Auteur moral

France. Ministère de l'écologie, du développement durable, des transports et du logement ;Agence de l'environnement et de la maîtrise de l'énergie (France) ;France. Programme de recherche et d'innovation dans les transports terrestres

Auteur secondaire

Résumé

Le <b>projet SIMBAD</b> (Simulation des MoBilités pour une Agglomération Durable) a pour objectif de développer un modèle prospectif permettant de rendre compte des dimensions environnementales, économiques et sociales des mobilités urbaines impactées par différentes politiques de transport et d'urbanisme appliquées localement, au niveau du bassin de vie d'une agglomération.

Descripteur Urbamet

mobilité résidentielle ;politique de l'environnement ;qualité de l'environnement ;recherche ;prospective ;MOBILITE URBAINE

Descripteur écoplanete

Thème

Transports

Texte intégral

Projet SIMBAD 2. Une analyse temporelle de long terme permettant de mieux simuler les mobilités pour une agglomération durable Jean-Pierre Nicolas, Patrick Bonnel, Louafi Bouzouina, Jorge Cabrera Delgado, Téodora Corsatea, Pascal Pluvinet, Florence Toilier, Philippe Zuccarello To cite this version: Jean-Pierre Nicolas, Patrick Bonnel, Louafi Bouzouina, Jorge Cabrera Delgado, Téodora Corsatea, et al.. Projet SIMBAD 2. Une analyse temporelle de long terme permettant de mieux simuler les mobilités pour une agglomération durable. [Rapport de recherche] LET. 2011, pp.197. halshs01702342 HAL Id: halshs-01702342 https://halshs.archives-ouvertes.fr/halshs-01702342 Submitted on 6 Feb 2018 HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L'archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d'enseignement et de recherche français ou étrangers, des laboratoires publics ou privés. Rapport de Recherche du Laboratoire d'Économie des Transports Pour le compte de la DRI (MEDDTL) et de l'ADEME dans le cadre du groupe 6 du PREDIT 4 PROJET SIMBAD 2 UNE ANALYSE TEMPORELLE DE LONG TERME PERMETTANT DE MIEUX SIMULER LES MOBILITES POUR UNE AGGLOMERATION DURABLE Aout 2011 Auteurs : Jean-Pierre Nicolas, Patrick Bonnel, Louafi Bouzouina Jorge Cabrera, Téodora Corsatea, Pascal Pluvinet, Florence Toilier, Philippe Zuccarello 1 2 Sommaire 1. Aurait-on pu prévoir l'allongement des distances des déplacements urbains observé ces vingt dernières années avec le modèle de distribution gravitaire ? ................. 9 2. Proximity versus network effects in firm location: evidence from spatial investigation in Lyon urban area .......................................................................................... 35 3. Business Firms Location, Functional Specialization and Urban Segregation: Evidence from Front and Back Office Activities in Lyon Urban Area ............................. 61 4. Estimer les émissions de polluants atmosphériques : quel est le poids de la caractérisation du parc de véhicules .................................................................................... 98 5. ANNEXE : Quelle représentation du phénomène de développement urbain ? Développement du modèle de Bussière adapté à l'Aire Urbaine de Lyon .......................... 114 3 4 Le projet SIMBAD (Simulation des MoBilités pour une Agglomération Durable) a pour objectif de développer un modèle prospectif permettant de rendre compte des dimensions environnementales, économiques et sociales des mobilités urbaines impactées par différentes politiques de transport et d'urbanisme appliquées localement, au niveau du bassin de vie d'une agglomération. Conçue au niveau de l'aire urbaine de Lyon, une première version du modèle a été développée par le Laboratoire d'Economie des Transports dans le cadre du Prédit 3 (financements DRAST et ADEME), avec le soutien de l'Agence d'Urbanisme de Lyon. L'approche est de type stratégique, permettant de rendre compte des impacts de politiques contrastées à l'échelle de l'agglomération plus que de projets particuliers à une échelle fine. Elle a été conçue pour enchaîner plusieurs grandes étapes de modélisation des interactions entre transports et urbanisme : 1. A la période initiale, les localisations des activités et des ménages sont données. 2. Le croisement entre la localisation des activités et les caractéristiques des ménages résidant dans chaque zone permet de déduire les besoins de déplacements entre chaque zone : Une suite de modules prend en compte la mobilité des personnes en suivant une logique traditionnelle, avec la génération des mobilités, leur distribution spatiale, leurs répartitions modale puis horaire. Un travail spécifique est réalisé pour les transports de marchandises en ville. Enfin, l'introduction des flux d'échanges et de transit, dont l'évolution est estimée sur la base simplifiée de l'évolution économique générale, permet de compléter le tableau des trafics réalisés sur l'aire d'étude. 3. Ces différents modules « transport » permettent d'établir des matrices originedestination entre les zones de l'aire urbaine (marchandises, personnes, transit, etc.). Celles-ci peuvent alors être cumulées, tout en conservant les distinctions entre réseaux (TC/routier) et la période horaire (heure creuse/de pointe), et les calculs d'affectation sont lancés. Ils permettent de déterminer les temps généralisés entre toutes les zones de l'aire urbaine de Lyon. 4. Enfin, ces temps généralisés débouchent sur l'estimation des indicateurs d'accessibilité qui sont utilisés dans les modules de localisation des ménages et des activités. La plate-forme ainsi réalisée (cf. Figure 1 ci-dessous) combine des développements spécifiques et des outils préexistants (Urbansim pour la localisation des ménages, Visum pour l'affectation du trafic, FretUrb pour la génération des trafics de marchandises en ville), adaptés pour la circonstance au terrain et aux objectifs du projet. Tout le travail ainsi réalisé est synthétisé dans le rapport final de cette première phase du projet (Nicolas et al., 2009). 5 Figure 1 : L'architecture du projet SIMBAD Localisation des activités et des ménages Modules URBANSIM Génération, Distribution et Répartition modale Des modèles `LET' : FretUrb, prolongements de Télescopage Affectation des trafics Logiciel DAVISUM . La seconde phase du projet, intitulée « SIMBAD 2 », a pour objectif de prolonger et d'améliorer les développements déjà réalisés, notamment en explorant les problèmes d'analyse des dynamiques temporelles des différents sous-systèmes modélisés : Simuler les dynamiques comportementales au sein du modèle à 4 étapes appliqué sur une longue durée ; proposer un modèle de développement urbain qui rende compte de manière correcte des évolutions de l'usage des sols sur l'aire urbaine de Lyon ; caler sur le long terme les modules de localisation des établissements et des ménages mis en oeuvre dans SIMBAD grâce à URBANSIM ; développer un module « Fer » prenant en compte les déplacements ferrés régionaux, qui représentent un enjeu fort pour la politique d'offre de transport des années à venir. Ce rapport rend compte des travaux réalisés dans ce cadre à partir d'un premier financement de la Direction de la Recherche et de l'Innovation du MEDDM, qui se poursuivront par la suite grâce à un financement de l'ADEME. Le rapport propose quatre chapitres qui traitent chacun d'un thème particulier de manière autonome, sachant que chacune de ces parties a été rédigée dans le cadre d'un projet d'article précis. Un premier chapitre traite des dynamiques comportementales au sein du modèle à 4 étapes et aborde plus particulièrement la question de la robustesse de l'hypothèse de stabilité des paramètres du modèle de distribution gravitaire dans l'explication de l'allongement des 6 distances de déplacement. Il montre que les paramètres du modèle changent, notamment pour le motif travail. Mais cette évolution des paramètres n'a pas un impact suffisamment important au niveau des matrices O-D pour rejeter l'hypothèse de stabilité dans la reproduction des distances de déplacement. En effet, l'allongement constaté des distances provient principalement de l'évolution des variables en entrée du modèle, et c'est donc d'abord sur les hypothèses d'évolution de l'urbanisme et de la localisation des activités que l'exigence se trouve reportée. Un second chapitre se penche sur le processus de localisation des entreprises par secteur d'activité, et évalue dans quelle mesure les interactions spatiales contribuent à une structure centre-périphérie dans la zone métropolitaine de Lyon. On trouve des effets de proximité et une accessibilité aux emplois comme déterminants principaux du choix de localisation des entreprises. Le troisième chapitre prolonge le précédent en s'intéressant aux évolutions des logiques de choix localisation des établissements entre 1982 et 2005. Il se penche plus spécifiquement sur les activités de service et pose les bases méthodologiques du travail en utilisant un panel avec effets fixes qui s'élargira par la suite à l'ensemble des entreprises. Enfin, un quatrième chapitre est consacré à l'estimation des émissions de polluants atmosphériques à partir des modèles établis sur la base de la méthodologie COPERT, notamment en s'interrogeant sur l'impact d'une description plus ou moins fine du parc automobile en circulation. En effet, si les données sont disponibles pour décrire le parc local actuel (grâce notamment aux enquêtes ménages lyonnaises), nous n'avons pas pour l'instant de prospective de son évolution, alors que des projections existent pour le parc national. Quelles sont les variations introduites par l'utilisation d'un parc plutôt qu'un autre, sont elles homogènes sur l'espace étudié et quels sont les déterminants des différences mesurées ? Notre travail montre que ces impacts sont variables suivant le type de polluant, relativement modestes pour les émissions de CO2 jouant sur l'effet de serre, mais pouvant être plus conséquents pour des polluants plus locaux comme les NOx. Ces impacts sont effectivement différenciés selon la zone, avec une opposition entre centre et périphérie du fait des différences de vitesses du trafic. Le niveau de diésélisation, l'âge moyen et la cylindrée des véhicules jouent dans ces résultats. Par ailleurs, nos premières réflexions en matière de modélisation de l'évolution de l'usage des sols ont été soutenues par un travail de Master, qui a exploré les potentialités d'un modèle de Bussière appliqué à l'aire urbaine de Lyon. Ce travail montre tout à la fois l'intérêt et les limites d'un tel type de modèle pour une application à notre problématique. En effet, s'il fournit une très bonne estimation des densités urbaines couronne par couronne, ses résultats sont beaucoup moins bons à un niveau spatial fin. Il ne permet pas, d'autre part, de dégager les éléments explicatifs des évolutions des logiques d'usage des sols, et il n'apparaît pas performant pour les exercices de prospective. Lors de la seconde phase du projet, d'autres pistes devront donc être explorées pour ce module. Le mémoire de Master est mis en annexe. Il devrait également fournir matière à une publication dans les prochains mois. 7 8 1. Aurait-on pu prévoir l'allongement des distances des déplacements urbains observé ces vingt dernières années avec le modèle de distribution gravitaire ? Auteurs : Jorge Cabrera et Patrick Bonnel Version anglaise soumise au Journal of Transport Geography Résumé La recherche empirique tout comme la pratique de la modélisation dans des études de planification urbaine sont confrontées au même problème : celui du coût et de la disponibilité des données. Pour évaluer les projets d'infrastructure, il est d'usage d'utiliser le modèle gravitaire pour prévoir des matrices origine-destination à un horizon temporel de dix ans. Le calage du modèle se fait à partir de données en coupe instantanée (temps et nombre de déplacements) et la prévision fait l'hypothèse que les paramètres obtenus ne changent pas dans le temps. La présente étude aborde la question de la robustesse de l'hypothèse de stabilité des paramètres du modèle de distribution gravitaire dans l'explication de l'allongement des distances de déplacement. Nous calibrons des modèles gravitaires en utilisant des matrices O-D construites à partir des trois dernières enquêtes ménages déplacements réalisées sur Lyon (1985, 1995 et 2006) et des données de temps généralisés provenant de réseaux de transport codifiés pour les trois dates. Ensuite, nous utilisons les paramètres issus du calage du modèle pour estimer des matrices O-D à une date ultérieure et nous comparonsles distances obtenues à partir des matrices « prédites » avec les distances observées. Les résultats confirment l'intuition de départ : les paramètres du modèle changent, notamment pour le motif travail. Mais, l'évolution des paramètres n'a pas un impact suffisamment important au niveau des matrices O-D pour invalider complètement l'utilisation de l'hypothèse de stabilité dans la reproduction des distances de déplacement. L'allongement provient principalement de l'évolution des variables en entrée du modèle. Mots clés : Modèle gravitaire, distribution des déplacements, modélisation à quatre étapes, transférabilité temporelle JEL classification : C52, C53, R41, R48 9 10 1.1. Introduction Dans la pratique de la planification urbaine, le modèle gravitaire de distribution des déplacements continue de jouer un rôle important dans les exercices de prospective, à l'intérieur de la séquence classique de modélisation à quatre étapes. Celle-ci demeure l'outil principal dès lors que l'on cherche, par exemple, à prévoir le trafic d'une nouvelle infrastructure (dimensionnement ou évaluation) ou à simuler l'évolution des déplacements sur un territoire dans le cadre d'études de planification (PDU, DVA, SCOT)1 à moyen terme, soit environ dix ans. Elle a également pris une place importante en tant que partie constituante des efforts de modélisation de l'interaction transport urbanisme2, caractérisés notamment par des ambitions de simulation à des horizons de plus long terme (au delà de vingt ans). La modélisation en quatre étapes, statique, est en partie restée incontournable car elle est compatible avec les données usuellement disponibles. Les modèles sont calés sur des données en coupe instantanée 3 : données de la dernière enquête déplacements disponible, considérée comme étant la plus représentative des comportements des individus. La reconstitution des réseaux, étape particulièrement coûteuse, n'est conduite que pour la situation de référence qui correspond souvent à l'année de réalisation de la dernière enquête déplacements ou tout au moins à l'année pour laquelle le plus de données sont disponibles. Les exercices de prévision sont réalisés en supposant que les paramètres des différents modules du modèle à quatre étapes sont stables dans le temps (Ortúzar et Willumsen, 2001; Bonnel, 2004). Compte tenu des horizons de prévision, cette hypothèse est loin d'aller de soi. D'une part, les erreurs de prévision restent monnaie courante. Flyvbjerg et al. (2005) mettent en évidence des sous-estimations de demande pour les projets routiers de 9,5 % en moyenne et de surestimations de 51,4% en moyenne pour les projets ferroviaires. Parmi les causes des erreurs de prévision évoquées par les acteurs interrogés dans cette étude, les erreurs faites pendant la phase de distribution apparaissent en troisième position pour les projets routiers et en première position pour les projets ferroviaires4. D'autre part, l'analyse des données d'enquêtes déplacements montre que des dynamiques urbaines existent. Au niveau de la distribution des déplacements, on constate un allongement régulier des distances sans pouvoir établir avec précision s'il résulte exclusivement de l'accès plus fréquent aux modes motorisés et de l'accroissement des vitesses moyennes de déplacements, ou s'il n'y a pas en plus un besoin (souhaité ou subi selon les interprétations) des individus d'élargir leur aire de pratique des activités quotidiennes. La littérature relative à la validation empirique, la performance prospective et, plus généralement, la transférabilité temporelle du modèle gravitaire est relativement réduite par rapport à celle consacrée aux autres modules de la séquence en quatre étapes (Ortûzar 1 PDU = Plan de Déplacements Urbains ; DVA = Dossier Voirie de l'Agglomération ; SCOT = Schéma de Cohérence Territoriale. 2 Voir par exemple les modèles SIMAURIF et SIMBAD en France ou l'utilisation de la plateforme Urbansim combinée avec le modèle transport du Wasatch Front Regional Council, aux États-Unis. 3 Dans l'idéal, une modélisation dynamique prenant appui sur des données en séries temporelles, serait la meilleure manière de prendre en compte l'impact de l'évolution des comportements dans les prévisions. Ainsi, par exemple, dans le transport de longue distance l'accès à certaines séries chronologiques a permis de mettre en place des modèles dynamiques, permettant de prendre en compte des évolutions temporelles (Cabanne, 2005). La contrainte des données joue, en urbain, un rôle déterminant. 4 Il convient de noter que, dans l'étude de Flyvbjerg et al., les causes de la mauvaise estimation de la demande dans les projets routiers sont d'ordre technique (différents aspects de la modélisation), alors que pour les projets ferroviaires des enjeux exogènes semblent l'emporter. 11 et Willumsen, 2001; Fox et Hess, 2010). Il est donc opportun de s'intéresser à l'étude de la validité de l'hypothèse de stabilité temporelle des paramètres du celui-ci. L'objectif de cet article est de s'interroger sur la capacité du modèle de distribution gravitaire à intégrer les dynamiques du système urbain5 jouant dans les dix ou vingt ans que l'on cherche à simuler. En particulier, nous examinons la capacité du modèle à rendre compte de l'allongement des distances de déplacements urbains observées ces vingt dernières années, en prenant l'agglomération lyonnaise comme terrain d'application. Nous procédons, comme il est usuel dans les études sur la transférabilité, en calibrant des modèles gravitaires sur une année et en étudiant leur capacité à reproduire les flux observés à une autre date. Notre présentation se structure de la manière suivante : la section 2 est consacrée à dresser un état des connaissances relatives à la stabilité temporelle des paramètres du modèle gravitaire. La section 3 décrit les principes méthodologiques de notre démarche (notamment l'unité d'étude de la mobilité, les spécifications des modèles à tester et la technique de calibration). La section 4 décrit les données utilisées. La section 5 décrit les principaux résultats obtenus. 1.2. Revue bibliographique Une revue rapide de la littérature relative au modèle de distribution gravitaire montre une abondance d'études sur des considérations d'ordre théorique, comme les fondements du modèle (Wilson, 1967; Snickars et Weibull, 1977; Cochrane, 1975; Anas, 1983, représentant les courants principaux), et méthodologiques, comme les techniques de calibration (Hyman, 1969; Evans, 1971; Batty et Mackie, 1972; Kirby, 1974; Williams, 1976) ou la forme de la fonction de résistance (Evans et Kirby, 1974). Ces recherches ont été conduites pendant les années 1970, le sujet étant moins d'actualité aujourd'hui. À l'opposé, la question de la validation empirique du modèle, de sa performance en prospective et, plus généralement, de sa transférabilité 6 temporelle et spatiale a reçu beaucoup moins d'attention. Nous indiquons, dans ce qui suit, les principales contributions portant sur la transférabilité temporelle. Openshaw est la référence incontournable en ce qui concerne les études empiriques en rapport avec le modèle gravitaire. En 1976, il proposa une première étude sur la capacité de neuf variantes du modèle gravitaire à reproduire les interactions spatiales observées. Il conclut que les modèles fondés sur la théorie, comme ceux ayant une origine empirique, ont du mal à atteindre une performance descriptive satisfaisante. Plus tard, en 1979, il s'intéressa à la performance du modèle gravitaire en prévision en étudiant la région de Durnham, au nord de l'Angleterre, pour laquelle des temps-réseaux précis sont disponibles pour deux dates, 1966 et 1971. Si la performance descriptive du modèle est moyenne, celle en prévision est pratiquement la même que celle obtenue lors de la calibration, à condition que des estimations correctes des variables d'entrée soient disponibles. Les erreurs liées à l'hypothèse de stabilité des paramètres de calage sont relativement moins importantes que celles liées aux erreurs de prévision des variables exogènes. 5 Pour Bonnafous et Puel (1983), le système urbain est composé de trois sous-systèmes : localisation des activités, réseaux de transport et interactions sociales. 6 La transférabilité d'un modèle peut être définie de la manière suivante (Koppelman et Wilmot, 1982) : le transfert est l'application d'un modèle, information ou théorie sur le comportement, développé pour un contexte particulier, dans l'objectif de décrire le comportement correspondant dans un autre contexte. La transférabilité est la valeur, l'utilité, l'utilisabilité du modèle, information ou théorie transférée, dans le nouveau contexte. 12 L'amélioration de la performance descriptive est possible, mais au détriment de la qualité des prévisions, en raison d'une sensibilité accrue aux changements de paramètres. Southworth (1979) étudie l'impact de la structure spatiale (segmentation de la population par niveau de revenu et lieu de résidence) sur les paramètres du modèle gravitaire en calibrant plusieurs modèles contraints à la destination, en faisant une distinction par motif de déplacement, à partir de données de la London traffic survey de 1962. Il observe une grande variabilité des paramètres, et une amélioration de la qualité des calages apportée par la désagrégation. Dans une deuxième étude (Southworth, 1983), il poursuit son travail sur les modèles segmentés en introduisant la composante temporelle, à partir de données du Grand Londres pour 1962 et 1971. Il cherche à comparer l'impact des changements dans les temps de parcours et ceux de désagrégations non-temporelles sur les paramètres du modèle gravitaire. Ses résultats confirment ce qui avait déjà été avancé par Openshaw : la segmentation n'améliore pas la qualité des prévisions. Les prévisions sont plus sensibles aux écarts de temps de parcours qu'aux changements paramétriques. Compte tenu de ces résultats, tant Openshaw que Southworth recommandent de limiter l'usage du modèle gravitaire à des études descriptives et d'éviter son utilisation en prospective. Volet et Hutchinson (1986) ont testé le pouvoir descriptif d'un modèle gravitaire comparé à celui d'un modèle de type « facteurs de croissance » (Fratar) sur les flux interzonaux domicile-travail de la ville de Toronto, pour 1971 et 1981. Ils ont également testé la capacité du modèle gravitaire calibré en 1971 à prévoir les flux observés en 1981. Leurs résultats suggèrent que le modèle très simple de type « facteurs de croissance » donne de meilleurs résultats en termes de prévision que le modèle gravitaire. Plus généralement, les deux types de modèles ont des difficultés à imiter les modifications dans la structure des trajets domicile-travail qui sont dus à des changements des modèles de vie et de travail des différentes catégories de la population. Duffus et al. (1987) ont étudié la performance prospective d'un modèle gravitaire à fonction de résistance « par paliers » et l'impact de l'inclusion de K-facteurs (correctifs spécifiques à certaines O-D) en utilisant des données d'enquête déplacements sur la ville de Winnipeg pour 1962, 1971, 1976 et 1981. Ils observent que l'allongement de l'horizon de prévision se traduit par une baisse de la qualité des prévisions réalisées par le modèle. L'inclusion des K-facteurs permet d'améliorer le pouvoir descriptif des modèles, mais se traduit également par une baisse de leur pouvoir prospectif. Ceci est sans doute lié à l'absence de fondements comportementaux permettant de déterminer les K-facteurs. Plus récemment, Elmi et al. (1999) ont entrepris une étude sur la transférabilité temporelle du modèle gravitaire pour les déplacements liés au motif travail. Cette étude est très proche de celle de Volet et Hutchinson (1986) et la complète sur plusieurs aspects. L'aire d'étude est identique : Toronto, bien que Elmi et al. (1999) utilisent des données de trois enquêtes déplacements (la Metropolitan Toronto and Region Transport Study de 1964 et les Transportation Tomorrow Survey de 1986 et 1996) sur une période de 30 ans. Le modèle testé est le même, c'est-à-dire le modèle gravitaire doublement contraint avec une fonction de résistance exponentielle. Elmi et al. (1999) enrichissent leur étude de quatre segmentations du modèle : en fonction de la zone principale d'activité (relation centrepériphérie), du sexe, de la disponibilité d'un véhicule particulier et du type d'activité des agents. Les résultats de l'étude montrent une variabilité du paramètre de la fonction de résistance dans le temps, qui suggère une évolution des comportements et une inclinaison à consacrer plus de temps aux déplacements. Globalement, les modèles segmentés ont une meilleure performance descriptive, notamment le modèle qui utilise la segmentation par type d'occupation. La performance prospective des modèles segmentés est également meilleure, ce qui semble aller à l'encontre des études que nous avons présentées jusqu'ici. Néanmoins, les auteurs tempèrent leurs propos en suggérant que, d'un point de vue pratique (outil d'aide à la décision), le gain apporté par la segmentation ne semble pas 13 suffisant pour recommander son introduction dans les études de terrain. Ainsi, les auteurs concluent que le modèle gravitaire doublement contraint usuel apparait comme étant satisfaisant pour l'usage en modélisation. Dans un cas un peu à part, Mikkonen et Luoma (1999) s'intéressent à l'évolution des paramètres d'un modèle d'interaction spatiale par paliers (à ne pas confondre avec une fonction de résistance par paliers) sur les villes de Vaasa, Seinajoki, Kokkola et Pietarsaari en 1971, 1980-81 et 1991. Leur étude est un peu différente des autres études présentées ici car le modèle utilise la distance et non le temps de déplacement comme variable en entrée. Ils trouvent une évolution du paramètre de la fonction de résistance mais cette évolution est non monotone (on se serait attendu normalement à une réduction continue du paramètre). Les auteurs trouvent une explication à ce phénomène dans la localisation des gros centres commerciaux. Les quelques études de caractère empirique sur la transférabilité du modèle gravitaire semblent converger sur l'idée que les affinements nécessaires pour reproduire une situation de calage de manière plus satisfaisante rendent hasardeuse l'utilisation du modèle en prospective. La recherche d'une alternative s'est révélée difficile. Les deux dernières décennies ont vu le développement de l'application des techniques du champ de l'intelligence computationnelle (logique floue, réseaux de neurones...) aux problèmes d'optimisation dans le domaine des transports. Ainsi, à partir du milieu des années 1990, on a assisté à l'apparition d'une série d'études sur l'utilisation d'une architecture de type « réseaux de neurones » pour l'étape de distribution (voir notamment Black, 1995; Openshaw, 1998). Elles suggèrent que cette approche serait plus performante que les modèles de type gravitaire. Cependant, Mozolin et al. (2000) avancent que la supposée meilleure performance des modèles en réseaux de neurones est uniquement descriptive et non prédictive. Ils montrent, en utilisant des données de recensement relatives aux déplacements domicile-travail de 1980 et 1990 sur l'aire métropolitaine d'Atlanta, qu'un modèle gravitaire simple, avec une fonction de résistance exponentielle, prédit mieux une matrice O-D future qu'un modèle de type réseaux de neurones. On retrouve donc un cadre de figure similaire à celui dépeint par Openshaw et Southworth : les nouvelles approches sont plus performantes en matière descriptive -- elles permettent gérer significativement mieux les situations où l'information est rare -- mais elles sont moins performantes que l'approche classique en prévision. 1.3. Méthodologie L'objectif de cette étude est d'évaluer la capacité du modèle gravitaire à faire des prévisions sur un horizon temporel de moyen-long terme (10 ans et plus), et de voir s'il est capable de rendre compte de l'allongement des distances observé ces vingt dernières années. Pour ce faire, nous étudions le cas de l'agglomération lyonnaise à partir des données des enquêtes ménages déplacements (EMD) de 1985,1995 et 2006 et d'une codification du réseau routier correspondant à ces trois dates et permettant d'avoir des temps de parcours comparables dans le temps. Ces données permettent de tester le pouvoir prédictif du modèle a posteriori, autrement-dit de vérifier si les paramètres de calibration d'une année permettent de reproduire raisonnablement bien les données observées à une autre année. Cette section commence par une description de l'unité d'analyse de la mobilité retenue (3.1), puis quantifie l'allongement des distances observé (3.2). Elle donne également les spécifications des modèles étudiés (3.3) et la méthode de calibration ainsi que les indicateurs permettant d'analyser les résultats (3.4). 14 1.3.1. Une approche en termes de sorties du domicile L'unité de description de la mobilité retenue est la sortie du domicile (Axhausen, 2000; Bonnel, 2004), c'est-à-dire la séquence de déplacements en lien avec les différentes activités réalisées par les résidents de l'aire d'étude à partir du moment où ceux-ci sortent de leur domicile jusqu'au moment où ils y reviennent. Le choix de la sortie plutôt que du déplacement comme unité d'analyse repose sur : (i) un désir de comparabilité entre les données des différentes enquêtes : la définition du déplacement est restée stable dans la méthode « standard Certu ». En revanche, selon la qualité des enquêteurs et du contrôle, il est possible que l'application de la définition ait pu changer d'une enquête à une autre, notamment pour les arrêts courts comme acheter du pain ou prendre de l'essence. Le choix de la sortie comme unité d'analyse permet de minimiser l'impact de ce type d'inconsistance dans les données ; (ii) une symétrisation des flux des matrices O-D par motif ; (iii) une meilleure intégration avec les étapes de génération et répartition modale. Au niveau de la génération, la définition en termes de déplacements revient à perdre ce qui est très probablement le motif principal de la sortie du domicile réduisant d'autant la pertinence des lois de génération. Au niveau de la répartition modale, les sorties comportent une forte homogénéité modale, au moins pour les modes motorisés. Dans une approche en termes de sorties, le motif principal justifiant la sortie peut être conservé et la cohérence interne à la sortie peut être assurée (Bonnel, 2004). Dans une approche en termes de déplacements, la distribution conduit à relier les émissions et attractions entre elles. Elle conduit donc à relier l'origine et la destination des déplacements. Dans une sortie, l'origine et la destination sont au domicile. Il est donc nécessaire d'adapter la méthode pour identifier l'origine et la destination de chacun des déplacements inclus dans la sortie. Dans la pratique, il s'agit de déterminer le lieu de réalisation de chacune des activités inclues dans la sortie. L'analyse est rapidement complexe dans la mesure où l'observation des sorties met en évidence la variabilité du nombre d'activités présentes au sein des sorties et surtout la très grande diversité des combinaisons d'activités. Il est donc difficile de définir des typologies simples. Nous avons défini huit motifs de déplacement correspondant aux différents types d'activités, en les classant hiérarchiquement du plus contraint au moins contraint : Travail y Enseignement (primaire, secondaire et supérieur) y Achats-Services y Accompagnement y Loisirs y Autres. Le motif principal de la sortie est défini en retenant le plus élevé des motifs présents dans la sortie. Le lieu de résidence et le lieu de réalisation de l'activité principale correspondent à l'origine et à la destination de la sortie. D'un point de vue comptable, au niveau de la matrice O-D, il y a une demi-sortie aller (domicile vers lieu de réalisation de l'activité principale) et une demi-sortie retour (lieu de réalisation de l'activité principale vers domicile). Cette manière de procéder repose sur le fait qu'une analyse préalable des sorties complexes, à partir des données de l'enquête ménages déplacements de 2006, montre que la distance supplémentaire générée par les activités autres que celle correspondant au motif principal de la sortie est très faible par rapport à la distance allerretour entre le domicile et le lieu du motif principal de la sortie. 15 T ABLEAU 1 - Distances moyennes à vol d'oiseau en km des demi-sorties, pour les motifs Travail et Loisirs. Date EMD 1985 1995 2006 Motif Travail Périmètre 1985 4,47 4,83 5,01 Périmètre 1995 5,17 5,47 Périmètre évolutif 4,47 5,17 7,28 Motif Loisir Périmètre 1985 2,88 2,97 3,03 Périmètre 1995 3,24 3,26 Périmètre évolutif 2,88 3,24 4,18 Source : EMD 1985, 1995 et 2006 1.3.2. Évaluation de l'allongement des distances observées Le tableau 1 donne l'évolution des distances moyennes à vol d'oiseau d'une demi-sortie du domicile, c'est-à dire celle entre le domicile et le lieu de réalisation de l'activité principale de la sortie (voir le paragraphe 3.1 ci-dessus), pour les motifs Travail et Loisirs. Il y a une distinction faite par périmètre de résidence des ménages. Les deux premières lignes du tableau, pour chaque motif, donnent des évolutions de distance à périmètre de résidence constant (périmètre couvert par les EMD de 1985 et 1995). La dernière ligne donne les distances moyennes calculées à partir de l'ensemble des ménages enquêtés (en ne retenant que les sorties réalisées au sein du périmètre). L'augmentation des distances de déplacement peut se voir clairement, pour les motifs 16 FIGURE 1 - Évolution de la distribution des distances à vol d'oiseau des demi-sorties, pour les motifs Travail et Achats-Services. Travail et Loisirs, sur tous les périmètres. Les distances moyennes augmentent avec le temps mais également avec le périmètre choisi : les distances parcourues par les résidents des zones les plus éloignées du centre sont les plus grandes. Les distances moyennes entre l'origine et la destination pour le motif Travail sont supérieures à celles pour le motif Loisirs, en accord avec l'intuition selon laquelle on est prêt à aller plus loin lorsque le motif de la sortie est plus « contraint ». La figure 1 permet d'avoir le détail de la distribution des distances des demi-sorties. Pour le motif Travail, on observe que les sorties très courtes sont plus nombreuses en 1985 et, au fur et à mesure que la distance s'accroît, le nombre de sorties est plus important en 1995 et puis en 2006. Pour le motif Loisirs, on observe une augmentation généralisée du nombre de demi-sorties avec le temps. En termes relatifs elle est plus importante pour les distances plus longues, ce qui explique l'augmentation en moyenne constatée dans le tableau 1. Il convient de remarquer que les deux motifs présentés ici sont ceux pour lesquels on observe un allongement des distances. Pour les autres motifs on constate plutôt une stabilité entre 1985 et 2006. Dans un cadre d'évaluation des performances en prévision, notre présentation se focalisera sur ces deux motifs. 1.3.3. Trois spécifications du modèle gravitaire segmentées par motif de déplacement Dans la famille des modèles gravitaires, la formulation qui a la meilleure performance prospective est celle du modèle doublement contraint (Openshaw, 1979; Mozolin et al., 2000). Cette supériorité dépend de la bonne estimation des marges de la matrice O-D dans la phase de génération. Dans la mesure où évaluer la transférabilité temporelle du modèle gravitaire revient à, dans un premier temps, tester le pouvoir prédictif du modèle a posteriori, c'est-à-dire en utilisant des variables en entrée effectivement observées à l'horizon de prévision, notre étude fonctionne comme si nous avions fait une prévision parfaite des émissions et attractions. L'utilisation du modèle doublement contraint est donc parfaitement adaptée et elle peut servir de benchmark pour d'autres types de modèles. Les modèles gravitaires sont également caractérisés par la forme de la fonction de résistance retenue. Classiquement, on utilise une fonction exponentielle avec un seul paramètre. Celle-ci présente l'avantage de permettre une interprétation relativement aisée des évolutions paramétriques (voir, par exemple, les indications données par Elmi et al., 1999; Mikkonen et Luoma, 1999). L'utilisation d'un seul paramètre peut ne pas être suffisante pour reproduire suffisamment bien la distribution des déplacements par tranche de distance ou temps. Le recours à une fonction avec deux paramètres (dite « exponentielle-puissance » ou Tanner, 1961) peut être avantageux dans un tel cas. Nous estimons donc trois types de modèles gravitaires doublement contraints. Il convient de présenter les spécifications en commençant par le modèle à la Tanner donné dans les équations où est le nombre de sorties ayant comme origine la zone i et ayant le motif principal f situé dans la zone j. ; est le nombre de sorties ayant comme origine la zone i et ayant le motif principal f (il s'agit donc des émissions) ; est le nombre de sorties ayant la zone j comme localisation de leur motif principal f (il s'agit donc des attractions) ; est le temps généralisé pour aller de la zone i à la zone j. est la fonction de résistance à deux paramètres, a p et . Le modèle gravitaire exponentiel simple correspond au cas où le paramètre ap est nul. La fonction de résistance (4) peut s'écrire comme indiqué en (5) exp (8 pCij 18 p ) (5) Il convient d'avoir un modèle de référence par rapport auquel on puisse comparer la performance de ces deux modèles. On peut prendre un modèle simple à facteurs de croissance (Deming et Stephan, 1940 et Furness, 1965), qui correspond au cas où et sont tous les deux nuls. Il s'agit d'un modèle purement théorique de référence dans la mesure où l'application des facteurs de croissance se fait d'habitude à partir d'une matrice O-D observée dans le passé. 1.3.4. Calibration et indicateurs 1.3.4.1. Estimation des paramètres par la méthode du maximum de vraisemblance Erlander et Stewart (1990) ont mis en évidence un principe d'équivalence mathématique entre les modèles dérivés suivant chacune des différentes approches théoriques évoquées dans le début de la section 2. La traduction pratique de cette équivalence est que l'on peut supposer que l'une des approches est la plus adaptée à la modélisation, d'un point de vue théorique, et utiliser une autre approche pour effectuer les calculs. Ce principe d'équivalence sera utile, ici, au moment de proposer une méthode pour calibrer le modèle. Ainsi, nous pouvons supposer que notre modèle a été défini, de manière usuelle, à partir de la maximisation de l'entropie sous une contrainte de coût (ou de temps donnée par les équations (8) et (9)), et pour déterminer les estimateurs par maximum de vraisemblance, supposer que le nombre de déplacements observés entre EQ et EQ, EQ suit une loi de poisson de paramètre EQ de sorte que EQ. Batty et Mackie (1972) et Kirby (1974), ainsi que, plus tard, Erlander et Stewart (1990) et Sen et Smith (1995) ont montré qu'il suffit de résoudre les systèmes définis par les équations (6) à (8) et (6) à (9) pour trouver les estimateurs par maximum de vraisemblance des paramètres du modèle gravitaire doublement contraint avec une fonction de résistance de type exponentielle et Tanner7, respectivement. Les paramètres EQ et EQ sont ainsi définis de manière unique8. Afin de résoudre les systèmes non linéaires décrits par les équations (6) à (9), nous utilisons la procédure MSC (modified scoring procedure) décrite dans Sen et Smith (1995, chapitre 5), que nous avons implémentée en utilisant le logiciel statistique R (R Development Core Team, 2011). 7 8 Ces équations sont, en effet, les conditions de premier ordre de la maximisation de la fonction de log-vraisemblance. Les paramètres liés aux marges sont uniques à un coefficient près et, de toute manière, sont déterminés lors de l'application de l'algorithme d'égalisation des marges lors de l'application du modèle, donc il n'est pas nécessaire de les prévoir. 19 1.3.4.2. Évaluation de la qualité des calages et de la transférabilité des modèles La mesure de la qualité de la reproduction des matrices observées, en description et prévision, nécessite de la définition de certains indicateurs pertinents. Pour ce faire, nous nous sommes appuyés sur la littérature existante. Nous avons examiné des indicateurs spécifiques à l'analyse de transférabilité temporelle ainsi que des indicateurs plus généraux de distance entre les matrices observées et simulées. Nous les présentons ci-dessous. Comme le notent McArthur et al. (2011), les revues récentes de la littérature relative à la transférabilité temporelle des modèles de prévision de la demande de transport (Ortúzar et Willumsen, 2001, mais aussi Karasmaa, 2008 et Fox et Hess, 2010) retiennent deux indicateurs principaux : la statistique de test de tranférabilité ( T T S , du sigle en anglais) et l'indice de transfert (TI, idem). La statistique de test de transférabilité (10) permet de tester statistiquement l'hypothèse que les paramètres de la période de référence (calage) r et ceux du contexte d'application a sont égaux : où LLa ( O r ) est la valeur de la log-vraisemblance du modèle simulé à partir des paramètres de calage Or9 et des émissions, attractions et temps de la date d'application (prévision). LLa ( O a ) est la valeur de la log-vraisemblance du modèle calibré pour la date d'application. La statistique TTS suit une loi du x2 avec un degré de liberté égal au nombre de paramètres du modèle. Cependant, McArthur et al. font remarquer que l'indicateur semble mal s'adapter à l'étude du modèle gravitaire en raison des non-linéarités inhérentes à celui-ci. On peut penser que cette raison a également conduit Elmi et al. (1999) à ne pas prendre en compte la statistique TTS et à privilégier l'utilisation d'autres indicateurs. Nous avons donc décidé de procéder de la même manière et de ne pas l'utiliser et de ne retenir que l'indice T I . Celui-ci (Koppelman et Wilmot, 1982) est moins une mesure d'égalité paramétrique qu'une une mesure de performance relative : où BREF correspond aux paramètres d'un modèle de référence ou nul (facteurs de croissance). Il décrit le degré avec lequel la log-vraisemblance du modèle transféré améliore un modèle nul ou de référence, par rapport à l'amélioration apportée par un modèle développé dans le contexte d'application. La très grande majorité des études de validation empirique du modèle gravitaire utilisent au moins une statistique générale de distance, le plus souvent en rapport avec l'erreur quadratique moyenne. Nous avons retenu pour cette étude deux indicateurs de ce type. Le premier est le SRMSE10 (standardized root mean square error), donné dans l'équation (12) suivante : S R M S E 9 Qui, dans cette étude correspondent à beta, pour le modèle avec une fonction de résistance exponentielle, et à alpha et beta, pour celui avec une fonction de résistance de type Tanner. 10 Racine carrée normalisée de l'erreur quadratique moyenne = -- ---------------------I J (12) où l'on a omis les motifs p pour faciliter la lecture. I et J sont respectivement le nombre d'origines et de destinations émettant ou attirant au moins un déplacement. D'après Fotheringham et Knudsen (1987), l'utilisation du SRMSE est préférable à celle des autres types de RMSE car ces dernières sont très sensibles aux ordres de grandeur des données. Dans la mesure où nous étudions des modèles sur trois périmètres différents, cette statistique semblait être une alternative pertinente. Sa limite inférieure est zéro -- réplication parfaite des données -- et elle est généralement inférieure à un -- une valeur supérieure à un indique que l'erreur moyenne est plus grande que la valeur moyenne. La sensibilité du SRMSE aux erreurs est linéaire, ce qui lui confère, d'après Fotheringham et Knudsen, une supériorité par rapport aux autres mesures générales de distance à l'heure de comparer un même modèle dans deux contextes différents. La deuxième mesure de distance entre matrices est une forme particulière de RMSE, utilisée par Elmi et al. (1999). Nous l'avons introduite dans un souci de comparabilité des résultats. Elle prend la forme suivante : défini dans les équation (14) et (15) ci-dessous : Les indicateurs donnés par (12) et (13) sont des mesures absolues de l'erreur produite. Il convient de les compléter par un indicateur permettant de comparer la performance des modèles en description et en prévision. Elmi et al. (1999) utilisent le RATE (relative aggregate transfer error) qui compare la valeur des erreurs issus d'une simulation avec les paramètres transférés à celle des erreurs issues du calage du modèle correspondant au contexte d'application. Il est correspondant aux deux indicateurs de distance entre matrices définis par (12) et (13) respectivement. 1.4. Sources des données, périmètres et définition du zonage La calibration d'un modèle gravitaire fait appel à deux types de données : le premier correspond aux données permettant d'établir les matrices origine-destination observées (N? . Il s'agit des données de la demande. Le deuxième type correspond aux données permettant de donner une indication sur la proximité des différents couples d'O-D. Notre étude utilise le temps généralisé en voiture particulière ( y c i j ) . Celui-ci est obtenu à partir de la modélisation du réseau routier. On parle de données d'offre ou de niveau de service du réseau. 21 1.4.1. Les données relatives à la demande Les données relatives à la demande, c'est-à-dire au nombre de sorties par paire d'O-D, proviennent des trois dernières enquêtes ménages déplacements (EMD) réalisées sur l'agglomération lyonnaise (1985, 1995 et 2006). Les EMD sont l'un des instruments essentiels pour l'étude de la mobilité et de son évolution en France. Nous reprenons ici les éléments décrits dans Certu (2008). La méthode « standard Certu » de réalisation des EMD repose sur les principes suivants : - Les EMD visent à reconstituer la mobilité des habitants pour un jour ouvrable « moyen » de semaine, hors vacances scolaires. - Elles sont réalisées au domicile des personnes, par des enquêteurs spécialement formés à ce type de recueil. Toutes les personnes de cinq ans et plus habitant dans le logement sont interrogées en personne. - Tous les déplacements réalisés la veille du jour d'enquête par chaque personne enquêtée sont recensés. Les caractéristiques de chaque déplacement -- motif, mode, origine, destination, heure de départ et d'arrivée -- sont recueillies. - Les EMD portent sur un échantillon représentatif des ménages de l'aire enquêtée tiré aléatoirement, par secteur de résidence, dans un fichier de logements. Le logement désigné doit constituer la résidence principale du ménage. La taille de l'échantillon est déterminée de manière à assurer une fiabilité minimum des résultats permettant une analyse sectorielle. Le taux d'échantillonnage global est d'environ 1 %. FIGURE 2 - Communes de l'agglomération lyonnaise incluses dans le périmètre de l'EMD de 2006. Le respect de la méthode d'enquête « standard Certu » assure, en principe, la comparabilité des données dans le temps. Dans la pratique, il est nécessaire de prendre certaines précautions pour s'assurer de la comparabilité des différents champs nécessaires au calage du modèle gravitaire. Le premier élément à prendre en compte est l'évolution de périmètre : le périmètre des enquêtes a été étendu au cours du temps. En 1985, 1995 et 2006 l'enquête portait sur 79, 107 et 461communes (en comptant les arrondissements lyonnais), respectivement. La figure 2 donne un aperçu des communes appartenant aux différents périmètres des EMD. F IGURE 3 - Découpage en IRIS2000 de l'aire urbaine lyonnaise. Le deuxième aspect à prendre en compte est la question du zonage11. En réalité, pour comparer les modèles calibrés à plusieurs dates, il est nécessaire de disposer d'un zonage commun pour la définition des différentes matrices O-D. Autrement, il est possible que les différences observées entre deux calages soient en partie liées aux différences de zonage. Un cas extrême est étudié par Openshaw (1977) qui montre qu'il est possible de calibrer un modèle gravitaire en choisissant des valeurs paramétriques a priori et en modifiant le zonage pour faire la correspondance. Par ailleurs, comme le notent Mozolin et al. (2000), il n'est pas rare d'observer une moindre performance des modèles lorsque le niveau de zonage est très fin. Ces aspects font partie de ce que la littérature géographique appelle problème de l'unité surfacique modifiable (modifiable areal unit problem, ou encore MAUP, voir Openshaw, 1984; Briant et al., 2010). Le traitement de la question dans le contexte des modèles gravitaires a été fait par Batty et Sikdar (1982a,b,c,d). Pour analyser l'impact potentiel de la MAUP, nous calibrons le modèle gravitaire sur trois zonages. Le premier, très fin, correspond aux IRIS2000, unité spatiale plus fine de diffusion des données définie par l'INSEE (figure 3), le deuxième, un peu plus agrégé, est l'échelle communale (figure 2) et le troisième, plus agrégé, est donné dans la figure 4. La commune est la plus petite unité géographique commune aux zonages des trois enquêtes. Le zonage agrégé permet de construire des indicateurs statistiquement plus significatifs (du fait du nombre de personne enquêtées plus grand) et il a été défini à partir des communes, de manière à ne pas utiliser des éléments du réseau structurant (autoroutes A42 et A43 notamment) en tant que limites. Le zonage à l'IRIS permet d'avoir un nombre de déplacements intrazones faible. Il correspond à l'échelle de codification du réseau. On peut voir dans les figures 3 et 4 que les zonages IRIS200 et agrégé sont limités au périmètre de l'Aire urbaine lyonnaise 12. Ce périmètre correspond au périmètre 11Les adresses exactes des ménages enquêtés dans les EMD ne sont pas géocodées et les zonages changent pour chaque nouvelle enquête. 12L'Aire urbaine -- définie par l'INSEE (Institut National de la Statistique et des Études Économiques) comme un « ensemble de communes, d'un seul tenant et sans enclave, constitué par un pôle urbain, et par des communes rurales ou unités urbaines (couronne périurbaine) dont au moins 40 % de la population résidente ayant un emploi travaille dans le pôle ou dans des communes attirées par celui-ci »-- lyonnaise compte, en 1999, 294 communes. 13. Les arrondissements lyonnais sont considérés comme des communes 23 retenu par le projet SIMBAD et donc au périmètre sur lequel l'historique des réseaux a été codifié (voir 4.2). Les zonages à l'IRIS2000, à la commune13 et agrégé comportent 523, 79 et 7 zones respectivement dans le périmètre de l'EMD 1985, 555, 107 et 9 zones dans le périmètre de l'EMD 1995 et 777, 304 et 13 zones dans le périmètre de l'aire urbaine lyonnaise. Le tableau 2 permet d'avoir un aperçu des données de demande. FIGURE 4 - Découpage en zones agrégées de l'aire urbaine lyonnaise. 1.4.2. Les données de niveau de service des transports Un des principaux obstacles à l'évaluation de la performance prospective du modèle gravitaire est le manque de données comparables sur plusieurs dates, notamment en ce qui concerne les temps de parcours. Ainsi, par exemple, Openshaw (1979) décrit Durnham comme un cas d'étude spécial parce que des données de temps de parcours fiables et comparables sont disponibles à deux dates. En réalité, en l'absence de données de temps comparables, les variations des valeurs des paramètres ne traduisent pas seulement des changements dans les comportements de mobilité. Elles peuvent, tout simplement, être le reflet des inconsistances entre les mesures de temps utilisées. La propriété de consistance fait ici référence à l'utilisation d'un même outil pour mesurer l'évolution d'une variable entre deux dates. Dans la mesure où, d'une part, les temps déclarés provenant des différentes enquêtes peuvent ne pas être comparables entre eux, notamment lorsque les besoins de désagrégation des données sont importants 13, et, d'autre part, la modélisation s'appuie sur une codification des 13 Si les temps déclarés sont consistants au niveau agrégé, ils le sont beaucoup moins lorsqu'on les analyse à un niveau plus désagrégé. Le faible nombre de personnes enquêtées par O-D rend leur utilisation délicate en modélisation. En effet, les temps déclarés sont sujets à des effets de perception et d'arrondis. Un exemple permet d'illustrer le problème. Si un déplacement domicile-travail d'une personne en voiture prend 6 minutes à la date t 1 et 8 minutes à la date t2, les effets réseaux pour produire des temps de parcours dans les exercices de prévision, il est apparu naturel d'avoir recours à la codification de l'historique des réseaux, en suivant certaines règles prédéfinies, pour produire les données de temps comparables sur plusieurs dates, nécessaires à ce travail. Une telle donne était indisponible en France et une partie de ce travail a donc été consacrée à la production de données. La codification de réseaux étant un travail lourd et extrêmement chronophage, il semblait raisonnable de prendre appui sur des efforts de codification existants, plutôt que de se lancer dans la codification de réseaux ex nihilo. Ainsi, nous avons décidé de prendre comme point de départ les réseaux codifiées pour le projet SIMBAD (Godinot et Bonnel, 2008; Nicolas et al., 2009). Ceux-ci avaient deux avantages majeurs : le premier étant d'explorer les potentialités offertes par les bases de données géographiques existantes -- que ce soient par exemple des bases comme Navteq ou Géoroute pour la reconstitution du réseau routier -- et le deuxième étant d'automatiser le plus possible la construction du réseau pour assurer sa reproductibilité dans le temps. Le réseau a été codifié en utilisant le logiciel DAVISUM, sur le périmètre de l'aire urbaine lyonnaise de 1999. Le temps retenu pour cette étude est un temps généralisé en véhicule particulier, incluant le temps de parcours et une pénalité de temps pour les tronçons correspondant à des infrastructures à péage. Conformément à Gunn (2001), on fait l'hypothèse que la valeur du temps est constante pour le calcul de la pénalité. T ABLEAU 3 - Résultats des calages du modèles exponentiel et Tanner par année et périmètre pour les motifs Travail et Loisirs (zonage IRIS2000). Exponentielle MD/Périmètre =Travail 1985/P1985 1995/P1985 1995/P1995 2006/P1985 2006/P1995 2006/AUL =Loisir 1985/P1985 1995/P1985 1995/P1995 2006/P1985 2006/P1995 2006/AUL -0,128 -0,114 -0,112 -0,117 -0,114 -0,104 -0,216 -0,206 -0,198 -0,217 -0,21 -0,195 -6,674E + -6,732E + -7,213E + -6,313E + -6,928E + -1,009E + -4,744E + -5,331E + -5,751E + -5,427E + -5,917E + -8,033E + 05 05 05 05 05 06 05 05 05 05 05 05 2,57 2,4 2,45 2,41 2,43 3,05 7,1 4,63 4,86 4,49 4,65 6,09 -0,551 -0,468 -0,48 -0,551 -0,559 -0,622 -0,779 -0,735 -0,783 -0,681 -0,754 -0,831 -8,509E -8,021E -7,849E -7,630E -7,458E -6,724E -1,341E -1,329E -1,239E -1,472E -1,359E -1,216E 02 02 02 02 02 02 01 01 01 01 01 01 -6,551E + -6,648E + -7,118E + -6,206E + -6,803E + -9,849E + -4,604E + -5,172E + -5,556E + -5,293E + -5,736E + -7,730E + 05 05 05 05 05 05 05 05 05 05 05 05 2,52 2,34 2,4 2,35 2,37 2,99 6,85 4,58 4,79 4,48 4,65 6,07 P Tanner RMSE a P LLa ( 9 a ) LLa ( 9 a ) RMSE 1.5. Résultats 1.5.1. Résultats de calage Le tableau 3 donne des résultats choisis des calages des modèles gravitaires exponentiel et Tanner au niveau des IRIS2000. Nous n'y avons inclu que les deux motifs de déplacement susceptibles d'avoir la contribution la plus grande à l'allongement des distances : Travail et Loisirs. On peut commencer par noter que l'élargissement du périmètre de calage a l'effet auquel on aurait pu s'attendre au niveau du sens de variation des paramètres : le paramètre p a tendance à décroitre en valeur absolue au fur et à mesure que le périmètre d'enquête s'élargit, tant pour le motif Travail que pour le motif Loisirs. Ceci traduit le fait que les habitants des d'arrondis peuvent faire que, lors de l'enquête, elle déclarera mettre 5 minutes en t 1 et 10 minutes en t2 (arrondi au multiple de 5 le plus proche) pour réaliser le trajet. À la place d'avoir un écart de 2 minutes, on en a un de 5 minutes. 25 zones périphériques ont tendance à consacrer plus de temps aux transports que les personnes habitant près du centre. Lorsqu'on s'intéresse à l'évolution temporelle des paramètres, à périmètre constant, les résultats sont un peu différents de ceux auxquels on se serait attendu : alors que les distances de déplacement augmentent, entre 1985 et 2006, l'évolution de p n'est pas monotone. On observe une baisse en valeur absolue entre 1985 et 1995 et puis une hausse entre 1995 et 2006. On peut, en partie, expliquer cette évolution en « v » par les changements dans le réseau routier et donc dans les temps généralisés moyens. Il convient néanmoins de noter ici que l'évolution en « v » n'apparait que dans les calages à l'IRIS2000 et non sur les autres zonages, où l'on observe une cetaine stabilité entre 1995 et 2006, notamment pour le motif Travail. Si l'on s'intéresse aux ordres de grandeur, on remarque que l'écart le plus important constaté pour le motif Travail est d'un peu plus de 23 % constaté aux deux « extrêmes » temporel et de périmètre (1985/P1985 et 2006/AUL). Pour le motif Loisirs, les écarts sont moins importants (11,3 %) et ils sont enregistrés sur calages correspondant à l'année 2006 (périmètre de 1985 et de l'aire urbaine lyonnaise). Le choix du périmètre semble avoir un impact plus important sur la valeur du paramètre de la fonction de résistance que le changement d'enquête (effet temporel), pour les deux motifs. En ce qui concerne la qualité de l'ajustement, celui est au moins aussi bon que ce qui est donné dans la littérature (Elmi et al., 1999, par exemple, obtiennent de valeurs pour le RMSE entre 7 et 15) compte tenu des écarts au niveau du nombre de zones (les calages de Elmi et al. ont été réalisés sur un zonage en plus de 1400 zones) 14. L'introduction du deuxième paramètre (a) se traduit, comme prévu, par une amélioration de la qualité des calages. Les deux indicateurs retenus, log-vraisemblance et R M S E , diminuent en valeur absolue. L'interprétation des évolutions paramétriques est un peu plus délicate dans ce cas. À ce niveau de zonage, on observe une stabilité relative des coefficients, mais celle-ci n'est pas robuste sur les 2 autres zonages (on remarque des écarts importants pouvant aller jusqu'à des rapports de 1 à 2, pour le zonage communal). 14La qualité de l'ajustement peut être améliorée en réduisant le nombre de zones mais cette démarche a le désavantage de dénaturer la signification des mesures de temps entre les différentes origines et destinations. T ABLEAU 4 - Performance prospective des modèles exponentiel et Tanner (zonage IRIS2000). Exponentielle EMD/Périmètre p =Travail 1995/P1985 1995/P1995 2006/P1985 2006/P1995 2006/AUL p =Loisirs 0,985 0,980 0,991 0,985 0,958 1,016 1,009 1,013 1,013 0,999 1 , 072 1 , 094 1 , 030 1 , 062 1 , 270 1,117 1 , 275 0,996 1,103 2,628 0,989 0,988 0,994 0,992 0,984 0,999 0,998 0,999 1 , 000 0,999 1,032 1,029 1,025 1,026 1,023 0,999 0,996 1,005 1,001 0,997 1,035 1 , 042 1,020 1,033 1,102 1,028 1,090 0,974 0,996 1,305 RATES RATER TI Coefficients de calage pour 1985/P1985 appliqués à : Tanner RATES RATER 1995/P1985 0,998 0,985 1995/P1995 0,995 0,977 2006/P1985 1,000 1,000 2006/P1995 0,999 0,995 2006/AUL 0,994 0,981 Coefficients de calage pour 1995/P1995 appliqués à : p =Travail 2006/P1985 2006/P1995 2006/AUL p =Loisirs 2006/P1985 2006/P1995 2006/AUL 0,998 1,000 0,996 0,995 0,998 1,000 0,999 1,001 0,991 1,018 1,013 0,996 0,992 0,995 1 , 057 0,896 0,850 1,172 0,999 0,999 0,998 0,996 0,998 1 , 000 0,996 0,997 0,995 1,006 1,004 0,998 0,998 1,000 1,025 0,944 0,924 1,012 Un dernier élément à remarquer est que les écarts les plus importants entre les matrices observées et les matrices modélisées ont lieu pour les données de 2006/AUL, ce qui peut indiquer l'existence d'une plus grande hétérogénéité des comportements de mobilité en périphérie. On peut penser qu'il existe certaines activités qui peuvent être faites en périphérie sans avoir à envisager un déplacement long et, inversement, certaines activités qui articulent les déplacements plus longs (centripètes). 1.5.2. Performance en prévision Le tableau 4 donne des indicateurs relatifs de qualité d'ajustement permettant d'étudier la performance prospective des modèles calibrés en 1985 et 1995, par rapport à la performance descriptive des modèles correspondants calibrés pour les contextes d'application. L'indice de transférabilité (T I) est très élevé. Sa valeur minimale est supérieure à 0,95 et, pour certaines années/périmètres elle s'approche de 1 (les effets d'arrondis font apparaître la valeur 1,000 dans ces cas). On peut en déduire que les modèles « transférés », c'est-àdire ceux conservant les paramètres de calage d'une année antérieure à celle du contexte d'application, contiennent une grande partie de l'information obtenue lors du calage réalisé dans le contexte d'application. L'indice de transférabilité permet également de comparer la performance prospective des modèles exponentiel et Tanner. En général, le deuxième apparait comme étant supérieur au premier. Si on s'intéresse aux indicateurs relatifs RATER et RATES, on retrouve une particularité récurrente dans les études de transférabilité réalisées pour le modèle gravitaire : il existe certains cas pour lesquels les indicateurs sont inférieurs à 1, ce qui revient à dire que 27 l'ajustement du modèle transféré est meilleur que celui du modèle calibré dans le contexte d'application15. On peut expliquer ce type de configuration par le fait que les indices de type SRMSE ou RMSE accordent un poids plus important aux erreurs relatives que ne le fait la déviance normalisée (scaled deviance), qui est l'indicateur minimisé lors d'une estimation par maximum de vraisemblance. Autrement-dit, minimiser la déviance normalisée ne correspond pas tout à fait à minimiser le RMSE. Ceci n'est pas sans rappeler la différence entre le calage du modèle gravitaire par la méthode des moindres carrés et par maximum de vraisemblance. Comme le notent Sen et Smith (1995), on pourrait calibrer le modèle en minimisant un indicateur quelconque de distance entre matrices. Le problème est qu'il n'est pas garanti que la minimisation de cet indicateur soit compatible avec les hypothèses de construction des modèles gravitaires à forme exponentielle multivariée (famille à laquelle appartiennent les deux modèles étudiés ici), notamment l'hypothèse de contrainte de temps moyen (à l'origine des contraintes données dans les équations (8) et (9)). On peut noter que les valeurs de RATER et RATES sont proches de 1, ce qui permet de retrouver un résultat donné par Openshaw (1979) : la qualité des prévisions avec le modèle gravitaire est très proche de sa capacité descriptive, qui elle est moyenne. 15 Ce type de comportement « surprenant » peut être observé dans Openshaw (1979) et McArthur et al. (2011), entre autres. F IGURE 5 - Capacité des matrices simulées, à partir du modèle à la Tanner, à reproduire la distribution des distances observées. 1.5.3. Modélisation et prévision des distances On a vu que le modèle gravitaire permet de prédire la une matrice O-D avec la même erreur de la description, qui est relativement importante. Cette section permet de voir ce qu'il en est de la description et de la prévision de l'allongement des distances. La figure 5 donne la distribution des distances entre l'origine et la destination des demi-sorties observées, simulées à la date d'application et prédites à partir des coefficients de 1985, pour les motifs Travail et Loisirs. On donne uniquement les distributions produites à partir du modèle à deux coefficients qui s'est révélé bien plus performant pour reproduire la distribution des distances. On remarque que, pour les deux motifs, les distributions des distances sont bien reproduites, à la fois en simulation lors du calage comme en prévision avec les paramètres de 1985. Un résultat important est que lorsqu'on éloigne l'horizon de prévision et qu'on élargi le périmètre 29 d'étude, les paramètres de 1985 permettent quand-même de reproduire les distances de manière correcte. Les déplacements longs sont un peu sous-estimés mais on reste dans des configurations acceptables en pratique. 1.6. Conclusion Nous avons vu qu'une le modèle gravitaire permet de décrire moyennement bien une des flux d'échange à un moment donné. En revanche, il permet de prédire avec un degré de précision équivalent des flux dans le futur, et ce à des horizons temporels d'au moins vingt ans même en élargissant le périmètre d'étude. On peut on déduire, de ce qu'on a vu et de ce qu'on sait des erreurs de prévision dans les études de planification, que les variations paramétriques du modèle jouent beaucoup moins que la bonne prévision des variables en entrée de celui-ci. Pour ce qui est des distances, on a pu voir que celles-ci sont reproduites de manière très correcte, tant en simulation qu'en prévision. 1.7. Références ANAS , A. (1983). Discrete choice theory, information theory and the multinomial logit and gravity models. Transportation Research Part B : Methodological, Vol. 17 (No. 1), pp. 1323. AXHAUSEN , K. W. (2000). Definition of movement and activity for transport modelling. Dans H ENSHER , D. A. et B UTTON , K. J., éditeurs : Handbook of Transport Modelling, pages 271-284, Amsterdam. Pergamon. ISBN 0-08-043594-7. B ATTY , M. et M ACKIE , S. N. H. (1972). The calibration of gravity, entropy, and related models of spatial interaction. Environment and Planning, Vol. 4 (No. 2), pp. 205-233. B ATTY , M. et SIKDAR , P. K. (1982a). Spatial aggregation in gravity models. 1. An information-theoretic framework. Environment and Planning A, Vol. 14 (No. 3), pp. 377405. B ATTY , M. et SIKDAR , P. K. (1982b). Spatial aggregation in gravity models. 2. Onedimensional population density models. Environment and Planning A, Vol. 14 (No. 4), pp. 525-553. B ATTY , M. et SIKDAR , P. K. (1982c). Spatial aggregation in gravity models. 3. Twodimensional trip distribution and location models. Environment and Planning A, Vol. 14 (No. 5), pp. 629658. B ATTY , M. et SIKDAR , P. K. (1982d). Spatial aggregation in gravity models. 4. Generalisations and large-scale applications. Environment and Planning A, Vol. 14 (No. 6), pp. 795-822. BLACK , W. R. (1995). Spatial interaction modeling using artificial neural networks. Journal of Transport Geography, Vol. 3 (No. 3), pp. 159-166. B ONNAFOUS , A. et P UEL , H. (1983). Physionomies de la Ville. Éditions ouvrières, Paris. ISBN 2-7082-2304-6. BONNEL , P. (2004). Prévoir la Demande de Transport. Presses de l'École Nationale des Ponts et Chaussées, Paris, 1re édition. ISBN 2-85978-395-4. B RIANT , A., C OMBES , P.-Ph. et LAFOURCADE , M. (2010). Dots to boxes : Do the size and shape of geographical units jeopardize economic geography estimations ? Journal of Urban Economics, Vol. 67 (No. 3), pp. 287-302. C ABANNE , I. (2005). Modélisation à Long Terme de l'Évolution des Trafics Voyageurs à Longue Distance en France. Thèse pour le doctorat de Sciences Économiques option Économie des Transports, Université Lumière Lyon 2, Lyon. C ERTU (2008). L'enquête ménages déplacements « standard Certu » : Guide méthodologique. Éditions du Certu, Lyon. ISBN 978-2-11-097161-6. COCHRANE , R. A. (1975). A possible economic basis for the gravity model. Journal of Transport Economics and Policy, Vol. 9 (No. 1), pp. 34-49. D EMING , W. E. et S TEPHAN , F. F. (1940). On least squares adjustment of a sampled frequency table when the expected marginal totals are known. The Annals of Mathematical Statistics, Vol. 11 (No. 4), pp. 427-444. D UFFUS , L. N., A LFA , A. S. et H, S. A. (1987). The reliability of using the gravity model for forecasting trip distribution. Transportation, Vol. 14 (No. 3), pp. 175-192. E LMI , A. M., B ADOE , D. A. et M ILLER , E. J. (1999). Transferability analysis of work-tripdistribution models. Transportation Research Record : Journal ofthe Transportation Research Board, Vol. 1676, pp. 169-176. E RLANDER , S. et S TEWART , N. F. (1990). The Gravity Model in Transportation Analysis : Theory and Extensions. Topics in Transportation. VSP, Utrecht, the Netherlands. ISBN 90-6764-089-1. EVANS , A. W. (1971). The calibration of trip distribution models with exponential or similar cost functions. Transportation Research, Vol. 5 (No. 1), pp. 15-38. EVANS , S. P. et KIRBY , H. R. (1974). A three-dimensional Furness procedure for calibrating gravity models. Transportation Research, Vol. 8 (No. 2), pp. 105-122. F LYVBJERG , B., H OLM , M. K. S. et B UHL, S. (2005). How (in)accurate are demand forecasts in public works projects. Journal of the American Planning Association, Vol. 71 (No. 2), pp. 131-146. F OTHERINGHAM , A. S. et K NUDSEN , D. C. (1987). Goodness of Fit Statistics. Numéro 46 de Catmog. Geo Books, Norwich. ISBN 0306-614-2. F OX , J. et HESS , S. (2010). Review of evidence for temporal transferability of modedestination models. Transportation Research Record : Journal o f t h e Transportation Research Board, Vol. 2175, pp. 74-83. F URNESS , K. P. (1965). Time function iteration. Trafic Engineering and Control, Vol. 7 (No. 7), pp. 458-460. G ODINOT , C. et BONNEL , P. (2008). Phase d'affectation : mise en forme du réseau routier sur l'aire urbaine de lyon. Laboratoire d'Économie des Transports. Rapport intermédiaire du projet SIMBAD pour le compte de la DRI (MEEDDAT) et de l'ADEME dans le cadre du groupe 11 du PRÉDIT 3, 173 p., Lyon. GUNN , H. (2001). Spatial and temporal transferability of relationships between travel demand, trip cost and travel time. Transportation Research Part E : Logistics and Transportation Review, Vol. 37 (No. 2-3), pp. 163-189. H YMAN , G. M. (1969). The calibration of trip distribution models. Environment and Planning, Vol. 1 (No. 1), pp. 105-112. K ARASMAA , N. (2008). The Transferability of Travel Demand Models : An Analysis ofTransfer Methods, Data Quality and Model Estimation. VDM Verlag Dr. Miiller Aktiengesellschaft & Co. KG, Saarbriicken, Germany. ISBN 978-3-639-09759-7. 31 KIRBY , H. R. (1974). Theoretical requirements for calibrating gravity models. Transportation Research, Vol. 8 (No. 2), pp. 97-104. KOPPELMAN , F. et WILMOT , C. (1982). Transferability analysis of disaggregate choice models. Transportation Research Record : Journal o f t h e Transportation Research Board, Vol. 895, pp. 18-24. M C A RTHUR , D. P., K LEPPE , G., T HORSEN , I. et UB 0 E , J. (2011). The spatial transferability of parameters in a gravity model of commuting flows. Journal of Transport Geography, Vol. 19 (No. 4), pp. 596-605. MIKKONEN , K. et LUOMA , M. (1999). The parameters of the gravity model are changing -- how and why ? Journal of Transport Geography, Vol. 7 (No. 4), pp. 277-283. MOZOLIN , M., THILL , J. C. et LYNN USERY , E. (2000). Trip distribution forecasting with multilayer perceptron neural networks : A critical evaluation. Transportation Research Part B : Methodological, Vol. 34 (No. 1), pp. 53-73. NICOLAS , J.-P., BONNEL , P., CABRERA , J., GODINOT , C., HOMOCIANU , M., ROUTHIER , J.L., TOILIER , F. et ZUCCARELLO , P. (2009). Simuler les mobilités pour une agglomération durable. rapport final du projet simbad. Rapport de recherche du Laboratoire d'Économie des Transports, pour le compte de la DRI (MEEDDAT) et de l'ADEME dans le cadre du groupe 11 du PRÉDIT 3. Avec le soutien de l'Agence d'Urbanisme pour le développement de l'agglomération lyonnaise. O PENSHAW , S. (1976). An empirical study of some spatial interaction models. Environment and Planning A, Vol. 8 (No. 1), pp. 23-41. O PENSHAW , S. (1977). Optimal zoning systems for spatial interaction models. Environment and Planning A, Vol. 9 (No. 2), pp. 169-184. O PENSHAW , S. (1979). Alternative methods of estimating spatial interaction models and their performance in short-term forecasting. Dans B ARTELS , C. P. A. et K ETELLAPPER , R. H., éditeurs : Exploratory and Explanatory Statistical Analysis ofSpatial Data, chapitre 8, pages 201-225. Martinus Nijhoff Publishing, Boston, The Hague, London. ISBN 0-89838004-9. O PENSHAW , S. (1984). The Modifiable Areal Unit Problem : Concepts and Techniques in Modern Geography. Geo Books, Norwich, UK. ISBN 0-860-94134-5. O PENSHAW , S. (1998). Neural network, genetic, and fuzzy logic models of spatial interaction. Environment and Planning A, Vol. 30 (No. 10), pp. 1857-1872. O RTÛ ZAR , J. de D. et W ILLUMSEN , L. G. (2001). Modelling Transport. John Wiley & Sons, Chichester, UK, 3e édition. ISBN 0-471-861103. R D EVELOPMENT C ORE T EAM (2011). R : A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-070. S EN , A. et S MITH , T. E. (1995). Gravity Models of Spatial Interaction Behavior. Springer, Berlin. ISBN 3-540-60026-4. S NICKARS , F. et WEIBULL , J. W. (1977). A minimum information principle : Theory and practice. Regional Science and Urban Economics, Vol. 7 (No. 1-2), pp. 137-168. SOUTHWORTH , F. (1979). Spatial structure and parameter disaggregation in trip distribution models. Regional Studies, Vol. 13 (No. 4), pp. 381-394. SOUTHWORTH , F. (1983). Temporal versus other impacts upon trip distribution model parameter values. Regional Studies, Vol. 17 (No. 1), pp. 41-47. T ANNER , J. C. (1961). Factors affecting the amount of travel. Road Research Technical Paper No. 5. Her Majesty's Stationery Office, London. V OLET, P. et HUTCHINSON , B. G. (1986). Explanatory and forecasting capabilities of tripdistribution models. Canadian Journal of Civil Engineering, Vol. 13 (No. 6), pp. 666-673. W ILLIAMS , I. (1976). A comparison of some calibration techniques for doubly constrained models with an exponential cost function. Transportation Research, Vol. 10 (No. 2), pp. 91-104. WILSON , A. G. (1967). A statistical theory of spatial distribution models. Transportation Research, Vol. 1 (No. 3), pp. 253-269. 33 2. Proximity versus network effects in firm location: evidence from spatial investigation in Lyon urban area Auteurs: Teodora Corsatea, Louafi Bouzouina. Article soumis à la revue Annals of Regional Science. Une version de ce travail a été présentée à l'école d'été de l'ERSA 2010, http://www.ersa.org/IMG/pdf/presentation_corsatea_teodora.pdf Abstract: Looking at the process of localization of firms by sector of activity, we examine the degree to which spatial interactions are contributing to a core-periphery structure in the metropolitan area of Lyon. To this end we use a count data model with spatial interactions on cross sectional data, for the year 1999, with a high level of spatial disaggregation (777 territorial units, French IRIS). Analyzing the extent to which the local level of specialization determines the localization of firms we find evidence of differentiated agglomeration patterns across 15 economic sectors. Core-periphery linkages describe the location decision of firms: moving towards the center of the city, a mix of firms acting in different economic sectors locate and interact. The estimation results reveal that the sectorial specialization is an important determinant of the spatial distribution of firms in this intra urban setting. However, its contribution remains secondary in the decision process of localization of firms as compared to the weight of the accessibility and proximity. In fact, proximity effects are the main drivers of the location decision of firms in an intra-urban level, being higher for sectors which are usually locating in the center of the city, such as Retail Trade and Business Services. Moreover, it seems that accessibility (else accounted as network effects) and proximity are acting as complements for location decision of firms. Keywords: localization, accessibility, spatial interactions, network externalities JEL Classification R12 C21 O18 35 2.1. Introduction Usually, the analysis of firm location uses regional economics literature insights (Marshall 1920, Hoover 1948, Krugman 1991, Fujita and Thisse 2003), while urban framework is less investigated (Marchal and De Palma, 2001, Head et al 2004, Crozet et al 2004, Martin et al 2011). In this framework agglomeration effects and spatial interactions explain most of the firm choice location. Moving towards an intra-urban level, firm location can yield insights into land use patterns and urban structure (Shukla and Waddell, 1991, Baudewyns, 1999). Most of studies at this level aim to explain firm decentralization and emergence of new urban forms (Anas et al 1998). Besides profit maximization rationale, firm location is also explained by the local government intervention (Henderson and Mitra, 1996). In this paper we seek to provide evidence of these dynamics in an intra-urban framework analysis for the case of Lyon. Despite the decentralization tendency partially determined by congestion, scarcity of space, by constant increasing in property prices in the center and improving accessibility to the periphery, the center remains dominantly targeted by location decision of both firms and households, holding as much as 46% of total employment in Lyon. The decentralization of enterprises in favor of the first belt around the city center was also made with the help of urban planners in order to create a more dense and mixed use urban development. Therefore, the creations of activity parks, competitive poles and technological parks have concentrated peripheral employment. Moreover, seeking an economic revitalization, parts of the city have been declared more recently Urban Free Zones (ZFU-Zones Franches Urbaines), as they are exonerated of a part of taxes. These arguments of decentralization of activities (and by consequence, the decentralization of employment) bring into question the capacity of the local infrastructure to deal with these changes. This issue seems important as it was noted that the main criteria for implantation of firms are primarily the cost of accommodation and transport links via the motorway and road network (Benard et al., 1999). Therefore, the concept of accessibility has been considered as key issue in employment decentralization and considered central to the study of the ' urban structure'. Ideally, "in the event that a market and source of supply are in perfect spatial balance, the accessibilities to each should be similar in every location, and no site would offer opportunities for greater competitive advantage than other sites to either suppliers or demanders" (Harris 2001). The location decision are adversely affected when the factors availabilities, such as labor availability is not symmetrical for all areas. "The value of accessibility to jobs from home is diminished by the accessibility of the same jobs to other residents. Conversely, the value to an employer of accessibility to workers is diminished insofar as the nearest workers have access to many other jobs" (Harris 2001). Therefore, the urban areas (and the firms localized within) are in competition for access to target employment, since areas with skilled people have more start-ups than others (Acs and Argminton 2003). Firms will agglomerate in areas where they find the knowledge and necessary resources to develop their activity: therefore, firms and resources are endogenous (Feldman, 1999). Thus, in the presence of a variable accessibility for different sites, proximity translates into different agglomeration patterns. Furthermore, intrasectorial linkages are contributing to the growth of a sector and by consequence to its localization. The various linkages among organizations can be conceptualized as connections among participants in a network that provide to its members benefits through spillovers from network channels (Owen-Smith and Powell 2004). In order to account for these intra and intersectorial linkages or network effects we use a measure of accessibility of firms to total employment situated in other parts of the city (excepting the nearest neighbors, whose contribution is taken into account by means of proximity effects). In the literature, we meet examples of buyer-supplier networks in industrial districts in the "Third Italy" (Piore and Sabel 1984) and in the Manhattan garment industry (Uzzi 1996, 1997). Such flexible specialization of locally embedded networks of small and medium firms represents a key driver for competitiveness in the face of new markets (Chiarvesio di Maria, 2009). An originality of our study is that it seeks to account for spatial interactions in urban framework combining the effects of the local specialization, of the proximity effects and of the network effects. The proximity effect (small scale flow of interactions) is harvested by new economic geography, while the network effect (extended scales of interactions/accessibility) is mostly used within urban planning studies. Most geographers will tend to exclude the proximity analysis from their studies, as it is considered as a particular case of a region's accessibility; meanwhile, the new economic geographers will tend to include only what's near. "Everything is related to everything, but nearest things are more related to one another (Tobler, 1970)". Our case study will include both proximity and accessibility, arguing that they are not substitutable, but complementary: while accessibility allows comparing distant neighborhoods it ignores the competition among areas for access to target population (proximity effects). Departing from the interplay of local resources and region connectivity, we analyze in this paper the localization of firms at the intra-urban level by raising three main questions: First, how far the local level of specialization determines the localization of firms and to what extent this influence varies across sectors? Second, what is the relative weight of the accessibility and local infrastructure? Third, to what extent the neighboring areas attributes represent a determinant for the firm's location choice? In order to answer these questions, we estimate an econometric model using data on firms in the Lyon area at the neighborhood level of French IRIS (close to the principle of the tract in US). The remainder of the work goes as follows. The first section of the paper provides a description of the determinants of localization process of firms. The second one offers a spatial description. Econometric issues are discussed in the third part, and section four concludes with a discussion of the results. 2.2. Determinants of localization process of firms The framework of analysis uses regional economics literature insights (Marshall 1920, Hoover 1948, Krugman 1991, Fujita and Thisse 2003): the location decisions of firms are attributed to spatial distribution of resources which allow profit maximization, such as the presence of local infrastructures and agglomeration effects. In a context of minimization of costs, we consider as local costs (the cost of land and of labor) and as potential benefits represented by the contribution of sectorial specialization, the presence of infrastructures measured by means of accessibility. Following the study of Head et al (1995) we consider a Cobb-Douglas production function with constant returns: Y Acc LQ1 1 ....LQ1515 L H [1] Where LQ are the specialization levels for 15 sectors of economy, L is the land, H the labor, Acc a level of accessibility, as further explained in detail. If inputs are set to minimize cost, 37 and output is set to equate marginal cost with the output price, than considering the specialization and accessibility indicators as area specific, the profitability of an IRIS becomes: 1 Acc LQ 1 .... LQ 15 p w 1 15 L H 1 [2] where p L and wH are land prices and local revenues. Assuming that the n firms in the IRIS shares the same production function structure, then the profit of the IRIS is the sum of profit of all the firms, and the number of firm can be specified as follows: n i lnLQi pL wH i Acci ln ln i [3] Departing from the last equation we use a count data model to explain the localization of firms in Lyon area. The location decision of firms is typically treated in the context of discrete choice models, which consider location sites offer the same business opportunities for all firms. Usually this assumption is not fulfilled as urban development is accompanied by agglomeration forces. When location alternatives are not independent, Guimaraes et al (2003) provide evidence that under specific conditions Poisson estimation results are comparable with the ones of conditional logit16. A Zero Inflated Poisson specification (ZIP) is suggested as a suitable modeling approach, as it offers the possibility to test the effects of agglomeration/specialization both on positive integer values and on null values17. Let i be the Poisson mean of enterprises located in a certain IRIS, while i is the zero-inflation probability: ni 1 i e i i , ni 1,2,3,... ni ! PrY ni i i 1 i e , ni 0 [4] ' where the parameter i, is linked to the explanatory variables by a ZIP: ln i X ib , while i ' ' is specified in a log-linear form ln i zi . X i is the matrix of characteristics assumed as determinants of location choices (as showed by [3]). The list of these determinants includes the price of the land, the mean wage, an indicator of accessibility of the labor force to a ' certain IRIS, and the specialization indicators. zi represents the mean number of enterprises situated in nearest neighboring IRIS and acting in the same sector. Firms which are located in the neighborhood are influencing the decisions of localization of new firms. The case creates correlation among the location choices and by consequence the condition of independence among alternatives in a discrete choice setting is not respected. As 16 Guimarães, Rolfe &Woodward (1998) estimated a two-step limited information nested logit. They relate the number of new plants being opened at a particular site to a vector of area attributes. 17 A preliminary exploratory data analysis confirmed the choice of a Poisson distribution. pointed out by Shadbegian and Wolverton (2010) a possible solution for this problem could be a framework of a regional Poisson with fixed effects. Instead of reducing the number of alternatives as suggested by Mc Fadden (1978), Guimaraes et al (2003) argues that fixed effects Poisson should likely be more efficient than a discrete choice one, since lesser information is omitted. However, another possibility could be represented by the consideration of spatial dependent issue introduced by the means of lagged dependent variable. A firm i chooses to locate in IRIS j, if the profit that it obtains in IRIS j is higher than the one obtained elsewhere. In order to include the spatial interactions for nonlinear processes we use a two step limited information maximum of likelihood (Florax et al 2010). Therefore, we enlarge the basic model described in the equation 5 in order to introduce the spatial dependence in a count model: ln i i wij j Acci lnLQi pLi wHi j i 15 N [5] w Where ij j is the contribution of the neighbors of IRIS i (proximity effects). The weight matrix is the usual raw-standardized matrix. The instrument used for the first order neighbors are the density of the population and volume of residential houses. The network effects are introduced using the same matrix of generalized transport time as the one used for the construction of aggregate indicator of accessibility to employment. However we eliminate the presence of employment in adjacent IRIS, as they are captured by the proximity variables. 2.3. Data description Data are supplied by INSEE (the French National Institute of Statistics and Economic Studies) which provides information about all active institutions (private firms and public administration) in the Lyon area. For the year 1999, there are 100285 firms distributed over 15 sectors of activity, following the NAF (Nomenclature d'Activités Francaises) classification. Basically, the information is structured in order to provide a clear picture about the identification of the firms (status, name, fiscal number of identification) as well as economic information (number of employees, sector of activity-NAF classification) and geographical reference. The main economic sector is the one of services (all sectors included) covering 32% of all firms, followed by the one of trade (23%) as shown in appendix 1. The importance of local economies and their potential intra and inter sectorial externalities are constructed by the means of Hoover-Balassa location quotient of employment18. With 1.6 million inhabitants and more than 740000 jobs, Lyon is the second largest French Urban Area after Paris. The French definition of urban area which is based on commuting is close to the principle of Metropolitan Statistical Area in the United States and it is appropriate for job and firm location analysis at the local level. Employment decentralization represents a growing concern for urban policy in the presence of a monocentric urban structure. Beside the preoccupation of local urban planners, the accessibility of employment to work could be considered as a proxy of the local infrastructure. Furthermore, the accessibility is capitalized nb _ employeesij nb _ employees. j : nb _ employeesi. nb _ employees.. , where j is the industry sector and i the IRIS level LQij 18 39 into land values (Giuliano et al 2009) and thus it weights the location decision of firms. The accessibility is taken into account in our model by means of generalized transport time matrix between neighborhoods (IRIS) by car, for the year 1999 (Cabrera, 2010). These data are actually implemented in a land use transport interaction program (SIMBAD) developed by the Transport Economics Laboratory. Other studies (Horner 2007, Giuliano et al 2009, Redfearn and Giuliano 2008 ) have used similar accessibility indicators in order to take into account the relationship between land use changes, urban forms and transportation. A traditional way of defining accessibility is by considering "the attractiveness of a place as an origin (how easy is it to get from there to all other destinations) and as a destination (how easy is it to get to there from all other destinations)" (Redfearn and Giuliano, 2008, p 15). Therefore, we test the extent to which accessibility to employment is taken into account by firm's location process, we use Hansen's gravity accessibility indicator (1959), measured for an IRIS as the sum of opportunities for firms weighted by a resistance function, that is the generalized transport cost to the opportunities. This matrix is used to calculate an accessibility indicator to firms but also to employment. Looking at the spatial distribution of accessibility to employment we note a domination of the monocentric structure with a higher contribution in the center and the nearest periphery (see Fig 1). Fig 1 Accessibility to employment in Lyon urban area at the IRIS level (1999) The IRIS is the territorial unit adopted for the analysis. This French administrative infracommunal division counting for approximately 2000 inhabitants is close to the tract notion used in the United States. Spatial interactions among firms are taken into account at an immediate range, by means of proximity. We are using the row-standardized contiguity matrix of first neighbors. The first neighbors are represented by the adjacent IRIS. Spatial interactions are also accounted within a distance, through the network effects. The network effects are introduced using the same matrix of generalized transport time as the one used for the construction of the indicator of accessibility to employment. Data on urban quality is supplied by the Population Census 1999. We are using the percentage of social houses as a proxy for social environment quality of the neighborhood (IRIS). There are few urban studies (Glaeser and Gottlieb, 2006) that investigate the relationship between the implantation of firms and the social structures of the area. Even though our investigation is limited, it seeks to provide insights on spatial distribution of economic activity, as a function of the urban structure. 