingénieur d’études, Laboratoire Image, Ville, Environnement – UMR 7362 CNRS/Université de Strasbourg, France, ignatowicz@ymail.com

Diego Moreno

Maître de conferences, ESPACE – UMR 7300, CNRS/Université Nice Sophia-Antipolis, France, diego.moreno@unice.fr

Articles du même auteur

Rassil Frigui

Ingénieur d’études, Laboratoire Image, Ville, Environnement – UMR 7362 CNRS/Université de Strasbourg, France, rassil_frigui@yahoo.com

Anne Aguiléra

Chercheur, Laboratoire Ville, Mobilité, Transport – IFSTTAR/Université Paris-Est, France, anne.aguilera@ifsttar.fr

Articles du même auteur

Dominique Badariotti

Professeur des Universités, Laboratoire Image, Ville, Environnement – UMR 7362 CNRS/Université de Strasbourg, France, dominique.badariotti@live-cnrs.unistra.fr

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-4.0

Le texte seul est utilisable sous licence CC BY 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search