2.4. The descriptive analysis of spatial patterns. Mapping local economy by sectors Lyon urban area presents a monocentric urban structure with most of jobs in the tertiary sector concentrated in the center of the city. However, the center of Lyon has lost almost 13 % of jobs between 1982 and 1999 (decreasing from 55% to 46% ). In part, these jobs were recovered by adjacent zones of the first belt surrounding the center of the city the rest, being recovered by the periphery. In order to describe the spatial distribution of economic activity showing a core-periphery dynamic we use location quotients. These indicators allow us to identify sectorial specializations in Lyon area. Usually the location quotient is used within the regional studies in order to identify the sources of agglomeration and regional growth. However, we consider that at an urban level they could provide insights on a finer level of urban specialization and say something on urban transformation. When location's share of employment in a sector in a certain area exceeds its urban share we identify different sources of specialization of the city. Thus, in the center of the city19 we identify the neighborhood of Pompidou, located nearby La Part Dieu train station, as specialized in administration, with a maximum value of 10.32 that is, the share of employment in administration is 9.32 times greater than the rest of Lyon. In the center of the city we find a specialization in real estate (La Gare D'eau- 9eme Arrondissement, Vallon De Charbonnieres). Ferrandiere et La Plaine are specialized in back office activities (12.44 respectively 12.19 as maximum value of the location quotient). Pierre Brunier is specialized in education (1.71 as maximum value of the location quotient), Montrochet - marche ­ gare et La mouche - Le port specialized in retail trade (8.03 respectively 7.03 as maximum value of the location quotient) and Essarts Sud specialized in Wholesale trade (6.86 as maximum value of the location quotient). Near the city center we find a specialization in intermediaries' goods (Poulettes NordVilleurbanne). We notice sectors that divide their facilities and specialize in more than one site of the city, reminding of a potential functional specialization. Thus the sector for energy is divided between Tonkin Ouest (Villeurbanne) and Riverie (periphery). The same happens with the sector of constructions which specializes in Amberieux (Villeurbanne) but also Mont Blanc (in the periphery, having 12.62 maximal value of location quotient). In the periphery we find a specialization in the sector of agriculture (Saint Olive, with a location quotient of 48.04 as maximum value of the location quotient), a specialization in industries of consumption goods (Zone Industrielle 11.44 as maximum value of the location quotient) a specialization in transports (Thil and Colombier-Saugnieu, having 18 respectively 13 as maximum value of location quotient) and a specialization in logistics (Chassieu Givor, Les Arboras having 20.65 respectively 17.86 as maximum value of the location quotient). However, these findings do not illustrate the potential sources of spatial interactions coming from intra-sectorial linkages. In order to empirically test the presence of a core periphery 19 We consider Lyon and Villeurbanne as communes accounting for the city center. 41 patterns for the city of Lyon we use ESDA (Exploratory Spatial Data Analysis) instruments such as Moran's20 and Lisa Indexes. These indicators are used to study the spatial concentration of the firms by industries and to identify the main clusters. Thus, we compare for all IRIS, the number of firms at any location with the value at all other "neighbor" locations (Anselin, 1992). Results of Moran test are displayed in Figure.2 Fig. 2. Moran's Index by economic sector Agriculture, administration and the services sector (Front office and Back office activities, Services to individuals and Trade) reveal a higher sensitivity to spatial interactions. Firms acting in these sectors tend to agglomerate in locations where intra-industry spillovers could increase their profitability. It is not surprising that services (0.44) and trade are subject to spatial interactions and their location is dependent on opportunities for business. Using LISA indexes (Local Indicators of Spatial Autocorrelation) we examine whether an IRIS could be significantly considered as High-High type (high number of firms surrounded by seemingly areas) or as Low-Low (low number of firms surrounded by seemingly areas). The goal is to identify the areas where the level of interactions among industries could be higher as they are co-localized. We compile all the High-High concentrations for all the sectors and represent them graphically on only one map (see Figure 3). 20 A high and positive value of the Moran index reveals a tendency of positive spatial autocorrelation: high density areas of firms are surrounded by high density areas of firms. From an economic point of view it reflects a process of diffusion levels, as nearest. In our case sectors such as the ones of agriculture, services and public administration seems to reveal a positive spatial autocorrelation pattern , , Fig. 3. Agglomeration of firms by economic sector: core-periphery structure The sectors that more closely reproduce a core-periphery picture are: Agriculture, intermediary goods, construction, logistics, financial and real estate companies, front office activities, wholesale, while it cannot be confirmed in the following sectors: administration, consumption goods, energy, transport, back office activities, services to privates, educations, retail. We are able to identify a core-periphery interpretation: people want to live and do business in the center because the profitability is higher. The perspective of higher profits is encouraging firms to move in the center, but the congestion is also higher. Thus, a trade-off between production costs (land and labor) and transport costs. Departing from this insight, recent studies identify a different type of specialization with firms separating their facilities into production situated at the periphery of the city and management function located in the heart of the city. Looking at the agglomeration pattern by sector of activity we find the sector of agriculture remaining dependent of the land use. The core-periphery structure is found in a specialization that keeps agriculture at the edge of the city: the area is hiring almost one percent of the total employment 21. 21 The Iris concerned are mainly reprezented by Reyrieux, Chazay-D'azergues, Civrieux, Marennes, Parcieux, Diemoz, Chamagnieu, Sourcieux-les-mines, Artas, Saint-pierre-la-palud, Massieux, Saint-just-chaleyssin, Brussieu, marcy-l'etoile, Chasselay, Villette-De-Vienne, Fleurieux-Sur-L'arbresle, Ouest, Mornant, Lozanne, 43 Also at the periphery of the city we encounter a concentration of firms responsible for the transformation of the city and the creation of new residential areas such as construction firms. Employing 6.22% of the work force, the sector of Constructions is mainly found in communes such as Balan, Saint-Didier-De-Formans, Pont-De-Cheruy, Communay, VaulxEn-Velin, Serezin-Du-Rhone, Solaize, Brignais, Saint-Genis-Les-Ollieres, Miribel, Craponne, Grigny, Tramoyes, Millery, Saint-Maurice-De-Beynost, Villette-D'anthon, Saint-Genis-Laval, Chasse-Sur-Rhone, Rillieux-La-Pape, Chaponost, Irigny. Furthermore, at the edge of the city we encounter application of ZFU policy, such as Vaulx-En-Velin. Its application affects all sectors of the economy, but it was registered a higher change in sectors such as Transportation, Services to individuals, Education, Health, Trade, Business, Finance, Real Estate and Construction (Agence d'Urbanisme de Lyon, 2011). The effects are felt on the job market as it seems that the periphery recovers 2/3 of the jobs lost in the center of the city. At the periphery and in particular in the first belt surrounding the center we find an agglomeration of the sectors of intermediate goods, transport and logistics (counting for almost 17 % of total Lyon employment). The logic of localization is to be found in profit maximization: firms acting in mature industries could profit the low wages, lower land prices and less stringent environmental regulations. These activities are mainly in the municipalities situated in the south-eastern periphery22 that benefit of higher road accessibility. These areas are mostly known as Activity Zones, in the sense that they are defined, developed and managed by the local authority which owns the land settlement. They represent a type of common partnership that brings together government, communities and businesses: we note the presence of numerous "economic activity parks" (ex Vénissieux-Parc d'activités du Génie), "business parks" (Dardilly) and "technopoles" (Parc Technologique de Lyon, La Doua domaine scientifique). Moving towards the center of the city the interaction seems to intensify, a mix of firms acting in diversified sectors assuring almost 46% of total employment. Firms in industry of explorative and immature lifecycle stage will be mainly situated in the core of the city. Services and trade also agglomerate in the center, where opportunities for business are higher, but also the costs are higher. Being mostly small firms, they will depend on proximity to customers and to knowledge spillovers. Most of services seem to be co-localized. This statement is confirmed by correlation coefficients: the correlation between the number of wholesale trade and the services to individuals is 0.82, the correlation between real estate firms and the services to individuals is 0.73 and the correlation between front office firms and the services to individuals is 0.62( see Appendix 2). Moreover, we notice a high level of correlations between the sectors of services and the one of trade. The fact is not surprising and is reflected by the figure 2: the trade of merchandises is accompanied by the presence of railway infrastructures, being situated at the axe uniting the south-eastern part of the city to the center of the city. For some tertiary activities such as business services-front office and back office activities- (Philippe et al., 1999) the most recent movement, is localizing in the periphery, as well as in the center of the city (Aguilera, 2002, Coffey et al., 1996). The phenomenon comes to be known as functional specialization with firms opting for production activities situated at the edge of the city, but with front office activities (counseling and R&D activities) found in the center. Front office activities will mostly be found in the prosperous western part of the first belt surrounding the city center (such as Saint-Didier-Au-Mont-D'or, Lyon 9e Arrondissement, Ecully, Charbonnieres-Les-Bains, Dardilly and Limonest). Sain-Bel Courzieu, Lentilly, Saint-Maurice-Ur-Dargoire, Brullioles, Thurins, Chaponnay, Monthieux, Chevinay, Montanay, Sainte-Catherine, Septememionnay 22 Trevoux, Decines-Charpieu, Toussieu, Mions, Jonage, Genas, Chassieu, Vaulx-En-Velin, Corbas, SaintPriest, Pusignan, Bron, Venissieux. Furthermore, we notice a remarkable degree of colocalization of firms confirmed by bivariate Lisa tests that reveal an intense spatial association of real estate firms with Front office and back office activities. 2.5. Estimation Results. 2.5.1. The contribution of local infrastructures and sectorial specialization In a first step, we want to test the contribution of local infrastructures and sectorial specialization to the localization of firms. Thus, we consider the model described in the equation [4]. The results confirm that accessibility to employment represents the level of urban infrastructures, being the main determinant of intra urban localization decision of firms in Lyon. This result is confirmed by other studies on localization that identify infrastructure as the main driver of the localization process (Benard et al, 1999). In order to identify different effects, as Giuliano 2009 we have constructed accessibility measures based on industry sectors. As expected, their contribution is not uniform across sectors, as the accessibility to employment (see table 1) is higher for the sectors of agriculture, energy, real estate and Front Office activities. This result is encouraging as it is a measure of the degree in which firm take into account the urban mobility (including the one of their employees). Other studies (Aguilera and Mignot 2010) note that transport arrangements for employees are rarely a concern for the relocation of establishments. Seeing its importance, we have decided to include the contribution of the urban network via intra and inter sectorial linkages, which are considered a measure of accessibility to the other firms situated in other parts of the city (see section 4.1). For most of the sectors, we find that agglomeration economies are carrying a negative contribution to the localization of firms: a higher location quotient of the sector concerned is determining a smaller number of plants in the IRIS. The results are confirming other urban analysis (Glaeser 1992) who states that the specialization of jobs carries negative and significant signs, confirming the hypothesis that industries tend to be less numerous in the cities where specialization is strong. The exception is represented by the sector of agriculture (0.21), Service to individuals and the one of constructions (0.17) where the coefficients are positive. This contribution of sectorial specialization is not uniform among sectors, being higher for the sectors of industries of consumption goods (-0.46), Wholesale trade (-0.36) and Retail trade (0.36). These sectors are also the ones which assure an important share of Lyon employment in the year of 1999 and that are mainly localized in the center. Furthermore, we notice that Business Services carry negative externalities to all other sectors of the urban area investigated. However, we notice the presence of inter sectorial spillovers such as, transports and industries of consumption goods that carry positive and significant signs. The real estate price was proxied by the density of population. The initiative is not new, it was already used by Guimaraes et al (2004) and it is justified by a simple fact: higher the attractiveness of a site, higher will be the price and greater the demand for that site. We expect to find a negative contribution of this factor to the localization choice of the firms. We find that results are significantly different from zero only for the sector of agriculture (for all other sectors the coefficients are significant, but nulls). Guimaraes et al (2004) finds evidence of a negative contribution of production factors: labor costs, taxes and most of all land costs 45 diminishes the probability of location in a given county "a 1 percent increase in land costs leads to an 0.81 percent decrease in the number of new plant births". Instead, we find a contribution of the percentage of social houses (HLM­Habitat à Loyer Modéré) to the localization of firms is found to be negative. We use this variable as a proxy of local revenue: an increase in the percentage of percentage of HLM, leads a decrease in the total number of firms in an IRIS. The contribution of the variable is quite small (for most of the sectors the effect is smaller than one percent) the effect is higher for the sector of Real estate and Front office activities. Being a measure of poverty of the site, one could see in this effect as a way of firm in avoiding the poor neighborhoods. We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. Furthermore, this variable represents a measure of urban planning, in the sense that an important share of these social houses is constructed in the periphery, being the result of the French housing policy of the seventies23. The social houses are found in areas fulfilling mainly a residential function of city. In some neighborhoods of Vaulx en Velin, 100% of the residential supply is assured by these social houses. 23 In France the origin of social segregation in peripheral neighborhoods is considered to be initiated by the 1960-1970 housing policy called "grands ensembles" Table 1 Main determinant of location firms in Lyon, by sector of economic activity Administration Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Retail Population Density Percentage of social houses 0.3991[<.0001] -0.36[<.0001] 0.0154[0.5283] 0.0903[0.0135] Agriculture 0.6056[<.0001] Industries of consumption Industries of intermediate Energy 0.5577[<.0001] -0.6846[<.0001] 0.028[0.7858] Constructions 0.3102[<.0001] Transports 0.4079[<.0001] 0.4381[<.0001] 0.3744[<.0001] -0.1152[0.0211] -0.1047[0.0136] -0.1207[0.011] 0.2159[<.0001] -0.0103[0.7395] -0.0521[0.0462] 0.1334[<.0001] -0.4642[<.0001] 0.1263[<.0001] -0.1442[0.0383] 0.087[<.0001] 0.199[<.0001] -0.0172[0.6995] -0.1477[0.0367] 0.2133[<.0001] -0.3579[0.0102] -0.0507[0.2112] -0.1059[0.0049] -0.1164[0.0098] -0.2263[0.0002] -0.4861[0.0002] 0.2487[<.0001] -0.1762[0.0084] 0.0217[0.4142] 0.0542[0.0128] 0.0348[0.277] 0.0263[0.3654] -0.3674[0.01] 0.059[0.0046] -0.2025[0.0005] -0.2894[<.0001] -0.0609[0.0782] -0.059[0.1757] 0.0452[0.1387] 0.0478[0.0719] -0.064[0.092] 0.1563[<.0001] -0.3283[0.0367] 0.1722[<.0001] -0.0042[0.9496] 0.0793[0.0143] -0.1912[0.0393] 0.0854[0.0003] -0.1233[0.0856] 0.0808[0.5121] 0.0273[0.8492] 0.1013[<.0001] 0.0286[0.6157] -0.0518[0.1735] 0.0668[0.0079] -0.0112[0.7548] 0.0482[0.0622] -0.0182[0.6195] -0.1921[<.0001] 0.0636[0.1291] -0.3174[<.0001] 0.1365[0.0009] 0.0098[0.8385] 0.0894[0.0063] -0.1361[0.0782] 0.0317[0.4095] -0.2118[0.0147] -0.2592[<.0001] -0.1697[0.0012] -0.7554[<.0001] 0.0648[0.0656] -0.1151[0.0025] -0.0526[0.188] 0.0824[0.0248] -0.0092[0.8265] 0.0507[0.2653] -0.0066[0.847] -0.1837[0.0001] -0.3331[<.0001] -0.2116[<.0001] 0[0.0022] -0.0033[<.0001] 0.0581[0.1036] -0.4133[0.0071] 0.0489[0.0651] -0.0134[0.8275] -0.2034[<.0001] -0.4462[0.0083] 0.1386[<.0001] -0.3642[<.0001] -0.5272[0.0015] -0.028[0.389] -0.083[0.2559] -0.1547[0.0193] -0.2228[<.0001] -0.0348[0.4905] 0.2064[<.0001] -0.0936[0.5621] -0.0201[0.5585] -0.0682[0.3824] -0.0001[<.0001] -0.0086[<.0001] 0[0.6404] -0.0074[<.0001] 0[<.0001] 0[0.003] 0[<.0001] 0[<.0001] -0.0053[<.0001] -0.0014[0.6969] -0.002[0.0012] -0.0018[0.2034] 47 Table 1 (continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses 0.4378[<.0001] -0.142[0.0476] 0.0878[0.018] 0.0325[0.5593] -0.2067[0.0002] -0.0396[0.3955] -0.0578[0.3002] 0.139[0.001] -0.1269[0.0307] -0.2246[0.0041] -0.4019[<.0001] -0.0341[0.5279] -0.329[<.0001] -0.3544[<.0001] -0.0107[0.8628] 0[0.0002] 0.0007[0.6219] Real Estate 0.4992[<.0001] 0.0241[0.4395] 0.0422[0.1178] 0.0846[0.0126] Front Office 0.4506[<.0001] 0.0093[0.6759] 0.0561[0.0016] 0.0903[<.0001] Back Office 0.4144[<.0001] 0.0406[0.2857] -0.035[0.2172] 0.1017[0.0098] Services to individuals Education Wholesale Retail 0.4193[<.0001] 0.3588[<.0001] 0.4605[<.0001] 0.4378[<.0001] 0.2352[<.0001] 0.2003[<.0001] -0.0475[0.1496] 0.0317[0.0208] 0.2192[<.0001] -0.052[0.0037] -0.003[0.8865] -0.142[0.0476] 0.0878[0.018] 0.0926[0.0005] 0.1104[<.0001] 0.0325[0.5593] 0.0714[0.0159] -0.0758[0.0184] -0.2067[0.0002] 0.1141[<.0001] -0.035[0.1296] -0.0396[0.3955] -0.1271[0.0014] -0.0348[0.2056] -0.1204[0.0043] 0.1324[<.0001] 0.036[0.1186] -0.2353[<.0001] 0.033[0.2353] 0.0821[<.0001] -0.2441[<.0001] 0.0642[0.0009] 0.0037[0.9027] 0.0555[0.0002] -0.2203[<.0001] -0.0018[0.9343] -0.1585[<.0001] -0.0719[0.0175] -0.0578[0.3002] 0.178[<.0001] 0.1341[<.0001] 0.0146[0.7145] 0.0258[0.1396] 0.0463[0.0426] 0.0783[0.0022] 0.139[0.001] -0.0663[0.0703] -0.1751[<.0001] -0.2051[<.0001] -0.0726[0.077] 0.292[<.0001] 0.0135[0.5007] -0.0375[0.1659] -0.0299[0.1974] -0.1269[0.0307] 0.2629[<.0001] 0.2623[<.0001] 0.089[0.0042] -0.2246[0.0041] -0.2877[<.0001] -0.0871[0.0794] -0.119[<.0001] -0.2541[<.0001] 0.0054[0.7821] 0.0889[0.0043] -0.0027[0.9409] -0.4019[<.0001] 0.0533[0.0276] 0.0418[0.1305] -0.0341[0.5279] 0.2451[<.0001] -0.1605[<.0001] -0.329[<.0001] -0.0487[0.1377] 0.1664[<.0001] -0.0604[0.101] -0.0856[0.0008] -0.0682[0.1189] 0.0022[0.9356] -0.3002[<.0001] -0.1067[<.0001] -0.2554[<.0001] -0.024[0.2549] -0.1274[0.0009] -0.3648[<.0001] -0.3544[<.0001] -0.1506[<.0001] 0.0103[0.8125] -0.0107[0.8628] 0[<.0001] 0[<.0001] 0[0.0002] -0.0289[0.4899] 0.2769[<.0001] -0.1148[0.0175] -0.1039[<.0001] 0[<.0001] -0.0124[<.0001] 0[<.0001] -0.0082[<.0001] 0[0.0693] -0.0048[<.0001] 0[0.0706] -0.0063[<.0001] -0.0023[<.0001] -0.0058[<.0001] 0.0007[0.6219] However, the distribution of firms acting in different industries shows that some IRIS do have a greater competitive advantage than others, as the firms are not present everywhere. This generates zero values in our dependent variable (the number of firms by sector of activity). Using a zero inflated model we will try to attribute the cause of null values for the number of firms across IRIS to the presence of nearby IRIS which offer higher opportunities to do business (as explained in section 3). Table 2. Zero model results Constant Administration. associations Agriculture Industries of consumption goods Industries of intermediary goods Energy Construction Transports Transports-Logistics Real estate and financial activities Front office business activities Back office business activities Activities to persons Education. health Wholesale Trade Retail Trade 3.91[0.001] -21.4827[0.999] 2.3569[0.0002] 1.6353[0.005] 0.2231[0.4841] 4.4102[0.0011] 2.1579[0.0002] 1.0844[0.0218] 2.3713[0.0004] 2.8326[0.0004] 3.6938[<.0001] 3.9526[0.0018] 5.1879[0.0134] 2.2808[0.0017] 2.8289[0.0004] Contribution of neighboring firms -8.7957[0.0002] -0.5981[0.9999] -7.3955[<.0001] -7.9245[0.0306] -11.9939[0.0012] -5.4743[0.0006] -11.3164[<.0001] -8.6946[<.0001] -7.355[0.0001] -5.8774[0.0016] -7.8098[<.0001] -4.8674[0.0006] -7.991[0.0144] -6.4912[0.0175] -3.9173[<.0001] Using a chi square test, we find that the models are statistically significant (p-value <.0001). We notice a higher spatial sensibility for the sector of transports, and a smaller one for Front office activities and retail trade. As we expected, the presence of nearby firms acting in the same sector strengthens the agglomeration process as higher will be the number of neighboring firms acting in the same industry, lesser will be the presence of zero values. This finding makes determines us to model the presence of spatial interactions. 2.5.2. Network effects versus local and proximity effects We consider that, independently from exogenous factors such as natural or public resources, the success of business is fed by the flow of opportunities created by the geographical scale of interactions harvested at variable spatial level. We recognize from the regional studies (Krugman 1991a, 1991b, Venables 1996, Hanson 1996, Krugman 1998, Jaffe 1989, 2005) two ranges of connectivity of the region identifies as proximity effects and as network effects. 49 The use of spatial weighting matrix helps us to introduce proximity effects at the urban level: the agglomeration effects are modeled as the mean contribution of the (delimited) neighboring areas to the local development. On the other hand, the general level of attractiveness of a site for entrepreneurs/investors may be known and perceived from further away from of a strictly local scale. Hence, we consider the spatial scale of attractiveness and accessibility on a broader level, coming from network effects; the modeling strategy in this last case employs resistance functions via transport costs. In the case of short scale relationships, proximity effects are acting as driving forces: larger local markets feed the success of firms, which comes from the quality of the labor force, the business climate. Thus, areas with educated people have more start-ups than others (Acs and Argminton 2003). Firms will concentrate in areas where they find the knowledge and necessary resources to develop their activity: therefore, firms and resources are endogenous (Feldman, 1999). Furthermore, regarding the business climate, people would want to success in their business in areas where others have experienced it. The localization process is thus important and to some degree it becomes endogenous: once firms are localized, they are no more competing for the market shares with other firms, but they assure a positive externality for the new entrants. By their investments in an area, the already installed firms can lower installation costs for other firms. And this option could be taking into account by new startups. The location choices are not independent, spatial interactions should be taken in consideration. This insight leads us thinking that the alternative location are no longer independent as firms seek to maximize their gains having in the neighborhood other firms acting in the same sector. "Most metropolitan locational decisions consider the variation across localities not only of immediate local conditions, or of the accessibility to single facilities, but also of situational variables far related to the entire region" (Harris, 2001). Long scale relationships, accounted as attractiveness or accessibility of outside factors (or of demand) to the local opportunities (such as the labor market) are viewed as a broad concept: opportunities to the local market could potentially come from everywhere, but they are diminished (handicapped) by a resistance function (resistance forces, such as travel costs). Table 3. Network versus proximity effects Administration Contribution of the neighbors of sector concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density percentage of social houses 3.7007[0.0009] Agriculture 1.0538[0.0016] Industries of consumption 1.6426[<.0001] 0.00003[<.0001] -0.1213[0.7683] -0.7852[0.0005] 4.4479[<.0001] 0.69575[0.106] -0.0990[0.7663] -0.7065[0.0905] -0.8683[0.0283] 0.4184[0.2637] 2.4921[<.0001] 0.1736[0.7433] 0.3799[0.3377] 0.3638[0.4116] -1.2490[0.0025] 1.2808[0.0115] 0.0001[<.0001] -0.0375[<.0001] Industries of intermediate 0.7941[0.0816] 0.00004[<.0001] -0.1757[0.7815] -1.9023[<.0001] 2.8899[<.0001] 7.8342[<.0001] -0.1849[0.7192] 0.5211[0.4242] -0.4515[0.4595] 2.1168[0.0003] -0.1784[0.8039] 0.4627[0.5652] 1.5082[0.0135] -1.1214[0.0973] -1.0582[0.0926] 4.8655[<.0001] Energy 0.9527[<.0001] 0.00003[<.0001] 0.0364[0.6647] -0.1150[0.0133] -0.1936[0.0278] -0.1607[0.0615] 1.2830[<.0001] -0.0795[0.3502] 0.1663[0.0417] 0.2168[0.005] 0.2243[0.0198] -0.0729[0.4953] -0.1449[0.0748] 0.0902[0.305] -0.1734[0.0326] 0.1814[0.0785] Constructions 0.6081[0.1143] Transports 0.8072[<.0001] 0.8386[0.0096] 0.000004[0.5797] 3.8540[0.0038] -1.1317[0.2067] -1.4094[0.2113] -2.7866[0.0437] 2.4016[0.0185] -3.6881[0.0174] 3.9553[0.0015] -1.2746[0.2809] 3.3741[0.049] 0.6525[0.7006] -1.0590[0.4293] 0.0870[0.9619] -2.1506[0.1355] -1.0369[0.5741] -0.7177[0.2446] 7.9554[<.0001] 1.3563[0.037] 0.6137[0.3393] 0.5252[0.2989] -0.9169[0.1455] 0.1296[0.829] 0.6934[0.2254] 0.0405[0.9541] 0.7852[0.3165] -0.4941[0.4092] -0.5173[0.4296] -1.4614[0.0155] 0.4089[0.5896] 0.00002[0.001] 0.000004[0.0142] 1.2167[0.0325] -1.6419[<.0001] 2.8217[<.0001] 4.2582[<.0001] 0.5388[0.2404] 7.1310[<.0001] -0.1899[0.7274] 1.3111[0.0118] 1.5407[0.0169] 1.3171[0.0704] 1.1554[0.0344] 0.3837[0.5332] -0.7259[0.2097] 2.3526[0.0007] 0.1122[0.3559] -0.3007[<.0001] 0.0659[0.604] 0.2506[0.0492] 0.0492[0.6176] -0.2640[0.034] 2.3367[<.0001] 0.1128[0.3106] 0.1585[0.2536] 0.2419[0.1213] 0.3374[0.0039] -0.0481[0.7125] -0.1322[0.2816] 0.4043[0.0071] -0.0001[0.0776 ] 0.000005[0.9080] -0.0373[0.2720] -0.0018[0.8815] -0.0001[0.0195] 0.000006[0.3322] -0.0215[0.0962] 0.0001[0.92] -0.0001[0.0013] -0.00001[0.2035] -0.0342[0.0033] -0.0052[0.036] 51 Table 3(continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Contribution of the neighbors of sector 0.5595[0.0236] concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses Real Estate 3.5166[<.0001] Front Office 4.2857[<.0001] 0.0003[<.0001] Back Office Services to individuals Education Wholesale 1.7928[0.0022] 0.0001[<.0001] -0.2048[0.8187] Retail 5.1018[<.0001] 0.0003[<.0001] 0.1709[0.9245] -3.0702[0.0018] 3.1794[0.0939] 2.1191[0.2649] 0.9714[0.5046] -2.965[0.1054] -1.1034[0.523] 1.5303[0.3498] 13.7699[<.0001] -1.6854[0.4692] -0.8770[0.6123] 7.6708[<.0001] -6.5018[0.0004] 1.2982[0.5567] 0.0005[<.0001] -0.1092[0.0028] 1.3241[0.0002] 3.37714[<.0001] 1.5425[0.0071] 0.0001[<.0001] 0.0002[<.0001] 0.0001[<.0001] 3.6592[<.0001] 0.00001[0.0034] 0.0002[<.0001] 0.0842[0.739] 0.6231[0.4005] -0.6414[0.6558] 0.6167[0.1374] 5.8804[<.0001] -0.6266[<.0001] -0.4750[0.2415] -1.3040[0.0965] -1.1234[<.0001] -3.5147[<.0001] -2.4759[<.0001] -2.4124[<.0001] 0.7340[0.0058] 0.6938[0.0088] 0.1288[0.5323] 0.1942[0.8035] 1.03709[0.4923] 0.9565[0.0284] 4.9045[0.0017] 1.5528[0.0887] 1.3782[0.1301] 1.9259[0.006] 2.4438[0.0094] 1.3665[0.144] -0.5325[0.4608] -0.9531[0.2143] -1.7154[0.2506] 0.5002[0.2477] 2.3793[0.1271] 1.15550.0544] 2.3539[0.0427] 0.3548[0.2901] 1.3058[0.2752] -0.4684[0.0718] -2.6628[0.0004] -5.5063[0.0002] -1.5245[0.0003] -3.8318[0.0108] -3.5657[<.0001] -1.2504[0.1679] 0.4015[0.1019] 3.9082[<.0001] -0.1171[0.8694] -0.702[0.6106] 0.9114[0.022] -1.7621[0.2148] -1.1598[0.1627] -1.0077[0.2407] -0.0668[0.9209] -1.7035[0.1913] 1.1855[0.0017] -0.2536[0.8504] -0.4402[0.5758] 1.4532[0.0749] 2.6283[0.0103] 3.0377[0.0088] 2.1884[0.0109] -1.7982[0.0621] -2.626[0.0033] -0.2499[0.3845] 12.8130[<.0001] 12.8730[<.0001] 1.8493[0.0001] 12.4165[<.0001] 7.4389[<.0001] -0.2546[0.4265] 0.6136[0.0121] 1.0835[0.2636] 18.4662[<.0001] 1.1166[0.0375] -0.2925[0.8789] -0.1773[0.8035] 3.11502[0.0244] 4.5333[<.0001] 0.0113[0.9936] 3.0620[0.0069] 1.0320[0.2149] -0.3384[0.2082] -0.6640[0.4058] -3.6946[0.0176] -0.0689[0.877] 11.5811[<.0001] 1.4602[0.1221] -0.4198[0.0911] -2.8029[0.0002] -3.8612[0.008] 1.7495[<.0001] -0.00002[0.29] 0.4785[0.6006] 0.0001[0.002] 5.5406[0.0018] 0.0002[0.02] -1.1304[0.007] -3.2039[0.0346] 8.8392[<.0001] 1.1239[0.0273] 0.35751[0.8438] -0.1472[0.8896] 15.7158[<.0001] 0.0001[0.004] 0.0006[<.0001] 0.0002[0.005] -0.00002[0.758] -0.0036[0.4912] -0.0687[<.0001] -0.1206[<.0001] -0.0363[<.0001] -0.2012[<.0001] -0.0932[<.0001] -0.0415[0.0219] We use a nonlinear model with spatial interactions using the two step limited information maximum of likelihood (see Florax et al, 2010). In order to measure the proximity effect we use a row standardize contiguity matrix, which accounts for the small scales spatial interactions. Constructed in this way, the neighboring number of enterprises is regressed upon the total population and volume of residential houses. The predicted values of counts are used in the equation [5] in a model with spatial interactions. We find that the proximity effect is significantly increasing the number of firms localized in an IRIS: the presence of near-by firms increase the mean number of firms of an IRIS. The spatial interactions are not uniform among sectors, being higher for sectors such as Retail trade (5.1), Administration (3.6), Real Estate (3.5) and Front office activities (4,29) and smaller for sectors such as Logistics (0.55), Constructions(0.6) and Industries of Intermediate goods (0.79). However, the limited spatial interaction of the Intermediate goods sector is overall justified by an important role that it plays at a local level, being a supplier of externalities for almost all sectors of the economy. Similar results were obtained for the case of Brussels, where the spatial interactions seem to be higher for the sector of trade (Baudewyns, 1999). These findings are also confirmed by descriptive statistics, where these sectors are to a greater extent subject to spatial interaction and agglomeration effects. Usually, they tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). "Core areas are equally well suited to generating new services.[...] Front Office operations are generally located close to dense markets and, hence, are more often in core than in peripheral areas. One can thus expect that mostly the routinized back office operations are located in peripheral areas with lower factor prices" (Capasso et al, 2011). Furthermore, the various linkages among organizations can be conceptualized as connections among participants in a network that provide to its members benefits through spillovers from network channels. Thus, intra and intersectorial linkages coming from long scale spatial interactions are contributing to the growth of a sector and by consequence to its localization (bigger the firm, farther away from center it will locate). In order to account for these intrasectorial linkages or network effects we use a measure of accessibility of firms to other firms situated in other parts of the city. In the literature, we meet examples of buyer-supplier networks in industrial districts in the "Third Italy" (Piore and Sabel 1984) and in the Manhattan garment industry (Uzzi 1996, 1997). The network effects are introduced using the same matrix of generalized transport time as the one used for the construction of aggregate indicator of accessibility to employment. However we eliminate the presence of employment in adjacent IRIS, as they are captured by the proximity variables. We find that network effects increase significantly the motivation of location of firms to locate. Besides administration, this effect is more pronounced for the sectors of Front Office, Retail and Wholesale Trade. The rest of the variables do not change significantly their contribution as compared to the model already estimated. We find that the contribution of the density of population is very small and not significant for some sectors such as Logistics and Transports. The quality of the area (approximated by the percentage of social houses) is growing in importance in explaining the localization of firms. 53 2.6. Conclusion And Future Improvements The study seeks to distinguish sectorial patterns for the localization of firms in the context of spatial interactions in the area, for the case of Lyon. The spatial interactions and the agglomeration patterns are not uniform across sectors. The descriptive statistics shows evidence of different agglomeration patterns for the 15 industrial sectors analyzed. Agglomeration tendency seems to be higher for sectors such as agriculture, services and public administration. As descriptive statistics show, front office activities are higher subject to spatial interaction and agglomeration effects. They tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). Moreover, proximity and network effects are acting as complements in explaining localization process of firms in an intra urban setting. While an aggregate indicator of accessibility allows comparing sites in terms of attractiveness, it ignores the competition among areas for access to target population (which is defined by the proximity). Proximity is found to be the main driver of the localization process of firms. However, accessibility to labor is also positively contributing to the localization of firms. Furthermore, the local sectorial specialization assures a negative contribution to the localization process of firms in the IRIS. Our results confirm the ones of Glaeser (1992) agglomeration economies are associated with smaller numbers of plants. The contribution of the quality of social environment, accounted as the percentage of social houses seems to explain the degree of social segregation and of location decisions of firms. Besides the economic mechanism lying behind the reasons of localization of business, it seems that firms avoid installing in poor neighborhoods. Recognizing the limited perspective offered by the presence of social houses to the quality of urban development as a determinant for the localization of firms, we emphasize the economic but also social issues to be taken into account by urban planners. Acknowledgments We are grateful to Jean Pierre Nicolas and to Florence Toilier for their support and valuable comments. 2.7. References Acs Z, Agminton C (2004) Endogeneous Growth And Entrepreneurial Activities In Cities. Regional studies 38(8): 911-927. Aguilera A, Mignot D (2010) Multipolarisation des emplois et déplacements domiciletravail : une comparaison des trois aires urbaines, Canadian Journal of Regional Science / Revue Canadienne des Sciences Régionales 33(1):83-100. Anselin L (1988) Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Boston. Bawdewyns D (1999) La localisation intra urbaines des firmes : une estimation logit multinomiale. Revue d'Economie Regional et Urbaine 5:915-931 Benard R, Jayet H, Rajaonarison D (1999) L'environnement souhaité par les entreprises: Une enquête dans le Nord-Pas-de-Calais. Economie et statistique, 326-27 :177-187 Chiarvesio M , Di Maria E (2009) Internationalization of supply networks inside and outside clusters, International Journal of Operations & Production Management 29(11) : 1186-120 Crozet M, Mayer T, Mucchielli JL (2004) How do firms agglomerate? A study of FDI in France. Regional Science and Urban Economics 34 (1): 27­54. Duranton G , Puga D (2001) Nursery cities: Urban diversity, process innovation, and the life cycle of products, American Economic Review, 91(5): 1454­1477. Feldman M, Audretsch D (1999) Innovation In Cities: Science Based Diversity, Specialization And Localized Competition. European Economic Review (43): 409-429. Feldman MP (1994) The Geography Of Innovation. Kluwer Academic Publishers, Boston. Fujita M, Thisse JF (2003) Economie des villes et de la localisation. De Boeck University Press, Louvain La Neuve. Glaeser E, Kallal HD, Scheinkman JA, Shleifer A (1992) Growth in city. The Journal of Political Economy 100(6): 1126-1152. Glaeser EL, Gottlieb JD (2006) Urban resurgence and the consumer city. Urban Studies 43(8): 1275-1299. Giuliano G, Gordon P, Pan Q, Park JY (2010) Accessibility and Residential Land Values: Some Tests with New Measures, Urban Studies 47(14): 3103­3130, Guimarães P, Figueiredo O, Woodward D (2004) Industrial Location Modeling: Extending the Random Utility Framework. Journal of Regional Science 44 (1): 1-20 Guimarães P, Figueiredo O, Woodward D (2003) A Tractable Approach to the Firm Location Decision Problem, The Review of Economics and Statistics 85(1): 201-204 Hansen W (1959) How Accessibility Shapes Land Use. Journal of the American Institute of Planners 25:73-6. Harris B (2001) Accessibility: Concepts and Applications. Journal of Transportation and Statistics 4(2/3):15-30. Head K, Ries J, Swenson D (1995) Agglomeration benefits and location choice: Evidence from Japanese manufacturing investments in the United States. Journal of International Economics 38(3-4): 223-247 Head K, Mayer T, Ries J (2004) Market Size and Agglomeration. in Mucchielli J-L. and T. Mayer (eds.) Multinational Firms' Location and the New Economic Geography. Edward Elgar, London. Hoover EM (1948) The Location of Economic Activity. McGraw-Hill, New York. Kaiser MS, Cressie N. (1997) Modeling Poisson variables with positive spatial dependence. Statistics and Probability Letters 35: 423-432. Krugman (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99: 483-499. Krugman P (1991a) Geography And Trade. University Press and MIT University, Louvain. Krugman P (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99(3): 483-99. Lambert D, Brown JP, Florax, RJGM (2010) A two-step estimator for a spatial lag model of counts: Theory, small sample performance and an application. Regional Science and Urban economics 40(2): 241-252 Marchal F, De Palma A ( 2001) Dynamic Traffic Analysis with Static Data: Guidelines with Application to Paris. Transportation Research Record: Journal of the Transportation Research Board 1752: 76-83 55 Capasso M, Cefis E, Frenken K (2011) Spatial differentiation in industrial dynamics. A coreperiphery analysis based on the Pavitt-Miozzo-Soete taxonomy. Papers in Evolutionary Economic Geography, 1103: Marshall A (1920) Principles of Economics (8th Edition). Macmillan and Co., Ltd., London. Martin P, Mayer T, Mayneris F (2011) Public support to clusters A firm level study of French 'Local productive systems'. Regional Science and Urban Economics, 41:108-123. Owen-Smith J, Powell WW (2004) Knowledge Networks as Channels and Conduits: The Effects of Spillovers in the Boston Biotechnology Community. J Organization Science 15(1): 5-21 Piore M, Sabel CF (1984) The second industrial divide: possibilities for prosperity. Basic Books, New York. Agence d'urbanisme de Lyon (2011) Rapport sur les Zones Franches Urbaines de l'agglomération lyonnaise. http://www.economie.grandlyon.com/fileadmin/user_upload/fichiers/site_eco/201102_opale_zfu_gl_tableau_bor d_2011.pdf Redfearn C, Giuliano G (2008) Network accessibility and the evolution of urban employment. MeTrans Draft Report, Los Angeles Shadbegian RJ, Wolverton A (2010) Location Decisions of U.S. Polluting Plants: Theory, Empirical Evidence and Consequences. NCEE Working Paper Series 201005 Shukla V, Waddell P (1991) Firm location and land use in discrete urban space. A study of the spatial structure of Dallas-Fort Worth. Regional Science and Urban Economics 21: 225253. Tobler W (1970) A computer model simulating urban growth in the Detroit region. Economic Geography (46-2): 234-240. APPENDIX 1. Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade code AD AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 Number of firms 4602 4632 3633 4506 328 8049 1265 1772 5812 12714 4057 16108 9998 7473 15335 % in total firms 4.59% 4.62% 3.62% 4.49% 0.33% 8.03% 1.26% 1.77% 5.80% 12.68% 4.05% 16.06% 9.97% 7.45% 15.29% % in total labor pool 7.56% 1.08% 5.85% 12.50% 2.41% 6.22% 1.40% 2.78% 4.93% 12.08% 4.80% 9.32% 11.83% 7.14% 10.09% 57 Projet SIMBAD APPENDIX 2. Correlation matrix across the firms by sector of industry EP EP J3 EQ EC EM AD EN1 EN2 EF J2 EK2 EH EK EG AG 1 0.82 0.74 0.73 0.71 0.7 0.62 0.55 0.04 0.33 0 0.2 0.19 0.27 -0.16 J3 0.82 1 0.65 0.7 0.72 0.58 0.63 0.54 0.15 0.38 0.08 0.23 0.22 0.38 -0.17 EQ 0.74 0.65 1 0.47 0.64 0.62 0.59 0.46 -0.05 0.21 -0.08 0.07 0.18 0.29 -0.23 EC 0. 73 0.7 0.47 1 0.63 0.51 0.61 0.59 0.34 0.53 0.27 0.25 0.14 0.04 -0.13 EM 0.71 0.72 0.64 0.63 1 0.65 0.87 0.61 0.06 0.44 0 0.05 0.17 0.57 -0.16 AD 0.7 0.58 0.62 0.51 0.65 1 0.65 0.53 0.03 0.32 -0.01 0.04 0.22 0.56 -0.13 EN1 0.62 0.63 0.59 0.61 0.87 0.65 1 0.65 0.16 0.59 0.07 0.13 0.18 0.52 -0.16 EN2 0.55 0.54 0.46 0.59 0.61 0.53 0.65 1 0.4 0.62 0.41 0.27 0.47 0.38 -0.14 EF 0.04 0.15 -0.05 0.34 0.06 0.03 0.16 0.4 1 0.69 0.62 0.57 0.21 -0.03 0.02 J2 0.33 0.38 0.21 0.53 0.44 0.32 0.59 0.62 0.69 1 0.52 0.4 0.26 0.31 -0.1 EK2 0 0.08 -0.08 0.27 0 -0.01 0.07 0.41 0.62 0.52 1 0.41 0.28 0.01 0.06 EH 0.2 0.23 0.07 0.25 0.05 0.04 0.13 0.27 0.57 0.4 0.41 1 0.23 -0.09 0.27 EK 0.19 0.22 0.18 0.14 0.17 0.22 0.18 0.47 0.21 0.26 0.28 0.23 1 0.17 0 EG 0.27 0.38 0.29 0.04 0.57 0.56 0.52 0.38 -0.03 0.31 0.01 -0.09 0.17 1 -0.14 AG -0.16 -0.17 -0.23 -0.13 -0.16 -0.13 -0.16 -0.14 0.02 -0.1 0.06 0.27 0 -0.14 1 Projet SIMBAD Table 2. Descriptive statistics: the mean of main determinants for the location of Firms AD Agglomeration effects Location quotient AD Location quotient AG Location quotient EC Location quotient EF Location quotient EH Location quotient EK Location quotient EK2 Location quotient EM Location quotient EN1 Location quotient EN2 Location quotient EP Location quotient EQ Location quotient J2 Location quotient J3 1st percentile income Labor accessibility 1.66 0.99 0.71 0.45 0.72 0.72 0.36 1.31 1.19 0.87 1.46 1.19 0.71 1.04 20 0.7 11.35 0.81 0.9 1.94 1.06 1.25 0.42 0.49 0.88 1.2 0.86 0.83 0.79 17.08 0.68 0.6 1.3 0.68 0.87 0.43 0.62 1.58 1.1 0.97 1.46 0.79 1.1 1.28 19.45 954.65 0.34 1.17 1.2 2.1 1.46 0.66 2.01 0.45 0.63 1.1 0.66 0.42 1.53 0.88 19.18 0.88 0.82 0.5 0.81 0.8 1.19 1 1.33 1.28 0.73 1.05 0.59 1.03 0.68 18.53 0.66 2.73 0.94 1.16 1.73 0.7 1.24 0.65 0.71 1.07 1.1 0.88 1.05 1.03 20.43 0.49 1.32 1.06 1.29 1.24 1.79 2.73 0.73 0.67 1.27 0.86 0.54 1.61 0.98 20.72 360.31 0.38 1.58 1.06 1.55 1.39 1.79 3.35 0.4 0.61 1.45 0.69 0.43 1.79 0.78 20.70 1.03 0.63 0.8 0.47 0.75 0.74 0.41 2.16 1.29 0.96 1.35 0.88 0.86 1.2 19.08 0.83 0.83 0.87 0.6 0.87 0.65 0.56 1.49 1.47 1.11 1.19 0.91 1.04 1.05 19.80 0.75 0.92 0.96 0.77 0.9 1.4 1.1 1.41 1.07 1.48 1.18 0.78 1.08 1.06 19.58 1.06 1.24 0.88 0.55 0.95 0.63 0.55 1.36 1.01 0.97 1.64 0.97 0.78 1.28 20.02 1.07 1.39 0.68 0.5 0.91 0.58 0.47 1.33 1 0.94 1.48 1.41 0.67 1.24 20.24 0.61 0.98 0.98 1.01 1.14 0.7 1.19 1.12 1.11 1.14 0.99 0.62 1.63 1.06 19.46 0.89 1.02 0.75 0.61 0.93 0.64 0.54 1.36 1 0.9 1.51 0.94 0.79 1.64 20.18 AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 1691.025 105.62 1717.47 2574.98 827.63 359.91 1319.28 2598.10 869.86 1674.7 2181.47 1140.27 1722.80 59 Projet SIMBAD Projet SIMBAD 3. Business Firms Location, Functional Specialization and Urban Segregation: Evidence from Front and Back Office Activities in Lyon Urban Area Auteurs: Teodora Corsatea, Louafi Bouzouina. Une version de ce travail a été présentée au 1er séminaire SIMBAB du 01.04.2011 http://simbad.let.fr/documents/seminaire/010411/TCorsatea.pdf Il est prévu de découper cette première version de texte en deux parties pour proposer deux articles : Le premier portera plus spécifiquement sur les liens entre spécialisation fonctionnelle et ségrégation sociale, et leurs impact sur les logiques de localisation des services aux entreprises ("Evolution of Clustering Patterns for Business Services in Lyon Urban Area: when Functional Specialization Overlaps Social Segregation"). Le second proposera une analyse temporelle de l'impact de l'accessibilité sur la localisation des services aux entreprises entre 1982 et 2005 ("Evolution of accessibility and location patterns of Business Services in Lyon Urban Area, 19822005"). Abstract: In this paper we examine the degree in which clustering patterns for Business services are related to the role of infrastructure, sectorial specialization, public intervention and social segregation. A panel analysis (1982-2005) of location patterns of suppliers of urban externalities could provide the necessary information to understand the development of the urban structure. First of all we note the spatial division of Business services as front office activities are mainly concentrated in the center and north western part near the center. Back office localize also in the center. The spatial distribution of skills explained mostly of the location patterns of business services. The infrastructure is determining for back office activities while sharing the same role as sectorial specialization for front office activities. A phenomenon of segregation is noted as front office activities seem to avoid their installation in the poor areas of the city Mots clés : clusters; urban segregation; business services; Functional and Sectorial specialisation 61 Projet SIMBAD 3.1. Introduction In France the growth of services takes place mainly in the urban context, with a supposed high elevate pace of growth in the biggest of the urban areas Illeris(2006). In this country, the proportion of services in 1999 diminishes with the degree of urbanization passing from more then 81% in Ile de France to less the 62% in cities with less then 70000 inhabitants. Lyon services register 72% of total economic activity , 16% out of which being Business services. Much of the services clusters in the CBD where we find a more intense competitive pressure on clustered firms. ."As opposite to Us experience (Coffey 1996), in France traditional functions of trade, business services, consumers services still agglomerate in the heart of CBD (Shermur alvergne 2002)". This phenomenon of concentration is taking place in France as 'the dense and diversified supply of intellectual services with high added value affect mostly the large urban areas .. which, in the long run generates disparities in regional developement' (JM Zuliani). Previous studies identifies clustering patterns of business services as determined by agglomeration economies (Illeris 1989, ch.6; Moulaert and Gallouj 1993)or by accessibility to clients (Daniels 1993, ch.4; Wood 19974; Bennett et al 1999, 415-6; Bennett et al 2000). Bodenam, 1998 Shermur alvergne 2002 report in the localization in the CBD as a way of maximizing forward linkages: "a cumulative process of agglomeration has occurred, strengthening the initial central market". However in Lyon we assist to a polynucleated distribution of employment reminding the possibility of emergence of suburban town. Or, the creation of `suburban downtowns', as a key indicator of a declining CBD(shemur and ). The dispersal of economic activity passes through reorganization of the production facilities. We can assist at an increasing propensity of reducing the cost of obtaining, management and processing information, such as the cost of legal, accounting, and advertising services[ Aarland et al. 1]. Another factor of decentralization is assured by the development of road and rail infrastructures (Aguiléra, 2003 Keeble and nachum, 2002) The decentralisation patterns seems to be the results of a trade-off amonf 3 forces: communication costs, specialized skilled labour and specialized services (Gallouj 2006, Coffey-Polese 1987) Other factors are also identified for dispersal of business services (Merenne ­Schoumaker 2003 ): transport and accessibilities, populations, supply of real estate and finance, public policy, economic activities, firm competition. Thus we retain the role of public decision makers in shaping the urban lanscape ; one example is given by the regroupement of services in ZFU (Zones Franches Urbaines) which allow an exoneration of a part of taxes. Moreover, we examine the role of logistics parks and business parks as part of a new planning process, in which public authorities and private producers have redefined their policy space and their strategies. The insights has been previously explored for the area of touluse whre the collectivites locales(municipalities ) and real estate partner act jointly as suppliers of buildings that can ease the implementation services in the metropolis ( JM Zuliani) Besides the aspect of reorganization of production at a intra urban framework, in this paper we inquire where the social structure an area determines the probability of installation of firms. Little investigation has been done on the location decision of firms, as a function of social segregation. an insecure environment feeds the chances of failure of youngsters, gives them lesser opportunities on the labor market. ­An intense reputational effect is reported by O'Farrell et al (1992, 531) as "active local competition [and] demanding, sophisticated and discriminating local customers...are crucial in developing and sustaining competitive Projet SIMBAD advantage" in business service firms." Thus a central Location can be perceived "as a form of accreditation: a prestige address confers upon the service provider a presumption of quality, often justified because of the networking possibilities which such a location enables. The location does not provide a guarantee of quality, but location in a less prestigious area immediately conveys a second- rate image which can be fatal for high-order service establishments"( Shermur alvergne 2002). This study investigates the degree to which agglomeration economies and public infrastructure determine of localization of firms within the boundaries of the city Few are the studies examining of these clustering patterns at a intra-urban level. The Location Patterns of Business Services in the Ile-de-France( Paris region)have been described in Gollain and Sallez (1999) and IAURIF (1999). For metropolises such as London D. Keeble and L. Nachum(2001)investigate clustering patterns of knowledge-intensive professional business service firms, finding primordial for this process the presence of a performant physical network(good road and rail links), as an accreditation of "a place-based image signalling quality and credibility, client proximity, good air connections, and local availability of professional staff and expertise" Furthemore " localised processes of knowledge acquisition, development and networking, of the kind highlighted in `innovative milieux' and `collective learning' conceptualizations of industrial clusters" increases the motivation of chustering of business services in central London. Following the related literature we explore the research questions. To which degree the agglomeration economies are responsible for spatial distribution of Business services. What is the role of the public infrastructure for dispersal of these activities? Is spatial distribution of skills and the social segregation determining the localization of firms? What is the role of state intervention(by creation of ZFU)in the process of localization of firms. The remainder of the work goes as follows. The first section of the paper provides a description of the data. The second one offers a spatial description. Econometric issues are discussed in the third part, and section four concludes with a discussion of the results. 3.2. Temporal patterns of Business Services in Lyon The territorial unit adopted for the analysis is the IRIS, the French administrative division counting for approximately 2000 inhabitants. However, when detecting and analyzing the evolution patterns of business services we will use a zoning of Lyon in 4 areas: centre, periphery, western part near the city center(half of the belt surrounding the city center where we find a cluster of rich households) and the eastern part near the city center(half of the belt surrounding the city center where we find a cluster of rich households). In these delimitation we have inspired from basic urban ecological models: Burges (1925) who divides the urban space in concentric zones corresponding to a well defined specialization in which people are interacting; Hoyt 1939 zoning as a function of income distribution and Harris and Ulman1945 as a function of increasing motorisation of the population. Even though the econometric analysis and the spatial autocorrelation test are performed at a fine level of the IRIS, this zoning allows us to better description of location patterns of Business Services. Data are supplied by INSEE (the French National Institute of Statistics) which provides information about all active institutions (private firms and public administration) in the Lyon area. Basically, the information is structured in order to provide a clear picture about the 63 Projet SIMBAD identification of the firms (status, name, fiscal number of identification) as well as economic information (number of employees, sector of activity- NAF classification) and geographical reference. The firms are distributed over 15 sectors of industry, following the NAF classification. The main economic sector is the one of services (all types included) covering 32% of all firms, followed by trade (23%) as shown in Figure 1. Figure 1 Evolution of firms in Lyon by sector of activity 1982 2005(percentage in the total number of firms) Our sector of interest is the one of Business Services. By definition business services "are those services which predominantly serve intermediate, rather than final, demand (Shermur alvergne 2002)" The distinction between front office and back office is described by the use of NAF codes in appendix 2,4: However the distinction corresponds to some structural differences as some of the Front office activities have a certain degree of final demand orientation(legal, publicity, visual arts), much present than other producer services(such as Back Office). According to the classification of Gallouj(2006 reprenant celle de Pavitt84 and SoeteMiozzo90) depending on technological patterns services we identify for the category of back office firms acting "suppliers of equipment and technical systems": repair, cleaning, hotel and catering, retailing, laundry services) and those assuring "physical networks " (transportation logistics): In the category of Font office we identify forms taking part of "informational networks"(finance insurance communications) as well as "specialized suppliers" and "science based services"(rd, information technologies and telecommunications, visual arts). We notice that front office activities are the ones who have increased the most since 1982 (9,35%) but the localization of this sectors fashions the urban structure of Lyon. In the 1980s the thesis of externalization of "service demands previously supplied by internal management" (Bryson et al 1997, 347 assures the development of business services. Later on, we find as reported by Keeble and Nachum(2002) that the on going rapid growth of business services is demanded by an "increased international competition, technological change, Projet SIMBAD recessionary forces and changes in the needs of organizations"( Beyers and Lindahl 1996; Lindahl and Beyers 1999). We can note the change from internal to external requirement by looking at the fine distribution of Front Office activities. As presented in appendix 2 the front office activities are composed by consultancy and data management activities. Specific to the 80's are Organisation de foires et salons, Métreurs, géomètres and Ingénierie, études techniques, Agences, conseil en publicité . They account for 21% of all front office activities. A persistent development of these activities continues during all the period of analysis(19822005). Other 27% of front office activities are assured by Conseil pour les affaires et la gestion and Administration d'entreprises are mostly developed in the end of nineties and in the early years of two thousand. The period is marked by a extensive development of data generation and management of information activities24. Specific to 2005 and knowing a lesser development, but well reprezented in the NAF are visual art activities such as Distribution de bouquets de programmes de radio et de télévision, Edition de chaînes généralistes, Edition de chaînes thématiques, Autres activités de réalisation de logiciels, Edition de logiciels, Télécommunications. We note a revigoreas trend of a old cinematographic industry in the shape of the above mentioned business services. Looking at the spatial distribution of front office activities we notice the commonly feature centrality installation of firms. 61,34% of these types of activities are found in the center. Only two sectors have less than 50% of the production activities in the center: Analyses, essais et inspections techniques and Postes nationales. Considered as an extention of the city center, Western part of the belt around the city center covers 17% of these activities. Edition de chaînes généralistes, Production de programmes de télévision and activities de radio localize in the centre and Western part of the belt around the city center. Lesser represented is the eastern part of the belt around the city center (9% of front office activities). We find sectors such as Recherche-développement en sciences physiques et naturelles and travail temporaire that have almost 20% of their actities in eastern part of the belt around the city center. Sectors which develop at least 20% of activities in the periphery are Edition de chaînes thématiques, Administration d'entreprises, Sélection et mise à disposition de personnel, Analyses, essais et inspections techniques and Postes nationales. Most of the Front Office firms move out from the center(that loses 15% of jobs in this industry) installing themselves in the near neighborhood: the western part of the first belt surrounding the city recovers 8% of the jobs lost by the center in the 23 years(see appendix) 24 Conseil en systèmes informatiques, Activités de banques de données, Recherche-développement en sciences humaines et sociales, Analyses, essais et inspections techniques, Sélection et mise à disposition de personnel, Secrétariat et traduction, Prestations techniques pour le cinéma et la télévision 65 Projet SIMBAD Figure 2 Evolution of number of jobs in Front Office activities 1982-2005(percentage in the total number of jobs) As represented in appendix 4 and 5 back office activities are mainly represented by Services annexes à la production, Services de transport et de nettoyage. In fact 62% of back office activities are represented by Services annexes à la production,(39%) and activites de nettoyage (23%). Specific to the 80's are Gestion d'infrastructures de transports terrestres, Services aéroportuaires, Les activites de location de machines et blanchisserie de gros. As Keeble (1997) and Keblle and Nachum(2002) report the macro economic changes in the 70 determines the re-organization of production as numerous small businesses are created and target specialized market niches. However they represent only 3% of back office activities. Activities which are developed in the end of the nineties beginning of 2000 are mainly developed by leasing, control and security activities25 They represent 6% of the back office activite is out of which 3% are Enquêtes et sécurité. Specific to the 2005 are Location de courte et longue durée de véhicules automobiles and Traitements des autres déchets solides, Autres travaux d'assainissement et de voirie. Most of the Back Office firms move out from the center(that loses 22% of jobs in this sector) installing themselves in the periphery: the second belt surrounding the city recovers 10.37% of the jobs lost by the center in the 23 years(see appendix) Figure 3 Evolution of number of jobs Back Office activities 1982-2005(perc in the total number of jobs) 25 Location avec opérateur de matériel de construction, Affrètement, , Location de matériels de transport par eau, Location d'appareils de transport aérien, Location de linge, Contrôle technique automobile, Enquêtes et sécurité, Conditionnement à façon, Centres d'appel, , Edition et distribution vidéo. Projet SIMBAD Even though 50% of back office activities are still found in the center of the city we notice a higher contribution of the periphery (22%) and of the 1ere Couronne est(15%)(see fig 3) Activities that still remain in the center of the city are water services, leasing and editing26. Services aéroportuaires, Location avec opérateur de matériel de construction are sharing their activities between center and eastern part of the first belt around the center. Like in Touluse case, in lyon the installation of services in the communes of the fisrt belt around the city is intertwinnnigly related to the installation of activity parks; the reorganization of the production system by externalization and dispersal of business services is strengthens the potential of the metropolis. Typically peripheric are services such as Affrètement, Conditionnement à façon, Collecte et traitement des eaux usées and Organisation des transports internationaux . 3.3. Spatial patterns of location patterns of business services "Broadly defined, agglomeration economies are.... cost savings to a firm accruing because of the scale of industry in a particular [location], and the resultant ability of the firm to share some of its external expenses with others" in the same cluster (Keeble 1976, 59). Rather, emphasis is now placed on the vital importance to such enterprises of access to localised and relatively immobile tacit knowledge, and of knowledge spillovers. Explaining clustering in these sectors also needs to include explicit attention to the role and growing importance of global networks, clients and links to cluster firms, as charted by workers such as Amin and Thrift (1992), Moulaert and Gallouj (1993), and Keeble et al (1998). Using Hoover-Balassa coefficient we analyze location patterns determined by external economies of scale( Marshall 1929): a specialized labour pool, pecuniary externalities and knowledge spillovers that assure a higher product variety at a lower cost. This index offers a measure of specialization as it compares a that sector location's share of employment in the industry exceeds its urban share. A broad picture of the specialization patterns emerges for the distribution of locational quotient for the services to enterprises in the area of Lyon. First, we note a high temporal variability as for Front Office activities we pas from 11 communes exceeding a higher share of front office jobs than Lyon in 1982 to 187 communes in 2005. Else we pass from 41 communes specialized in Back Office activities to 215 communes specialized in Back Office in 2005. Secondly, we depict a strong spatial variability for the concentration of Front office activities . For example, in 2005 Location Quotients are ranging from 0,002204773 (Lyon 3e arrondissement) to 5,51 (in Saint-Germain-Sur-L'arbresle). This maximum value of 551 means that the share of employment in the front office industry is 451 percent greater in this area than in Lyon as a whole. For the year 2005, among the 10 communes presenting the highest (absolute) shares in manufacturing employment in 2005 Saint-Cyr-Au-Mont-D'or, Lyon 9e Arrondissement, Villeurbanne, Vaulx-En-Velin, Montromant, Lyon 7e Arrondissement, Bron, Saint-Fons, Lyon 8e Arrondissement, Ecully, Lyon 3e Arrondissement. The examination of locational quotients reveal a higher specialization in the front office activities than the entire Lyon mainly situated in the 9 arrondissement de Lyon (50,2%), Villeurbanne(8,5 %) CALUIRE-ET-CUIRE 3,7% and Ecully 2,7%. For the back office activities we detect a higher specialization than the entire Lyon mainly situated in the 9 arrondissement de Lyon (22%), Villeurbanne(7 %) Vaulx-EnVelin, Venissieux and Saint-Priest 3% each. 26 centres d'appel, Laboratoires techniques de développement et de tirage, Services portuaires, maritimes et fluviaux, Location de matériels de transport par eau Location d'appareils de transport aérien 67 Projet SIMBAD The clusters of Front office activities are identified by means of Lisa indicators. We can depict clusters high-high(high number of enterprises surrounded by high number of enterprises, in red in Fig 4) and of clusters low-low(low number of enterprises surrounded by low number of enterprises, in blue in Fig 4). The goal is to identify the areas where the level of interactions among industries could be higher as they are co-localized. Figure 4 Spatial distribution of front office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 We notice 38 stable high high clusters in 1999 and 2005 situated mostly in the arrondissement of Lyon but also Champagne-Au-Mont-D'or, Dardilly, Limonest, Lissieu, Saint-Didier-AuMont-D'or. Within lyon high high clusters such as Montrochet - Marche ­ Gare, Pompidou, Victor Bach, Saint Michel, Saint-Louis, Jules Brunard, Domer, Yves Farges dispare leaving space to the emergence of new ones Dauphine ­ Montluc, Richerand - Petites Soeurs, Gillet Serein, Herbouville - Gros Caillou, Mairie, Route De Vienne, Cite ­ Jardin, Universites, Jean Moulin, La Gare D'eau. En plus, Bron, Ecully, Tassin-La-Demi-Lune, Villeurbanne Laissent La Place A Chassieu, Dommartin, Saint-Priest, Villeurbanne. Projet SIMBAD We note that the front office firms tend to cluster in the center part and in the north western part of the first belt-the rich part of the belt. Surprisingly, front office cluster in place where competition is high. The fact is not new as a " somewhat paradoxical advantage of CBD location is the presence of competitors. In the realm of professional services, competitors are also colleagues­ to the extent that there exist shared professional values, shared markets and shared interests (Wilson, 1993; Raelin, 1986). Informal after-hours drinks and lunches are key for exchanging market, technical or legal information, and for creating the personal contacts which may generate future business or indeed future employment. For professionals, being outside these informal networks can be debilitating"(Keeble and Nachum, 2002). Moreover, according to Scott (1988), business services are "typically situated in networks of extremely malleable external linkages and labour market relations" and exhibit "vigorous revival of entrepreneurial behaviour, renewed market competition and active technological innovation", exhibit "selective reagglomeration" or geographical clustering."( D. Keeble and L. Nachum) Figure 5 Spatial distribution of back office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 69 Projet SIMBAD Back office activities reveal more stable evolution towards the south eastern part of the city(figure 5). For example, we encounter in 2005, the 57 high-high clusters that were present in 1999. We notice a shift of activities from Lyon 2 and 7 (Bellecour - A Gourjus, Vitton, Jean Jaures, Ampere ­ Ainay, Jules Brunard) L'arsenal Sud Toussieu to the 3rd arrondissemenet(Mutualite - Liberte) and Heyrieux. From these LISA test we can state the spatial specialization as the north western part is characterized by front office activities and the south eastern part by the back office ones. Front office development seem to be correlated with the evolution of the urban structure: in 1982 they cluster only in the center; as the city center expands, front office locate also in the north western part near the center. An exception from this trend is the emergence of a cluster in the years 2000 at Cassie et Saint Priest Euroexpo and the airport that we suspect to be the result of public intervention. D. Keeble and L. Nachum(2001) report for the years of 1980s and 1990s "decentralization and dispersal of such activity as the dominant trend, with an absolute and relative growth of business service firms and employment both in small town and less-urbanised environments of southern Britain and in major northern and western cities (Leyshon and Thrift 1989; Illeris 1989; Marshall 1992)". Meanwhile the decentralization in rural and small town locations in Britain in the early 1990s (Keeble et al 1992b; Small Business Research Centre 1992, ch.7; Curran and Storey 1993; Keeble 1993), was mainly attributed to the migration of household and to a "enterprising behaviour" (Keeble and Tyler 1995) in France the facts are slightly different. The decentralization is an act of will of public decision makers that set in place technological and commercial parks. Secondly, the evolution of the infrastructure determines a polynucleated distribution of employment by sector of activity: Edge cities(Garreau, 1991) have difficulties to emerge. An example of a failed experience of an edge city is the case of Ile D'Abeau. Even if some activities have emerged and concentrated in the area in the years of 90's, the suburb development declined and stopped growing as is was to far from the city. The absence of changes and externalities is also responsible for a clustering of economic activity. Usually, we are able to identify a coreperiphery interpretation: people want to live and do business in the center because the profitability is higher. The perspective of higher profits is encouraging firms to move in the center, but the congestion is also higher. Thus, a trade-off between production costs (land and labor) and transport costs. Departing from this insight, recent studies identify a functional specialization with firms separating their facilities into production situated at the periphery of the city and management function located in the heart of the city. Duranton and Puga (2005) distinguish a trade off in the decision process of the location patterns of headquarters and business services, "trade-off between the gains from integrating their headquarter and production plant and the gains from separating them". 3.3.1. The role agglomeration economies location patterns of Business services However clustering patterns by sector of activity are easy to identify(as seen in figure...) using a spatial autocorrelation test, as the Moran Index test. Thus we compare the number of firms located in a certain Iris with the number of firms located in the neighbourhood (Anselin, 1992). Results are displayed in Figure 6. Projet SIMBAD Figure 6 Moran test of global spatial autocorrelation(1982-2005) We notice a growing tendency of spatial autocorrelation for front office activities and a diminishing tendency for the back office. However the front office remains one of the sector most subject to agglomeration effects (0.45 in 2005). Bivariate LISA association indicators show evidence of colocalisation of business in the center and north western part of the belt surrounding the center of the city. Our results confirm that headquarters have moved away from locations with relatively few other headquarters and business service producers towards locations with a greater presence of both (Duranton puga 2005). Being suplliers of externalities for other firms they tend to locate whre their clients are(in the center and north western part). "The proximity of clients not only eases formal business meetings, but also informal socialising and chance encounters Keeble and Nachum(2002)" Bivariate Lisa indicators report more intense competitive pressures on clustered firms as business services tend to agglomerate in locations where intra-industry spillovers could increase their profitability. 71 Projet SIMBAD Figure 7 Colocalisation patterns of Front office activities with other sectors 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1982 1990 1999 2005 -0,2 -0,3 We notice a high colocalisation of front office firms with Real Estate, Services to individuals, Education, Wholesale Trade, Retail Trade , Industries of consumption goods and administration. However, the spatial autocorrelation decline from 1982 to 2005 as we have identified an expansion towards the north western part and the two clusters in the southwestern part. As Shermur Alvergne 2002 report, "with increasing evidence of the suburban location of headquarters, particularly in high-tech industries, it is no longer self evident that most clients are located in the CBD (Garreau, 1991; Immergluck, 1997). Figure 8 Colocalisation patterns of Back office activities with other sectors 0,6 0,5 0,4 0,3 1982 0,2 0,1 0 1990 1999 2005 In du st In du st rie s ra t io of n Ag co ric ns rie ul um tu s re of pt io in n te go rm od ed s ia te go od s -0,1 io n s e n ca tio al e le s ra t En e sp lE st iv id u ru c gi s ic u go Tr an in is t Ag r io n R ea ia t C on in d Ed u Lo st e Ad m um pt m ed to -0,2 -0,3 co in t s rie du st Back office activities serving different markets they have different location patterns: back office activities tend to colocalise also with sectors such as transport, construction and In In du st rie s Se r of of vi ce ns er W ho s R et Tr -0,1 ad e ai lT ra de re rg y n or t ti c go od ltu od tio al s s s at En er Co gy ns tru ct io n Tr an sp or t Lo gi st ics Se Re rv al ice Es s ta to te in di vi du al s Ed uc W at ho io le n sa le Tr ad Re e ta il T ra de Ad m in ist Projet SIMBAD industries of intermediate goods(see Figure 8). However, for the rest of the sectors which have a central kind of development (such as real estate and trade), the colocalisation patterns of back office firms follows the same one described for front office firms. 3.3.2. The role of the Infrastructure for location patterns of Business services As point out by Duranton and Puga(2005), urban transformation has shaped the changes in firms' organization. Thus, it occurs a growing tendency of separation of the management and production facilities of individual firms. This tendency is reflected in the locations of business services (see Figure 9). Figure 9 Bivariate Lisa analysis. Business services versus accessibility 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 Accessibility of Front Office jobs Accessibility of back Office jobs 1982 1990 1999 2005 Front and back office activities are determined by the presence of the infrastructure: as shown in figure 9 there is a spatial association between the accessibility of employment and the number of business services. It is higher for front office than back office and steadily decreasing since 1982. For back office firms however in the nineties the contribution of the infrastructure is higher than for the rest of the period, confirming the role of the public decision makers in the decentralization of the business firms: The nineties it is also the period of installation of commercial parks (usually near the motorways). 3.3.3. Spatial Distribution of skills One could claim that these agglomeration effects are the result of an uneven distribution of skills. The role played by the spatial distribution of high skilled workers for the regional growth and for the existence of agglomeration is mostly emphasized by regional and urban studies. Hirschman himself (1958) envisaged a geography of growth, assuming that "we can accept a priori that economic progress do not manifest everywhere, at the same time and that when it made its appearance, powerful forces work together for a geographical concentration of growth around its points of departure"(p. 209, French translation). In the same sense, Fujita (2003) present a regional specialization of innovation activities as a result of a combination of skills and special abilities developed regionally, which strengthens the link between growth 73 Projet SIMBAD and geography[...] thus agglomeration being the territorial counterpart of economic growth." In this framework of Geography of growth, Fujita & Thysse (2003) found one of the most significant outcomes: the rate of growth, measured as number of varieties, depends on the spatial distribution of skilled workers. In order to test the role that the spatial distribution of skills plays for regional development and agglomeration patterns, we the degree of spatial association of well skilled workforce and Business services we take into account the presence of cadres and artisans. We consider les cadres as they are considered as holders of high human capital formed by the means of education. Furthermore we add the number of artisans as specific human capital formed within the industry, without necessarily passing through an university formation. Computing univariate Lisa maps we find stable clusters of skills from 1982-2005. in Figure 9 it is displayed the spatial distribution of skills for the year 1999 Cadres 1999 Ouvriers 1999 Figure 10 Spatial distribution of skills: evidence of High High clusters Computing Moran indicators we find evidence of a stead tendency of agglomeration for cadres (0.54 during the period) and artisans(0.25 during the period) and a decreasing agglomeration pattern for ouvriers (from0.48 in 1982 to 0.35 in 2005) . The cadres agglomerate in the north western part of the belt surrounding the center of the city(see figure 10). The clustering patterns are rather high during the period thus it is difficult to explain the location patterns of firms by the mean of a entrepreneurship behaviour. By creating start ups and spin offs the high skilled migrants " bring with them know-how, expertise and client networks derived from their previous big city employment which enable entrepreneurship and successful new enterprise creation in their chosen small town or rural location" (Shermur alvergne 2002). However even if the cluster of high skills are stable during the period they seem to explain to a certain degree the location patterns of business servicesThe spatial Projet SIMBAD distribution of skills seems to be influenced by non-pecuniary externalities and the "social capital" through which the social composition of the municipality affected individuals (Benabou, 1995). According to this type of externality, the more people acquired knowledge, the higher the human capital of others in the economy "and the segregation is evident. Furthermore more firms employing these knowledge will be located in these areas. Correlation indicators between business services and cadres are quite high The bivariate LISA are also high, denoting how much the firms in a certain IRIS are surrounded by high skilled or low skilled personnel. Figure 11 Evolution of bivariate Lisa indicators between cadres and Business services We can notice a similar spatial association of the front and back office activities(see Figure 11): both distributions there are positively associated with the one of cadres( main results are obtained for the one of students and artisans). The most important an important colocalisation patterns for front office activities is given by the presence of cadres followed by the one of students and artisans. 75 Projet SIMBAD Figure 12 Bivariate Lisa Front office -cadres 1982 1990 1999 2005 First of all, comparing the intensity of spatial association(results are presented later on within brackets) we notice that the occupational profile of Front office activities reveals higher levels of clerical and office work than of other producers services(Back Office activities). The most important an important colocalisation pattern for back office activities is given by the presence of cadres (from 0.25 in 1999 to 0.22 in 2005), followed by the one of etudiant (from 0.21 in 1999 to 0.18 in 2005) and artisans (from 0.11 in 1999 to 008 in 2005). Also for the back office activities we find evidence that producer services may choose to locate closer to their workforce . Projet SIMBAD Figure 13 Bivariate Lisa Back office -cadres 1982 1990 1999 2005 3.3.4. Social segregation Mixed results are obtained when looking at the association of workers and front office activities(see Figure 13). Only for the year 1982 we see a positive association between workers and Front (Back) Office activities. From 1990 to 2005 workers are negatively associted with the presnce of Front Office activities as if Front office avoided the poor neighborhoods in the 1990. Even though Front and Back office become more colocalised during the time, and therefore the need of ouvriers in a certain area (IRIS ) should increase, at the beginning of two thousand(1999 and 2005) we notice that Front Office firms are avoiding more than a decade before the presence of ouvriers(see Figure 14). 77 Projet SIMBAD Figure 14 Evolution of bivariate Lisa indicators between ouvriers and Business services We notice the negative sign for the bivariate LISA test with the ouvriers: this basically means that higher the number of ouvrier in the neighbourhood lesser the chances of installation of a front office activity. Furthermore these tendency is slightly growing from -0.14 in 1999 to 0.15 in 2005). Their presence of ouvriers offer a positive contribution to the presence of back office firms (from 0.01 in 1999 to 0.005 in 2005)(see Figure 15). Front Office Figure 15 Bivariate ouvriers-1999 Back Office We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. The localization pattern can be described as opposite as an insecure environment feeds the chances of failure of youngsters, given them lesser opportunities on the labour market. Moreover the literature on location choice of household establishes a well defined pattern where people generally do not install themselves in an insecure neighborhood, unless they don't have other choice. Lesser investigation has been done on the instalation of firms function of a social segregation. Projet SIMBAD Les pauvres Les riches Figure 16 Lisa for indicator of social segregation for the year 1999 For the year 1999 an indicator of social segregation has been built. Overall the spatial distribution of this indicators reveals a high degree of spatial association of front office and back office activities with the high income zones(0.36). A negative association of localization of firms and the presence of extremely low income households(see figure 16). 3.4. Methodology and estimation results We estimate econometric models where the dependent variable is number of firm installed in IRIS I at time t. As the dependent variable is non-negative, discrete highly non-normal distributed we cannot use a OLS regression. Let i be the Poisson mean of the number of firms Pr nit e it it n nit ! it where the parameter it , is linked to the explanatory variables in a log-linear form: ln it ' X it it (1) , where i = 1,...,777 and t=1982,1990,1999 and 2005 it : number of firms in Iris i in year t X it : a vector of regressors indicating characteristic of location site such as the sectorial specialization (measured by means of Hoover-Balassa indicator ) social attributes (the level of skills of travailleurs, cadres, ouvriers artisans an indicator of accessibility, a dummy for ZFU(Zone Franche Urbaine), the number of not taxed households. As we do not possess information to build this indicator for all the period we use information about the number of households that are not taxed in the IRIS. Furthermore as qualifier of the areas we include information about the Iris that receive an ease of fiscal burden through the classification in ZFU. One of these zones is Vaulx en Velin, the first to be considered as such on the French territory. : a vector of constants 79 Projet SIMBAD i : individual effects or an unobserved heterogeneity it : error term (i1; i2;...;iT ) independently and identically distributed ² with zero mean and variance We analyze whether the unobserved individual effects i are random or fixed: while the fixed effects approach considers I as group specific constant term in the regression model. , the random effects specifies that i is a group specific disturbance, similar to it except that for each group, there is a single draw that enters the regression identically in each period. We run a fixed effect and random effect estimation for Front Office activities. Hausman test confirms the need to perform a fixed effect rather than a random effect estimation see appendix . We test the null hypothesis that the difference in coefficients not systematic. A chi square test rejects the null hypothesis with a significance of 1% . Therefore the individual effects are supposed to be fixed. Table1. Localization of Front office activities. Static results of Fixed effects Poisson Front office Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Locational Quotient of transports Locational Quotient of logistics Zone Franche urbaine (dummy) Number of not taxed households 0,33[0,1196417]*** -0,01[0,0021522]*** 0,3[0,0195859]*** 0,3[0,0130719]*** 0,42[0,0267682]*** -0,03[0,0335445]n.s 0,11[0,0172602]*** -0,04[0,0127989]*** 0,14[0,0165827]*** 0,08[0,0208509]*** 0,27[0,0499645]*** 0,28[0,0640227]*** 0,14[0,0365206]*** 0,01[0,0214681]ns 0,28[0,2648416]ns 0,06[0,0581421]*ns back office 0,06[0,0581421]*ns 0,35[0,0388908]*** 0,1[0,0588376]* 0,18[0,0893401]** N.B. Standard errors are displayed within brackets. ***, **, *, n.s. denotes the level of significance of 1% 5% and 10% or else not significant NB The variables are in logarithmic scale First of all we notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. It remains the case also for other sectors such as the real estate, whole sale trade and retail trade susceptible to be responsible of intra-sectorial flows. 1 percent increase in retail trade is responsible for 14% (respectively 27%) increase in the number of Front Office (respectively 27% of Back office firms) localized in the IRIS. The center reflects an supposed status of quality and credibility, client proximity, and local availability of professional staff and expertise" . We test the quality of the area by the help of a set of variables indicating the social composition of the IRIS. Table 1 displays significant Projet SIMBAD results illustrating the idea that higher the number skilled in the IRIS, higher the number of front office firms localized in there. One could argue that the presence of ouvriers are an indicator also of an area with low income, and thus an indicator of social segregation(number of not taxed households) and the number of low skilled workers could be highly correlated. Moreover in the descriptive section we showed that the presence of ouvriers was negatively associated to the presence of front office firms in the neighborhood. Estimates are found not significant. However the higher number of not taxed households leads to a lesser number of number of firms acting in front office activities localized in that IRIS. Considered as an input for back office activities the presence of ouvriers are, as expected, increasing the number of back office firms in the IRIS. Surprisingly, the fact that an IRIS is classified as Zone Franche urbaine is contributing positively to the localization of front office activities. We could see in this result that firms are more interested in fiscal easiness of a zone. The estimate is however not significant for back office activities. Thus while the main determinant for the back office activities remains the infrastructure, for the front office activities the interpretation is more subtle depending on a mix of conditions: local industrial specialization, infrastructure and the quality of the urban area(skills and taxes). In order to see the way in which these factors have vary during the period we run poisson estimation at each time period(see table 2 appendix). Surprisingly, we remark a decreasing contribution of local sectorial specialization to the localization of front office activities. If in the beginning of the period(1982) the locational quotient was the main driver of the installation of firms, in 2005 we note a negative contribution(a congestion effect) of local specialization to the localization of firms. Furthermore we note an increasing contribution of the skills to the localization of firms: 1% of increase in the number of cadres are increasing by 7% in 1982, respectively 26% in 2005 the number of front office activities localized in that IRIS. The presence of ouvriers is decreasing the presence of firms in the IRIS. The low income areas are deterring the presence of front office firms. Thus, we note an increasing phenomenon of social segregation. While in 1982 the phenomenon is not present, it grows over the year as much as 1 % increase in the presence of ouvriers is 15% decreasing the number of firms in the IRIS. The variable indicating the de-taxation level of an area is increasing the number of front office activities. The main determinant for the localization of back office activities remain the infrastructure indicator(table 3 appendix). We cannot a constant increase over the years, doubling its contribution in 2005(with respect to 1982). The local industrial specialization of back office activating is positive in 1982 and negative for the remaining period. At the end of the period only the wholesale trade is a supplier of positive externalities for the back office activities. The variable indicating the de-taxation level of an area is increasing the number of back office activities only for 2005.This is probably due to the intervention of public decision makers in the creation of activity parcs able to attract the installation of firms. The presence of cadres is positively contributing the localization of back office firms, to a lesser extent than for the front office firms. Onwards we have propose to see a more detailed examination localization patterns; we have run a fixed effects Poisson for front and back office firms by fine sector as descripted in appendix 3 and 5. 81 Projet SIMBAD Some sectors have only a few observations and thus we could estimate them. These sectors are Transmission d'émissions de radio et de télévision, Production de films pour la télévision, Production de programmes de télévision, Edition de chaînes généralistes , Edition de chaînes thématiques , Distribution de bouquets de programmes de radio et de télévision , Traitements des autres déchets solides , Autres travaux d'assainissement et de voirie , Edition et distribution vidéo, Conditionnement à façon, Location de courte durée de véhicules automobiles , Location de matériels de transport par eau , Location d'appareils de transport aérien , Location de linge, Location avec opérateur de matériel de construction. The rest of the estimates are displayed in table 2. Projet SIMBAD Table2. Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,44 [0,1418496]*** -2,06 [1,03937]** 0,65 [0,1550966]*** 0,74 [1,781097]ns 1 [0,4804765]** 0,31 [0,1518028]** 0,84 [0,4722605]* 0,33 [0,1404635]*ns 1,6 [0,729857]*ns -0,08 [0,0721549]*ns -0,13 [0,0701849]* 0,07 [0,1367072]*ns 0,12 [0,0456264]*** 0,21 [0,0686396]*** -0,04 [0,0610566]*ns -0,19 [0,1258396]*ns 0,03 [0,04555]*ns 0,97 [0,3858822]*** Accessibility to employment 0,21 [0,106151]** 2,28[0,845863]*** 0,46 [0,1106163]*** 3,21 [2,305478]ns 2,42 [0,5602883]*** 0,42 [0,0933186]*** 0,12 [0,3632462]ns 0,36 [0,089467]*** -0,36 [0,469176]*** 0,39 [0,0475455]*** 0,62 [0,048266]*** 0,14 [0,0861641]*ns 0,39 [0,0306935]*** 0,49 [0,0482502]*** 0,28 [0,0383945]*** 0,45 [0,0768106]*** 0,45 [0,0283481]*** 0,45 [0,2428924]** Cadres 0,41 [0,1455475]** 8,45 [1,797583]*** 1,46 [0,1949018]*** 18,21 [5,525061]*** 9,8 [1,356896]*** -0,13 [0,2185419]ns 0,89 [0,6813654]ns 0,74 [0,2365162]* 0,77 [0,7009623]* 0,37 [0,098497]* 0,52 [0,1160753]*** 0,5 [0,2442854]** 0,91 [0,0713569]*** 1,48 [0,0967405]*** 0,43 [0,0931373]*** -0,01 [0,1661054]ns 0,28 [0,0665217]*** 0,8 [0,4055021]** Ouvriers -0,09 [0,2172372]ns -2,41 [1,421401]* -0,6 [0,2320768]*** -0,52 [2,049815]ns -2,51 [0,8901197]*** -0,14 [0,2763884]ns -1,11 [0,7649982]ns 0,09 [0,3083545]** -0,57 [0,9370351]** -0,34 [0,1042967]** -0,35 [0,1286435]*** -0,14 [0,2522564]ns -0,28 [0,083733]*** -0,08 [0,1217512]ns -0,33 [0,1129511]*** -0,08 [0,2090794]ns 0,01 [0,0856698]ns -0,9 [0,515916]* Locational Quotient of real estate activities 0,18 [0,115132]ns 1,39 [1,029972]ns 0,35 [0,1245919]*** 2,89 [2,400655]ns 1,61 [0,5981224]*** -0,02 [0,1307649]ns -0,42 [0,4565061]ns 0,12 [0,1163725]*** -0,14 [0,385494]*** 0,67 [0,0707476]*** 0,24 [0,0676236]*** 0,03 [0,1211761]ns 0,18 [0,0405647]*** 0,21 [0,0601359]*** 0,12 [0,0601841]** 0,15 [0,1110087]ns 0,09 [0,0409617]** -0,12 [0,2890758]ns Locational Quotient of administration -0,11 [0,0898824]ns -0,52 [0,936391]ns 0,03 [0,0949632]ns 0,82 [0,9401057]ns -0,37 [0,4169339]ns -0,01 [0,0884495]ns -0,11 [0,3443261]ns 0,21 [0,0997105]ns -0,32 [0,4162755]ns -0,11 [0,0470898]ns 0,21 [0,0454534]*** 0,17 [0,0963916]* 0,04 [0,0291697]ns 0,08 [0,0456263]* 0,17 [0,0406213]*** 0,17 [0,0812909]** 0,1 [0,0287763]*** 0,12 [0,1941078]ns Locational Quotient of retail trade -0,05 [0,087139]ns 1,17 [0,9611473]ns 0,26 [0,125542]** -1,18 [1,214912]ns -0,26 [0,3841341]ns 0,19 [0,1299257]ns 0,66 [0,4144302]ns -0,25 [0,1158788]*** 0,84 [0,4306799]*** -0,16 [0,0584246]*** 0,04 [0,0587543]ns -0,08 [0,126519]ns 0,12 [0,0377892]*** 0,11 [0,0567966]*** -0,13 [0,050982]*** -0,01 [0,1003573]ns 0,07 [0,0371242]* 0,33 [0,2894647]ns Locational Quotient of whole sale trade 0,2 [0,1726463]ns 2,96 [1,316308]** 0,33 [0,1601458]*** 1,69 [1,775234]ns 1,14 [0,5210234]** -0,13 [0,1639545]ns 0,82 [0,6647873]ns -0,11 [0,1553389]*** -0,49 [0,7042937]*** 0,14 [0,0664736]*** 0,12 [0,0740363]* -0,05 [0,1402996]ns 0,09 [0,0476472]* 0,34 [0,0756835]*** 0,05 [0,0654515]ns 0,09 [0,1291365]ns 0,08 [0,049022]ns -0,01 [0,3356274]ns Zone Franche urbaine (dummy) 0,68 [0,7647085]ns 20,76 [2322,575]ns -1,19 [0,6851162]* 6,58 [180243]ns 18,21 [1478,958]ns -0,92 [0,8746153]ns NE 0,47 [1,245827]ns 14,69 [1952,729]ns 0,31 [0,7987703]ns -0,17 [0,5819795]ns -12,55 [1155,508]ns 0,52 [0,4075211]ns 0,21 [0,3187047]ns 0 [0,5450959]ns 0,91 [0,7673388]ns 0,3 [0,2886444]ns -16,68 [1728,119]ns Number of not taxed households 0,03 [0,0117001]** -0,11 [0,1604666]ns -0,02 [0,0191842]ns -0,7 [0,5002533]ns -0,28 [0,1123842]** 0,05 [0,0155685]*** 0,03 [0,0577513]ns 0,07 [0,0139013]ns 0,03 [0,0849466]ns 0,07 [0,008021]ns 0,03 [0,0074556]*** 0,1 [0,0165528]*** 0,03 [0,0049554]** 0 [0,008261]ns 0,06 [0,0065853]*** 0,04 [0,0122835]*** 0,05 [0,0045842]*** -0,02 [0,0386251]ns 64.1A 64.2C 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 83 Projet SIMBAD Table2(continuing). Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,31 [0,1857995]* -0,08 [0,0740759]*ns 0,73 [0,3966929]* -0,31 [0,1128702]*** 0,63 [0,1594188]*** -0,14 [0,105573]*ns 0,44 [0,4708053]ns -0,17 [0,3995865]*ns 3,59 [2,898281]ns -0,61 [0,8333219]ns 1,14 [2,044846]ns 0,14 [0,2619945]*ns Accessibility to employment 0,28 [0,1192929]*** 0,39 [0,0453322]*** 0,49 [0,2934673]* 0,61 [0,0888694]*** 0,11 [0,114317]ns 0,25 [0,0602508]*** -0,24 [0,3237737]ns 0,41 [0,2526445]*ns -0,71 [0,875329]ns 0,56 [0,6073127]ns -0,79 [1,749846]ns 0,01 [0,1543196]*ns Cadres 0,79 [0,2527372]* 0,14 [0,1093033]ns 1,45 [0,4897524]*** 0,7 [0,1797557]*** 1,34 [0,1927581]* -0,4 [0,1586904]*** 3,34 [0,820383]*** 0,84 [0,5942315]*ns 2,2 [2,464081]ns 2,49 [1,967744]ns 3,37 [2,254857]ns 0,94 [0,3905836]* Ouvriers -0,3 [0,353293]ns -0,28 [0,1357343]** -0,71 [0,517388]ns -0,38 [0,2118637]* -0,29 [0,2529968]ns 0,14 [0,1955018]ns 0,08 [0,8900299]ns -0,65 [0,725085]*ns 2,26 [2,113914]ns 2,01 [1,902662]ns 5,45 [3,135238]* -0,92 [0,4632961]** Locational Quotient of real estate activities 0,08 [0,1603843]ns 0,2 [0,0652728]*** 0,19 [0,2654225]ns 0,4 [0,1228843]*** -0,23 [0,1223243]** 0,16 [0,0949958]ns 0,07 [0,4306349]ns 0,17 [0,4436413]*ns 1,08 [1,204794]ns -1,16 [1,036615]ns -1,47 [1,614053]ns -0,22 [0,2228698]ns Locational Quotient of administration 0,25 [0,119323]** 0,09 [0,0477094]* 0,34 [0,2478771]ns 0,14 [0,0808222]* 0,05 [0,1000377]ns 0,09 [0,0699893]ns -0,45 [0,3933132]ns -0,05 [0,2439863]*ns -1,48 [0,8499848]* 0,88 [0,6999306]ns 1,68 [1,100498]ns 0,02 [0,180525]ns Locational Quotient of retail trade -0,25 [0,1489614]* 0,02 [0,061012]ns 0,15 [0,307692]ns -0,2 [0,099157]** 0,2 [0,11716]* -0,08 [0,0845199]ns 0,47 [0,3287961]ns 0,56 [0,3464382]*ns -2,29 [2,19079]ns 0,29 [0,7101229]ns 2,4 [1,45188]* -0,13 [0,2263318]ns Locational Quotient of whole sale trade 0,1 [0,2025841]ns 0,09 [0,0767655]ns 0,23 [0,4086484]ns 0,23 [0,1516401]ns 0,67 [0,1845326]*** -0,04 [0,1100569]ns 0,11 [0,6417969]ns -0,27 [0,4305175]*ns 1,32 [1,948757]ns 0,79 [1,022732]ns 0,2 [3,438068]ns -0,19 [0,2686095]ns Zone Franche urbaine (dummy) 1,36 [1,183598]ns 0,01 [0,397025]ns 7,62 [1290,678]ns -0,43 [1,352841]ns 0,13 [0,9120758]ns -0,2 [0,7737552]ns 16,95 [2610,356]ns Number of not taxed households 0,07 [0,0209122]*** 0,07 [0,0080444]*** 0 [0,0509753]ns 0,03 [0,0142883]** 0 [0,0162234]ns 0,07 [0,0105027]*** -0,01 [0,0656734]ns 0,06 [0,0407545]*ns 0,18 [0,1614878]ns 0,02 [0,2935155]ns 0,06 [0,3240325]ns 0,1 [0,0254128]*** 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1B 92.1C 92.1D 92.1F 92.2A 92.4Z -13,22 [7,946044]ns 2,7 [1,586992]* Projet SIMBAD Front Office localisation patterns are not homogeneous. The role of industrial specialization exceeds the role of the local infrastructure in explaining the implementation of firm, for sectors such as Postes nationales, Conseil en systèmes informatiques, Activités de banques de données, Analyses, essais et inspections techniques, Gestion de supports de publicité, Sélection et mise à disposition de personnel.. As reported by Shermur for the case of France these types of activities do not reveal a specific clustering patterns "the market surveys, computer repairs and research and development sectors show no diffusion pattern at all. This does not imply that they are not spread out over space, but rather that this spread is entirely consistent with their pattern of concentration: employment in these sectors tends to tail off as one moves away from the centres of employment without any of the dispersion patterns appearing.( shermur ) The accessibility to employment is the main driver for sectors such as Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire. The presence of cadres is generally increasing the number of front office firms in the district, but it is surpringly high for Télécommunications, Edition de logiciels, Autres activités de réalisation de logiciels, Administration d'entreprises, Sélection et mise à disposition de personnel, Organisation de foires et salons. The localisation patterns of those sectors dominated by a centrality feature are negatively influenced by the presence of ouvriers. 1% increase in Ouvriers are decresing the number of firms in Télécommunications, Edition de logiciels.A special case is the one of Prestations techniques pour le cinéma et la television where 1% increase in ouvriers is 500% the number of firms of this sector. The explanation may be given by a colocalization of this sector with other firms acting in back office activities, where the number of ouvriers is crucial for development of their activities. The feature of ZFU is significantly acting only for Conseil en systèmes informatiques as a disincentive of installation. For the remaining sectors the contribution is not significant Shermur Those which tend to cluster away from existing population centres do not come in easily subdividable units. In these sectors, individual consultants or small branches are less common than larger establishments. 85 Projet SIMBAD Table3. Localization of back office activities. Static results of Fixed effects Poisson Locational Zone Franche Quotient of Cadres Ouvriers urbaine whole sale (dummy) trade -0,64 0,9 -0,26 -1,28 0,11 -0,24 -0,04 1,24 -14,28 63.2a [0,4597066]*ns [0,3227277]*** [0,5441083]ns [0,7401312]* [0,3029141]ns [0,202367]ns [0,3083054]ns [0,5475562]** [2004,357]ns -7,77 9,08 -0,12 0,27 4,92 -0,75 6,69 -1,01 63.2c [19,57387]ns [18,81046]ns [4,682414]ns [3,622166]ns [9,532359]ns [2,167274]ns [16,1402]ns [5,193842]ns -11,16 7,96 -2 10,15 10,15 -12,58 -18,48 31,66 63.2e [12931,81]*ns [4468,009]ns [7802,233]ns [24162,24]ns [10924,68]ns [15947,7]ns [19760,77]ns [26982,39]ns 0,6 0,54 -0,65 -0,06 -0,18 0,47 0,89 0,57 63.4b [1,10693]ns [0,7556054]ns [0,793638]ns [0,8779436]ns [0,7844567]ns [0,3090329]ns [1,038384]ns [0,9117722]ns -0,09 0,69 0,04 0,01 0,23 0,02 0,09 0,3 0,24 63.4c [0,2152666]*ns [0,130007]*** [0,2028102]ns [0,2959196]ns [0,1775169]ns [0,0940808]ns [0,2070079]ns [0,2203515]ns [1,376808]ns -0,82 0,73 -0,65 -0,29 0,3 0,18 0,62 0,18 71.2a [0,5978584]*ns [0,3734186]** [0,5429711]ns [0,8118564]ns [0,3743165]ns [0,1977955]ns [0,5666859]ns [0,54976]ns -0,05 0,29 -0,26 0,17 -0,06 -0,01 0,22 0,06 0,25 71.3c [0,2882674]*ns [0,1561389]* [0,2863288]ns [0,5349397]ns [0,2003189]ns [0,1254414]ns [0,2681652]ns [0,3055153]ns [1,210289]ns -0,21 0,7 0,86 0,93 0,34 -0,1 0,3 0,39 -17,54 71.3e [0,6863618]ns [0,4819642]ns [0,7584758]ns [1,28617]ns [0,3740713]ns [0,271952]ns [0,7319893]ns [0,7223085]ns [3450,958]ns -0,06 0,49 0,21 -1,17 0,18 -0,02 0,62 0,68 10,25 74.3a [0,5715056]ns [0,462356]ns [0,435013]ns [0,9439097]ns [0,3252629]ns [0,1694787]ns [0,5054896]ns [0,7104405]ns [3574,565]ns 0,44 0,38 0,41 0 0,32 -0,08 0,27 1,15 15,54 74.6z [0,4033928]ns [0,3284637]ns [0,3059609]ns [0,7414431]ns [0,2837625]ns [0,1347549]ns [0,4561594]ns [0,5168621]*** [1286,409]ns 0,03 0,04 -0,08 1,1 74.7z 0,17[0,0895938]* 0,25[0,0581746]*** 0,15[0,122009]ns -0,43[0,204379]** -0,05[0,065042]ns [0,0447826]ns [0,0821812]ns [0,1210988]ns [0,4280711]*** 0,1 -0,28 0,05 -14,42 74.8a 0,12[0,1869783]ns 0,1[0,1156502]ns 0,06[0,2746454]ns 0,32[0,3609273]ns 0,16[0,1365513]ns [0,082508]ns [0,1710351]ns [0,237739]ns [1028,752]ns -0,27 0,93 -0,75 0,09 -0,39 0,08 -0,06 1,5 0,71 74.8b [0,3796577]*ns [0,3395492]*** [0,6540245]ns [0,7497735]ns [0,2287068]** [0,1854862]ns [0,4932609]ns [0,6294338]** [2,713982]ns -0,08 0,28 0,33 -0,08 -0,05 -0,03 -0,01 0,45 0,27 74.8k [0,086019]*ns [0,0529774]*** [0,1073623]*** [0,1579124]ns [0,051918]ns [0,0361085]ns [0,0685771]ns [0,1020162]*** [0,3856595]ns 0,41 -0,04 0,9 -0,57 -0,02 0,14 0 -0,1 90.0a [0,5371567]ns [0,4650906]ns [0,6057321]ns [0,9402703]ns [0,3052331]ns [0,2026869]ns [0,3623591]ns [0,7390423]ns 0,05 0,61 0,21 -0,14 0,06 0,03 -0,39 0,48 0,33 90.0b [0,4311864]*ns [0,271752]** [0,6254457]ns [0,6718315]ns [0,3944803]ns [0,2323727]ns [0,3977447]ns [0,50723]ns [1,424051]ns 0,59 -0,02 0,67 -0,85 0,05 0,1 -0,51 0,02 12,29 92.3b [0,2365654]*** [0,1280802]ns [0,2642208]** [0,5074418]* [0,1360226]ns [0,0927771]ns [0,1573742]*** [0,2442813]ns [1073,025]ns 0,52 0 0,31 -0,05 -0,01 0,07 -0,38 0,03 -14,23 92.3d [0,4314344]ns [0,2932479]ns [0,5055921]ns [0,7319456]ns [0,2672331]ns [0,138848]ns [0,2771801]ns [0,4825328]ns [1231,157]ns 0,4 0,11 1,84 1,9 -0,02 0,08 0,9 -1,4 93.0a [0,9467561]ns [0,6123829]ns [1,409091]ns [1,935573]ns [0,6750096]ns [0,6559264]ns [0,9687898]ns [1,248587]ns Locational Quotient of the sector concerned Accessibility to employment Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Number of not taxed households 0,04 [0,0563738]ns 0,79 [2,251702]ns -2,1 [2417,815]ns 0,25 [0,2055734]ns 0,05 [0,0247843]* 0,05 [0,0984772]ns 0,07 [0,054847]ns 0,02 [0,1258623]ns 0,05 [0,1135242]ns 0,02 [0,0554815]ns 0,06 [0,0137695]*** 0,13 [0,0357519]ns -0,05 [0,0566035]ns 0,09 [0,0120347]*** -0,01 [0,0849485]ns 0,03 [0,0896091]ns 0,11 [0,0256563]*** 0,17 [0,0643388]*** 0,33 [0,3083631]ns Projet SIMBAD Within the back office activities a different logic prevails(see table 3). For most of the sectors 27 , Services annexes à la production, Enlèvement et traitement des ordures ménagères the accessibility to employment is the main driver. The feature of ZFU is significantly acting only for Activités de nettoyage as an incentive of installation. For the remaining sectors the contribution is not significant. The presence of cadres are acting positively only for Services annexes à la production and Services annexes aux spectacles. 3.5. Conclusion "Urban spatial structure teem positive and negative externalities, all acting with different strengths, among different agents, at different distances" (Anas et al., 1998, p. 1459)."The result is often seen in cluster of economic activities and of suppliers of externalities such as business services. Few studies have investiagted the clustering patterns of business services in a urban contetxe(Shermer and Alvergne 2002, keeble and Nachum 2002). Moreover a classification of Business according to their location and to the function that they assure an a urban context provides the necessary information to understand urban shape developpement: we thus assist to a passage from a sectorial specialization to a functional one. Clustering patterns identified for business services in this paper are related to the role of infrastructure, sectorial speciualisation, public intervention and social segregation. Our spatial analysis can provide insights regarding the similarities and differences between Front Office and back office activities. the possible link between spatial patterns and markets is tested by means of autocorrelation test. We notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. A finer distribution gives mixed results as accessibility to employment remains the main driver only for Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage, Services annexes à la production, Enlèvement et traitement des ordures ménagères. 3.6. References 1. Aarland, K, Davis J.C.,. Henderson J, Ono Y., Spatial organization of firms: The decision to split production and administration, Processed, Brown University, 2003. 2. Aguiléra Anne, 2003 Service relationship, market area and the intrametropolitan location of business services, The Service Industries Journal, vol.23, n°1, 2003 3. Benabou 1993, 1995 27 Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage Projet SIMBAD 4. Coffey 1996 5. D. Keeble and L. Nachum (2002) Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 6. D. Keeble and L. Nachum (2002)Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 7. Duranton, D. Puga (2005), From sectoral to functional urban specialisation Journal of Urban Economics 57 343­370 8. Fujita M. et M. Ota, 1993, Communication technologies and spatial organization of multiunit firms in metropolitan areas, Regional Science and Urban Economics, 23, 695-729. 9. Gallouj c(2006) Le contexte general de croissance et dev des services aux entreprises in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart 10. Gallouj F Innovation in the service economy: the new wealth of nations, 11. Gareau J Edge City . Life on the New Frontier, Anchor Books, 1991 12. Gong Hongmian ; Wheeler James O, 2002; The Location and Suburbanisation of Business and Professional Services in the Atlanta Area, Growth and Change, Vol. 33, Issue 3, pp. 341-369 13. Illeris(2006) Quell role pour les services au dev reg, in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart, deboeck 14. JM Zuliani, une combinatoire du developement des services de haut niveau : l'exemple de toulouse , eds Carles Carreras Reestructuraciones urbanas 15. Jouvaud, 1997, Localisation des services aux entreprises et croissance des agglomérations. Thèse en sciences économiques, Université d'Aix-Marseille. Aix-en-Provence. 16. Keeble, D. (1997) The influence of the rural milieu on enterprise creation in OECD Teritorial Development Service Policies for enterprise creation in rural areas Paris 1-29 17. Miren Lafourcade Giordano Mion(2003)Concentration, Spatial Clustering and the Size of Plants: Disentangling the sources of co-location externalities¤ 18. Moulaert, F. and Gallouj, C. (1993) The locational geography of advanced producer firms: the limits of economies of agglomeration in Daniels, P., Illeris, S., Bonamy, J. and Philippe, J. eds The geography of services Frank Cass, London 91-106 19. O'Farrell, P. N. (1995) Manufacturing demand for business services Cambridge Journal of Economics 19 523-43 20. O'Farrell, P. N., Hitchens, D. M. W. N. and Moffat, L. A. R. (1992) The competitiveness of business service firms: a matched comparison between Scotland and the South East of England Regional Studies 26 519-33 21. O'Hullachan B, Reid N (1992), « The intrametropolitan location of services in the united states », Urban Geography, Vo 13, n°4, pp.334-354. 22. Polèse, 1994 23. Richard Shearmur and Christel Alvergne (2002) Intrametropolitan Patterns of High-order Business Service Location: A Comparative Study of Seventeen Sectors in Ile-de-France, Urban Studies, Vol. 39, No. 7, 1143­1163, 2002 24. Y. Ono, Outsourcing business services and the role of central administrative offices, Journal of Urban Economics 53 (3) (2003) 377­395 25. ZIMMERMANN J.-B., 1995, " Dynamiques industrielles: le paradoxe du local ", in RALLET A., TORRE A. (dir.), Economie industrielle et économie spatiale, Economica, Paris, pp. 147-168 Projet SIMBAD APPENDIX 1. 1982 1,84% 1,37% 5,08% 6,94% 0,11% 2,64% 0,25% 5,77% 2,07% 5,82% 7,00% 1990 2,09% 1,90% 4,18% 5,93% 0,17% 2,70% 0,23% 1999 4,59% 4,62% 3,62% 4,49% 0,33% 8,03% 1,26% 1,77% 5,80% 4,05% 9,97% 7,45% 2005 5,52% 4,84% 2,96% 3,86% 0,41% 8,02% 2,21% 0,31% 6,43% 3,86% 9,38% 6,56% Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade 12,86% 10,00% 11,57% 14,28% 3,12% 7,75% 7,22% 8,72% 12,68% 15,12% 12,61% 12,86% 16,06% 16,92% 24,07% 18,86% 15,29% 13,59% 89 Projet SIMBAD APPENDIX 2 Yearly Fine Distribution of Front Office activities Front Office 64.1A 64.2C 64.2D 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1A 92.1B 92.1C 92.1D 92.1F 92.2A 92.2B 92.2D 92.2E 92.2F 92.4Z Denomination activite Postes nationales Télécommunications (hors transmissions audiovisuelles) Transmission d'émissions de radio et de télévision Conseil en systèmes informatiques Edition de logiciels (non personnalisés) Autres activités de réalisation de logiciels Traitement de données Activités de banques de données Recherche-développement en sciences physiques et naturelles Recherche-développement en sciences humaines et sociales Activités juridiques Activités comptables Etudes de marché et sondages Conseil pour les affaires et la gestion Administration d'entreprises Activités d'architecture Métreurs, géomètres Ingénierie, études techniques Analyses, essais et inspections techniques Gestion de supports de publicité Agences, conseil en publicité Sélection et mise à disposition de personnel Travail temporaire Secrétariat et traduction Organisation de foires et salons Production de films pour la télévision Production de films institutionnels et publicitaires Production de films pour le cinéma Prestations techniques pour le cinéma et la télévision Distribution de films cinématographiques Activités de radio Production de programmes de télévision Edition de chaînes généralistes Edition de chaînes thématiques Distribution de bouquets de programmes de radio et de télévision Agences de presse 1982 52 0 0 0 0 0 205 0 228 0 887 984 228 895 141 1110 393 2351 0 51 1040 0 433 0 869 0 0 44 0 17 0 0 0 0 0 74 1990 205 0 0 0 0 0 152 0 135 0 904 537 265 1708 411 798 175 1341 0 99 806 0 306 0 613 0 0 51 0 16 0 0 0 0 0 55 1999 226 0 0 551 0 0 184 98 211 87 1276 756 186 2157 1348 857 157 1461 120 175 640 127 262 597 103 16 81 35 29 13 47 3 0 0 0 61 2005 Total 435 242 12 919 260 703 175 74 290 92 1782 879 174 3370 3067 964 176 1854 176 231 711 186 396 643 164 32 107 50 32 13 56 9 3 4 9 57 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 313 1397 1240 1749 48 188 180 61 59 103 12 3 4 9 247 Projet SIMBAD APPENDIX 4 Spatial Distribution of Front Office activities Spatial distribution of Front Office activities ZONE4 Dénomination activité 1ère Couronne 1ère Couronne 2ème Centre Est Ouest Couronne 63 164 416 275 35 0 119 17 61 81 3 182 20 145 252 61 453, 558 190 84 909 33 50 265 87 293 3 11 20 2 1 5 1 0 0 0 34 38 3 295 65 128 124 26 143 24 325 488 155 1764 930 573 178 1367 60 94 441 220 221 3 21 12 12 0 16 0 1 2 3 37 31 3 237 21 101 79 20 64 5 330 244 63 996 1051 379 161 1020 76 89 240 277 225 2 17 7 1 2 10 2 0 0 0 59 138 6 819 157 413 432 123 475 130 4048 2171 575 4917 2428 2587 478 3711 127 323 2251 656 1010 40 139 141 46 56 72 9 2 2 6 117 Total 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 1240 1748 48 188 180 61 59 103 12 3 4 9 247 91 a641A Postes nationales Télécommunications (hors C642C transmissions audiovisuelles) Transmission d'émissions de radio d642D et de télévision z721Z Conseil en systèmes informatiques Edition de logiciels (non a722A personnalisés) Autres activités de réalisation de C722C logiciels Z723Z Traitement de données Z724Z Activités de banques de données Recherche-développement en Z731Z sciences physiques et naturelles Recherche-développement en Z732Z sciences humaines et sociales A741A Activités juridiques C741C Activités comptables E741E Etudes de marché et sondages Conseil pour les affaires et la G741G gestion J741J Administration d'entreprises A742A Activités d'architecture B742B Métreurs, géomètres C742C Ingénierie, études techniques Analyses, essais et inspections B743B techniques A744A Gestion de supports de publicité B744B Agences, conseil en publicité Sélection et mise à disposition de F748F personnel J748J Travail temporaire A921A Secrétariat et traduction B921B Organisation de foires et salons Production de films pour la C921C télévision Production de films institutionnels D921D et publicitaires F921F Production de films pour le cinéma Prestations techniques pour le A922A cinéma et la télévision Distribution de films B922B cinématographiques D922D Activités de radio Production de programmes de E922E télévision F922F Edition de chaînes généralistes Z924Z Edition de chaînes thématiques Projet SIMBAD APPENDIX 5 Yearly Fine Distribution of Back Office activities Back Office Denomination activite Location avec opérateur de matériel 45.5z de construction Gestion d'infrastructures de 63.2a transports terrestres Services portuaires, maritimes et 63.2c fluviaux 63.2e Services aéroportuaires 63.4b Affrètement Organisation des transports 63.4c internationaux Location de courte durée de 71.1a véhicules automobiles Location de longue durée de 71.1b véhicules automobiles Location d'autres matériels de 71.2a transport terrestre Location de matériels de transport 71.2c par eau Location d'appareils de transport 71.2e aérien Location de machines et équipements 71.3c pour la construction Location de machines de bureau et 71.3e de matériel informatique 71.4a Location de linge 74.3a Contrôle technique automobile 74.6z Enquêtes et sécurité 74.7z Activités de nettoyage Studios et autres activités 74.8a photographiques Laboratoires techniques de 74.8b développement et de tirage 74.8d Conditionnement à façon 74.8h Centres d'appel 74.8k Services annexes à la production 90.0a Collecte et traitement des eaux usées Enlèvement et traitement des ordures 90.0b ménagères Traitements des autres déchets 90.0e solides Autres travaux d'assainissement et de 90.0g voirie 92.1g Edition et distribution vidéo 92.3b Services annexes aux spectacles 92.3d Gestion de salles de spectacles 93.0a Blanchisserie - teinturerie de gros 1982 0 107 4 16 0 71 0 0 53 0 0 101 21 0 0 0 1133 497 66 0 0 1451 19 43 0 0 0 166 58 37 86 13 23 21 4 3 1990 1999 4 36 12 8 41 178 0 0 39 1 10 79 16 9 98 172 794 202 69 25 0 1431 166 39 0 0 12 336 111 38 2005 7 51 12 10 44 218 86 37 42 6 13 90 23 11 124 274 979 188 68 47 32 1574 202 42 33 4 13 352 113 28 Totale 11 215 32 37 85 555 86 37 157 7 23 356 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 4 25 946 357 116 88 706 264 45 1533 9 28 92 75 13 Projet SIMBAD APPENDIX 6 Spatial Distribution of Back Office activities ZONE4 z455z a632a c632c e632e b634b c634c a711a b711b a712a c712c e712e c713c Location avec opérateur de matériel de construction Gestion d'infrastructures de transports terrestres Services portuaires, maritimes et fluviaux Services aéroportuaires Affrètement Organisation des transports internationaux Location de courte durée de véhicules automobiles Location de longue durée de véhicules automobiles Location d'autres matériels de transport terrestre Location de matériels de transport par eau Location d'appareils de transport aérien Location de machines et équipements pour la construction Location de machines de bureau et de matériel informatique Location de linge Contrôle technique automobile Enquêtes et sécurité Activités de nettoyage Studios et autres activités photographiques Laboratoires techniques de développement et de tirage Conditionnement à façon Centres d'appel Services annexes à la production Collecte et traitement des eaux usées Enlèvement et traitement des ordures ménagères Traitements des autres déchets solides 1ere Couronne Est 5 43 0 19 10 91 15 6 22 0 3 112 1ere Couronne Ouest 1 17 1 0 4 22 6 10 27 1 1 82 2eme Couronne Centre 5 23 1 16 52 284 22 6 39 1 5 104 0 131 30 2 19 157 43 15 68 5 14 58 Totale 11 215 32 37 85 555 86 37 157 7 23 356 e713e a714a a743a z746z z747z a748a b748b d748d h748h k748k a900a b900b e900e 8 4 42 60 658 198 26 5 0 776 14 50 9 22 5 38 67 575 185 31 10 5 922 29 17 7 3 5 78 76 729 178 28 43 4 778 340 53 13 41 6 64 243 1650 590 164 14 23 3514 13 33 4 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 93 Projet SIMBAD APPENDIX 3 Evolution of number of jobs EN1 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 8,58% 13,68% 9,10% 9,66% 11,22% 7,45% 14,10% 16,21% 15,55% 9,76% 11,32% 13,88% 74,86% 62,45% 62,81% 59,36% APPENDIX 4. Evolution of number of jobs EN2 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 11,54% 19,78% 16,41% 20,21% 12,15% 13,15% 13,43% 14,52% 18,71% 11,93% 25,49% 29,07% 57,60% 55,14% 44,67% 36,20% Projet SIMBAD APPENDIX 5 1999 Bivariate Lisa between Business Services and "poors" or "rich » Rich IRIS Front office activities Poor IRIS Back office activities 95 Projet SIMBAD Table 1 Hausman test for fixed versus random effects for Front office activities (B) (b-B) Sqrt ---- Coefficients ---(b) fixed random Difference (diag(V_b-V_B)) Locational Quotient of the 0,3029501 0,3577478 -0,0547977 0,0114872 sector concerned Accessibility to employment 0,29866 0,2383096 0,0603504 0,0100724 Cadres 0,4182277 0,3194995 0,0987282 0,0208149 Ouvriers -0,0335321 0,0068505 -0,0403827 0,0264077 Locational Quotient of real 0,1107621 0,0862397 0,0245224 0,0105087 estate activities Locational Quotient of -0,0427813 0,030289 0,0076581 administration 0,0730703 Locational Quotient of retail 0,1387461 0,1540021 -0,0152561 0,0098953 trade Locational Quotient of whole 0,0793657 0,0404762 0,0388895 0,0133662 sale trade Zone Franche urbaine 0,3340292 0,3427778 -0,0087486 0,0679821 (dummy) Number of not taxed -0,0121904 0,002546 -0,0147364 0,0018344 households Table 3 Hausman test for fixed versus random effects for Back office activities (b-B) Difference -0,1377194 0,1070401 -0,0508565 0,1053839 0,0292836 0,0175819 0,1013848 0,1115918 0,2177993 0,0010905 Sqrt (diag(V_b-V_B)) 0,0500944 0,0360105 0,0533044 0,0812558 0,0295852 0,0152579 0,0409521 0,0547594 0,1783906 0,0072509 ---- Coefficients ---Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households (b) fixed 0,0606984 0,3503816 0,0990246 0,1791493 0,1402008 0,0093855 0,2729169 0,2768344 0,2791986 -0,0000798 (B) random 0,1984178 0,2433415 0,149881 0,0737654 0,1109172 -0,0081964 0,1715321 0,1652426 0,0613993 -0,0011703 Projet SIMBAD Appendix Table 2. Poisson estimation of number of Front office activities localized for each time period Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households constant -0,03 [0,0020962]*** 1,43 [0,1608816]*** 0,01 [0,0016101]*** -1,89 [0,2651168]*** 1982 0,37 [0,0280989]*** 0,25 [0,0077735]*** 0,07 [0,0185495]*** 0,05 [0,0229203]** 0,33 [0,0362292]*** 0,07 [0,0255394]*** 0,16 [0,0288513]*** -0,17 [0,0476818]*** 1990 -0,16 [0,0393487]*** 0,42 [0,0255615]*** 0,38 [0,0319488]*** -0,07 [0,0409987]* 0,1 [0,0307155]*** -0,04 [0,0187238]* 0,15 [0,0256944]*** 0,1 [0,034867]*** 1999 -0,14 [0,0177229]*** 0,52 [0,0082963]*** 0,24 [0,0137637]*** -0,15 [0,0130317]*** 0,08 [0,0099078]*** -0,01 [0,0085372]ns 0,11 [0,0107779]*** 0,03 [0,0113685]*** 0,32 [0,1106306]*** 0,02 [0,0008735]*** -1,36 [0,1207811]*** 2005 -0,15 [0,0157304]*** 0,52 [0,0069995]*** 0,26 [0,011604]*** -0,15 [0,0107877]*** 0,09 [0,0091013]*** 0 [0,0075271]ns 0,13 [0,0089371]*** 0,03 [0,0092082]*** 0,32 [0,0578464]*** 0,02 [0,000696]*** -1,28 [0,0946727]*** Table 3. Poisson estimation of number of back office activities localized for each time period 1982 0,23 Locational Quotient of the sector concerned [0,0405169]*** 0,26 Accessibility to employment [0,013208]*** 0 Cadres [0,0301485]ns 0,12 Ouvriers [0,0449218]*** 0,4 Locational Quotient of transports [0,0485238]*** 0,22 Locational Quotient of logistics [0,0449417]*** 0,13 Locational Quotient of retail trade [0,0477156]*** -0,13 Locational Quotient of whole sale trade [0,0764427]* Zone Franche urbaine (dummy) Number of not taxed households Constant -0,03 0,01 [0,0030542]*** [0,0024748]*** 0,59 -1,7 [0,2996341]** [0,3901378]*** 1990 -0,15 [0,0494872]*** 0,45 [0,0357571]*** 0,15 [0,0430667]*** 0,03 [0,0608725]ns 0,05 [0,0491889]ns 0,08 [0,0291371]*** 0,08 [0,0377795]** 0,1 [0,0553522]* 1999 -0,15 [0,021523]*** 0,52 [0,0143845]*** 0,1 [0,0216996]*** 0,02 [0,0238528]ns 0,01 [0,0174565]ns 0,03 [0,0157456]* -0,04 [0,0185491]* 0,05 [0,0218178]*** -0,01 [0,1579379]ns 0,02 [0,0013675]*** -2,09 [0,1947112]*** 2005 -0,19 [0,0204369]*** 0,52 [0,0135348]*** 0,08 [0,0201292]*** 0,01 [0,0219201]ns 0 [0,0174118]ns 0,02 [0,0153371]ns 0 [0,0173941]ns 0,07 [0,0194414]*** 0,26 [0,0902894]*** 0,02 [0,0012156]*** -2,02 [0,173685]*** 97 Projet SIMBAD 4. Estimer les émissions de polluants atmosphériques : quel est le poids de la caractérisation du parc de véhicules Auteurs: Lény Grassot, Jean-Pierre Nicolas, Pascal Pluvinet. Première version d'un texte soumis à la revue Recherche Transports Sécurité Résumé: Depuis les années 90, l'évaluation des projets de transport intègre systématiquement une estimation des émissions de polluants atmosphériques. Cet article propose une réflexion méthodologique sur l'impact des hypothèses qui sont faites pour établir les calculs, et il se concentre plus particulièrement sur celles liées au parc automobile. En effet, ce parc est souvent défini à partir des caractéristiques du parc roulant national, sans prendre en compte les spécificités locales. A partir des données de l'enquête ménages déplacements lyonnaise de 2006 et de l'utilisation du modèle SIMBAD développé au LET, nous comparons ici les résultats obtenus en matière d'émissions de CO2 et de NOx avec le parc national français, le parc lyonnais agrégé et le même parc désagrégé en fonction de la localisation et du revenu des ménages. Nous montrons que les erreurs peuvent être très variables selon le polluant et l'échelle d'observation. L'utilisation d'un parc local agrégé apparaît intéressante et suffisante pour établir des bilans globaux d'émissions. Si l'on veut des résultats à un niveau spatial plus détaillé, le recours à ce parc local améliore nettement les estimations fournies par un parc national ; sa désagrégation affine encore les résultats pour les NOx. Mots clés : Trafic routier, polluants atmosphérique, évaluation, parc automobile, COPERT, modélisation Projet SIMBAD Depuis les années 90, l'estimation des émissions de polluants atmosphériques est un exercice systématiquement mené dans l'évaluation des projets de transport, que ce soit dans le cadre des études d'impact en amont des investissements d'infrastructures, ou pour évaluer des politiques générales d'agglomérations comme dans le cas d'un Plan de Déplacement Urbain ou, aujourd'hui, des réflexions sur les Zones d'Actions Prioritaires pour l'Air (ZAPA). Les exigences nationales du Grenelle de l'Environnement et les engagements européens en matière de réduction par 4 de nos émissions de gaz à effet de serre d'ici 2050 ont encore renforcé l'importance de ce travail ces dernières années. A ce titre, il est indispensable de disposer d'outils fiables pour réaliser ce type d'estimations. Actuellement, une fois estimés les trafics par tronçon de voirie, la méthodologie classiquement retenue articule trois grands types d'informations : (1) des formules d'émissions de polluant fournissent un niveau d'émission attendu pour (2) un type de véhicule donné en fonction de (3) sa vitesse. Chacune des hypothèses établies lors de la phase d'affectation du trafic puis pour constituer ce triptyque (courbes d'émissions / parc de véhicules / vitesse) introduit une part d'incertitude dans les estimations des émissions. Sans forcément chercher à remettre en cause les résultats obtenus et les décisions qui en découlent, établies au mieux en fonction des connaissances disponibles, il apparaît nécessaire d'avoir une idée des types d'erreurs, de leur ampleur potentielle et de la manière dont elles peuvent jouer entre elles, pour mieux contrôler les conclusions que les estimations finales permettent de tenir. Dans le cadre de cet article, nous nous concentrons plus particulièrement sur les hypothèses liées au parc automobile. En effet, les parcs peuvent différer d'une région à l'autre en fonction de leur climat, de leur degré d'urbanisation, du niveau de vie moyen de leur population, etc. Par ailleurs, les parcs en circulation sont loin d'être identiques entre les trafics interurbains et les trafics urbains, de même qu'en urbain des différences notables de taille, d'âge et de carburation des véhicules peuvent être attendues entre les ménages vivant en centre-ville et ceux résidant en périphérie. Dans quelle mesure ces spécificités locales peuvent-elles faire varier les estimations des émissions ? Pour répondre à cette question, nous utilisons le terrain particulier de l'aire urbaine de Lyon, dont les trafics ont été modélisés dans le cadre du projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable) développé au Laboratoire d'Economie des Transports (Nicolas et al., 2009), et nous analysons les écarts d'estimation obtenus avec l'utilisation d'un parc national et de parcs locaux plus ou moins finement désagrégés. L'article se déroule en trois parties. Une présentation générale de la méthode d'estimation des émissions de polluants liés au trafic est tout d'abord réalisée. Elle permet, dans un deuxième temps, de mieux préciser la problématique du travail et la méthodologie utilisée pour y répondre, dans le cadre du terrain et des outils retenus. Enfin, les résultats obtenus sont présentés et analysés. 4.1. Contexte - l'estimation des émissions de polluants atmosphériques liées au trafic routier La méthode traditionnellement utilisée par les Centres d'Etudes Techniques de l'Equipement, les collectivités locales ou les bureaux d'études pour évaluer les émissions de polluants atmosphériques liés au trafic automobile repose sur les recherches menées au niveau européen depuis les années 80 (Cheynet, 2011). Initiées par les programmes CORINAIR 1 et 2 (CEC, 1993), MEET (CEC, 1999), renforcées par l'action COST319 (Joumard et al., 1999) et poursuivies par le programme ARTEMIS (2000-), ces recherches ont abouties à la mise au point et à l'actualisation constante de la méthodologie de calcul COPERT (Ntziachristos et al., 2010). Déclinée au niveau national, celle-ci a donné jour à des outils comme le logiciel Impact de l'ADEME (ADEME, 2003) ou l'application 99 Projet SIMBAD COPCETE développée par les services techniques du Ministère de l'Ecologie, du Développement Durable, des Transports et du Logement. Sur quels principes repose cette méthodologie ? De manière simplifiée, les émissions d'un véhicule dépendent tout à la fois de ses caractéristiques techniques propres et des conditions de circulation qu'il rencontre, qui jouent tant sur sa vitesse moyenne que, en instantané, sur ses accélérations, décélérations, etc. A ces deux principaux éléments, se rajoutent d'autres facteurs comme la pente des infrastructures empruntées, les conditions météorologiques ou, au cours des premiers kilomètre, la température du moteur au démarrage. La méthodologie COPERT repose sur la mise en évidence statistiques des corrélations entre une vitesse moyenne, supposée représentative d'un type de condition de circulation, et les niveaux d'émissions des différents polluants. Chaque type de véhicule, défini en fonction de son âge et des normes techniques qu'il devait respecter l'année de sa fabrication, de sa cylindrée et de sa carburation, dispose ainsi d'une courbe liant vitesse et émissions. Des coefficients sont ensuite proposés pour corriger cette première estimation en prenant en compte l'impact de chacun des autres facteurs évoqués. Certaines des hypothèses retenues dans le cadre de COPERT sont plus particulièrement réinterrogées dans les travaux de recherche en cours et les méthodologies alternatives développées. Elles concernent surtout la manière de prendre en compte la cinématique des véhicules, résumée pour l'instant à une simple vitesse moyenne. En effet, par exemple, là où une vitesse moyenne de 40 km/h témoigne de conditions de circulation idéales en milieu urbain, elle peut cacher des conditions très difficiles et heurtées sur une route nationale ou une autoroute, avec des consommations et des émissions qui peuvent être différentes entre les deux cas. Une première solution permettant de rester avec une approche agrégée consiste à constater qu'il existe des cycles de conduite types, représentatifs de conditions de circulation particulières, (Joumard et al., 1987) qu'il convient de repérer pour estimer les émissions correctement. Ainsi, dans le projet ARTEMIS qui prolonge COPERT, ces cycles de conduite sont repérés en croisant la vitesse moyenne avec le type de tronçon routier sur lequel circulent les véhicules. Cette distinction a conduit à l'estimation de courbes d'émissions plus fines et circonstanciées, qui devraient être bientôt introduites dans les modèles de calcul des émissions (cf. Hausberger et al., 2009). Une autre solution consiste à développer des approches désagrégées à partir de modèles de simulation dynamique du trafic qui vont calculer des vitesses instantanées pour les véhicules tronçon par tronçon, voire véhicule par véhicules à l'intérieur de chaque tronçon (Can et al. 2010). Il existe des modèles basés sur cette approche, mais ils restent pour l'instant très consommateurs de données et de puissance de calcul et ils sont plus cantonnés au niveau du quartier qu'à celui d'une agglomération ou de son bassin d'emplois. Par contre, à côté de ces différents types de travaux, il n'existe pas, à notre connaissance, de réflexion poussée sur la manière de représenter le parc automobile dans les approches agrégées comme COPERT. Plus précisément, des parcs nationaux sont établis pour chaque pays européen mais, par contre, il n'existe pas de réflexion au niveau intra-national. Ainsi, en France, des statistiques sont régulièrement collectées à partir des enquêtes Parc Auto Sofres pour fournir un état annuel du parc en circulation, avec la caractérisation de sa structure en fonction du croisement des trois variables que sont la norme européenne d'émission respectée (liée à l'âge), le type de carburation et la puissance (Gallez et Hivert, 1998). A partir de là, des prospectives sont établies pour fournir une image de ce parc pour les années à venir (Bourdeau, 1997; Hugrel et Joumard, 2006). Par contre, ces travaux restent établis au niveau national, sans qu'il y ait de réflexion au niveau local. Cet article s'interroge sur l'intérêt que pourrait représenter un tel travail dans le cadre d'estimations des émissions rattachées à un territoire local particulier. Projet SIMBAD 4.2. Méthode - comparer les niveaux d'émissions obtenues à partir de différents parcs automobile Le parti pris pour répondre à cette question de l'intérêt de différencier le parc automobile en fonction du lieu de l'estimation a été de se focaliser sur le terrain particulier de l'agglomération lyonnaise, où les données de la dernière enquête ménages déplacements de 2006 et l'utilisation du modèle SIMBAD permettaient d'évaluer les émissions avec plusieurs parcs différents et de comparer les résultats obtenus. 4.2.1. L'enquête ménages déplacements de Lyon 2006 L'enquête ménages déplacements de 2006 concerne un échantillon de 11 229 ménages, soit 25 656 personnes de cinq ans et plus, effectuant 96 250 déplacements. Son périmètre d'étude couvre la totalité de l'aire urbaine, et la dépasse au Nord en débordant au dessus de Villefanche. Il correspond ainsi à une population de 832 618 ménages et 1 975 260 personnes (moins de cinq ans incluses). Ce type d'enquêtes est établi sur la base d'une procédure standard, contrôlée par le CERTU (Centre d'Etudes et de Recherche sur les Transports, l'Urbanisme et les constructions publiques), organisme national membre du Réseau Scientifique et Technique du MEDDTL. Elles sont menées tous les dix ans environs dans toutes les grandes agglomérations françaises. Le ménage constitue l'unité statistique d'observation. Toutes les personnes de cinq ans et plus appartenant à ce ménage sont interrogées sur leurs déplacements réalisés la veille du jour de l'enquête. Cette dernière se déroule du mardi au samedi et ne prend donc pas en compte la mobilité de la fin de la semaine. Les données recueillies concernent les principales caractéristiques socio-économiques des ménages et des personnes ainsi que des informations sur les déplacements comme l'origine et la destination, le motif, les modes utilisés, les horaires, etc. Pour ce qui nous concerne plus particulièrement ici, l'ensemble du parc automobile de chaque ménage enquêté est décrit, et l'on connaît ainsi ses caractéristiques en termes de carburation et de normes Euro. Par ailleurs, l'enquête fournit la puissance fiscale des véhicules. Croisée avec l'âge et la carburation de chaque véhicule, cette variable permet de leur attribuer une cylindrée d'une manière aléatoire qui respecte les répartitions au sein du parc national établies à partir du panel Sofres Parc Auto (Gallez et Hivert, 1998). Enfin, connaissant tous les déplacements de la veille réalisés par chaque voiture, avec leur origine et leur destination, une affectation sur le réseau à partir du modèle Visum a permis de déterminer la distance totale qu'elle a parcourue. Chaque véhicule peut être ainsi pondéré de son kilométrage, permettant d'estimer les caractéristiques du parc en circulation. 4.2.2. Le modèle Simbad Les calculs ont pu être réalisés grâce au projet SIMBAD qui articule un modèle Transport et un modèle d'Urbanisme (Nicolas et al, 2009). La plate forme simule l'ensemble des déplacements réalisés sur l'aire urbaine de Lyon, en prenant en compte les déplacements tant en modes individuels que collectifs, ceux générés à l'intérieur du périmètre d'étude que l'échange et le transit, les personnes que les marchandises. Son année de référence est 1999, et l'horizon de projection 2025, avec des itérations successives de pas d'un an. Les 662 000 ménages de l'aire urbaine de Lyon sont pris en compte, leur nombre évolue jusqu'en 2025 en adéquation avec les prévisions du modèle OMPHALE de l'INSEE, et leur mobilité est représentée. La modélisation Transport au sein de SIMBAD distingue les différents types de trafics. Ainsi par exemple, les trafics de marchandises sont pris en compte grâce au modèle FRETURB (Routhier et al., 2010) et les trafics d'échange et de transit disposent d'un module particulier. Pour ce qui nous 101 Projet SIMBAD concerne ici, à savoir les trafics générés par les résidents de l'aire urbaine, ils reposent sur une modélisation classique à 4 étapes, enchaînant une génération des boucles domicile / motif principal / domicile, leur distribution entre les différentes zones de l'aire urbaine (en l'occurrence, ses 777 IRIS), leur répartition entre déplacements automobile, en transports collectifs ou en modes doux et, enfin, leur affectation sur les réseaux correspondants. De plus, trois chaînes ont été distinguées pour cette procédure, en fonction des revenus du ménage28. Trois chaînes transport ont été modélisées, en distinguant les 20% des ménages les plus modestes, les 60% médians et les 20% les plus aisés. Dans ce cadre, le module d'affectation du logiciel VISUM est utilisé. Le réseau routier a été codé et calibré sur 1999, avec une prise en compte des évolutions des années suivantes ­ le réseau de 2006 est ainsi représenté. Les trois matrices origine-destination obtenues pour chacun des trois types de ménages (ainsi que les matrices correspondant aux autres types de trafics) sont affectées de manière cohérente mais distincte grâce à la procédure d'affectation « multi classes » sous VISUM. Cette manière de faire permet de savoir ensuite quels types de ménages se sont déplacés, et où sur les réseaux : on dispose ainsi, sur chaque tronçon du réseau routier, du nombre estimé de véhicules correspondant à chacune des matrices affectées. Enfin, dernier point, l'affectation s'est faite avec des matrices d'heure de pointe et des matrices d'heure creuse, permettant de ramener les estimations d'émissions au niveau global d'un jour de semaine. 4.2.3. Trois types de parc automobile à comparer A partir de ces données issues d'une enquête ménages déplacements et des possibilités offertes par la plateforme SIMBAD, trois types de parc automobile ont été distingués pour calculer des émissions de polluants. Tout d'abord, une répartition par types de véhicules représentative du parc national en 2006 a été utilisée comme référence. Elle correspond au parc recommandé par l'ADEME et implanté dans son modèle IMPACT. L'enquête ménages déplacements lyonnaise a permis d'établir une répartition de même type avec les véhicules des ménages lyonnais en circulation sur le territoire de l'aire urbaine. Elle fournit ainsi un parc local agrégé, aux caractéristiques différenciées par rapport au parc national, comme nous le verrons plus loin. Enfin, l'outil SIMBAD offrant la possibilité de distinguer les ménages par catégories de revenu, il devenait intéressant de voir si un parc désagrégé peut améliorer encore les résultats d'émissions, tant au niveau global du territoire observé qu'à un niveau spatial plus fin. A côté du revenu, l'autre variable fortement explicative du type de véhicules utilisés par les ménages étant leur localisation, notre travail a également été l'occasion de distinguer 3 zones entre les ménages résidant dans le noyau urbain central (Lyon et Villeurbanne), ceux de banlieue (reste du Grand Lyon) et ceux de périphérie (reste de l'aire urbaine). La carte ci-dessous permet de visualiser le découpage ainsi retenu. En croisant les 3 niveaux de revenus et les 3 zones de résidence, 9 sous parcs locaux ont dès lors pu être reconstitués selon la même méthode que pour le parc local agrégé. Comme évoqué précédemment, ils ont été affectés sur le réseau routier à partir de la procédure « multi classes » de VISUM afin de disposer de leur répartition dans l'espace lyonnais et sur les différentes catégories de voirie. 28 Dans le cadre de Simbad, chaque ménage de l'aire urbaine est caractérisé par son revenu par unité de consommation, à savoir son revenu total ramené par personne, avec une pondération qui tient compte des économies d'échelle au sein du ménage : la première personne est comptée pour 1, la seconde pour 0,7 et les suivantes 0,5, suivant ainsi les préconisations de l'INSEE (Hourriez et Olier, 1997). Projet SIMBAD 4.2.4. Deux polluants testés : CO2 et NOx Deux types de polluants ont été retenus pour réaliser des comparaisons. D'une part, le CO2 a été pris en considération car il représente un enjeu global du fait de son poids dans le renforcement de l'effet de serre. L'estimation systématique, aujourd'hui, de ce polluant dans l'évaluation des politiques et des projets de transport rendait sa prise en compte incontournable dans notre exercice. D'autre part, il apparaissait important de tester un polluant représentant des enjeux de nature différente, et avec des impacts plus localisés. Les NOx, irritants notoires du fait de leur pouvoir oxydant et précurseur de la pollution à l'ozone dans les régions ensoleillées, ont été retenus. Ils étaient également intéressants car les fonctions d'émissions qui leurs correspondent sont différentes de celles du CO2. Elles sont notamment plus sensibles aux variations de vitesse, mais également aux caractéristiques du parc. 4.2.5. Quelques points méthodologiques supplémentaires Quelques points de méthode méritent d'être évoqués pour que l'analyse des résultats puisse ensuite être discutée convenablement. L'utilisation de COPERT à partir des résultats d'un modèle d'affectation L'utilisation d'un outil de modélisation de trafic n'est a priori pas la plus adaptée pour utiliser les courbes fournies par COPERT. En effet, celles-ci sont établies pour rendre compte des émissions liées à la vitesse moyenne d'un déplacement, et non pour la vitesse moyenne sur un tronçon, telle qu'elle est calculée par un modèle d'affectation. Ainsi, les concepteurs de COPERT recommandent d'utiliser l'outil pour des distances parcourues d'au moins 1 km (Ntziachristos et al., 2010). Cet abus d'usage des courbes COPERT est cependant généralisé, puisque tous les projets sont évalués de cette manière. Nous reproduisons donc l'erreur, mais en nous concentrant sur un autre point, l'effet parc, qui n'est pas affecté. Notons cependant que cette erreur est amoindrie dans les cas, comme ici, où les estimations ne sont analysées qu'à un niveau agrégé, avec un grand nombre de tronçons pris en compte en même temps et donc des résultats moyennés. La prise en compte des vitesses aux noeuds VISUM fournit une vitesse moyenne par tronçon, hors ralentissement lié aux carrefours, qui sont traités spécifiquement à travers des « pénalités aux noeuds ». Ces données de temps au noeud ont été intégrées en ajoutant chacune d'entre elles au temps de leur tronçon amont. Ceci a permis de travailler avec des vitesses sur le réseau plus réalistes, et répond de manière partielle à la réserve précédente sur l'usage de COPERT pour des vitesses moyennées. La prise en compte des surémissions liées aux démarrages à froid Les formules COPERT permettent de calculer les émissions des véhicules dont le moteur est chaud. Cependant, ces émissions peuvent fortement varier dans les premiers temps qui suivent le démarrage, lorsque le moteur est froid. Pour corriger cet effet, nous avons repris les coefficients proposés par COPERT, établis sur la base d'une proportion moyenne de véhicules circulant à froid. Cependant, le nombre de petits déplacements est proportionnellement plus important dans le cadre d'une circulation urbaine qu'à un niveau moyen national. L'effet « démarrages à froid » est donc sous-estimé dans nos calculs. Nous avons malgré tout conservé ces coefficients, qui sont systématiquement utilisés et qui ne modifient pas les écarts d'estimation induits par les différences entre les parcs automobiles. Une correction des très faibles vitesses pour estimer les émissions 103 Projet SIMBAD Concernant le CO2, les émissions des véhicules circulant entre 0 et 10 km/h ont été calées sur les émissions à 10 km/h (Graphique 3). En effet, les formules COPERT ne sont valides qu'à partir de cette vitesse et leur prolongement conduit à des émissions infinies pour les vitesses très petites. Cette adaptation des courbes ne concerne cependant qu'une part limitée du total du trafic mesuré en veh.km, et l'approximation induite reste donc marginale. 4.3. Mesurer l'impact des hypothèses du parc routier à partir de l'exemple lyonnais Une caractérisation des parcs utilisés, tant en matière technologique que d'émissions unitaires moyennes en fonction des vitesses, apparaît comme un détour indispensable pour pouvoir analyser correctement les résultats obtenus en matière d'estimation des émissions. 4.3.1. Des différences notables entre les parcs... Comme le montre le tableau ci-dessous, les 11 parcs automobiles qui se trouvent finalement comparés (un parc national, un parc local agrégé et neuf sous-parcs locaux) s'avèrent bien différents suivant les trois variables descriptives qui sont utilisées (carburation, âge et cylindrée). La carburation. Tout d'abord, le parc national en circulation est plus diésélisé que le parc lyonnais (Graphique 1) : 53% des véhicules kilomètres sont diesel pour le premier, contre 45% pour le second, ce qui est cohérent avec le fait de comparer des trafics nationaux et ceux d'une agglomération millionnaire dense. Lorsque l'on rentre dans le détail, de nettes disparités apparaissent à l'intérieur de l'aire urbaine, notamment en fonction de la zone de résidence des ménages : leur usage du diesel augmente fortement en fonction de la distance au centre, pour atteindre des taux comparables au taux national en périphérie. Dans une moindre mesure, et de manière plus dispersée selon les zones, le revenu joue également, avec des ménages aisés un peu moins diésélisés que les autres (49% de diésélisation pour les ménages modestes et médians contre 45% pour les plus aisés). Graphique 1 : taux de diésélisation au sein des 11 parcs étudiés Taux de diésélisation (%parc) 60% 50% 40% 30% 20% 10% 0% L'âge. Au niveau agrégé, l'âge moyen du parc lyonnais est équivalent à celui du parc national (7,9 ans). La distinction suivant la zone géographique de résidence n'apporte qu'une légère différenciation avec des âges moyens de respectivement 7,6 7,8 et 8 ans pour le centre, la 1ère et la Projet SIMBAD 2ème couronne (cf. Graphique 2). Les ménages multimotorisés de périphérie utilisant souvent des véhicules plus anciens comme seconde ou troisième voitures, le parc vieillit légèrement lorsque l'on passe du centre vers la périphérie. Cependant, ce sont surtout les différences de revenus qui génèrent des écarts entre les âges des parcs des ménages : on passe de 9,9 à 8,2 puis 6,6 ans d'âge moyen entre le 1er quintile de revenu, les 60% médians et le quintile le plus aisé. Graphique 2 : âge moyen des véhicules au sein des 11 parcs étudiés Âge moyen des véhicules 12 10 8 6 4 2 La cylindrée. Enfin, la cylindrée des véhicules du parc lyonnais est légèrement plus faible qu'au 0 niveau national, avec notamment un taux de petits véhicules plus important (45% de 4-5 CV au sein de l'aire urbaine de Lyon, contre 42% au niveau national). Comme dans le cas du niveau de diésélisation, les caractéristiques urbaines ressortent ici par rapport à un territoire plus large. L'examen à un niveau plus désagrégé (Tableau 1) fait apparaître une légère bascule entre les véhicules de petites et moyennes cylindrées lorsque l'on passe du centre à la périphérie, avec les voitures 4-5 CV majoritaires dans le centre urbain (48%) remplacées partiellement par des 6-7 CV en périurbain (46%). La proportion des grosses cylindrées de 8 CV et plus reste quant à elle insensible à la localisation (10% des véhicules quelle que soit la zone), mais dépend largement du revenu des ménages, passant de 7% chez les bas revenus à 14% pour les plus aisés. 105 Projet SIMBAD Tableau 1 : répartition des cylindrées des véhicules au sein des 11 parcs étudiés Cylindrée Lieu de résidence Centre Niveau de revenu Bas 51% 43% 42% 45% 44% 49% 51% 48% 5% 8% 7% 7% Médian 47% 43% 41% 44% 45% 47% 48% 47% 8% 9% 10% 9% Haut 47% 43% 38% 43% 38% 46% 48% 43% 15% 11% 15% 14% moyenne 48% 46% 44% 45% 42% 45% 46% 45% 10% 10% 10% 10% 4-5 CV Grand Lyon Aire Urbaine moyenne Centre 6-7 CV Grand Lyon Aire Urbaine moyenne Centre 8 CV et+ Grand Lyon Aire Urbaine moyenne 4.3.2. ... qui se traduisent par des courbes d'émissions différentes suivant le parc Ces différences de caractéristiques des parcs ont bien évidemment un impact sur l'estimation des émissions. Une première manière de mettre cela en évidence passe par la constitution et la comparaison des courbes d'émissions moyennes de chacun des parcs en fonction de la vitesse. En effet, comme dans la méthodologie COPERT chaque parc est constitué d'une proportion donnée de chaque classe de véhicules, considérée constante quelle que soit la vitesse, il est possible d'établir une courbe moyenne d'émissions d'un parc en faisant la moyenne des courbes de chaque type, pondérées chacune par sa proportion dans le parc : em(v) = i i.ei(v) avec : em(v) : émissions unitaires moyennes du parc à la vitesse v i : classe du véhicule définie par COPERT i : proportion de la classe i dans le parc considéré ei(v) : émissions unitaires de la classe i à la vitesse v Les courbes d'émissions moyennes de CO2 et de NOx du parc national et du parc lyonnais agrégé peuvent ainsi être calculées et comparées (graphiques 3, 4 et 5). Elles montrent immédiatement qu'en matière de CO2, les différences de résultats sont relativement minimes. Les véhicules lyonnais sont en moyenne plus petits que dans le parc roulant au niveau national, mais cet effet est en partie compensé par le fait qu'ils sont moins diésélisés. Le parc lyonnais apparaît dès lors légèrement moins émetteur que le parc national, avec une sous émission de l'ordre de 7 à 8% pour les vitesses inférieures à 80 km/h, qui se réduit ensuite progressivement jusqu'à -4% à 130 km/h. En matière de NOx, les mêmes causes produisent des effets bien différents car ce polluant est à la fois très sensible au type de carburation et à la vitesse. La plus petite cylindrée des véhicules Projet SIMBAD lyonnais ne suffit plus du tout à compenser leur moindre diésélisation par rapport aux véhicules du parc national, et ils surémettent sensiblement plus. Cette surémission, relativement faible à petites vitesses (inférieure à 10% à moins de 10 km/h) augmente linéairement pour atteindre un maximum de 25% autour de 100 km/h avant de redescendre légèrement à +20% à 130 km/h. On peut donc déjà se rendre compte que quelles que soient les vitesses estimées sur le réseau de l'aire urbaine lyonnaise, les enjeux en matière d'écarts de calculs d'émissions peuvent être relativement importants pour le NOx, alors qu'ils restent contenus pour le CO2. Graphique 3 : courbes d'émissions de CO2 du parc national Graphique 4 : courbes d'émissions de NOx du parc national et du parc lyonnais (g/km) et du parc lyonnais (g/km) Graphique 5 : comparaison des courbes d'émissions de CO2 et NOx du parc lyonnais par rapport au parc national Le même exercice prenant en compte les 9 parcs lyonnais désagrégés montrent des variations très faibles des émissions de CO2 entre les parcs, de l'ordre de ±2% par rapport au parc agrégé, avec par ailleurs des compensations entre eux (Graphiques 6, 7, 8 et 9). On peut également souligner la surémission des 3 parcs des ménages aisés à vitesses moyennes, qui sont liées à leur proportion plus forte de grosses cylindrées. Par opposition, les plus petits véhicules des ménages modestes se positionnent dans le niveau bas des courbes. Cependant, cette opposition s'inverse aux vitesses élevées, supérieures à 100-110 km/h : la moins bonne performance énergétique du parc moins puissant et plus âgé des ménages modestes contribue à sa surémission alors que le parc des ménages plus aisés apparaît plus performant. 107 Projet SIMBAD Pour les NOx, la sensibilité des résultats constatée précédemment se retrouve aussi lorsqu'on compare les variations entre les sous-parcs locaux, avec des écarts allant de +35% à -18% suivant les parcs et les vitesses. Là encore, une opposition nette peut être établie entre les émissions des parcs des ménages modestes et ceux des ménages aisés. En effet, les véhicules sensiblement plus âgés des ménages modestes sont fortement surémetteurs, notamment pour ceux résidant dans le centre et le Grand Lyon - en périurbain, le plus fort taux de diésélisation limite cette surémission. Les véhicules beaucoup plus récents des ménages aisés respectent quant à eux des normes plus strictes et apparaissent systématiquement sous la moyenne du parc agrégé lyonnais. Graphique 6 : courbes d'émissions de CO2 des parcs lyonnais agrégé et désagrégés Graphique 7 : courbes d'émissions de NOx des parcs lyonnais agrégé et désagrégés Graphique 8 : comparaison des courbes d'émissions de CO2 du parc lyonnais agrégé par rapport aux parcs désagrégés Graphique 9 : comparaison des courbes d'émissions de NOx du parc lyonnais agrégé par rapport aux parcs désagrégés 4.3.3. Des émissions globales un peu plus impactées au niveau des NOx que du CO2 Une fois les trafics affectés sur le réseau de l'aire urbaine de Lyon, avec des flux et des vitesses différenciés sur l'ensemble des tronçons de voirie, une estimation des émissions globales peut être faite (Graphiques 10 et 11). Comme le laissaient le prévoir les courbes d'émissions unitaires Projet SIMBAD moyennes, l'impact de la définition du parc est plus fort dans le cas des NOx que dans celui du CO2 : entre un parc national et un parc lyonnais agrégé, les écarts sont de l'ordre de 6% pour les CO2 et de 11% pour le NOx lorsque l'on ne considère que les trafics internes liés aux ménages résidents de l'aire urbaine. La distinction en sous parcs liés à la localisation et au revenu ne change pas les résultats par rapport au parc local agrégé pour le CO2, et ne l'affecte que de manière marginale pour le NOx (+2%). Pour les études dont l'objectif est d'établir un volume total d'émissions sur un périmètre donné, le recours à un parc moyen agrégé à l'échelle territoriale correspondante apparaît dès lors largement suffisant. Graphique 10 : estimation des émissions quotidiennes de CO2 selon les hypothèses de parc utilisées Graphique 11 : estimation des émissions quotidiennes de NOx selon les hypothèses de parc utilisées 4.3.4. Mais surtout des variations locales fortes sur le territoire d'étude Cette stabilité des résultats entre parcs locaux agrégés et désagrégés mérite cependant d'être questionnée plus avant, et ce à double titre. D'une part, nous l'avons vu, les écarts relatifs entre les courbes d'émissions sont différents suivant les vitesses. Or celles-ci ne sont pas les mêmes suivant le type de voirie et leur localisation dans l'agglomération. Une comparaison des résultats obtenus à un niveau territorial fin à partir du parc national et du parc lyonnais agrégé permet de vérifier si cet impact représente un enjeu ou non. D'autre part, les courbes d'émissions du parc lyonnais agrégé apparaissent très différenciées de celles des 9 sous parcs locaux, notamment pour le NOx. Il suffit donc que ces sous-parcs soient répartis de manières spécifiques sur le réseau lyonnais pour que des variations sensibles des estimations apparaissent sur le territoire. Or, la logique de constitution de ces parcs pousse dans ce sens puisqu'elle distingue d'une part les localisations résidentielles centrales et périphériques et d'autre part les revenus des ménages, alors que le territoire est nettement ségrégé suivant cette variable. Pour mettre en évidence cet éventuel impact d'une désagrégation du parc, une comparaison des résultats peut être faite à un niveau spatial fin entre le parc lyonnais et ses neuf sous-parcs. Cas 1 : quel impact des variations de vitesses suivant le type de voirie et la localisation dans l'aire urbaine ? La surestimation moyenne de 6% des émissions de CO2 calculées avec un parc national par rapport à un parc local agrégé reste contenue à environ 4% sur les autoroutes, mais elle dépasse assez systématiquement les 8% sur les autres types de voiries, où la vitesse est plus faible. Au niveau du territoire lyonnais, un découpage de l'aire urbaine en pixels de 1 km x 1 km renvoie alors au même 109 Projet SIMBAD constat, avec les voies les plus rapides qui ressortent du fait d'un écart relatif moins fort qu'ailleurs (Carte 1). Au niveau des émissions de NOx, les écarts d'estimations observés suivant les types de voiries amplifient encore l'écart moyen enregistré entre les deux parcs national et local agrégé : la sous estimation moyenne de 18% varie entre 20% sur les autoroutes et 8% sur les voiries centrales à faibles vitesses. Cependant, si la représentation cartographique permet de toujours visualiser les axes rapides qui génèrent de forts écarts dans les calculs, l'opposition entre le centre (écarts inférieurs à 13%) et la périphérie (écarts facilement compris entre 15 et 18%) est également bien nette (Carte 2). Ainsi, pour le NOx, non seulement l'erreur globale générée par l'utilisation d'un parc national est importante, mais elle est également très variable suivant les espaces considérés. Carte 1 : Variations d'estimation des émissions de CO2 ­ parc national / parc lyonnais agrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 à 4% 4 à 6,5% 6,5 à 8% > à 8% 0 à -11% Taux de variation (%) -11 à -14% -14 à -16% < à -16% Cas 2 : quel impact de la désagrégation du parc lyonnais ? Lorsque le parc lyonnais est désagrégé pour mieux prendre en compte les spécificités des véhicules roulant sur le réseau lyonnais en fonction du revenu et du lieu de résidence des ménages, le gain de précision obtenu est très variable selon le polluant considéré. Il apparaît extrêmement marginal pour le CO2, pour lequel les variations entre parcs locaux agrégé et désagrégé restent inscrites dans une fourchette de ±1%, quelle que soit la zone de l'aire urbaine (Carte 3). Ainsi, dans le cadre des estimations des émissions de gaz à effet de serre liées au trafic d'une agglomération, l'usage d'un parc local agrégé semble largement suffisant. Par contre, dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité des résultats suivant la définition du parc apparaît beaucoup plus forte. En effet, la désagrégation du parc montre que le parc local agrégé tend à sous estimer les émissions en zones centrales (-1 à -3%) et à surestimer celles de périphéries (+2,5 à +7%), amplifiant encore les écarts par rapport aux estimations spatialisées établies avec un parc national (Carte 4). De plus, la carte 4 fait également apparaitre une différence Est/Ouest liée aux différences de revenus. La surestimation en périphérie est plus forte à l'Ouest, où les revenus sont plus faibles et où l'âge des voitures est plus élevé. Projet SIMBAD L'erreur moyenne de -18% générée par le parc national cache dès lors de très fortes disparités locales, justifiant pleinement l'utilisation un d'un parc local désagrégé pour obtenir des estimations correctes des émissions de NOx. Carte 3 : Variations d'estimation des émissions de CO2 ­ parc lyonnais agrégé / désagrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 < - 0,2 -0,2 à -0,05 + 0,02 à 0,08 + > à 0,08 Taux de variation (%) 0 <-4 -4 à -0,5 + 0,5 à 1 + 1à3 Très peu de différence Très peu de différence 4.4. Conclusion La définition du parc automobile joue un rôle sensible dans l'estimation des émissions de polluants atmosphériques du trafic urbain, plus ou moins important selon le type de polluant et selon les types de réseau et les vitesses impliquées. Ainsi, l'utilisation du parc national plutôt que du parc local conduirait à une surestimation de 6% des émissions de CO2 et à une sous-estimation de 11% de celles de NOx sur l'aire urbaine de Lyon en 2006. Tant que l'on se situe au niveau d'un bilan global, l'usage d'un parc local moyen apparaît amplement suffisant. Une segmentation en sous parcs bien différenciés en fonction du revenu et de la localisation des ménages n'apporte pas de changement significatif dans les résultats globaux. Lorsque l'on recherche des résultats plus désagrégés au niveau territorial, pour disposer de niveaux d'émissions par zone ou par tronçon, on peut montrer que l'impact du parc n'est pas homogène et que les erreurs peuvent être encore amplifiées dans certaines zones. Cette sensibilité des estimations aux conditions locales de circulation reste cependant très différenciée selon le type de polluant. Dans le cas des émissions de CO2, la convergence des courbes lorsque les vitesses augmentent conduit à des distorsions moins fortes le long des voiries rapides que sur le reste du territoire. Une désagrégation fine du parc local, distinguant le revenu et la localisation des ménages, n'apporte par ailleurs aucune précision supplémentaire dans l'estimation territorialisée des émissions. Dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité 111 Projet SIMBAD des résultats suivant la définition du parc apparaît beaucoup plus forte. Non seulement la sousestimation moyenne de 11% générée par le parc national apparaît encore plus importante en périphérie, mais la désagrégation du parc lyonnais permet encore de gagner en précision de manière importante. Ainsi, parmi toutes les sources d'incertitudes jouant sur l'estimation des émissions polluantes du trafic urbain (par exemple hypothèses sur les niveaux de trafic, les vitesses, les courbes d'émissions utilisées ou le taux de véhicules roulant à froid, etc.), les hypothèses sur la composition du parc peuvent avoir un impact non négligeable, plus ou moins fort selon le polluant et selon la partie du territoire observé, central ou périphérique, proche d'une voirie rapide ou non. D'un point de vue méthodologique, ce premier travail mériterait d'être élargi aux autres polluants utilisés classiquement dans les évaluations environnementales. Par ailleurs, une exploration systématique des amplitudes de variations générées par les hypothèses de calcul permettrait de mieux situer les enjeux. Dans tous les cas, l'utilisation de parcs locaux désagrégés améliorerait sensiblement les travaux d'évaluation de l'impact environnemental d'une nouvelle infrastructure. De même, elle éclairerait mieux les réflexions, plus générales et stratégiques, sur les effets d'une politique globale comme dans le cadre de l'implémentation d'une Zone d'Aménagement Prioritaire pour l'Air, d'un Plan de Déplacement Urbain, d'un Schéma de COhérence Territoriale (SCOT) ou d'un plan inter-SCOT mettant en cohérence plusieurs SCOT. 4.5. Bibliographie ADEME, 2003, Logiciel Impact-ADEME. Emissions de polluants et consommation liées à la circulation routière. Paris, Ademe éditions. 35 p. http://www2.ademe.fr/ Bourdeau B., 1997, Evolution du parc automobile français entre 1970 et 2020. Université de Chambéry, Thèse de doctorat. 379 p. Can A., Leclercq L., Lelong J., Botteldooren D., 2010, Traffic noise spectrum analysis: Dynamic modeling vs. experimental observations, Applied Acoustics 71, pp. 764­770. CEC - Commission of the European Communities, 1999, MEET, Methodology for calculating transport emissions and energy consumption. Luxembourg, Rapport commun INRETS, AUTh, TRL, TÜV, DTU. 362 p. CEC - Commission of the European Communities, 1993, CORINAIR working group on emission factors for calculating 1990 emissions from road traffic. Volume 1 : Methodology and emissions factors. Bruxelle-Luxembourg : ECSC-EEC-EAEC. 115 p. Cheynet D., 2011, Modélisation des impacts environnementaux ­ quelles applications dans le domaine des transports? Université de Lyon, ENTPE, mémoire de Master TURP, stage Egis France.146 p. Gallez C., Hivert L., 1998, BEED : mode d'emploi. Synthèse méthodologique pour les études " budget énergie environnement des déplacements. Rapport de convention ADEME-INRETS n°690-9306-RB. 85 p. Hausberger S., Rexeis M., ZallingerM., Luz R., 2009, Emission Factors from the Model PHEM for the HBEFA Version 3, Graz university of technology, Institute For Internal Combustion Engines And Thermodynamics, report Nr. I-20/2009. 76 p. Hourriez J.M., Olier L., 1997, « Niveau de vie et taille du ménage : estimations d'une échelle d'équivalence » Economie et Statistiques, n°308-309-310, pp. 65-94 Projet SIMBAD Hugrel C., Joumard R., 2006, Directives et facteurs agrégés d'émission des véhicules routiers en France de 1970 à 2025. Lyon Bron, INRETS, rapport LTE n° 0611. 160 p. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R., André M., Crauser J.-P., Badin F., Paturel L., 1987, Méthodologie de mesure des émissions réelles du parc automobile. Bron : Rapport INRETS n°31, 81 p. Nicolas J.-P. (dir), Bonnel P. (dir), Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F., Zuccarello P., 2009, Simuler les mobilités pour une agglomération durable. LET, projet Simbad, rapport final, pour le compte de l'ADEME et de la DRAST. 211 p. Ntziachristos L., Samaras Z., Kouridis C., Hassel D, McCrae I., Hickman J., Zierock K.H., Keller M., André M., Gorissen N., Dilara P., Boulter P., Joumard R., Rijkeboer R., Geivanidis S., Hausberger S., 2010, EMEP/CORINAIR Atmospheric Emissions Inventory Guidebook on exhaust emissions from road transport COPERT 4, Methodology for the calculation of exhaust emissions, European Environment Agency Report, 129 p. http://www.emisia.com/copert/ Routhier J. L., Toilier F., 2011, « FRETURB : simuler la logistique urbaine », In Antoni J.-P. (Ed.). Modéliser la ville : Formes urbaines et politiques de transport, Paris, Economica, pp. 246-283. 113 Projet SIMBAD Projet SIMBAD 5. ANNEXE : Quelle représentation du phénomène de développement urbain ? Développement du modèle de Bussière adapté à l'Aire Urbaine de Lyon 115 Université Lumière Lyon 2 - École Nationale des Travaux Publics de l'État Mémoire de Master Transports, Espace, Réseaux Année 2010-2011 Quelle représentation du phénomène de développement urbain ? Développement du modèle de Urbaine de Lyon Bussière adapté à l'Aire Guillaume Monchambert sous la direction de M. Patrick Bonnel Soutenu le 5 Septembre 2011, à Vaulx-en-Velin. Composition du jury : M. M. M. Didier Plat Patrick Bonnel Louafi Bouzouina , Président du Jury , Directeur de Recherches Résumé Nous proposons de mesurer et de simuler l'étalement urbain en adoptant une approche modélisatrice, an d'être en mesure d'intégrer de manière pertinente ce phénomène dans le modèle LUTI du projet SIMBAD. Le calage du modèle se fait sur l'Aire Urbaine de Lyon. Pour cela, nous présentons tout d'abord les modèles existant et les diérentes façons dont ils endogénéisent l'étalement urbain (I). Nous présentons ensuite le modèle de Bussière et l'appliquons à l'Aire Urbaine de Lyon (II). Nous proposons enn deux développements nouveaux de ce modèle qui consistent en l'utilisation successive des temps de trajet et de l'accessibilité gravitaire comme variable, ce qui nous permet de relâcher certaines hypothèses contraignantes (III). La portée de ce travail est avant tout théorique, les résultats obtenus ne permettant pas d'envisager une utilisation pratique du modèle à ce stade du développement. Abstract We propose to mesure and simulate the urban sprawl with a modelling approach. Therefore we will be able to integrate this phenomenon in the LUTI model of SIMBAD project in a relevant way. The calibration of the model is made on Lyon urban area. We rst present the current models and the way they endogenise the urban sprawl (I). We present Bussiere model and applicate it to Lyon Urban area (II). Finally we suggest two new developments of this model, both of them consisting in consecutive use of travel time and gravity accessibility as a variable. This allow us to drop some restrictive hypothesis (III). This work mostly means to be theorical, the results should not allow us to use it at this development stage. Mots-clefs gravitaire Étalement urbain ; Modèle monocentrique ; Bussière ; Lyon ; Accessibilité Keywords Urban sprawl ; Monocentric model ; Bussière ; Lyon ; Gravity accessibility Je tiens tout d'abord à remercier M. m'encadrer durant ce Mémoire de Master 2 et d'avoir rendu ce travail particulièrement intéressant à travers les échanges que nous avons pu avoir, les personnes rencontrées dans ce cadre et les conférences auxquelles il m'a conviées. Patrick Bonnel d'avoir accepté de M. Louafi Bouzouina orge Cabrera-Delgado Aurélie Mercier, M. paolo Avner, M. Nicolas Coulombel, M. Jean Delons, M. stéphane Hallegate Vincent Viguié fournie pour réaliser ce travail, en particulier J et M. . Enn, je remercie Mlle et M. d'avoir accepté de s'entretenir avec moi et de m'avoir fourni de précieux conseils. Je tiens aussi à remercier l'équipe du projet SIMBAD pour l'aide qu'elle m'a Table des matières I État de l'art 1.1 1.2 Articulation générale des modèles LUTI . . . . . . . . . . . . . . . . . . . . . . . . Proposition de classication des modèles LUTI 9 9 11 1 Les modèles d'interaction transport-urbanisme (LUTI models ) 9 2 Le modèle standard de l'économie géographique 2.1 2.2 2.3 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Enseignements Limites du modèle 14 14 16 16 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique 17 3.1 3.2 Intégration de l'étalement urbain dans les modèles de type LUTI Intégration de l'étalement urbain dans les modèles issus de l'économie géographique . . . . . . . . . . . . . . . . . . . . . . . . . 18 17 II Présentation et calibrage du modèle de (1968-2006) 1 Le modèle de Bussière (Bussière, 1972) 1.1 1.2 1.3 Forme statique Forme dynamique Forme amendée Bussière 20 20 22 23 26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 27 2.1 2.2 Périmètre d'études et bases de données . . . . . . . . . . . . . . . Les choix méthodologiques . . . . . . . . . . . . . . . . . . . . . . 27 30 3 Estimations et Analyses 3.1 3.2 Utilisation des données communales . . . . . . . . . . . . . . . . 33 33 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 39 III Développement de ce modèle 1 Utilisation des temps de trajet 1.1 1.2 1.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 47 47 48 49 53 2 Utilisation de l'accessibilité gravitaire 2.1 2.2 2.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 57 57 59 62 3 Perspectives 3.1 3.2 3.3 Comparaison des diérents modèles . . . . . . . . . . . . . . . . . Des développements à apporter au modèle de Une piste nouvelle à explorer . . . . . . . . . . . . . . . . . . . . 67 Bussière 67 68 69 . . . . . Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Introduction L'évolution urbaine des grandes métropoles durant ces cinquante dernières années est marquée par une augmentation signicative de la population et une extension importante des espaces urbanisés. Ce constat est valable pour une grande partie des agglomérations des pays développés. Ce phénomène double est aujourd'hui appelé étalement urbain, notion que nous pouvons dénir comme étant le développement des surfaces urbanisées en périphérie des villes. Remarquons tout de suite que l'expression étalement urbain n'est pas neutre et qu'elle est empreinte d'une connotation négative. En eet, ce phénomène était autrefois qualié de d' expansion urbaine, expression beaucoup plus neutre et qui se rapproche davantage de ce qui s'appelle aux États-Unis l' Urban Sprawl. Ce changement de terminologie reète assez bien l'évolution de l'appréhension de ce phénomène. En eet, dès le début des 30 glorieuses, on assiste à une relative déconcentration de l'habitat. Cette déconcentration est à la fois encouragée par l'ore nouvelle de logements en périphérie, et par des changements dans les stratégies résidentielles des ménages. Ainsi, la croissance des revenus et l'amélioration des niveaux de vie ont favorisé la quête d'un nouveau mode de vie ; la maison individuelle dans un espace peu dense est devenue une alternative à la vie en zone dense. Bien entendu, cette évolution a été permise par le développement d'infrastructures de transports routiers, tels les boulevards périphériques, et de transport en commun. Cependant, depuis environ une trentaine d'années, la tendance s'est inversée et cet inversement s'est largement intensié depuis une quinzaine d'années,. Nous sommes en eet passés d'un paradigme privilégiant la vitesse, le débit de masse à un paradigme qui met en avant le développement durable et le respect de l'environnement. Dès lors, l'expansion urbaine, requaliée d'étalement urbain depuis les années 1970 et le début de la prise de conscience du phénomène, est devenue un phénomène qu'il faut maîtriser voire endiguer. En eet, on s'est aperçu que l'augmentation de la vitesse moyenne ne diminue pas les temps de trajet, mais que les ménages en protent pour s'installer dans des espaces encore plus éloignés du centre, ce qui accélère encore ce phénomène. Cette augmentation des vitesses moyennes et des distances parcourues entraîne naturellement une augmentation de la pollution. Les objectifs des politiques de transport ont donc évolué : il s'agit aujourd'hui de limiter la vitesse et le débit des axes pénétrants tout en augmentant l'attractivité des transports en commun. Le projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable), développé par le LET (Laboratoire d'Économie des Transports), se situe dans cette problématique. En eet, il a pour objectif d'intégrer la thématique de développement durable dans l'évaluation des politiques de transport sur les ter- 7 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE ritoires urbains (N de déplacements d'une agglomération et de ses interactions avec l'urbanisme pour fournir des indicateurs permettant d'intégrer simultanément les questions environnementales, économiques et sociales dans la réexion des acteurs de la ville. Notre mémoire de master s'inscrit dans ce cadre : la problématique générale de notre étude est de savoir s'il est possible de modéliser l'étalement urbain, sur l'Aire Urbaine de Lyon en particulier. Quelle sera l'évolution de l'Aire Urbaine de Lyon dans les prochaines décennies. Cette question en soulève d'autres : sommes-nous en capacité de reproduire l'évolution de la ville ? Jusqu'à quel niveau de précision pouvons-nous arriver ? Quelles sont les variables susceptibles d'inuencer le choix des ménages en termes de localisation ? Après avoir présenté l'État de l'art (Partie I), nous présenterons le modèle de dans sa forme initiale et nous l'appliquerons à l'Aire Urbaine de Lyon icolas , 2010). Ainsi, il propose une modélisation du système Bussière (Partie II). Enn, nous essaierons d'apporter des améliorations à ce modèle en relâchant certaines hypothèses (Partie III). 8 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Première partie État de l'art Que ce soit en matière de transport ou de développement urbain, il n'est pas possible d'envisager de créer des modèles dynamiques à but prospectif à long terme aujourd'hui sans considérer les interactions entre ces deux systèmes. En eet, le réseau de transport et son utilisation sont directement inuencés par l'occupation des sols, et en même temps le réseau existant mais aussi les projets d'infrastructures ont un impact certain sur la localisation des ménages et des entreprises. Cette interdépendance constitue le fondement théorique des modèles LUTI (Land-Use and Transport Interaction ). Notre travail se situe lui aussi dans ce contexte, car il s'insère dans le modèle d'interaction transport urbanisme SIMBAD développé par le LET (Laboratoire d'Économie des Transports). C'est pourquoi nous allons dans un premier temps présenter les diérents modèles LUTI existants. Dans un second temps, nous évoquerons le modèle standard de l'économie géographique. En eet, ce modèle est le fondement de l'économie géographique, et il est indispensable de l'évoquer si l'on veut saisir la complexité du modèle de Bussière que nous évoquerons par la suite. Enn, dans un troisième temps, nous verrons comment l'étalement urbain est intégré dans ces deux types de modèles (LUTI et modèle standard), en soulignant les qualités et les défauts inhérents à chaque analyse. 1 Les modèles d'interaction transport-urbanisme (LUTI models ) Les modèles LUTI ont été créés an de répondre au besoin de compréhension mais aussi et surtout d'anticipation des interactions entre le transport et l'urbanisme. Il existe de nombreux types de modèles LUTI dont certains n'ont pas pour base un raisonnement économique mais uniquement une approche cellulaire (l'évolution de chaque cellule est simulée selon les observations faites sur d'autres groupes de cellules et selon l'état des cellules voisines). Nous allons tout d'abord présenter l'articulation générale des modèles LUTI telle qu'elle a été dénie par d'ensemble nous étudierons la classication proposée par Wegener en 1994, puis, an d'aner notre vue nique & Bath en 1999. Simmonds, Eche- 1.1 Articulation générale des modèles LUTI Les modèles LUTI résultent d'une analyse détaillée du phénomène de développement spatial urbain qui permet de l'expliquer en distinguant un ensemble de sous-systèmes qui ont la particularité d'avoir des temporalités diérentes. Ainsi, l'articulation permet d'appréhender le développement urbain : les réseaux, l'oc- Wegener (1994) distingue huit types de sous-systèmes urbains dont 9 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE cupation des sols, les lieux d'emplois, les lieux de logement, les emplois, la population, les biens transports et les déplacements. Ces sous-systèmes peuvent être classés selon la rapidité de leur processus d'évolution : Changement très lent : réseaux et occupation des sols. Les infrastructures de transport constituent l'armature de la structure de la ville. En ce sens, elles évoluent très lentement. Ainsi, les grandes infrastructures sont très rarement abandonnées et mettent souvent plus d'une dizaine d'années à être planiées et construites. L'occupation des sols est également très stable. Changement lent : lieux d'emplois et logement. Ces lieux n'évoluent que très peu. Une construction, qu'elle soit résidentielle ou lieu d'emploi, a une durée de vie de plusieurs cycles de vie humain. Changement rapide : emploi et population. Cette évolution rapide correspond aux cycles de vie des entreprises et des ménages. Changement très rapide voire immédiat : les biens transport et déplacements. Ces interactions sont les éléments les plus exibles de l'ensemble. Elles peuvent être ajustées à la minute. Tous ces systèmes peuvent être régulés soit par le marché, soit par des politiques publiques. La gure ci-dessous représente la boucle de rétroaction des interactions entre transport et urbanisation dénie par Wegener . 10 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1 Boucle de rétro-action transport-urbanisation ( Wegener , 1994) Cette boucle de rétroaction spécie donc le cadre d'analyse des modèles LUTI. Si l'on veut construire un modèle dynamique et interactif, il faut prendre en compte au moins deux des huit sous-ensembles présentés plus haut et les intégrer dans une forme simpliée ou non de la boucle de rétroaction dénie par Wegener (gure 1). 1.2 Proposition de classication des modèles LUTI Il existe une multitude de modèles LUTI. C'est pourquoi, après avoir présenté brièvement leur fonctionnement, nous proposons de les classer. Chaque modèle est bien entendu diérent : variables prises en compte, représentation de l'espace-temps. . . De plus, chaque modélisateur doit choisir un parti-pris en ce qui concerne les caractéristiques structurelles du modèle : dynamique ou statique, liens de causalité, le choix des diérentes fonctions. . . Cela conduit donc à une multitude de modèles très diérents les uns des autres. Toutefois, il semble que la classication proposée par (1999) soit une des plus pertinentes. En eet, en plus d'être l'objet d'un large consensus dans la communauté des modélisateurs, elle a l'avantage de classer les modèles selon leurs caractéristiques opérationnelles en mettant au second plan les partis-pris théoriques et méthodologiques Simmonds, Echenique & Bath (Deymier & Nicolas , 2005). 11 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2 Classication des modèles LUTI ( Simmonds & Bates , 1999) Une première distinction est faite entre les modèles de prévision et les modèles d'optimisation. En eet, ces derniers ont pour objectifs de simuler les congurations urbaines plutôt que de prédire les évolutions que subira la ville en fonction des politiques de transport. Ce sont des modèles généralement utilisés pour une planication à long terme, mais qui ont comme inconvénient majeur de ne pas être adaptés à la prévision des impacts de politiques de transport et d'aménagement sur l'aire urbaine. Les modèles de prévision sont ensuite séparés en deux classes ; les modèles statiques d'une part, et les modèles quasi-dynamiques d'autre part. Les modèles statiques essaient de prévoir l'évolution de certaines variables t mais pas le chemin parcouru pour y arri- en considérant les autres variables comme données ( l'équilibre atteint à chaque instant Lowry , 1964). Ils décrivent ver. Cependant, comme nous l'avons vu précédemment avec la présentation de Wegener , le processus de changement urbain est un processus relativement long. Le changement urbain se fait à la marge, la majorité des ménages et des actifs ne change pas de localisation sur une période donnée. Ainsi les modèles statiques paraissent peu adaptés à cet objectif de modélisation. Toutefois, ils sont encore utilisés pour deux principales raisons. Tout d'abord, ils permettent de prendre en considération l'impact du système urbain sans engager un travail de modélisation dynamique. Ils sont donc relativement économes en temps et en force de travail. De plus, ces modèles dénissent un équilibre à chaque instant t, et ils permettent de caractériser des déséquilibres à l'origine du processus de changement urbain. Le précurseur de ces modèles est en 1964. L'hypothèse principale de ce modèle est que la croissance urbaine est fonction de l'expansion du secteur industriel qui détermine la distribution spatiale de la population et de l'emploi dans le secteur des services. L'étalement urbain est donc une composante endogène de ce type de modèle. L'un des développements récents des modèles statiques est le modèle METROPOLIS, développé par Lowry MUSSA, développé 12 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE par Martinez Parmi les (1992, 1997). dèles : les modèles quasi-dynamiques, on distingue trois types de momodèles basés sur l'entropie, les modèles spatiaux-économiques et les modèles basés sur l'activité. Les s'est inspiré d'un concept issu de la thermodynamique. Ce principe réside dans la détermination de la condition tendancielle la plus probable du système qui correspond de fait à sa condition d'équilibre (appelée aussi d'entropie maximale ) dans une situation d'information imparfaite. Ainsi, on peut dénir la conguration la plus probable des déplacements comme celle qui associe et représente le plus grand nombre de micro-états du système. Un exemple de cette famille de modèles peut être veloppé par modèles basés sur l'entropie ont été créés par Wilson (1970) qui appliqué aux États-Unis au début des années 1990. Cependant, il présente de nombreuses limites. Tout d'abord, il est gourmand en temps et coût d'utilisation. De plus, il tend à simplier la relation complexe qui existe entre emploi et ménages, ce qui l'éloigne de la réalité. Enn, le modèle ne permet pas de considérer les eets de contigüité ou de débordements tels que ceux qui pourraient être engendrés par le développement résidentiel d'une zone sur une autre qui lui serait adjacente. Les Putman DRAM/EMPAL, dé- (1995) et qui fut le modèle d'occupation des sols le plus modèles spatiaux-économiques, comme leur nom l'indique, cherchent à inscrire les phénomènes socio-économiques dans leur dimension spatiale. Leurs fondements théoriques sont ceux de la théorie économique traditionnelle puisqu'ils représentent les mécanismes économiques théoriques du marché pour atteindre l'équilibre ore-demande à la fois pour les comportements d'usage des sols et pour les transports. ( Le modèle eet, il peut être appliqué à l'échelle urbaine ou régionale. Il a pour objectif de simuler les eets probables des politiques d'urbanisation et des projets de transports, mais aussi d'évaluer ces eets à un niveau social, économique et nancier. Ce modèle intègre plusieurs techniques de modélisation et diérents fondements théoriques, il est très complet mais dicile à calibrer. Pour pouvoir être appliqué, ce modèle nécessite de disposer des bases de données caractérisant l'année de base beaucoup plus importantes que les besoins des modèles vus précédemment. Il traite surtout de la problématique d'usage du sol, et il semble que le phénomène d'étalement urbain soit exogène au modèle. TRANUS a été appliqué entre autres aux agglomérations de Bruxelles, Inverness et Lyon pour des résultats mitigés selon les sites. Les de la Barra et al. TRANUS, développé par de la Barra & Perez depuis 1982 , 1984), est un bon exemple de ce type de modèle. En modèles basés sur l'activité (ou les choix discrets) traitent des diérents processus de changement qui aectent les activités et les espaces occupés. Ces modèles ne relocalisent pas toutes les activités lors de chaque période, 13 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE mais séparent les décisions de déplacement et la recherche d'une nouvelle localisation. La segmentation doit donc être très détaillée. Le traitement des processus de décisions des agents à travers les modèles de choix discrets est lui aussi assez n. Ces modèles permettent en outre d'avoir des rendus de changement démographiques plus détaillés. Springeld, est un modèle de choix discret basé sur l'activité et qui repose sur la théorie de la maximisation de l'utilité. Il est composé de plusieurs modules URBANSIM, développé par Waddell (1994) lors de l'étude la ville d'Eugene- reétant les choix clés des ménages, des actifs, des promoteurs et des gouvernements. Ainsi, en adoptant une approche comportementale, le modèle fournit une structure théorique plus transparente pour les utilisateurs, leur permettant d'incorporer explicitement des politiques et d'évaluer leurs eets. Ce modèle s'est largement répandu depuis sa création, que ce soit aux États-Unis (Houston, Honolulu. . . ) ou en Europe (Amsterdam, Zürich. . . ). Il a produit des résultats satisfaisants puisque selon le Transit Cooperative Highway Research Program, URBANSIM est le modèle LUTI qui se rapproche le plus de leur modèle idéal . Cependant, sa mise en ÷uvre est dicile car elle demande une quantité très importante de données, dont la production est assez coûteuse. Après avoir présenté les diérents types de modèle LUTI, il apparait pertinent de décrire le modèle standard de l'économie géographique. En eet, ce modèle est au fondement de l'analyse économique urbaine. Bon nombre des enseignements qu'on peut en tirer sont vériés empiriquement, et les mécanismes en jeu sont encore observables de nos jours. 2 Le modèle standard de l'économie géographique Ce modèle étudie le mécanisme de localisation des ménages dans le cadre d'un équilibre partiel, obtenu seulement sur le marché du logement. Il a été développé à partir des travaux d' notion de rente d'enchères ( (1967), c'est pourquoi il est parfois appelé modèle AMM. Il met en avant la exclut certains ménages de certains quartiers. Alonso Von Thünen (1964), de Mills (1967) et de Muth , 1850) qui explique pourquoi le revenu 2.1 Hypothèses Voyons tout d'abord les hypothèses du modèle. Le modèle AMM conçoit l'aire urbaine selon une représentation monocentrique. La ville est une plaine uniforme. Les distances de déplacement sont uniquement fonction de la distance à vol d'oiseau entre les deux points à relier, et il n'y a pas de limite dans la direction des déplacements. Il n'y a qu'un seul centre, que l'on peut assimiler au Central Business District, et qui regroupe l'ensemble de la demande de travail des entreprises et administrations. Les seuls déplacements envisagés sont des 14 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE déplacements domicile travail (et travail-domicile). Cette dénition du centre de la ville est très importante ici car toutes les localisations sont dénies par une distance au centre x. Ce centre-ville est immobile, ce sont les ménages qui se localisent en fonction de lui. Ce modèle s'inscrit dans le cadre néoclassique de la théorie du consommateur : chaque agent est rationnel et cherche donc à maximiser son utilité sous la contrainte de ses ressources. max U (z; q) z;q s.c. w = z + R(x).q + T (x) La fonction d'utilité en fait le numéraire, et U est donc dénie à l'aide de deux variables, z qui représente la consommation en bien composite, dont le prix est xé à 1 ce qui q qui représente la surface du logement. La contrainte de budget comprend le revenu centre en logement dont le prix par unité de supercie x, et le coût de w, les dépenses en bien composite z 1, les dépenses R est fonction de la distance au transport T , fonction de la distance au centre x. La notion de rente d'enchères de Von Thünen (1850) x du centre-ville an Le marché du logement est concurrentiel, les propriétaires attribuent les logements aux locataires qui font la meilleure ore ou enchère. La notion de rente d'enchères peut ainsi se dénir comme le prix maximum d'une unité de sol qu'est prêt à payer un individu habitant à une distance d'atteindre un niveau d'utilité donné v. Ainsi, la rente d'enchères peut être dénie comme suit : (v; z) = max z;q w - z - T (x) | U (z, q) = v q Il existe donc, pour chaque distance un niveau d'utilité donné rente d'enchères x séparant le logement du centre et pour v , une situation optimale que l'on peut décrire par une (v; z), et une supercie optimale du logement q (v; x). De plus, en dérivant la rente d'enchère par la distance au centre-ville, nous remarquons que le prix maximum qu'un individu est prêt à payer pour obtenir une unité de sol est une fonction décroissante de cette distance. En eet, (v; z) T (x) =- <0 x q (v; x) Les agents économiques sont donc disposés à payer une somme qui diminue avec la distance au centre pour un logement donné. 15 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 2.2 Enseignements Tout d'abord, à l'équilibre, les agents résident à une distance supporté. Introduisons maintenant deux catégories d'agents, la première ayant un revenu supérieur à la seconde. Si l'on considère que le revenu n'agit pas sur le coût du transport et que le logement est un bien normal, c'est-à-dire que sa part dans le budget des ménages reste constante quel que soit le revenu, alors le jeu de la concurrence sur le marché du logement conduit les propriétaires à attribuer aux ménages aisés les logements situés en périphérie. En eet, les agents défavorisés ont une moindre disposition à payer pour résider en périphérie par rapport aux agents dotés de revenus plus importants. Ceci est lié au fait que les individus disposant d'un faible niveau de revenu sont plus sensibles au coût du trajet domicile-travail que ceux disposant de revenus plus élevés. En eet, le coût du trajet représente une plus grande part dans leur budget comparativement aux ménages aisés. Ce modèle permet donc d'expliquer relativement bien la structure des villes américaines. Toutefois, il est très simple, ce n'est que la première étape dans les travaux de l'économie urbaine, car il omet notamment de prendre en considération le coût d'opportunité du trajet domicile-travail. x du centre qui égalise leur dépense marginale en logement et le coût marginal du transport 2.3 Limites du modèle Ce modèle est limité par les hypothèses trop restrictives qui sont à son fondement ( Peguy , 2000). Ainsi, la localisation exogène de l'ensemble des emplois dans un unique centre pose de vraies questions. En eet, d'une part la multipolarité n'est pas représentée. Cette limite est considérable si l'on souhaite étudier des agglomérations européennes qui pour la plupart ne sont pas caractérisées par un centre d'aaires dans lequel il n'a pas de logement, comme les Central Business Districts américains. D'autre part, d'un point de vue plus théorique, cette hypothèse implique de raisonner en équilibre partiel, c'est-à-dire que la population est déterminée une fois que la localisation des emplois est xée, et réciproquement. Le modèle d' unique au niveau de l'agglomération envisagée. De plus, le modèle AMM s'appuie sur une hypothèse forte en ce qui concerne la structure des réseaux de transport. Eectivement, pour permettre la dérivation de la fonction de répartition de la population, il faut deux hypothèses concernant la demande de logement et la forme de la fonction de production. Si ces deux hypothèses sont remplies, on peut facilement montrer que la densité de population décroît de manière exponentielle en fonction de la distance au centre. Or, nous avons vu que l'arbitrage des ménages entre logement et accessi- Alonso ne permet donc pas de comprendre pourquoi il n'existe qu'un centre 16 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE bilité au centre est la conséquence de la variation des coûts de transport vers le centre. Pour passer d'une relation entre distance et densité il est donc impératif que le coût de transport, soit une fonction univoque de la distance au centre ; c'est-à-dire que le réseau est considéré comme homogène soit radial isotrope par rapport au centre. Or, en pratique, pour une même distance au centre les coûts de transport ne sont bien souvent pas les mêmes. Les réseaux sont fortement différenciés de par leur capacité, leur vitesse, les disparités géographiques. . . Cette limite sera très présente si l'on veut s'intéresser aux interactions entre transport et urbanisme. 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique Le propos de ce paragraphe est de décrire l'intégration de l'étalement urbain dans les diérents modèles, et notamment d'essayer de savoir si cela se fait de manière endogène ou exogène, si le modèle est capable de simuler l'étalement de l'agglomération ou si le modélisateur est contraint d'imposer cette donnée au modèle au fur et mesure de son utilisation. 3.1 Intégration de l'étalement urbain dans les modèles de type LUTI La plupart des modèles LUTI prennent en compte l'étalement urbain. Cette prise en compte se fait en deux étapes : la création de nouveaux logements (ou de nouveaux bureaux) en périphérie sur les terrains vides, et les migrations des ménages (ou des entreprises) vers la périphérie, et notamment vers les logements nouvellement construits. Ces deux étapes font l'objet de deux modules distincts dans l'architecture des modèles LUTI. Le premier module simule donc la construction de nouveaux logements (ou bureaux). Il existe deux grands types de modèles pour ce faire. Le premier type regroupe des modèles relativement simples de transition de l'usage du sol. Ces modèles prédisent l'évolution d'un usage du sol vacant vers un usage du sol occupé (résidentiel, mixte ou autre). Les cellules vacantes étant le plus souvent situées dans la périphérie de l'agglomération, nous somme donc bien en présence d'étalement de l'agglomération. Ces modèles sont fondés sur l'usage des modèles de choix discrets multinomiaux, et les variables prises en compte pour simuler la probabilité d'évolution de l'usage du sol regroupent les caractéristiques de la zone, celles des zones voisines et quelques fois des mesures de la demande potentielle, que l'on peut assimiler à la prise en compte de la pression des loyers sur la frontière de la ville. Le second type de modèle est basé sur la dénition de grands projets : projet d'immeubles collectifs, projet de construction de x logements (ou bureaux). Chaque année, un certain nombre de projets est tiré 17 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE de manière aléatoire. Une fois que les projets à construire sont tirés au hasard, il faut localiser ces projets dans les diérentes zones. Pour cela, on maximise le prot attendu du promoteur immobilier, en tenant compte à la fois du prix du terrain et du loyer ou prix de vente attendu. Le second module simule la mobilité des ménages. Il s'agit de savoir si les ménages ont intérêt à rester chez eux, ou si l'arrivée sur le marché de nouveaux logements plus ou moins attractifs rend leur logement actuel moins attractif et les incite à déménager, à occuper les nouveaux logements situés en périphérie. Ces mouvements contribuent bien évidemment au phénomène de développement urbain. La simulation de l'étalement urbain par les modèles LUTI est intéressante car elle permet d'avoir une évolution localisée, c'est-à-dire que chaque espace ou cellule est caractérisé. Nous sommes ici dans le cadre d'une spatialisation des activités des agents. Cependant, nous devons noter quelques faiblesses relatives à cette analyse. Tout d'abord, le premier module simulant la construction de nouveaux logements est souvent le moins satisfaisant en ce qui concerne la calibration. C'est le domaine d'études qui est le moins avancé dans les modèles LUTI. De plus, on peut penser que la manière dont est produit l'étalement urbain comporte une grande part d'incertitude, de nombreuses variables entrant en jeu dans les modèles de choix discrets multinomiaux utilisés. Enn, il semble que ce raisonnement constitué d'un enchainement de modèles de choix discrets multinomiaux corresponde davantage aux situations rencontrées en Amérique du Nord. En eet, en France, ce ne sont pas seulement les initiatives privées qui déterminent la construction de nouveaux bâtiments. Le PLU, Plan Local d'Urbanisme qui remplace le Plan d'Occupation des sols depuis 2000, joue lui aussi un rôle très important dans la planication de l'urbanisme au niveau communal et intercommunal. Dès lors, il semble bien que le mécanisme de création de bâtiments dans les modèles LUTI appliqués en France et plus largement en Europe doive être revisité. Pour cela, il est important de décrire la manière dont l'étalement urbain est intégré dans les modèles issus de l'économie géographique. 3.2 Intégration de l'étalement urbain dans les modèles issus de l'économie géographique Dans les modèles issus de l'économie géographique, l'étalement urbain est visible à travers l'évolution de la frontière de la ville et l'évolution des densités. Cette frontière est donnée par la valeur de la rente agricole Ra . En eet, l'usage du sol est caractérisé par une rente foncière, elle-même issue des enchères des ménages pour accéder à tel logement. Mais il y a un coût d'opportunité correspondant à l'usage agricole de la terre : la ville s'arrête lorsque les enchères des ménages sont inférieures au revenu potentiel que l'on peut tirer de la terre par un usage agricole. Nous pouvons donc dénir l'équilibre urbain à un niveau d'utilité v et la frontière de la ville xf tels que : 18 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE (v; xf ) = Ra Ce type de modèle repose sur la construction d'un équilibre général statique. An d'étudier les facteurs de l'étalement urbain, nous pouvons donc utiliser la méthode dite de statistique comparative qui consiste à étudier l'impact sur la frontière de la ville et sur les densités de population de la variation de chacune des variables ceteris paribus ( SESP, CERTU, 2006) : La baisse des coûts de transport permet aux ménages de supporter un plus grand éloignement du centre (eet prix) conduisant à l'extension de la ville et à la diminution des densités au centre. Elle se traduit aussi par une augmentation du revenu disponible qui engendre une augmentation de la quantité de logement consommé en tout point de la ville. L'augmentation du niveau général des revenus produit également un accroissement du revenu disponible et donc de la supercie de logement demandée en chaque point de la ville. Si la présence d'aménités en périphérie augmente relativement à celle du centre, rendant la première plus attractive, alors les ménages s'y localisent davantage. Le prix du sol étant plus faible en périphérie, la consommation de logement augmente et provoque une extension de la ville. Les facteurs démographiques sont également à prendre en compte. On peut étudier des évolutions diérenciées de la population et de sa structure. En eet, dans ce modèle, l'augmentation de la population totale conduit à un éloignement de la frontière de la ville et à une hausse des densités urbaines. Toutefois, la pente des courbes de rente foncière n'est pas modiée car l'équilibre n'est pas modié. Cependant, si l'on modie la structure des ménages, c'està-dire la répartition actif/non-actif, le constat sera diérent. En eet, dans ce modèle, les inactifs sont supposés ne recevoir aucun revenu et ne pas se déplacer car il existe un unique motif de déplacement, le motif travail. L'augmentation du poids des inactifs entraine donc une diminution du coût de transport subi par le ménage et une baisse de la demande de logement. Si la baisse de la demande de logement l'emporte sur ma baisse des coûts de transports, les localisations les plus proches du centre deviennent plus attractives car moins chères, et on aboutit à une augmentation des densités en tout point et un rapprochement de la frontière de la ville, qui devient alors compacte. Si, au contraire, la diminution des rentes foncières est inférieure à celle des coûts de transport, l'impact sur le degré de l'étalement de la ville est indéterminé. L'étude de l'étalement urbain à travers ce type de modèle apporte une compréhension plus ne des mécanismes économiques en jeu. De plus, les diérentes calibrations de ces modèles produisent d'assez bonnes estimations du phénomène d'étalement urbain. Toutefois, le principal inconvénient inhérent à ce type de modèle réside dans le fait qu'ils ne produisent pas d'étude spatialisée. En eet, la densité est estimée pour un cercle situé à un rayon r du centre, mais il n'y pas de distinction entre les diérentes zones situées à une même distance du 19 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE centre. De plus, ce modèle suppose un ajustement intégral des logements aux modications des paramètres économiques. Autrement dit, il ne prend pas en compte les rigidités des structures bâties. Cette première partie nous a donc permis d'avoir un aperçu des travaux actuels sur l'étalement urbain, que ce soit à travers des modèles opérationnels, les modèles LUTI, ou des modèles davantage tournés vers l'analyse théorique, les modèles issus de l'économie géographique. Or, notre travail consiste à étudier et si possible simuler l'étalement urbain sur l'Aire Urbaine de Lyon. La gure 3 nous indique clairement que la population de l'Aire Urbaine est davantage concentrée dans le centre de l'agglomération qu'en périphérie, ce que nous étudions dans la partie suivante. Dès lors, nous pouvons penser qu'un modèle monocentrique issu des fondements théoriques du modèle AMM est adapté à notre cadre de travail. Le modèle de reproduction des tendances d'étalement urbain ( de simulation. un modèle de type monocentrique qui a fait ses preuves dans le domaine de la donc le choix d'utiliser ce modèle, et nous essayons de l'utiliser en tant qu'outil Bussière est Bussière , 1972). Nous faisons Deuxième partie Présentation et calibrage du modèle de Bussière (1968-2006) sière, 1972) Dans un premier temps, nous présenterons le modèle de ainsi que les raisons qui nous ont poussés à faire ce choix, puis, Bussière (Bus- dans un second temps, nous mettrons à jour l'application de ce modèle sur L'aire Tabourin, Andan & Routhier Les formes de la croissance urbaine : le modèle de René Bussière appliqué à l'agglomération lyonnaise Urbaine de Lyon. En eet, un travail important a déjà été fourni par sur ce sujet dans Enn, nous étudierons et commenterons les résultats issus de cette analyse. , mais cette étude ne prend pas en compte les données aujourd'hui disponibles des recensements de 1999 et 2006. Nous proposons donc une mise à jour de cette étude. 1 Le modèle de Bussière (Bussière, 1972) Nous choisissons d'utiliser le modèle de met en évidence les deux phénomènes à l'÷uvre dans le processus d'étalement urbain. En eet, ce modèle rend compte d'une part de la croissance urbaine qui correspond à une double progression démographique et spatiale, et d'autre part, il montre bien que l'extension urbaine ne s'est pas faite par un simple phénomène de concrétion, c'est-à-dire un simple rajout de population aux franges du rayon Bussière dans notre étude, car il 20 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE urbain. C'est aussi l'intérieur du rayon qui s'est modié. De plus, ce modèle est un modèle monocentrique, et en observant la gure 3, on se rend compte que le modèle monocentrique semble particulièrement adapté à la description de l'agglomération lyonnaise. Ces deux raisons expliquent donc pourquoi nous choisissons d'utiliser le modèle de Bussière. Figure 3 Densité de population sur l'agglomération Lyonnaise en 2005 Le modèle développé par localisation néo-classique. Ce modèle reprend donc les hypothèses initiales sousjacentes à l'analyse néo-classique : situation de concurrence pure et parfaite de la théorie néo-classique (atomicité du marché, libre entrée et libre sortie du marché, homogénéité des produits, transparence de l'information et mobilité des facteurs) ; les agents économiques adoptent un comportement rationnel, c'est-à-dire qu'ils cherchent à maximiser leur fonction d'utilité sous contrainte de revenu. Viennent ensuite des hypothèses spéciques à l'analyse géographique : l'espace urbain est considéré comme posé sur une plaine où aucun emplacement n'est a priori meilleur qu'un autre. Chaque point de l'espace urbain peut donc être caractérisé par sa seule distance au centre ; les transports sont supposés possibles dans toutes les directions, c'est-à- Bussière s'inscrit dans la lignée des modèles de 21 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE dire que le coût de déplacement est strictement proportionnel à la distance au centre ; les emplois sont tous situés au centre de la ville. On peut distinguer une forme statique et une forme dynamique selon que le temps est intégré ou non dans la formulation. 1.1 Forme statique sieurs villes (Paris, Montréal, Toronto et Zürich) et constate que la forme de la courbe de répartition de la population est relativement semblable quelle que soit la ville : René Bussière étudie la répartition de la population dans l'espace de plu- Figure 4 Population cumulée à partir du centre de la ville A l'origine, la pente est nulle. Cette pente devient croissante jusqu'à un certain point d'inexion partir de là, la forme d'exponentielle négative ( René Bussière ri , puis décroît ensuite mais reste positive ou nulle. A va raisonner en termes de densité exprimée sous c'est-à-dire en considérant la population comprise dans un rayon Clark , 1951) puis de population cumulée, r de distance au centre. L'équation choisie pour caractériser la densité est la suivante : D(r) = A exp(-br) où D(r) est la densité résidentielle à une distance r du centre, résidentielle extrapolée au centre de l'agglomération (D(0) coecient exponentiel de décroissance. Le paramètre de à une distance A la densité = A ) et exp(-br) un distance r correspond donc ici une approximation du coût généralisé qui est supporté par les habitants r du centre. De là, nous pouvons déduire la fonction de population cumulée, notée P (r) : 22 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE P (r) = 2 r D(r).r.dr 0 L'équation représentative de la fonction de population cumulée est donc de la forme suivante : 2A [1 - (1 + br) exp(-br)] b2 La population totale de l'agglomération N peut aisément être déduite en faisant tendre r vers l'inni : P (r) = P (r) = r+ Les paramètres 2A b2 A et b vont caractériser les villes. Ce seront les paramètres calibrés dans notre modèle. La forme de la fonction retenue implique trois conséquences majeures : P (r) r = 2Ar exp(-br) donc P (0) 0 =0 La pente à l'origine est nulle. Cela équivaut à dire que la croissance de la population est quasi-nulle au centre de la ville. r+ lim dP (r) dr = lim 1 r+ exp(-br) =0 La pente est nulle à l'inni, autrement dit, la population de l'agglomération est nie et la fonction de population cumulée stagne à partir d'un certain point qui sera considéré comme la frontière de l'agglomération. 2 P (r) r 2 = 2rA(1 - br) exp(-br) si r= 1 b Le point d'inexion de la courbe est situé en 1/b. Avant ce point, la vitesse d'augmentation de la population est une fonction croissante de la distance au centre, au-delà elle en est une fonction décroissante. 1.2 Forme dynamique Après avoir eectué un raisonnement en statique, sance urbaine. prend une analyse dynamique an de mettre en évidence une logique de crois- René Bussière entre- Observation La gure suivante représente la population cumulée de Paris au début du siècle et en 1968 : 23 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure à Paris 5 Évolution de la population cumulée dans le temps et dans l'espace On peut observer une diminution de la population au centre de l'agglomération puis une augmentation de la population au-delà d'un certain point. Il y a ici une double progression de la croissance urbaine : croissance de la population et extension spatiale. De plus, cette croissance a aussi modié l'intérieur du rayon. Pour apprécier cette évolution, il vaut mieux raisonner en termes de densité radiale. Eectivement, la densité supercielle ne permet pas ici de localiser le point d'inexion de la courbe de population cumulée. Cette densité radiale représente le nombre d'habitants par unité de distance radiale. Elle se dénit comme étant la dérivée de la fonction de population cumulée par rapport à la distance : 1/b, G(r) = dP (r) = 2Ar exp(-br) = 2rD(r) dr La représentation graphique de cette fonction est de la forme suivante : 24 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 6 Densité radiale Ici, 600000 personnes habitent à une distance 1/b du centre. Ce point est aussi le point d'inexion de la courbe de population cumulée. Si grand nombre d'habitants. L'évolution de 1/b permet de déterminer de manière dynamique la répartition de la population, et donc les demandes de construction de logements. Elle met en évidence le principe de croissance par vagues de l'agglomération. b diminue, 1/b augmente et il y a un éloignement du centre de l'espace qui contient le plus 25 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure radiales 7 La croissance par vague d'une agglomération à partir des densités totale cumulée : René Bussière introduit donc le temps dans une équation de population P (r, t) = 2A(t) [1 - (1 + b(t).r) exp(-b(t).r)] b(t)2 A(t) = + .b(t) t, entre l'a fait pour Paris entre 1911 et 1968, alors il pour pouvoir calculer Si l'on est capable de déterminer une relation linéaire A et b comme sura d'estimer la répartition résidentielle de la population à une date déterminée. René Bussière N (t), la population totale à l'instant 1.3 Forme amendée La formulation originale de paramètre K. Cette introduction améliore sensiblement les estimations pro, 1996) : duites et donc la validité du modèle ( Bussière Bonnafous & Tabourin a été amendée par l'introduction d'un P (r) = Le paramètre 2A [1 - (1 + br) exp(-br)] + K.r b2 K est en lien étroit avec les eets des infrastructures de trans- port qui modient l'accessibilité des communes en fonction de leur rattachement éventuel à un réseau de communication. 26 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Par souci d'exhaustivité, notons ici que le paramètre bande radiale : K peut renvoyer à des bandes radiales. Pour l'estimer, il est donc possible donc découper l'espace en Figure 8 Exemple de découpage en secteur de la ville ( Hoyt , 1939) Cet amendement permet une meilleure prise en compte des réalités des congurations urbaines, surtout si l'on raisonne en distance à vol d'oiseau. En eet, sa pertinence est plus discutable si l'on utilise d'autres variables qui tiennent compte des eets des infrastructures. C'est pourquoi nous n'utiliserons pas le découpage en bandes radiales. 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 Notre travail consiste donc à évaluer les coecients A, b et K pour chacune des années que nous voulons prendre en compte. 2.1 Périmètre d'études et bases de données Avant de commencer notre étude, il est important de spécier dans quel cadre nous nous situons et quelles données nous utilisons. 27 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE L'Aire Urbaine de Lyon Notre périmètre d'études est l'Aire Urbaine de Lyon. En eet, notre travail s'insère dans la problématique générale générale de SIMBAD, le modèle LUTI développé au sein du LET par Lyon. De plus, selon l'Insee, une aire urbaine est un ensemble de communes, d'un spéciquement à simuler les évolutions qui interviennent dans l'Aire Urbaine de Nicolas & al.(2009), or ce modèle s'attache seul tenant et sans enclave, constitué par un pôle urbain, et par des communes rurales ou unités urbaines (couronne périurbaine) dont au moins 40 % de la population résidente ayant un emploi travaille dans le pôle ou dans des communes attirées par celui-ci. La dénition d'une Aire Urbaine repose donc en grande partie sur des déplacements quotidiens ayant pour motif le travail. Cette dénition est tout à fait en accord avec notre étude, puisque nous avons vu que dans le modèle de distance au centre qui regroupe tous les emplois. Le fait d'élargir notre étude à l'Aire Urbaine de Lyon nous permet donc d'être au plus proche des hypothèses de base du modèle de Bussière , la localisation des ménages se faisait par rapport à la Bussière . L'Aire Urbaine de Lyon, dénie par l'Insee en 1999, regroupe 296 communes réparties dans quatre départements : le Rhône (169 communes), l'Ain (65 communes), l'Isère (60 communes) et la Loire (2 communes). Elle comporte 1 758 512 habitants en 2008 (données Insee), ce qui en fait la deuxième aire urbaine de France, après celle de Paris. 28 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 9 Aire Urbaine de Lyon, source : Opale 2006 L'étendue temporelle de l'étude et les bases de données utilisées L'étendue temporelle de l'étude est intimement liée avec les bases de données disponibles. En eet, dans l'idéal, nous souhaiterions remonter aussi loin que possible dans le temps en utilisant des données très nes. Malheureusement, notre travail est bien souvent contraint par la qualité et la disponibilité des bases de données. L'Insee a produit une base de données très complète : Données harmonisées des recensements de la population 1968-2006. Comme son nom l'indique, cette base de données regroupe les recensements allant de 1968 à 2006, c'est-à-dire 1968, 1975, 1982, 1990, 1999 et 2006. Cette base de données est tout à fait opérationnelle du fait de mesures d'harmonisation mises en place par l'Insee. Elle nous permet de connaître la population de chaque commune ou arrondissement l'année spéciée. Notre étude caractérisera donc l'évolution de la population de l'Aire Urbaine de Lyon sur la période 1968-2006. Notons que pour les années 1990, 1999 et 2006, des données plus nes sont disponibles. En eet, pour ces années-là, nous pouvons utiliser le découpage dit à l'IRIS (Ilots Regroupés pour des Indicateurs Statistiques), c'est-à-dire le découpage en espaces homogènes quant au type d'habitat et dont les limites s'appuient sur les grandes coupures du tissu urbain (voies principales, voies fer- 29 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rées, cours d'eau. . . ). Ces données beaucoup plus nes nous permettent d'avoir une estimation de meilleure qualité. Ainsi, 777 IRIS sont recensés dans l'Aire Urbaine de Lyon. Il est donc intéressant de les utiliser si nous en avons l'opportunité. 2.2 Les choix méthodologiques Avant toutes choses, nous devons déterminer la position du centre. En eet, ce choix aura une inuence certaine sur le reste de l'analyse. Pour cela, nous nous référons à l'étude menée par Selon eux, le centre de l'agglomération lyonnaise peut être xé à la Préfecture du Rhône. En eet, d'après eux, la Préfecture du Rhône est le centre qui se Tabourin, Andan & Routhier en 1995. rapproche le plus du barycentre moyen assurant le meilleur consensus entre nos diverses années et variables. Ainsi, notre centre sera le troisième arrondissement lorsque nous raisonnerons avec les données communales, et l'IRIS Préfecture lorsque nous utiliserons les données IRIS. Nous choisissons d'utiliser le modèle sous sa forme amendée. En eet, les estimations produites sont, dans le cadre de notre étude, TOUJOURS meilleures que celles issues du modèle dans sa forme simple. An d'estimer les coecients, nous utiliserons la méthode de régression non linéaire. Les distances reliant les diérentes communes ou IRIS au centre de l'Aire Urbaine de Lyon sont calculées de centroïde de zone à centroïde de zone. Ainsi, toute la population de la zone est aectée à un centroïde, et elle se déplace à partir de cet unique point. Enn, il peut être utile d'utiliser des pas de distance pour regrouper les données communales. En eet, lorsque nous utilisons ces données, nous avons beaucoup plus de points lorsque l'on est proche du centre, et la densité de communes diminue au fur et à mesure que l'on s'éloigne du centre. Étant donné que nous utilisons une méthode de régression, le nombre de points inue directement sur la somme des diérences au carré (SSR) à minimiser. Si l'on choisit de conserver un nombre de points plus importants aux alentours du centre, la méthode de régression produira une estimation qui privilégiera la qualité de la régression aux alentours du centre et au détriment de la périphérie. Pour éviter ce biais, nous regroupons les données communales par pas de 500 mètres de distance. En revanche, lorsque nous travaillerons avec des données à l'IRIS, nous n'eectuerons pas de regroupement par zone. En eet, le zonage à l'IRIS nous permet d'avoir une base de données quasi-continue. De plus, le zonage à l'IRIS prend en compte la population et, selon la dénition originale, chaque IRIS faisait référence à la taille visée de 2 000 habitants par maille élémen- taire (source : INSEE). Dès lors, nous n'eectuerons pas de regroupement pas à pas. 30 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 10 Pas de distance de 500 mètres Modèles de régression non-linéaire (Davidson & Mackinnon, 1993) Alors que les modèles de régression linéaire peuvent être estimé par OLS (Ordinary Least Squares), les modèles de régression non linéaire peuvent être estimés par NLS (Non-linear Least Square). Dans cette brève présentation, nous porterons notre attention sur les modèles univariés, c'est-à-dire les modèles dans lesquels il n'existe qu'une seule variable dépendante. En eet, le modèle de sière est un modèle univarié et les modèles multivariés sont beaucoup plus dif- Bus- ciles à traiter. Soit un modèle de régression linéaire univarié sous sa forme générique : yt = xt () + ut, Où ut IID(0, 2 ), t t = 1, ..., n un vecteur à k xt () est une fonction yt représente l'observation de la variable dépendante et composantes de paramètres inconnus. La fonction scalaire de régression non linéaire. Le moyen de loin le plus répandu (et que nous utiliserons) d'estimer les modèles de régression non linéaire consiste à minimiser la somme des résidus au carré, ou SSR (Sum of Squared Residuals) en fonction de : SSR() = t=1,...,n (yt - xt ()) . 2 31 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE En dérivant cette expression par rapport à toutes les composantes du vecteur à k éléments, et en annulant toutes les dérivées partielles, nous obtenons les conditions du premier ordre qui doivent être vériées pour toute estimation NLS du vecteur qui correspond à un minimum intérieur de SSR(). Figure 11 Une fonction de somme de carrés La diérence entre les cas linéaires et non linéaires réside dans le fait que dans les cas non linéaire, il peut exister plusieurs valeurs de qui vérient la condition de premier ordre et qui correspondent à des minima locaux, des points stationnaires et même des maxima locaux. Ceci est illustré dans la gure 11 pour le cas où il n'y a qu'un seul paramètre global se situe en . Sur la gure, le minimum , mais apparaissent également un autre minimum local en , un maximum local en ", et un point stationnaire en . Aucun algorithme de minimisation ecace ne s'arrêtera sur un maximum local ou un point stationnaire , parce qu'il est aisé de vérier que les conditions du second ordre ne seraient pas satisfaites à de tels points. Mais un algorithme pourra ne pas déceler un minimum global et s'arrêter à un minimum local. En se basant uniquement sur des informations locales, aucun algorithme ne distingue un minimum local comme d'un minimum global comme . Dans le but de trouver le minimum global, il est donc nécessaire de minimiser Dans notre exemple, un algorithme ecace est capable de trouver s'il débute à partir d'un point quelconque situé à gauche de SSR() un certain nombre de fois, en débutant par une variété de départs diérents. seulement ". An de mener à bien ces diérentes estimations, nous utilisons la fonction de régression non linéaire du logiciel Stata®. 32 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 3 Estimations et Analyses Nous allons eectuer deux estimations. En eet, pour les recensements de 1968 à 2006, nous disposons de données à l'échelle de la commune. Cette étude est intéressante car elle nous permet de mener une approche historique à long terme. Puis nous utiliserons les données à l'IRIS, plus nes et plus précises, mais seulement disponibles pour les recensements des années 1990, 1999 et 2006. Ces données nous orent la possibilité de mener une étude davantage localisée, pour laquelle une approche cartographique à l'échelle de l'IRIS est possible. 3.1 Utilisation des données communales Résultats des estimations Pour les recensements des années 1968, 1975, 1982, 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 1 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, Recensements Généraux de Populations coe. A b K R² 1968 27966 0,42 7697 0,9996 1975 21611 0,35 8238 0,9996 1982 17977 0,32 10215 0,9996 1990 16769 0,31 12719 0,9996 1999 17179 0,31 15248 0,9995 2006 18503 0,32 17050 0,9995 Bussière sous sa forme Comme nous le montre la grande qualité des R², les estimations sont de bonne qualité : le modèle estimé reproduit dèlement les données. Pour une meilleure appréciation des résultats, nous allons les présenter sous une forme graphique. Ainsi, nous allons exhiber les résultats de l'estimation pour l'année 2006. Nous ne le ferons que pour cette année, car les remarques importantes sont généralisables à l'ensemble des années : 33 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 12 Populations cumulées observée et estimée par le modèle de sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 - données communales, RGP On constate donc que la courbe représentant la population estimée est assez proche de celle représentant la population observée. Cependant, nous pouvons noter une sous-estimation de la population dans la zone la plus proche du centre (0-5 km), une sur-estimation de la population pour le rayon de 12,5km à 22,5 km, une sous-estimation jusqu'à 35 km puis une sur-estimation jusqu'à la frontière l'Aire Urbaine. Nous pouvons trouver des explications à ces légères approximations. Tout d'abord, la forme même du modèle de Bussière amène une sous-estimation des populations proches du centre. L'amendement apporté ne permet pas de corriger ce défaut. L'écart observé après 35 km est expliqué par le choix de l'espace étudié. En eet, en choisissant d'étudier uniquement les communes appartenant l'Aire Urbaine de Lyon, notre base de données ne recouvre pas un disque plein. Nous excluons du champ d'études d'importants centres secondaires comme Vienne, Bourgoin ou Villefranche sur Saône. Cela explique pourquoi la population cumulée observée cesse de croître après 35 km. Nous devons donc faire attention aux conclusions que l'on tire de ce modèle. Approche historique Notre objectif étant d'utiliser le modèle de Bussière pour mener des études prospectives, il est important de mettre en place une approche historique pour d'une part étudier l'évolution de la population de l'Aire Urbaine de Lyon sur le long terme, d'autre part observer l'évolution des coecients dans le temps. 34 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, RGP Figure 13 Populations cumulées estimées par le modèle de Bussière sous D'un point de vue général, on note une augmentation continue de la population totale résidant dans l'Aire Urbaine de Lyon entre 1968 et 2006. Ainsi, la valeur nale de chaque année est toujours supérieure à celle de l'année précédente. Cependant, cette augmentation de la population n'est pas régulière : les densités de population n'ont pas suivi les mêmes évolutions selon la distance au centre. Ainsi, le niveau de la courbe représentant la population cumulée estimée pour l'année 2006 est inférieur aux niveaux d'autres courbes dans un rayon inférieur à 7 km. Cela voudrait dire que dans un rayon de 7 km à partir du centre, la population a diminué. Pour étudier cela de plus près, nous avons recours à la notion de probabilité de densité radiale de la population. Cette probabilité de distance radiale se dénit comme étant la probabilité qu'un habitant réside à une distance r du centre, par unité de distance radiale. Elle est la dérivée de la fonction de population cumulée par rapport à la distance, ramenée à la population totale estimée. L'abaissement dans le temps du point maximum de la courbe traduit la diminution de la concentration. Comme nous raisonnons en termes de probabilité, l'eet croissance est entièrement gommé ; et seuls les eets de l'étalement urbain et de déconcentration ressortent. 35 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 14 Probabilité de densité radiale par pas de distance de 500 mètres On s'aperçoit que la probabilité d'habiter dans le centre diminue fortement dans le temps. On peut donc conclure qu'il y a, relativement à la population totale, un eet certain de déconcentration de la population. De plus, en 2006, les probabilités d'habiter à une distance radiale r du centre sont inférieures à celles de 1968 jusqu'à environ 7 kilomètres du centre. On assiste donc clairement à un phénomène d'étalement urbain. Cependant, il semble que la tendance se soit légèrement inversée entre 1999 et 2006. Ainsi, les probabilités d'habiter dans les zones les plus proches du centre sont légèrement plus élevées pour l'année 2006 que pour l'année 1999. Si l'on ne peut pas dire que l'on assiste à un véritable retournement de la tendance, le constat nous interpelle assez pour pousser plus loin notre analyse. En eet, pour assurer une meilleure visibilité, nous n'avons sélectionné que trois années parmi les six disponibles. An d'approfondir l'analyse, il est important de caractériser l'évolution des trois coecients de notre modèle : 36 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de A(t) Figure 15 Évolution de A(t) dans le temps Le paramètre A correspond à la densité extrapolée au centre de l'agglomé- ration ; en eet, lorsque r = 0, D(0) = A. Lorsque A diminue, cela signie que la quantité observée de population au centre diminue. Pour l'Aire Urbaine de Lyon, nous pouvons observer une diminution de A entre 1968 et 1990, puis une stagnation voire une légère augmentation entre 1990 et 2006. Le centre de Lyon a donc connu une phase de déconcentration jusqu'au début des années 1990, puis une phase de reconcentration depuis. Ce retournement peut être expliqué par les mesures mises en place an de requalier le centre de l'agglomération sur le plan de l'urbanisme (construction de la gare de la Part-Dieu et lancement de la Cité Internationale et du Palais des Congrès sous les mandats de du maire litation de la halle Tony Garnier au début des années 1990 sous l'impulsion de ce centre avec la mise en place d'un réseau de transports en commun dense (construction des 4 lignes de métro entre 1978 et 1991...), et par une sécurisation de certains quartiers (Gerland, Part-Dieu, Vaise, Saint-Rambert...). Cependant, au-delà des raisons techniques, cette augmentation de la population doit être mise en contexte avec l'augmentation de la population du centre-ville de toutes les villes européennes. Francisque Collomb (1976-1989), réhabi- Michel Noir ...), d'augmenter l'accessibilité depuis et en direction 37 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de b(t) Figure 16 Évolution de b(t) dans le temps La diminution du paramètre b signie que l'agglomération gagne en popula- tion sur ses limites extérieures, et que de ce fait la densité résidentielle décroît moins rapidement que par le passé tout au long du rayon de la ville. Ainsi, 1/b représente le point d'inexion de la courbe des densités radiales. Avant ce point, la densité radiale augmente et après ce point elle diminue. Sur l'Aire Urbaine de Lyon, si b diminue entre 1968 et 1990 pour stagner entre 1990 et 2006. Ainsi, A représente la densité de population au centre, le paramètre b représente en quelques sortes la vitesse de l'étalement urbain, sa puissance. Il y a donc eu un phénomène d'étalement urbain sur l'Aire Urbaine de Lyon entre 1968 et 1990, puis cet étalement a ralenti. Il semble même que nous pouvons observer une légère augmentation de b entre 1999 et 2006, ce qui signierait que nous sommes en présence de concentration urbaine. 38 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de K(t) Figure 17 Évolution de K(t) dans le temps Selon les concepteurs du modèle, la composante linéaire du modèle, K r, renvoie à l'apparition de bandes radiales de plus en plus marquées, qui s'ajoutent à l'étalement formalisé par le modèle de Bussière dans sa forme originale. Ces bandes radiales se présentent comme des routes urbaines insensibles à la distance au centre et donc, comme une esquisse de nouvelles formes urbaines ( & Bonnafous, 1998). phérie. Tabourin K Ainsi, nous pouvons interpréter l'augmentation continue du coecient entre 1968 et 2006 comme une densication du réseau routier urbain en péri- 3.2 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 Après avoir utilisé les données communales, il est intéressant de poursuivre notre étude en utilisant des données à l'IRIS. Ainsi, notre objectif sera ici d'étudier les densités de population et de mettre en place une représentation cartographique an de voir si une démarche prospective spatialisée est envisageable. 39 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Résultats des estimations Table 2 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1990 et 2006 - données à l'IRIS, RGP coe. A b K R² 1990 18371 0,33 14767 0,9997 1999 19771 0,35 17938 0,9995 2006 21516 0,36 19895 0,9995 Bussière sous sa forme Encore une fois, les estimations produites sont de très bonne qualité, comme en témoignent les valeurs des diérents R² toutes proches de 1. Comme précédemment, nous observons une croissance de centre, une stagnation de A synonyme de redensication du b exprimant un ralentissement voire un arrêt de l'éta- lement urbain et enn une augmentation de K, qui représente une densication des périphéries expliquée par une amélioration des infrastructures de transport radiales. Ces résultats peuvent ici aussi être représentés par des graphiques : Figure 18 Populations cumulées réelles sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP 40 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP Figure 19 Populations cumulées estimées par le modèle de Bussière sous Approche cartographique Nous allons procéder à cette approche cartographique en utilisant des cartes de densité de population sur l'Aire Urbaine de Lyon. Pour cela, nous allons comparer les densités observées en 1990, 1999 et 2006 par IRIS avec les densités obtenue en utilisant les estimations des paramètres obtenues précédemment. Nous devons donc revenir à la fonction de densité : D(r) = A exp(-b r) + Nous obtenons les résultats suivants : K 2r 41 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 20 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1990 42 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 21 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1999 43 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 22 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 L'étalement urbain réel apparaît assez bien lorsqu'on l'on observe ces cartes. Ainsi, la tendance est à la densication des IRIS situés entre le centre et la périphérie lointaine. Cependant, cette tendance n'est pas très marquée. Ce n'est pas surprenant lorsque l'on se réfère à l'évolution du coecient b étudiée précédemment. L'étalement urbain connaît un net ralentissement voire une inversion de tendance durant la période étudiée. Globalement, nos estimations rendent assez bien la tendance observée. Ainsi, le phénomène d'étalement urbain est davantage prononcé entre 1990 et 1999 qu'entre 1999 et 2006. Cependant, notre production est limitée par la variable choisie, la distance au centre. Ainsi, nous pouvons comparer les résultats obtenus 44 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE avec les densités de population observées sur la gure suivante : Figure 23 Densité de population observée sur l'Aire Urbaine de Lyon en 2006 En eet, il existe des IRIS possédant une forte densité et éloignés du centre. Ainsi, nous pouvons distinguer deux bandes radiales partant du centre et orientées l'une vers le sud-ouest et l'autre vers le sud-est. Ces densités élevées correspondent respectivement aux villes de Givors et de L'Isle d'Abeau. Pour notre modèle, ces IRIS ne sont pas distincts d'IRIS situés à une même distance du centre de Lyon. Dès lors, il ne permet pas de mener une étude prospective localisée. 45 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Nous avons vu que notre modèle reproduisait mal les niveaux de densité observés. Cependant, il peut être intéressant de s'intéresser à la reproduction des variations de densité estimées entre chacun des recensements. En eet, si notre modèle reproduit assez bien les variations de densité, alors nous sommes en mesure de penser qu'il a une portée prédictive grande. Il sura simplement d'intégrer de façon exogène la densité de population à l'année résultats convenables à l'année 0 pour avoir des n. Figure 24 Variations de densités de population observées et estimées par le modèle de Bussière sous sa forme amendée Si notre modèle avait été parfait, tous les points auraient été confondus avec la première bissectrice, et ce n'est pas le cas. Cependant, le nuage de points semble formé autour de la bissectrice, ce qui pourrait être le signe d'une bonne qualité de reproduction. Il faut faire atention aux échelles des axes. Ainsi, des points nous semblent proches de l'axe alors qu'ils correspondent en fait à des variations observées de 30% et des variations estilées de 5%. De plus, bon nombre de variations observées sont négatives, ce qui correspond à une décroissance de la population de certains IRIS sur la période considérée. Très clairement, notre modèle ne simule aucune variation négative de la population. Ceci n'est pas surprenant car si la population a diminué sur une partie du cercle situé à un 46 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rayon r du centre, elle a pu augmenter sur les autres parties du cercle. Empiriquement, on a pu constater une baisse de la population dans certaines communes de la périphérie Est de Lyon (Bron, Vaulx-en-Velin, Décines...), mais cette baisse a été plus que contre-balancée par l'augmentation de la population observée dans des communes situées à une égale distance du centre de l'Aire Urbaine mais dans la périphérie Ouest de Lyon (Saint-Genis-Laval, Sainte-Foyles-Lyons, Tassin-la-Demi-Lune...). Cette incapacité à reproduire les baisses de population est une limite évidente à la portée prédictive spatialisée de notre modèle. Dès lors, pour être en mesure de mener une étude prospective localisée, nous devons explorer d'autres voies qui nous permettront de distinguer les IRIS autrement que par leur distance au centre. En eet, cette variable ne prend pas en compte les diérents niveaux d'infrastructures existants (autoroutes, nationales, routes départementales...), ni les diérences d'attractivité entre chaque IRIS, qui sont pourtant fondamentales dans le choix de localisation des ménages. Nous allons donc tenter de remédier à ces insusances. Troisième partie Développement de ce modèle L'objet de cette troisième partie est de présenter les diérents développements que nous avons apportés au modèle an d'améliorer sa portée prospective. Le point de départ de ces analyses a été la volonté d'essayer de travailler avec des variables qui, à la diérence de la distance au centre, permettent de distinguer les IRIS autrement que par leur position géographique. Nous avons donc choisi d'utiliser comme variable d'abord les temps de trajet généralisés pour aller d'un centroïde de zone au centre de l'Aire Urbaine, puis l'accessibilité gravitaire. L'utilisation des temps généralisés permet de nous aranchir de l'hypothèse selon laquelle l'espace urbain est posé sur une plaine uniforme, et l'utilisation de l'accessibilité gravitaire qui prend en compte les emplois situés dans chaque IRIS relâche l'hypothèse de monocentrisme des emplois. 1 Utilisation des temps de trajet Notre première idée a été de considérer les temps de trajet au centre. Ainsi, cela nous permet de prendre en compte les infrastructures de transport existantes. En eet, on peut penser que lorsqu'un ménage décide de sa future localisation, il pense moins à la distance qui le sépare de son lieu de travail qu'au temps qu'il lui faudra pour s'y rendre à l'heure de pointe. 47 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.1 Méthodologie Nous choisissons donc d'utiliser des temps de trajet en lieu et place des distances au centre. En eet, nous éliminons ainsi la contrainte géographique qui limitait notre ambition de mener une approche prospective. Notre postulat de base est trivial : les ménages choisissent leur localisation en fonction du temps mis pour se rendre sur leur lieu de travail. Nous utilisons donc comme variable le temps de trajet pour aller du centroïde de la zone au centre de l'Aire Urbaine de Lyon, la Préfecture, durant l'heure de pointe. Ainsi nous respectons l'hypothèse de monocentricité des emplois propre au modèle de Ce développement devrait nous permettre de distinguer les grands axes d'infrastructures (autoroutes, nationales) qui rapprochent du centre les IRIS proches de ces axes, et de mener une étude prospective à l'échelle de l'IRIS. La fonction de densité à la base du modèle reste la même que celle formulée par eet, l'amendement proposé renvoie à des routes urbaines radiales. Or, les temps de trajet sont fonction du réseau routier existant, et l'ajout d'une composante linéaire nous conduirait à prendre en compte deux fois la même information. La fonction de densité de population habitant à un temps suivante : Bussière . Bussière . Nous n'avons pas recours à la forme amendée du modèle. En v du centre est donc la D(v) = A exp(-bv) ce qui nous donne la fonction de population cumulée : P (v) = 2A [1 - (1 + bv) exp(-bv)] b2 b), Étant donné que nous n'avons ici que deux coecients à estimer (A et comme l'a fait peut-être pourrons-nous proposer une formulation de l'un en fonction de l'autre Bussière pour l'agglomération parisienne entre 1911 et 1968. Données Nous n'utiliserons que les temps de transport en Voiture Personnelle (VP) et nous ne prendrons pas en compte les temps de transport des Transports en Commun (TC) ni ceux des modes doux (marche, vélo...). En eet, les déplacements VP représentent la plus grande part des déplacements journaliers domicile-travail (65,8%) ( Aguilera Mignot & , (2002)). Table 3 Répartition modale des déplacements domicile-travail dans l'Aire Urbaine de Lyon en 1999 (données RGP 1999) Sans mode 3,6 Marche 8,1 2 roues 1,8 VP 65,8 TC 12,8 Plusieurs modes 7,9 total 100 48 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Nous utilisons donc les temps de transport VP pour aller de chaque centroïde d'IRIS au centre de l'agglomération (centroïde d'IRIS Préfecture) à l'heure de pointe. Ces données sont disponibles grâce au travail fourni par Cabrera-Delgado , qui a reconstitué les réseaux routiers de l'Aire Urbaine Jorge de Lyon pour les années 1985, 1995, 1999 et 2006 en codant les réseaux de référence. Il a ensuite chargé les réseaux avec les matrices O-D reconstituées. Nous nous intéressons aux années 1990, 1999 et 2006 qui correspondent aux années des recensements à l'IRIS. An d'avoir les données des temps de trajet pour l'année 1990, nous avons fait la moyenne des temps de trajet 1985 et 1995. 1.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 4 Résultats des estimations du modèle de de Lyon entre 1990 et 2006 en fonction du temps de trajet au centre - données à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 7149 0,17 0,9997 1999 6706 0,16 0,9998 2006 8358 0,17 0,9997 Bussière à l'Aire Urbaine La qualité des estimations est encore une fois de premier ordre. Les R² sont quasiment égaux à 1. An d'analyser au mieux ces estimations, nous proposons d'exhiber la courbe de population cumulée pour l'année 2006, puis de mener une approche historique en comparant les trois années et en menant une étude de l'évolution des coecients. En eet, nous devons voir s'il est possible de détecter une relation entre A et b qui nous permettrait de mener une étude prospective. Nous présentons seulement la fonction de population cumulée pour l'année 2006 car l'analyse à faire est la même pour les trois années des recensements. 49 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 25 Populations cumulées observées et estimées par le modèle de selon le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD La courbe représentant la population cumulée estimée reproduit bien la population cumulée réelle. Nous pouvons cependant noter une légère surestimation de 0 à 15 unités soit 30 minutes. De plus, à la diérence de la population cumulée observée qui stagne pour plus d'une heure de trajet, notre courbe de population cumulée estimée est toujours croissante. Comme précédemment, ceci est dû à la forme de la fonction choisie et à notre zonage d'études choisi. 50 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 26 Populations cumulées estimées par le modèle de le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon La population a augmenté continuellement sur l'Aire Urbaine de Lyon entre 1990 et 2006, comme nous pouvons le voir en examinant les points les plus à droite des courbes. Cependant, ces évolutions sont diérenciés. Ainsi, entre 1990 et 1999, la population augmente, mais cette augmentation ne se fait que pour les IRIS situés à plus d'une demi-heure de transport du centre. L'interprétation n'est pas aisée, car il nous est dicile de distinguer l'eet temps de l'eet démographique. En eet, les IRIS ne sont pas stables sur l'axe des abscisses à travers le temps. L'augmentation observée est donc dû bien sûr à un phénomène d'étalement urbain, mais il est aussi possible que l'amélioration ou la création de certaines infrastructures ait rapproché certains IRIS du centre en termes de temps de trajet, ce qui bien sûr augmente la densité de population à un temps de trajet donné du centre. En revanche, entre 1999 et 2006, l'augmentation de la population est visible à partir de 10 minutes de trajet du centre (5 unités), et nous remarquons que l'écart entre les deux courbes diminue après 50 minutes (25 unités). Nous ne pouvons pas considérer que cela est entièrement dû à un repositionnement des IRIS dans l'espace-temps puisque nous n'avons pas observé une amélioration aussi signicative des infrastructures sur cette période. Dès lors, nous pouvons considérer qu'un phénomène de redensication urbaine apparaît. 51 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution des coecients Dans l'étude menée par les coecients tion de Paris, la dimension prospective repose sur la détection du relation entre Bussière sur l'étalement urbain dans l'aggloméra- A et b, exprimée sous la forme A(t) = + b(t). En eet, si une telle relation existe, alors il sut de déterminer la population totale de l'agglomération à l'instant t, N (t) = Est-ce le cas dans notre étude ? 2A b² , pour pouvoir simuler l'étalement urbain. Figure 27 Évolution de A et b dans le temps (temps transport) En observant la gure 27, il ressort une évolution assez complexe de l'étalement urbain depuis 1990. En eet, comme convenu, A augmente sur la période 1990-2006, ce qui correspond à la redensication du centre observée. Notons que cette redensication s'est accéléré depuis 1999. L'évolution de b est stable, ce coecient varie entre 0,16 et 0,17. Cette stabilité est conforme au phénomène de ralentissement de l'étalement urbain observé sur l'Aire Urbaine de Lyon depuis 1990. L'évolution urbaine avant 1990 suivait un schéma assez simple de baisse de population dans le centre couplé à un étalement urbain croissant. Dès lors, l'évolution des coecients A et b est assez facile à interpréter durant cette période. Depuis 1990 en revanche, plusieurs tendances s'arontent : une redensication du centre résultant de politiques urbaines de requalication du centre de Lyon, et un étalement urbain toujours présent correspondant au besoin d'espace et de confort de vie des ménages. L'évolution des coecients est donc dicile à interpréter, mais nous pouvons quand même distinguer de grandes tendances représentatives de l'évolution urbaine de Lyon. Il s'agit maintenant de nous atttacher à produire une étude localisée an de tester la capacité prospective spatialisée de notre modèle. 52 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.3 Approche cartographique à l'IRIS L'approche cartographique est intéressante car elle nous permet de visualiser les résultats de notre étude de façon localisée. Pour cela, nous reprenons la fonction de densité utilisée précédemment : D(v) = A exp(-b v) + Les cartes obtenues sont les suivantes : K 2v Figure 28 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 1990 53 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 29 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 54 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 30 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 L'utilisation des temps de trajet au centre en lieu et place des distances au centre nous permet d'obtenir des cartes moins marquées par la forme circulaire du modèle monocentrique. Ainsi, nous pouvons voir l'inuence de la construction de nouvelles infrastructures, notamment à travers l'amélioration de la capacité de circulation de l'A450, qui dessert les communes du sud-ouest lyonnais. De même, les baisses de densité de population des IRIS dans la périphérie est de l'Aire Urbaine de Lyon correspondent à une dégradation des temps de trajet causée par la congestion pendulaire sur les axes pénétrants le centre de Lyon (A42 et A43). 55 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Si nous comparons ces cartes avec celles représentant les densités observées (cf ci dessus et en annexes), nous pouvons voir que les densités estimées ne correspondent pas toujours aux densités observées. Dès lors, il est intéressant de voir si malgré le fait que nous ne soyons pas en capacité de reproduire les valeurs des densités, nous pouvons tout de même reproduire les évolutions de la densité des IRIS. Pour cela, étudions la gure suivante : Figure 31 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation du temps de trajet au centre La majorité des points est située dans les quarts haut-droite et bas-gauche du graphique. Dans ces parties du graphique, le modèle reproduit les bons sens de variation de densité de population. Cependant, de nombreux points sont assez éloignés de la bissectrice, ce qui remet en cause la qualité du modèle. Enn, notons l'existence de nombreux points aberrants qui inrment davantage la qualité du modèle. Si l'on compare les deux périodes, on remarque que les variations de densité estimées entre 1990 et 1990 sont beaucoup plus souvent négatives que celles estimées entre 1999 et 2006 et que c'est pour la première période que nous reproduisons le mieux les variations des densités de population. Notre modèle restitue donc très grossièrement les évolutions des densités, et il semble que la 56 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE qualité de restitution nous empêche de le considérer en l'état comme un outil de prospective localisée able. L'utilisation des temps généralisés en lieu et place de la distance au centre améliore le modèle car cela nous permet de relâcher une hypothèse contraignante. Cependant, si les résultats obtenus permettent d'apprécier l'évolution de la ville, ils ne permettent pas en l'état une approche prospective localisée. C'est pourquoi nous allons essayer de relâcher l'hypothèse de moncentrisme des emplois. 2 Utilisation de l'accessibilité gravitaire L'utilisation de temps généralisés en lieu et place de la distance au centre nous a donc permis de nous aranchir de l'hypothèse d'homogénéité de la surface. Nous allons maintenant utiliser la notion d'accessibilité gravitaire pour relâcher l'hypothèse de monocentrisme des emplois. 2.1 Méthodologie En eet, la notion d'accessibilité gravitaire ( grer dans notre modèle le nombre d'emplois existant dans chaque IRIS. La mesure gravitaire établit une relation entre l'utilité d'une destination, ici le nombre d'emplois à destination, et le coût généralisé de déplacement. Cette mesure peut être exprimée de la manière suivante : Hansen , 1959) permet d'inté- Wi = j où Oj f (Cij ) i aux activités potentielles des points Wi est l'accessibilité à la zone j , Oj et représente les opportunités dans la zone j , (x) est la fonction de résistance C ij la fonction du coût du transport pour se déplacer entre i et j. Le coût associé au déplacement entre un point d'origine et une destination inue sur l'attractivité de l'opportunité. Plus une opportunité est éloignée du point d'origine, en matière de temps, de distance ou de coût général, moins son niveau d'accessibilité est élevé. L'accessibilité gravitaire correspond à une vision intuitive du système de transport, en ce sens qu'un grand nombre d'opportunités augmente les chances de trouver la destination convoitée et que plus une opportunité est éloignée, moins elle est convoitée ( Cependant, elle évalue l'accessibilité d'un emplacement et ne tient pas compte de l'accessibilité individuelle. On attribue à tous les individus résidant dans une certaine zone le même niveau d'accessibilité ( même si dans une même zone les individus pourraient avoir diérents niveaux d'accessibilité en raison de contraintes personnelles, tel qu'un handicap ou le fait de ne pas posséder de voiture, ou en raison d'attentes diérentes vis à vis des Koenig , 1980). Ben-Akiva Lerman & , 1979), 57 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE opportunités. Ainsi, les emplois ne sont pas tous identiques et ne correspondent aux qualications que d'une partie de la population. Finalement, bien que la mesure gravitaire soit relativement simple et intuitive, les résultats peuvent être diciles à interpréter parce qu'ils montrent une mesure d'accessibilité présentée comme un indice d'interaction potentielle ; les niveaux absolus d'accessibilité ont peu de sens en eux-mêmes. Nous choisissons donc d'utiliser une mesure de l'accessibilité gravitaire de la forme : Wi = j avec Oj exp( Cij ) Oj Cij = valtps T Tij + pxcarburant Distanceij le nombre d'emplois dans l'IRIS port pour aller de la zone j et C ij le coût généralisé de transi à la zone j , composé de la somme du temps de trajet = -0, 2, ce qui correspond à une valeur VP multiplié par la valeur du temps et de la distance parcourue multipliée par le prix du carburant. Nous xons moyenne de diérents calibrages sur l'Aire Urbaine de Lyon. Notre modèle de Bussière revisité admet donc la fonction de densité de population d'un IRIS dont l'accessibilité est à un niveau W : D(W ) = A exp(-bW ), ce qui nous donne la fonction de population cumulée suivante : P (W ) = relation entre 2A [1 - (1 + bW ) exp(-bW )] . b2 Comme précédemment, il sera intéressant de voir si l'on peut extraire une A et b au cours du temps. Données Pour calibrer ce modèle, nous avons naturellement besoin des données nécessaires à construire l'indicateur de l'accessibilité gravitaire. Ainsi, nous utilisons une base de données d'emplois par IRIS reconstituée par par à partir des chiers Siren. Encore une fois, nous protons du travail accompli et les distances parcourues. Les valeurs utilisées pour caractériser la valeur du temps et le prix du carburant sont celles préconisées par le rapport Boiteux ( Louafi Bouzouina Jorge Cabrera-Delgado en ce qui concerne les temps de trajet VP Commissariat Général du Plan , 2001). La mesure de l'accessibilité gravitaire nous donne des valeurs allant de moins de 30 000 pour les IRIS ayant le moins d'accessibilité à quasiment 400 000 pour les IRIS du centre de l'Aire Urbaine. Nous avons dû retravailler ces valeurs pour arriver à quelque chose de cohérent dans le cadre de notre modèle. Pour cela, 58 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nous avons divisé ces valeurs par 10 000 an de les ramener à une échelle de 1 à 40, puis nous avons remplacé chaque valeur par son complément à la valeur de l'accessibilité maximale an de placer les IRIS ayant la plus forte accessibilité le plus proche du centre. Illustrons cette démarche avec un exemple ctif : nous sommes en présence des deux IRIS situés aux extrema de la répartition des IRIS en fonction de l'accessibilité gravitaire : le premier (I 1 ) a un niveau d'accessibilité gravitaire égal à 334 000, le second (I 2 ) égal à 60000. étape 1 : on ramène l'ensemble sur une échelle cohérente avec le modèle 60000 334000 10000 = 33, 4 et I 2 10000 = 6. étape 2 : on calcule pour chaque IRIS le complément à la valeur de l'acen divisant par 10 000 : I1 = cessibilité gravitaire de l'IRIS le plus accessible : I"1 = 33.4 - 33.4 = 0 et I"2 = 33.4 - 6 = 27.4. 2.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 5 Résultats des estimations du modèle de Urbaine de Lyon entre 1990 et 2006 selon le niveau d'accessibilité gravitairedonnées à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 6805 0,17 0,9975 1999 6814 0,16 0,9966 2006 5573 0,14 0,995 Bussière appliqué à l'Aire Les estimations sont une nouvelle fois de très bonne qualité comme en témoignent les R² très proches de 1. Comme précédemment, nous allons exhiber les résultats issus de cette estimation pour l'année 2006 : 59 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 32 Populations cumulées observées et estimées par le modèle de selon le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD Malgré la bonne qualité de l'estimation, les deux courbes sont assez éloignées l'une de l'autre, surtout en ce qui concerne les tendances de variation : quand l'une est concave, l'autre est convexe et vice versa. Cela provient de la forme particulière de la population cumulée observée, qui est nalement assez proche d'une droite ane. Cette spécicité est due au choix d'utiliser l'accessibilité gravitaire comme variable, mais aussi au travail qui est fait sur cette mesure pour l'intégrer dans le modèle. Ainsi, notre estimation sous-estime la population cumulée jusqu'à un niveau d'accessibilité proche de 10, puis le sur-estime assez largement pour nalement s'en rapprocher lorsque l'on atteint la frontière de l'Aire Urbaine. 60 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 33 Populations cumulées estimées par le modèle de le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon Notre modèle retranscrit assez dèlement l'augmentation de la population totale de l'Aire Urbaine de Lyon, puisque les derniers points de chaque courbe sont de plus en plus élevés avec le temps. Nous remarquons que quelle que soit l'année, la population cumulée est sensiblement la même jusqu'à un niveau d'accessibilité d'environ 15. C'est après ce niveau que des divergences apparaissent et que la population augmente avec les années. Paradoxalement, on peut donc en déduire que l'accroissement de la population se fait dans des zones où le niveau d'accessibilité est relativement bas, ce qui indique que les ménages ont tendance à privilégier le confort au détriment de l'accessibilité aux emplois. Cependant, il est aussi possible que les prix soient bien moins élevés dans ces zones, ce qui augmente fortement leur attractivité. De même, à l'instar de ce qui se passe dans la région parisienne, les zones à forte accessibilité sont peutêtre saturées, et c'est pour cela que l'accroissement de la population se fait en périphérie. Enn, remarquons que l'écart d'accessibilité entre les IRIS situés aux extrema de notre axe des abscisses augmente avec le temps. Évolution des coecients Il s'agit de voir si nous pouvons dégager une relation linéaire entre A(t) et b(t). 61 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 34 Évolution de A et b dans le temps (accessibilité gravitaire) A première vue, les résultats pourraient sembler décevants. Cependant, il faut les examiner sans oublier que le modèle utilisé est diérent de ce que nous vu précédemment. Tout d'abord, nous pouvons remarquer une baisse de De plus, b qui concorde avec le ralentissement de l'étalement urbain observé sur la période. A ne doit pas être interprété comme une population au centre puisque les IRIS précédemment considérés comme centraux sont maintenant simplement ceux pour lesquels l'accessibilité gravitaire est relativement la plus haute : D(0) = A et W =0 pour les IRIS les plus accessibles. Ainsi, si nous prenons en compte à la fois la diminution de l'accessibilité au centre due à la congestion croissante caractérisant le réseau routier de l'Aire Urbaine et la périphérisation progressive des emplois, il est normal que le coecient A diminue avec le temps. Si l'accessibilité gravitaire est l'unique variable entrant en jeu dans les choix de localisation des ménages, alors il est important d'interpréter à la mesure relative de l'accessibilité des diérentes zones. A relativement 2.3 Approche cartographique à l'IRIS An de créer les cartes de densité de population à l'IRIS, nous utilisons la fonction de densité suivante : D(W ) = A exp(-bW ) Les cartes obtenues suivent : 62 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1990 35 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 63 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1999 36 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 64 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2006 37 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en Tout d'abord, remarquons que si l'utilisation de l'accessibilité gravitaire nous permet de nous aranchir de l'hypothèse de monocentrisme des emplois, ce monocentrisme est tout de même présent dans les résultats de notre étude, signe que l'hypothèse selon laquelle Lyon est une ville assez monocentrique n'est pas complètement farfelue. De plus, s'il n'y a pas d'évolution marquante entre 1990 et 1999, il en va diéremment pour la période 1999 - 2006. En eet, on distingue durant cette période une diminution du nombre d'IRIS dont la densité est très élevée et qui sont situés assez proche du centre, et une augmentation du nombre d'IRIS dont 65 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE la densité est moyenne et qui se situent en périphérie. Ces évolutions correspondent bien à l'évolution de l'accessibilité gravitaire, inuencée comme nous l'avons dit plus haut par la dégradation des conditions de circulation et la périphérisation d'un certain nombre d'emplois. Analyse de la cohérence des variations de densité de population estimées Le modèle n'a donc pas une portée prédictive très forte si l'on raisonne en termes de niveau de densités de population. Cependant, nous devons aussi voir s'il permet de retranscrire les évolutions de densité, en utilisant le même type de graphique que précédemment que précédemment : Figure 38 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation de l'accessibilité gravitaire De nombreux points sont situés dans le quart bas-droite, c'est-à-dire que pour ces IRIS le modèle simule une baisse de la population alors qu'en réalité elle augmente. Toutefois, notre modèle reste dans les mêmes ordres de grandeur que les évolutions réelles, entre -20 et +20%. Il y a relativement peu de points aberrants dus au modèle, ce qui est un indicateur de abilité. Il existe des diérences importantes selon que l'on se situe dans la période 1990-1999 ou la période 1999-2006. Nous proposerons des développements à ce modèle pour 66 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE franchir ces obstacles. Si l'utilisation de l'accessibilité gravitaire permet de s'aranchir d'une hypothèse supplémentaire, notre modèle ne permet toujours pas une approche prospective localisée. En revanche, nous avons pu aborder le problème avec une approche diérente, ce qui a renforcé notre compréhension du phénomène d'étalement urbain en jeu. 3 Perspectives Il est intéressant de voire quelles conclusions tirer de notre étude, et quelles perspectives elles entrainent. Pour cela, nous allons tout d'abord comparer les trois modèles utilisés dans notre travail, puis nous suggèrerons les développements intéressants à étudier ainsi qu'une piste diérente qu'il nous semble pertinent d'explorer. 3.1 Comparaison des diérents modèles Il s'agit ici d'aborder les diérences et les points communs à nos trois modèles. Diérences entre les modèles La principale diérence entre nos modèles réside dans les variables choisies. En eet, ce choix des variables nous permet de lever certaines hypothèses contraignantes mais de conserver les mêmes fondements théoriques, c'est-à-dire ceux du modèle standard de l'économie géographique. Ainsi, nous avons tout d'abord utilisé la version classique du modèle de en utilisant comme variable la distance à parcourir pour aller au centre de l'Aire Urbaine où sont censés se situer tous les emplois. Deux hypothèses de ce modèle ne correspondent pas à la réalité de l'agglomération lyonnaise : l'homogénéité géographique qui sous-entend une homogénéité des infrastructures de transport et la concentration des emplois dans l'hypercentre. Notre second modèle utilise lui les temps de transport généralisés VP. Ainsi, nous considérons que ce n'est pas la distance au centre qui inuence principalement les choix de localisation mais, dans le cadre d'un raisonnement de type monocentrique, les temps de trajet généralisés, c'est-à-dire le coût de transport ressenti par les usagers pour se rendre dans le centre. Cependant, nous nous heurtons toujours à l'hypothèse de monocentrisme des emplois. C'est pour relâcher cette hypothèse que nous avons choisi de développer un modèle utilisant l'accessibilité gravitaire. En eet, à travers cette notion, nous considérons que les ménages font leurs choix de localisation en fonction du Bussière 67 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nombre d'emplois des zones voisines, et que plus les emplois sont éloignés du logement moins ils sont considérés comme attractifs. les emplois ne sont donc pas seulement situés dans l'hypercentre mais répartis dans l'ensemble des IRIS. De plus, nous utilisons toujours les temps de trajets généralisés, ce qui permet d'intégrer la performance des infrastructures dans le modèle. D'un point de vue strictement théorique, ce dernier modèle est le plus pertinent. Points communs aux modèles Nos trois modèles ont des points communs assez simples à identier : une capacité certaine à reproduire les tendances des fonctions de populations cumulées et donc de l'étalement urbain, et une incapacité relative à reproduire les évolutions de densité de population à l'échelle de l'IRIS et à produire une étude prospective, que ce soit à un niveau très agrégé ou au contraire à un niveau de localisation assez n, l'IRIS. En eet, chacun des trois modèles reproduit dèlement les fonctions de population cumulée observées, ce qui est conrmé par des niveaux de R² très élevés. Ainsi, ils peuvent être utilisés en tant qu'instrument d'analyse voire de vérication de simulations issues d'autres modèles. Notons toutefois que le modèle utilisant l'accessibilité gravitaire est moins performant que les deux autres dans cet exercice. Dans les trois modèles, l'étude des coecients nous a fourni des informations pertinentes sur l'évolution de l'étalement urbain sur l'Aire Urbaine de Lyon depuis 1990. Or nous savons que durant cette période, le phénomène est complexe à analyser car nous manquons de recul. L'utilisation du modèle de soient ses tendances. Cependant, nos modèles manquent de précision lorsque l'on procède à une analyse localisée. Ainsi, si l'approche cartographique nous a permis de constater l'étalement urbain, les densités estimées sont souvent assez loin des densités observées. L'étude des variations de densité apporte davantage de satisfaction, mais faute de plus de abilité, on ne peut pas envisager une intégration en l'état de l'un de nos trois modèles dans SIMBAD. apporte donc un éclairage pertinent sur l'évolution urbaine, et ce quelles que Bussière 3.2 Des développements à apporter au modèle de sière Nous avons vu que les modèles de Bus- d'envisager une étude prospective localisée. Cependant, nous pensons que des améliorations peuvent être apportées au modèle pour pouvoir envisager l'intégration dans SIMBAD. Ces améliorations sont au nombre de trois : la prise en compte des temps de trajet en transport en commun, le calage de la fonction de résistance utilisée dans la formule de l'accessibilité gravitaire et enn une Bussière en l'état ne permettent pas 68 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE segmentation des opportunités. La prise en compte des temps de trajet TC doit être un élément important de la réexion future sur le sujet. En eet, aujourd'hui la part des trajets TC est largement inférieure à celle des trajets VP, mais cette répartition est susceptible de changer. Le mode de transport TC et les infrastructures nécessaires sont aujourd'hui une des priorités des urbanistes et des hommes politiques. On peut donc imaginer que ce mode de transport va se développer dans l'avenir. Il serait dommage de ne pas intégrer cette composante dans un modèle à objectif prospectif. De plus, cela nous permettrait de prendre en compte les ménages qui ne disposent pas de véhicule, voire d'un seul véhicule, et pour lesquels le mode de transport est contraint. Dans notre approche utilisant l'accessibilité gravitaire, nous avons pris le parti d'utiliser une fonction de résistance simple, la fonction exponentielle avec un coecient négatif. Cependant, d'autres fonctions de résistance sont disponibles, notamment la fonction de résistance combinée de la forme f (Cij ) = Cij exp( Cij ). Dès lors, il peut être intéressant d'étudier cette fonction de résistance (ou une autre) an de voir son inuence sur les niveaux d'accessibilité gravitaire absolus et relatifs obtenus. Peut-être que des diérences plus marquées apparaîtrons entre les IRIS, et que les densités estimées seront plus proches des densités observées. Enn, toujours dans notre travail sur l'accessibilité gravitaire, nous avons choisi d'utiliser comme mesure d'opportunité le nombre d'emplois par IRIS. Il serait ici intéressant d'envisager à la fois de segmenter les emplois selon le secteur auquel ils appartiennent ou le niveau de qualication requis, mais aussi d'autres composantes comme les aménités (paysage, parc naturel...) ou les commerces à proximité. Les développements que nous proposons se situent dans le travail sur l'accessibilité gravitaire. En eet, ce modèle est neuf et donc susceptible d'être amélioré. De plus, nous pensons que c'est celui pour lequel les perspectives de développement sont les meilleures eu égard aux fondement théoriques nouveaux à la base de ce modèle. 3.3 Une piste nouvelle à explorer Nous avons pu voir que malgré les améliorations apportées au modèle, ce dernier ne permet malheureusement pas de procéder à des études prospectives localisées. En eet, les densités de population par IRIS sont très diciles à prévoir. Cette remarque nous semble valable pour l'ensemble des modèles de type monocentrique : le niveau de précision n'est pas assez n pour pouvoir être intégré dans un modèle LUTI dans un but prospectif Selon nous, une des pistes intéressantes à explorer est une étude davantage micro-économique au découpage le plus n dont nous disposons, c'est à dire 69 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE l'IRIS. Il serait intéressant de développer une analyse micro-économique au niveau de l'IRIS. Ainsi, en agrégeant l'ensemble des zones, nous pourrions avoir une vue d'ensemble de l'étalement urbain. Un modèle de ce type existe déjà dans UrbanSim, puisque sont simulés dans ce modèle les constructions de nouveaux logements ou bureaux et la mobilité des ménages ou des rmes. Cependant, ce modèle suit une logique que nous pouvons qualier d'anglo-saxonne selon laquelle les nouvelles constructions sont seulement le fait de l'initiative d'entrepreneurs immobiliers privés. Ces modèles ne sont pas pertinents pour être appliquer en France où les décisions des collectivités locales ont une grande inuence sur le nouveau bâti. C'est pourquoi nous pensons que la conception d'un nouveau modèle qui prend en compte les spécicités françaises serait intéressante. Pour cela, il y a au moins trois caractéristiques françaises à prendre ce compte : la libération des terrains à bâtir, les subventions à la construction et l'attribution des HLM (Habitation à Loyer Modéré). Bien sûr, cette liste n'est pas exhaustive et d'autres spécicités peuvent être ajoutées. La libération des terrains à bâtir est fonction du PLU (Plan Local d'Urbanisme), le principal document de planication de l'urbanisme au niveau communal ou éventuellement intercommunal. Ces plans ont un horizon de 10 ou 20 ans, mais ils subissent assez souvent des modications. C'est pourquoi nous ne pouvons pas nous contenter des PLU actuels. Les maires des communes sont les principaux acteurs des PLU, et ce sont eux qui décident de la libération ou non d'une surface à bâtir. Dès lors, même si processus de décision est de nature économique, il contient aussi une part psychologique importante qu'il faut rationaliser pour pouvoir l'intégrer dans le modèle. sur le modèle PIRANDELLO®, a développé l' équation des maires (2011), une équation qui modélise la libération des terrains en posant en postulat que le maire cherche à maximiser l'utilité de ses terrains dans le temps. Cette résolution du problème a été inspirée par de la maximisation d'un bien non-renouvelable, tel le pétrole (1931). Les subventions à la construction sont importantes car elles vont fortement inuencer la réalisibilité et la rentabilité d'une opération nancière. Il faut en tenir compte à la fois pour les initiatives privées, mais aussi pour les opérations publiques. Enn, il faut traiter les HLM spéciquement car ils jouent un rôle important dans la mobilité des ménages. Il serait intéressant d'étudier le mécanisme de l d'attente d'attribution des HLM. Le modèle de Jean Delons , dans son travail Hotelling et sa résolution du problème mettent pas de simuler l'étalement urbain, et c'est d'autant plus vrai que l'échelle est ne. Il faut donc envisager l'apport de développements à ces modèles ou la construction d'un autre modèle, qui prend en compte les spécicités françaises. Bussière et les développements que nous avons faits ne per- 70 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Conclusion Ce travail avait donc pour objectif à la fois d'étudier la capacité prospective du modèle de d'apporter des améliorations théoriques à ce modèle. Force est de constater que les résultats obtenus sont très contrastés. En eet, si le modèle de prédictif s'est révélé faible. Ainsi, il fournit une bonne grille de lecture de l'étalement urbain d'une agglomération, car il permet de distinguer à la fois l'évolution de la population mais aussi l'évolution de sa répartition sur l'Aire Urbaine, et ceci selon un raisonnement simple dont les résultats peuvent gurer sur un graphique en deux dimensions. Nous avons donc pu apprécier l'évolution de la population et de sa répartition sur l'Aire Urbaine de Lyon depuis 1968, et observer un ralentissement voire une régression du phénomène d'étalement urbain depuis les milieu des années 1990. De plus, l'utilisation de l'accessibilité gravitaire fournit une grille de lecture nouvelle qui couple la répartition des emplois aux temps de trajet généralisés. Cependant, notre modèle, et ce quelles que soient les améliorations que nous lui avons apportées, s'est trouvé en diculté dès lors qu'il s'agissait de reproduire l'évolution de la population à une échelle assez ne, en l'occurrence l'IRIS. Les simulations des densités de population ne sont pas très bonnes, et même si les estimations des écarts de densité sur une période donnée sont de meilleure qualité, ce n'est pas susant pour que nous puissions nous satisfaire du modèle en l'état. C'est pourquoi nous avons choisi d'ouvrir de nouvelles perspectives de travail que nous n'avons pas eu le temps d'explorer. Ces perspectives sont orientées vers des développements du modèle de et vers l'utilisation de modèle désagrégé, où les décisions se font à l'échelle de la commune et où l'ensemble des décisions est ensuite agrégé pour avoir une vue d'ensemble du phénomène. D'un point de vue théorique, ce travail essaie d'apporter des solutions pour relâcher deux hypothèses contraignantes du modèle de géographique et le caractère monocentrique. conrmé sa capacité à être un outil d'analyse précis et pertinent, son pouvoir Bussière en ce qui concerne l'étalement urbain, mais aussi Bussière a Bussière utilisant l'accessibilité gravitaire Bussière : l'homogénéité En eet, dans sa forme initiale, le modèle de Bussière suppose une plaine uniforme sur laquelle les coûts de transport sont uniquement fonction de la distance. Pour cela, nous avons choisi d'utiliser des temps de trajet généralisés, qui permettent de prendre en compte à la fois la diversité géographique mais aussi l'ensemble des infrastructures routières. Enn, nous relâchons l'hypothèse selon laquelle l'ensemble des emplois est situé au centre de la ville en intégrant au modèle la notion d'accessibilité gravitaire, que nous avons retravaillé an qu'elle puisse être incorporée de manière ecace dans le modèle. C'est une des premières fois que cette notion est intégrée dans un modèle de type monocentrique. L'accessibilité gravitaire prend en 71 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE compte l'ensemble des emplois en les diérenciant selon leur localisation. Ainsi, les ménages ne sont pas inuencés seulement par le temps de transport qui les séparent d'un unique point, en l'occurrence le centre de l'agglomération, mais par l'ensemble des temps de transport vers tous les points de l'Aire Urbaine pondérés par le nombre d'emplois à destination. Selon nous, cette hypothèse est davantage proche de la réalité, et améliore donc la portée théorique du modèle. 72 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Références [1] Aguilera A. & intra-urbaines et mobilité domicile-travail, Recherche transport Sécurité 77, p. 311-325. Mignot D., (2002), Structure des localisations [2] Alonso W ., (1964), Location and land use, Cambridge, Mass. : Harvard University Press. [3] de la Barra T., Pérez B. & Vera ning B : Planning and Design, 11p. N., (1984), TRANUS-J : Putting large models into small computers, Environment and Plan- [4] Ben-akiva M. & Lerman S.R Croom-Helm), p. 654-79. ., (1979), Disaggregate travel and mobility-choice models and measures of accessibility, in D.A. Hensher et P.R. Storper (eds.), Behavioral Travel Modelling (London : [5] B Bussière revisité, Communication aux journées de Chamonix des 8 et 9 janvier 1996, 15p. [6] onnafous A. & Tabourin E ., (1996), Le modèle d'Alonso- Bussière R lark ., (1972), Modèle de localisation résidentielle, Annales du centre de Recherche et d'Urbanisme, 162p. [7] C C., (1951), Urban Population Densities, Journal of the Royal Statistical Society, 114, p. 490-494. [8] Commissariat Général du Plan Marcel Boiteux présidé par ments et coûts des nuisance, 325p. (2001), rapport du groupe , Transports : choix des investisse- [9] Davidson R. & Mackinnon J., p. 45-71. [10] Coroute, Paris. [11] (1993), Estimation and Inference in Econometrics, Oxford and New York, Oxford University Press, Delons J. , (2011), l'équation des maires, document de travail, Deymier G. & Nicolas J.-P pour le projet SIMBAD. ., (2005), Modèles d'interaction entre transport et urbanisme : état de l'art et choix du modèle [12] Hansen W. otelling Hoyt H. oce. G., (1959), How accessibility shapes land use, Journal of the American Institute of Planners, 25, p. 73-76. [13] H H., (1931), The economics of exhaustible resources, The Journal of Political Economy, 39, p. 137-175. [14] , (1939), The structure and growth of residential neighbo- rhoods in American cities, Washington, US Government printing [15] Koenig, J. G ., (1980), Indicators of urban accessibility : Theory and application, Transportation, vol. 9, . 145-72. p 73 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [16] Memorandum RM-4035-RC, Rand Corporation. [17] Lowry, I. S. (1964). Model of metropolis. Santa Monica, CA : Martinez F.J. Mills E. Muth R., , (2000)Towards a land use and transport interac- tion framework, Handbook of Transport Modelling, p. 146-164. [18] , (1967), An aggregative model of resource allocation in a metropolitan area, American Economic Review, 57, p. 197-210. [19] (1969), Cities and housing, Chicago : University of Chi- cago Press. [20] Nicolas J.-P., Bonnel P., Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F. & Zuccarello P ., (2009), Simuler les mobilités pour une agglomération durable, LET, rapport nal, 211p. loppement durable dans les politiques publiques in Paris : Economica, coll. Méthodes et Approches. [21] N icolas J.-P., (2010), SIMBAD : un outil pour intégrer le déve- (ed.), Modéliser la ville. Forme urbaine et politiques de transport. Antoni J.-P. [22] OPALE - Observatoire Partenarial Lyonnais en Economie. [23] Peguy P.Y., Goffette-Nagot F. & Schmidt C.Baumont, P.P. Combes, P.H. Derycke, H. Jayet B., (2000), L'étalement urbain, in (ed.), Économie géographique, Les théories à l'épreuve des faits, Paris, Economica, p. 241-276. [24] Peguy P.-Y. , (2000), Analyse économique des congurations ur- baines et de leur étalement, Thèse d'Etat ès Sciences Economiques réalisée sous la direction du Pr Alain Bonnafous, Université Lumière Lyon II. [25] Putman S. H., Dallas, TX. (1995), EMPAL and DRAM location and land use models : a technical overview, 26 Land Use Modeling Conference, [26] SESP, CERTU, (2006), Economie urbain,. Rassemblement de la connaissance, Chapitre 1 : Synthèses, Paris, Ministère des Transports, de l'Equipement, du Tourisme et de la Mer, Service économique, statistiques et prospective, 89p. [27] Simmonds D., Echenique M. & Bates J formes de la croissance urbaine, Le modèle de nomie des transports Lyon. ., (1999), Review of Land-Use/ Transport Interaction Models, DETR, 72p. [28] Tabourin, E., Andan, O. and Routhier, J.-L. René Bussière Tabourin E. & Bonnafous A., Pumain Mattei tion de D. & 74 , (1995), Les ap- pliqué à l'agglomération lyonnaise, Rapport du Laboratoire d'éco- [29] (1998), Modélisation de l'évolu- tion des densités urbaines, Données urbaines tome 2 sous la direcM.-F., ed. Economica Anthropos, coll. Villes, p. 167-180. Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [30] Landwirtschaft und Nationalökonomie, Düsseldorf, Wissenschaft und Finanzen GmhH. [31] Von Thünen J. H. , (1850), Der isolierte Staat in Beziehung auf Waddel P ., (2000), Towards a behavioral integration of land use and transportation modelling, 9th International Association for Travel Behavior Research Conference Queensland, Australia. [32] Wegener M ., (2000), Land-Use Transport Interaction : State of the Art : What can we learn from North America ?, 12p. [33] Wegener W . & tion : state of the art, TRANSLAND, IRPUD, 119p. [34] Fürst F ., (1999), Land use transport interac- Wilson, A.G., PION, London. (1970), Entropy in Urban and Regional Modelling, 75 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Annexes Figure 39 Densité de population observée sur l'Aire Urbaine de Lyon en 1990 76 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 40 Densité de population observée sur l'Aire Urbaine de Lyon en 1999 77 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 41 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1968 Figure 42 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1975 Figure 43 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1982 78 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 44 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1990 Figure 45 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1999 Figure 46 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 2006 79 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 47 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 48 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 49 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 2006 80 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 50 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 51 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 52 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 2006 81 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 53 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 54 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 55 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 2006 82  (ATTENTION: OPTION rofit maximization: firms acting in mature industries could profit the low wages, lower land prices and less stringent environmental regulations. These activities are mainly in the municipalities situated in the south-eastern periphery22 that benefit of higher road accessibility. These areas are mostly known as Activity Zones, in the sense that they are defined, developed and managed by the local authority which owns the land settlement. They represent a type of common partnership that brings together government, communities and businesses: we note the presence of numerous "economic activity parks" (ex Vénissieux-Parc d'activités du Génie), "business parks" (Dardilly) and "technopoles" (Parc Technologique de Lyon, La Doua domaine scientifique). Moving towards the center of the city the interaction seems to intensify, a mix of firms acting in diversified sectors assuring almost 46% of total employment. Firms in industry of explorative and immature lifecycle stage will be mainly situated in the core of the city. Services and trade also agglomerate in the center, where opportunities for business are higher, but also the costs are higher. Being mostly small firms, they will depend on proximity to customers and to knowledge spillovers. Most of services seem to be co-localized. This statement is confirmed by correlation coefficients: the correlation between the number of wholesale trade and the services to individuals is 0.82, the correlation between real estate firms and the services to individuals is 0.73 and the correlation between front office firms and the services to individuals is 0.62( see Appendix 2). Moreover, we notice a high level of correlations between the sectors of services and the one of trade. The fact is not surprising and is reflected by the figure 2: the trade of merchandises is accompanied by the presence of railway infrastructures, being situated at the axe uniting the south-eastern part of the city to the center of the city. For some tertiary activities such as business services-front office and back office activities- (Philippe et al., 1999) the most recent movement, is localizing in the periphery, as well as in the center of the city (Aguilera, 2002, Coffey et al., 1996). The phenomenon comes to be known as functional specialization with firms opting for production activities situated at the edge of the city, but with front office activities (counseling and R&D activities) found in the center. Front office activities will mostly be found in the prosperous western part of the first belt surrounding the city center (such as Saint-Didier-Au-Mont-D'or, Lyon 9e Arrondissement, Ecully, Charbonnieres-Les-Bains, Dardilly and Limonest). Sain-Bel Courzieu, Lentilly, Saint-Maurice-Ur-Dargoire, Brullioles, Thurins, Chaponnay, Monthieux, Chevinay, Montanay, Sainte-Catherine, Septememionnay 22 Trevoux, Decines-Charpieu, Toussieu, Mions, Jonage, Genas, Chassieu, Vaulx-En-Velin, Corbas, SaintPriest, Pusignan, Bron, Venissieux. Furthermore, we notice a remarkable degree of colocalization of firms confirmed by bivariate Lisa tests that reveal an intense spatial association of real estate firms with Front office and back office activities. 2.5. Estimation Results. 2.5.1. The contribution of local infrastructures and sectorial specialization In a first step, we want to test the contribution of local infrastructures and sectorial specialization to the localization of firms. Thus, we consider the model described in the equation [4]. The results confirm that accessibility to employment represents the level of urban infrastructures, being the main determinant of intra urban localization decision of firms in Lyon. This result is confirmed by other studies on localization that identify infrastructure as the main driver of the localization process (Benard et al, 1999). In order to identify different effects, as Giuliano 2009 we have constructed accessibility measures based on industry sectors. As expected, their contribution is not uniform across sectors, as the accessibility to employment (see table 1) is higher for the sectors of agriculture, energy, real estate and Front Office activities. This result is encouraging as it is a measure of the degree in which firm take into account the urban mobility (including the one of their employees). Other studies (Aguilera and Mignot 2010) note that transport arrangements for employees are rarely a concern for the relocation of establishments. Seeing its importance, we have decided to include the contribution of the urban network via intra and inter sectorial linkages, which are considered a measure of accessibility to the other firms situated in other parts of the city (see section 4.1). For most of the sectors, we find that agglomeration economies are carrying a negative contribution to the localization of firms: a higher location quotient of the sector concerned is determining a smaller number of plants in the IRIS. The results are confirming other urban analysis (Glaeser 1992) who states that the specialization of jobs carries negative and significant signs, confirming the hypothesis that industries tend to be less numerous in the cities where specialization is strong. The exception is represented by the sector of agriculture (0.21), Service to individuals and the one of constructions (0.17) where the coefficients are positive. This contribution of sectorial specialization is not uniform among sectors, being higher for the sectors of industries of consumption goods (-0.46), Wholesale trade (-0.36) and Retail trade (0.36). These sectors are also the ones which assure an important share of Lyon employment in the year of 1999 and that are mainly localized in the center. Furthermore, we notice that Business Services carry negative externalities to all other sectors of the urban area investigated. However, we notice the presence of inter sectorial spillovers such as, transports and industries of consumption goods that carry positive and significant signs. The real estate price was proxied by the density of population. The initiative is not new, it was already used by Guimaraes et al (2004) and it is justified by a simple fact: higher the attractiveness of a site, higher will be the price and greater the demand for that site. We expect to find a negative contribution of this factor to the localization choice of the firms. We find that results are significantly different from zero only for the sector of agriculture (for all other sectors the coefficients are significant, but nulls). Guimaraes et al (2004) finds evidence of a negative contribution of production factors: labor costs, taxes and most of all land costs 45 diminishes the probability of location in a given county "a 1 percent increase in land costs leads to an 0.81 percent decrease in the number of new plant births". Instead, we find a contribution of the percentage of social houses (HLM­Habitat à Loyer Modéré) to the localization of firms is found to be negative. We use this variable as a proxy of local revenue: an increase in the percentage of percentage of HLM, leads a decrease in the total number of firms in an IRIS. The contribution of the variable is quite small (for most of the sectors the effect is smaller than one percent) the effect is higher for the sector of Real estate and Front office activities. Being a measure of poverty of the site, one could see in this effect as a way of firm in avoiding the poor neighborhoods. We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. Furthermore, this variable represents a measure of urban planning, in the sense that an important share of these social houses is constructed in the periphery, being the result of the French housing policy of the seventies23. The social houses are found in areas fulfilling mainly a residential function of city. In some neighborhoods of Vaulx en Velin, 100% of the residential supply is assured by these social houses. 23 In France the origin of social segregation in peripheral neighborhoods is considered to be initiated by the 1960-1970 housing policy called "grands ensembles" Table 1 Main determinant of location firms in Lyon, by sector of economic activity Administration Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Retail Population Density Percentage of social houses 0.3991[<.0001] -0.36[<.0001] 0.0154[0.5283] 0.0903[0.0135] Agriculture 0.6056[<.0001] Industries of consumption Industries of intermediate Energy 0.5577[<.0001] -0.6846[<.0001] 0.028[0.7858] Constructions 0.3102[<.0001] Transports 0.4079[<.0001] 0.4381[<.0001] 0.3744[<.0001] -0.1152[0.0211] -0.1047[0.0136] -0.1207[0.011] 0.2159[<.0001] -0.0103[0.7395] -0.0521[0.0462] 0.1334[<.0001] -0.4642[<.0001] 0.1263[<.0001] -0.1442[0.0383] 0.087[<.0001] 0.199[<.0001] -0.0172[0.6995] -0.1477[0.0367] 0.2133[<.0001] -0.3579[0.0102] -0.0507[0.2112] -0.1059[0.0049] -0.1164[0.0098] -0.2263[0.0002] -0.4861[0.0002] 0.2487[<.0001] -0.1762[0.0084] 0.0217[0.4142] 0.0542[0.0128] 0.0348[0.277] 0.0263[0.3654] -0.3674[0.01] 0.059[0.0046] -0.2025[0.0005] -0.2894[<.0001] -0.0609[0.0782] -0.059[0.1757] 0.0452[0.1387] 0.0478[0.0719] -0.064[0.092] 0.1563[<.0001] -0.3283[0.0367] 0.1722[<.0001] -0.0042[0.9496] 0.0793[0.0143] -0.1912[0.0393] 0.0854[0.0003] -0.1233[0.0856] 0.0808[0.5121] 0.0273[0.8492] 0.1013[<.0001] 0.0286[0.6157] -0.0518[0.1735] 0.0668[0.0079] -0.0112[0.7548] 0.0482[0.0622] -0.0182[0.6195] -0.1921[<.0001] 0.0636[0.1291] -0.3174[<.0001] 0.1365[0.0009] 0.0098[0.8385] 0.0894[0.0063] -0.1361[0.0782] 0.0317[0.4095] -0.2118[0.0147] -0.2592[<.0001] -0.1697[0.0012] -0.7554[<.0001] 0.0648[0.0656] -0.1151[0.0025] -0.0526[0.188] 0.0824[0.0248] -0.0092[0.8265] 0.0507[0.2653] -0.0066[0.847] -0.1837[0.0001] -0.3331[<.0001] -0.2116[<.0001] 0[0.0022] -0.0033[<.0001] 0.0581[0.1036] -0.4133[0.0071] 0.0489[0.0651] -0.0134[0.8275] -0.2034[<.0001] -0.4462[0.0083] 0.1386[<.0001] -0.3642[<.0001] -0.5272[0.0015] -0.028[0.389] -0.083[0.2559] -0.1547[0.0193] -0.2228[<.0001] -0.0348[0.4905] 0.2064[<.0001] -0.0936[0.5621] -0.0201[0.5585] -0.0682[0.3824] -0.0001[<.0001] -0.0086[<.0001] 0[0.6404] -0.0074[<.0001] 0[<.0001] 0[0.003] 0[<.0001] 0[<.0001] -0.0053[<.0001] -0.0014[0.6969] -0.002[0.0012] -0.0018[0.2034] 47 Table 1 (continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses 0.4378[<.0001] -0.142[0.0476] 0.0878[0.018] 0.0325[0.5593] -0.2067[0.0002] -0.0396[0.3955] -0.0578[0.3002] 0.139[0.001] -0.1269[0.0307] -0.2246[0.0041] -0.4019[<.0001] -0.0341[0.5279] -0.329[<.0001] -0.3544[<.0001] -0.0107[0.8628] 0[0.0002] 0.0007[0.6219] Real Estate 0.4992[<.0001] 0.0241[0.4395] 0.0422[0.1178] 0.0846[0.0126] Front Office 0.4506[<.0001] 0.0093[0.6759] 0.0561[0.0016] 0.0903[<.0001] Back Office 0.4144[<.0001] 0.0406[0.2857] -0.035[0.2172] 0.1017[0.0098] Services to individuals Education Wholesale Retail 0.4193[<.0001] 0.3588[<.0001] 0.4605[<.0001] 0.4378[<.0001] 0.2352[<.0001] 0.2003[<.0001] -0.0475[0.1496] 0.0317[0.0208] 0.2192[<.0001] -0.052[0.0037] -0.003[0.8865] -0.142[0.0476] 0.0878[0.018] 0.0926[0.0005] 0.1104[<.0001] 0.0325[0.5593] 0.0714[0.0159] -0.0758[0.0184] -0.2067[0.0002] 0.1141[<.0001] -0.035[0.1296] -0.0396[0.3955] -0.1271[0.0014] -0.0348[0.2056] -0.1204[0.0043] 0.1324[<.0001] 0.036[0.1186] -0.2353[<.0001] 0.033[0.2353] 0.0821[<.0001] -0.2441[<.0001] 0.0642[0.0009] 0.0037[0.9027] 0.0555[0.0002] -0.2203[<.0001] -0.0018[0.9343] -0.1585[<.0001] -0.0719[0.0175] -0.0578[0.3002] 0.178[<.0001] 0.1341[<.0001] 0.0146[0.7145] 0.0258[0.1396] 0.0463[0.0426] 0.0783[0.0022] 0.139[0.001] -0.0663[0.0703] -0.1751[<.0001] -0.2051[<.0001] -0.0726[0.077] 0.292[<.0001] 0.0135[0.5007] -0.0375[0.1659] -0.0299[0.1974] -0.1269[0.0307] 0.2629[<.0001] 0.2623[<.0001] 0.089[0.0042] -0.2246[0.0041] -0.2877[<.0001] -0.0871[0.0794] -0.119[<.0001] -0.2541[<.0001] 0.0054[0.7821] 0.0889[0.0043] -0.0027[0.9409] -0.4019[<.0001] 0.0533[0.0276] 0.0418[0.1305] -0.0341[0.5279] 0.2451[<.0001] -0.1605[<.0001] -0.329[<.0001] -0.0487[0.1377] 0.1664[<.0001] -0.0604[0.101] -0.0856[0.0008] -0.0682[0.1189] 0.0022[0.9356] -0.3002[<.0001] -0.1067[<.0001] -0.2554[<.0001] -0.024[0.2549] -0.1274[0.0009] -0.3648[<.0001] -0.3544[<.0001] -0.1506[<.0001] 0.0103[0.8125] -0.0107[0.8628] 0[<.0001] 0[<.0001] 0[0.0002] -0.0289[0.4899] 0.2769[<.0001] -0.1148[0.0175] -0.1039[<.0001] 0[<.0001] -0.0124[<.0001] 0[<.0001] -0.0082[<.0001] 0[0.0693] -0.0048[<.0001] 0[0.0706] -0.0063[<.0001] -0.0023[<.0001] -0.0058[<.0001] 0.0007[0.6219] However, the distribution of firms acting in different industries shows that some IRIS do have a greater competitive advantage than others, as the firms are not present everywhere. This generates zero values in our dependent variable (the number of firms by sector of activity). Using a zero inflated model we will try to attribute the cause of null values for the number of firms across IRIS to the presence of nearby IRIS which offer higher opportunities to do business (as explained in section 3). Table 2. Zero model results Constant Administration. associations Agriculture Industries of consumption goods Industries of intermediary goods Energy Construction Transports Transports-Logistics Real estate and financial activities Front office business activities Back office business activities Activities to persons Education. health Wholesale Trade Retail Trade 3.91[0.001] -21.4827[0.999] 2.3569[0.0002] 1.6353[0.005] 0.2231[0.4841] 4.4102[0.0011] 2.1579[0.0002] 1.0844[0.0218] 2.3713[0.0004] 2.8326[0.0004] 3.6938[<.0001] 3.9526[0.0018] 5.1879[0.0134] 2.2808[0.0017] 2.8289[0.0004] Contribution of neighboring firms -8.7957[0.0002] -0.5981[0.9999] -7.3955[<.0001] -7.9245[0.0306] -11.9939[0.0012] -5.4743[0.0006] -11.3164[<.0001] -8.6946[<.0001] -7.355[0.0001] -5.8774[0.0016] -7.8098[<.0001] -4.8674[0.0006] -7.991[0.0144] -6.4912[0.0175] -3.9173[<.0001] Using a chi square test, we find that the models are statistically significant (p-value <.0001). We notice a higher spatial sensibility for the sector of transports, and a smaller one for Front office activities and retail trade. As we expected, the presence of nearby firms acting in the same sector strengthens the agglomeration process as higher will be the number of neighboring firms acting in the same industry, lesser will be the presence of zero values. This finding makes determines us to model the presence of spatial interactions. 2.5.2. Network effects versus local and proximity effects We consider that, independently from exogenous factors such as natural or public resources, the success of business is fed by the flow of opportunities created by the geographical scale of interactions harvested at variable spatial level. We recognize from the regional studies (Krugman 1991a, 1991b, Venables 1996, Hanson 1996, Krugman 1998, Jaffe 1989, 2005) two ranges of connectivity of the region identifies as proximity effects and as network effects. 49 The use of spatial weighting matrix helps us to introduce proximity effects at the urban level: the agglomeration effects are modeled as the mean contribution of the (delimited) neighboring areas to the local development. On the other hand, the general level of attractiveness of a site for entrepreneurs/investors may be known and perceived from further away from of a strictly local scale. Hence, we consider the spatial scale of attractiveness and accessibility on a broader level, coming from network effects; the modeling strategy in this last case employs resistance functions via transport costs. In the case of short scale relationships, proximity effects are acting as driving forces: larger local markets feed the success of firms, which comes from the quality of the labor force, the business climate. Thus, areas with educated people have more start-ups than others (Acs and Argminton 2003). Firms will concentrate in areas where they find the knowledge and necessary resources to develop their activity: therefore, firms and resources are endogenous (Feldman, 1999). Furthermore, regarding the business climate, people would want to success in their business in areas where others have experienced it. The localization process is thus important and to some degree it becomes endogenous: once firms are localized, they are no more competing for the market shares with other firms, but they assure a positive externality for the new entrants. By their investments in an area, the already installed firms can lower installation costs for other firms. And this option could be taking into account by new startups. The location choices are not independent, spatial interactions should be taken in consideration. This insight leads us thinking that the alternative location are no longer independent as firms seek to maximize their gains having in the neighborhood other firms acting in the same sector. "Most metropolitan locational decisions consider the variation across localities not only of immediate local conditions, or of the accessibility to single facilities, but also of situational variables far related to the entire region" (Harris, 2001). Long scale relationships, accounted as attractiveness or accessibility of outside factors (or of demand) to the local opportunities (such as the labor market) are viewed as a broad concept: opportunities to the local market could potentially come from everywhere, but they are diminished (handicapped) by a resistance function (resistance forces, such as travel costs). Table 3. Network versus proximity effects Administration Contribution of the neighbors of sector concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density percentage of social houses 3.7007[0.0009] Agriculture 1.0538[0.0016] Industries of consumption 1.6426[<.0001] 0.00003[<.0001] -0.1213[0.7683] -0.7852[0.0005] 4.4479[<.0001] 0.69575[0.106] -0.0990[0.7663] -0.7065[0.0905] -0.8683[0.0283] 0.4184[0.2637] 2.4921[<.0001] 0.1736[0.7433] 0.3799[0.3377] 0.3638[0.4116] -1.2490[0.0025] 1.2808[0.0115] 0.0001[<.0001] -0.0375[<.0001] Industries of intermediate 0.7941[0.0816] 0.00004[<.0001] -0.1757[0.7815] -1.9023[<.0001] 2.8899[<.0001] 7.8342[<.0001] -0.1849[0.7192] 0.5211[0.4242] -0.4515[0.4595] 2.1168[0.0003] -0.1784[0.8039] 0.4627[0.5652] 1.5082[0.0135] -1.1214[0.0973] -1.0582[0.0926] 4.8655[<.0001] Energy 0.9527[<.0001] 0.00003[<.0001] 0.0364[0.6647] -0.1150[0.0133] -0.1936[0.0278] -0.1607[0.0615] 1.2830[<.0001] -0.0795[0.3502] 0.1663[0.0417] 0.2168[0.005] 0.2243[0.0198] -0.0729[0.4953] -0.1449[0.0748] 0.0902[0.305] -0.1734[0.0326] 0.1814[0.0785] Constructions 0.6081[0.1143] Transports 0.8072[<.0001] 0.8386[0.0096] 0.000004[0.5797] 3.8540[0.0038] -1.1317[0.2067] -1.4094[0.2113] -2.7866[0.0437] 2.4016[0.0185] -3.6881[0.0174] 3.9553[0.0015] -1.2746[0.2809] 3.3741[0.049] 0.6525[0.7006] -1.0590[0.4293] 0.0870[0.9619] -2.1506[0.1355] -1.0369[0.5741] -0.7177[0.2446] 7.9554[<.0001] 1.3563[0.037] 0.6137[0.3393] 0.5252[0.2989] -0.9169[0.1455] 0.1296[0.829] 0.6934[0.2254] 0.0405[0.9541] 0.7852[0.3165] -0.4941[0.4092] -0.5173[0.4296] -1.4614[0.0155] 0.4089[0.5896] 0.00002[0.001] 0.000004[0.0142] 1.2167[0.0325] -1.6419[<.0001] 2.8217[<.0001] 4.2582[<.0001] 0.5388[0.2404] 7.1310[<.0001] -0.1899[0.7274] 1.3111[0.0118] 1.5407[0.0169] 1.3171[0.0704] 1.1554[0.0344] 0.3837[0.5332] -0.7259[0.2097] 2.3526[0.0007] 0.1122[0.3559] -0.3007[<.0001] 0.0659[0.604] 0.2506[0.0492] 0.0492[0.6176] -0.2640[0.034] 2.3367[<.0001] 0.1128[0.3106] 0.1585[0.2536] 0.2419[0.1213] 0.3374[0.0039] -0.0481[0.7125] -0.1322[0.2816] 0.4043[0.0071] -0.0001[0.0776 ] 0.000005[0.9080] -0.0373[0.2720] -0.0018[0.8815] -0.0001[0.0195] 0.000006[0.3322] -0.0215[0.0962] 0.0001[0.92] -0.0001[0.0013] -0.00001[0.2035] -0.0342[0.0033] -0.0052[0.036] 51 Table 3(continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Contribution of the neighbors of sector 0.5595[0.0236] concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses Real Estate 3.5166[<.0001] Front Office 4.2857[<.0001] 0.0003[<.0001] Back Office Services to individuals Education Wholesale 1.7928[0.0022] 0.0001[<.0001] -0.2048[0.8187] Retail 5.1018[<.0001] 0.0003[<.0001] 0.1709[0.9245] -3.0702[0.0018] 3.1794[0.0939] 2.1191[0.2649] 0.9714[0.5046] -2.965[0.1054] -1.1034[0.523] 1.5303[0.3498] 13.7699[<.0001] -1.6854[0.4692] -0.8770[0.6123] 7.6708[<.0001] -6.5018[0.0004] 1.2982[0.5567] 0.0005[<.0001] -0.1092[0.0028] 1.3241[0.0002] 3.37714[<.0001] 1.5425[0.0071] 0.0001[<.0001] 0.0002[<.0001] 0.0001[<.0001] 3.6592[<.0001] 0.00001[0.0034] 0.0002[<.0001] 0.0842[0.739] 0.6231[0.4005] -0.6414[0.6558] 0.6167[0.1374] 5.8804[<.0001] -0.6266[<.0001] -0.4750[0.2415] -1.3040[0.0965] -1.1234[<.0001] -3.5147[<.0001] -2.4759[<.0001] -2.4124[<.0001] 0.7340[0.0058] 0.6938[0.0088] 0.1288[0.5323] 0.1942[0.8035] 1.03709[0.4923] 0.9565[0.0284] 4.9045[0.0017] 1.5528[0.0887] 1.3782[0.1301] 1.9259[0.006] 2.4438[0.0094] 1.3665[0.144] -0.5325[0.4608] -0.9531[0.2143] -1.7154[0.2506] 0.5002[0.2477] 2.3793[0.1271] 1.15550.0544] 2.3539[0.0427] 0.3548[0.2901] 1.3058[0.2752] -0.4684[0.0718] -2.6628[0.0004] -5.5063[0.0002] -1.5245[0.0003] -3.8318[0.0108] -3.5657[<.0001] -1.2504[0.1679] 0.4015[0.1019] 3.9082[<.0001] -0.1171[0.8694] -0.702[0.6106] 0.9114[0.022] -1.7621[0.2148] -1.1598[0.1627] -1.0077[0.2407] -0.0668[0.9209] -1.7035[0.1913] 1.1855[0.0017] -0.2536[0.8504] -0.4402[0.5758] 1.4532[0.0749] 2.6283[0.0103] 3.0377[0.0088] 2.1884[0.0109] -1.7982[0.0621] -2.626[0.0033] -0.2499[0.3845] 12.8130[<.0001] 12.8730[<.0001] 1.8493[0.0001] 12.4165[<.0001] 7.4389[<.0001] -0.2546[0.4265] 0.6136[0.0121] 1.0835[0.2636] 18.4662[<.0001] 1.1166[0.0375] -0.2925[0.8789] -0.1773[0.8035] 3.11502[0.0244] 4.5333[<.0001] 0.0113[0.9936] 3.0620[0.0069] 1.0320[0.2149] -0.3384[0.2082] -0.6640[0.4058] -3.6946[0.0176] -0.0689[0.877] 11.5811[<.0001] 1.4602[0.1221] -0.4198[0.0911] -2.8029[0.0002] -3.8612[0.008] 1.7495[<.0001] -0.00002[0.29] 0.4785[0.6006] 0.0001[0.002] 5.5406[0.0018] 0.0002[0.02] -1.1304[0.007] -3.2039[0.0346] 8.8392[<.0001] 1.1239[0.0273] 0.35751[0.8438] -0.1472[0.8896] 15.7158[<.0001] 0.0001[0.004] 0.0006[<.0001] 0.0002[0.005] -0.00002[0.758] -0.0036[0.4912] -0.0687[<.0001] -0.1206[<.0001] -0.0363[<.0001] -0.2012[<.0001] -0.0932[<.0001] -0.0415[0.0219] We use a nonlinear model with spatial interactions using the two step limited information maximum of likelihood (see Florax et al, 2010). In order to measure the proximity effect we use a row standardize contiguity matrix, which accounts for the small scales spatial interactions. Constructed in this way, the neighboring number of enterprises is regressed upon the total population and volume of residential houses. The predicted values of counts are used in the equation [5] in a model with spatial interactions. We find that the proximity effect is significantly increasing the number of firms localized in an IRIS: the presence of near-by firms increase the mean number of firms of an IRIS. The spatial interactions are not uniform among sectors, being higher for sectors such as Retail trade (5.1), Administration (3.6), Real Estate (3.5) and Front office activities (4,29) and smaller for sectors such as Logistics (0.55), Constructions(0.6) and Industries of Intermediate goods (0.79). However, the limited spatial interaction of the Intermediate goods sector is overall justified by an important role that it plays at a local level, being a supplier of externalities for almost all sectors of the economy. Similar results were obtained for the case of Brussels, where the spatial interactions seem to be higher for the sector of trade (Baudewyns, 1999). These findings are also confirmed by descriptive statistics, where these sectors are to a greater extent subject to spatial interaction and agglomeration effects. Usually, they tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). "Core areas are equally well suited to generating new services.[...] Front Office operations are generally located close to dense markets and, hence, are more often in core than in peripheral areas. One can thus expect that mostly the routinized back office operations are located in peripheral areas with lower factor prices" (Capasso et al, 2011). Furthermore, the various linkages among organizations can be conceptualized as connections among participants in a network that provide to its members benefits through spillovers from network channels. Thus, intra and intersectorial linkages coming from long scale spatial interactions are contributing to the growth of a sector and by consequence to its localization (bigger the firm, farther away from center it will locate). In order to account for these intrasectorial linkages or network effects we use a measure of accessibility of firms to other firms situated in other parts of the city. In the literature, we meet examples of buyer-supplier networks in industrial districts in the "Third Italy" (Piore and Sabel 1984) and in the Manhattan garment industry (Uzzi 1996, 1997). The network effects are introduced using the same matrix of generalized transport time as the one used for the construction of aggregate indicator of accessibility to employment. However we eliminate the presence of employment in adjacent IRIS, as they are captured by the proximity variables. We find that network effects increase significantly the motivation of location of firms to locate. Besides administration, this effect is more pronounced for the sectors of Front Office, Retail and Wholesale Trade. The rest of the variables do not change significantly their contribution as compared to the model already estimated. We find that the contribution of the density of population is very small and not significant for some sectors such as Logistics and Transports. The quality of the area (approximated by the percentage of social houses) is growing in importance in explaining the localization of firms. 53 2.6. Conclusion And Future Improvements The study seeks to distinguish sectorial patterns for the localization of firms in the context of spatial interactions in the area, for the case of Lyon. The spatial interactions and the agglomeration patterns are not uniform across sectors. The descriptive statistics shows evidence of different agglomeration patterns for the 15 industrial sectors analyzed. Agglomeration tendency seems to be higher for sectors such as agriculture, services and public administration. As descriptive statistics show, front office activities are higher subject to spatial interaction and agglomeration effects. They tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). Moreover, proximity and network effects are acting as complements in explaining localization process of firms in an intra urban setting. While an aggregate indicator of accessibility allows comparing sites in terms of attractiveness, it ignores the competition among areas for access to target population (which is defined by the proximity). Proximity is found to be the main driver of the localization process of firms. However, accessibility to labor is also positively contributing to the localization of firms. Furthermore, the local sectorial specialization assures a negative contribution to the localization process of firms in the IRIS. Our results confirm the ones of Glaeser (1992) agglomeration economies are associated with smaller numbers of plants. The contribution of the quality of social environment, accounted as the percentage of social houses seems to explain the degree of social segregation and of location decisions of firms. Besides the economic mechanism lying behind the reasons of localization of business, it seems that firms avoid installing in poor neighborhoods. Recognizing the limited perspective offered by the presence of social houses to the quality of urban development as a determinant for the localization of firms, we emphasize the economic but also social issues to be taken into account by urban planners. Acknowledgments We are grateful to Jean Pierre Nicolas and to Florence Toilier for their support and valuable comments. 2.7. References Acs Z, Agminton C (2004) Endogeneous Growth And Entrepreneurial Activities In Cities. Regional studies 38(8): 911-927. Aguilera A, Mignot D (2010) Multipolarisation des emplois et déplacements domiciletravail : une comparaison des trois aires urbaines, Canadian Journal of Regional Science / Revue Canadienne des Sciences Régionales 33(1):83-100. Anselin L (1988) Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Boston. Bawdewyns D (1999) La localisation intra urbaines des firmes : une estimation logit multinomiale. Revue d'Economie Regional et Urbaine 5:915-931 Benard R, Jayet H, Rajaonarison D (1999) L'environnement souhaité par les entreprises: Une enquête dans le Nord-Pas-de-Calais. Economie et statistique, 326-27 :177-187 Chiarvesio M , Di Maria E (2009) Internationalization of supply networks inside and outside clusters, International Journal of Operations & Production Management 29(11) : 1186-120 Crozet M, Mayer T, Mucchielli JL (2004) How do firms agglomerate? A study of FDI in France. Regional Science and Urban Economics 34 (1): 27­54. Duranton G , Puga D (2001) Nursery cities: Urban diversity, process innovation, and the life cycle of products, American Economic Review, 91(5): 1454­1477. Feldman M, Audretsch D (1999) Innovation In Cities: Science Based Diversity, Specialization And Localized Competition. European Economic Review (43): 409-429. Feldman MP (1994) The Geography Of Innovation. Kluwer Academic Publishers, Boston. Fujita M, Thisse JF (2003) Economie des villes et de la localisation. De Boeck University Press, Louvain La Neuve. Glaeser E, Kallal HD, Scheinkman JA, Shleifer A (1992) Growth in city. The Journal of Political Economy 100(6): 1126-1152. Glaeser EL, Gottlieb JD (2006) Urban resurgence and the consumer city. Urban Studies 43(8): 1275-1299. Giuliano G, Gordon P, Pan Q, Park JY (2010) Accessibility and Residential Land Values: Some Tests with New Measures, Urban Studies 47(14): 3103­3130, Guimarães P, Figueiredo O, Woodward D (2004) Industrial Location Modeling: Extending the Random Utility Framework. Journal of Regional Science 44 (1): 1-20 Guimarães P, Figueiredo O, Woodward D (2003) A Tractable Approach to the Firm Location Decision Problem, The Review of Economics and Statistics 85(1): 201-204 Hansen W (1959) How Accessibility Shapes Land Use. Journal of the American Institute of Planners 25:73-6. Harris B (2001) Accessibility: Concepts and Applications. Journal of Transportation and Statistics 4(2/3):15-30. Head K, Ries J, Swenson D (1995) Agglomeration benefits and location choice: Evidence from Japanese manufacturing investments in the United States. Journal of International Economics 38(3-4): 223-247 Head K, Mayer T, Ries J (2004) Market Size and Agglomeration. in Mucchielli J-L. and T. Mayer (eds.) Multinational Firms' Location and the New Economic Geography. Edward Elgar, London. Hoover EM (1948) The Location of Economic Activity. McGraw-Hill, New York. Kaiser MS, Cressie N. (1997) Modeling Poisson variables with positive spatial dependence. Statistics and Probability Letters 35: 423-432. Krugman (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99: 483-499. Krugman P (1991a) Geography And Trade. University Press and MIT University, Louvain. Krugman P (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99(3): 483-99. Lambert D, Brown JP, Florax, RJGM (2010) A two-step estimator for a spatial lag model of counts: Theory, small sample performance and an application. Regional Science and Urban economics 40(2): 241-252 Marchal F, De Palma A ( 2001) Dynamic Traffic Analysis with Static Data: Guidelines with Application to Paris. Transportation Research Record: Journal of the Transportation Research Board 1752: 76-83 55 Capasso M, Cefis E, Frenken K (2011) Spatial differentiation in industrial dynamics. A coreperiphery analysis based on the Pavitt-Miozzo-Soete taxonomy. Papers in Evolutionary Economic Geography, 1103: Marshall A (1920) Principles of Economics (8th Edition). Macmillan and Co., Ltd., London. Martin P, Mayer T, Mayneris F (2011) Public support to clusters A firm level study of French 'Local productive systems'. Regional Science and Urban Economics, 41:108-123. Owen-Smith J, Powell WW (2004) Knowledge Networks as Channels and Conduits: The Effects of Spillovers in the Boston Biotechnology Community. J Organization Science 15(1): 5-21 Piore M, Sabel CF (1984) The second industrial divide: possibilities for prosperity. Basic Books, New York. Agence d'urbanisme de Lyon (2011) Rapport sur les Zones Franches Urbaines de l'agglomération lyonnaise. http://www.economie.grandlyon.com/fileadmin/user_upload/fichiers/site_eco/201102_opale_zfu_gl_tableau_bor d_2011.pdf Redfearn C, Giuliano G (2008) Network accessibility and the evolution of urban employment. MeTrans Draft Report, Los Angeles Shadbegian RJ, Wolverton A (2010) Location Decisions of U.S. Polluting Plants: Theory, Empirical Evidence and Consequences. NCEE Working Paper Series 201005 Shukla V, Waddell P (1991) Firm location and land use in discrete urban space. A study of the spatial structure of Dallas-Fort Worth. Regional Science and Urban Economics 21: 225253. Tobler W (1970) A computer model simulating urban growth in the Detroit region. Economic Geography (46-2): 234-240. APPENDIX 1. Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade code AD AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 Number of firms 4602 4632 3633 4506 328 8049 1265 1772 5812 12714 4057 16108 9998 7473 15335 % in total firms 4.59% 4.62% 3.62% 4.49% 0.33% 8.03% 1.26% 1.77% 5.80% 12.68% 4.05% 16.06% 9.97% 7.45% 15.29% % in total labor pool 7.56% 1.08% 5.85% 12.50% 2.41% 6.22% 1.40% 2.78% 4.93% 12.08% 4.80% 9.32% 11.83% 7.14% 10.09% 57 Projet SIMBAD APPENDIX 2. Correlation matrix across the firms by sector of industry EP EP J3 EQ EC EM AD EN1 EN2 EF J2 EK2 EH EK EG AG 1 0.82 0.74 0.73 0.71 0.7 0.62 0.55 0.04 0.33 0 0.2 0.19 0.27 -0.16 J3 0.82 1 0.65 0.7 0.72 0.58 0.63 0.54 0.15 0.38 0.08 0.23 0.22 0.38 -0.17 EQ 0.74 0.65 1 0.47 0.64 0.62 0.59 0.46 -0.05 0.21 -0.08 0.07 0.18 0.29 -0.23 EC 0. 73 0.7 0.47 1 0.63 0.51 0.61 0.59 0.34 0.53 0.27 0.25 0.14 0.04 -0.13 EM 0.71 0.72 0.64 0.63 1 0.65 0.87 0.61 0.06 0.44 0 0.05 0.17 0.57 -0.16 AD 0.7 0.58 0.62 0.51 0.65 1 0.65 0.53 0.03 0.32 -0.01 0.04 0.22 0.56 -0.13 EN1 0.62 0.63 0.59 0.61 0.87 0.65 1 0.65 0.16 0.59 0.07 0.13 0.18 0.52 -0.16 EN2 0.55 0.54 0.46 0.59 0.61 0.53 0.65 1 0.4 0.62 0.41 0.27 0.47 0.38 -0.14 EF 0.04 0.15 -0.05 0.34 0.06 0.03 0.16 0.4 1 0.69 0.62 0.57 0.21 -0.03 0.02 J2 0.33 0.38 0.21 0.53 0.44 0.32 0.59 0.62 0.69 1 0.52 0.4 0.26 0.31 -0.1 EK2 0 0.08 -0.08 0.27 0 -0.01 0.07 0.41 0.62 0.52 1 0.41 0.28 0.01 0.06 EH 0.2 0.23 0.07 0.25 0.05 0.04 0.13 0.27 0.57 0.4 0.41 1 0.23 -0.09 0.27 EK 0.19 0.22 0.18 0.14 0.17 0.22 0.18 0.47 0.21 0.26 0.28 0.23 1 0.17 0 EG 0.27 0.38 0.29 0.04 0.57 0.56 0.52 0.38 -0.03 0.31 0.01 -0.09 0.17 1 -0.14 AG -0.16 -0.17 -0.23 -0.13 -0.16 -0.13 -0.16 -0.14 0.02 -0.1 0.06 0.27 0 -0.14 1 Projet SIMBAD Table 2. Descriptive statistics: the mean of main determinants for the location of Firms AD Agglomeration effects Location quotient AD Location quotient AG Location quotient EC Location quotient EF Location quotient EH Location quotient EK Location quotient EK2 Location quotient EM Location quotient EN1 Location quotient EN2 Location quotient EP Location quotient EQ Location quotient J2 Location quotient J3 1st percentile income Labor accessibility 1.66 0.99 0.71 0.45 0.72 0.72 0.36 1.31 1.19 0.87 1.46 1.19 0.71 1.04 20 0.7 11.35 0.81 0.9 1.94 1.06 1.25 0.42 0.49 0.88 1.2 0.86 0.83 0.79 17.08 0.68 0.6 1.3 0.68 0.87 0.43 0.62 1.58 1.1 0.97 1.46 0.79 1.1 1.28 19.45 954.65 0.34 1.17 1.2 2.1 1.46 0.66 2.01 0.45 0.63 1.1 0.66 0.42 1.53 0.88 19.18 0.88 0.82 0.5 0.81 0.8 1.19 1 1.33 1.28 0.73 1.05 0.59 1.03 0.68 18.53 0.66 2.73 0.94 1.16 1.73 0.7 1.24 0.65 0.71 1.07 1.1 0.88 1.05 1.03 20.43 0.49 1.32 1.06 1.29 1.24 1.79 2.73 0.73 0.67 1.27 0.86 0.54 1.61 0.98 20.72 360.31 0.38 1.58 1.06 1.55 1.39 1.79 3.35 0.4 0.61 1.45 0.69 0.43 1.79 0.78 20.70 1.03 0.63 0.8 0.47 0.75 0.74 0.41 2.16 1.29 0.96 1.35 0.88 0.86 1.2 19.08 0.83 0.83 0.87 0.6 0.87 0.65 0.56 1.49 1.47 1.11 1.19 0.91 1.04 1.05 19.80 0.75 0.92 0.96 0.77 0.9 1.4 1.1 1.41 1.07 1.48 1.18 0.78 1.08 1.06 19.58 1.06 1.24 0.88 0.55 0.95 0.63 0.55 1.36 1.01 0.97 1.64 0.97 0.78 1.28 20.02 1.07 1.39 0.68 0.5 0.91 0.58 0.47 1.33 1 0.94 1.48 1.41 0.67 1.24 20.24 0.61 0.98 0.98 1.01 1.14 0.7 1.19 1.12 1.11 1.14 0.99 0.62 1.63 1.06 19.46 0.89 1.02 0.75 0.61 0.93 0.64 0.54 1.36 1 0.9 1.51 0.94 0.79 1.64 20.18 AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 1691.025 105.62 1717.47 2574.98 827.63 359.91 1319.28 2598.10 869.86 1674.7 2181.47 1140.27 1722.80 59 Projet SIMBAD Projet SIMBAD 3. Business Firms Location, Functional Specialization and Urban Segregation: Evidence from Front and Back Office Activities in Lyon Urban Area Auteurs: Teodora Corsatea, Louafi Bouzouina. Une version de ce travail a été présentée au 1er séminaire SIMBAB du 01.04.2011 http://simbad.let.fr/documents/seminaire/010411/TCorsatea.pdf Il est prévu de découper cette première version de texte en deux parties pour proposer deux articles : Le premier portera plus spécifiquement sur les liens entre spécialisation fonctionnelle et ségrégation sociale, et leurs impact sur les logiques de localisation des services aux entreprises ("Evolution of Clustering Patterns for Business Services in Lyon Urban Area: when Functional Specialization Overlaps Social Segregation"). Le second proposera une analyse temporelle de l'impact de l'accessibilité sur la localisation des services aux entreprises entre 1982 et 2005 ("Evolution of accessibility and location patterns of Business Services in Lyon Urban Area, 19822005"). Abstract: In this paper we examine the degree in which clustering patterns for Business services are related to the role of infrastructure, sectorial specialization, public intervention and social segregation. A panel analysis (1982-2005) of location patterns of suppliers of urban externalities could provide the necessary information to understand the development of the urban structure. First of all we note the spatial division of Business services as front office activities are mainly concentrated in the center and north western part near the center. Back office localize also in the center. The spatial distribution of skills explained mostly of the location patterns of business services. The infrastructure is determining for back office activities while sharing the same role as sectorial specialization for front office activities. A phenomenon of segregation is noted as front office activities seem to avoid their installation in the poor areas of the city Mots clés : clusters; urban segregation; business services; Functional and Sectorial specialisation 61 Projet SIMBAD 3.1. Introduction In France the growth of services takes place mainly in the urban context, with a supposed high elevate pace of growth in the biggest of the urban areas Illeris(2006). In this country, the proportion of services in 1999 diminishes with the degree of urbanization passing from more then 81% in Ile de France to less the 62% in cities with less then 70000 inhabitants. Lyon services register 72% of total economic activity , 16% out of which being Business services. Much of the services clusters in the CBD where we find a more intense competitive pressure on clustered firms. ."As opposite to Us experience (Coffey 1996), in France traditional functions of trade, business services, consumers services still agglomerate in the heart of CBD (Shermur alvergne 2002)". This phenomenon of concentration is taking place in France as 'the dense and diversified supply of intellectual services with high added value affect mostly the large urban areas .. which, in the long run generates disparities in regional developement' (JM Zuliani). Previous studies identifies clustering patterns of business services as determined by agglomeration economies (Illeris 1989, ch.6; Moulaert and Gallouj 1993)or by accessibility to clients (Daniels 1993, ch.4; Wood 19974; Bennett et al 1999, 415-6; Bennett et al 2000). Bodenam, 1998 Shermur alvergne 2002 report in the localization in the CBD as a way of maximizing forward linkages: "a cumulative process of agglomeration has occurred, strengthening the initial central market". However in Lyon we assist to a polynucleated distribution of employment reminding the possibility of emergence of suburban town. Or, the creation of `suburban downtowns', as a key indicator of a declining CBD(shemur and ). The dispersal of economic activity passes through reorganization of the production facilities. We can assist at an increasing propensity of reducing the cost of obtaining, management and processing information, such as the cost of legal, accounting, and advertising services[ Aarland et al. 1]. Another factor of decentralization is assured by the development of road and rail infrastructures (Aguiléra, 2003 Keeble and nachum, 2002) The decentralisation patterns seems to be the results of a trade-off amonf 3 forces: communication costs, specialized skilled labour and specialized services (Gallouj 2006, Coffey-Polese 1987) Other factors are also identified for dispersal of business services (Merenne ­Schoumaker 2003 ): transport and accessibilities, populations, supply of real estate and finance, public policy, economic activities, firm competition. Thus we retain the role of public decision makers in shaping the urban lanscape ; one example is given by the regroupement of services in ZFU (Zones Franches Urbaines) which allow an exoneration of a part of taxes. Moreover, we examine the role of logistics parks and business parks as part of a new planning process, in which public authorities and private producers have redefined their policy space and their strategies. The insights has been previously explored for the area of touluse whre the collectivites locales(municipalities ) and real estate partner act jointly as suppliers of buildings that can ease the implementation services in the metropolis ( JM Zuliani) Besides the aspect of reorganization of production at a intra urban framework, in this paper we inquire where the social structure an area determines the probability of installation of firms. Little investigation has been done on the location decision of firms, as a function of social segregation. an insecure environment feeds the chances of failure of youngsters, gives them lesser opportunities on the labor market. ­An intense reputational effect is reported by O'Farrell et al (1992, 531) as "active local competition [and] demanding, sophisticated and discriminating local customers...are crucial in developing and sustaining competitive Projet SIMBAD advantage" in business service firms." Thus a central Location can be perceived "as a form of accreditation: a prestige address confers upon the service provider a presumption of quality, often justified because of the networking possibilities which such a location enables. The location does not provide a guarantee of quality, but location in a less prestigious area immediately conveys a second- rate image which can be fatal for high-order service establishments"( Shermur alvergne 2002). This study investigates the degree to which agglomeration economies and public infrastructure determine of localization of firms within the boundaries of the city Few are the studies examining of these clustering patterns at a intra-urban level. The Location Patterns of Business Services in the Ile-de-France( Paris region)have been described in Gollain and Sallez (1999) and IAURIF (1999). For metropolises such as London D. Keeble and L. Nachum(2001)investigate clustering patterns of knowledge-intensive professional business service firms, finding primordial for this process the presence of a performant physical network(good road and rail links), as an accreditation of "a place-based image signalling quality and credibility, client proximity, good air connections, and local availability of professional staff and expertise" Furthemore " localised processes of knowledge acquisition, development and networking, of the kind highlighted in `innovative milieux' and `collective learning' conceptualizations of industrial clusters" increases the motivation of chustering of business services in central London. Following the related literature we explore the research questions. To which degree the agglomeration economies are responsible for spatial distribution of Business services. What is the role of the public infrastructure for dispersal of these activities? Is spatial distribution of skills and the social segregation determining the localization of firms? What is the role of state intervention(by creation of ZFU)in the process of localization of firms. The remainder of the work goes as follows. The first section of the paper provides a description of the data. The second one offers a spatial description. Econometric issues are discussed in the third part, and section four concludes with a discussion of the results. 3.2. Temporal patterns of Business Services in Lyon The territorial unit adopted for the analysis is the IRIS, the French administrative division counting for approximately 2000 inhabitants. However, when detecting and analyzing the evolution patterns of business services we will use a zoning of Lyon in 4 areas: centre, periphery, western part near the city center(half of the belt surrounding the city center where we find a cluster of rich households) and the eastern part near the city center(half of the belt surrounding the city center where we find a cluster of rich households). In these delimitation we have inspired from basic urban ecological models: Burges (1925) who divides the urban space in concentric zones corresponding to a well defined specialization in which people are interacting; Hoyt 1939 zoning as a function of income distribution and Harris and Ulman1945 as a function of increasing motorisation of the population. Even though the econometric analysis and the spatial autocorrelation test are performed at a fine level of the IRIS, this zoning allows us to better description of location patterns of Business Services. Data are supplied by INSEE (the French National Institute of Statistics) which provides information about all active institutions (private firms and public administration) in the Lyon area. Basically, the information is structured in order to provide a clear picture about the 63 Projet SIMBAD identification of the firms (status, name, fiscal number of identification) as well as economic information (number of employees, sector of activity- NAF classification) and geographical reference. The firms are distributed over 15 sectors of industry, following the NAF classification. The main economic sector is the one of services (all types included) covering 32% of all firms, followed by trade (23%) as shown in Figure 1. Figure 1 Evolution of firms in Lyon by sector of activity 1982 2005(percentage in the total number of firms) Our sector of interest is the one of Business Services. By definition business services "are those services which predominantly serve intermediate, rather than final, demand (Shermur alvergne 2002)" The distinction between front office and back office is described by the use of NAF codes in appendix 2,4: However the distinction corresponds to some structural differences as some of the Front office activities have a certain degree of final demand orientation(legal, publicity, visual arts), much present than other producer services(such as Back Office). According to the classification of Gallouj(2006 reprenant celle de Pavitt84 and SoeteMiozzo90) depending on technological patterns services we identify for the category of back office firms acting "suppliers of equipment and technical systems": repair, cleaning, hotel and catering, retailing, laundry services) and those assuring "physical networks " (transportation logistics): In the category of Font office we identify forms taking part of "informational networks"(finance insurance communications) as well as "specialized suppliers" and "science based services"(rd, information technologies and telecommunications, visual arts). We notice that front office activities are the ones who have increased the most since 1982 (9,35%) but the localization of this sectors fashions the urban structure of Lyon. In the 1980s the thesis of externalization of "service demands previously supplied by internal management" (Bryson et al 1997, 347 assures the development of business services. Later on, we find as reported by Keeble and Nachum(2002) that the on going rapid growth of business services is demanded by an "increased international competition, technological change, Projet SIMBAD recessionary forces and changes in the needs of organizations"( Beyers and Lindahl 1996; Lindahl and Beyers 1999). We can note the change from internal to external requirement by looking at the fine distribution of Front Office activities. As presented in appendix 2 the front office activities are composed by consultancy and data management activities. Specific to the 80's are Organisation de foires et salons, Métreurs, géomètres and Ingénierie, études techniques, Agences, conseil en publicité . They account for 21% of all front office activities. A persistent development of these activities continues during all the period of analysis(19822005). Other 27% of front office activities are assured by Conseil pour les affaires et la gestion and Administration d'entreprises are mostly developed in the end of nineties and in the early years of two thousand. The period is marked by a extensive development of data generation and management of information activities24. Specific to 2005 and knowing a lesser development, but well reprezented in the NAF are visual art activities such as Distribution de bouquets de programmes de radio et de télévision, Edition de chaînes généralistes, Edition de chaînes thématiques, Autres activités de réalisation de logiciels, Edition de logiciels, Télécommunications. We note a revigoreas trend of a old cinematographic industry in the shape of the above mentioned business services. Looking at the spatial distribution of front office activities we notice the commonly feature centrality installation of firms. 61,34% of these types of activities are found in the center. Only two sectors have less than 50% of the production activities in the center: Analyses, essais et inspections techniques and Postes nationales. Considered as an extention of the city center, Western part of the belt around the city center covers 17% of these activities. Edition de chaînes généralistes, Production de programmes de télévision and activities de radio localize in the centre and Western part of the belt around the city center. Lesser represented is the eastern part of the belt around the city center (9% of front office activities). We find sectors such as Recherche-développement en sciences physiques et naturelles and travail temporaire that have almost 20% of their actities in eastern part of the belt around the city center. Sectors which develop at least 20% of activities in the periphery are Edition de chaînes thématiques, Administration d'entreprises, Sélection et mise à disposition de personnel, Analyses, essais et inspections techniques and Postes nationales. Most of the Front Office firms move out from the center(that loses 15% of jobs in this industry) installing themselves in the near neighborhood: the western part of the first belt surrounding the city recovers 8% of the jobs lost by the center in the 23 years(see appendix) 24 Conseil en systèmes informatiques, Activités de banques de données, Recherche-développement en sciences humaines et sociales, Analyses, essais et inspections techniques, Sélection et mise à disposition de personnel, Secrétariat et traduction, Prestations techniques pour le cinéma et la télévision 65 Projet SIMBAD Figure 2 Evolution of number of jobs in Front Office activities 1982-2005(percentage in the total number of jobs) As represented in appendix 4 and 5 back office activities are mainly represented by Services annexes à la production, Services de transport et de nettoyage. In fact 62% of back office activities are represented by Services annexes à la production,(39%) and activites de nettoyage (23%). Specific to the 80's are Gestion d'infrastructures de transports terrestres, Services aéroportuaires, Les activites de location de machines et blanchisserie de gros. As Keeble (1997) and Keblle and Nachum(2002) report the macro economic changes in the 70 determines the re-organization of production as numerous small businesses are created and target specialized market niches. However they represent only 3% of back office activities. Activities which are developed in the end of the nineties beginning of 2000 are mainly developed by leasing, control and security activities25 They represent 6% of the back office activite is out of which 3% are Enquêtes et sécurité. Specific to the 2005 are Location de courte et longue durée de véhicules automobiles and Traitements des autres déchets solides, Autres travaux d'assainissement et de voirie. Most of the Back Office firms move out from the center(that loses 22% of jobs in this sector) installing themselves in the periphery: the second belt surrounding the city recovers 10.37% of the jobs lost by the center in the 23 years(see appendix) Figure 3 Evolution of number of jobs Back Office activities 1982-2005(perc in the total number of jobs) 25 Location avec opérateur de matériel de construction, Affrètement, , Location de matériels de transport par eau, Location d'appareils de transport aérien, Location de linge, Contrôle technique automobile, Enquêtes et sécurité, Conditionnement à façon, Centres d'appel, , Edition et distribution vidéo. Projet SIMBAD Even though 50% of back office activities are still found in the center of the city we notice a higher contribution of the periphery (22%) and of the 1ere Couronne est(15%)(see fig 3) Activities that still remain in the center of the city are water services, leasing and editing26. Services aéroportuaires, Location avec opérateur de matériel de construction are sharing their activities between center and eastern part of the first belt around the center. Like in Touluse case, in lyon the installation of services in the communes of the fisrt belt around the city is intertwinnnigly related to the installation of activity parks; the reorganization of the production system by externalization and dispersal of business services is strengthens the potential of the metropolis. Typically peripheric are services such as Affrètement, Conditionnement à façon, Collecte et traitement des eaux usées and Organisation des transports internationaux . 3.3. Spatial patterns of location patterns of business services "Broadly defined, agglomeration economies are.... cost savings to a firm accruing because of the scale of industry in a particular [location], and the resultant ability of the firm to share some of its external expenses with others" in the same cluster (Keeble 1976, 59). Rather, emphasis is now placed on the vital importance to such enterprises of access to localised and relatively immobile tacit knowledge, and of knowledge spillovers. Explaining clustering in these sectors also needs to include explicit attention to the role and growing importance of global networks, clients and links to cluster firms, as charted by workers such as Amin and Thrift (1992), Moulaert and Gallouj (1993), and Keeble et al (1998). Using Hoover-Balassa coefficient we analyze location patterns determined by external economies of scale( Marshall 1929): a specialized labour pool, pecuniary externalities and knowledge spillovers that assure a higher product variety at a lower cost. This index offers a measure of specialization as it compares a that sector location's share of employment in the industry exceeds its urban share. A broad picture of the specialization patterns emerges for the distribution of locational quotient for the services to enterprises in the area of Lyon. First, we note a high temporal variability as for Front Office activities we pas from 11 communes exceeding a higher share of front office jobs than Lyon in 1982 to 187 communes in 2005. Else we pass from 41 communes specialized in Back Office activities to 215 communes specialized in Back Office in 2005. Secondly, we depict a strong spatial variability for the concentration of Front office activities . For example, in 2005 Location Quotients are ranging from 0,002204773 (Lyon 3e arrondissement) to 5,51 (in Saint-Germain-Sur-L'arbresle). This maximum value of 551 means that the share of employment in the front office industry is 451 percent greater in this area than in Lyon as a whole. For the year 2005, among the 10 communes presenting the highest (absolute) shares in manufacturing employment in 2005 Saint-Cyr-Au-Mont-D'or, Lyon 9e Arrondissement, Villeurbanne, Vaulx-En-Velin, Montromant, Lyon 7e Arrondissement, Bron, Saint-Fons, Lyon 8e Arrondissement, Ecully, Lyon 3e Arrondissement. The examination of locational quotients reveal a higher specialization in the front office activities than the entire Lyon mainly situated in the 9 arrondissement de Lyon (50,2%), Villeurbanne(8,5 %) CALUIRE-ET-CUIRE 3,7% and Ecully 2,7%. For the back office activities we detect a higher specialization than the entire Lyon mainly situated in the 9 arrondissement de Lyon (22%), Villeurbanne(7 %) Vaulx-EnVelin, Venissieux and Saint-Priest 3% each. 26 centres d'appel, Laboratoires techniques de développement et de tirage, Services portuaires, maritimes et fluviaux, Location de matériels de transport par eau Location d'appareils de transport aérien 67 Projet SIMBAD The clusters of Front office activities are identified by means of Lisa indicators. We can depict clusters high-high(high number of enterprises surrounded by high number of enterprises, in red in Fig 4) and of clusters low-low(low number of enterprises surrounded by low number of enterprises, in blue in Fig 4). The goal is to identify the areas where the level of interactions among industries could be higher as they are co-localized. Figure 4 Spatial distribution of front office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 We notice 38 stable high high clusters in 1999 and 2005 situated mostly in the arrondissement of Lyon but also Champagne-Au-Mont-D'or, Dardilly, Limonest, Lissieu, Saint-Didier-AuMont-D'or. Within lyon high high clusters such as Montrochet - Marche ­ Gare, Pompidou, Victor Bach, Saint Michel, Saint-Louis, Jules Brunard, Domer, Yves Farges dispare leaving space to the emergence of new ones Dauphine ­ Montluc, Richerand - Petites Soeurs, Gillet Serein, Herbouville - Gros Caillou, Mairie, Route De Vienne, Cite ­ Jardin, Universites, Jean Moulin, La Gare D'eau. En plus, Bron, Ecully, Tassin-La-Demi-Lune, Villeurbanne Laissent La Place A Chassieu, Dommartin, Saint-Priest, Villeurbanne. Projet SIMBAD We note that the front office firms tend to cluster in the center part and in the north western part of the first belt-the rich part of the belt. Surprisingly, front office cluster in place where competition is high. The fact is not new as a " somewhat paradoxical advantage of CBD location is the presence of competitors. In the realm of professional services, competitors are also colleagues­ to the extent that there exist shared professional values, shared markets and shared interests (Wilson, 1993; Raelin, 1986). Informal after-hours drinks and lunches are key for exchanging market, technical or legal information, and for creating the personal contacts which may generate future business or indeed future employment. For professionals, being outside these informal networks can be debilitating"(Keeble and Nachum, 2002). Moreover, according to Scott (1988), business services are "typically situated in networks of extremely malleable external linkages and labour market relations" and exhibit "vigorous revival of entrepreneurial behaviour, renewed market competition and active technological innovation", exhibit "selective reagglomeration" or geographical clustering."( D. Keeble and L. Nachum) Figure 5 Spatial distribution of back office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 69 Projet SIMBAD Back office activities reveal more stable evolution towards the south eastern part of the city(figure 5). For example, we encounter in 2005, the 57 high-high clusters that were present in 1999. We notice a shift of activities from Lyon 2 and 7 (Bellecour - A Gourjus, Vitton, Jean Jaures, Ampere ­ Ainay, Jules Brunard) L'arsenal Sud Toussieu to the 3rd arrondissemenet(Mutualite - Liberte) and Heyrieux. From these LISA test we can state the spatial specialization as the north western part is characterized by front office activities and the south eastern part by the back office ones. Front office development seem to be correlated with the evolution of the urban structure: in 1982 they cluster only in the center; as the city center expands, front office locate also in the north western part near the center. An exception from this trend is the emergence of a cluster in the years 2000 at Cassie et Saint Priest Euroexpo and the airport that we suspect to be the result of public intervention. D. Keeble and L. Nachum(2001) report for the years of 1980s and 1990s "decentralization and dispersal of such activity as the dominant trend, with an absolute and relative growth of business service firms and employment both in small town and less-urbanised environments of southern Britain and in major northern and western cities (Leyshon and Thrift 1989; Illeris 1989; Marshall 1992)". Meanwhile the decentralization in rural and small town locations in Britain in the early 1990s (Keeble et al 1992b; Small Business Research Centre 1992, ch.7; Curran and Storey 1993; Keeble 1993), was mainly attributed to the migration of household and to a "enterprising behaviour" (Keeble and Tyler 1995) in France the facts are slightly different. The decentralization is an act of will of public decision makers that set in place technological and commercial parks. Secondly, the evolution of the infrastructure determines a polynucleated distribution of employment by sector of activity: Edge cities(Garreau, 1991) have difficulties to emerge. An example of a failed experience of an edge city is the case of Ile D'Abeau. Even if some activities have emerged and concentrated in the area in the years of 90's, the suburb development declined and stopped growing as is was to far from the city. The absence of changes and externalities is also responsible for a clustering of economic activity. Usually, we are able to identify a coreperiphery interpretation: people want to live and do business in the center because the profitability is higher. The perspective of higher profits is encouraging firms to move in the center, but the congestion is also higher. Thus, a trade-off between production costs (land and labor) and transport costs. Departing from this insight, recent studies identify a functional specialization with firms separating their facilities into production situated at the periphery of the city and management function located in the heart of the city. Duranton and Puga (2005) distinguish a trade off in the decision process of the location patterns of headquarters and business services, "trade-off between the gains from integrating their headquarter and production plant and the gains from separating them". 3.3.1. The role agglomeration economies location patterns of Business services However clustering patterns by sector of activity are easy to identify(as seen in figure...) using a spatial autocorrelation test, as the Moran Index test. Thus we compare the number of firms located in a certain Iris with the number of firms located in the neighbourhood (Anselin, 1992). Results are displayed in Figure 6. Projet SIMBAD Figure 6 Moran test of global spatial autocorrelation(1982-2005) We notice a growing tendency of spatial autocorrelation for front office activities and a diminishing tendency for the back office. However the front office remains one of the sector most subject to agglomeration effects (0.45 in 2005). Bivariate LISA association indicators show evidence of colocalisation of business in the center and north western part of the belt surrounding the center of the city. Our results confirm that headquarters have moved away from locations with relatively few other headquarters and business service producers towards locations with a greater presence of both (Duranton puga 2005). Being suplliers of externalities for other firms they tend to locate whre their clients are(in the center and north western part). "The proximity of clients not only eases formal business meetings, but also informal socialising and chance encounters Keeble and Nachum(2002)" Bivariate Lisa indicators report more intense competitive pressures on clustered firms as business services tend to agglomerate in locations where intra-industry spillovers could increase their profitability. 71 Projet SIMBAD Figure 7 Colocalisation patterns of Front office activities with other sectors 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1982 1990 1999 2005 -0,2 -0,3 We notice a high colocalisation of front office firms with Real Estate, Services to individuals, Education, Wholesale Trade, Retail Trade , Industries of consumption goods and administration. However, the spatial autocorrelation decline from 1982 to 2005 as we have identified an expansion towards the north western part and the two clusters in the southwestern part. As Shermur Alvergne 2002 report, "with increasing evidence of the suburban location of headquarters, particularly in high-tech industries, it is no longer self evident that most clients are located in the CBD (Garreau, 1991; Immergluck, 1997). Figure 8 Colocalisation patterns of Back office activities with other sectors 0,6 0,5 0,4 0,3 1982 0,2 0,1 0 1990 1999 2005 In du st In du st rie s ra t io of n Ag co ric ns rie ul um tu s re of pt io in n te go rm od ed s ia te go od s -0,1 io n s e n ca tio al e le s ra t En e sp lE st iv id u ru c gi s ic u go Tr an in is t Ag r io n R ea ia t C on in d Ed u Lo st e Ad m um pt m ed to -0,2 -0,3 co in t s rie du st Back office activities serving different markets they have different location patterns: back office activities tend to colocalise also with sectors such as transport, construction and In In du st rie s Se r of of vi ce ns er W ho s R et Tr -0,1 ad e ai lT ra de re rg y n or t ti c go od ltu od tio al s s s at En er Co gy ns tru ct io n Tr an sp or t Lo gi st ics Se Re rv al ice Es s ta to te in di vi du al s Ed uc W at ho io le n sa le Tr ad Re e ta il T ra de Ad m in ist Projet SIMBAD industries of intermediate goods(see Figure 8). However, for the rest of the sectors which have a central kind of development (such as real estate and trade), the colocalisation patterns of back office firms follows the same one described for front office firms. 3.3.2. The role of the Infrastructure for location patterns of Business services As point out by Duranton and Puga(2005), urban transformation has shaped the changes in firms' organization. Thus, it occurs a growing tendency of separation of the management and production facilities of individual firms. This tendency is reflected in the locations of business services (see Figure 9). Figure 9 Bivariate Lisa analysis. Business services versus accessibility 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 Accessibility of Front Office jobs Accessibility of back Office jobs 1982 1990 1999 2005 Front and back office activities are determined by the presence of the infrastructure: as shown in figure 9 there is a spatial association between the accessibility of employment and the number of business services. It is higher for front office than back office and steadily decreasing since 1982. For back office firms however in the nineties the contribution of the infrastructure is higher than for the rest of the period, confirming the role of the public decision makers in the decentralization of the business firms: The nineties it is also the period of installation of commercial parks (usually near the motorways). 3.3.3. Spatial Distribution of skills One could claim that these agglomeration effects are the result of an uneven distribution of skills. The role played by the spatial distribution of high skilled workers for the regional growth and for the existence of agglomeration is mostly emphasized by regional and urban studies. Hirschman himself (1958) envisaged a geography of growth, assuming that "we can accept a priori that economic progress do not manifest everywhere, at the same time and that when it made its appearance, powerful forces work together for a geographical concentration of growth around its points of departure"(p. 209, French translation). In the same sense, Fujita (2003) present a regional specialization of innovation activities as a result of a combination of skills and special abilities developed regionally, which strengthens the link between growth 73 Projet SIMBAD and geography[...] thus agglomeration being the territorial counterpart of economic growth." In this framework of Geography of growth, Fujita & Thysse (2003) found one of the most significant outcomes: the rate of growth, measured as number of varieties, depends on the spatial distribution of skilled workers. In order to test the role that the spatial distribution of skills plays for regional development and agglomeration patterns, we the degree of spatial association of well skilled workforce and Business services we take into account the presence of cadres and artisans. We consider les cadres as they are considered as holders of high human capital formed by the means of education. Furthermore we add the number of artisans as specific human capital formed within the industry, without necessarily passing through an university formation. Computing univariate Lisa maps we find stable clusters of skills from 1982-2005. in Figure 9 it is displayed the spatial distribution of skills for the year 1999 Cadres 1999 Ouvriers 1999 Figure 10 Spatial distribution of skills: evidence of High High clusters Computing Moran indicators we find evidence of a stead tendency of agglomeration for cadres (0.54 during the period) and artisans(0.25 during the period) and a decreasing agglomeration pattern for ouvriers (from0.48 in 1982 to 0.35 in 2005) . The cadres agglomerate in the north western part of the belt surrounding the center of the city(see figure 10). The clustering patterns are rather high during the period thus it is difficult to explain the location patterns of firms by the mean of a entrepreneurship behaviour. By creating start ups and spin offs the high skilled migrants " bring with them know-how, expertise and client networks derived from their previous big city employment which enable entrepreneurship and successful new enterprise creation in their chosen small town or rural location" (Shermur alvergne 2002). However even if the cluster of high skills are stable during the period they seem to explain to a certain degree the location patterns of business servicesThe spatial Projet SIMBAD distribution of skills seems to be influenced by non-pecuniary externalities and the "social capital" through which the social composition of the municipality affected individuals (Benabou, 1995). According to this type of externality, the more people acquired knowledge, the higher the human capital of others in the economy "and the segregation is evident. Furthermore more firms employing these knowledge will be located in these areas. Correlation indicators between business services and cadres are quite high The bivariate LISA are also high, denoting how much the firms in a certain IRIS are surrounded by high skilled or low skilled personnel. Figure 11 Evolution of bivariate Lisa indicators between cadres and Business services We can notice a similar spatial association of the front and back office activities(see Figure 11): both distributions there are positively associated with the one of cadres( main results are obtained for the one of students and artisans). The most important an important colocalisation patterns for front office activities is given by the presence of cadres followed by the one of students and artisans. 75 Projet SIMBAD Figure 12 Bivariate Lisa Front office -cadres 1982 1990 1999 2005 First of all, comparing the intensity of spatial association(results are presented later on within brackets) we notice that the occupational profile of Front office activities reveals higher levels of clerical and office work than of other producers services(Back Office activities). The most important an important colocalisation pattern for back office activities is given by the presence of cadres (from 0.25 in 1999 to 0.22 in 2005), followed by the one of etudiant (from 0.21 in 1999 to 0.18 in 2005) and artisans (from 0.11 in 1999 to 008 in 2005). Also for the back office activities we find evidence that producer services may choose to locate closer to their workforce . Projet SIMBAD Figure 13 Bivariate Lisa Back office -cadres 1982 1990 1999 2005 3.3.4. Social segregation Mixed results are obtained when looking at the association of workers and front office activities(see Figure 13). Only for the year 1982 we see a positive association between workers and Front (Back) Office activities. From 1990 to 2005 workers are negatively associted with the presnce of Front Office activities as if Front office avoided the poor neighborhoods in the 1990. Even though Front and Back office become more colocalised during the time, and therefore the need of ouvriers in a certain area (IRIS ) should increase, at the beginning of two thousand(1999 and 2005) we notice that Front Office firms are avoiding more than a decade before the presence of ouvriers(see Figure 14). 77 Projet SIMBAD Figure 14 Evolution of bivariate Lisa indicators between ouvriers and Business services We notice the negative sign for the bivariate LISA test with the ouvriers: this basically means that higher the number of ouvrier in the neighbourhood lesser the chances of installation of a front office activity. Furthermore these tendency is slightly growing from -0.14 in 1999 to 0.15 in 2005). Their presence of ouvriers offer a positive contribution to the presence of back office firms (from 0.01 in 1999 to 0.005 in 2005)(see Figure 15). Front Office Figure 15 Bivariate ouvriers-1999 Back Office We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. The localization pattern can be described as opposite as an insecure environment feeds the chances of failure of youngsters, given them lesser opportunities on the labour market. Moreover the literature on location choice of household establishes a well defined pattern where people generally do not install themselves in an insecure neighborhood, unless they don't have other choice. Lesser investigation has been done on the instalation of firms function of a social segregation. Projet SIMBAD Les pauvres Les riches Figure 16 Lisa for indicator of social segregation for the year 1999 For the year 1999 an indicator of social segregation has been built. Overall the spatial distribution of this indicators reveals a high degree of spatial association of front office and back office activities with the high income zones(0.36). A negative association of localization of firms and the presence of extremely low income households(see figure 16). 3.4. Methodology and estimation results We estimate econometric models where the dependent variable is number of firm installed in IRIS I at time t. As the dependent variable is non-negative, discrete highly non-normal distributed we cannot use a OLS regression. Let i be the Poisson mean of the number of firms Pr nit e it it n nit ! it where the parameter it , is linked to the explanatory variables in a log-linear form: ln it ' X it it (1) , where i = 1,...,777 and t=1982,1990,1999 and 2005 it : number of firms in Iris i in year t X it : a vector of regressors indicating characteristic of location site such as the sectorial specialization (measured by means of Hoover-Balassa indicator ) social attributes (the level of skills of travailleurs, cadres, ouvriers artisans an indicator of accessibility, a dummy for ZFU(Zone Franche Urbaine), the number of not taxed households. As we do not possess information to build this indicator for all the period we use information about the number of households that are not taxed in the IRIS. Furthermore as qualifier of the areas we include information about the Iris that receive an ease of fiscal burden through the classification in ZFU. One of these zones is Vaulx en Velin, the first to be considered as such on the French territory. : a vector of constants 79 Projet SIMBAD i : individual effects or an unobserved heterogeneity it : error term (i1; i2;...;iT ) independently and identically distributed ² with zero mean and variance We analyze whether the unobserved individual effects i are random or fixed: while the fixed effects approach considers I as group specific constant term in the regression model. , the random effects specifies that i is a group specific disturbance, similar to it except that for each group, there is a single draw that enters the regression identically in each period. We run a fixed effect and random effect estimation for Front Office activities. Hausman test confirms the need to perform a fixed effect rather than a random effect estimation see appendix . We test the null hypothesis that the difference in coefficients not systematic. A chi square test rejects the null hypothesis with a significance of 1% . Therefore the individual effects are supposed to be fixed. Table1. Localization of Front office activities. Static results of Fixed effects Poisson Front office Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Locational Quotient of transports Locational Quotient of logistics Zone Franche urbaine (dummy) Number of not taxed households 0,33[0,1196417]*** -0,01[0,0021522]*** 0,3[0,0195859]*** 0,3[0,0130719]*** 0,42[0,0267682]*** -0,03[0,0335445]n.s 0,11[0,0172602]*** -0,04[0,0127989]*** 0,14[0,0165827]*** 0,08[0,0208509]*** 0,27[0,0499645]*** 0,28[0,0640227]*** 0,14[0,0365206]*** 0,01[0,0214681]ns 0,28[0,2648416]ns 0,06[0,0581421]*ns back office 0,06[0,0581421]*ns 0,35[0,0388908]*** 0,1[0,0588376]* 0,18[0,0893401]** N.B. Standard errors are displayed within brackets. ***, **, *, n.s. denotes the level of significance of 1% 5% and 10% or else not significant NB The variables are in logarithmic scale First of all we notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. It remains the case also for other sectors such as the real estate, whole sale trade and retail trade susceptible to be responsible of intra-sectorial flows. 1 percent increase in retail trade is responsible for 14% (respectively 27%) increase in the number of Front Office (respectively 27% of Back office firms) localized in the IRIS. The center reflects an supposed status of quality and credibility, client proximity, and local availability of professional staff and expertise" . We test the quality of the area by the help of a set of variables indicating the social composition of the IRIS. Table 1 displays significant Projet SIMBAD results illustrating the idea that higher the number skilled in the IRIS, higher the number of front office firms localized in there. One could argue that the presence of ouvriers are an indicator also of an area with low income, and thus an indicator of social segregation(number of not taxed households) and the number of low skilled workers could be highly correlated. Moreover in the descriptive section we showed that the presence of ouvriers was negatively associated to the presence of front office firms in the neighborhood. Estimates are found not significant. However the higher number of not taxed households leads to a lesser number of number of firms acting in front office activities localized in that IRIS. Considered as an input for back office activities the presence of ouvriers are, as expected, increasing the number of back office firms in the IRIS. Surprisingly, the fact that an IRIS is classified as Zone Franche urbaine is contributing positively to the localization of front office activities. We could see in this result that firms are more interested in fiscal easiness of a zone. The estimate is however not significant for back office activities. Thus while the main determinant for the back office activities remains the infrastructure, for the front office activities the interpretation is more subtle depending on a mix of conditions: local industrial specialization, infrastructure and the quality of the urban area(skills and taxes). In order to see the way in which these factors have vary during the period we run poisson estimation at each time period(see table 2 appendix). Surprisingly, we remark a decreasing contribution of local sectorial specialization to the localization of front office activities. If in the beginning of the period(1982) the locational quotient was the main driver of the installation of firms, in 2005 we note a negative contribution(a congestion effect) of local specialization to the localization of firms. Furthermore we note an increasing contribution of the skills to the localization of firms: 1% of increase in the number of cadres are increasing by 7% in 1982, respectively 26% in 2005 the number of front office activities localized in that IRIS. The presence of ouvriers is decreasing the presence of firms in the IRIS. The low income areas are deterring the presence of front office firms. Thus, we note an increasing phenomenon of social segregation. While in 1982 the phenomenon is not present, it grows over the year as much as 1 % increase in the presence of ouvriers is 15% decreasing the number of firms in the IRIS. The variable indicating the de-taxation level of an area is increasing the number of front office activities. The main determinant for the localization of back office activities remain the infrastructure indicator(table 3 appendix). We cannot a constant increase over the years, doubling its contribution in 2005(with respect to 1982). The local industrial specialization of back office activating is positive in 1982 and negative for the remaining period. At the end of the period only the wholesale trade is a supplier of positive externalities for the back office activities. The variable indicating the de-taxation level of an area is increasing the number of back office activities only for 2005.This is probably due to the intervention of public decision makers in the creation of activity parcs able to attract the installation of firms. The presence of cadres is positively contributing the localization of back office firms, to a lesser extent than for the front office firms. Onwards we have propose to see a more detailed examination localization patterns; we have run a fixed effects Poisson for front and back office firms by fine sector as descripted in appendix 3 and 5. 81 Projet SIMBAD Some sectors have only a few observations and thus we could estimate them. These sectors are Transmission d'émissions de radio et de télévision, Production de films pour la télévision, Production de programmes de télévision, Edition de chaînes généralistes , Edition de chaînes thématiques , Distribution de bouquets de programmes de radio et de télévision , Traitements des autres déchets solides , Autres travaux d'assainissement et de voirie , Edition et distribution vidéo, Conditionnement à façon, Location de courte durée de véhicules automobiles , Location de matériels de transport par eau , Location d'appareils de transport aérien , Location de linge, Location avec opérateur de matériel de construction. The rest of the estimates are displayed in table 2. Projet SIMBAD Table2. Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,44 [0,1418496]*** -2,06 [1,03937]** 0,65 [0,1550966]*** 0,74 [1,781097]ns 1 [0,4804765]** 0,31 [0,1518028]** 0,84 [0,4722605]* 0,33 [0,1404635]*ns 1,6 [0,729857]*ns -0,08 [0,0721549]*ns -0,13 [0,0701849]* 0,07 [0,1367072]*ns 0,12 [0,0456264]*** 0,21 [0,0686396]*** -0,04 [0,0610566]*ns -0,19 [0,1258396]*ns 0,03 [0,04555]*ns 0,97 [0,3858822]*** Accessibility to employment 0,21 [0,106151]** 2,28[0,845863]*** 0,46 [0,1106163]*** 3,21 [2,305478]ns 2,42 [0,5602883]*** 0,42 [0,0933186]*** 0,12 [0,3632462]ns 0,36 [0,089467]*** -0,36 [0,469176]*** 0,39 [0,0475455]*** 0,62 [0,048266]*** 0,14 [0,0861641]*ns 0,39 [0,0306935]*** 0,49 [0,0482502]*** 0,28 [0,0383945]*** 0,45 [0,0768106]*** 0,45 [0,0283481]*** 0,45 [0,2428924]** Cadres 0,41 [0,1455475]** 8,45 [1,797583]*** 1,46 [0,1949018]*** 18,21 [5,525061]*** 9,8 [1,356896]*** -0,13 [0,2185419]ns 0,89 [0,6813654]ns 0,74 [0,2365162]* 0,77 [0,7009623]* 0,37 [0,098497]* 0,52 [0,1160753]*** 0,5 [0,2442854]** 0,91 [0,0713569]*** 1,48 [0,0967405]*** 0,43 [0,0931373]*** -0,01 [0,1661054]ns 0,28 [0,0665217]*** 0,8 [0,4055021]** Ouvriers -0,09 [0,2172372]ns -2,41 [1,421401]* -0,6 [0,2320768]*** -0,52 [2,049815]ns -2,51 [0,8901197]*** -0,14 [0,2763884]ns -1,11 [0,7649982]ns 0,09 [0,3083545]** -0,57 [0,9370351]** -0,34 [0,1042967]** -0,35 [0,1286435]*** -0,14 [0,2522564]ns -0,28 [0,083733]*** -0,08 [0,1217512]ns -0,33 [0,1129511]*** -0,08 [0,2090794]ns 0,01 [0,0856698]ns -0,9 [0,515916]* Locational Quotient of real estate activities 0,18 [0,115132]ns 1,39 [1,029972]ns 0,35 [0,1245919]*** 2,89 [2,400655]ns 1,61 [0,5981224]*** -0,02 [0,1307649]ns -0,42 [0,4565061]ns 0,12 [0,1163725]*** -0,14 [0,385494]*** 0,67 [0,0707476]*** 0,24 [0,0676236]*** 0,03 [0,1211761]ns 0,18 [0,0405647]*** 0,21 [0,0601359]*** 0,12 [0,0601841]** 0,15 [0,1110087]ns 0,09 [0,0409617]** -0,12 [0,2890758]ns Locational Quotient of administration -0,11 [0,0898824]ns -0,52 [0,936391]ns 0,03 [0,0949632]ns 0,82 [0,9401057]ns -0,37 [0,4169339]ns -0,01 [0,0884495]ns -0,11 [0,3443261]ns 0,21 [0,0997105]ns -0,32 [0,4162755]ns -0,11 [0,0470898]ns 0,21 [0,0454534]*** 0,17 [0,0963916]* 0,04 [0,0291697]ns 0,08 [0,0456263]* 0,17 [0,0406213]*** 0,17 [0,0812909]** 0,1 [0,0287763]*** 0,12 [0,1941078]ns Locational Quotient of retail trade -0,05 [0,087139]ns 1,17 [0,9611473]ns 0,26 [0,125542]** -1,18 [1,214912]ns -0,26 [0,3841341]ns 0,19 [0,1299257]ns 0,66 [0,4144302]ns -0,25 [0,1158788]*** 0,84 [0,4306799]*** -0,16 [0,0584246]*** 0,04 [0,0587543]ns -0,08 [0,126519]ns 0,12 [0,0377892]*** 0,11 [0,0567966]*** -0,13 [0,050982]*** -0,01 [0,1003573]ns 0,07 [0,0371242]* 0,33 [0,2894647]ns Locational Quotient of whole sale trade 0,2 [0,1726463]ns 2,96 [1,316308]** 0,33 [0,1601458]*** 1,69 [1,775234]ns 1,14 [0,5210234]** -0,13 [0,1639545]ns 0,82 [0,6647873]ns -0,11 [0,1553389]*** -0,49 [0,7042937]*** 0,14 [0,0664736]*** 0,12 [0,0740363]* -0,05 [0,1402996]ns 0,09 [0,0476472]* 0,34 [0,0756835]*** 0,05 [0,0654515]ns 0,09 [0,1291365]ns 0,08 [0,049022]ns -0,01 [0,3356274]ns Zone Franche urbaine (dummy) 0,68 [0,7647085]ns 20,76 [2322,575]ns -1,19 [0,6851162]* 6,58 [180243]ns 18,21 [1478,958]ns -0,92 [0,8746153]ns NE 0,47 [1,245827]ns 14,69 [1952,729]ns 0,31 [0,7987703]ns -0,17 [0,5819795]ns -12,55 [1155,508]ns 0,52 [0,4075211]ns 0,21 [0,3187047]ns 0 [0,5450959]ns 0,91 [0,7673388]ns 0,3 [0,2886444]ns -16,68 [1728,119]ns Number of not taxed households 0,03 [0,0117001]** -0,11 [0,1604666]ns -0,02 [0,0191842]ns -0,7 [0,5002533]ns -0,28 [0,1123842]** 0,05 [0,0155685]*** 0,03 [0,0577513]ns 0,07 [0,0139013]ns 0,03 [0,0849466]ns 0,07 [0,008021]ns 0,03 [0,0074556]*** 0,1 [0,0165528]*** 0,03 [0,0049554]** 0 [0,008261]ns 0,06 [0,0065853]*** 0,04 [0,0122835]*** 0,05 [0,0045842]*** -0,02 [0,0386251]ns 64.1A 64.2C 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 83 Projet SIMBAD Table2(continuing). Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,31 [0,1857995]* -0,08 [0,0740759]*ns 0,73 [0,3966929]* -0,31 [0,1128702]*** 0,63 [0,1594188]*** -0,14 [0,105573]*ns 0,44 [0,4708053]ns -0,17 [0,3995865]*ns 3,59 [2,898281]ns -0,61 [0,8333219]ns 1,14 [2,044846]ns 0,14 [0,2619945]*ns Accessibility to employment 0,28 [0,1192929]*** 0,39 [0,0453322]*** 0,49 [0,2934673]* 0,61 [0,0888694]*** 0,11 [0,114317]ns 0,25 [0,0602508]*** -0,24 [0,3237737]ns 0,41 [0,2526445]*ns -0,71 [0,875329]ns 0,56 [0,6073127]ns -0,79 [1,749846]ns 0,01 [0,1543196]*ns Cadres 0,79 [0,2527372]* 0,14 [0,1093033]ns 1,45 [0,4897524]*** 0,7 [0,1797557]*** 1,34 [0,1927581]* -0,4 [0,1586904]*** 3,34 [0,820383]*** 0,84 [0,5942315]*ns 2,2 [2,464081]ns 2,49 [1,967744]ns 3,37 [2,254857]ns 0,94 [0,3905836]* Ouvriers -0,3 [0,353293]ns -0,28 [0,1357343]** -0,71 [0,517388]ns -0,38 [0,2118637]* -0,29 [0,2529968]ns 0,14 [0,1955018]ns 0,08 [0,8900299]ns -0,65 [0,725085]*ns 2,26 [2,113914]ns 2,01 [1,902662]ns 5,45 [3,135238]* -0,92 [0,4632961]** Locational Quotient of real estate activities 0,08 [0,1603843]ns 0,2 [0,0652728]*** 0,19 [0,2654225]ns 0,4 [0,1228843]*** -0,23 [0,1223243]** 0,16 [0,0949958]ns 0,07 [0,4306349]ns 0,17 [0,4436413]*ns 1,08 [1,204794]ns -1,16 [1,036615]ns -1,47 [1,614053]ns -0,22 [0,2228698]ns Locational Quotient of administration 0,25 [0,119323]** 0,09 [0,0477094]* 0,34 [0,2478771]ns 0,14 [0,0808222]* 0,05 [0,1000377]ns 0,09 [0,0699893]ns -0,45 [0,3933132]ns -0,05 [0,2439863]*ns -1,48 [0,8499848]* 0,88 [0,6999306]ns 1,68 [1,100498]ns 0,02 [0,180525]ns Locational Quotient of retail trade -0,25 [0,1489614]* 0,02 [0,061012]ns 0,15 [0,307692]ns -0,2 [0,099157]** 0,2 [0,11716]* -0,08 [0,0845199]ns 0,47 [0,3287961]ns 0,56 [0,3464382]*ns -2,29 [2,19079]ns 0,29 [0,7101229]ns 2,4 [1,45188]* -0,13 [0,2263318]ns Locational Quotient of whole sale trade 0,1 [0,2025841]ns 0,09 [0,0767655]ns 0,23 [0,4086484]ns 0,23 [0,1516401]ns 0,67 [0,1845326]*** -0,04 [0,1100569]ns 0,11 [0,6417969]ns -0,27 [0,4305175]*ns 1,32 [1,948757]ns 0,79 [1,022732]ns 0,2 [3,438068]ns -0,19 [0,2686095]ns Zone Franche urbaine (dummy) 1,36 [1,183598]ns 0,01 [0,397025]ns 7,62 [1290,678]ns -0,43 [1,352841]ns 0,13 [0,9120758]ns -0,2 [0,7737552]ns 16,95 [2610,356]ns Number of not taxed households 0,07 [0,0209122]*** 0,07 [0,0080444]*** 0 [0,0509753]ns 0,03 [0,0142883]** 0 [0,0162234]ns 0,07 [0,0105027]*** -0,01 [0,0656734]ns 0,06 [0,0407545]*ns 0,18 [0,1614878]ns 0,02 [0,2935155]ns 0,06 [0,3240325]ns 0,1 [0,0254128]*** 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1B 92.1C 92.1D 92.1F 92.2A 92.4Z -13,22 [7,946044]ns 2,7 [1,586992]* Projet SIMBAD Front Office localisation patterns are not homogeneous. The role of industrial specialization exceeds the role of the local infrastructure in explaining the implementation of firm, for sectors such as Postes nationales, Conseil en systèmes informatiques, Activités de banques de données, Analyses, essais et inspections techniques, Gestion de supports de publicité, Sélection et mise à disposition de personnel.. As reported by Shermur for the case of France these types of activities do not reveal a specific clustering patterns "the market surveys, computer repairs and research and development sectors show no diffusion pattern at all. This does not imply that they are not spread out over space, but rather that this spread is entirely consistent with their pattern of concentration: employment in these sectors tends to tail off as one moves away from the centres of employment without any of the dispersion patterns appearing.( shermur ) The accessibility to employment is the main driver for sectors such as Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire. The presence of cadres is generally increasing the number of front office firms in the district, but it is surpringly high for Télécommunications, Edition de logiciels, Autres activités de réalisation de logiciels, Administration d'entreprises, Sélection et mise à disposition de personnel, Organisation de foires et salons. The localisation patterns of those sectors dominated by a centrality feature are negatively influenced by the presence of ouvriers. 1% increase in Ouvriers are decresing the number of firms in Télécommunications, Edition de logiciels.A special case is the one of Prestations techniques pour le cinéma et la television where 1% increase in ouvriers is 500% the number of firms of this sector. The explanation may be given by a colocalization of this sector with other firms acting in back office activities, where the number of ouvriers is crucial for development of their activities. The feature of ZFU is significantly acting only for Conseil en systèmes informatiques as a disincentive of installation. For the remaining sectors the contribution is not significant Shermur Those which tend to cluster away from existing population centres do not come in easily subdividable units. In these sectors, individual consultants or small branches are less common than larger establishments. 85 Projet SIMBAD Table3. Localization of back office activities. Static results of Fixed effects Poisson Locational Zone Franche Quotient of Cadres Ouvriers urbaine whole sale (dummy) trade -0,64 0,9 -0,26 -1,28 0,11 -0,24 -0,04 1,24 -14,28 63.2a [0,4597066]*ns [0,3227277]*** [0,5441083]ns [0,7401312]* [0,3029141]ns [0,202367]ns [0,3083054]ns [0,5475562]** [2004,357]ns -7,77 9,08 -0,12 0,27 4,92 -0,75 6,69 -1,01 63.2c [19,57387]ns [18,81046]ns [4,682414]ns [3,622166]ns [9,532359]ns [2,167274]ns [16,1402]ns [5,193842]ns -11,16 7,96 -2 10,15 10,15 -12,58 -18,48 31,66 63.2e [12931,81]*ns [4468,009]ns [7802,233]ns [24162,24]ns [10924,68]ns [15947,7]ns [19760,77]ns [26982,39]ns 0,6 0,54 -0,65 -0,06 -0,18 0,47 0,89 0,57 63.4b [1,10693]ns [0,7556054]ns [0,793638]ns [0,8779436]ns [0,7844567]ns [0,3090329]ns [1,038384]ns [0,9117722]ns -0,09 0,69 0,04 0,01 0,23 0,02 0,09 0,3 0,24 63.4c [0,2152666]*ns [0,130007]*** [0,2028102]ns [0,2959196]ns [0,1775169]ns [0,0940808]ns [0,2070079]ns [0,2203515]ns [1,376808]ns -0,82 0,73 -0,65 -0,29 0,3 0,18 0,62 0,18 71.2a [0,5978584]*ns [0,3734186]** [0,5429711]ns [0,8118564]ns [0,3743165]ns [0,1977955]ns [0,5666859]ns [0,54976]ns -0,05 0,29 -0,26 0,17 -0,06 -0,01 0,22 0,06 0,25 71.3c [0,2882674]*ns [0,1561389]* [0,2863288]ns [0,5349397]ns [0,2003189]ns [0,1254414]ns [0,2681652]ns [0,3055153]ns [1,210289]ns -0,21 0,7 0,86 0,93 0,34 -0,1 0,3 0,39 -17,54 71.3e [0,6863618]ns [0,4819642]ns [0,7584758]ns [1,28617]ns [0,3740713]ns [0,271952]ns [0,7319893]ns [0,7223085]ns [3450,958]ns -0,06 0,49 0,21 -1,17 0,18 -0,02 0,62 0,68 10,25 74.3a [0,5715056]ns [0,462356]ns [0,435013]ns [0,9439097]ns [0,3252629]ns [0,1694787]ns [0,5054896]ns [0,7104405]ns [3574,565]ns 0,44 0,38 0,41 0 0,32 -0,08 0,27 1,15 15,54 74.6z [0,4033928]ns [0,3284637]ns [0,3059609]ns [0,7414431]ns [0,2837625]ns [0,1347549]ns [0,4561594]ns [0,5168621]*** [1286,409]ns 0,03 0,04 -0,08 1,1 74.7z 0,17[0,0895938]* 0,25[0,0581746]*** 0,15[0,122009]ns -0,43[0,204379]** -0,05[0,065042]ns [0,0447826]ns [0,0821812]ns [0,1210988]ns [0,4280711]*** 0,1 -0,28 0,05 -14,42 74.8a 0,12[0,1869783]ns 0,1[0,1156502]ns 0,06[0,2746454]ns 0,32[0,3609273]ns 0,16[0,1365513]ns [0,082508]ns [0,1710351]ns [0,237739]ns [1028,752]ns -0,27 0,93 -0,75 0,09 -0,39 0,08 -0,06 1,5 0,71 74.8b [0,3796577]*ns [0,3395492]*** [0,6540245]ns [0,7497735]ns [0,2287068]** [0,1854862]ns [0,4932609]ns [0,6294338]** [2,713982]ns -0,08 0,28 0,33 -0,08 -0,05 -0,03 -0,01 0,45 0,27 74.8k [0,086019]*ns [0,0529774]*** [0,1073623]*** [0,1579124]ns [0,051918]ns [0,0361085]ns [0,0685771]ns [0,1020162]*** [0,3856595]ns 0,41 -0,04 0,9 -0,57 -0,02 0,14 0 -0,1 90.0a [0,5371567]ns [0,4650906]ns [0,6057321]ns [0,9402703]ns [0,3052331]ns [0,2026869]ns [0,3623591]ns [0,7390423]ns 0,05 0,61 0,21 -0,14 0,06 0,03 -0,39 0,48 0,33 90.0b [0,4311864]*ns [0,271752]** [0,6254457]ns [0,6718315]ns [0,3944803]ns [0,2323727]ns [0,3977447]ns [0,50723]ns [1,424051]ns 0,59 -0,02 0,67 -0,85 0,05 0,1 -0,51 0,02 12,29 92.3b [0,2365654]*** [0,1280802]ns [0,2642208]** [0,5074418]* [0,1360226]ns [0,0927771]ns [0,1573742]*** [0,2442813]ns [1073,025]ns 0,52 0 0,31 -0,05 -0,01 0,07 -0,38 0,03 -14,23 92.3d [0,4314344]ns [0,2932479]ns [0,5055921]ns [0,7319456]ns [0,2672331]ns [0,138848]ns [0,2771801]ns [0,4825328]ns [1231,157]ns 0,4 0,11 1,84 1,9 -0,02 0,08 0,9 -1,4 93.0a [0,9467561]ns [0,6123829]ns [1,409091]ns [1,935573]ns [0,6750096]ns [0,6559264]ns [0,9687898]ns [1,248587]ns Locational Quotient of the sector concerned Accessibility to employment Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Number of not taxed households 0,04 [0,0563738]ns 0,79 [2,251702]ns -2,1 [2417,815]ns 0,25 [0,2055734]ns 0,05 [0,0247843]* 0,05 [0,0984772]ns 0,07 [0,054847]ns 0,02 [0,1258623]ns 0,05 [0,1135242]ns 0,02 [0,0554815]ns 0,06 [0,0137695]*** 0,13 [0,0357519]ns -0,05 [0,0566035]ns 0,09 [0,0120347]*** -0,01 [0,0849485]ns 0,03 [0,0896091]ns 0,11 [0,0256563]*** 0,17 [0,0643388]*** 0,33 [0,3083631]ns Projet SIMBAD Within the back office activities a different logic prevails(see table 3). For most of the sectors 27 , Services annexes à la production, Enlèvement et traitement des ordures ménagères the accessibility to employment is the main driver. The feature of ZFU is significantly acting only for Activités de nettoyage as an incentive of installation. For the remaining sectors the contribution is not significant. The presence of cadres are acting positively only for Services annexes à la production and Services annexes aux spectacles. 3.5. Conclusion "Urban spatial structure teem positive and negative externalities, all acting with different strengths, among different agents, at different distances" (Anas et al., 1998, p. 1459)."The result is often seen in cluster of economic activities and of suppliers of externalities such as business services. Few studies have investiagted the clustering patterns of business services in a urban contetxe(Shermer and Alvergne 2002, keeble and Nachum 2002). Moreover a classification of Business according to their location and to the function that they assure an a urban context provides the necessary information to understand urban shape developpement: we thus assist to a passage from a sectorial specialization to a functional one. Clustering patterns identified for business services in this paper are related to the role of infrastructure, sectorial speciualisation, public intervention and social segregation. Our spatial analysis can provide insights regarding the similarities and differences between Front Office and back office activities. the possible link between spatial patterns and markets is tested by means of autocorrelation test. We notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. A finer distribution gives mixed results as accessibility to employment remains the main driver only for Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage, Services annexes à la production, Enlèvement et traitement des ordures ménagères. 3.6. References 1. Aarland, K, Davis J.C.,. Henderson J, Ono Y., Spatial organization of firms: The decision to split production and administration, Processed, Brown University, 2003. 2. Aguiléra Anne, 2003 Service relationship, market area and the intrametropolitan location of business services, The Service Industries Journal, vol.23, n°1, 2003 3. Benabou 1993, 1995 27 Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage Projet SIMBAD 4. Coffey 1996 5. D. Keeble and L. Nachum (2002) Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 6. D. Keeble and L. Nachum (2002)Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 7. Duranton, D. Puga (2005), From sectoral to functional urban specialisation Journal of Urban Economics 57 343­370 8. Fujita M. et M. Ota, 1993, Communication technologies and spatial organization of multiunit firms in metropolitan areas, Regional Science and Urban Economics, 23, 695-729. 9. Gallouj c(2006) Le contexte general de croissance et dev des services aux entreprises in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart 10. Gallouj F Innovation in the service economy: the new wealth of nations, 11. Gareau J Edge City . Life on the New Frontier, Anchor Books, 1991 12. Gong Hongmian ; Wheeler James O, 2002; The Location and Suburbanisation of Business and Professional Services in the Atlanta Area, Growth and Change, Vol. 33, Issue 3, pp. 341-369 13. Illeris(2006) Quell role pour les services au dev reg, in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart, deboeck 14. JM Zuliani, une combinatoire du developement des services de haut niveau : l'exemple de toulouse , eds Carles Carreras Reestructuraciones urbanas 15. Jouvaud, 1997, Localisation des services aux entreprises et croissance des agglomérations. Thèse en sciences économiques, Université d'Aix-Marseille. Aix-en-Provence. 16. Keeble, D. (1997) The influence of the rural milieu on enterprise creation in OECD Teritorial Development Service Policies for enterprise creation in rural areas Paris 1-29 17. Miren Lafourcade Giordano Mion(2003)Concentration, Spatial Clustering and the Size of Plants: Disentangling the sources of co-location externalities¤ 18. Moulaert, F. and Gallouj, C. (1993) The locational geography of advanced producer firms: the limits of economies of agglomeration in Daniels, P., Illeris, S., Bonamy, J. and Philippe, J. eds The geography of services Frank Cass, London 91-106 19. O'Farrell, P. N. (1995) Manufacturing demand for business services Cambridge Journal of Economics 19 523-43 20. O'Farrell, P. N., Hitchens, D. M. W. N. and Moffat, L. A. R. (1992) The competitiveness of business service firms: a matched comparison between Scotland and the South East of England Regional Studies 26 519-33 21. O'Hullachan B, Reid N (1992), « The intrametropolitan location of services in the united states », Urban Geography, Vo 13, n°4, pp.334-354. 22. Polèse, 1994 23. Richard Shearmur and Christel Alvergne (2002) Intrametropolitan Patterns of High-order Business Service Location: A Comparative Study of Seventeen Sectors in Ile-de-France, Urban Studies, Vol. 39, No. 7, 1143­1163, 2002 24. Y. Ono, Outsourcing business services and the role of central administrative offices, Journal of Urban Economics 53 (3) (2003) 377­395 25. ZIMMERMANN J.-B., 1995, " Dynamiques industrielles: le paradoxe du local ", in RALLET A., TORRE A. (dir.), Economie industrielle et économie spatiale, Economica, Paris, pp. 147-168 Projet SIMBAD APPENDIX 1. 1982 1,84% 1,37% 5,08% 6,94% 0,11% 2,64% 0,25% 5,77% 2,07% 5,82% 7,00% 1990 2,09% 1,90% 4,18% 5,93% 0,17% 2,70% 0,23% 1999 4,59% 4,62% 3,62% 4,49% 0,33% 8,03% 1,26% 1,77% 5,80% 4,05% 9,97% 7,45% 2005 5,52% 4,84% 2,96% 3,86% 0,41% 8,02% 2,21% 0,31% 6,43% 3,86% 9,38% 6,56% Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade 12,86% 10,00% 11,57% 14,28% 3,12% 7,75% 7,22% 8,72% 12,68% 15,12% 12,61% 12,86% 16,06% 16,92% 24,07% 18,86% 15,29% 13,59% 89 Projet SIMBAD APPENDIX 2 Yearly Fine Distribution of Front Office activities Front Office 64.1A 64.2C 64.2D 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1A 92.1B 92.1C 92.1D 92.1F 92.2A 92.2B 92.2D 92.2E 92.2F 92.4Z Denomination activite Postes nationales Télécommunications (hors transmissions audiovisuelles) Transmission d'émissions de radio et de télévision Conseil en systèmes informatiques Edition de logiciels (non personnalisés) Autres activités de réalisation de logiciels Traitement de données Activités de banques de données Recherche-développement en sciences physiques et naturelles Recherche-développement en sciences humaines et sociales Activités juridiques Activités comptables Etudes de marché et sondages Conseil pour les affaires et la gestion Administration d'entreprises Activités d'architecture Métreurs, géomètres Ingénierie, études techniques Analyses, essais et inspections techniques Gestion de supports de publicité Agences, conseil en publicité Sélection et mise à disposition de personnel Travail temporaire Secrétariat et traduction Organisation de foires et salons Production de films pour la télévision Production de films institutionnels et publicitaires Production de films pour le cinéma Prestations techniques pour le cinéma et la télévision Distribution de films cinématographiques Activités de radio Production de programmes de télévision Edition de chaînes généralistes Edition de chaînes thématiques Distribution de bouquets de programmes de radio et de télévision Agences de presse 1982 52 0 0 0 0 0 205 0 228 0 887 984 228 895 141 1110 393 2351 0 51 1040 0 433 0 869 0 0 44 0 17 0 0 0 0 0 74 1990 205 0 0 0 0 0 152 0 135 0 904 537 265 1708 411 798 175 1341 0 99 806 0 306 0 613 0 0 51 0 16 0 0 0 0 0 55 1999 226 0 0 551 0 0 184 98 211 87 1276 756 186 2157 1348 857 157 1461 120 175 640 127 262 597 103 16 81 35 29 13 47 3 0 0 0 61 2005 Total 435 242 12 919 260 703 175 74 290 92 1782 879 174 3370 3067 964 176 1854 176 231 711 186 396 643 164 32 107 50 32 13 56 9 3 4 9 57 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 313 1397 1240 1749 48 188 180 61 59 103 12 3 4 9 247 Projet SIMBAD APPENDIX 4 Spatial Distribution of Front Office activities Spatial distribution of Front Office activities ZONE4 Dénomination activité 1ère Couronne 1ère Couronne 2ème Centre Est Ouest Couronne 63 164 416 275 35 0 119 17 61 81 3 182 20 145 252 61 453, 558 190 84 909 33 50 265 87 293 3 11 20 2 1 5 1 0 0 0 34 38 3 295 65 128 124 26 143 24 325 488 155 1764 930 573 178 1367 60 94 441 220 221 3 21 12 12 0 16 0 1 2 3 37 31 3 237 21 101 79 20 64 5 330 244 63 996 1051 379 161 1020 76 89 240 277 225 2 17 7 1 2 10 2 0 0 0 59 138 6 819 157 413 432 123 475 130 4048 2171 575 4917 2428 2587 478 3711 127 323 2251 656 1010 40 139 141 46 56 72 9 2 2 6 117 Total 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 1240 1748 48 188 180 61 59 103 12 3 4 9 247 91 a641A Postes nationales Télécommunications (hors C642C transmissions audiovisuelles) Transmission d'émissions de radio d642D et de télévision z721Z Conseil en systèmes informatiques Edition de logiciels (non a722A personnalisés) Autres activités de réalisation de C722C logiciels Z723Z Traitement de données Z724Z Activités de banques de données Recherche-développement en Z731Z sciences physiques et naturelles Recherche-développement en Z732Z sciences humaines et sociales A741A Activités juridiques C741C Activités comptables E741E Etudes de marché et sondages Conseil pour les affaires et la G741G gestion J741J Administration d'entreprises A742A Activités d'architecture B742B Métreurs, géomètres C742C Ingénierie, études techniques Analyses, essais et inspections B743B techniques A744A Gestion de supports de publicité B744B Agences, conseil en publicité Sélection et mise à disposition de F748F personnel J748J Travail temporaire A921A Secrétariat et traduction B921B Organisation de foires et salons Production de films pour la C921C télévision Production de films institutionnels D921D et publicitaires F921F Production de films pour le cinéma Prestations techniques pour le A922A cinéma et la télévision Distribution de films B922B cinématographiques D922D Activités de radio Production de programmes de E922E télévision F922F Edition de chaînes généralistes Z924Z Edition de chaînes thématiques Projet SIMBAD APPENDIX 5 Yearly Fine Distribution of Back Office activities Back Office Denomination activite Location avec opérateur de matériel 45.5z de construction Gestion d'infrastructures de 63.2a transports terrestres Services portuaires, maritimes et 63.2c fluviaux 63.2e Services aéroportuaires 63.4b Affrètement Organisation des transports 63.4c internationaux Location de courte durée de 71.1a véhicules automobiles Location de longue durée de 71.1b véhicules automobiles Location d'autres matériels de 71.2a transport terrestre Location de matériels de transport 71.2c par eau Location d'appareils de transport 71.2e aérien Location de machines et équipements 71.3c pour la construction Location de machines de bureau et 71.3e de matériel informatique 71.4a Location de linge 74.3a Contrôle technique automobile 74.6z Enquêtes et sécurité 74.7z Activités de nettoyage Studios et autres activités 74.8a photographiques Laboratoires techniques de 74.8b développement et de tirage 74.8d Conditionnement à façon 74.8h Centres d'appel 74.8k Services annexes à la production 90.0a Collecte et traitement des eaux usées Enlèvement et traitement des ordures 90.0b ménagères Traitements des autres déchets 90.0e solides Autres travaux d'assainissement et de 90.0g voirie 92.1g Edition et distribution vidéo 92.3b Services annexes aux spectacles 92.3d Gestion de salles de spectacles 93.0a Blanchisserie - teinturerie de gros 1982 0 107 4 16 0 71 0 0 53 0 0 101 21 0 0 0 1133 497 66 0 0 1451 19 43 0 0 0 166 58 37 86 13 23 21 4 3 1990 1999 4 36 12 8 41 178 0 0 39 1 10 79 16 9 98 172 794 202 69 25 0 1431 166 39 0 0 12 336 111 38 2005 7 51 12 10 44 218 86 37 42 6 13 90 23 11 124 274 979 188 68 47 32 1574 202 42 33 4 13 352 113 28 Totale 11 215 32 37 85 555 86 37 157 7 23 356 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 4 25 946 357 116 88 706 264 45 1533 9 28 92 75 13 Projet SIMBAD APPENDIX 6 Spatial Distribution of Back Office activities ZONE4 z455z a632a c632c e632e b634b c634c a711a b711b a712a c712c e712e c713c Location avec opérateur de matériel de construction Gestion d'infrastructures de transports terrestres Services portuaires, maritimes et fluviaux Services aéroportuaires Affrètement Organisation des transports internationaux Location de courte durée de véhicules automobiles Location de longue durée de véhicules automobiles Location d'autres matériels de transport terrestre Location de matériels de transport par eau Location d'appareils de transport aérien Location de machines et équipements pour la construction Location de machines de bureau et de matériel informatique Location de linge Contrôle technique automobile Enquêtes et sécurité Activités de nettoyage Studios et autres activités photographiques Laboratoires techniques de développement et de tirage Conditionnement à façon Centres d'appel Services annexes à la production Collecte et traitement des eaux usées Enlèvement et traitement des ordures ménagères Traitements des autres déchets solides 1ere Couronne Est 5 43 0 19 10 91 15 6 22 0 3 112 1ere Couronne Ouest 1 17 1 0 4 22 6 10 27 1 1 82 2eme Couronne Centre 5 23 1 16 52 284 22 6 39 1 5 104 0 131 30 2 19 157 43 15 68 5 14 58 Totale 11 215 32 37 85 555 86 37 157 7 23 356 e713e a714a a743a z746z z747z a748a b748b d748d h748h k748k a900a b900b e900e 8 4 42 60 658 198 26 5 0 776 14 50 9 22 5 38 67 575 185 31 10 5 922 29 17 7 3 5 78 76 729 178 28 43 4 778 340 53 13 41 6 64 243 1650 590 164 14 23 3514 13 33 4 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 93 Projet SIMBAD APPENDIX 3 Evolution of number of jobs EN1 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 8,58% 13,68% 9,10% 9,66% 11,22% 7,45% 14,10% 16,21% 15,55% 9,76% 11,32% 13,88% 74,86% 62,45% 62,81% 59,36% APPENDIX 4. Evolution of number of jobs EN2 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 11,54% 19,78% 16,41% 20,21% 12,15% 13,15% 13,43% 14,52% 18,71% 11,93% 25,49% 29,07% 57,60% 55,14% 44,67% 36,20% Projet SIMBAD APPENDIX 5 1999 Bivariate Lisa between Business Services and "poors" or "rich » Rich IRIS Front office activities Poor IRIS Back office activities 95 Projet SIMBAD Table 1 Hausman test for fixed versus random effects for Front office activities (B) (b-B) Sqrt ---- Coefficients ---(b) fixed random Difference (diag(V_b-V_B)) Locational Quotient of the 0,3029501 0,3577478 -0,0547977 0,0114872 sector concerned Accessibility to employment 0,29866 0,2383096 0,0603504 0,0100724 Cadres 0,4182277 0,3194995 0,0987282 0,0208149 Ouvriers -0,0335321 0,0068505 -0,0403827 0,0264077 Locational Quotient of real 0,1107621 0,0862397 0,0245224 0,0105087 estate activities Locational Quotient of -0,0427813 0,030289 0,0076581 administration 0,0730703 Locational Quotient of retail 0,1387461 0,1540021 -0,0152561 0,0098953 trade Locational Quotient of whole 0,0793657 0,0404762 0,0388895 0,0133662 sale trade Zone Franche urbaine 0,3340292 0,3427778 -0,0087486 0,0679821 (dummy) Number of not taxed -0,0121904 0,002546 -0,0147364 0,0018344 households Table 3 Hausman test for fixed versus random effects for Back office activities (b-B) Difference -0,1377194 0,1070401 -0,0508565 0,1053839 0,0292836 0,0175819 0,1013848 0,1115918 0,2177993 0,0010905 Sqrt (diag(V_b-V_B)) 0,0500944 0,0360105 0,0533044 0,0812558 0,0295852 0,0152579 0,0409521 0,0547594 0,1783906 0,0072509 ---- Coefficients ---Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households (b) fixed 0,0606984 0,3503816 0,0990246 0,1791493 0,1402008 0,0093855 0,2729169 0,2768344 0,2791986 -0,0000798 (B) random 0,1984178 0,2433415 0,149881 0,0737654 0,1109172 -0,0081964 0,1715321 0,1652426 0,0613993 -0,0011703 Projet SIMBAD Appendix Table 2. Poisson estimation of number of Front office activities localized for each time period Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households constant -0,03 [0,0020962]*** 1,43 [0,1608816]*** 0,01 [0,0016101]*** -1,89 [0,2651168]*** 1982 0,37 [0,0280989]*** 0,25 [0,0077735]*** 0,07 [0,0185495]*** 0,05 [0,0229203]** 0,33 [0,0362292]*** 0,07 [0,0255394]*** 0,16 [0,0288513]*** -0,17 [0,0476818]*** 1990 -0,16 [0,0393487]*** 0,42 [0,0255615]*** 0,38 [0,0319488]*** -0,07 [0,0409987]* 0,1 [0,0307155]*** -0,04 [0,0187238]* 0,15 [0,0256944]*** 0,1 [0,034867]*** 1999 -0,14 [0,0177229]*** 0,52 [0,0082963]*** 0,24 [0,0137637]*** -0,15 [0,0130317]*** 0,08 [0,0099078]*** -0,01 [0,0085372]ns 0,11 [0,0107779]*** 0,03 [0,0113685]*** 0,32 [0,1106306]*** 0,02 [0,0008735]*** -1,36 [0,1207811]*** 2005 -0,15 [0,0157304]*** 0,52 [0,0069995]*** 0,26 [0,011604]*** -0,15 [0,0107877]*** 0,09 [0,0091013]*** 0 [0,0075271]ns 0,13 [0,0089371]*** 0,03 [0,0092082]*** 0,32 [0,0578464]*** 0,02 [0,000696]*** -1,28 [0,0946727]*** Table 3. Poisson estimation of number of back office activities localized for each time period 1982 0,23 Locational Quotient of the sector concerned [0,0405169]*** 0,26 Accessibility to employment [0,013208]*** 0 Cadres [0,0301485]ns 0,12 Ouvriers [0,0449218]*** 0,4 Locational Quotient of transports [0,0485238]*** 0,22 Locational Quotient of logistics [0,0449417]*** 0,13 Locational Quotient of retail trade [0,0477156]*** -0,13 Locational Quotient of whole sale trade [0,0764427]* Zone Franche urbaine (dummy) Number of not taxed households Constant -0,03 0,01 [0,0030542]*** [0,0024748]*** 0,59 -1,7 [0,2996341]** [0,3901378]*** 1990 -0,15 [0,0494872]*** 0,45 [0,0357571]*** 0,15 [0,0430667]*** 0,03 [0,0608725]ns 0,05 [0,0491889]ns 0,08 [0,0291371]*** 0,08 [0,0377795]** 0,1 [0,0553522]* 1999 -0,15 [0,021523]*** 0,52 [0,0143845]*** 0,1 [0,0216996]*** 0,02 [0,0238528]ns 0,01 [0,0174565]ns 0,03 [0,0157456]* -0,04 [0,0185491]* 0,05 [0,0218178]*** -0,01 [0,1579379]ns 0,02 [0,0013675]*** -2,09 [0,1947112]*** 2005 -0,19 [0,0204369]*** 0,52 [0,0135348]*** 0,08 [0,0201292]*** 0,01 [0,0219201]ns 0 [0,0174118]ns 0,02 [0,0153371]ns 0 [0,0173941]ns 0,07 [0,0194414]*** 0,26 [0,0902894]*** 0,02 [0,0012156]*** -2,02 [0,173685]*** 97 Projet SIMBAD 4. Estimer les émissions de polluants atmosphériques : quel est le poids de la caractérisation du parc de véhicules Auteurs: Lény Grassot, Jean-Pierre Nicolas, Pascal Pluvinet. Première version d'un texte soumis à la revue Recherche Transports Sécurité Résumé: Depuis les années 90, l'évaluation des projets de transport intègre systématiquement une estimation des émissions de polluants atmosphériques. Cet article propose une réflexion méthodologique sur l'impact des hypothèses qui sont faites pour établir les calculs, et il se concentre plus particulièrement sur celles liées au parc automobile. En effet, ce parc est souvent défini à partir des caractéristiques du parc roulant national, sans prendre en compte les spécificités locales. A partir des données de l'enquête ménages déplacements lyonnaise de 2006 et de l'utilisation du modèle SIMBAD développé au LET, nous comparons ici les résultats obtenus en matière d'émissions de CO2 et de NOx avec le parc national français, le parc lyonnais agrégé et le même parc désagrégé en fonction de la localisation et du revenu des ménages. Nous montrons que les erreurs peuvent être très variables selon le polluant et l'échelle d'observation. L'utilisation d'un parc local agrégé apparaît intéressante et suffisante pour établir des bilans globaux d'émissions. Si l'on veut des résultats à un niveau spatial plus détaillé, le recours à ce parc local améliore nettement les estimations fournies par un parc national ; sa désagrégation affine encore les résultats pour les NOx. Mots clés : Trafic routier, polluants atmosphérique, évaluation, parc automobile, COPERT, modélisation Projet SIMBAD Depuis les années 90, l'estimation des émissions de polluants atmosphériques est un exercice systématiquement mené dans l'évaluation des projets de transport, que ce soit dans le cadre des études d'impact en amont des investissements d'infrastructures, ou pour évaluer des politiques générales d'agglomérations comme dans le cas d'un Plan de Déplacement Urbain ou, aujourd'hui, des réflexions sur les Zones d'Actions Prioritaires pour l'Air (ZAPA). Les exigences nationales du Grenelle de l'Environnement et les engagements européens en matière de réduction par 4 de nos émissions de gaz à effet de serre d'ici 2050 ont encore renforcé l'importance de ce travail ces dernières années. A ce titre, il est indispensable de disposer d'outils fiables pour réaliser ce type d'estimations. Actuellement, une fois estimés les trafics par tronçon de voirie, la méthodologie classiquement retenue articule trois grands types d'informations : (1) des formules d'émissions de polluant fournissent un niveau d'émission attendu pour (2) un type de véhicule donné en fonction de (3) sa vitesse. Chacune des hypothèses établies lors de la phase d'affectation du trafic puis pour constituer ce triptyque (courbes d'émissions / parc de véhicules / vitesse) introduit une part d'incertitude dans les estimations des émissions. Sans forcément chercher à remettre en cause les résultats obtenus et les décisions qui en découlent, établies au mieux en fonction des connaissances disponibles, il apparaît nécessaire d'avoir une idée des types d'erreurs, de leur ampleur potentielle et de la manière dont elles peuvent jouer entre elles, pour mieux contrôler les conclusions que les estimations finales permettent de tenir. Dans le cadre de cet article, nous nous concentrons plus particulièrement sur les hypothèses liées au parc automobile. En effet, les parcs peuvent différer d'une région à l'autre en fonction de leur climat, de leur degré d'urbanisation, du niveau de vie moyen de leur population, etc. Par ailleurs, les parcs en circulation sont loin d'être identiques entre les trafics interurbains et les trafics urbains, de même qu'en urbain des différences notables de taille, d'âge et de carburation des véhicules peuvent être attendues entre les ménages vivant en centre-ville et ceux résidant en périphérie. Dans quelle mesure ces spécificités locales peuvent-elles faire varier les estimations des émissions ? Pour répondre à cette question, nous utilisons le terrain particulier de l'aire urbaine de Lyon, dont les trafics ont été modélisés dans le cadre du projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable) développé au Laboratoire d'Economie des Transports (Nicolas et al., 2009), et nous analysons les écarts d'estimation obtenus avec l'utilisation d'un parc national et de parcs locaux plus ou moins finement désagrégés. L'article se déroule en trois parties. Une présentation générale de la méthode d'estimation des émissions de polluants liés au trafic est tout d'abord réalisée. Elle permet, dans un deuxième temps, de mieux préciser la problématique du travail et la méthodologie utilisée pour y répondre, dans le cadre du terrain et des outils retenus. Enfin, les résultats obtenus sont présentés et analysés. 4.1. Contexte - l'estimation des émissions de polluants atmosphériques liées au trafic routier La méthode traditionnellement utilisée par les Centres d'Etudes Techniques de l'Equipement, les collectivités locales ou les bureaux d'études pour évaluer les émissions de polluants atmosphériques liés au trafic automobile repose sur les recherches menées au niveau européen depuis les années 80 (Cheynet, 2011). Initiées par les programmes CORINAIR 1 et 2 (CEC, 1993), MEET (CEC, 1999), renforcées par l'action COST319 (Joumard et al., 1999) et poursuivies par le programme ARTEMIS (2000-), ces recherches ont abouties à la mise au point et à l'actualisation constante de la méthodologie de calcul COPERT (Ntziachristos et al., 2010). Déclinée au niveau national, celle-ci a donné jour à des outils comme le logiciel Impact de l'ADEME (ADEME, 2003) ou l'application 99 Projet SIMBAD COPCETE développée par les services techniques du Ministère de l'Ecologie, du Développement Durable, des Transports et du Logement. Sur quels principes repose cette méthodologie ? De manière simplifiée, les émissions d'un véhicule dépendent tout à la fois de ses caractéristiques techniques propres et des conditions de circulation qu'il rencontre, qui jouent tant sur sa vitesse moyenne que, en instantané, sur ses accélérations, décélérations, etc. A ces deux principaux éléments, se rajoutent d'autres facteurs comme la pente des infrastructures empruntées, les conditions météorologiques ou, au cours des premiers kilomètre, la température du moteur au démarrage. La méthodologie COPERT repose sur la mise en évidence statistiques des corrélations entre une vitesse moyenne, supposée représentative d'un type de condition de circulation, et les niveaux d'émissions des différents polluants. Chaque type de véhicule, défini en fonction de son âge et des normes techniques qu'il devait respecter l'année de sa fabrication, de sa cylindrée et de sa carburation, dispose ainsi d'une courbe liant vitesse et émissions. Des coefficients sont ensuite proposés pour corriger cette première estimation en prenant en compte l'impact de chacun des autres facteurs évoqués. Certaines des hypothèses retenues dans le cadre de COPERT sont plus particulièrement réinterrogées dans les travaux de recherche en cours et les méthodologies alternatives développées. Elles concernent surtout la manière de prendre en compte la cinématique des véhicules, résumée pour l'instant à une simple vitesse moyenne. En effet, par exemple, là où une vitesse moyenne de 40 km/h témoigne de conditions de circulation idéales en milieu urbain, elle peut cacher des conditions très difficiles et heurtées sur une route nationale ou une autoroute, avec des consommations et des émissions qui peuvent être différentes entre les deux cas. Une première solution permettant de rester avec une approche agrégée consiste à constater qu'il existe des cycles de conduite types, représentatifs de conditions de circulation particulières, (Joumard et al., 1987) qu'il convient de repérer pour estimer les émissions correctement. Ainsi, dans le projet ARTEMIS qui prolonge COPERT, ces cycles de conduite sont repérés en croisant la vitesse moyenne avec le type de tronçon routier sur lequel circulent les véhicules. Cette distinction a conduit à l'estimation de courbes d'émissions plus fines et circonstanciées, qui devraient être bientôt introduites dans les modèles de calcul des émissions (cf. Hausberger et al., 2009). Une autre solution consiste à développer des approches désagrégées à partir de modèles de simulation dynamique du trafic qui vont calculer des vitesses instantanées pour les véhicules tronçon par tronçon, voire véhicule par véhicules à l'intérieur de chaque tronçon (Can et al. 2010). Il existe des modèles basés sur cette approche, mais ils restent pour l'instant très consommateurs de données et de puissance de calcul et ils sont plus cantonnés au niveau du quartier qu'à celui d'une agglomération ou de son bassin d'emplois. Par contre, à côté de ces différents types de travaux, il n'existe pas, à notre connaissance, de réflexion poussée sur la manière de représenter le parc automobile dans les approches agrégées comme COPERT. Plus précisément, des parcs nationaux sont établis pour chaque pays européen mais, par contre, il n'existe pas de réflexion au niveau intra-national. Ainsi, en France, des statistiques sont régulièrement collectées à partir des enquêtes Parc Auto Sofres pour fournir un état annuel du parc en circulation, avec la caractérisation de sa structure en fonction du croisement des trois variables que sont la norme européenne d'émission respectée (liée à l'âge), le type de carburation et la puissance (Gallez et Hivert, 1998). A partir de là, des prospectives sont établies pour fournir une image de ce parc pour les années à venir (Bourdeau, 1997; Hugrel et Joumard, 2006). Par contre, ces travaux restent établis au niveau national, sans qu'il y ait de réflexion au niveau local. Cet article s'interroge sur l'intérêt que pourrait représenter un tel travail dans le cadre d'estimations des émissions rattachées à un territoire local particulier. Projet SIMBAD 4.2. Méthode - comparer les niveaux d'émissions obtenues à partir de différents parcs automobile Le parti pris pour répondre à cette question de l'intérêt de différencier le parc automobile en fonction du lieu de l'estimation a été de se focaliser sur le terrain particulier de l'agglomération lyonnaise, où les données de la dernière enquête ménages déplacements de 2006 et l'utilisation du modèle SIMBAD permettaient d'évaluer les émissions avec plusieurs parcs différents et de comparer les résultats obtenus. 4.2.1. L'enquête ménages déplacements de Lyon 2006 L'enquête ménages déplacements de 2006 concerne un échantillon de 11 229 ménages, soit 25 656 personnes de cinq ans et plus, effectuant 96 250 déplacements. Son périmètre d'étude couvre la totalité de l'aire urbaine, et la dépasse au Nord en débordant au dessus de Villefanche. Il correspond ainsi à une population de 832 618 ménages et 1 975 260 personnes (moins de cinq ans incluses). Ce type d'enquêtes est établi sur la base d'une procédure standard, contrôlée par le CERTU (Centre d'Etudes et de Recherche sur les Transports, l'Urbanisme et les constructions publiques), organisme national membre du Réseau Scientifique et Technique du MEDDTL. Elles sont menées tous les dix ans environs dans toutes les grandes agglomérations françaises. Le ménage constitue l'unité statistique d'observation. Toutes les personnes de cinq ans et plus appartenant à ce ménage sont interrogées sur leurs déplacements réalisés la veille du jour de l'enquête. Cette dernière se déroule du mardi au samedi et ne prend donc pas en compte la mobilité de la fin de la semaine. Les données recueillies concernent les principales caractéristiques socio-économiques des ménages et des personnes ainsi que des informations sur les déplacements comme l'origine et la destination, le motif, les modes utilisés, les horaires, etc. Pour ce qui nous concerne plus particulièrement ici, l'ensemble du parc automobile de chaque ménage enquêté est décrit, et l'on connaît ainsi ses caractéristiques en termes de carburation et de normes Euro. Par ailleurs, l'enquête fournit la puissance fiscale des véhicules. Croisée avec l'âge et la carburation de chaque véhicule, cette variable permet de leur attribuer une cylindrée d'une manière aléatoire qui respecte les répartitions au sein du parc national établies à partir du panel Sofres Parc Auto (Gallez et Hivert, 1998). Enfin, connaissant tous les déplacements de la veille réalisés par chaque voiture, avec leur origine et leur destination, une affectation sur le réseau à partir du modèle Visum a permis de déterminer la distance totale qu'elle a parcourue. Chaque véhicule peut être ainsi pondéré de son kilométrage, permettant d'estimer les caractéristiques du parc en circulation. 4.2.2. Le modèle Simbad Les calculs ont pu être réalisés grâce au projet SIMBAD qui articule un modèle Transport et un modèle d'Urbanisme (Nicolas et al, 2009). La plate forme simule l'ensemble des déplacements réalisés sur l'aire urbaine de Lyon, en prenant en compte les déplacements tant en modes individuels que collectifs, ceux générés à l'intérieur du périmètre d'étude que l'échange et le transit, les personnes que les marchandises. Son année de référence est 1999, et l'horizon de projection 2025, avec des itérations successives de pas d'un an. Les 662 000 ménages de l'aire urbaine de Lyon sont pris en compte, leur nombre évolue jusqu'en 2025 en adéquation avec les prévisions du modèle OMPHALE de l'INSEE, et leur mobilité est représentée. La modélisation Transport au sein de SIMBAD distingue les différents types de trafics. Ainsi par exemple, les trafics de marchandises sont pris en compte grâce au modèle FRETURB (Routhier et al., 2010) et les trafics d'échange et de transit disposent d'un module particulier. Pour ce qui nous 101 Projet SIMBAD concerne ici, à savoir les trafics générés par les résidents de l'aire urbaine, ils reposent sur une modélisation classique à 4 étapes, enchaînant une génération des boucles domicile / motif principal / domicile, leur distribution entre les différentes zones de l'aire urbaine (en l'occurrence, ses 777 IRIS), leur répartition entre déplacements automobile, en transports collectifs ou en modes doux et, enfin, leur affectation sur les réseaux correspondants. De plus, trois chaînes ont été distinguées pour cette procédure, en fonction des revenus du ménage28. Trois chaînes transport ont été modélisées, en distinguant les 20% des ménages les plus modestes, les 60% médians et les 20% les plus aisés. Dans ce cadre, le module d'affectation du logiciel VISUM est utilisé. Le réseau routier a été codé et calibré sur 1999, avec une prise en compte des évolutions des années suivantes ­ le réseau de 2006 est ainsi représenté. Les trois matrices origine-destination obtenues pour chacun des trois types de ménages (ainsi que les matrices correspondant aux autres types de trafics) sont affectées de manière cohérente mais distincte grâce à la procédure d'affectation « multi classes » sous VISUM. Cette manière de faire permet de savoir ensuite quels types de ménages se sont déplacés, et où sur les réseaux : on dispose ainsi, sur chaque tronçon du réseau routier, du nombre estimé de véhicules correspondant à chacune des matrices affectées. Enfin, dernier point, l'affectation s'est faite avec des matrices d'heure de pointe et des matrices d'heure creuse, permettant de ramener les estimations d'émissions au niveau global d'un jour de semaine. 4.2.3. Trois types de parc automobile à comparer A partir de ces données issues d'une enquête ménages déplacements et des possibilités offertes par la plateforme SIMBAD, trois types de parc automobile ont été distingués pour calculer des émissions de polluants. Tout d'abord, une répartition par types de véhicules représentative du parc national en 2006 a été utilisée comme référence. Elle correspond au parc recommandé par l'ADEME et implanté dans son modèle IMPACT. L'enquête ménages déplacements lyonnaise a permis d'établir une répartition de même type avec les véhicules des ménages lyonnais en circulation sur le territoire de l'aire urbaine. Elle fournit ainsi un parc local agrégé, aux caractéristiques différenciées par rapport au parc national, comme nous le verrons plus loin. Enfin, l'outil SIMBAD offrant la possibilité de distinguer les ménages par catégories de revenu, il devenait intéressant de voir si un parc désagrégé peut améliorer encore les résultats d'émissions, tant au niveau global du territoire observé qu'à un niveau spatial plus fin. A côté du revenu, l'autre variable fortement explicative du type de véhicules utilisés par les ménages étant leur localisation, notre travail a également été l'occasion de distinguer 3 zones entre les ménages résidant dans le noyau urbain central (Lyon et Villeurbanne), ceux de banlieue (reste du Grand Lyon) et ceux de périphérie (reste de l'aire urbaine). La carte ci-dessous permet de visualiser le découpage ainsi retenu. En croisant les 3 niveaux de revenus et les 3 zones de résidence, 9 sous parcs locaux ont dès lors pu être reconstitués selon la même méthode que pour le parc local agrégé. Comme évoqué précédemment, ils ont été affectés sur le réseau routier à partir de la procédure « multi classes » de VISUM afin de disposer de leur répartition dans l'espace lyonnais et sur les différentes catégories de voirie. 28 Dans le cadre de Simbad, chaque ménage de l'aire urbaine est caractérisé par son revenu par unité de consommation, à savoir son revenu total ramené par personne, avec une pondération qui tient compte des économies d'échelle au sein du ménage : la première personne est comptée pour 1, la seconde pour 0,7 et les suivantes 0,5, suivant ainsi les préconisations de l'INSEE (Hourriez et Olier, 1997). Projet SIMBAD 4.2.4. Deux polluants testés : CO2 et NOx Deux types de polluants ont été retenus pour réaliser des comparaisons. D'une part, le CO2 a été pris en considération car il représente un enjeu global du fait de son poids dans le renforcement de l'effet de serre. L'estimation systématique, aujourd'hui, de ce polluant dans l'évaluation des politiques et des projets de transport rendait sa prise en compte incontournable dans notre exercice. D'autre part, il apparaissait important de tester un polluant représentant des enjeux de nature différente, et avec des impacts plus localisés. Les NOx, irritants notoires du fait de leur pouvoir oxydant et précurseur de la pollution à l'ozone dans les régions ensoleillées, ont été retenus. Ils étaient également intéressants car les fonctions d'émissions qui leurs correspondent sont différentes de celles du CO2. Elles sont notamment plus sensibles aux variations de vitesse, mais également aux caractéristiques du parc. 4.2.5. Quelques points méthodologiques supplémentaires Quelques points de méthode méritent d'être évoqués pour que l'analyse des résultats puisse ensuite être discutée convenablement. L'utilisation de COPERT à partir des résultats d'un modèle d'affectation L'utilisation d'un outil de modélisation de trafic n'est a priori pas la plus adaptée pour utiliser les courbes fournies par COPERT. En effet, celles-ci sont établies pour rendre compte des émissions liées à la vitesse moyenne d'un déplacement, et non pour la vitesse moyenne sur un tronçon, telle qu'elle est calculée par un modèle d'affectation. Ainsi, les concepteurs de COPERT recommandent d'utiliser l'outil pour des distances parcourues d'au moins 1 km (Ntziachristos et al., 2010). Cet abus d'usage des courbes COPERT est cependant généralisé, puisque tous les projets sont évalués de cette manière. Nous reproduisons donc l'erreur, mais en nous concentrant sur un autre point, l'effet parc, qui n'est pas affecté. Notons cependant que cette erreur est amoindrie dans les cas, comme ici, où les estimations ne sont analysées qu'à un niveau agrégé, avec un grand nombre de tronçons pris en compte en même temps et donc des résultats moyennés. La prise en compte des vitesses aux noeuds VISUM fournit une vitesse moyenne par tronçon, hors ralentissement lié aux carrefours, qui sont traités spécifiquement à travers des « pénalités aux noeuds ». Ces données de temps au noeud ont été intégrées en ajoutant chacune d'entre elles au temps de leur tronçon amont. Ceci a permis de travailler avec des vitesses sur le réseau plus réalistes, et répond de manière partielle à la réserve précédente sur l'usage de COPERT pour des vitesses moyennées. La prise en compte des surémissions liées aux démarrages à froid Les formules COPERT permettent de calculer les émissions des véhicules dont le moteur est chaud. Cependant, ces émissions peuvent fortement varier dans les premiers temps qui suivent le démarrage, lorsque le moteur est froid. Pour corriger cet effet, nous avons repris les coefficients proposés par COPERT, établis sur la base d'une proportion moyenne de véhicules circulant à froid. Cependant, le nombre de petits déplacements est proportionnellement plus important dans le cadre d'une circulation urbaine qu'à un niveau moyen national. L'effet « démarrages à froid » est donc sous-estimé dans nos calculs. Nous avons malgré tout conservé ces coefficients, qui sont systématiquement utilisés et qui ne modifient pas les écarts d'estimation induits par les différences entre les parcs automobiles. Une correction des très faibles vitesses pour estimer les émissions 103 Projet SIMBAD Concernant le CO2, les émissions des véhicules circulant entre 0 et 10 km/h ont été calées sur les émissions à 10 km/h (Graphique 3). En effet, les formules COPERT ne sont valides qu'à partir de cette vitesse et leur prolongement conduit à des émissions infinies pour les vitesses très petites. Cette adaptation des courbes ne concerne cependant qu'une part limitée du total du trafic mesuré en veh.km, et l'approximation induite reste donc marginale. 4.3. Mesurer l'impact des hypothèses du parc routier à partir de l'exemple lyonnais Une caractérisation des parcs utilisés, tant en matière technologique que d'émissions unitaires moyennes en fonction des vitesses, apparaît comme un détour indispensable pour pouvoir analyser correctement les résultats obtenus en matière d'estimation des émissions. 4.3.1. Des différences notables entre les parcs... Comme le montre le tableau ci-dessous, les 11 parcs automobiles qui se trouvent finalement comparés (un parc national, un parc local agrégé et neuf sous-parcs locaux) s'avèrent bien différents suivant les trois variables descriptives qui sont utilisées (carburation, âge et cylindrée). La carburation. Tout d'abord, le parc national en circulation est plus diésélisé que le parc lyonnais (Graphique 1) : 53% des véhicules kilomètres sont diesel pour le premier, contre 45% pour le second, ce qui est cohérent avec le fait de comparer des trafics nationaux et ceux d'une agglomération millionnaire dense. Lorsque l'on rentre dans le détail, de nettes disparités apparaissent à l'intérieur de l'aire urbaine, notamment en fonction de la zone de résidence des ménages : leur usage du diesel augmente fortement en fonction de la distance au centre, pour atteindre des taux comparables au taux national en périphérie. Dans une moindre mesure, et de manière plus dispersée selon les zones, le revenu joue également, avec des ménages aisés un peu moins diésélisés que les autres (49% de diésélisation pour les ménages modestes et médians contre 45% pour les plus aisés). Graphique 1 : taux de diésélisation au sein des 11 parcs étudiés Taux de diésélisation (%parc) 60% 50% 40% 30% 20% 10% 0% L'âge. Au niveau agrégé, l'âge moyen du parc lyonnais est équivalent à celui du parc national (7,9 ans). La distinction suivant la zone géographique de résidence n'apporte qu'une légère différenciation avec des âges moyens de respectivement 7,6 7,8 et 8 ans pour le centre, la 1ère et la Projet SIMBAD 2ème couronne (cf. Graphique 2). Les ménages multimotorisés de périphérie utilisant souvent des véhicules plus anciens comme seconde ou troisième voitures, le parc vieillit légèrement lorsque l'on passe du centre vers la périphérie. Cependant, ce sont surtout les différences de revenus qui génèrent des écarts entre les âges des parcs des ménages : on passe de 9,9 à 8,2 puis 6,6 ans d'âge moyen entre le 1er quintile de revenu, les 60% médians et le quintile le plus aisé. Graphique 2 : âge moyen des véhicules au sein des 11 parcs étudiés Âge moyen des véhicules 12 10 8 6 4 2 La cylindrée. Enfin, la cylindrée des véhicules du parc lyonnais est légèrement plus faible qu'au 0 niveau national, avec notamment un taux de petits véhicules plus important (45% de 4-5 CV au sein de l'aire urbaine de Lyon, contre 42% au niveau national). Comme dans le cas du niveau de diésélisation, les caractéristiques urbaines ressortent ici par rapport à un territoire plus large. L'examen à un niveau plus désagrégé (Tableau 1) fait apparaître une légère bascule entre les véhicules de petites et moyennes cylindrées lorsque l'on passe du centre à la périphérie, avec les voitures 4-5 CV majoritaires dans le centre urbain (48%) remplacées partiellement par des 6-7 CV en périurbain (46%). La proportion des grosses cylindrées de 8 CV et plus reste quant à elle insensible à la localisation (10% des véhicules quelle que soit la zone), mais dépend largement du revenu des ménages, passant de 7% chez les bas revenus à 14% pour les plus aisés. 105 Projet SIMBAD Tableau 1 : répartition des cylindrées des véhicules au sein des 11 parcs étudiés Cylindrée Lieu de résidence Centre Niveau de revenu Bas 51% 43% 42% 45% 44% 49% 51% 48% 5% 8% 7% 7% Médian 47% 43% 41% 44% 45% 47% 48% 47% 8% 9% 10% 9% Haut 47% 43% 38% 43% 38% 46% 48% 43% 15% 11% 15% 14% moyenne 48% 46% 44% 45% 42% 45% 46% 45% 10% 10% 10% 10% 4-5 CV Grand Lyon Aire Urbaine moyenne Centre 6-7 CV Grand Lyon Aire Urbaine moyenne Centre 8 CV et+ Grand Lyon Aire Urbaine moyenne 4.3.2. ... qui se traduisent par des courbes d'émissions différentes suivant le parc Ces différences de caractéristiques des parcs ont bien évidemment un impact sur l'estimation des émissions. Une première manière de mettre cela en évidence passe par la constitution et la comparaison des courbes d'émissions moyennes de chacun des parcs en fonction de la vitesse. En effet, comme dans la méthodologie COPERT chaque parc est constitué d'une proportion donnée de chaque classe de véhicules, considérée constante quelle que soit la vitesse, il est possible d'établir une courbe moyenne d'émissions d'un parc en faisant la moyenne des courbes de chaque type, pondérées chacune par sa proportion dans le parc : em(v) = i i.ei(v) avec : em(v) : émissions unitaires moyennes du parc à la vitesse v i : classe du véhicule définie par COPERT i : proportion de la classe i dans le parc considéré ei(v) : émissions unitaires de la classe i à la vitesse v Les courbes d'émissions moyennes de CO2 et de NOx du parc national et du parc lyonnais agrégé peuvent ainsi être calculées et comparées (graphiques 3, 4 et 5). Elles montrent immédiatement qu'en matière de CO2, les différences de résultats sont relativement minimes. Les véhicules lyonnais sont en moyenne plus petits que dans le parc roulant au niveau national, mais cet effet est en partie compensé par le fait qu'ils sont moins diésélisés. Le parc lyonnais apparaît dès lors légèrement moins émetteur que le parc national, avec une sous émission de l'ordre de 7 à 8% pour les vitesses inférieures à 80 km/h, qui se réduit ensuite progressivement jusqu'à -4% à 130 km/h. En matière de NOx, les mêmes causes produisent des effets bien différents car ce polluant est à la fois très sensible au type de carburation et à la vitesse. La plus petite cylindrée des véhicules Projet SIMBAD lyonnais ne suffit plus du tout à compenser leur moindre diésélisation par rapport aux véhicules du parc national, et ils surémettent sensiblement plus. Cette surémission, relativement faible à petites vitesses (inférieure à 10% à moins de 10 km/h) augmente linéairement pour atteindre un maximum de 25% autour de 100 km/h avant de redescendre légèrement à +20% à 130 km/h. On peut donc déjà se rendre compte que quelles que soient les vitesses estimées sur le réseau de l'aire urbaine lyonnaise, les enjeux en matière d'écarts de calculs d'émissions peuvent être relativement importants pour le NOx, alors qu'ils restent contenus pour le CO2. Graphique 3 : courbes d'émissions de CO2 du parc national Graphique 4 : courbes d'émissions de NOx du parc national et du parc lyonnais (g/km) et du parc lyonnais (g/km) Graphique 5 : comparaison des courbes d'émissions de CO2 et NOx du parc lyonnais par rapport au parc national Le même exercice prenant en compte les 9 parcs lyonnais désagrégés montrent des variations très faibles des émissions de CO2 entre les parcs, de l'ordre de ±2% par rapport au parc agrégé, avec par ailleurs des compensations entre eux (Graphiques 6, 7, 8 et 9). On peut également souligner la surémission des 3 parcs des ménages aisés à vitesses moyennes, qui sont liées à leur proportion plus forte de grosses cylindrées. Par opposition, les plus petits véhicules des ménages modestes se positionnent dans le niveau bas des courbes. Cependant, cette opposition s'inverse aux vitesses élevées, supérieures à 100-110 km/h : la moins bonne performance énergétique du parc moins puissant et plus âgé des ménages modestes contribue à sa surémission alors que le parc des ménages plus aisés apparaît plus performant. 107 Projet SIMBAD Pour les NOx, la sensibilité des résultats constatée précédemment se retrouve aussi lorsqu'on compare les variations entre les sous-parcs locaux, avec des écarts allant de +35% à -18% suivant les parcs et les vitesses. Là encore, une opposition nette peut être établie entre les émissions des parcs des ménages modestes et ceux des ménages aisés. En effet, les véhicules sensiblement plus âgés des ménages modestes sont fortement surémetteurs, notamment pour ceux résidant dans le centre et le Grand Lyon - en périurbain, le plus fort taux de diésélisation limite cette surémission. Les véhicules beaucoup plus récents des ménages aisés respectent quant à eux des normes plus strictes et apparaissent systématiquement sous la moyenne du parc agrégé lyonnais. Graphique 6 : courbes d'émissions de CO2 des parcs lyonnais agrégé et désagrégés Graphique 7 : courbes d'émissions de NOx des parcs lyonnais agrégé et désagrégés Graphique 8 : comparaison des courbes d'émissions de CO2 du parc lyonnais agrégé par rapport aux parcs désagrégés Graphique 9 : comparaison des courbes d'émissions de NOx du parc lyonnais agrégé par rapport aux parcs désagrégés 4.3.3. Des émissions globales un peu plus impactées au niveau des NOx que du CO2 Une fois les trafics affectés sur le réseau de l'aire urbaine de Lyon, avec des flux et des vitesses différenciés sur l'ensemble des tronçons de voirie, une estimation des émissions globales peut être faite (Graphiques 10 et 11). Comme le laissaient le prévoir les courbes d'émissions unitaires Projet SIMBAD moyennes, l'impact de la définition du parc est plus fort dans le cas des NOx que dans celui du CO2 : entre un parc national et un parc lyonnais agrégé, les écarts sont de l'ordre de 6% pour les CO2 et de 11% pour le NOx lorsque l'on ne considère que les trafics internes liés aux ménages résidents de l'aire urbaine. La distinction en sous parcs liés à la localisation et au revenu ne change pas les résultats par rapport au parc local agrégé pour le CO2, et ne l'affecte que de manière marginale pour le NOx (+2%). Pour les études dont l'objectif est d'établir un volume total d'émissions sur un périmètre donné, le recours à un parc moyen agrégé à l'échelle territoriale correspondante apparaît dès lors largement suffisant. Graphique 10 : estimation des émissions quotidiennes de CO2 selon les hypothèses de parc utilisées Graphique 11 : estimation des émissions quotidiennes de NOx selon les hypothèses de parc utilisées 4.3.4. Mais surtout des variations locales fortes sur le territoire d'étude Cette stabilité des résultats entre parcs locaux agrégés et désagrégés mérite cependant d'être questionnée plus avant, et ce à double titre. D'une part, nous l'avons vu, les écarts relatifs entre les courbes d'émissions sont différents suivant les vitesses. Or celles-ci ne sont pas les mêmes suivant le type de voirie et leur localisation dans l'agglomération. Une comparaison des résultats obtenus à un niveau territorial fin à partir du parc national et du parc lyonnais agrégé permet de vérifier si cet impact représente un enjeu ou non. D'autre part, les courbes d'émissions du parc lyonnais agrégé apparaissent très différenciées de celles des 9 sous parcs locaux, notamment pour le NOx. Il suffit donc que ces sous-parcs soient répartis de manières spécifiques sur le réseau lyonnais pour que des variations sensibles des estimations apparaissent sur le territoire. Or, la logique de constitution de ces parcs pousse dans ce sens puisqu'elle distingue d'une part les localisations résidentielles centrales et périphériques et d'autre part les revenus des ménages, alors que le territoire est nettement ségrégé suivant cette variable. Pour mettre en évidence cet éventuel impact d'une désagrégation du parc, une comparaison des résultats peut être faite à un niveau spatial fin entre le parc lyonnais et ses neuf sous-parcs. Cas 1 : quel impact des variations de vitesses suivant le type de voirie et la localisation dans l'aire urbaine ? La surestimation moyenne de 6% des émissions de CO2 calculées avec un parc national par rapport à un parc local agrégé reste contenue à environ 4% sur les autoroutes, mais elle dépasse assez systématiquement les 8% sur les autres types de voiries, où la vitesse est plus faible. Au niveau du territoire lyonnais, un découpage de l'aire urbaine en pixels de 1 km x 1 km renvoie alors au même 109 Projet SIMBAD constat, avec les voies les plus rapides qui ressortent du fait d'un écart relatif moins fort qu'ailleurs (Carte 1). Au niveau des émissions de NOx, les écarts d'estimations observés suivant les types de voiries amplifient encore l'écart moyen enregistré entre les deux parcs national et local agrégé : la sous estimation moyenne de 18% varie entre 20% sur les autoroutes et 8% sur les voiries centrales à faibles vitesses. Cependant, si la représentation cartographique permet de toujours visualiser les axes rapides qui génèrent de forts écarts dans les calculs, l'opposition entre le centre (écarts inférieurs à 13%) et la périphérie (écarts facilement compris entre 15 et 18%) est également bien nette (Carte 2). Ainsi, pour le NOx, non seulement l'erreur globale générée par l'utilisation d'un parc national est importante, mais elle est également très variable suivant les espaces considérés. Carte 1 : Variations d'estimation des émissions de CO2 ­ parc national / parc lyonnais agrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 à 4% 4 à 6,5% 6,5 à 8% > à 8% 0 à -11% Taux de variation (%) -11 à -14% -14 à -16% < à -16% Cas 2 : quel impact de la désagrégation du parc lyonnais ? Lorsque le parc lyonnais est désagrégé pour mieux prendre en compte les spécificités des véhicules roulant sur le réseau lyonnais en fonction du revenu et du lieu de résidence des ménages, le gain de précision obtenu est très variable selon le polluant considéré. Il apparaît extrêmement marginal pour le CO2, pour lequel les variations entre parcs locaux agrégé et désagrégé restent inscrites dans une fourchette de ±1%, quelle que soit la zone de l'aire urbaine (Carte 3). Ainsi, dans le cadre des estimations des émissions de gaz à effet de serre liées au trafic d'une agglomération, l'usage d'un parc local agrégé semble largement suffisant. Par contre, dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité des résultats suivant la définition du parc apparaît beaucoup plus forte. En effet, la désagrégation du parc montre que le parc local agrégé tend à sous estimer les émissions en zones centrales (-1 à -3%) et à surestimer celles de périphéries (+2,5 à +7%), amplifiant encore les écarts par rapport aux estimations spatialisées établies avec un parc national (Carte 4). De plus, la carte 4 fait également apparaitre une différence Est/Ouest liée aux différences de revenus. La surestimation en périphérie est plus forte à l'Ouest, où les revenus sont plus faibles et où l'âge des voitures est plus élevé. Projet SIMBAD L'erreur moyenne de -18% générée par le parc national cache dès lors de très fortes disparités locales, justifiant pleinement l'utilisation un d'un parc local désagrégé pour obtenir des estimations correctes des émissions de NOx. Carte 3 : Variations d'estimation des émissions de CO2 ­ parc lyonnais agrégé / désagrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 < - 0,2 -0,2 à -0,05 + 0,02 à 0,08 + > à 0,08 Taux de variation (%) 0 <-4 -4 à -0,5 + 0,5 à 1 + 1à3 Très peu de différence Très peu de différence 4.4. Conclusion La définition du parc automobile joue un rôle sensible dans l'estimation des émissions de polluants atmosphériques du trafic urbain, plus ou moins important selon le type de polluant et selon les types de réseau et les vitesses impliquées. Ainsi, l'utilisation du parc national plutôt que du parc local conduirait à une surestimation de 6% des émissions de CO2 et à une sous-estimation de 11% de celles de NOx sur l'aire urbaine de Lyon en 2006. Tant que l'on se situe au niveau d'un bilan global, l'usage d'un parc local moyen apparaît amplement suffisant. Une segmentation en sous parcs bien différenciés en fonction du revenu et de la localisation des ménages n'apporte pas de changement significatif dans les résultats globaux. Lorsque l'on recherche des résultats plus désagrégés au niveau territorial, pour disposer de niveaux d'émissions par zone ou par tronçon, on peut montrer que l'impact du parc n'est pas homogène et que les erreurs peuvent être encore amplifiées dans certaines zones. Cette sensibilité des estimations aux conditions locales de circulation reste cependant très différenciée selon le type de polluant. Dans le cas des émissions de CO2, la convergence des courbes lorsque les vitesses augmentent conduit à des distorsions moins fortes le long des voiries rapides que sur le reste du territoire. Une désagrégation fine du parc local, distinguant le revenu et la localisation des ménages, n'apporte par ailleurs aucune précision supplémentaire dans l'estimation territorialisée des émissions. Dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité 111 Projet SIMBAD des résultats suivant la définition du parc apparaît beaucoup plus forte. Non seulement la sousestimation moyenne de 11% générée par le parc national apparaît encore plus importante en périphérie, mais la désagrégation du parc lyonnais permet encore de gagner en précision de manière importante. Ainsi, parmi toutes les sources d'incertitudes jouant sur l'estimation des émissions polluantes du trafic urbain (par exemple hypothèses sur les niveaux de trafic, les vitesses, les courbes d'émissions utilisées ou le taux de véhicules roulant à froid, etc.), les hypothèses sur la composition du parc peuvent avoir un impact non négligeable, plus ou moins fort selon le polluant et selon la partie du territoire observé, central ou périphérique, proche d'une voirie rapide ou non. D'un point de vue méthodologique, ce premier travail mériterait d'être élargi aux autres polluants utilisés classiquement dans les évaluations environnementales. Par ailleurs, une exploration systématique des amplitudes de variations générées par les hypothèses de calcul permettrait de mieux situer les enjeux. Dans tous les cas, l'utilisation de parcs locaux désagrégés améliorerait sensiblement les travaux d'évaluation de l'impact environnemental d'une nouvelle infrastructure. De même, elle éclairerait mieux les réflexions, plus générales et stratégiques, sur les effets d'une politique globale comme dans le cadre de l'implémentation d'une Zone d'Aménagement Prioritaire pour l'Air, d'un Plan de Déplacement Urbain, d'un Schéma de COhérence Territoriale (SCOT) ou d'un plan inter-SCOT mettant en cohérence plusieurs SCOT. 4.5. Bibliographie ADEME, 2003, Logiciel Impact-ADEME. Emissions de polluants et consommation liées à la circulation routière. Paris, Ademe éditions. 35 p. http://www2.ademe.fr/ Bourdeau B., 1997, Evolution du parc automobile français entre 1970 et 2020. Université de Chambéry, Thèse de doctorat. 379 p. Can A., Leclercq L., Lelong J., Botteldooren D., 2010, Traffic noise spectrum analysis: Dynamic modeling vs. experimental observations, Applied Acoustics 71, pp. 764­770. CEC - Commission of the European Communities, 1999, MEET, Methodology for calculating transport emissions and energy consumption. Luxembourg, Rapport commun INRETS, AUTh, TRL, TÜV, DTU. 362 p. CEC - Commission of the European Communities, 1993, CORINAIR working group on emission factors for calculating 1990 emissions from road traffic. Volume 1 : Methodology and emissions factors. Bruxelle-Luxembourg : ECSC-EEC-EAEC. 115 p. Cheynet D., 2011, Modélisation des impacts environnementaux ­ quelles applications dans le domaine des transports? Université de Lyon, ENTPE, mémoire de Master TURP, stage Egis France.146 p. Gallez C., Hivert L., 1998, BEED : mode d'emploi. Synthèse méthodologique pour les études " budget énergie environnement des déplacements. Rapport de convention ADEME-INRETS n°690-9306-RB. 85 p. Hausberger S., Rexeis M., ZallingerM., Luz R., 2009, Emission Factors from the Model PHEM for the HBEFA Version 3, Graz university of technology, Institute For Internal Combustion Engines And Thermodynamics, report Nr. I-20/2009. 76 p. Hourriez J.M., Olier L., 1997, « Niveau de vie et taille du ménage : estimations d'une échelle d'équivalence » Economie et Statistiques, n°308-309-310, pp. 65-94 Projet SIMBAD Hugrel C., Joumard R., 2006, Directives et facteurs agrégés d'émission des véhicules routiers en France de 1970 à 2025. Lyon Bron, INRETS, rapport LTE n° 0611. 160 p. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R., André M., Crauser J.-P., Badin F., Paturel L., 1987, Méthodologie de mesure des émissions réelles du parc automobile. Bron : Rapport INRETS n°31, 81 p. Nicolas J.-P. (dir), Bonnel P. (dir), Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F., Zuccarello P., 2009, Simuler les mobilités pour une agglomération durable. LET, projet Simbad, rapport final, pour le compte de l'ADEME et de la DRAST. 211 p. Ntziachristos L., Samaras Z., Kouridis C., Hassel D, McCrae I., Hickman J., Zierock K.H., Keller M., André M., Gorissen N., Dilara P., Boulter P., Joumard R., Rijkeboer R., Geivanidis S., Hausberger S., 2010, EMEP/CORINAIR Atmospheric Emissions Inventory Guidebook on exhaust emissions from road transport COPERT 4, Methodology for the calculation of exhaust emissions, European Environment Agency Report, 129 p. http://www.emisia.com/copert/ Routhier J. L., Toilier F., 2011, « FRETURB : simuler la logistique urbaine », In Antoni J.-P. (Ed.). Modéliser la ville : Formes urbaines et politiques de transport, Paris, Economica, pp. 246-283. 113 Projet SIMBAD Projet SIMBAD 5. ANNEXE : Quelle représentation du phénomène de développement urbain ? Développement du modèle de Bussière adapté à l'Aire Urbaine de Lyon 115 Université Lumière Lyon 2 - École Nationale des Travaux Publics de l'État Mémoire de Master Transports, Espace, Réseaux Année 2010-2011 Quelle représentation du phénomène de développement urbain ? Développement du modèle de Urbaine de Lyon Bussière adapté à l'Aire Guillaume Monchambert sous la direction de M. Patrick Bonnel Soutenu le 5 Septembre 2011, à Vaulx-en-Velin. Composition du jury : M. M. M. Didier Plat Patrick Bonnel Louafi Bouzouina , Président du Jury , Directeur de Recherches Résumé Nous proposons de mesurer et de simuler l'étalement urbain en adoptant une approche modélisatrice, an d'être en mesure d'intégrer de manière pertinente ce phénomène dans le modèle LUTI du projet SIMBAD. Le calage du modèle se fait sur l'Aire Urbaine de Lyon. Pour cela, nous présentons tout d'abord les modèles existant et les diérentes façons dont ils endogénéisent l'étalement urbain (I). Nous présentons ensuite le modèle de Bussière et l'appliquons à l'Aire Urbaine de Lyon (II). Nous proposons enn deux développements nouveaux de ce modèle qui consistent en l'utilisation successive des temps de trajet et de l'accessibilité gravitaire comme variable, ce qui nous permet de relâcher certaines hypothèses contraignantes (III). La portée de ce travail est avant tout théorique, les résultats obtenus ne permettant pas d'envisager une utilisation pratique du modèle à ce stade du développement. Abstract We propose to mesure and simulate the urban sprawl with a modelling approach. Therefore we will be able to integrate this phenomenon in the LUTI model of SIMBAD project in a relevant way. The calibration of the model is made on Lyon urban area. We rst present the current models and the way they endogenise the urban sprawl (I). We present Bussiere model and applicate it to Lyon Urban area (II). Finally we suggest two new developments of this model, both of them consisting in consecutive use of travel time and gravity accessibility as a variable. This allow us to drop some restrictive hypothesis (III). This work mostly means to be theorical, the results should not allow us to use it at this development stage. Mots-clefs gravitaire Étalement urbain ; Modèle monocentrique ; Bussière ; Lyon ; Accessibilité Keywords Urban sprawl ; Monocentric model ; Bussière ; Lyon ; Gravity accessibility Je tiens tout d'abord à remercier M. m'encadrer durant ce Mémoire de Master 2 et d'avoir rendu ce travail particulièrement intéressant à travers les échanges que nous avons pu avoir, les personnes rencontrées dans ce cadre et les conférences auxquelles il m'a conviées. Patrick Bonnel d'avoir accepté de M. Louafi Bouzouina orge Cabrera-Delgado Aurélie Mercier, M. paolo Avner, M. Nicolas Coulombel, M. Jean Delons, M. stéphane Hallegate Vincent Viguié fournie pour réaliser ce travail, en particulier J et M. . Enn, je remercie Mlle et M. d'avoir accepté de s'entretenir avec moi et de m'avoir fourni de précieux conseils. Je tiens aussi à remercier l'équipe du projet SIMBAD pour l'aide qu'elle m'a Table des matières I État de l'art 1.1 1.2 Articulation générale des modèles LUTI . . . . . . . . . . . . . . . . . . . . . . . . Proposition de classication des modèles LUTI 9 9 11 1 Les modèles d'interaction transport-urbanisme (LUTI models ) 9 2 Le modèle standard de l'économie géographique 2.1 2.2 2.3 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Enseignements Limites du modèle 14 14 16 16 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique 17 3.1 3.2 Intégration de l'étalement urbain dans les modèles de type LUTI Intégration de l'étalement urbain dans les modèles issus de l'économie géographique . . . . . . . . . . . . . . . . . . . . . . . . . 18 17 II Présentation et calibrage du modèle de (1968-2006) 1 Le modèle de Bussière (Bussière, 1972) 1.1 1.2 1.3 Forme statique Forme dynamique Forme amendée Bussière 20 20 22 23 26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 27 2.1 2.2 Périmètre d'études et bases de données . . . . . . . . . . . . . . . Les choix méthodologiques . . . . . . . . . . . . . . . . . . . . . . 27 30 3 Estimations et Analyses 3.1 3.2 Utilisation des données communales . . . . . . . . . . . . . . . . 33 33 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 39 III Développement de ce modèle 1 Utilisation des temps de trajet 1.1 1.2 1.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 47 47 48 49 53 2 Utilisation de l'accessibilité gravitaire 2.1 2.2 2.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 57 57 59 62 3 Perspectives 3.1 3.2 3.3 Comparaison des diérents modèles . . . . . . . . . . . . . . . . . Des développements à apporter au modèle de Une piste nouvelle à explorer . . . . . . . . . . . . . . . . . . . . 67 Bussière 67 68 69 . . . . . Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Introduction L'évolution urbaine des grandes métropoles durant ces cinquante dernières années est marquée par une augmentation signicative de la population et une extension importante des espaces urbanisés. Ce constat est valable pour une grande partie des agglomérations des pays développés. Ce phénomène double est aujourd'hui appelé étalement urbain, notion que nous pouvons dénir comme étant le développement des surfaces urbanisées en périphérie des villes. Remarquons tout de suite que l'expression étalement urbain n'est pas neutre et qu'elle est empreinte d'une connotation négative. En eet, ce phénomène était autrefois qualié de d' expansion urbaine, expression beaucoup plus neutre et qui se rapproche davantage de ce qui s'appelle aux États-Unis l' Urban Sprawl. Ce changement de terminologie reète assez bien l'évolution de l'appréhension de ce phénomène. En eet, dès le début des 30 glorieuses, on assiste à une relative déconcentration de l'habitat. Cette déconcentration est à la fois encouragée par l'ore nouvelle de logements en périphérie, et par des changements dans les stratégies résidentielles des ménages. Ainsi, la croissance des revenus et l'amélioration des niveaux de vie ont favorisé la quête d'un nouveau mode de vie ; la maison individuelle dans un espace peu dense est devenue une alternative à la vie en zone dense. Bien entendu, cette évolution a été permise par le développement d'infrastructures de transports routiers, tels les boulevards périphériques, et de transport en commun. Cependant, depuis environ une trentaine d'années, la tendance s'est inversée et cet inversement s'est largement intensié depuis une quinzaine d'années,. Nous sommes en eet passés d'un paradigme privilégiant la vitesse, le débit de masse à un paradigme qui met en avant le développement durable et le respect de l'environnement. Dès lors, l'expansion urbaine, requaliée d'étalement urbain depuis les années 1970 et le début de la prise de conscience du phénomène, est devenue un phénomène qu'il faut maîtriser voire endiguer. En eet, on s'est aperçu que l'augmentation de la vitesse moyenne ne diminue pas les temps de trajet, mais que les ménages en protent pour s'installer dans des espaces encore plus éloignés du centre, ce qui accélère encore ce phénomène. Cette augmentation des vitesses moyennes et des distances parcourues entraîne naturellement une augmentation de la pollution. Les objectifs des politiques de transport ont donc évolué : il s'agit aujourd'hui de limiter la vitesse et le débit des axes pénétrants tout en augmentant l'attractivité des transports en commun. Le projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable), développé par le LET (Laboratoire d'Économie des Transports), se situe dans cette problématique. En eet, il a pour objectif d'intégrer la thématique de développement durable dans l'évaluation des politiques de transport sur les ter- 7 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE ritoires urbains (N de déplacements d'une agglomération et de ses interactions avec l'urbanisme pour fournir des indicateurs permettant d'intégrer simultanément les questions environnementales, économiques et sociales dans la réexion des acteurs de la ville. Notre mémoire de master s'inscrit dans ce cadre : la problématique générale de notre étude est de savoir s'il est possible de modéliser l'étalement urbain, sur l'Aire Urbaine de Lyon en particulier. Quelle sera l'évolution de l'Aire Urbaine de Lyon dans les prochaines décennies. Cette question en soulève d'autres : sommes-nous en capacité de reproduire l'évolution de la ville ? Jusqu'à quel niveau de précision pouvons-nous arriver ? Quelles sont les variables susceptibles d'inuencer le choix des ménages en termes de localisation ? Après avoir présenté l'État de l'art (Partie I), nous présenterons le modèle de dans sa forme initiale et nous l'appliquerons à l'Aire Urbaine de Lyon icolas , 2010). Ainsi, il propose une modélisation du système Bussière (Partie II). Enn, nous essaierons d'apporter des améliorations à ce modèle en relâchant certaines hypothèses (Partie III). 8 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Première partie État de l'art Que ce soit en matière de transport ou de développement urbain, il n'est pas possible d'envisager de créer des modèles dynamiques à but prospectif à long terme aujourd'hui sans considérer les interactions entre ces deux systèmes. En eet, le réseau de transport et son utilisation sont directement inuencés par l'occupation des sols, et en même temps le réseau existant mais aussi les projets d'infrastructures ont un impact certain sur la localisation des ménages et des entreprises. Cette interdépendance constitue le fondement théorique des modèles LUTI (Land-Use and Transport Interaction ). Notre travail se situe lui aussi dans ce contexte, car il s'insère dans le modèle d'interaction transport urbanisme SIMBAD développé par le LET (Laboratoire d'Économie des Transports). C'est pourquoi nous allons dans un premier temps présenter les diérents modèles LUTI existants. Dans un second temps, nous évoquerons le modèle standard de l'économie géographique. En eet, ce modèle est le fondement de l'économie géographique, et il est indispensable de l'évoquer si l'on veut saisir la complexité du modèle de Bussière que nous évoquerons par la suite. Enn, dans un troisième temps, nous verrons comment l'étalement urbain est intégré dans ces deux types de modèles (LUTI et modèle standard), en soulignant les qualités et les défauts inhérents à chaque analyse. 1 Les modèles d'interaction transport-urbanisme (LUTI models ) Les modèles LUTI ont été créés an de répondre au besoin de compréhension mais aussi et surtout d'anticipation des interactions entre le transport et l'urbanisme. Il existe de nombreux types de modèles LUTI dont certains n'ont pas pour base un raisonnement économique mais uniquement une approche cellulaire (l'évolution de chaque cellule est simulée selon les observations faites sur d'autres groupes de cellules et selon l'état des cellules voisines). Nous allons tout d'abord présenter l'articulation générale des modèles LUTI telle qu'elle a été dénie par d'ensemble nous étudierons la classication proposée par Wegener en 1994, puis, an d'aner notre vue nique & Bath en 1999. Simmonds, Eche- 1.1 Articulation générale des modèles LUTI Les modèles LUTI résultent d'une analyse détaillée du phénomène de développement spatial urbain qui permet de l'expliquer en distinguant un ensemble de sous-systèmes qui ont la particularité d'avoir des temporalités diérentes. Ainsi, l'articulation permet d'appréhender le développement urbain : les réseaux, l'oc- Wegener (1994) distingue huit types de sous-systèmes urbains dont 9 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE cupation des sols, les lieux d'emplois, les lieux de logement, les emplois, la population, les biens transports et les déplacements. Ces sous-systèmes peuvent être classés selon la rapidité de leur processus d'évolution : Changement très lent : réseaux et occupation des sols. Les infrastructures de transport constituent l'armature de la structure de la ville. En ce sens, elles évoluent très lentement. Ainsi, les grandes infrastructures sont très rarement abandonnées et mettent souvent plus d'une dizaine d'années à être planiées et construites. L'occupation des sols est également très stable. Changement lent : lieux d'emplois et logement. Ces lieux n'évoluent que très peu. Une construction, qu'elle soit résidentielle ou lieu d'emploi, a une durée de vie de plusieurs cycles de vie humain. Changement rapide : emploi et population. Cette évolution rapide correspond aux cycles de vie des entreprises et des ménages. Changement très rapide voire immédiat : les biens transport et déplacements. Ces interactions sont les éléments les plus exibles de l'ensemble. Elles peuvent être ajustées à la minute. Tous ces systèmes peuvent être régulés soit par le marché, soit par des politiques publiques. La gure ci-dessous représente la boucle de rétroaction des interactions entre transport et urbanisation dénie par Wegener . 10 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1 Boucle de rétro-action transport-urbanisation ( Wegener , 1994) Cette boucle de rétroaction spécie donc le cadre d'analyse des modèles LUTI. Si l'on veut construire un modèle dynamique et interactif, il faut prendre en compte au moins deux des huit sous-ensembles présentés plus haut et les intégrer dans une forme simpliée ou non de la boucle de rétroaction dénie par Wegener (gure 1). 1.2 Proposition de classication des modèles LUTI Il existe une multitude de modèles LUTI. C'est pourquoi, après avoir présenté brièvement leur fonctionnement, nous proposons de les classer. Chaque modèle est bien entendu diérent : variables prises en compte, représentation de l'espace-temps. . . De plus, chaque modélisateur doit choisir un parti-pris en ce qui concerne les caractéristiques structurelles du modèle : dynamique ou statique, liens de causalité, le choix des diérentes fonctions. . . Cela conduit donc à une multitude de modèles très diérents les uns des autres. Toutefois, il semble que la classication proposée par (1999) soit une des plus pertinentes. En eet, en plus d'être l'objet d'un large consensus dans la communauté des modélisateurs, elle a l'avantage de classer les modèles selon leurs caractéristiques opérationnelles en mettant au second plan les partis-pris théoriques et méthodologiques Simmonds, Echenique & Bath (Deymier & Nicolas , 2005). 11 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2 Classication des modèles LUTI ( Simmonds & Bates , 1999) Une première distinction est faite entre les modèles de prévision et les modèles d'optimisation. En eet, ces derniers ont pour objectifs de simuler les congurations urbaines plutôt que de prédire les évolutions que subira la ville en fonction des politiques de transport. Ce sont des modèles généralement utilisés pour une planication à long terme, mais qui ont comme inconvénient majeur de ne pas être adaptés à la prévision des impacts de politiques de transport et d'aménagement sur l'aire urbaine. Les modèles de prévision sont ensuite séparés en deux classes ; les modèles statiques d'une part, et les modèles quasi-dynamiques d'autre part. Les modèles statiques essaient de prévoir l'évolution de certaines variables t mais pas le chemin parcouru pour y arri- en considérant les autres variables comme données ( l'équilibre atteint à chaque instant Lowry , 1964). Ils décrivent ver. Cependant, comme nous l'avons vu précédemment avec la présentation de Wegener , le processus de changement urbain est un processus relativement long. Le changement urbain se fait à la marge, la majorité des ménages et des actifs ne change pas de localisation sur une période donnée. Ainsi les modèles statiques paraissent peu adaptés à cet objectif de modélisation. Toutefois, ils sont encore utilisés pour deux principales raisons. Tout d'abord, ils permettent de prendre en considération l'impact du système urbain sans engager un travail de modélisation dynamique. Ils sont donc relativement économes en temps et en force de travail. De plus, ces modèles dénissent un équilibre à chaque instant t, et ils permettent de caractériser des déséquilibres à l'origine du processus de changement urbain. Le précurseur de ces modèles est en 1964. L'hypothèse principale de ce modèle est que la croissance urbaine est fonction de l'expansion du secteur industriel qui détermine la distribution spatiale de la population et de l'emploi dans le secteur des services. L'étalement urbain est donc une composante endogène de ce type de modèle. L'un des développements récents des modèles statiques est le modèle METROPOLIS, développé par Lowry MUSSA, développé 12 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE par Martinez Parmi les (1992, 1997). dèles : les modèles quasi-dynamiques, on distingue trois types de momodèles basés sur l'entropie, les modèles spatiaux-économiques et les modèles basés sur l'activité. Les s'est inspiré d'un concept issu de la thermodynamique. Ce principe réside dans la détermination de la condition tendancielle la plus probable du système qui correspond de fait à sa condition d'équilibre (appelée aussi d'entropie maximale ) dans une situation d'information imparfaite. Ainsi, on peut dénir la conguration la plus probable des déplacements comme celle qui associe et représente le plus grand nombre de micro-états du système. Un exemple de cette famille de modèles peut être veloppé par modèles basés sur l'entropie ont été créés par Wilson (1970) qui appliqué aux États-Unis au début des années 1990. Cependant, il présente de nombreuses limites. Tout d'abord, il est gourmand en temps et coût d'utilisation. De plus, il tend à simplier la relation complexe qui existe entre emploi et ménages, ce qui l'éloigne de la réalité. Enn, le modèle ne permet pas de considérer les eets de contigüité ou de débordements tels que ceux qui pourraient être engendrés par le développement résidentiel d'une zone sur une autre qui lui serait adjacente. Les Putman DRAM/EMPAL, dé- (1995) et qui fut le modèle d'occupation des sols le plus modèles spatiaux-économiques, comme leur nom l'indique, cherchent à inscrire les phénomènes socio-économiques dans leur dimension spatiale. Leurs fondements théoriques sont ceux de la théorie économique traditionnelle puisqu'ils représentent les mécanismes économiques théoriques du marché pour atteindre l'équilibre ore-demande à la fois pour les comportements d'usage des sols et pour les transports. ( Le modèle eet, il peut être appliqué à l'échelle urbaine ou régionale. Il a pour objectif de simuler les eets probables des politiques d'urbanisation et des projets de transports, mais aussi d'évaluer ces eets à un niveau social, économique et nancier. Ce modèle intègre plusieurs techniques de modélisation et diérents fondements théoriques, il est très complet mais dicile à calibrer. Pour pouvoir être appliqué, ce modèle nécessite de disposer des bases de données caractérisant l'année de base beaucoup plus importantes que les besoins des modèles vus précédemment. Il traite surtout de la problématique d'usage du sol, et il semble que le phénomène d'étalement urbain soit exogène au modèle. TRANUS a été appliqué entre autres aux agglomérations de Bruxelles, Inverness et Lyon pour des résultats mitigés selon les sites. Les de la Barra et al. TRANUS, développé par de la Barra & Perez depuis 1982 , 1984), est un bon exemple de ce type de modèle. En modèles basés sur l'activité (ou les choix discrets) traitent des diérents processus de changement qui aectent les activités et les espaces occupés. Ces modèles ne relocalisent pas toutes les activités lors de chaque période, 13 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE mais séparent les décisions de déplacement et la recherche d'une nouvelle localisation. La segmentation doit donc être très détaillée. Le traitement des processus de décisions des agents à travers les modèles de choix discrets est lui aussi assez n. Ces modèles permettent en outre d'avoir des rendus de changement démographiques plus détaillés. Springeld, est un modèle de choix discret basé sur l'activité et qui repose sur la théorie de la maximisation de l'utilité. Il est composé de plusieurs modules URBANSIM, développé par Waddell (1994) lors de l'étude la ville d'Eugene- reétant les choix clés des ménages, des actifs, des promoteurs et des gouvernements. Ainsi, en adoptant une approche comportementale, le modèle fournit une structure théorique plus transparente pour les utilisateurs, leur permettant d'incorporer explicitement des politiques et d'évaluer leurs eets. Ce modèle s'est largement répandu depuis sa création, que ce soit aux États-Unis (Houston, Honolulu. . . ) ou en Europe (Amsterdam, Zürich. . . ). Il a produit des résultats satisfaisants puisque selon le Transit Cooperative Highway Research Program, URBANSIM est le modèle LUTI qui se rapproche le plus de leur modèle idéal . Cependant, sa mise en ÷uvre est dicile car elle demande une quantité très importante de données, dont la production est assez coûteuse. Après avoir présenté les diérents types de modèle LUTI, il apparait pertinent de décrire le modèle standard de l'économie géographique. En eet, ce modèle est au fondement de l'analyse économique urbaine. Bon nombre des enseignements qu'on peut en tirer sont vériés empiriquement, et les mécanismes en jeu sont encore observables de nos jours. 2 Le modèle standard de l'économie géographique Ce modèle étudie le mécanisme de localisation des ménages dans le cadre d'un équilibre partiel, obtenu seulement sur le marché du logement. Il a été développé à partir des travaux d' notion de rente d'enchères ( (1967), c'est pourquoi il est parfois appelé modèle AMM. Il met en avant la exclut certains ménages de certains quartiers. Alonso Von Thünen (1964), de Mills (1967) et de Muth , 1850) qui explique pourquoi le revenu 2.1 Hypothèses Voyons tout d'abord les hypothèses du modèle. Le modèle AMM conçoit l'aire urbaine selon une représentation monocentrique. La ville est une plaine uniforme. Les distances de déplacement sont uniquement fonction de la distance à vol d'oiseau entre les deux points à relier, et il n'y a pas de limite dans la direction des déplacements. Il n'y a qu'un seul centre, que l'on peut assimiler au Central Business District, et qui regroupe l'ensemble de la demande de travail des entreprises et administrations. Les seuls déplacements envisagés sont des 14 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE déplacements domicile travail (et travail-domicile). Cette dénition du centre de la ville est très importante ici car toutes les localisations sont dénies par une distance au centre x. Ce centre-ville est immobile, ce sont les ménages qui se localisent en fonction de lui. Ce modèle s'inscrit dans le cadre néoclassique de la théorie du consommateur : chaque agent est rationnel et cherche donc à maximiser son utilité sous la contrainte de ses ressources. max U (z; q) z;q s.c. w = z + R(x).q + T (x) La fonction d'utilité en fait le numéraire, et U est donc dénie à l'aide de deux variables, z qui représente la consommation en bien composite, dont le prix est xé à 1 ce qui q qui représente la surface du logement. La contrainte de budget comprend le revenu centre en logement dont le prix par unité de supercie x, et le coût de w, les dépenses en bien composite z 1, les dépenses R est fonction de la distance au transport T , fonction de la distance au centre x. La notion de rente d'enchères de Von Thünen (1850) x du centre-ville an Le marché du logement est concurrentiel, les propriétaires attribuent les logements aux locataires qui font la meilleure ore ou enchère. La notion de rente d'enchères peut ainsi se dénir comme le prix maximum d'une unité de sol qu'est prêt à payer un individu habitant à une distance d'atteindre un niveau d'utilité donné v. Ainsi, la rente d'enchères peut être dénie comme suit : (v; z) = max z;q w - z - T (x) | U (z, q) = v q Il existe donc, pour chaque distance un niveau d'utilité donné rente d'enchères x séparant le logement du centre et pour v , une situation optimale que l'on peut décrire par une (v; z), et une supercie optimale du logement q (v; x). De plus, en dérivant la rente d'enchère par la distance au centre-ville, nous remarquons que le prix maximum qu'un individu est prêt à payer pour obtenir une unité de sol est une fonction décroissante de cette distance. En eet, (v; z) T (x) =- <0 x q (v; x) Les agents économiques sont donc disposés à payer une somme qui diminue avec la distance au centre pour un logement donné. 15 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 2.2 Enseignements Tout d'abord, à l'équilibre, les agents résident à une distance supporté. Introduisons maintenant deux catégories d'agents, la première ayant un revenu supérieur à la seconde. Si l'on considère que le revenu n'agit pas sur le coût du transport et que le logement est un bien normal, c'est-à-dire que sa part dans le budget des ménages reste constante quel que soit le revenu, alors le jeu de la concurrence sur le marché du logement conduit les propriétaires à attribuer aux ménages aisés les logements situés en périphérie. En eet, les agents défavorisés ont une moindre disposition à payer pour résider en périphérie par rapport aux agents dotés de revenus plus importants. Ceci est lié au fait que les individus disposant d'un faible niveau de revenu sont plus sensibles au coût du trajet domicile-travail que ceux disposant de revenus plus élevés. En eet, le coût du trajet représente une plus grande part dans leur budget comparativement aux ménages aisés. Ce modèle permet donc d'expliquer relativement bien la structure des villes américaines. Toutefois, il est très simple, ce n'est que la première étape dans les travaux de l'économie urbaine, car il omet notamment de prendre en considération le coût d'opportunité du trajet domicile-travail. x du centre qui égalise leur dépense marginale en logement et le coût marginal du transport 2.3 Limites du modèle Ce modèle est limité par les hypothèses trop restrictives qui sont à son fondement ( Peguy , 2000). Ainsi, la localisation exogène de l'ensemble des emplois dans un unique centre pose de vraies questions. En eet, d'une part la multipolarité n'est pas représentée. Cette limite est considérable si l'on souhaite étudier des agglomérations européennes qui pour la plupart ne sont pas caractérisées par un centre d'aaires dans lequel il n'a pas de logement, comme les Central Business Districts américains. D'autre part, d'un point de vue plus théorique, cette hypothèse implique de raisonner en équilibre partiel, c'est-à-dire que la population est déterminée une fois que la localisation des emplois est xée, et réciproquement. Le modèle d' unique au niveau de l'agglomération envisagée. De plus, le modèle AMM s'appuie sur une hypothèse forte en ce qui concerne la structure des réseaux de transport. Eectivement, pour permettre la dérivation de la fonction de répartition de la population, il faut deux hypothèses concernant la demande de logement et la forme de la fonction de production. Si ces deux hypothèses sont remplies, on peut facilement montrer que la densité de population décroît de manière exponentielle en fonction de la distance au centre. Or, nous avons vu que l'arbitrage des ménages entre logement et accessi- Alonso ne permet donc pas de comprendre pourquoi il n'existe qu'un centre 16 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE bilité au centre est la conséquence de la variation des coûts de transport vers le centre. Pour passer d'une relation entre distance et densité il est donc impératif que le coût de transport, soit une fonction univoque de la distance au centre ; c'est-à-dire que le réseau est considéré comme homogène soit radial isotrope par rapport au centre. Or, en pratique, pour une même distance au centre les coûts de transport ne sont bien souvent pas les mêmes. Les réseaux sont fortement différenciés de par leur capacité, leur vitesse, les disparités géographiques. . . Cette limite sera très présente si l'on veut s'intéresser aux interactions entre transport et urbanisme. 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique Le propos de ce paragraphe est de décrire l'intégration de l'étalement urbain dans les diérents modèles, et notamment d'essayer de savoir si cela se fait de manière endogène ou exogène, si le modèle est capable de simuler l'étalement de l'agglomération ou si le modélisateur est contraint d'imposer cette donnée au modèle au fur et mesure de son utilisation. 3.1 Intégration de l'étalement urbain dans les modèles de type LUTI La plupart des modèles LUTI prennent en compte l'étalement urbain. Cette prise en compte se fait en deux étapes : la création de nouveaux logements (ou de nouveaux bureaux) en périphérie sur les terrains vides, et les migrations des ménages (ou des entreprises) vers la périphérie, et notamment vers les logements nouvellement construits. Ces deux étapes font l'objet de deux modules distincts dans l'architecture des modèles LUTI. Le premier module simule donc la construction de nouveaux logements (ou bureaux). Il existe deux grands types de modèles pour ce faire. Le premier type regroupe des modèles relativement simples de transition de l'usage du sol. Ces modèles prédisent l'évolution d'un usage du sol vacant vers un usage du sol occupé (résidentiel, mixte ou autre). Les cellules vacantes étant le plus souvent situées dans la périphérie de l'agglomération, nous somme donc bien en présence d'étalement de l'agglomération. Ces modèles sont fondés sur l'usage des modèles de choix discrets multinomiaux, et les variables prises en compte pour simuler la probabilité d'évolution de l'usage du sol regroupent les caractéristiques de la zone, celles des zones voisines et quelques fois des mesures de la demande potentielle, que l'on peut assimiler à la prise en compte de la pression des loyers sur la frontière de la ville. Le second type de modèle est basé sur la dénition de grands projets : projet d'immeubles collectifs, projet de construction de x logements (ou bureaux). Chaque année, un certain nombre de projets est tiré 17 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE de manière aléatoire. Une fois que les projets à construire sont tirés au hasard, il faut localiser ces projets dans les diérentes zones. Pour cela, on maximise le prot attendu du promoteur immobilier, en tenant compte à la fois du prix du terrain et du loyer ou prix de vente attendu. Le second module simule la mobilité des ménages. Il s'agit de savoir si les ménages ont intérêt à rester chez eux, ou si l'arrivée sur le marché de nouveaux logements plus ou moins attractifs rend leur logement actuel moins attractif et les incite à déménager, à occuper les nouveaux logements situés en périphérie. Ces mouvements contribuent bien évidemment au phénomène de développement urbain. La simulation de l'étalement urbain par les modèles LUTI est intéressante car elle permet d'avoir une évolution localisée, c'est-à-dire que chaque espace ou cellule est caractérisé. Nous sommes ici dans le cadre d'une spatialisation des activités des agents. Cependant, nous devons noter quelques faiblesses relatives à cette analyse. Tout d'abord, le premier module simulant la construction de nouveaux logements est souvent le moins satisfaisant en ce qui concerne la calibration. C'est le domaine d'études qui est le moins avancé dans les modèles LUTI. De plus, on peut penser que la manière dont est produit l'étalement urbain comporte une grande part d'incertitude, de nombreuses variables entrant en jeu dans les modèles de choix discrets multinomiaux utilisés. Enn, il semble que ce raisonnement constitué d'un enchainement de modèles de choix discrets multinomiaux corresponde davantage aux situations rencontrées en Amérique du Nord. En eet, en France, ce ne sont pas seulement les initiatives privées qui déterminent la construction de nouveaux bâtiments. Le PLU, Plan Local d'Urbanisme qui remplace le Plan d'Occupation des sols depuis 2000, joue lui aussi un rôle très important dans la planication de l'urbanisme au niveau communal et intercommunal. Dès lors, il semble bien que le mécanisme de création de bâtiments dans les modèles LUTI appliqués en France et plus largement en Europe doive être revisité. Pour cela, il est important de décrire la manière dont l'étalement urbain est intégré dans les modèles issus de l'économie géographique. 3.2 Intégration de l'étalement urbain dans les modèles issus de l'économie géographique Dans les modèles issus de l'économie géographique, l'étalement urbain est visible à travers l'évolution de la frontière de la ville et l'évolution des densités. Cette frontière est donnée par la valeur de la rente agricole Ra . En eet, l'usage du sol est caractérisé par une rente foncière, elle-même issue des enchères des ménages pour accéder à tel logement. Mais il y a un coût d'opportunité correspondant à l'usage agricole de la terre : la ville s'arrête lorsque les enchères des ménages sont inférieures au revenu potentiel que l'on peut tirer de la terre par un usage agricole. Nous pouvons donc dénir l'équilibre urbain à un niveau d'utilité v et la frontière de la ville xf tels que : 18 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE (v; xf ) = Ra Ce type de modèle repose sur la construction d'un équilibre général statique. An d'étudier les facteurs de l'étalement urbain, nous pouvons donc utiliser la méthode dite de statistique comparative qui consiste à étudier l'impact sur la frontière de la ville et sur les densités de population de la variation de chacune des variables ceteris paribus ( SESP, CERTU, 2006) : La baisse des coûts de transport permet aux ménages de supporter un plus grand éloignement du centre (eet prix) conduisant à l'extension de la ville et à la diminution des densités au centre. Elle se traduit aussi par une augmentation du revenu disponible qui engendre une augmentation de la quantité de logement consommé en tout point de la ville. L'augmentation du niveau général des revenus produit également un accroissement du revenu disponible et donc de la supercie de logement demandée en chaque point de la ville. Si la présence d'aménités en périphérie augmente relativement à celle du centre, rendant la première plus attractive, alors les ménages s'y localisent davantage. Le prix du sol étant plus faible en périphérie, la consommation de logement augmente et provoque une extension de la ville. Les facteurs démographiques sont également à prendre en compte. On peut étudier des évolutions diérenciées de la population et de sa structure. En eet, dans ce modèle, l'augmentation de la population totale conduit à un éloignement de la frontière de la ville et à une hausse des densités urbaines. Toutefois, la pente des courbes de rente foncière n'est pas modiée car l'équilibre n'est pas modié. Cependant, si l'on modie la structure des ménages, c'està-dire la répartition actif/non-actif, le constat sera diérent. En eet, dans ce modèle, les inactifs sont supposés ne recevoir aucun revenu et ne pas se déplacer car il existe un unique motif de déplacement, le motif travail. L'augmentation du poids des inactifs entraine donc une diminution du coût de transport subi par le ménage et une baisse de la demande de logement. Si la baisse de la demande de logement l'emporte sur ma baisse des coûts de transports, les localisations les plus proches du centre deviennent plus attractives car moins chères, et on aboutit à une augmentation des densités en tout point et un rapprochement de la frontière de la ville, qui devient alors compacte. Si, au contraire, la diminution des rentes foncières est inférieure à celle des coûts de transport, l'impact sur le degré de l'étalement de la ville est indéterminé. L'étude de l'étalement urbain à travers ce type de modèle apporte une compréhension plus ne des mécanismes économiques en jeu. De plus, les diérentes calibrations de ces modèles produisent d'assez bonnes estimations du phénomène d'étalement urbain. Toutefois, le principal inconvénient inhérent à ce type de modèle réside dans le fait qu'ils ne produisent pas d'étude spatialisée. En eet, la densité est estimée pour un cercle situé à un rayon r du centre, mais il n'y pas de distinction entre les diérentes zones situées à une même distance du 19 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE centre. De plus, ce modèle suppose un ajustement intégral des logements aux modications des paramètres économiques. Autrement dit, il ne prend pas en compte les rigidités des structures bâties. Cette première partie nous a donc permis d'avoir un aperçu des travaux actuels sur l'étalement urbain, que ce soit à travers des modèles opérationnels, les modèles LUTI, ou des modèles davantage tournés vers l'analyse théorique, les modèles issus de l'économie géographique. Or, notre travail consiste à étudier et si possible simuler l'étalement urbain sur l'Aire Urbaine de Lyon. La gure 3 nous indique clairement que la population de l'Aire Urbaine est davantage concentrée dans le centre de l'agglomération qu'en périphérie, ce que nous étudions dans la partie suivante. Dès lors, nous pouvons penser qu'un modèle monocentrique issu des fondements théoriques du modèle AMM est adapté à notre cadre de travail. Le modèle de reproduction des tendances d'étalement urbain ( de simulation. un modèle de type monocentrique qui a fait ses preuves dans le domaine de la donc le choix d'utiliser ce modèle, et nous essayons de l'utiliser en tant qu'outil Bussière est Bussière , 1972). Nous faisons Deuxième partie Présentation et calibrage du modèle de Bussière (1968-2006) sière, 1972) Dans un premier temps, nous présenterons le modèle de ainsi que les raisons qui nous ont poussés à faire ce choix, puis, Bussière (Bus- dans un second temps, nous mettrons à jour l'application de ce modèle sur L'aire Tabourin, Andan & Routhier Les formes de la croissance urbaine : le modèle de René Bussière appliqué à l'agglomération lyonnaise Urbaine de Lyon. En eet, un travail important a déjà été fourni par sur ce sujet dans Enn, nous étudierons et commenterons les résultats issus de cette analyse. , mais cette étude ne prend pas en compte les données aujourd'hui disponibles des recensements de 1999 et 2006. Nous proposons donc une mise à jour de cette étude. 1 Le modèle de Bussière (Bussière, 1972) Nous choisissons d'utiliser le modèle de met en évidence les deux phénomènes à l'÷uvre dans le processus d'étalement urbain. En eet, ce modèle rend compte d'une part de la croissance urbaine qui correspond à une double progression démographique et spatiale, et d'autre part, il montre bien que l'extension urbaine ne s'est pas faite par un simple phénomène de concrétion, c'est-à-dire un simple rajout de population aux franges du rayon Bussière dans notre étude, car il 20 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE urbain. C'est aussi l'intérieur du rayon qui s'est modié. De plus, ce modèle est un modèle monocentrique, et en observant la gure 3, on se rend compte que le modèle monocentrique semble particulièrement adapté à la description de l'agglomération lyonnaise. Ces deux raisons expliquent donc pourquoi nous choisissons d'utiliser le modèle de Bussière. Figure 3 Densité de population sur l'agglomération Lyonnaise en 2005 Le modèle développé par localisation néo-classique. Ce modèle reprend donc les hypothèses initiales sousjacentes à l'analyse néo-classique : situation de concurrence pure et parfaite de la théorie néo-classique (atomicité du marché, libre entrée et libre sortie du marché, homogénéité des produits, transparence de l'information et mobilité des facteurs) ; les agents économiques adoptent un comportement rationnel, c'est-à-dire qu'ils cherchent à maximiser leur fonction d'utilité sous contrainte de revenu. Viennent ensuite des hypothèses spéciques à l'analyse géographique : l'espace urbain est considéré comme posé sur une plaine où aucun emplacement n'est a priori meilleur qu'un autre. Chaque point de l'espace urbain peut donc être caractérisé par sa seule distance au centre ; les transports sont supposés possibles dans toutes les directions, c'est-à- Bussière s'inscrit dans la lignée des modèles de 21 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE dire que le coût de déplacement est strictement proportionnel à la distance au centre ; les emplois sont tous situés au centre de la ville. On peut distinguer une forme statique et une forme dynamique selon que le temps est intégré ou non dans la formulation. 1.1 Forme statique sieurs villes (Paris, Montréal, Toronto et Zürich) et constate que la forme de la courbe de répartition de la population est relativement semblable quelle que soit la ville : René Bussière étudie la répartition de la population dans l'espace de plu- Figure 4 Population cumulée à partir du centre de la ville A l'origine, la pente est nulle. Cette pente devient croissante jusqu'à un certain point d'inexion partir de là, la forme d'exponentielle négative ( René Bussière ri , puis décroît ensuite mais reste positive ou nulle. A va raisonner en termes de densité exprimée sous c'est-à-dire en considérant la population comprise dans un rayon Clark , 1951) puis de population cumulée, r de distance au centre. L'équation choisie pour caractériser la densité est la suivante : D(r) = A exp(-br) où D(r) est la densité résidentielle à une distance r du centre, résidentielle extrapolée au centre de l'agglomération (D(0) coecient exponentiel de décroissance. Le paramètre de à une distance A la densité = A ) et exp(-br) un distance r correspond donc ici une approximation du coût généralisé qui est supporté par les habitants r du centre. De là, nous pouvons déduire la fonction de population cumulée, notée P (r) : 22 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE P (r) = 2 r D(r).r.dr 0 L'équation représentative de la fonction de population cumulée est donc de la forme suivante : 2A [1 - (1 + br) exp(-br)] b2 La population totale de l'agglomération N peut aisément être déduite en faisant tendre r vers l'inni : P (r) = P (r) = r+ Les paramètres 2A b2 A et b vont caractériser les villes. Ce seront les paramètres calibrés dans notre modèle. La forme de la fonction retenue implique trois conséquences majeures : P (r) r = 2Ar exp(-br) donc P (0) 0 =0 La pente à l'origine est nulle. Cela équivaut à dire que la croissance de la population est quasi-nulle au centre de la ville. r+ lim dP (r) dr = lim 1 r+ exp(-br) =0 La pente est nulle à l'inni, autrement dit, la population de l'agglomération est nie et la fonction de population cumulée stagne à partir d'un certain point qui sera considéré comme la frontière de l'agglomération. 2 P (r) r 2 = 2rA(1 - br) exp(-br) si r= 1 b Le point d'inexion de la courbe est situé en 1/b. Avant ce point, la vitesse d'augmentation de la population est une fonction croissante de la distance au centre, au-delà elle en est une fonction décroissante. 1.2 Forme dynamique Après avoir eectué un raisonnement en statique, sance urbaine. prend une analyse dynamique an de mettre en évidence une logique de crois- René Bussière entre- Observation La gure suivante représente la population cumulée de Paris au début du siècle et en 1968 : 23 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure à Paris 5 Évolution de la population cumulée dans le temps et dans l'espace On peut observer une diminution de la population au centre de l'agglomération puis une augmentation de la population au-delà d'un certain point. Il y a ici une double progression de la croissance urbaine : croissance de la population et extension spatiale. De plus, cette croissance a aussi modié l'intérieur du rayon. Pour apprécier cette évolution, il vaut mieux raisonner en termes de densité radiale. Eectivement, la densité supercielle ne permet pas ici de localiser le point d'inexion de la courbe de population cumulée. Cette densité radiale représente le nombre d'habitants par unité de distance radiale. Elle se dénit comme étant la dérivée de la fonction de population cumulée par rapport à la distance : 1/b, G(r) = dP (r) = 2Ar exp(-br) = 2rD(r) dr La représentation graphique de cette fonction est de la forme suivante : 24 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 6 Densité radiale Ici, 600000 personnes habitent à une distance 1/b du centre. Ce point est aussi le point d'inexion de la courbe de population cumulée. Si grand nombre d'habitants. L'évolution de 1/b permet de déterminer de manière dynamique la répartition de la population, et donc les demandes de construction de logements. Elle met en évidence le principe de croissance par vagues de l'agglomération. b diminue, 1/b augmente et il y a un éloignement du centre de l'espace qui contient le plus 25 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure radiales 7 La croissance par vague d'une agglomération à partir des densités totale cumulée : René Bussière introduit donc le temps dans une équation de population P (r, t) = 2A(t) [1 - (1 + b(t).r) exp(-b(t).r)] b(t)2 A(t) = + .b(t) t, entre l'a fait pour Paris entre 1911 et 1968, alors il pour pouvoir calculer Si l'on est capable de déterminer une relation linéaire A et b comme sura d'estimer la répartition résidentielle de la population à une date déterminée. René Bussière N (t), la population totale à l'instant 1.3 Forme amendée La formulation originale de paramètre K. Cette introduction améliore sensiblement les estimations pro, 1996) : duites et donc la validité du modèle ( Bussière Bonnafous & Tabourin a été amendée par l'introduction d'un P (r) = Le paramètre 2A [1 - (1 + br) exp(-br)] + K.r b2 K est en lien étroit avec les eets des infrastructures de trans- port qui modient l'accessibilité des communes en fonction de leur rattachement éventuel à un réseau de communication. 26 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Par souci d'exhaustivité, notons ici que le paramètre bande radiale : K peut renvoyer à des bandes radiales. Pour l'estimer, il est donc possible donc découper l'espace en Figure 8 Exemple de découpage en secteur de la ville ( Hoyt , 1939) Cet amendement permet une meilleure prise en compte des réalités des congurations urbaines, surtout si l'on raisonne en distance à vol d'oiseau. En eet, sa pertinence est plus discutable si l'on utilise d'autres variables qui tiennent compte des eets des infrastructures. C'est pourquoi nous n'utiliserons pas le découpage en bandes radiales. 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 Notre travail consiste donc à évaluer les coecients A, b et K pour chacune des années que nous voulons prendre en compte. 2.1 Périmètre d'études et bases de données Avant de commencer notre étude, il est important de spécier dans quel cadre nous nous situons et quelles données nous utilisons. 27 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE L'Aire Urbaine de Lyon Notre périmètre d'études est l'Aire Urbaine de Lyon. En eet, notre travail s'insère dans la problématique générale générale de SIMBAD, le modèle LUTI développé au sein du LET par Lyon. De plus, selon l'Insee, une aire urbaine est un ensemble de communes, d'un spéciquement à simuler les évolutions qui interviennent dans l'Aire Urbaine de Nicolas & al.(2009), or ce modèle s'attache seul tenant et sans enclave, constitué par un pôle urbain, et par des communes rurales ou unités urbaines (couronne périurbaine) dont au moins 40 % de la population résidente ayant un emploi travaille dans le pôle ou dans des communes attirées par celui-ci. La dénition d'une Aire Urbaine repose donc en grande partie sur des déplacements quotidiens ayant pour motif le travail. Cette dénition est tout à fait en accord avec notre étude, puisque nous avons vu que dans le modèle de distance au centre qui regroupe tous les emplois. Le fait d'élargir notre étude à l'Aire Urbaine de Lyon nous permet donc d'être au plus proche des hypothèses de base du modèle de Bussière , la localisation des ménages se faisait par rapport à la Bussière . L'Aire Urbaine de Lyon, dénie par l'Insee en 1999, regroupe 296 communes réparties dans quatre départements : le Rhône (169 communes), l'Ain (65 communes), l'Isère (60 communes) et la Loire (2 communes). Elle comporte 1 758 512 habitants en 2008 (données Insee), ce qui en fait la deuxième aire urbaine de France, après celle de Paris. 28 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 9 Aire Urbaine de Lyon, source : Opale 2006 L'étendue temporelle de l'étude et les bases de données utilisées L'étendue temporelle de l'étude est intimement liée avec les bases de données disponibles. En eet, dans l'idéal, nous souhaiterions remonter aussi loin que possible dans le temps en utilisant des données très nes. Malheureusement, notre travail est bien souvent contraint par la qualité et la disponibilité des bases de données. L'Insee a produit une base de données très complète : Données harmonisées des recensements de la population 1968-2006. Comme son nom l'indique, cette base de données regroupe les recensements allant de 1968 à 2006, c'est-à-dire 1968, 1975, 1982, 1990, 1999 et 2006. Cette base de données est tout à fait opérationnelle du fait de mesures d'harmonisation mises en place par l'Insee. Elle nous permet de connaître la population de chaque commune ou arrondissement l'année spéciée. Notre étude caractérisera donc l'évolution de la population de l'Aire Urbaine de Lyon sur la période 1968-2006. Notons que pour les années 1990, 1999 et 2006, des données plus nes sont disponibles. En eet, pour ces années-là, nous pouvons utiliser le découpage dit à l'IRIS (Ilots Regroupés pour des Indicateurs Statistiques), c'est-à-dire le découpage en espaces homogènes quant au type d'habitat et dont les limites s'appuient sur les grandes coupures du tissu urbain (voies principales, voies fer- 29 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rées, cours d'eau. . . ). Ces données beaucoup plus nes nous permettent d'avoir une estimation de meilleure qualité. Ainsi, 777 IRIS sont recensés dans l'Aire Urbaine de Lyon. Il est donc intéressant de les utiliser si nous en avons l'opportunité. 2.2 Les choix méthodologiques Avant toutes choses, nous devons déterminer la position du centre. En eet, ce choix aura une inuence certaine sur le reste de l'analyse. Pour cela, nous nous référons à l'étude menée par Selon eux, le centre de l'agglomération lyonnaise peut être xé à la Préfecture du Rhône. En eet, d'après eux, la Préfecture du Rhône est le centre qui se Tabourin, Andan & Routhier en 1995. rapproche le plus du barycentre moyen assurant le meilleur consensus entre nos diverses années et variables. Ainsi, notre centre sera le troisième arrondissement lorsque nous raisonnerons avec les données communales, et l'IRIS Préfecture lorsque nous utiliserons les données IRIS. Nous choisissons d'utiliser le modèle sous sa forme amendée. En eet, les estimations produites sont, dans le cadre de notre étude, TOUJOURS meilleures que celles issues du modèle dans sa forme simple. An d'estimer les coecients, nous utiliserons la méthode de régression non linéaire. Les distances reliant les diérentes communes ou IRIS au centre de l'Aire Urbaine de Lyon sont calculées de centroïde de zone à centroïde de zone. Ainsi, toute la population de la zone est aectée à un centroïde, et elle se déplace à partir de cet unique point. Enn, il peut être utile d'utiliser des pas de distance pour regrouper les données communales. En eet, lorsque nous utilisons ces données, nous avons beaucoup plus de points lorsque l'on est proche du centre, et la densité de communes diminue au fur et à mesure que l'on s'éloigne du centre. Étant donné que nous utilisons une méthode de régression, le nombre de points inue directement sur la somme des diérences au carré (SSR) à minimiser. Si l'on choisit de conserver un nombre de points plus importants aux alentours du centre, la méthode de régression produira une estimation qui privilégiera la qualité de la régression aux alentours du centre et au détriment de la périphérie. Pour éviter ce biais, nous regroupons les données communales par pas de 500 mètres de distance. En revanche, lorsque nous travaillerons avec des données à l'IRIS, nous n'eectuerons pas de regroupement par zone. En eet, le zonage à l'IRIS nous permet d'avoir une base de données quasi-continue. De plus, le zonage à l'IRIS prend en compte la population et, selon la dénition originale, chaque IRIS faisait référence à la taille visée de 2 000 habitants par maille élémen- taire (source : INSEE). Dès lors, nous n'eectuerons pas de regroupement pas à pas. 30 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 10 Pas de distance de 500 mètres Modèles de régression non-linéaire (Davidson & Mackinnon, 1993) Alors que les modèles de régression linéaire peuvent être estimé par OLS (Ordinary Least Squares), les modèles de régression non linéaire peuvent être estimés par NLS (Non-linear Least Square). Dans cette brève présentation, nous porterons notre attention sur les modèles univariés, c'est-à-dire les modèles dans lesquels il n'existe qu'une seule variable dépendante. En eet, le modèle de sière est un modèle univarié et les modèles multivariés sont beaucoup plus dif- Bus- ciles à traiter. Soit un modèle de régression linéaire univarié sous sa forme générique : yt = xt () + ut, Où ut IID(0, 2 ), t t = 1, ..., n un vecteur à k xt () est une fonction yt représente l'observation de la variable dépendante et composantes de paramètres inconnus. La fonction scalaire de régression non linéaire. Le moyen de loin le plus répandu (et que nous utiliserons) d'estimer les modèles de régression non linéaire consiste à minimiser la somme des résidus au carré, ou SSR (Sum of Squared Residuals) en fonction de : SSR() = t=1,...,n (yt - xt ()) . 2 31 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE En dérivant cette expression par rapport à toutes les composantes du vecteur à k éléments, et en annulant toutes les dérivées partielles, nous obtenons les conditions du premier ordre qui doivent être vériées pour toute estimation NLS du vecteur qui correspond à un minimum intérieur de SSR(). Figure 11 Une fonction de somme de carrés La diérence entre les cas linéaires et non linéaires réside dans le fait que dans les cas non linéaire, il peut exister plusieurs valeurs de qui vérient la condition de premier ordre et qui correspondent à des minima locaux, des points stationnaires et même des maxima locaux. Ceci est illustré dans la gure 11 pour le cas où il n'y a qu'un seul paramètre global se situe en . Sur la gure, le minimum , mais apparaissent également un autre minimum local en , un maximum local en ", et un point stationnaire en . Aucun algorithme de minimisation ecace ne s'arrêtera sur un maximum local ou un point stationnaire , parce qu'il est aisé de vérier que les conditions du second ordre ne seraient pas satisfaites à de tels points. Mais un algorithme pourra ne pas déceler un minimum global et s'arrêter à un minimum local. En se basant uniquement sur des informations locales, aucun algorithme ne distingue un minimum local comme d'un minimum global comme . Dans le but de trouver le minimum global, il est donc nécessaire de minimiser Dans notre exemple, un algorithme ecace est capable de trouver s'il débute à partir d'un point quelconque situé à gauche de SSR() un certain nombre de fois, en débutant par une variété de départs diérents. seulement ". An de mener à bien ces diérentes estimations, nous utilisons la fonction de régression non linéaire du logiciel Stata®. 32 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 3 Estimations et Analyses Nous allons eectuer deux estimations. En eet, pour les recensements de 1968 à 2006, nous disposons de données à l'échelle de la commune. Cette étude est intéressante car elle nous permet de mener une approche historique à long terme. Puis nous utiliserons les données à l'IRIS, plus nes et plus précises, mais seulement disponibles pour les recensements des années 1990, 1999 et 2006. Ces données nous orent la possibilité de mener une étude davantage localisée, pour laquelle une approche cartographique à l'échelle de l'IRIS est possible. 3.1 Utilisation des données communales Résultats des estimations Pour les recensements des années 1968, 1975, 1982, 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 1 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, Recensements Généraux de Populations coe. A b K R² 1968 27966 0,42 7697 0,9996 1975 21611 0,35 8238 0,9996 1982 17977 0,32 10215 0,9996 1990 16769 0,31 12719 0,9996 1999 17179 0,31 15248 0,9995 2006 18503 0,32 17050 0,9995 Bussière sous sa forme Comme nous le montre la grande qualité des R², les estimations sont de bonne qualité : le modèle estimé reproduit dèlement les données. Pour une meilleure appréciation des résultats, nous allons les présenter sous une forme graphique. Ainsi, nous allons exhiber les résultats de l'estimation pour l'année 2006. Nous ne le ferons que pour cette année, car les remarques importantes sont généralisables à l'ensemble des années : 33 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 12 Populations cumulées observée et estimée par le modèle de sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 - données communales, RGP On constate donc que la courbe représentant la population estimée est assez proche de celle représentant la population observée. Cependant, nous pouvons noter une sous-estimation de la population dans la zone la plus proche du centre (0-5 km), une sur-estimation de la population pour le rayon de 12,5km à 22,5 km, une sous-estimation jusqu'à 35 km puis une sur-estimation jusqu'à la frontière l'Aire Urbaine. Nous pouvons trouver des explications à ces légères approximations. Tout d'abord, la forme même du modèle de Bussière amène une sous-estimation des populations proches du centre. L'amendement apporté ne permet pas de corriger ce défaut. L'écart observé après 35 km est expliqué par le choix de l'espace étudié. En eet, en choisissant d'étudier uniquement les communes appartenant l'Aire Urbaine de Lyon, notre base de données ne recouvre pas un disque plein. Nous excluons du champ d'études d'importants centres secondaires comme Vienne, Bourgoin ou Villefranche sur Saône. Cela explique pourquoi la population cumulée observée cesse de croître après 35 km. Nous devons donc faire attention aux conclusions que l'on tire de ce modèle. Approche historique Notre objectif étant d'utiliser le modèle de Bussière pour mener des études prospectives, il est important de mettre en place une approche historique pour d'une part étudier l'évolution de la population de l'Aire Urbaine de Lyon sur le long terme, d'autre part observer l'évolution des coecients dans le temps. 34 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, RGP Figure 13 Populations cumulées estimées par le modèle de Bussière sous D'un point de vue général, on note une augmentation continue de la population totale résidant dans l'Aire Urbaine de Lyon entre 1968 et 2006. Ainsi, la valeur nale de chaque année est toujours supérieure à celle de l'année précédente. Cependant, cette augmentation de la population n'est pas régulière : les densités de population n'ont pas suivi les mêmes évolutions selon la distance au centre. Ainsi, le niveau de la courbe représentant la population cumulée estimée pour l'année 2006 est inférieur aux niveaux d'autres courbes dans un rayon inférieur à 7 km. Cela voudrait dire que dans un rayon de 7 km à partir du centre, la population a diminué. Pour étudier cela de plus près, nous avons recours à la notion de probabilité de densité radiale de la population. Cette probabilité de distance radiale se dénit comme étant la probabilité qu'un habitant réside à une distance r du centre, par unité de distance radiale. Elle est la dérivée de la fonction de population cumulée par rapport à la distance, ramenée à la population totale estimée. L'abaissement dans le temps du point maximum de la courbe traduit la diminution de la concentration. Comme nous raisonnons en termes de probabilité, l'eet croissance est entièrement gommé ; et seuls les eets de l'étalement urbain et de déconcentration ressortent. 35 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 14 Probabilité de densité radiale par pas de distance de 500 mètres On s'aperçoit que la probabilité d'habiter dans le centre diminue fortement dans le temps. On peut donc conclure qu'il y a, relativement à la population totale, un eet certain de déconcentration de la population. De plus, en 2006, les probabilités d'habiter à une distance radiale r du centre sont inférieures à celles de 1968 jusqu'à environ 7 kilomètres du centre. On assiste donc clairement à un phénomène d'étalement urbain. Cependant, il semble que la tendance se soit légèrement inversée entre 1999 et 2006. Ainsi, les probabilités d'habiter dans les zones les plus proches du centre sont légèrement plus élevées pour l'année 2006 que pour l'année 1999. Si l'on ne peut pas dire que l'on assiste à un véritable retournement de la tendance, le constat nous interpelle assez pour pousser plus loin notre analyse. En eet, pour assurer une meilleure visibilité, nous n'avons sélectionné que trois années parmi les six disponibles. An d'approfondir l'analyse, il est important de caractériser l'évolution des trois coecients de notre modèle : 36 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de A(t) Figure 15 Évolution de A(t) dans le temps Le paramètre A correspond à la densité extrapolée au centre de l'agglomé- ration ; en eet, lorsque r = 0, D(0) = A. Lorsque A diminue, cela signie que la quantité observée de population au centre diminue. Pour l'Aire Urbaine de Lyon, nous pouvons observer une diminution de A entre 1968 et 1990, puis une stagnation voire une légère augmentation entre 1990 et 2006. Le centre de Lyon a donc connu une phase de déconcentration jusqu'au début des années 1990, puis une phase de reconcentration depuis. Ce retournement peut être expliqué par les mesures mises en place an de requalier le centre de l'agglomération sur le plan de l'urbanisme (construction de la gare de la Part-Dieu et lancement de la Cité Internationale et du Palais des Congrès sous les mandats de du maire litation de la halle Tony Garnier au début des années 1990 sous l'impulsion de ce centre avec la mise en place d'un réseau de transports en commun dense (construction des 4 lignes de métro entre 1978 et 1991...), et par une sécurisation de certains quartiers (Gerland, Part-Dieu, Vaise, Saint-Rambert...). Cependant, au-delà des raisons techniques, cette augmentation de la population doit être mise en contexte avec l'augmentation de la population du centre-ville de toutes les villes européennes. Francisque Collomb (1976-1989), réhabi- Michel Noir ...), d'augmenter l'accessibilité depuis et en direction 37 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de b(t) Figure 16 Évolution de b(t) dans le temps La diminution du paramètre b signie que l'agglomération gagne en popula- tion sur ses limites extérieures, et que de ce fait la densité résidentielle décroît moins rapidement que par le passé tout au long du rayon de la ville. Ainsi, 1/b représente le point d'inexion de la courbe des densités radiales. Avant ce point, la densité radiale augmente et après ce point elle diminue. Sur l'Aire Urbaine de Lyon, si b diminue entre 1968 et 1990 pour stagner entre 1990 et 2006. Ainsi, A représente la densité de population au centre, le paramètre b représente en quelques sortes la vitesse de l'étalement urbain, sa puissance. Il y a donc eu un phénomène d'étalement urbain sur l'Aire Urbaine de Lyon entre 1968 et 1990, puis cet étalement a ralenti. Il semble même que nous pouvons observer une légère augmentation de b entre 1999 et 2006, ce qui signierait que nous sommes en présence de concentration urbaine. 38 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de K(t) Figure 17 Évolution de K(t) dans le temps Selon les concepteurs du modèle, la composante linéaire du modèle, K r, renvoie à l'apparition de bandes radiales de plus en plus marquées, qui s'ajoutent à l'étalement formalisé par le modèle de Bussière dans sa forme originale. Ces bandes radiales se présentent comme des routes urbaines insensibles à la distance au centre et donc, comme une esquisse de nouvelles formes urbaines ( & Bonnafous, 1998). phérie. Tabourin K Ainsi, nous pouvons interpréter l'augmentation continue du coecient entre 1968 et 2006 comme une densication du réseau routier urbain en péri- 3.2 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 Après avoir utilisé les données communales, il est intéressant de poursuivre notre étude en utilisant des données à l'IRIS. Ainsi, notre objectif sera ici d'étudier les densités de population et de mettre en place une représentation cartographique an de voir si une démarche prospective spatialisée est envisageable. 39 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Résultats des estimations Table 2 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1990 et 2006 - données à l'IRIS, RGP coe. A b K R² 1990 18371 0,33 14767 0,9997 1999 19771 0,35 17938 0,9995 2006 21516 0,36 19895 0,9995 Bussière sous sa forme Encore une fois, les estimations produites sont de très bonne qualité, comme en témoignent les valeurs des diérents R² toutes proches de 1. Comme précédemment, nous observons une croissance de centre, une stagnation de A synonyme de redensication du b exprimant un ralentissement voire un arrêt de l'éta- lement urbain et enn une augmentation de K, qui représente une densication des périphéries expliquée par une amélioration des infrastructures de transport radiales. Ces résultats peuvent ici aussi être représentés par des graphiques : Figure 18 Populations cumulées réelles sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP 40 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP Figure 19 Populations cumulées estimées par le modèle de Bussière sous Approche cartographique Nous allons procéder à cette approche cartographique en utilisant des cartes de densité de population sur l'Aire Urbaine de Lyon. Pour cela, nous allons comparer les densités observées en 1990, 1999 et 2006 par IRIS avec les densités obtenue en utilisant les estimations des paramètres obtenues précédemment. Nous devons donc revenir à la fonction de densité : D(r) = A exp(-b r) + Nous obtenons les résultats suivants : K 2r 41 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 20 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1990 42 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 21 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1999 43 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 22 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 L'étalement urbain réel apparaît assez bien lorsqu'on l'on observe ces cartes. Ainsi, la tendance est à la densication des IRIS situés entre le centre et la périphérie lointaine. Cependant, cette tendance n'est pas très marquée. Ce n'est pas surprenant lorsque l'on se réfère à l'évolution du coecient b étudiée précédemment. L'étalement urbain connaît un net ralentissement voire une inversion de tendance durant la période étudiée. Globalement, nos estimations rendent assez bien la tendance observée. Ainsi, le phénomène d'étalement urbain est davantage prononcé entre 1990 et 1999 qu'entre 1999 et 2006. Cependant, notre production est limitée par la variable choisie, la distance au centre. Ainsi, nous pouvons comparer les résultats obtenus 44 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE avec les densités de population observées sur la gure suivante : Figure 23 Densité de population observée sur l'Aire Urbaine de Lyon en 2006 En eet, il existe des IRIS possédant une forte densité et éloignés du centre. Ainsi, nous pouvons distinguer deux bandes radiales partant du centre et orientées l'une vers le sud-ouest et l'autre vers le sud-est. Ces densités élevées correspondent respectivement aux villes de Givors et de L'Isle d'Abeau. Pour notre modèle, ces IRIS ne sont pas distincts d'IRIS situés à une même distance du centre de Lyon. Dès lors, il ne permet pas de mener une étude prospective localisée. 45 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Nous avons vu que notre modèle reproduisait mal les niveaux de densité observés. Cependant, il peut être intéressant de s'intéresser à la reproduction des variations de densité estimées entre chacun des recensements. En eet, si notre modèle reproduit assez bien les variations de densité, alors nous sommes en mesure de penser qu'il a une portée prédictive grande. Il sura simplement d'intégrer de façon exogène la densité de population à l'année résultats convenables à l'année 0 pour avoir des n. Figure 24 Variations de densités de population observées et estimées par le modèle de Bussière sous sa forme amendée Si notre modèle avait été parfait, tous les points auraient été confondus avec la première bissectrice, et ce n'est pas le cas. Cependant, le nuage de points semble formé autour de la bissectrice, ce qui pourrait être le signe d'une bonne qualité de reproduction. Il faut faire atention aux échelles des axes. Ainsi, des points nous semblent proches de l'axe alors qu'ils correspondent en fait à des variations observées de 30% et des variations estilées de 5%. De plus, bon nombre de variations observées sont négatives, ce qui correspond à une décroissance de la population de certains IRIS sur la période considérée. Très clairement, notre modèle ne simule aucune variation négative de la population. Ceci n'est pas surprenant car si la population a diminué sur une partie du cercle situé à un 46 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rayon r du centre, elle a pu augmenter sur les autres parties du cercle. Empiriquement, on a pu constater une baisse de la population dans certaines communes de la périphérie Est de Lyon (Bron, Vaulx-en-Velin, Décines...), mais cette baisse a été plus que contre-balancée par l'augmentation de la population observée dans des communes situées à une égale distance du centre de l'Aire Urbaine mais dans la périphérie Ouest de Lyon (Saint-Genis-Laval, Sainte-Foyles-Lyons, Tassin-la-Demi-Lune...). Cette incapacité à reproduire les baisses de population est une limite évidente à la portée prédictive spatialisée de notre modèle. Dès lors, pour être en mesure de mener une étude prospective localisée, nous devons explorer d'autres voies qui nous permettront de distinguer les IRIS autrement que par leur distance au centre. En eet, cette variable ne prend pas en compte les diérents niveaux d'infrastructures existants (autoroutes, nationales, routes départementales...), ni les diérences d'attractivité entre chaque IRIS, qui sont pourtant fondamentales dans le choix de localisation des ménages. Nous allons donc tenter de remédier à ces insusances. Troisième partie Développement de ce modèle L'objet de cette troisième partie est de présenter les diérents développements que nous avons apportés au modèle an d'améliorer sa portée prospective. Le point de départ de ces analyses a été la volonté d'essayer de travailler avec des variables qui, à la diérence de la distance au centre, permettent de distinguer les IRIS autrement que par leur position géographique. Nous avons donc choisi d'utiliser comme variable d'abord les temps de trajet généralisés pour aller d'un centroïde de zone au centre de l'Aire Urbaine, puis l'accessibilité gravitaire. L'utilisation des temps généralisés permet de nous aranchir de l'hypothèse selon laquelle l'espace urbain est posé sur une plaine uniforme, et l'utilisation de l'accessibilité gravitaire qui prend en compte les emplois situés dans chaque IRIS relâche l'hypothèse de monocentrisme des emplois. 1 Utilisation des temps de trajet Notre première idée a été de considérer les temps de trajet au centre. Ainsi, cela nous permet de prendre en compte les infrastructures de transport existantes. En eet, on peut penser que lorsqu'un ménage décide de sa future localisation, il pense moins à la distance qui le sépare de son lieu de travail qu'au temps qu'il lui faudra pour s'y rendre à l'heure de pointe. 47 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.1 Méthodologie Nous choisissons donc d'utiliser des temps de trajet en lieu et place des distances au centre. En eet, nous éliminons ainsi la contrainte géographique qui limitait notre ambition de mener une approche prospective. Notre postulat de base est trivial : les ménages choisissent leur localisation en fonction du temps mis pour se rendre sur leur lieu de travail. Nous utilisons donc comme variable le temps de trajet pour aller du centroïde de la zone au centre de l'Aire Urbaine de Lyon, la Préfecture, durant l'heure de pointe. Ainsi nous respectons l'hypothèse de monocentricité des emplois propre au modèle de Ce développement devrait nous permettre de distinguer les grands axes d'infrastructures (autoroutes, nationales) qui rapprochent du centre les IRIS proches de ces axes, et de mener une étude prospective à l'échelle de l'IRIS. La fonction de densité à la base du modèle reste la même que celle formulée par eet, l'amendement proposé renvoie à des routes urbaines radiales. Or, les temps de trajet sont fonction du réseau routier existant, et l'ajout d'une composante linéaire nous conduirait à prendre en compte deux fois la même information. La fonction de densité de population habitant à un temps suivante : Bussière . Bussière . Nous n'avons pas recours à la forme amendée du modèle. En v du centre est donc la D(v) = A exp(-bv) ce qui nous donne la fonction de population cumulée : P (v) = 2A [1 - (1 + bv) exp(-bv)] b2 b), Étant donné que nous n'avons ici que deux coecients à estimer (A et comme l'a fait peut-être pourrons-nous proposer une formulation de l'un en fonction de l'autre Bussière pour l'agglomération parisienne entre 1911 et 1968. Données Nous n'utiliserons que les temps de transport en Voiture Personnelle (VP) et nous ne prendrons pas en compte les temps de transport des Transports en Commun (TC) ni ceux des modes doux (marche, vélo...). En eet, les déplacements VP représentent la plus grande part des déplacements journaliers domicile-travail (65,8%) ( Aguilera Mignot & , (2002)). Table 3 Répartition modale des déplacements domicile-travail dans l'Aire Urbaine de Lyon en 1999 (données RGP 1999) Sans mode 3,6 Marche 8,1 2 roues 1,8 VP 65,8 TC 12,8 Plusieurs modes 7,9 total 100 48 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Nous utilisons donc les temps de transport VP pour aller de chaque centroïde d'IRIS au centre de l'agglomération (centroïde d'IRIS Préfecture) à l'heure de pointe. Ces données sont disponibles grâce au travail fourni par Cabrera-Delgado , qui a reconstitué les réseaux routiers de l'Aire Urbaine Jorge de Lyon pour les années 1985, 1995, 1999 et 2006 en codant les réseaux de référence. Il a ensuite chargé les réseaux avec les matrices O-D reconstituées. Nous nous intéressons aux années 1990, 1999 et 2006 qui correspondent aux années des recensements à l'IRIS. An d'avoir les données des temps de trajet pour l'année 1990, nous avons fait la moyenne des temps de trajet 1985 et 1995. 1.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 4 Résultats des estimations du modèle de de Lyon entre 1990 et 2006 en fonction du temps de trajet au centre - données à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 7149 0,17 0,9997 1999 6706 0,16 0,9998 2006 8358 0,17 0,9997 Bussière à l'Aire Urbaine La qualité des estimations est encore une fois de premier ordre. Les R² sont quasiment égaux à 1. An d'analyser au mieux ces estimations, nous proposons d'exhiber la courbe de population cumulée pour l'année 2006, puis de mener une approche historique en comparant les trois années et en menant une étude de l'évolution des coecients. En eet, nous devons voir s'il est possible de détecter une relation entre A et b qui nous permettrait de mener une étude prospective. Nous présentons seulement la fonction de population cumulée pour l'année 2006 car l'analyse à faire est la même pour les trois années des recensements. 49 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 25 Populations cumulées observées et estimées par le modèle de selon le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD La courbe représentant la population cumulée estimée reproduit bien la population cumulée réelle. Nous pouvons cependant noter une légère surestimation de 0 à 15 unités soit 30 minutes. De plus, à la diérence de la population cumulée observée qui stagne pour plus d'une heure de trajet, notre courbe de population cumulée estimée est toujours croissante. Comme précédemment, ceci est dû à la forme de la fonction choisie et à notre zonage d'études choisi. 50 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 26 Populations cumulées estimées par le modèle de le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon La population a augmenté continuellement sur l'Aire Urbaine de Lyon entre 1990 et 2006, comme nous pouvons le voir en examinant les points les plus à droite des courbes. Cependant, ces évolutions sont diérenciés. Ainsi, entre 1990 et 1999, la population augmente, mais cette augmentation ne se fait que pour les IRIS situés à plus d'une demi-heure de transport du centre. L'interprétation n'est pas aisée, car il nous est dicile de distinguer l'eet temps de l'eet démographique. En eet, les IRIS ne sont pas stables sur l'axe des abscisses à travers le temps. L'augmentation observée est donc dû bien sûr à un phénomène d'étalement urbain, mais il est aussi possible que l'amélioration ou la création de certaines infrastructures ait rapproché certains IRIS du centre en termes de temps de trajet, ce qui bien sûr augmente la densité de population à un temps de trajet donné du centre. En revanche, entre 1999 et 2006, l'augmentation de la population est visible à partir de 10 minutes de trajet du centre (5 unités), et nous remarquons que l'écart entre les deux courbes diminue après 50 minutes (25 unités). Nous ne pouvons pas considérer que cela est entièrement dû à un repositionnement des IRIS dans l'espace-temps puisque nous n'avons pas observé une amélioration aussi signicative des infrastructures sur cette période. Dès lors, nous pouvons considérer qu'un phénomène de redensication urbaine apparaît. 51 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution des coecients Dans l'étude menée par les coecients tion de Paris, la dimension prospective repose sur la détection du relation entre Bussière sur l'étalement urbain dans l'aggloméra- A et b, exprimée sous la forme A(t) = + b(t). En eet, si une telle relation existe, alors il sut de déterminer la population totale de l'agglomération à l'instant t, N (t) = Est-ce le cas dans notre étude ? 2A b² , pour pouvoir simuler l'étalement urbain. Figure 27 Évolution de A et b dans le temps (temps transport) En observant la gure 27, il ressort une évolution assez complexe de l'étalement urbain depuis 1990. En eet, comme convenu, A augmente sur la période 1990-2006, ce qui correspond à la redensication du centre observée. Notons que cette redensication s'est accéléré depuis 1999. L'évolution de b est stable, ce coecient varie entre 0,16 et 0,17. Cette stabilité est conforme au phénomène de ralentissement de l'étalement urbain observé sur l'Aire Urbaine de Lyon depuis 1990. L'évolution urbaine avant 1990 suivait un schéma assez simple de baisse de population dans le centre couplé à un étalement urbain croissant. Dès lors, l'évolution des coecients A et b est assez facile à interpréter durant cette période. Depuis 1990 en revanche, plusieurs tendances s'arontent : une redensication du centre résultant de politiques urbaines de requalication du centre de Lyon, et un étalement urbain toujours présent correspondant au besoin d'espace et de confort de vie des ménages. L'évolution des coecients est donc dicile à interpréter, mais nous pouvons quand même distinguer de grandes tendances représentatives de l'évolution urbaine de Lyon. Il s'agit maintenant de nous atttacher à produire une étude localisée an de tester la capacité prospective spatialisée de notre modèle. 52 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.3 Approche cartographique à l'IRIS L'approche cartographique est intéressante car elle nous permet de visualiser les résultats de notre étude de façon localisée. Pour cela, nous reprenons la fonction de densité utilisée précédemment : D(v) = A exp(-b v) + Les cartes obtenues sont les suivantes : K 2v Figure 28 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 1990 53 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 29 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 54 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 30 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 L'utilisation des temps de trajet au centre en lieu et place des distances au centre nous permet d'obtenir des cartes moins marquées par la forme circulaire du modèle monocentrique. Ainsi, nous pouvons voir l'inuence de la construction de nouvelles infrastructures, notamment à travers l'amélioration de la capacité de circulation de l'A450, qui dessert les communes du sud-ouest lyonnais. De même, les baisses de densité de population des IRIS dans la périphérie est de l'Aire Urbaine de Lyon correspondent à une dégradation des temps de trajet causée par la congestion pendulaire sur les axes pénétrants le centre de Lyon (A42 et A43). 55 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Si nous comparons ces cartes avec celles représentant les densités observées (cf ci dessus et en annexes), nous pouvons voir que les densités estimées ne correspondent pas toujours aux densités observées. Dès lors, il est intéressant de voir si malgré le fait que nous ne soyons pas en capacité de reproduire les valeurs des densités, nous pouvons tout de même reproduire les évolutions de la densité des IRIS. Pour cela, étudions la gure suivante : Figure 31 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation du temps de trajet au centre La majorité des points est située dans les quarts haut-droite et bas-gauche du graphique. Dans ces parties du graphique, le modèle reproduit les bons sens de variation de densité de population. Cependant, de nombreux points sont assez éloignés de la bissectrice, ce qui remet en cause la qualité du modèle. Enn, notons l'existence de nombreux points aberrants qui inrment davantage la qualité du modèle. Si l'on compare les deux périodes, on remarque que les variations de densité estimées entre 1990 et 1990 sont beaucoup plus souvent négatives que celles estimées entre 1999 et 2006 et que c'est pour la première période que nous reproduisons le mieux les variations des densités de population. Notre modèle restitue donc très grossièrement les évolutions des densités, et il semble que la 56 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE qualité de restitution nous empêche de le considérer en l'état comme un outil de prospective localisée able. L'utilisation des temps généralisés en lieu et place de la distance au centre améliore le modèle car cela nous permet de relâcher une hypothèse contraignante. Cependant, si les résultats obtenus permettent d'apprécier l'évolution de la ville, ils ne permettent pas en l'état une approche prospective localisée. C'est pourquoi nous allons essayer de relâcher l'hypothèse de moncentrisme des emplois. 2 Utilisation de l'accessibilité gravitaire L'utilisation de temps généralisés en lieu et place de la distance au centre nous a donc permis de nous aranchir de l'hypothèse d'homogénéité de la surface. Nous allons maintenant utiliser la notion d'accessibilité gravitaire pour relâcher l'hypothèse de monocentrisme des emplois. 2.1 Méthodologie En eet, la notion d'accessibilité gravitaire ( grer dans notre modèle le nombre d'emplois existant dans chaque IRIS. La mesure gravitaire établit une relation entre l'utilité d'une destination, ici le nombre d'emplois à destination, et le coût généralisé de déplacement. Cette mesure peut être exprimée de la manière suivante : Hansen , 1959) permet d'inté- Wi = j où Oj f (Cij ) i aux activités potentielles des points Wi est l'accessibilité à la zone j , Oj et représente les opportunités dans la zone j , (x) est la fonction de résistance C ij la fonction du coût du transport pour se déplacer entre i et j. Le coût associé au déplacement entre un point d'origine et une destination inue sur l'attractivité de l'opportunité. Plus une opportunité est éloignée du point d'origine, en matière de temps, de distance ou de coût général, moins son niveau d'accessibilité est élevé. L'accessibilité gravitaire correspond à une vision intuitive du système de transport, en ce sens qu'un grand nombre d'opportunités augmente les chances de trouver la destination convoitée et que plus une opportunité est éloignée, moins elle est convoitée ( Cependant, elle évalue l'accessibilité d'un emplacement et ne tient pas compte de l'accessibilité individuelle. On attribue à tous les individus résidant dans une certaine zone le même niveau d'accessibilité ( même si dans une même zone les individus pourraient avoir diérents niveaux d'accessibilité en raison de contraintes personnelles, tel qu'un handicap ou le fait de ne pas posséder de voiture, ou en raison d'attentes diérentes vis à vis des Koenig , 1980). Ben-Akiva Lerman & , 1979), 57 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE opportunités. Ainsi, les emplois ne sont pas tous identiques et ne correspondent aux qualications que d'une partie de la population. Finalement, bien que la mesure gravitaire soit relativement simple et intuitive, les résultats peuvent être diciles à interpréter parce qu'ils montrent une mesure d'accessibilité présentée comme un indice d'interaction potentielle ; les niveaux absolus d'accessibilité ont peu de sens en eux-mêmes. Nous choisissons donc d'utiliser une mesure de l'accessibilité gravitaire de la forme : Wi = j avec Oj exp( Cij ) Oj Cij = valtps T Tij + pxcarburant Distanceij le nombre d'emplois dans l'IRIS port pour aller de la zone j et C ij le coût généralisé de transi à la zone j , composé de la somme du temps de trajet = -0, 2, ce qui correspond à une valeur VP multiplié par la valeur du temps et de la distance parcourue multipliée par le prix du carburant. Nous xons moyenne de diérents calibrages sur l'Aire Urbaine de Lyon. Notre modèle de Bussière revisité admet donc la fonction de densité de population d'un IRIS dont l'accessibilité est à un niveau W : D(W ) = A exp(-bW ), ce qui nous donne la fonction de population cumulée suivante : P (W ) = relation entre 2A [1 - (1 + bW ) exp(-bW )] . b2 Comme précédemment, il sera intéressant de voir si l'on peut extraire une A et b au cours du temps. Données Pour calibrer ce modèle, nous avons naturellement besoin des données nécessaires à construire l'indicateur de l'accessibilité gravitaire. Ainsi, nous utilisons une base de données d'emplois par IRIS reconstituée par par à partir des chiers Siren. Encore une fois, nous protons du travail accompli et les distances parcourues. Les valeurs utilisées pour caractériser la valeur du temps et le prix du carburant sont celles préconisées par le rapport Boiteux ( Louafi Bouzouina Jorge Cabrera-Delgado en ce qui concerne les temps de trajet VP Commissariat Général du Plan , 2001). La mesure de l'accessibilité gravitaire nous donne des valeurs allant de moins de 30 000 pour les IRIS ayant le moins d'accessibilité à quasiment 400 000 pour les IRIS du centre de l'Aire Urbaine. Nous avons dû retravailler ces valeurs pour arriver à quelque chose de cohérent dans le cadre de notre modèle. Pour cela, 58 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nous avons divisé ces valeurs par 10 000 an de les ramener à une échelle de 1 à 40, puis nous avons remplacé chaque valeur par son complément à la valeur de l'accessibilité maximale an de placer les IRIS ayant la plus forte accessibilité le plus proche du centre. Illustrons cette démarche avec un exemple ctif : nous sommes en présence des deux IRIS situés aux extrema de la répartition des IRIS en fonction de l'accessibilité gravitaire : le premier (I 1 ) a un niveau d'accessibilité gravitaire égal à 334 000, le second (I 2 ) égal à 60000. étape 1 : on ramène l'ensemble sur une échelle cohérente avec le modèle 60000 334000 10000 = 33, 4 et I 2 10000 = 6. étape 2 : on calcule pour chaque IRIS le complément à la valeur de l'acen divisant par 10 000 : I1 = cessibilité gravitaire de l'IRIS le plus accessible : I"1 = 33.4 - 33.4 = 0 et I"2 = 33.4 - 6 = 27.4. 2.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 5 Résultats des estimations du modèle de Urbaine de Lyon entre 1990 et 2006 selon le niveau d'accessibilité gravitairedonnées à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 6805 0,17 0,9975 1999 6814 0,16 0,9966 2006 5573 0,14 0,995 Bussière appliqué à l'Aire Les estimations sont une nouvelle fois de très bonne qualité comme en témoignent les R² très proches de 1. Comme précédemment, nous allons exhiber les résultats issus de cette estimation pour l'année 2006 : 59 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 32 Populations cumulées observées et estimées par le modèle de selon le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD Malgré la bonne qualité de l'estimation, les deux courbes sont assez éloignées l'une de l'autre, surtout en ce qui concerne les tendances de variation : quand l'une est concave, l'autre est convexe et vice versa. Cela provient de la forme particulière de la population cumulée observée, qui est nalement assez proche d'une droite ane. Cette spécicité est due au choix d'utiliser l'accessibilité gravitaire comme variable, mais aussi au travail qui est fait sur cette mesure pour l'intégrer dans le modèle. Ainsi, notre estimation sous-estime la population cumulée jusqu'à un niveau d'accessibilité proche de 10, puis le sur-estime assez largement pour nalement s'en rapprocher lorsque l'on atteint la frontière de l'Aire Urbaine. 60 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 33 Populations cumulées estimées par le modèle de le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon Notre modèle retranscrit assez dèlement l'augmentation de la population totale de l'Aire Urbaine de Lyon, puisque les derniers points de chaque courbe sont de plus en plus élevés avec le temps. Nous remarquons que quelle que soit l'année, la population cumulée est sensiblement la même jusqu'à un niveau d'accessibilité d'environ 15. C'est après ce niveau que des divergences apparaissent et que la population augmente avec les années. Paradoxalement, on peut donc en déduire que l'accroissement de la population se fait dans des zones où le niveau d'accessibilité est relativement bas, ce qui indique que les ménages ont tendance à privilégier le confort au détriment de l'accessibilité aux emplois. Cependant, il est aussi possible que les prix soient bien moins élevés dans ces zones, ce qui augmente fortement leur attractivité. De même, à l'instar de ce qui se passe dans la région parisienne, les zones à forte accessibilité sont peutêtre saturées, et c'est pour cela que l'accroissement de la population se fait en périphérie. Enn, remarquons que l'écart d'accessibilité entre les IRIS situés aux extrema de notre axe des abscisses augmente avec le temps. Évolution des coecients Il s'agit de voir si nous pouvons dégager une relation linéaire entre A(t) et b(t). 61 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 34 Évolution de A et b dans le temps (accessibilité gravitaire) A première vue, les résultats pourraient sembler décevants. Cependant, il faut les examiner sans oublier que le modèle utilisé est diérent de ce que nous vu précédemment. Tout d'abord, nous pouvons remarquer une baisse de De plus, b qui concorde avec le ralentissement de l'étalement urbain observé sur la période. A ne doit pas être interprété comme une population au centre puisque les IRIS précédemment considérés comme centraux sont maintenant simplement ceux pour lesquels l'accessibilité gravitaire est relativement la plus haute : D(0) = A et W =0 pour les IRIS les plus accessibles. Ainsi, si nous prenons en compte à la fois la diminution de l'accessibilité au centre due à la congestion croissante caractérisant le réseau routier de l'Aire Urbaine et la périphérisation progressive des emplois, il est normal que le coecient A diminue avec le temps. Si l'accessibilité gravitaire est l'unique variable entrant en jeu dans les choix de localisation des ménages, alors il est important d'interpréter à la mesure relative de l'accessibilité des diérentes zones. A relativement 2.3 Approche cartographique à l'IRIS An de créer les cartes de densité de population à l'IRIS, nous utilisons la fonction de densité suivante : D(W ) = A exp(-bW ) Les cartes obtenues suivent : 62 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1990 35 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 63 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1999 36 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 64 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2006 37 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en Tout d'abord, remarquons que si l'utilisation de l'accessibilité gravitaire nous permet de nous aranchir de l'hypothèse de monocentrisme des emplois, ce monocentrisme est tout de même présent dans les résultats de notre étude, signe que l'hypothèse selon laquelle Lyon est une ville assez monocentrique n'est pas complètement farfelue. De plus, s'il n'y a pas d'évolution marquante entre 1990 et 1999, il en va diéremment pour la période 1999 - 2006. En eet, on distingue durant cette période une diminution du nombre d'IRIS dont la densité est très élevée et qui sont situés assez proche du centre, et une augmentation du nombre d'IRIS dont 65 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE la densité est moyenne et qui se situent en périphérie. Ces évolutions correspondent bien à l'évolution de l'accessibilité gravitaire, inuencée comme nous l'avons dit plus haut par la dégradation des conditions de circulation et la périphérisation d'un certain nombre d'emplois. Analyse de la cohérence des variations de densité de population estimées Le modèle n'a donc pas une portée prédictive très forte si l'on raisonne en termes de niveau de densités de population. Cependant, nous devons aussi voir s'il permet de retranscrire les évolutions de densité, en utilisant le même type de graphique que précédemment que précédemment : Figure 38 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation de l'accessibilité gravitaire De nombreux points sont situés dans le quart bas-droite, c'est-à-dire que pour ces IRIS le modèle simule une baisse de la population alors qu'en réalité elle augmente. Toutefois, notre modèle reste dans les mêmes ordres de grandeur que les évolutions réelles, entre -20 et +20%. Il y a relativement peu de points aberrants dus au modèle, ce qui est un indicateur de abilité. Il existe des diérences importantes selon que l'on se situe dans la période 1990-1999 ou la période 1999-2006. Nous proposerons des développements à ce modèle pour 66 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE franchir ces obstacles. Si l'utilisation de l'accessibilité gravitaire permet de s'aranchir d'une hypothèse supplémentaire, notre modèle ne permet toujours pas une approche prospective localisée. En revanche, nous avons pu aborder le problème avec une approche diérente, ce qui a renforcé notre compréhension du phénomène d'étalement urbain en jeu. 3 Perspectives Il est intéressant de voire quelles conclusions tirer de notre étude, et quelles perspectives elles entrainent. Pour cela, nous allons tout d'abord comparer les trois modèles utilisés dans notre travail, puis nous suggèrerons les développements intéressants à étudier ainsi qu'une piste diérente qu'il nous semble pertinent d'explorer. 3.1 Comparaison des diérents modèles Il s'agit ici d'aborder les diérences et les points communs à nos trois modèles. Diérences entre les modèles La principale diérence entre nos modèles réside dans les variables choisies. En eet, ce choix des variables nous permet de lever certaines hypothèses contraignantes mais de conserver les mêmes fondements théoriques, c'est-à-dire ceux du modèle standard de l'économie géographique. Ainsi, nous avons tout d'abord utilisé la version classique du modèle de en utilisant comme variable la distance à parcourir pour aller au centre de l'Aire Urbaine où sont censés se situer tous les emplois. Deux hypothèses de ce modèle ne correspondent pas à la réalité de l'agglomération lyonnaise : l'homogénéité géographique qui sous-entend une homogénéité des infrastructures de transport et la concentration des emplois dans l'hypercentre. Notre second modèle utilise lui les temps de transport généralisés VP. Ainsi, nous considérons que ce n'est pas la distance au centre qui inuence principalement les choix de localisation mais, dans le cadre d'un raisonnement de type monocentrique, les temps de trajet généralisés, c'est-à-dire le coût de transport ressenti par les usagers pour se rendre dans le centre. Cependant, nous nous heurtons toujours à l'hypothèse de monocentrisme des emplois. C'est pour relâcher cette hypothèse que nous avons choisi de développer un modèle utilisant l'accessibilité gravitaire. En eet, à travers cette notion, nous considérons que les ménages font leurs choix de localisation en fonction du Bussière 67 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nombre d'emplois des zones voisines, et que plus les emplois sont éloignés du logement moins ils sont considérés comme attractifs. les emplois ne sont donc pas seulement situés dans l'hypercentre mais répartis dans l'ensemble des IRIS. De plus, nous utilisons toujours les temps de trajets généralisés, ce qui permet d'intégrer la performance des infrastructures dans le modèle. D'un point de vue strictement théorique, ce dernier modèle est le plus pertinent. Points communs aux modèles Nos trois modèles ont des points communs assez simples à identier : une capacité certaine à reproduire les tendances des fonctions de populations cumulées et donc de l'étalement urbain, et une incapacité relative à reproduire les évolutions de densité de population à l'échelle de l'IRIS et à produire une étude prospective, que ce soit à un niveau très agrégé ou au contraire à un niveau de localisation assez n, l'IRIS. En eet, chacun des trois modèles reproduit dèlement les fonctions de population cumulée observées, ce qui est conrmé par des niveaux de R² très élevés. Ainsi, ils peuvent être utilisés en tant qu'instrument d'analyse voire de vérication de simulations issues d'autres modèles. Notons toutefois que le modèle utilisant l'accessibilité gravitaire est moins performant que les deux autres dans cet exercice. Dans les trois modèles, l'étude des coecients nous a fourni des informations pertinentes sur l'évolution de l'étalement urbain sur l'Aire Urbaine de Lyon depuis 1990. Or nous savons que durant cette période, le phénomène est complexe à analyser car nous manquons de recul. L'utilisation du modèle de soient ses tendances. Cependant, nos modèles manquent de précision lorsque l'on procède à une analyse localisée. Ainsi, si l'approche cartographique nous a permis de constater l'étalement urbain, les densités estimées sont souvent assez loin des densités observées. L'étude des variations de densité apporte davantage de satisfaction, mais faute de plus de abilité, on ne peut pas envisager une intégration en l'état de l'un de nos trois modèles dans SIMBAD. apporte donc un éclairage pertinent sur l'évolution urbaine, et ce quelles que Bussière 3.2 Des développements à apporter au modèle de sière Nous avons vu que les modèles de Bus- d'envisager une étude prospective localisée. Cependant, nous pensons que des améliorations peuvent être apportées au modèle pour pouvoir envisager l'intégration dans SIMBAD. Ces améliorations sont au nombre de trois : la prise en compte des temps de trajet en transport en commun, le calage de la fonction de résistance utilisée dans la formule de l'accessibilité gravitaire et enn une Bussière en l'état ne permettent pas 68 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE segmentation des opportunités. La prise en compte des temps de trajet TC doit être un élément important de la réexion future sur le sujet. En eet, aujourd'hui la part des trajets TC est largement inférieure à celle des trajets VP, mais cette répartition est susceptible de changer. Le mode de transport TC et les infrastructures nécessaires sont aujourd'hui une des priorités des urbanistes et des hommes politiques. On peut donc imaginer que ce mode de transport va se développer dans l'avenir. Il serait dommage de ne pas intégrer cette composante dans un modèle à objectif prospectif. De plus, cela nous permettrait de prendre en compte les ménages qui ne disposent pas de véhicule, voire d'un seul véhicule, et pour lesquels le mode de transport est contraint. Dans notre approche utilisant l'accessibilité gravitaire, nous avons pris le parti d'utiliser une fonction de résistance simple, la fonction exponentielle avec un coecient négatif. Cependant, d'autres fonctions de résistance sont disponibles, notamment la fonction de résistance combinée de la forme f (Cij ) = Cij exp( Cij ). Dès lors, il peut être intéressant d'étudier cette fonction de résistance (ou une autre) an de voir son inuence sur les niveaux d'accessibilité gravitaire absolus et relatifs obtenus. Peut-être que des diérences plus marquées apparaîtrons entre les IRIS, et que les densités estimées seront plus proches des densités observées. Enn, toujours dans notre travail sur l'accessibilité gravitaire, nous avons choisi d'utiliser comme mesure d'opportunité le nombre d'emplois par IRIS. Il serait ici intéressant d'envisager à la fois de segmenter les emplois selon le secteur auquel ils appartiennent ou le niveau de qualication requis, mais aussi d'autres composantes comme les aménités (paysage, parc naturel...) ou les commerces à proximité. Les développements que nous proposons se situent dans le travail sur l'accessibilité gravitaire. En eet, ce modèle est neuf et donc susceptible d'être amélioré. De plus, nous pensons que c'est celui pour lequel les perspectives de développement sont les meilleures eu égard aux fondement théoriques nouveaux à la base de ce modèle. 3.3 Une piste nouvelle à explorer Nous avons pu voir que malgré les améliorations apportées au modèle, ce dernier ne permet malheureusement pas de procéder à des études prospectives localisées. En eet, les densités de population par IRIS sont très diciles à prévoir. Cette remarque nous semble valable pour l'ensemble des modèles de type monocentrique : le niveau de précision n'est pas assez n pour pouvoir être intégré dans un modèle LUTI dans un but prospectif Selon nous, une des pistes intéressantes à explorer est une étude davantage micro-économique au découpage le plus n dont nous disposons, c'est à dire 69 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE l'IRIS. Il serait intéressant de développer une analyse micro-économique au niveau de l'IRIS. Ainsi, en agrégeant l'ensemble des zones, nous pourrions avoir une vue d'ensemble de l'étalement urbain. Un modèle de ce type existe déjà dans UrbanSim, puisque sont simulés dans ce modèle les constructions de nouveaux logements ou bureaux et la mobilité des ménages ou des rmes. Cependant, ce modèle suit une logique que nous pouvons qualier d'anglo-saxonne selon laquelle les nouvelles constructions sont seulement le fait de l'initiative d'entrepreneurs immobiliers privés. Ces modèles ne sont pas pertinents pour être appliquer en France où les décisions des collectivités locales ont une grande inuence sur le nouveau bâti. C'est pourquoi nous pensons que la conception d'un nouveau modèle qui prend en compte les spécicités françaises serait intéressante. Pour cela, il y a au moins trois caractéristiques françaises à prendre ce compte : la libération des terrains à bâtir, les subventions à la construction et l'attribution des HLM (Habitation à Loyer Modéré). Bien sûr, cette liste n'est pas exhaustive et d'autres spécicités peuvent être ajoutées. La libération des terrains à bâtir est fonction du PLU (Plan Local d'Urbanisme), le principal document de planication de l'urbanisme au niveau communal ou éventuellement intercommunal. Ces plans ont un horizon de 10 ou 20 ans, mais ils subissent assez souvent des modications. C'est pourquoi nous ne pouvons pas nous contenter des PLU actuels. Les maires des communes sont les principaux acteurs des PLU, et ce sont eux qui décident de la libération ou non d'une surface à bâtir. Dès lors, même si processus de décision est de nature économique, il contient aussi une part psychologique importante qu'il faut rationaliser pour pouvoir l'intégrer dans le modèle. sur le modèle PIRANDELLO®, a développé l' équation des maires (2011), une équation qui modélise la libération des terrains en posant en postulat que le maire cherche à maximiser l'utilité de ses terrains dans le temps. Cette résolution du problème a été inspirée par de la maximisation d'un bien non-renouvelable, tel le pétrole (1931). Les subventions à la construction sont importantes car elles vont fortement inuencer la réalisibilité et la rentabilité d'une opération nancière. Il faut en tenir compte à la fois pour les initiatives privées, mais aussi pour les opérations publiques. Enn, il faut traiter les HLM spéciquement car ils jouent un rôle important dans la mobilité des ménages. Il serait intéressant d'étudier le mécanisme de l d'attente d'attribution des HLM. Le modèle de Jean Delons , dans son travail Hotelling et sa résolution du problème mettent pas de simuler l'étalement urbain, et c'est d'autant plus vrai que l'échelle est ne. Il faut donc envisager l'apport de développements à ces modèles ou la construction d'un autre modèle, qui prend en compte les spécicités françaises. Bussière et les développements que nous avons faits ne per- 70 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Conclusion Ce travail avait donc pour objectif à la fois d'étudier la capacité prospective du modèle de d'apporter des améliorations théoriques à ce modèle. Force est de constater que les résultats obtenus sont très contrastés. En eet, si le modèle de prédictif s'est révélé faible. Ainsi, il fournit une bonne grille de lecture de l'étalement urbain d'une agglomération, car il permet de distinguer à la fois l'évolution de la population mais aussi l'évolution de sa répartition sur l'Aire Urbaine, et ceci selon un raisonnement simple dont les résultats peuvent gurer sur un graphique en deux dimensions. Nous avons donc pu apprécier l'évolution de la population et de sa répartition sur l'Aire Urbaine de Lyon depuis 1968, et observer un ralentissement voire une régression du phénomène d'étalement urbain depuis les milieu des années 1990. De plus, l'utilisation de l'accessibilité gravitaire fournit une grille de lecture nouvelle qui couple la répartition des emplois aux temps de trajet généralisés. Cependant, notre modèle, et ce quelles que soient les améliorations que nous lui avons apportées, s'est trouvé en diculté dès lors qu'il s'agissait de reproduire l'évolution de la population à une échelle assez ne, en l'occurrence l'IRIS. Les simulations des densités de population ne sont pas très bonnes, et même si les estimations des écarts de densité sur une période donnée sont de meilleure qualité, ce n'est pas susant pour que nous puissions nous satisfaire du modèle en l'état. C'est pourquoi nous avons choisi d'ouvrir de nouvelles perspectives de travail que nous n'avons pas eu le temps d'explorer. Ces perspectives sont orientées vers des développements du modèle de et vers l'utilisation de modèle désagrégé, où les décisions se font à l'échelle de la commune et où l'ensemble des décisions est ensuite agrégé pour avoir une vue d'ensemble du phénomène. D'un point de vue théorique, ce travail essaie d'apporter des solutions pour relâcher deux hypothèses contraignantes du modèle de géographique et le caractère monocentrique. conrmé sa capacité à être un outil d'analyse précis et pertinent, son pouvoir Bussière en ce qui concerne l'étalement urbain, mais aussi Bussière a Bussière utilisant l'accessibilité gravitaire Bussière : l'homogénéité En eet, dans sa forme initiale, le modèle de Bussière suppose une plaine uniforme sur laquelle les coûts de transport sont uniquement fonction de la distance. Pour cela, nous avons choisi d'utiliser des temps de trajet généralisés, qui permettent de prendre en compte à la fois la diversité géographique mais aussi l'ensemble des infrastructures routières. Enn, nous relâchons l'hypothèse selon laquelle l'ensemble des emplois est situé au centre de la ville en intégrant au modèle la notion d'accessibilité gravitaire, que nous avons retravaillé an qu'elle puisse être incorporée de manière ecace dans le modèle. C'est une des premières fois que cette notion est intégrée dans un modèle de type monocentrique. L'accessibilité gravitaire prend en 71 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE compte l'ensemble des emplois en les diérenciant selon leur localisation. Ainsi, les ménages ne sont pas inuencés seulement par le temps de transport qui les séparent d'un unique point, en l'occurrence le centre de l'agglomération, mais par l'ensemble des temps de transport vers tous les points de l'Aire Urbaine pondérés par le nombre d'emplois à destination. Selon nous, cette hypothèse est davantage proche de la réalité, et améliore donc la portée théorique du modèle. 72 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Références [1] Aguilera A. & intra-urbaines et mobilité domicile-travail, Recherche transport Sécurité 77, p. 311-325. Mignot D., (2002), Structure des localisations [2] Alonso W ., (1964), Location and land use, Cambridge, Mass. : Harvard University Press. [3] de la Barra T., Pérez B. & Vera ning B : Planning and Design, 11p. N., (1984), TRANUS-J : Putting large models into small computers, Environment and Plan- [4] Ben-akiva M. & Lerman S.R Croom-Helm), p. 654-79. ., (1979), Disaggregate travel and mobility-choice models and measures of accessibility, in D.A. Hensher et P.R. Storper (eds.), Behavioral Travel Modelling (London : [5] B Bussière revisité, Communication aux journées de Chamonix des 8 et 9 janvier 1996, 15p. [6] onnafous A. & Tabourin E ., (1996), Le modèle d'Alonso- Bussière R lark ., (1972), Modèle de localisation résidentielle, Annales du centre de Recherche et d'Urbanisme, 162p. [7] C C., (1951), Urban Population Densities, Journal of the Royal Statistical Society, 114, p. 490-494. [8] Commissariat Général du Plan Marcel Boiteux présidé par ments et coûts des nuisance, 325p. (2001), rapport du groupe , Transports : choix des investisse- [9] Davidson R. & Mackinnon J., p. 45-71. [10] Coroute, Paris. [11] (1993), Estimation and Inference in Econometrics, Oxford and New York, Oxford University Press, Delons J. , (2011), l'équation des maires, document de travail, Deymier G. & Nicolas J.-P pour le projet SIMBAD. ., (2005), Modèles d'interaction entre transport et urbanisme : état de l'art et choix du modèle [12] Hansen W. otelling Hoyt H. oce. G., (1959), How accessibility shapes land use, Journal of the American Institute of Planners, 25, p. 73-76. [13] H H., (1931), The economics of exhaustible resources, The Journal of Political Economy, 39, p. 137-175. [14] , (1939), The structure and growth of residential neighbo- rhoods in American cities, Washington, US Government printing [15] Koenig, J. G ., (1980), Indicators of urban accessibility : Theory and application, Transportation, vol. 9, . 145-72. p 73 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [16] Memorandum RM-4035-RC, Rand Corporation. [17] Lowry, I. S. (1964). Model of metropolis. Santa Monica, CA : Martinez F.J. Mills E. Muth R., , (2000)Towards a land use and transport interac- tion framework, Handbook of Transport Modelling, p. 146-164. [18] , (1967), An aggregative model of resource allocation in a metropolitan area, American Economic Review, 57, p. 197-210. [19] (1969), Cities and housing, Chicago : University of Chi- cago Press. [20] Nicolas J.-P., Bonnel P., Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F. & Zuccarello P ., (2009), Simuler les mobilités pour une agglomération durable, LET, rapport nal, 211p. loppement durable dans les politiques publiques in Paris : Economica, coll. Méthodes et Approches. [21] N icolas J.-P., (2010), SIMBAD : un outil pour intégrer le déve- (ed.), Modéliser la ville. Forme urbaine et politiques de transport. Antoni J.-P. [22] OPALE - Observatoire Partenarial Lyonnais en Economie. [23] Peguy P.Y., Goffette-Nagot F. & Schmidt C.Baumont, P.P. Combes, P.H. Derycke, H. Jayet B., (2000), L'étalement urbain, in (ed.), Économie géographique, Les théories à l'épreuve des faits, Paris, Economica, p. 241-276. [24] Peguy P.-Y. , (2000), Analyse économique des congurations ur- baines et de leur étalement, Thèse d'Etat ès Sciences Economiques réalisée sous la direction du Pr Alain Bonnafous, Université Lumière Lyon II. [25] Putman S. H., Dallas, TX. (1995), EMPAL and DRAM location and land use models : a technical overview, 26 Land Use Modeling Conference, [26] SESP, CERTU, (2006), Economie urbain,. Rassemblement de la connaissance, Chapitre 1 : Synthèses, Paris, Ministère des Transports, de l'Equipement, du Tourisme et de la Mer, Service économique, statistiques et prospective, 89p. [27] Simmonds D., Echenique M. & Bates J formes de la croissance urbaine, Le modèle de nomie des transports Lyon. ., (1999), Review of Land-Use/ Transport Interaction Models, DETR, 72p. [28] Tabourin, E., Andan, O. and Routhier, J.-L. René Bussière Tabourin E. & Bonnafous A., Pumain Mattei tion de D. & 74 , (1995), Les ap- pliqué à l'agglomération lyonnaise, Rapport du Laboratoire d'éco- [29] (1998), Modélisation de l'évolu- tion des densités urbaines, Données urbaines tome 2 sous la direcM.-F., ed. Economica Anthropos, coll. Villes, p. 167-180. Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [30] Landwirtschaft und Nationalökonomie, Düsseldorf, Wissenschaft und Finanzen GmhH. [31] Von Thünen J. H. , (1850), Der isolierte Staat in Beziehung auf Waddel P ., (2000), Towards a behavioral integration of land use and transportation modelling, 9th International Association for Travel Behavior Research Conference Queensland, Australia. [32] Wegener M ., (2000), Land-Use Transport Interaction : State of the Art : What can we learn from North America ?, 12p. [33] Wegener W . & tion : state of the art, TRANSLAND, IRPUD, 119p. [34] Fürst F ., (1999), Land use transport interac- Wilson, A.G., PION, London. (1970), Entropy in Urban and Regional Modelling, 75 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Annexes Figure 39 Densité de population observée sur l'Aire Urbaine de Lyon en 1990 76 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 40 Densité de population observée sur l'Aire Urbaine de Lyon en 1999 77 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 41 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1968 Figure 42 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1975 Figure 43 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1982 78 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 44 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1990 Figure 45 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1999 Figure 46 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 2006 79 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 47 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 48 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 49 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 2006 80 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 50 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 51 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 52 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 2006 81 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 53 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 54 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 55 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 2006 82  INVALIDE) (ATTENTION: OPTION ated in the south-eastern periphery22 that benefit of higher road accessibility. These areas are mostly known as Activity Zones, in the sense that they are defined, developed and managed by the local authority which owns the land settlement. They represent a type of common partnership that brings together government, communities and businesses: we note the presence of numerous "economic activity parks" (ex Vénissieux-Parc d'activités du Génie), "business parks" (Dardilly) and "technopoles" (Parc Technologique de Lyon, La Doua domaine scientifique). Moving towards the center of the city the interaction seems to intensify, a mix of firms acting in diversified sectors assuring almost 46% of total employment. Firms in industry of explorative and immature lifecycle stage will be mainly situated in the core of the city. Services and trade also agglomerate in the center, where opportunities for business are higher, but also the costs are higher. Being mostly small firms, they will depend on proximity to customers and to knowledge spillovers. Most of services seem to be co-localized. This statement is confirmed by correlation coefficients: the correlation between the number of wholesale trade and the services to individuals is 0.82, the correlation between real estate firms and the services to individuals is 0.73 and the correlation between front office firms and the services to individuals is 0.62( see Appendix 2). Moreover, we notice a high level of correlations between the sectors of services and the one of trade. The fact is not surprising and is reflected by the figure 2: the trade of merchandises is accompanied by the presence of railway infrastructures, being situated at the axe uniting the south-eastern part of the city to the center of the city. For some tertiary activities such as business services-front office and back office activities- (Philippe et al., 1999) the most recent movement, is localizing in the periphery, as well as in the center of the city (Aguilera, 2002, Coffey et al., 1996). The phenomenon comes to be known as functional specialization with firms opting for production activities situated at the edge of the city, but with front office activities (counseling and R&D activities) found in the center. Front office activities will mostly be found in the prosperous western part of the first belt surrounding the city center (such as Saint-Didier-Au-Mont-D'or, Lyon 9e Arrondissement, Ecully, Charbonnieres-Les-Bains, Dardilly and Limonest). Sain-Bel Courzieu, Lentilly, Saint-Maurice-Ur-Dargoire, Brullioles, Thurins, Chaponnay, Monthieux, Chevinay, Montanay, Sainte-Catherine, Septememionnay 22 Trevoux, Decines-Charpieu, Toussieu, Mions, Jonage, Genas, Chassieu, Vaulx-En-Velin, Corbas, SaintPriest, Pusignan, Bron, Venissieux. Furthermore, we notice a remarkable degree of colocalization of firms confirmed by bivariate Lisa tests that reveal an intense spatial association of real estate firms with Front office and back office activities. 2.5. Estimation Results. 2.5.1. The contribution of local infrastructures and sectorial specialization In a first step, we want to test the contribution of local infrastructures and sectorial specialization to the localization of firms. Thus, we consider the model described in the equation [4]. The results confirm that accessibility to employment represents the level of urban infrastructures, being the main determinant of intra urban localization decision of firms in Lyon. This result is confirmed by other studies on localization that identify infrastructure as the main driver of the localization process (Benard et al, 1999). In order to identify different effects, as Giuliano 2009 we have constructed accessibility measures based on industry sectors. As expected, their contribution is not uniform across sectors, as the accessibility to employment (see table 1) is higher for the sectors of agriculture, energy, real estate and Front Office activities. This result is encouraging as it is a measure of the degree in which firm take into account the urban mobility (including the one of their employees). Other studies (Aguilera and Mignot 2010) note that transport arrangements for employees are rarely a concern for the relocation of establishments. Seeing its importance, we have decided to include the contribution of the urban network via intra and inter sectorial linkages, which are considered a measure of accessibility to the other firms situated in other parts of the city (see section 4.1). For most of the sectors, we find that agglomeration economies are carrying a negative contribution to the localization of firms: a higher location quotient of the sector concerned is determining a smaller number of plants in the IRIS. The results are confirming other urban analysis (Glaeser 1992) who states that the specialization of jobs carries negative and significant signs, confirming the hypothesis that industries tend to be less numerous in the cities where specialization is strong. The exception is represented by the sector of agriculture (0.21), Service to individuals and the one of constructions (0.17) where the coefficients are positive. This contribution of sectorial specialization is not uniform among sectors, being higher for the sectors of industries of consumption goods (-0.46), Wholesale trade (-0.36) and Retail trade (0.36). These sectors are also the ones which assure an important share of Lyon employment in the year of 1999 and that are mainly localized in the center. Furthermore, we notice that Business Services carry negative externalities to all other sectors of the urban area investigated. However, we notice the presence of inter sectorial spillovers such as, transports and industries of consumption goods that carry positive and significant signs. The real estate price was proxied by the density of population. The initiative is not new, it was already used by Guimaraes et al (2004) and it is justified by a simple fact: higher the attractiveness of a site, higher will be the price and greater the demand for that site. We expect to find a negative contribution of this factor to the localization choice of the firms. We find that results are significantly different from zero only for the sector of agriculture (for all other sectors the coefficients are significant, but nulls). Guimaraes et al (2004) finds evidence of a negative contribution of production factors: labor costs, taxes and most of all land costs 45 diminishes the probability of location in a given county "a 1 percent increase in land costs leads to an 0.81 percent decrease in the number of new plant births". Instead, we find a contribution of the percentage of social houses (HLM­Habitat à Loyer Modéré) to the localization of firms is found to be negative. We use this variable as a proxy of local revenue: an increase in the percentage of percentage of HLM, leads a decrease in the total number of firms in an IRIS. The contribution of the variable is quite small (for most of the sectors the effect is smaller than one percent) the effect is higher for the sector of Real estate and Front office activities. Being a measure of poverty of the site, one could see in this effect as a way of firm in avoiding the poor neighborhoods. We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. Furthermore, this variable represents a measure of urban planning, in the sense that an important share of these social houses is constructed in the periphery, being the result of the French housing policy of the seventies23. The social houses are found in areas fulfilling mainly a residential function of city. In some neighborhoods of Vaulx en Velin, 100% of the residential supply is assured by these social houses. 23 In France the origin of social segregation in peripheral neighborhoods is considered to be initiated by the 1960-1970 housing policy called "grands ensembles" Table 1 Main determinant of location firms in Lyon, by sector of economic activity Administration Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Retail Population Density Percentage of social houses 0.3991[<.0001] -0.36[<.0001] 0.0154[0.5283] 0.0903[0.0135] Agriculture 0.6056[<.0001] Industries of consumption Industries of intermediate Energy 0.5577[<.0001] -0.6846[<.0001] 0.028[0.7858] Constructions 0.3102[<.0001] Transports 0.4079[<.0001] 0.4381[<.0001] 0.3744[<.0001] -0.1152[0.0211] -0.1047[0.0136] -0.1207[0.011] 0.2159[<.0001] -0.0103[0.7395] -0.0521[0.0462] 0.1334[<.0001] -0.4642[<.0001] 0.1263[<.0001] -0.1442[0.0383] 0.087[<.0001] 0.199[<.0001] -0.0172[0.6995] -0.1477[0.0367] 0.2133[<.0001] -0.3579[0.0102] -0.0507[0.2112] -0.1059[0.0049] -0.1164[0.0098] -0.2263[0.0002] -0.4861[0.0002] 0.2487[<.0001] -0.1762[0.0084] 0.0217[0.4142] 0.0542[0.0128] 0.0348[0.277] 0.0263[0.3654] -0.3674[0.01] 0.059[0.0046] -0.2025[0.0005] -0.2894[<.0001] -0.0609[0.0782] -0.059[0.1757] 0.0452[0.1387] 0.0478[0.0719] -0.064[0.092] 0.1563[<.0001] -0.3283[0.0367] 0.1722[<.0001] -0.0042[0.9496] 0.0793[0.0143] -0.1912[0.0393] 0.0854[0.0003] -0.1233[0.0856] 0.0808[0.5121] 0.0273[0.8492] 0.1013[<.0001] 0.0286[0.6157] -0.0518[0.1735] 0.0668[0.0079] -0.0112[0.7548] 0.0482[0.0622] -0.0182[0.6195] -0.1921[<.0001] 0.0636[0.1291] -0.3174[<.0001] 0.1365[0.0009] 0.0098[0.8385] 0.0894[0.0063] -0.1361[0.0782] 0.0317[0.4095] -0.2118[0.0147] -0.2592[<.0001] -0.1697[0.0012] -0.7554[<.0001] 0.0648[0.0656] -0.1151[0.0025] -0.0526[0.188] 0.0824[0.0248] -0.0092[0.8265] 0.0507[0.2653] -0.0066[0.847] -0.1837[0.0001] -0.3331[<.0001] -0.2116[<.0001] 0[0.0022] -0.0033[<.0001] 0.0581[0.1036] -0.4133[0.0071] 0.0489[0.0651] -0.0134[0.8275] -0.2034[<.0001] -0.4462[0.0083] 0.1386[<.0001] -0.3642[<.0001] -0.5272[0.0015] -0.028[0.389] -0.083[0.2559] -0.1547[0.0193] -0.2228[<.0001] -0.0348[0.4905] 0.2064[<.0001] -0.0936[0.5621] -0.0201[0.5585] -0.0682[0.3824] -0.0001[<.0001] -0.0086[<.0001] 0[0.6404] -0.0074[<.0001] 0[<.0001] 0[0.003] 0[<.0001] 0[<.0001] -0.0053[<.0001] -0.0014[0.6969] -0.002[0.0012] -0.0018[0.2034] 47 Table 1 (continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Accessibility to employment of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses 0.4378[<.0001] -0.142[0.0476] 0.0878[0.018] 0.0325[0.5593] -0.2067[0.0002] -0.0396[0.3955] -0.0578[0.3002] 0.139[0.001] -0.1269[0.0307] -0.2246[0.0041] -0.4019[<.0001] -0.0341[0.5279] -0.329[<.0001] -0.3544[<.0001] -0.0107[0.8628] 0[0.0002] 0.0007[0.6219] Real Estate 0.4992[<.0001] 0.0241[0.4395] 0.0422[0.1178] 0.0846[0.0126] Front Office 0.4506[<.0001] 0.0093[0.6759] 0.0561[0.0016] 0.0903[<.0001] Back Office 0.4144[<.0001] 0.0406[0.2857] -0.035[0.2172] 0.1017[0.0098] Services to individuals Education Wholesale Retail 0.4193[<.0001] 0.3588[<.0001] 0.4605[<.0001] 0.4378[<.0001] 0.2352[<.0001] 0.2003[<.0001] -0.0475[0.1496] 0.0317[0.0208] 0.2192[<.0001] -0.052[0.0037] -0.003[0.8865] -0.142[0.0476] 0.0878[0.018] 0.0926[0.0005] 0.1104[<.0001] 0.0325[0.5593] 0.0714[0.0159] -0.0758[0.0184] -0.2067[0.0002] 0.1141[<.0001] -0.035[0.1296] -0.0396[0.3955] -0.1271[0.0014] -0.0348[0.2056] -0.1204[0.0043] 0.1324[<.0001] 0.036[0.1186] -0.2353[<.0001] 0.033[0.2353] 0.0821[<.0001] -0.2441[<.0001] 0.0642[0.0009] 0.0037[0.9027] 0.0555[0.0002] -0.2203[<.0001] -0.0018[0.9343] -0.1585[<.0001] -0.0719[0.0175] -0.0578[0.3002] 0.178[<.0001] 0.1341[<.0001] 0.0146[0.7145] 0.0258[0.1396] 0.0463[0.0426] 0.0783[0.0022] 0.139[0.001] -0.0663[0.0703] -0.1751[<.0001] -0.2051[<.0001] -0.0726[0.077] 0.292[<.0001] 0.0135[0.5007] -0.0375[0.1659] -0.0299[0.1974] -0.1269[0.0307] 0.2629[<.0001] 0.2623[<.0001] 0.089[0.0042] -0.2246[0.0041] -0.2877[<.0001] -0.0871[0.0794] -0.119[<.0001] -0.2541[<.0001] 0.0054[0.7821] 0.0889[0.0043] -0.0027[0.9409] -0.4019[<.0001] 0.0533[0.0276] 0.0418[0.1305] -0.0341[0.5279] 0.2451[<.0001] -0.1605[<.0001] -0.329[<.0001] -0.0487[0.1377] 0.1664[<.0001] -0.0604[0.101] -0.0856[0.0008] -0.0682[0.1189] 0.0022[0.9356] -0.3002[<.0001] -0.1067[<.0001] -0.2554[<.0001] -0.024[0.2549] -0.1274[0.0009] -0.3648[<.0001] -0.3544[<.0001] -0.1506[<.0001] 0.0103[0.8125] -0.0107[0.8628] 0[<.0001] 0[<.0001] 0[0.0002] -0.0289[0.4899] 0.2769[<.0001] -0.1148[0.0175] -0.1039[<.0001] 0[<.0001] -0.0124[<.0001] 0[<.0001] -0.0082[<.0001] 0[0.0693] -0.0048[<.0001] 0[0.0706] -0.0063[<.0001] -0.0023[<.0001] -0.0058[<.0001] 0.0007[0.6219] However, the distribution of firms acting in different industries shows that some IRIS do have a greater competitive advantage than others, as the firms are not present everywhere. This generates zero values in our dependent variable (the number of firms by sector of activity). Using a zero inflated model we will try to attribute the cause of null values for the number of firms across IRIS to the presence of nearby IRIS which offer higher opportunities to do business (as explained in section 3). Table 2. Zero model results Constant Administration. associations Agriculture Industries of consumption goods Industries of intermediary goods Energy Construction Transports Transports-Logistics Real estate and financial activities Front office business activities Back office business activities Activities to persons Education. health Wholesale Trade Retail Trade 3.91[0.001] -21.4827[0.999] 2.3569[0.0002] 1.6353[0.005] 0.2231[0.4841] 4.4102[0.0011] 2.1579[0.0002] 1.0844[0.0218] 2.3713[0.0004] 2.8326[0.0004] 3.6938[<.0001] 3.9526[0.0018] 5.1879[0.0134] 2.2808[0.0017] 2.8289[0.0004] Contribution of neighboring firms -8.7957[0.0002] -0.5981[0.9999] -7.3955[<.0001] -7.9245[0.0306] -11.9939[0.0012] -5.4743[0.0006] -11.3164[<.0001] -8.6946[<.0001] -7.355[0.0001] -5.8774[0.0016] -7.8098[<.0001] -4.8674[0.0006] -7.991[0.0144] -6.4912[0.0175] -3.9173[<.0001] Using a chi square test, we find that the models are statistically significant (p-value <.0001). We notice a higher spatial sensibility for the sector of transports, and a smaller one for Front office activities and retail trade. As we expected, the presence of nearby firms acting in the same sector strengthens the agglomeration process as higher will be the number of neighboring firms acting in the same industry, lesser will be the presence of zero values. This finding makes determines us to model the presence of spatial interactions. 2.5.2. Network effects versus local and proximity effects We consider that, independently from exogenous factors such as natural or public resources, the success of business is fed by the flow of opportunities created by the geographical scale of interactions harvested at variable spatial level. We recognize from the regional studies (Krugman 1991a, 1991b, Venables 1996, Hanson 1996, Krugman 1998, Jaffe 1989, 2005) two ranges of connectivity of the region identifies as proximity effects and as network effects. 49 The use of spatial weighting matrix helps us to introduce proximity effects at the urban level: the agglomeration effects are modeled as the mean contribution of the (delimited) neighboring areas to the local development. On the other hand, the general level of attractiveness of a site for entrepreneurs/investors may be known and perceived from further away from of a strictly local scale. Hence, we consider the spatial scale of attractiveness and accessibility on a broader level, coming from network effects; the modeling strategy in this last case employs resistance functions via transport costs. In the case of short scale relationships, proximity effects are acting as driving forces: larger local markets feed the success of firms, which comes from the quality of the labor force, the business climate. Thus, areas with educated people have more start-ups than others (Acs and Argminton 2003). Firms will concentrate in areas where they find the knowledge and necessary resources to develop their activity: therefore, firms and resources are endogenous (Feldman, 1999). Furthermore, regarding the business climate, people would want to success in their business in areas where others have experienced it. The localization process is thus important and to some degree it becomes endogenous: once firms are localized, they are no more competing for the market shares with other firms, but they assure a positive externality for the new entrants. By their investments in an area, the already installed firms can lower installation costs for other firms. And this option could be taking into account by new startups. The location choices are not independent, spatial interactions should be taken in consideration. This insight leads us thinking that the alternative location are no longer independent as firms seek to maximize their gains having in the neighborhood other firms acting in the same sector. "Most metropolitan locational decisions consider the variation across localities not only of immediate local conditions, or of the accessibility to single facilities, but also of situational variables far related to the entire region" (Harris, 2001). Long scale relationships, accounted as attractiveness or accessibility of outside factors (or of demand) to the local opportunities (such as the labor market) are viewed as a broad concept: opportunities to the local market could potentially come from everywhere, but they are diminished (handicapped) by a resistance function (resistance forces, such as travel costs). Table 3. Network versus proximity effects Administration Contribution of the neighbors of sector concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density percentage of social houses 3.7007[0.0009] Agriculture 1.0538[0.0016] Industries of consumption 1.6426[<.0001] 0.00003[<.0001] -0.1213[0.7683] -0.7852[0.0005] 4.4479[<.0001] 0.69575[0.106] -0.0990[0.7663] -0.7065[0.0905] -0.8683[0.0283] 0.4184[0.2637] 2.4921[<.0001] 0.1736[0.7433] 0.3799[0.3377] 0.3638[0.4116] -1.2490[0.0025] 1.2808[0.0115] 0.0001[<.0001] -0.0375[<.0001] Industries of intermediate 0.7941[0.0816] 0.00004[<.0001] -0.1757[0.7815] -1.9023[<.0001] 2.8899[<.0001] 7.8342[<.0001] -0.1849[0.7192] 0.5211[0.4242] -0.4515[0.4595] 2.1168[0.0003] -0.1784[0.8039] 0.4627[0.5652] 1.5082[0.0135] -1.1214[0.0973] -1.0582[0.0926] 4.8655[<.0001] Energy 0.9527[<.0001] 0.00003[<.0001] 0.0364[0.6647] -0.1150[0.0133] -0.1936[0.0278] -0.1607[0.0615] 1.2830[<.0001] -0.0795[0.3502] 0.1663[0.0417] 0.2168[0.005] 0.2243[0.0198] -0.0729[0.4953] -0.1449[0.0748] 0.0902[0.305] -0.1734[0.0326] 0.1814[0.0785] Constructions 0.6081[0.1143] Transports 0.8072[<.0001] 0.8386[0.0096] 0.000004[0.5797] 3.8540[0.0038] -1.1317[0.2067] -1.4094[0.2113] -2.7866[0.0437] 2.4016[0.0185] -3.6881[0.0174] 3.9553[0.0015] -1.2746[0.2809] 3.3741[0.049] 0.6525[0.7006] -1.0590[0.4293] 0.0870[0.9619] -2.1506[0.1355] -1.0369[0.5741] -0.7177[0.2446] 7.9554[<.0001] 1.3563[0.037] 0.6137[0.3393] 0.5252[0.2989] -0.9169[0.1455] 0.1296[0.829] 0.6934[0.2254] 0.0405[0.9541] 0.7852[0.3165] -0.4941[0.4092] -0.5173[0.4296] -1.4614[0.0155] 0.4089[0.5896] 0.00002[0.001] 0.000004[0.0142] 1.2167[0.0325] -1.6419[<.0001] 2.8217[<.0001] 4.2582[<.0001] 0.5388[0.2404] 7.1310[<.0001] -0.1899[0.7274] 1.3111[0.0118] 1.5407[0.0169] 1.3171[0.0704] 1.1554[0.0344] 0.3837[0.5332] -0.7259[0.2097] 2.3526[0.0007] 0.1122[0.3559] -0.3007[<.0001] 0.0659[0.604] 0.2506[0.0492] 0.0492[0.6176] -0.2640[0.034] 2.3367[<.0001] 0.1128[0.3106] 0.1585[0.2536] 0.2419[0.1213] 0.3374[0.0039] -0.0481[0.7125] -0.1322[0.2816] 0.4043[0.0071] -0.0001[0.0776 ] 0.000005[0.9080] -0.0373[0.2720] -0.0018[0.8815] -0.0001[0.0195] 0.000006[0.3322] -0.0215[0.0962] 0.0001[0.92] -0.0001[0.0013] -0.00001[0.2035] -0.0342[0.0033] -0.0052[0.036] 51 Table 3(continuing). Main determinants of location firms in Lyon, by sector of economic activity Logistics Contribution of the neighbors of sector 0.5595[0.0236] concerned Network effects of sector concerned Location quotient Administration Location quotient Agriculture Location quotient Industries of consumption goods Location quotient Industries of intermediate goods Location quotient Energy Location quotient Construction Location quotient Transport Location quotient Logistics Location quotient Real Estate Location quotient Front office activities Location quotient Back Office Location quotient Services to individuals Location quotient Education Location quotient Trade en gros Population Density Percentage of social houses Real Estate 3.5166[<.0001] Front Office 4.2857[<.0001] 0.0003[<.0001] Back Office Services to individuals Education Wholesale 1.7928[0.0022] 0.0001[<.0001] -0.2048[0.8187] Retail 5.1018[<.0001] 0.0003[<.0001] 0.1709[0.9245] -3.0702[0.0018] 3.1794[0.0939] 2.1191[0.2649] 0.9714[0.5046] -2.965[0.1054] -1.1034[0.523] 1.5303[0.3498] 13.7699[<.0001] -1.6854[0.4692] -0.8770[0.6123] 7.6708[<.0001] -6.5018[0.0004] 1.2982[0.5567] 0.0005[<.0001] -0.1092[0.0028] 1.3241[0.0002] 3.37714[<.0001] 1.5425[0.0071] 0.0001[<.0001] 0.0002[<.0001] 0.0001[<.0001] 3.6592[<.0001] 0.00001[0.0034] 0.0002[<.0001] 0.0842[0.739] 0.6231[0.4005] -0.6414[0.6558] 0.6167[0.1374] 5.8804[<.0001] -0.6266[<.0001] -0.4750[0.2415] -1.3040[0.0965] -1.1234[<.0001] -3.5147[<.0001] -2.4759[<.0001] -2.4124[<.0001] 0.7340[0.0058] 0.6938[0.0088] 0.1288[0.5323] 0.1942[0.8035] 1.03709[0.4923] 0.9565[0.0284] 4.9045[0.0017] 1.5528[0.0887] 1.3782[0.1301] 1.9259[0.006] 2.4438[0.0094] 1.3665[0.144] -0.5325[0.4608] -0.9531[0.2143] -1.7154[0.2506] 0.5002[0.2477] 2.3793[0.1271] 1.15550.0544] 2.3539[0.0427] 0.3548[0.2901] 1.3058[0.2752] -0.4684[0.0718] -2.6628[0.0004] -5.5063[0.0002] -1.5245[0.0003] -3.8318[0.0108] -3.5657[<.0001] -1.2504[0.1679] 0.4015[0.1019] 3.9082[<.0001] -0.1171[0.8694] -0.702[0.6106] 0.9114[0.022] -1.7621[0.2148] -1.1598[0.1627] -1.0077[0.2407] -0.0668[0.9209] -1.7035[0.1913] 1.1855[0.0017] -0.2536[0.8504] -0.4402[0.5758] 1.4532[0.0749] 2.6283[0.0103] 3.0377[0.0088] 2.1884[0.0109] -1.7982[0.0621] -2.626[0.0033] -0.2499[0.3845] 12.8130[<.0001] 12.8730[<.0001] 1.8493[0.0001] 12.4165[<.0001] 7.4389[<.0001] -0.2546[0.4265] 0.6136[0.0121] 1.0835[0.2636] 18.4662[<.0001] 1.1166[0.0375] -0.2925[0.8789] -0.1773[0.8035] 3.11502[0.0244] 4.5333[<.0001] 0.0113[0.9936] 3.0620[0.0069] 1.0320[0.2149] -0.3384[0.2082] -0.6640[0.4058] -3.6946[0.0176] -0.0689[0.877] 11.5811[<.0001] 1.4602[0.1221] -0.4198[0.0911] -2.8029[0.0002] -3.8612[0.008] 1.7495[<.0001] -0.00002[0.29] 0.4785[0.6006] 0.0001[0.002] 5.5406[0.0018] 0.0002[0.02] -1.1304[0.007] -3.2039[0.0346] 8.8392[<.0001] 1.1239[0.0273] 0.35751[0.8438] -0.1472[0.8896] 15.7158[<.0001] 0.0001[0.004] 0.0006[<.0001] 0.0002[0.005] -0.00002[0.758] -0.0036[0.4912] -0.0687[<.0001] -0.1206[<.0001] -0.0363[<.0001] -0.2012[<.0001] -0.0932[<.0001] -0.0415[0.0219] We use a nonlinear model with spatial interactions using the two step limited information maximum of likelihood (see Florax et al, 2010). In order to measure the proximity effect we use a row standardize contiguity matrix, which accounts for the small scales spatial interactions. Constructed in this way, the neighboring number of enterprises is regressed upon the total population and volume of residential houses. The predicted values of counts are used in the equation [5] in a model with spatial interactions. We find that the proximity effect is significantly increasing the number of firms localized in an IRIS: the presence of near-by firms increase the mean number of firms of an IRIS. The spatial interactions are not uniform among sectors, being higher for sectors such as Retail trade (5.1), Administration (3.6), Real Estate (3.5) and Front office activities (4,29) and smaller for sectors such as Logistics (0.55), Constructions(0.6) and Industries of Intermediate goods (0.79). However, the limited spatial interaction of the Intermediate goods sector is overall justified by an important role that it plays at a local level, being a supplier of externalities for almost all sectors of the economy. Similar results were obtained for the case of Brussels, where the spatial interactions seem to be higher for the sector of trade (Baudewyns, 1999). These findings are also confirmed by descriptive statistics, where these sectors are to a greater extent subject to spatial interaction and agglomeration effects. Usually, they tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). "Core areas are equally well suited to generating new services.[...] Front Office operations are generally located close to dense markets and, hence, are more often in core than in peripheral areas. One can thus expect that mostly the routinized back office operations are located in peripheral areas with lower factor prices" (Capasso et al, 2011). Furthermore, the various linkages among organizations can be conceptualized as connections among participants in a network that provide to its members benefits through spillovers from network channels. Thus, intra and intersectorial linkages coming from long scale spatial interactions are contributing to the growth of a sector and by consequence to its localization (bigger the firm, farther away from center it will locate). In order to account for these intrasectorial linkages or network effects we use a measure of accessibility of firms to other firms situated in other parts of the city. In the literature, we meet examples of buyer-supplier networks in industrial districts in the "Third Italy" (Piore and Sabel 1984) and in the Manhattan garment industry (Uzzi 1996, 1997). The network effects are introduced using the same matrix of generalized transport time as the one used for the construction of aggregate indicator of accessibility to employment. However we eliminate the presence of employment in adjacent IRIS, as they are captured by the proximity variables. We find that network effects increase significantly the motivation of location of firms to locate. Besides administration, this effect is more pronounced for the sectors of Front Office, Retail and Wholesale Trade. The rest of the variables do not change significantly their contribution as compared to the model already estimated. We find that the contribution of the density of population is very small and not significant for some sectors such as Logistics and Transports. The quality of the area (approximated by the percentage of social houses) is growing in importance in explaining the localization of firms. 53 2.6. Conclusion And Future Improvements The study seeks to distinguish sectorial patterns for the localization of firms in the context of spatial interactions in the area, for the case of Lyon. The spatial interactions and the agglomeration patterns are not uniform across sectors. The descriptive statistics shows evidence of different agglomeration patterns for the 15 industrial sectors analyzed. Agglomeration tendency seems to be higher for sectors such as agriculture, services and public administration. As descriptive statistics show, front office activities are higher subject to spatial interaction and agglomeration effects. They tend to concentrate in the heart of the city where they benefit from higher intra industrial spillovers and above medium specialization. Literature offer instead evidence that most relocating French firms move from areas with above median diversity (typically the large metropolitan areas) to areas with below median specialization in the corresponding sector (Duranton and Puga, 2001). Moreover, proximity and network effects are acting as complements in explaining localization process of firms in an intra urban setting. While an aggregate indicator of accessibility allows comparing sites in terms of attractiveness, it ignores the competition among areas for access to target population (which is defined by the proximity). Proximity is found to be the main driver of the localization process of firms. However, accessibility to labor is also positively contributing to the localization of firms. Furthermore, the local sectorial specialization assures a negative contribution to the localization process of firms in the IRIS. Our results confirm the ones of Glaeser (1992) agglomeration economies are associated with smaller numbers of plants. The contribution of the quality of social environment, accounted as the percentage of social houses seems to explain the degree of social segregation and of location decisions of firms. Besides the economic mechanism lying behind the reasons of localization of business, it seems that firms avoid installing in poor neighborhoods. Recognizing the limited perspective offered by the presence of social houses to the quality of urban development as a determinant for the localization of firms, we emphasize the economic but also social issues to be taken into account by urban planners. Acknowledgments We are grateful to Jean Pierre Nicolas and to Florence Toilier for their support and valuable comments. 2.7. References Acs Z, Agminton C (2004) Endogeneous Growth And Entrepreneurial Activities In Cities. Regional studies 38(8): 911-927. Aguilera A, Mignot D (2010) Multipolarisation des emplois et déplacements domiciletravail : une comparaison des trois aires urbaines, Canadian Journal of Regional Science / Revue Canadienne des Sciences Régionales 33(1):83-100. Anselin L (1988) Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Boston. Bawdewyns D (1999) La localisation intra urbaines des firmes : une estimation logit multinomiale. Revue d'Economie Regional et Urbaine 5:915-931 Benard R, Jayet H, Rajaonarison D (1999) L'environnement souhaité par les entreprises: Une enquête dans le Nord-Pas-de-Calais. Economie et statistique, 326-27 :177-187 Chiarvesio M , Di Maria E (2009) Internationalization of supply networks inside and outside clusters, International Journal of Operations & Production Management 29(11) : 1186-120 Crozet M, Mayer T, Mucchielli JL (2004) How do firms agglomerate? A study of FDI in France. Regional Science and Urban Economics 34 (1): 27­54. Duranton G , Puga D (2001) Nursery cities: Urban diversity, process innovation, and the life cycle of products, American Economic Review, 91(5): 1454­1477. Feldman M, Audretsch D (1999) Innovation In Cities: Science Based Diversity, Specialization And Localized Competition. European Economic Review (43): 409-429. Feldman MP (1994) The Geography Of Innovation. Kluwer Academic Publishers, Boston. Fujita M, Thisse JF (2003) Economie des villes et de la localisation. De Boeck University Press, Louvain La Neuve. Glaeser E, Kallal HD, Scheinkman JA, Shleifer A (1992) Growth in city. The Journal of Political Economy 100(6): 1126-1152. Glaeser EL, Gottlieb JD (2006) Urban resurgence and the consumer city. Urban Studies 43(8): 1275-1299. Giuliano G, Gordon P, Pan Q, Park JY (2010) Accessibility and Residential Land Values: Some Tests with New Measures, Urban Studies 47(14): 3103­3130, Guimarães P, Figueiredo O, Woodward D (2004) Industrial Location Modeling: Extending the Random Utility Framework. Journal of Regional Science 44 (1): 1-20 Guimarães P, Figueiredo O, Woodward D (2003) A Tractable Approach to the Firm Location Decision Problem, The Review of Economics and Statistics 85(1): 201-204 Hansen W (1959) How Accessibility Shapes Land Use. Journal of the American Institute of Planners 25:73-6. Harris B (2001) Accessibility: Concepts and Applications. Journal of Transportation and Statistics 4(2/3):15-30. Head K, Ries J, Swenson D (1995) Agglomeration benefits and location choice: Evidence from Japanese manufacturing investments in the United States. Journal of International Economics 38(3-4): 223-247 Head K, Mayer T, Ries J (2004) Market Size and Agglomeration. in Mucchielli J-L. and T. Mayer (eds.) Multinational Firms' Location and the New Economic Geography. Edward Elgar, London. Hoover EM (1948) The Location of Economic Activity. McGraw-Hill, New York. Kaiser MS, Cressie N. (1997) Modeling Poisson variables with positive spatial dependence. Statistics and Probability Letters 35: 423-432. Krugman (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99: 483-499. Krugman P (1991a) Geography And Trade. University Press and MIT University, Louvain. Krugman P (1991b) Increasing Returns and Economic Geography. Journal of Political Economy 99(3): 483-99. Lambert D, Brown JP, Florax, RJGM (2010) A two-step estimator for a spatial lag model of counts: Theory, small sample performance and an application. Regional Science and Urban economics 40(2): 241-252 Marchal F, De Palma A ( 2001) Dynamic Traffic Analysis with Static Data: Guidelines with Application to Paris. Transportation Research Record: Journal of the Transportation Research Board 1752: 76-83 55 Capasso M, Cefis E, Frenken K (2011) Spatial differentiation in industrial dynamics. A coreperiphery analysis based on the Pavitt-Miozzo-Soete taxonomy. Papers in Evolutionary Economic Geography, 1103: Marshall A (1920) Principles of Economics (8th Edition). Macmillan and Co., Ltd., London. Martin P, Mayer T, Mayneris F (2011) Public support to clusters A firm level study of French 'Local productive systems'. Regional Science and Urban Economics, 41:108-123. Owen-Smith J, Powell WW (2004) Knowledge Networks as Channels and Conduits: The Effects of Spillovers in the Boston Biotechnology Community. J Organization Science 15(1): 5-21 Piore M, Sabel CF (1984) The second industrial divide: possibilities for prosperity. Basic Books, New York. Agence d'urbanisme de Lyon (2011) Rapport sur les Zones Franches Urbaines de l'agglomération lyonnaise. http://www.economie.grandlyon.com/fileadmin/user_upload/fichiers/site_eco/201102_opale_zfu_gl_tableau_bor d_2011.pdf Redfearn C, Giuliano G (2008) Network accessibility and the evolution of urban employment. MeTrans Draft Report, Los Angeles Shadbegian RJ, Wolverton A (2010) Location Decisions of U.S. Polluting Plants: Theory, Empirical Evidence and Consequences. NCEE Working Paper Series 201005 Shukla V, Waddell P (1991) Firm location and land use in discrete urban space. A study of the spatial structure of Dallas-Fort Worth. Regional Science and Urban Economics 21: 225253. Tobler W (1970) A computer model simulating urban growth in the Detroit region. Economic Geography (46-2): 234-240. APPENDIX 1. Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade code AD AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 Number of firms 4602 4632 3633 4506 328 8049 1265 1772 5812 12714 4057 16108 9998 7473 15335 % in total firms 4.59% 4.62% 3.62% 4.49% 0.33% 8.03% 1.26% 1.77% 5.80% 12.68% 4.05% 16.06% 9.97% 7.45% 15.29% % in total labor pool 7.56% 1.08% 5.85% 12.50% 2.41% 6.22% 1.40% 2.78% 4.93% 12.08% 4.80% 9.32% 11.83% 7.14% 10.09% 57 Projet SIMBAD APPENDIX 2. Correlation matrix across the firms by sector of industry EP EP J3 EQ EC EM AD EN1 EN2 EF J2 EK2 EH EK EG AG 1 0.82 0.74 0.73 0.71 0.7 0.62 0.55 0.04 0.33 0 0.2 0.19 0.27 -0.16 J3 0.82 1 0.65 0.7 0.72 0.58 0.63 0.54 0.15 0.38 0.08 0.23 0.22 0.38 -0.17 EQ 0.74 0.65 1 0.47 0.64 0.62 0.59 0.46 -0.05 0.21 -0.08 0.07 0.18 0.29 -0.23 EC 0. 73 0.7 0.47 1 0.63 0.51 0.61 0.59 0.34 0.53 0.27 0.25 0.14 0.04 -0.13 EM 0.71 0.72 0.64 0.63 1 0.65 0.87 0.61 0.06 0.44 0 0.05 0.17 0.57 -0.16 AD 0.7 0.58 0.62 0.51 0.65 1 0.65 0.53 0.03 0.32 -0.01 0.04 0.22 0.56 -0.13 EN1 0.62 0.63 0.59 0.61 0.87 0.65 1 0.65 0.16 0.59 0.07 0.13 0.18 0.52 -0.16 EN2 0.55 0.54 0.46 0.59 0.61 0.53 0.65 1 0.4 0.62 0.41 0.27 0.47 0.38 -0.14 EF 0.04 0.15 -0.05 0.34 0.06 0.03 0.16 0.4 1 0.69 0.62 0.57 0.21 -0.03 0.02 J2 0.33 0.38 0.21 0.53 0.44 0.32 0.59 0.62 0.69 1 0.52 0.4 0.26 0.31 -0.1 EK2 0 0.08 -0.08 0.27 0 -0.01 0.07 0.41 0.62 0.52 1 0.41 0.28 0.01 0.06 EH 0.2 0.23 0.07 0.25 0.05 0.04 0.13 0.27 0.57 0.4 0.41 1 0.23 -0.09 0.27 EK 0.19 0.22 0.18 0.14 0.17 0.22 0.18 0.47 0.21 0.26 0.28 0.23 1 0.17 0 EG 0.27 0.38 0.29 0.04 0.57 0.56 0.52 0.38 -0.03 0.31 0.01 -0.09 0.17 1 -0.14 AG -0.16 -0.17 -0.23 -0.13 -0.16 -0.13 -0.16 -0.14 0.02 -0.1 0.06 0.27 0 -0.14 1 Projet SIMBAD Table 2. Descriptive statistics: the mean of main determinants for the location of Firms AD Agglomeration effects Location quotient AD Location quotient AG Location quotient EC Location quotient EF Location quotient EH Location quotient EK Location quotient EK2 Location quotient EM Location quotient EN1 Location quotient EN2 Location quotient EP Location quotient EQ Location quotient J2 Location quotient J3 1st percentile income Labor accessibility 1.66 0.99 0.71 0.45 0.72 0.72 0.36 1.31 1.19 0.87 1.46 1.19 0.71 1.04 20 0.7 11.35 0.81 0.9 1.94 1.06 1.25 0.42 0.49 0.88 1.2 0.86 0.83 0.79 17.08 0.68 0.6 1.3 0.68 0.87 0.43 0.62 1.58 1.1 0.97 1.46 0.79 1.1 1.28 19.45 954.65 0.34 1.17 1.2 2.1 1.46 0.66 2.01 0.45 0.63 1.1 0.66 0.42 1.53 0.88 19.18 0.88 0.82 0.5 0.81 0.8 1.19 1 1.33 1.28 0.73 1.05 0.59 1.03 0.68 18.53 0.66 2.73 0.94 1.16 1.73 0.7 1.24 0.65 0.71 1.07 1.1 0.88 1.05 1.03 20.43 0.49 1.32 1.06 1.29 1.24 1.79 2.73 0.73 0.67 1.27 0.86 0.54 1.61 0.98 20.72 360.31 0.38 1.58 1.06 1.55 1.39 1.79 3.35 0.4 0.61 1.45 0.69 0.43 1.79 0.78 20.70 1.03 0.63 0.8 0.47 0.75 0.74 0.41 2.16 1.29 0.96 1.35 0.88 0.86 1.2 19.08 0.83 0.83 0.87 0.6 0.87 0.65 0.56 1.49 1.47 1.11 1.19 0.91 1.04 1.05 19.80 0.75 0.92 0.96 0.77 0.9 1.4 1.1 1.41 1.07 1.48 1.18 0.78 1.08 1.06 19.58 1.06 1.24 0.88 0.55 0.95 0.63 0.55 1.36 1.01 0.97 1.64 0.97 0.78 1.28 20.02 1.07 1.39 0.68 0.5 0.91 0.58 0.47 1.33 1 0.94 1.48 1.41 0.67 1.24 20.24 0.61 0.98 0.98 1.01 1.14 0.7 1.19 1.12 1.11 1.14 0.99 0.62 1.63 1.06 19.46 0.89 1.02 0.75 0.61 0.93 0.64 0.54 1.36 1 0.9 1.51 0.94 0.79 1.64 20.18 AG EC EF EG EH EK EK2 EM EN1 EN2 EP EQ J2 J3 1691.025 105.62 1717.47 2574.98 827.63 359.91 1319.28 2598.10 869.86 1674.7 2181.47 1140.27 1722.80 59 Projet SIMBAD Projet SIMBAD 3. Business Firms Location, Functional Specialization and Urban Segregation: Evidence from Front and Back Office Activities in Lyon Urban Area Auteurs: Teodora Corsatea, Louafi Bouzouina. Une version de ce travail a été présentée au 1er séminaire SIMBAB du 01.04.2011 http://simbad.let.fr/documents/seminaire/010411/TCorsatea.pdf Il est prévu de découper cette première version de texte en deux parties pour proposer deux articles : Le premier portera plus spécifiquement sur les liens entre spécialisation fonctionnelle et ségrégation sociale, et leurs impact sur les logiques de localisation des services aux entreprises ("Evolution of Clustering Patterns for Business Services in Lyon Urban Area: when Functional Specialization Overlaps Social Segregation"). Le second proposera une analyse temporelle de l'impact de l'accessibilité sur la localisation des services aux entreprises entre 1982 et 2005 ("Evolution of accessibility and location patterns of Business Services in Lyon Urban Area, 19822005"). Abstract: In this paper we examine the degree in which clustering patterns for Business services are related to the role of infrastructure, sectorial specialization, public intervention and social segregation. A panel analysis (1982-2005) of location patterns of suppliers of urban externalities could provide the necessary information to understand the development of the urban structure. First of all we note the spatial division of Business services as front office activities are mainly concentrated in the center and north western part near the center. Back office localize also in the center. The spatial distribution of skills explained mostly of the location patterns of business services. The infrastructure is determining for back office activities while sharing the same role as sectorial specialization for front office activities. A phenomenon of segregation is noted as front office activities seem to avoid their installation in the poor areas of the city Mots clés : clusters; urban segregation; business services; Functional and Sectorial specialisation 61 Projet SIMBAD 3.1. Introduction In France the growth of services takes place mainly in the urban context, with a supposed high elevate pace of growth in the biggest of the urban areas Illeris(2006). In this country, the proportion of services in 1999 diminishes with the degree of urbanization passing from more then 81% in Ile de France to less the 62% in cities with less then 70000 inhabitants. Lyon services register 72% of total economic activity , 16% out of which being Business services. Much of the services clusters in the CBD where we find a more intense competitive pressure on clustered firms. ."As opposite to Us experience (Coffey 1996), in France traditional functions of trade, business services, consumers services still agglomerate in the heart of CBD (Shermur alvergne 2002)". This phenomenon of concentration is taking place in France as 'the dense and diversified supply of intellectual services with high added value affect mostly the large urban areas .. which, in the long run generates disparities in regional developement' (JM Zuliani). Previous studies identifies clustering patterns of business services as determined by agglomeration economies (Illeris 1989, ch.6; Moulaert and Gallouj 1993)or by accessibility to clients (Daniels 1993, ch.4; Wood 19974; Bennett et al 1999, 415-6; Bennett et al 2000). Bodenam, 1998 Shermur alvergne 2002 report in the localization in the CBD as a way of maximizing forward linkages: "a cumulative process of agglomeration has occurred, strengthening the initial central market". However in Lyon we assist to a polynucleated distribution of employment reminding the possibility of emergence of suburban town. Or, the creation of `suburban downtowns', as a key indicator of a declining CBD(shemur and ). The dispersal of economic activity passes through reorganization of the production facilities. We can assist at an increasing propensity of reducing the cost of obtaining, management and processing information, such as the cost of legal, accounting, and advertising services[ Aarland et al. 1]. Another factor of decentralization is assured by the development of road and rail infrastructures (Aguiléra, 2003 Keeble and nachum, 2002) The decentralisation patterns seems to be the results of a trade-off amonf 3 forces: communication costs, specialized skilled labour and specialized services (Gallouj 2006, Coffey-Polese 1987) Other factors are also identified for dispersal of business services (Merenne ­Schoumaker 2003 ): transport and accessibilities, populations, supply of real estate and finance, public policy, economic activities, firm competition. Thus we retain the role of public decision makers in shaping the urban lanscape ; one example is given by the regroupement of services in ZFU (Zones Franches Urbaines) which allow an exoneration of a part of taxes. Moreover, we examine the role of logistics parks and business parks as part of a new planning process, in which public authorities and private producers have redefined their policy space and their strategies. The insights has been previously explored for the area of touluse whre the collectivites locales(municipalities ) and real estate partner act jointly as suppliers of buildings that can ease the implementation services in the metropolis ( JM Zuliani) Besides the aspect of reorganization of production at a intra urban framework, in this paper we inquire where the social structure an area determines the probability of installation of firms. Little investigation has been done on the location decision of firms, as a function of social segregation. an insecure environment feeds the chances of failure of youngsters, gives them lesser opportunities on the labor market. ­An intense reputational effect is reported by O'Farrell et al (1992, 531) as "active local competition [and] demanding, sophisticated and discriminating local customers...are crucial in developing and sustaining competitive Projet SIMBAD advantage" in business service firms." Thus a central Location can be perceived "as a form of accreditation: a prestige address confers upon the service provider a presumption of quality, often justified because of the networking possibilities which such a location enables. The location does not provide a guarantee of quality, but location in a less prestigious area immediately conveys a second- rate image which can be fatal for high-order service establishments"( Shermur alvergne 2002). This study investigates the degree to which agglomeration economies and public infrastructure determine of localization of firms within the boundaries of the city Few are the studies examining of these clustering patterns at a intra-urban level. The Location Patterns of Business Services in the Ile-de-France( Paris region)have been described in Gollain and Sallez (1999) and IAURIF (1999). For metropolises such as London D. Keeble and L. Nachum(2001)investigate clustering patterns of knowledge-intensive professional business service firms, finding primordial for this process the presence of a performant physical network(good road and rail links), as an accreditation of "a place-based image signalling quality and credibility, client proximity, good air connections, and local availability of professional staff and expertise" Furthemore " localised processes of knowledge acquisition, development and networking, of the kind highlighted in `innovative milieux' and `collective learning' conceptualizations of industrial clusters" increases the motivation of chustering of business services in central London. Following the related literature we explore the research questions. To which degree the agglomeration economies are responsible for spatial distribution of Business services. What is the role of the public infrastructure for dispersal of these activities? Is spatial distribution of skills and the social segregation determining the localization of firms? What is the role of state intervention(by creation of ZFU)in the process of localization of firms. The remainder of the work goes as follows. The first section of the paper provides a description of the data. The second one offers a spatial description. Econometric issues are discussed in the third part, and section four concludes with a discussion of the results. 3.2. Temporal patterns of Business Services in Lyon The territorial unit adopted for the analysis is the IRIS, the French administrative division counting for approximately 2000 inhabitants. However, when detecting and analyzing the evolution patterns of business services we will use a zoning of Lyon in 4 areas: centre, periphery, western part near the city center(half of the belt surrounding the city center where we find a cluster of rich households) and the eastern part near the city center(half of the belt surrounding the city center where we find a cluster of rich households). In these delimitation we have inspired from basic urban ecological models: Burges (1925) who divides the urban space in concentric zones corresponding to a well defined specialization in which people are interacting; Hoyt 1939 zoning as a function of income distribution and Harris and Ulman1945 as a function of increasing motorisation of the population. Even though the econometric analysis and the spatial autocorrelation test are performed at a fine level of the IRIS, this zoning allows us to better description of location patterns of Business Services. Data are supplied by INSEE (the French National Institute of Statistics) which provides information about all active institutions (private firms and public administration) in the Lyon area. Basically, the information is structured in order to provide a clear picture about the 63 Projet SIMBAD identification of the firms (status, name, fiscal number of identification) as well as economic information (number of employees, sector of activity- NAF classification) and geographical reference. The firms are distributed over 15 sectors of industry, following the NAF classification. The main economic sector is the one of services (all types included) covering 32% of all firms, followed by trade (23%) as shown in Figure 1. Figure 1 Evolution of firms in Lyon by sector of activity 1982 2005(percentage in the total number of firms) Our sector of interest is the one of Business Services. By definition business services "are those services which predominantly serve intermediate, rather than final, demand (Shermur alvergne 2002)" The distinction between front office and back office is described by the use of NAF codes in appendix 2,4: However the distinction corresponds to some structural differences as some of the Front office activities have a certain degree of final demand orientation(legal, publicity, visual arts), much present than other producer services(such as Back Office). According to the classification of Gallouj(2006 reprenant celle de Pavitt84 and SoeteMiozzo90) depending on technological patterns services we identify for the category of back office firms acting "suppliers of equipment and technical systems": repair, cleaning, hotel and catering, retailing, laundry services) and those assuring "physical networks " (transportation logistics): In the category of Font office we identify forms taking part of "informational networks"(finance insurance communications) as well as "specialized suppliers" and "science based services"(rd, information technologies and telecommunications, visual arts). We notice that front office activities are the ones who have increased the most since 1982 (9,35%) but the localization of this sectors fashions the urban structure of Lyon. In the 1980s the thesis of externalization of "service demands previously supplied by internal management" (Bryson et al 1997, 347 assures the development of business services. Later on, we find as reported by Keeble and Nachum(2002) that the on going rapid growth of business services is demanded by an "increased international competition, technological change, Projet SIMBAD recessionary forces and changes in the needs of organizations"( Beyers and Lindahl 1996; Lindahl and Beyers 1999). We can note the change from internal to external requirement by looking at the fine distribution of Front Office activities. As presented in appendix 2 the front office activities are composed by consultancy and data management activities. Specific to the 80's are Organisation de foires et salons, Métreurs, géomètres and Ingénierie, études techniques, Agences, conseil en publicité . They account for 21% of all front office activities. A persistent development of these activities continues during all the period of analysis(19822005). Other 27% of front office activities are assured by Conseil pour les affaires et la gestion and Administration d'entreprises are mostly developed in the end of nineties and in the early years of two thousand. The period is marked by a extensive development of data generation and management of information activities24. Specific to 2005 and knowing a lesser development, but well reprezented in the NAF are visual art activities such as Distribution de bouquets de programmes de radio et de télévision, Edition de chaînes généralistes, Edition de chaînes thématiques, Autres activités de réalisation de logiciels, Edition de logiciels, Télécommunications. We note a revigoreas trend of a old cinematographic industry in the shape of the above mentioned business services. Looking at the spatial distribution of front office activities we notice the commonly feature centrality installation of firms. 61,34% of these types of activities are found in the center. Only two sectors have less than 50% of the production activities in the center: Analyses, essais et inspections techniques and Postes nationales. Considered as an extention of the city center, Western part of the belt around the city center covers 17% of these activities. Edition de chaînes généralistes, Production de programmes de télévision and activities de radio localize in the centre and Western part of the belt around the city center. Lesser represented is the eastern part of the belt around the city center (9% of front office activities). We find sectors such as Recherche-développement en sciences physiques et naturelles and travail temporaire that have almost 20% of their actities in eastern part of the belt around the city center. Sectors which develop at least 20% of activities in the periphery are Edition de chaînes thématiques, Administration d'entreprises, Sélection et mise à disposition de personnel, Analyses, essais et inspections techniques and Postes nationales. Most of the Front Office firms move out from the center(that loses 15% of jobs in this industry) installing themselves in the near neighborhood: the western part of the first belt surrounding the city recovers 8% of the jobs lost by the center in the 23 years(see appendix) 24 Conseil en systèmes informatiques, Activités de banques de données, Recherche-développement en sciences humaines et sociales, Analyses, essais et inspections techniques, Sélection et mise à disposition de personnel, Secrétariat et traduction, Prestations techniques pour le cinéma et la télévision 65 Projet SIMBAD Figure 2 Evolution of number of jobs in Front Office activities 1982-2005(percentage in the total number of jobs) As represented in appendix 4 and 5 back office activities are mainly represented by Services annexes à la production, Services de transport et de nettoyage. In fact 62% of back office activities are represented by Services annexes à la production,(39%) and activites de nettoyage (23%). Specific to the 80's are Gestion d'infrastructures de transports terrestres, Services aéroportuaires, Les activites de location de machines et blanchisserie de gros. As Keeble (1997) and Keblle and Nachum(2002) report the macro economic changes in the 70 determines the re-organization of production as numerous small businesses are created and target specialized market niches. However they represent only 3% of back office activities. Activities which are developed in the end of the nineties beginning of 2000 are mainly developed by leasing, control and security activities25 They represent 6% of the back office activite is out of which 3% are Enquêtes et sécurité. Specific to the 2005 are Location de courte et longue durée de véhicules automobiles and Traitements des autres déchets solides, Autres travaux d'assainissement et de voirie. Most of the Back Office firms move out from the center(that loses 22% of jobs in this sector) installing themselves in the periphery: the second belt surrounding the city recovers 10.37% of the jobs lost by the center in the 23 years(see appendix) Figure 3 Evolution of number of jobs Back Office activities 1982-2005(perc in the total number of jobs) 25 Location avec opérateur de matériel de construction, Affrètement, , Location de matériels de transport par eau, Location d'appareils de transport aérien, Location de linge, Contrôle technique automobile, Enquêtes et sécurité, Conditionnement à façon, Centres d'appel, , Edition et distribution vidéo. Projet SIMBAD Even though 50% of back office activities are still found in the center of the city we notice a higher contribution of the periphery (22%) and of the 1ere Couronne est(15%)(see fig 3) Activities that still remain in the center of the city are water services, leasing and editing26. Services aéroportuaires, Location avec opérateur de matériel de construction are sharing their activities between center and eastern part of the first belt around the center. Like in Touluse case, in lyon the installation of services in the communes of the fisrt belt around the city is intertwinnnigly related to the installation of activity parks; the reorganization of the production system by externalization and dispersal of business services is strengthens the potential of the metropolis. Typically peripheric are services such as Affrètement, Conditionnement à façon, Collecte et traitement des eaux usées and Organisation des transports internationaux . 3.3. Spatial patterns of location patterns of business services "Broadly defined, agglomeration economies are.... cost savings to a firm accruing because of the scale of industry in a particular [location], and the resultant ability of the firm to share some of its external expenses with others" in the same cluster (Keeble 1976, 59). Rather, emphasis is now placed on the vital importance to such enterprises of access to localised and relatively immobile tacit knowledge, and of knowledge spillovers. Explaining clustering in these sectors also needs to include explicit attention to the role and growing importance of global networks, clients and links to cluster firms, as charted by workers such as Amin and Thrift (1992), Moulaert and Gallouj (1993), and Keeble et al (1998). Using Hoover-Balassa coefficient we analyze location patterns determined by external economies of scale( Marshall 1929): a specialized labour pool, pecuniary externalities and knowledge spillovers that assure a higher product variety at a lower cost. This index offers a measure of specialization as it compares a that sector location's share of employment in the industry exceeds its urban share. A broad picture of the specialization patterns emerges for the distribution of locational quotient for the services to enterprises in the area of Lyon. First, we note a high temporal variability as for Front Office activities we pas from 11 communes exceeding a higher share of front office jobs than Lyon in 1982 to 187 communes in 2005. Else we pass from 41 communes specialized in Back Office activities to 215 communes specialized in Back Office in 2005. Secondly, we depict a strong spatial variability for the concentration of Front office activities . For example, in 2005 Location Quotients are ranging from 0,002204773 (Lyon 3e arrondissement) to 5,51 (in Saint-Germain-Sur-L'arbresle). This maximum value of 551 means that the share of employment in the front office industry is 451 percent greater in this area than in Lyon as a whole. For the year 2005, among the 10 communes presenting the highest (absolute) shares in manufacturing employment in 2005 Saint-Cyr-Au-Mont-D'or, Lyon 9e Arrondissement, Villeurbanne, Vaulx-En-Velin, Montromant, Lyon 7e Arrondissement, Bron, Saint-Fons, Lyon 8e Arrondissement, Ecully, Lyon 3e Arrondissement. The examination of locational quotients reveal a higher specialization in the front office activities than the entire Lyon mainly situated in the 9 arrondissement de Lyon (50,2%), Villeurbanne(8,5 %) CALUIRE-ET-CUIRE 3,7% and Ecully 2,7%. For the back office activities we detect a higher specialization than the entire Lyon mainly situated in the 9 arrondissement de Lyon (22%), Villeurbanne(7 %) Vaulx-EnVelin, Venissieux and Saint-Priest 3% each. 26 centres d'appel, Laboratoires techniques de développement et de tirage, Services portuaires, maritimes et fluviaux, Location de matériels de transport par eau Location d'appareils de transport aérien 67 Projet SIMBAD The clusters of Front office activities are identified by means of Lisa indicators. We can depict clusters high-high(high number of enterprises surrounded by high number of enterprises, in red in Fig 4) and of clusters low-low(low number of enterprises surrounded by low number of enterprises, in blue in Fig 4). The goal is to identify the areas where the level of interactions among industries could be higher as they are co-localized. Figure 4 Spatial distribution of front office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 We notice 38 stable high high clusters in 1999 and 2005 situated mostly in the arrondissement of Lyon but also Champagne-Au-Mont-D'or, Dardilly, Limonest, Lissieu, Saint-Didier-AuMont-D'or. Within lyon high high clusters such as Montrochet - Marche ­ Gare, Pompidou, Victor Bach, Saint Michel, Saint-Louis, Jules Brunard, Domer, Yves Farges dispare leaving space to the emergence of new ones Dauphine ­ Montluc, Richerand - Petites Soeurs, Gillet Serein, Herbouville - Gros Caillou, Mairie, Route De Vienne, Cite ­ Jardin, Universites, Jean Moulin, La Gare D'eau. En plus, Bron, Ecully, Tassin-La-Demi-Lune, Villeurbanne Laissent La Place A Chassieu, Dommartin, Saint-Priest, Villeurbanne. Projet SIMBAD We note that the front office firms tend to cluster in the center part and in the north western part of the first belt-the rich part of the belt. Surprisingly, front office cluster in place where competition is high. The fact is not new as a " somewhat paradoxical advantage of CBD location is the presence of competitors. In the realm of professional services, competitors are also colleagues­ to the extent that there exist shared professional values, shared markets and shared interests (Wilson, 1993; Raelin, 1986). Informal after-hours drinks and lunches are key for exchanging market, technical or legal information, and for creating the personal contacts which may generate future business or indeed future employment. For professionals, being outside these informal networks can be debilitating"(Keeble and Nachum, 2002). Moreover, according to Scott (1988), business services are "typically situated in networks of extremely malleable external linkages and labour market relations" and exhibit "vigorous revival of entrepreneurial behaviour, renewed market competition and active technological innovation", exhibit "selective reagglomeration" or geographical clustering."( D. Keeble and L. Nachum) Figure 5 Spatial distribution of back office activities: evidence of HIGH HIGH clusters 1982 1990 1999 2005 69 Projet SIMBAD Back office activities reveal more stable evolution towards the south eastern part of the city(figure 5). For example, we encounter in 2005, the 57 high-high clusters that were present in 1999. We notice a shift of activities from Lyon 2 and 7 (Bellecour - A Gourjus, Vitton, Jean Jaures, Ampere ­ Ainay, Jules Brunard) L'arsenal Sud Toussieu to the 3rd arrondissemenet(Mutualite - Liberte) and Heyrieux. From these LISA test we can state the spatial specialization as the north western part is characterized by front office activities and the south eastern part by the back office ones. Front office development seem to be correlated with the evolution of the urban structure: in 1982 they cluster only in the center; as the city center expands, front office locate also in the north western part near the center. An exception from this trend is the emergence of a cluster in the years 2000 at Cassie et Saint Priest Euroexpo and the airport that we suspect to be the result of public intervention. D. Keeble and L. Nachum(2001) report for the years of 1980s and 1990s "decentralization and dispersal of such activity as the dominant trend, with an absolute and relative growth of business service firms and employment both in small town and less-urbanised environments of southern Britain and in major northern and western cities (Leyshon and Thrift 1989; Illeris 1989; Marshall 1992)". Meanwhile the decentralization in rural and small town locations in Britain in the early 1990s (Keeble et al 1992b; Small Business Research Centre 1992, ch.7; Curran and Storey 1993; Keeble 1993), was mainly attributed to the migration of household and to a "enterprising behaviour" (Keeble and Tyler 1995) in France the facts are slightly different. The decentralization is an act of will of public decision makers that set in place technological and commercial parks. Secondly, the evolution of the infrastructure determines a polynucleated distribution of employment by sector of activity: Edge cities(Garreau, 1991) have difficulties to emerge. An example of a failed experience of an edge city is the case of Ile D'Abeau. Even if some activities have emerged and concentrated in the area in the years of 90's, the suburb development declined and stopped growing as is was to far from the city. The absence of changes and externalities is also responsible for a clustering of economic activity. Usually, we are able to identify a coreperiphery interpretation: people want to live and do business in the center because the profitability is higher. The perspective of higher profits is encouraging firms to move in the center, but the congestion is also higher. Thus, a trade-off between production costs (land and labor) and transport costs. Departing from this insight, recent studies identify a functional specialization with firms separating their facilities into production situated at the periphery of the city and management function located in the heart of the city. Duranton and Puga (2005) distinguish a trade off in the decision process of the location patterns of headquarters and business services, "trade-off between the gains from integrating their headquarter and production plant and the gains from separating them". 3.3.1. The role agglomeration economies location patterns of Business services However clustering patterns by sector of activity are easy to identify(as seen in figure...) using a spatial autocorrelation test, as the Moran Index test. Thus we compare the number of firms located in a certain Iris with the number of firms located in the neighbourhood (Anselin, 1992). Results are displayed in Figure 6. Projet SIMBAD Figure 6 Moran test of global spatial autocorrelation(1982-2005) We notice a growing tendency of spatial autocorrelation for front office activities and a diminishing tendency for the back office. However the front office remains one of the sector most subject to agglomeration effects (0.45 in 2005). Bivariate LISA association indicators show evidence of colocalisation of business in the center and north western part of the belt surrounding the center of the city. Our results confirm that headquarters have moved away from locations with relatively few other headquarters and business service producers towards locations with a greater presence of both (Duranton puga 2005). Being suplliers of externalities for other firms they tend to locate whre their clients are(in the center and north western part). "The proximity of clients not only eases formal business meetings, but also informal socialising and chance encounters Keeble and Nachum(2002)" Bivariate Lisa indicators report more intense competitive pressures on clustered firms as business services tend to agglomerate in locations where intra-industry spillovers could increase their profitability. 71 Projet SIMBAD Figure 7 Colocalisation patterns of Front office activities with other sectors 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1982 1990 1999 2005 -0,2 -0,3 We notice a high colocalisation of front office firms with Real Estate, Services to individuals, Education, Wholesale Trade, Retail Trade , Industries of consumption goods and administration. However, the spatial autocorrelation decline from 1982 to 2005 as we have identified an expansion towards the north western part and the two clusters in the southwestern part. As Shermur Alvergne 2002 report, "with increasing evidence of the suburban location of headquarters, particularly in high-tech industries, it is no longer self evident that most clients are located in the CBD (Garreau, 1991; Immergluck, 1997). Figure 8 Colocalisation patterns of Back office activities with other sectors 0,6 0,5 0,4 0,3 1982 0,2 0,1 0 1990 1999 2005 In du st In du st rie s ra t io of n Ag co ric ns rie ul um tu s re of pt io in n te go rm od ed s ia te go od s -0,1 io n s e n ca tio al e le s ra t En e sp lE st iv id u ru c gi s ic u go Tr an in is t Ag r io n R ea ia t C on in d Ed u Lo st e Ad m um pt m ed to -0,2 -0,3 co in t s rie du st Back office activities serving different markets they have different location patterns: back office activities tend to colocalise also with sectors such as transport, construction and In In du st rie s Se r of of vi ce ns er W ho s R et Tr -0,1 ad e ai lT ra de re rg y n or t ti c go od ltu od tio al s s s at En er Co gy ns tru ct io n Tr an sp or t Lo gi st ics Se Re rv al ice Es s ta to te in di vi du al s Ed uc W at ho io le n sa le Tr ad Re e ta il T ra de Ad m in ist Projet SIMBAD industries of intermediate goods(see Figure 8). However, for the rest of the sectors which have a central kind of development (such as real estate and trade), the colocalisation patterns of back office firms follows the same one described for front office firms. 3.3.2. The role of the Infrastructure for location patterns of Business services As point out by Duranton and Puga(2005), urban transformation has shaped the changes in firms' organization. Thus, it occurs a growing tendency of separation of the management and production facilities of individual firms. This tendency is reflected in the locations of business services (see Figure 9). Figure 9 Bivariate Lisa analysis. Business services versus accessibility 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 Accessibility of Front Office jobs Accessibility of back Office jobs 1982 1990 1999 2005 Front and back office activities are determined by the presence of the infrastructure: as shown in figure 9 there is a spatial association between the accessibility of employment and the number of business services. It is higher for front office than back office and steadily decreasing since 1982. For back office firms however in the nineties the contribution of the infrastructure is higher than for the rest of the period, confirming the role of the public decision makers in the decentralization of the business firms: The nineties it is also the period of installation of commercial parks (usually near the motorways). 3.3.3. Spatial Distribution of skills One could claim that these agglomeration effects are the result of an uneven distribution of skills. The role played by the spatial distribution of high skilled workers for the regional growth and for the existence of agglomeration is mostly emphasized by regional and urban studies. Hirschman himself (1958) envisaged a geography of growth, assuming that "we can accept a priori that economic progress do not manifest everywhere, at the same time and that when it made its appearance, powerful forces work together for a geographical concentration of growth around its points of departure"(p. 209, French translation). In the same sense, Fujita (2003) present a regional specialization of innovation activities as a result of a combination of skills and special abilities developed regionally, which strengthens the link between growth 73 Projet SIMBAD and geography[...] thus agglomeration being the territorial counterpart of economic growth." In this framework of Geography of growth, Fujita & Thysse (2003) found one of the most significant outcomes: the rate of growth, measured as number of varieties, depends on the spatial distribution of skilled workers. In order to test the role that the spatial distribution of skills plays for regional development and agglomeration patterns, we the degree of spatial association of well skilled workforce and Business services we take into account the presence of cadres and artisans. We consider les cadres as they are considered as holders of high human capital formed by the means of education. Furthermore we add the number of artisans as specific human capital formed within the industry, without necessarily passing through an university formation. Computing univariate Lisa maps we find stable clusters of skills from 1982-2005. in Figure 9 it is displayed the spatial distribution of skills for the year 1999 Cadres 1999 Ouvriers 1999 Figure 10 Spatial distribution of skills: evidence of High High clusters Computing Moran indicators we find evidence of a stead tendency of agglomeration for cadres (0.54 during the period) and artisans(0.25 during the period) and a decreasing agglomeration pattern for ouvriers (from0.48 in 1982 to 0.35 in 2005) . The cadres agglomerate in the north western part of the belt surrounding the center of the city(see figure 10). The clustering patterns are rather high during the period thus it is difficult to explain the location patterns of firms by the mean of a entrepreneurship behaviour. By creating start ups and spin offs the high skilled migrants " bring with them know-how, expertise and client networks derived from their previous big city employment which enable entrepreneurship and successful new enterprise creation in their chosen small town or rural location" (Shermur alvergne 2002). However even if the cluster of high skills are stable during the period they seem to explain to a certain degree the location patterns of business servicesThe spatial Projet SIMBAD distribution of skills seems to be influenced by non-pecuniary externalities and the "social capital" through which the social composition of the municipality affected individuals (Benabou, 1995). According to this type of externality, the more people acquired knowledge, the higher the human capital of others in the economy "and the segregation is evident. Furthermore more firms employing these knowledge will be located in these areas. Correlation indicators between business services and cadres are quite high The bivariate LISA are also high, denoting how much the firms in a certain IRIS are surrounded by high skilled or low skilled personnel. Figure 11 Evolution of bivariate Lisa indicators between cadres and Business services We can notice a similar spatial association of the front and back office activities(see Figure 11): both distributions there are positively associated with the one of cadres( main results are obtained for the one of students and artisans). The most important an important colocalisation patterns for front office activities is given by the presence of cadres followed by the one of students and artisans. 75 Projet SIMBAD Figure 12 Bivariate Lisa Front office -cadres 1982 1990 1999 2005 First of all, comparing the intensity of spatial association(results are presented later on within brackets) we notice that the occupational profile of Front office activities reveals higher levels of clerical and office work than of other producers services(Back Office activities). The most important an important colocalisation pattern for back office activities is given by the presence of cadres (from 0.25 in 1999 to 0.22 in 2005), followed by the one of etudiant (from 0.21 in 1999 to 0.18 in 2005) and artisans (from 0.11 in 1999 to 008 in 2005). Also for the back office activities we find evidence that producer services may choose to locate closer to their workforce . Projet SIMBAD Figure 13 Bivariate Lisa Back office -cadres 1982 1990 1999 2005 3.3.4. Social segregation Mixed results are obtained when looking at the association of workers and front office activities(see Figure 13). Only for the year 1982 we see a positive association between workers and Front (Back) Office activities. From 1990 to 2005 workers are negatively associted with the presnce of Front Office activities as if Front office avoided the poor neighborhoods in the 1990. Even though Front and Back office become more colocalised during the time, and therefore the need of ouvriers in a certain area (IRIS ) should increase, at the beginning of two thousand(1999 and 2005) we notice that Front Office firms are avoiding more than a decade before the presence of ouvriers(see Figure 14). 77 Projet SIMBAD Figure 14 Evolution of bivariate Lisa indicators between ouvriers and Business services We notice the negative sign for the bivariate LISA test with the ouvriers: this basically means that higher the number of ouvrier in the neighbourhood lesser the chances of installation of a front office activity. Furthermore these tendency is slightly growing from -0.14 in 1999 to 0.15 in 2005). Their presence of ouvriers offer a positive contribution to the presence of back office firms (from 0.01 in 1999 to 0.005 in 2005)(see Figure 15). Front Office Figure 15 Bivariate ouvriers-1999 Back Office We could suggest that firms are considering it more as a proxy of urban quality and of the level of attraction of a site. The presence of poor neighborhoods does not usually enter in the choice behavior as a barrier to localization. However, we rarely see jeweler shops and famous attorney offices implemented in poor neighborhoods. The localization pattern can be described as opposite as an insecure environment feeds the chances of failure of youngsters, given them lesser opportunities on the labour market. Moreover the literature on location choice of household establishes a well defined pattern where people generally do not install themselves in an insecure neighborhood, unless they don't have other choice. Lesser investigation has been done on the instalation of firms function of a social segregation. Projet SIMBAD Les pauvres Les riches Figure 16 Lisa for indicator of social segregation for the year 1999 For the year 1999 an indicator of social segregation has been built. Overall the spatial distribution of this indicators reveals a high degree of spatial association of front office and back office activities with the high income zones(0.36). A negative association of localization of firms and the presence of extremely low income households(see figure 16). 3.4. Methodology and estimation results We estimate econometric models where the dependent variable is number of firm installed in IRIS I at time t. As the dependent variable is non-negative, discrete highly non-normal distributed we cannot use a OLS regression. Let i be the Poisson mean of the number of firms Pr nit e it it n nit ! it where the parameter it , is linked to the explanatory variables in a log-linear form: ln it ' X it it (1) , where i = 1,...,777 and t=1982,1990,1999 and 2005 it : number of firms in Iris i in year t X it : a vector of regressors indicating characteristic of location site such as the sectorial specialization (measured by means of Hoover-Balassa indicator ) social attributes (the level of skills of travailleurs, cadres, ouvriers artisans an indicator of accessibility, a dummy for ZFU(Zone Franche Urbaine), the number of not taxed households. As we do not possess information to build this indicator for all the period we use information about the number of households that are not taxed in the IRIS. Furthermore as qualifier of the areas we include information about the Iris that receive an ease of fiscal burden through the classification in ZFU. One of these zones is Vaulx en Velin, the first to be considered as such on the French territory. : a vector of constants 79 Projet SIMBAD i : individual effects or an unobserved heterogeneity it : error term (i1; i2;...;iT ) independently and identically distributed ² with zero mean and variance We analyze whether the unobserved individual effects i are random or fixed: while the fixed effects approach considers I as group specific constant term in the regression model. , the random effects specifies that i is a group specific disturbance, similar to it except that for each group, there is a single draw that enters the regression identically in each period. We run a fixed effect and random effect estimation for Front Office activities. Hausman test confirms the need to perform a fixed effect rather than a random effect estimation see appendix . We test the null hypothesis that the difference in coefficients not systematic. A chi square test rejects the null hypothesis with a significance of 1% . Therefore the individual effects are supposed to be fixed. Table1. Localization of Front office activities. Static results of Fixed effects Poisson Front office Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Locational Quotient of transports Locational Quotient of logistics Zone Franche urbaine (dummy) Number of not taxed households 0,33[0,1196417]*** -0,01[0,0021522]*** 0,3[0,0195859]*** 0,3[0,0130719]*** 0,42[0,0267682]*** -0,03[0,0335445]n.s 0,11[0,0172602]*** -0,04[0,0127989]*** 0,14[0,0165827]*** 0,08[0,0208509]*** 0,27[0,0499645]*** 0,28[0,0640227]*** 0,14[0,0365206]*** 0,01[0,0214681]ns 0,28[0,2648416]ns 0,06[0,0581421]*ns back office 0,06[0,0581421]*ns 0,35[0,0388908]*** 0,1[0,0588376]* 0,18[0,0893401]** N.B. Standard errors are displayed within brackets. ***, **, *, n.s. denotes the level of significance of 1% 5% and 10% or else not significant NB The variables are in logarithmic scale First of all we notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. It remains the case also for other sectors such as the real estate, whole sale trade and retail trade susceptible to be responsible of intra-sectorial flows. 1 percent increase in retail trade is responsible for 14% (respectively 27%) increase in the number of Front Office (respectively 27% of Back office firms) localized in the IRIS. The center reflects an supposed status of quality and credibility, client proximity, and local availability of professional staff and expertise" . We test the quality of the area by the help of a set of variables indicating the social composition of the IRIS. Table 1 displays significant Projet SIMBAD results illustrating the idea that higher the number skilled in the IRIS, higher the number of front office firms localized in there. One could argue that the presence of ouvriers are an indicator also of an area with low income, and thus an indicator of social segregation(number of not taxed households) and the number of low skilled workers could be highly correlated. Moreover in the descriptive section we showed that the presence of ouvriers was negatively associated to the presence of front office firms in the neighborhood. Estimates are found not significant. However the higher number of not taxed households leads to a lesser number of number of firms acting in front office activities localized in that IRIS. Considered as an input for back office activities the presence of ouvriers are, as expected, increasing the number of back office firms in the IRIS. Surprisingly, the fact that an IRIS is classified as Zone Franche urbaine is contributing positively to the localization of front office activities. We could see in this result that firms are more interested in fiscal easiness of a zone. The estimate is however not significant for back office activities. Thus while the main determinant for the back office activities remains the infrastructure, for the front office activities the interpretation is more subtle depending on a mix of conditions: local industrial specialization, infrastructure and the quality of the urban area(skills and taxes). In order to see the way in which these factors have vary during the period we run poisson estimation at each time period(see table 2 appendix). Surprisingly, we remark a decreasing contribution of local sectorial specialization to the localization of front office activities. If in the beginning of the period(1982) the locational quotient was the main driver of the installation of firms, in 2005 we note a negative contribution(a congestion effect) of local specialization to the localization of firms. Furthermore we note an increasing contribution of the skills to the localization of firms: 1% of increase in the number of cadres are increasing by 7% in 1982, respectively 26% in 2005 the number of front office activities localized in that IRIS. The presence of ouvriers is decreasing the presence of firms in the IRIS. The low income areas are deterring the presence of front office firms. Thus, we note an increasing phenomenon of social segregation. While in 1982 the phenomenon is not present, it grows over the year as much as 1 % increase in the presence of ouvriers is 15% decreasing the number of firms in the IRIS. The variable indicating the de-taxation level of an area is increasing the number of front office activities. The main determinant for the localization of back office activities remain the infrastructure indicator(table 3 appendix). We cannot a constant increase over the years, doubling its contribution in 2005(with respect to 1982). The local industrial specialization of back office activating is positive in 1982 and negative for the remaining period. At the end of the period only the wholesale trade is a supplier of positive externalities for the back office activities. The variable indicating the de-taxation level of an area is increasing the number of back office activities only for 2005.This is probably due to the intervention of public decision makers in the creation of activity parcs able to attract the installation of firms. The presence of cadres is positively contributing the localization of back office firms, to a lesser extent than for the front office firms. Onwards we have propose to see a more detailed examination localization patterns; we have run a fixed effects Poisson for front and back office firms by fine sector as descripted in appendix 3 and 5. 81 Projet SIMBAD Some sectors have only a few observations and thus we could estimate them. These sectors are Transmission d'émissions de radio et de télévision, Production de films pour la télévision, Production de programmes de télévision, Edition de chaînes généralistes , Edition de chaînes thématiques , Distribution de bouquets de programmes de radio et de télévision , Traitements des autres déchets solides , Autres travaux d'assainissement et de voirie , Edition et distribution vidéo, Conditionnement à façon, Location de courte durée de véhicules automobiles , Location de matériels de transport par eau , Location d'appareils de transport aérien , Location de linge, Location avec opérateur de matériel de construction. The rest of the estimates are displayed in table 2. Projet SIMBAD Table2. Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,44 [0,1418496]*** -2,06 [1,03937]** 0,65 [0,1550966]*** 0,74 [1,781097]ns 1 [0,4804765]** 0,31 [0,1518028]** 0,84 [0,4722605]* 0,33 [0,1404635]*ns 1,6 [0,729857]*ns -0,08 [0,0721549]*ns -0,13 [0,0701849]* 0,07 [0,1367072]*ns 0,12 [0,0456264]*** 0,21 [0,0686396]*** -0,04 [0,0610566]*ns -0,19 [0,1258396]*ns 0,03 [0,04555]*ns 0,97 [0,3858822]*** Accessibility to employment 0,21 [0,106151]** 2,28[0,845863]*** 0,46 [0,1106163]*** 3,21 [2,305478]ns 2,42 [0,5602883]*** 0,42 [0,0933186]*** 0,12 [0,3632462]ns 0,36 [0,089467]*** -0,36 [0,469176]*** 0,39 [0,0475455]*** 0,62 [0,048266]*** 0,14 [0,0861641]*ns 0,39 [0,0306935]*** 0,49 [0,0482502]*** 0,28 [0,0383945]*** 0,45 [0,0768106]*** 0,45 [0,0283481]*** 0,45 [0,2428924]** Cadres 0,41 [0,1455475]** 8,45 [1,797583]*** 1,46 [0,1949018]*** 18,21 [5,525061]*** 9,8 [1,356896]*** -0,13 [0,2185419]ns 0,89 [0,6813654]ns 0,74 [0,2365162]* 0,77 [0,7009623]* 0,37 [0,098497]* 0,52 [0,1160753]*** 0,5 [0,2442854]** 0,91 [0,0713569]*** 1,48 [0,0967405]*** 0,43 [0,0931373]*** -0,01 [0,1661054]ns 0,28 [0,0665217]*** 0,8 [0,4055021]** Ouvriers -0,09 [0,2172372]ns -2,41 [1,421401]* -0,6 [0,2320768]*** -0,52 [2,049815]ns -2,51 [0,8901197]*** -0,14 [0,2763884]ns -1,11 [0,7649982]ns 0,09 [0,3083545]** -0,57 [0,9370351]** -0,34 [0,1042967]** -0,35 [0,1286435]*** -0,14 [0,2522564]ns -0,28 [0,083733]*** -0,08 [0,1217512]ns -0,33 [0,1129511]*** -0,08 [0,2090794]ns 0,01 [0,0856698]ns -0,9 [0,515916]* Locational Quotient of real estate activities 0,18 [0,115132]ns 1,39 [1,029972]ns 0,35 [0,1245919]*** 2,89 [2,400655]ns 1,61 [0,5981224]*** -0,02 [0,1307649]ns -0,42 [0,4565061]ns 0,12 [0,1163725]*** -0,14 [0,385494]*** 0,67 [0,0707476]*** 0,24 [0,0676236]*** 0,03 [0,1211761]ns 0,18 [0,0405647]*** 0,21 [0,0601359]*** 0,12 [0,0601841]** 0,15 [0,1110087]ns 0,09 [0,0409617]** -0,12 [0,2890758]ns Locational Quotient of administration -0,11 [0,0898824]ns -0,52 [0,936391]ns 0,03 [0,0949632]ns 0,82 [0,9401057]ns -0,37 [0,4169339]ns -0,01 [0,0884495]ns -0,11 [0,3443261]ns 0,21 [0,0997105]ns -0,32 [0,4162755]ns -0,11 [0,0470898]ns 0,21 [0,0454534]*** 0,17 [0,0963916]* 0,04 [0,0291697]ns 0,08 [0,0456263]* 0,17 [0,0406213]*** 0,17 [0,0812909]** 0,1 [0,0287763]*** 0,12 [0,1941078]ns Locational Quotient of retail trade -0,05 [0,087139]ns 1,17 [0,9611473]ns 0,26 [0,125542]** -1,18 [1,214912]ns -0,26 [0,3841341]ns 0,19 [0,1299257]ns 0,66 [0,4144302]ns -0,25 [0,1158788]*** 0,84 [0,4306799]*** -0,16 [0,0584246]*** 0,04 [0,0587543]ns -0,08 [0,126519]ns 0,12 [0,0377892]*** 0,11 [0,0567966]*** -0,13 [0,050982]*** -0,01 [0,1003573]ns 0,07 [0,0371242]* 0,33 [0,2894647]ns Locational Quotient of whole sale trade 0,2 [0,1726463]ns 2,96 [1,316308]** 0,33 [0,1601458]*** 1,69 [1,775234]ns 1,14 [0,5210234]** -0,13 [0,1639545]ns 0,82 [0,6647873]ns -0,11 [0,1553389]*** -0,49 [0,7042937]*** 0,14 [0,0664736]*** 0,12 [0,0740363]* -0,05 [0,1402996]ns 0,09 [0,0476472]* 0,34 [0,0756835]*** 0,05 [0,0654515]ns 0,09 [0,1291365]ns 0,08 [0,049022]ns -0,01 [0,3356274]ns Zone Franche urbaine (dummy) 0,68 [0,7647085]ns 20,76 [2322,575]ns -1,19 [0,6851162]* 6,58 [180243]ns 18,21 [1478,958]ns -0,92 [0,8746153]ns NE 0,47 [1,245827]ns 14,69 [1952,729]ns 0,31 [0,7987703]ns -0,17 [0,5819795]ns -12,55 [1155,508]ns 0,52 [0,4075211]ns 0,21 [0,3187047]ns 0 [0,5450959]ns 0,91 [0,7673388]ns 0,3 [0,2886444]ns -16,68 [1728,119]ns Number of not taxed households 0,03 [0,0117001]** -0,11 [0,1604666]ns -0,02 [0,0191842]ns -0,7 [0,5002533]ns -0,28 [0,1123842]** 0,05 [0,0155685]*** 0,03 [0,0577513]ns 0,07 [0,0139013]ns 0,03 [0,0849466]ns 0,07 [0,008021]ns 0,03 [0,0074556]*** 0,1 [0,0165528]*** 0,03 [0,0049554]** 0 [0,008261]ns 0,06 [0,0065853]*** 0,04 [0,0122835]*** 0,05 [0,0045842]*** -0,02 [0,0386251]ns 64.1A 64.2C 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 83 Projet SIMBAD Table2(continuing). Localization of Front office activities. Static results of Fixed effects Poisson Locational Quotient of the sector concerned 0,31 [0,1857995]* -0,08 [0,0740759]*ns 0,73 [0,3966929]* -0,31 [0,1128702]*** 0,63 [0,1594188]*** -0,14 [0,105573]*ns 0,44 [0,4708053]ns -0,17 [0,3995865]*ns 3,59 [2,898281]ns -0,61 [0,8333219]ns 1,14 [2,044846]ns 0,14 [0,2619945]*ns Accessibility to employment 0,28 [0,1192929]*** 0,39 [0,0453322]*** 0,49 [0,2934673]* 0,61 [0,0888694]*** 0,11 [0,114317]ns 0,25 [0,0602508]*** -0,24 [0,3237737]ns 0,41 [0,2526445]*ns -0,71 [0,875329]ns 0,56 [0,6073127]ns -0,79 [1,749846]ns 0,01 [0,1543196]*ns Cadres 0,79 [0,2527372]* 0,14 [0,1093033]ns 1,45 [0,4897524]*** 0,7 [0,1797557]*** 1,34 [0,1927581]* -0,4 [0,1586904]*** 3,34 [0,820383]*** 0,84 [0,5942315]*ns 2,2 [2,464081]ns 2,49 [1,967744]ns 3,37 [2,254857]ns 0,94 [0,3905836]* Ouvriers -0,3 [0,353293]ns -0,28 [0,1357343]** -0,71 [0,517388]ns -0,38 [0,2118637]* -0,29 [0,2529968]ns 0,14 [0,1955018]ns 0,08 [0,8900299]ns -0,65 [0,725085]*ns 2,26 [2,113914]ns 2,01 [1,902662]ns 5,45 [3,135238]* -0,92 [0,4632961]** Locational Quotient of real estate activities 0,08 [0,1603843]ns 0,2 [0,0652728]*** 0,19 [0,2654225]ns 0,4 [0,1228843]*** -0,23 [0,1223243]** 0,16 [0,0949958]ns 0,07 [0,4306349]ns 0,17 [0,4436413]*ns 1,08 [1,204794]ns -1,16 [1,036615]ns -1,47 [1,614053]ns -0,22 [0,2228698]ns Locational Quotient of administration 0,25 [0,119323]** 0,09 [0,0477094]* 0,34 [0,2478771]ns 0,14 [0,0808222]* 0,05 [0,1000377]ns 0,09 [0,0699893]ns -0,45 [0,3933132]ns -0,05 [0,2439863]*ns -1,48 [0,8499848]* 0,88 [0,6999306]ns 1,68 [1,100498]ns 0,02 [0,180525]ns Locational Quotient of retail trade -0,25 [0,1489614]* 0,02 [0,061012]ns 0,15 [0,307692]ns -0,2 [0,099157]** 0,2 [0,11716]* -0,08 [0,0845199]ns 0,47 [0,3287961]ns 0,56 [0,3464382]*ns -2,29 [2,19079]ns 0,29 [0,7101229]ns 2,4 [1,45188]* -0,13 [0,2263318]ns Locational Quotient of whole sale trade 0,1 [0,2025841]ns 0,09 [0,0767655]ns 0,23 [0,4086484]ns 0,23 [0,1516401]ns 0,67 [0,1845326]*** -0,04 [0,1100569]ns 0,11 [0,6417969]ns -0,27 [0,4305175]*ns 1,32 [1,948757]ns 0,79 [1,022732]ns 0,2 [3,438068]ns -0,19 [0,2686095]ns Zone Franche urbaine (dummy) 1,36 [1,183598]ns 0,01 [0,397025]ns 7,62 [1290,678]ns -0,43 [1,352841]ns 0,13 [0,9120758]ns -0,2 [0,7737552]ns 16,95 [2610,356]ns Number of not taxed households 0,07 [0,0209122]*** 0,07 [0,0080444]*** 0 [0,0509753]ns 0,03 [0,0142883]** 0 [0,0162234]ns 0,07 [0,0105027]*** -0,01 [0,0656734]ns 0,06 [0,0407545]*ns 0,18 [0,1614878]ns 0,02 [0,2935155]ns 0,06 [0,3240325]ns 0,1 [0,0254128]*** 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1B 92.1C 92.1D 92.1F 92.2A 92.4Z -13,22 [7,946044]ns 2,7 [1,586992]* Projet SIMBAD Front Office localisation patterns are not homogeneous. The role of industrial specialization exceeds the role of the local infrastructure in explaining the implementation of firm, for sectors such as Postes nationales, Conseil en systèmes informatiques, Activités de banques de données, Analyses, essais et inspections techniques, Gestion de supports de publicité, Sélection et mise à disposition de personnel.. As reported by Shermur for the case of France these types of activities do not reveal a specific clustering patterns "the market surveys, computer repairs and research and development sectors show no diffusion pattern at all. This does not imply that they are not spread out over space, but rather that this spread is entirely consistent with their pattern of concentration: employment in these sectors tends to tail off as one moves away from the centres of employment without any of the dispersion patterns appearing.( shermur ) The accessibility to employment is the main driver for sectors such as Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire. The presence of cadres is generally increasing the number of front office firms in the district, but it is surpringly high for Télécommunications, Edition de logiciels, Autres activités de réalisation de logiciels, Administration d'entreprises, Sélection et mise à disposition de personnel, Organisation de foires et salons. The localisation patterns of those sectors dominated by a centrality feature are negatively influenced by the presence of ouvriers. 1% increase in Ouvriers are decresing the number of firms in Télécommunications, Edition de logiciels.A special case is the one of Prestations techniques pour le cinéma et la television where 1% increase in ouvriers is 500% the number of firms of this sector. The explanation may be given by a colocalization of this sector with other firms acting in back office activities, where the number of ouvriers is crucial for development of their activities. The feature of ZFU is significantly acting only for Conseil en systèmes informatiques as a disincentive of installation. For the remaining sectors the contribution is not significant Shermur Those which tend to cluster away from existing population centres do not come in easily subdividable units. In these sectors, individual consultants or small branches are less common than larger establishments. 85 Projet SIMBAD Table3. Localization of back office activities. Static results of Fixed effects Poisson Locational Zone Franche Quotient of Cadres Ouvriers urbaine whole sale (dummy) trade -0,64 0,9 -0,26 -1,28 0,11 -0,24 -0,04 1,24 -14,28 63.2a [0,4597066]*ns [0,3227277]*** [0,5441083]ns [0,7401312]* [0,3029141]ns [0,202367]ns [0,3083054]ns [0,5475562]** [2004,357]ns -7,77 9,08 -0,12 0,27 4,92 -0,75 6,69 -1,01 63.2c [19,57387]ns [18,81046]ns [4,682414]ns [3,622166]ns [9,532359]ns [2,167274]ns [16,1402]ns [5,193842]ns -11,16 7,96 -2 10,15 10,15 -12,58 -18,48 31,66 63.2e [12931,81]*ns [4468,009]ns [7802,233]ns [24162,24]ns [10924,68]ns [15947,7]ns [19760,77]ns [26982,39]ns 0,6 0,54 -0,65 -0,06 -0,18 0,47 0,89 0,57 63.4b [1,10693]ns [0,7556054]ns [0,793638]ns [0,8779436]ns [0,7844567]ns [0,3090329]ns [1,038384]ns [0,9117722]ns -0,09 0,69 0,04 0,01 0,23 0,02 0,09 0,3 0,24 63.4c [0,2152666]*ns [0,130007]*** [0,2028102]ns [0,2959196]ns [0,1775169]ns [0,0940808]ns [0,2070079]ns [0,2203515]ns [1,376808]ns -0,82 0,73 -0,65 -0,29 0,3 0,18 0,62 0,18 71.2a [0,5978584]*ns [0,3734186]** [0,5429711]ns [0,8118564]ns [0,3743165]ns [0,1977955]ns [0,5666859]ns [0,54976]ns -0,05 0,29 -0,26 0,17 -0,06 -0,01 0,22 0,06 0,25 71.3c [0,2882674]*ns [0,1561389]* [0,2863288]ns [0,5349397]ns [0,2003189]ns [0,1254414]ns [0,2681652]ns [0,3055153]ns [1,210289]ns -0,21 0,7 0,86 0,93 0,34 -0,1 0,3 0,39 -17,54 71.3e [0,6863618]ns [0,4819642]ns [0,7584758]ns [1,28617]ns [0,3740713]ns [0,271952]ns [0,7319893]ns [0,7223085]ns [3450,958]ns -0,06 0,49 0,21 -1,17 0,18 -0,02 0,62 0,68 10,25 74.3a [0,5715056]ns [0,462356]ns [0,435013]ns [0,9439097]ns [0,3252629]ns [0,1694787]ns [0,5054896]ns [0,7104405]ns [3574,565]ns 0,44 0,38 0,41 0 0,32 -0,08 0,27 1,15 15,54 74.6z [0,4033928]ns [0,3284637]ns [0,3059609]ns [0,7414431]ns [0,2837625]ns [0,1347549]ns [0,4561594]ns [0,5168621]*** [1286,409]ns 0,03 0,04 -0,08 1,1 74.7z 0,17[0,0895938]* 0,25[0,0581746]*** 0,15[0,122009]ns -0,43[0,204379]** -0,05[0,065042]ns [0,0447826]ns [0,0821812]ns [0,1210988]ns [0,4280711]*** 0,1 -0,28 0,05 -14,42 74.8a 0,12[0,1869783]ns 0,1[0,1156502]ns 0,06[0,2746454]ns 0,32[0,3609273]ns 0,16[0,1365513]ns [0,082508]ns [0,1710351]ns [0,237739]ns [1028,752]ns -0,27 0,93 -0,75 0,09 -0,39 0,08 -0,06 1,5 0,71 74.8b [0,3796577]*ns [0,3395492]*** [0,6540245]ns [0,7497735]ns [0,2287068]** [0,1854862]ns [0,4932609]ns [0,6294338]** [2,713982]ns -0,08 0,28 0,33 -0,08 -0,05 -0,03 -0,01 0,45 0,27 74.8k [0,086019]*ns [0,0529774]*** [0,1073623]*** [0,1579124]ns [0,051918]ns [0,0361085]ns [0,0685771]ns [0,1020162]*** [0,3856595]ns 0,41 -0,04 0,9 -0,57 -0,02 0,14 0 -0,1 90.0a [0,5371567]ns [0,4650906]ns [0,6057321]ns [0,9402703]ns [0,3052331]ns [0,2026869]ns [0,3623591]ns [0,7390423]ns 0,05 0,61 0,21 -0,14 0,06 0,03 -0,39 0,48 0,33 90.0b [0,4311864]*ns [0,271752]** [0,6254457]ns [0,6718315]ns [0,3944803]ns [0,2323727]ns [0,3977447]ns [0,50723]ns [1,424051]ns 0,59 -0,02 0,67 -0,85 0,05 0,1 -0,51 0,02 12,29 92.3b [0,2365654]*** [0,1280802]ns [0,2642208]** [0,5074418]* [0,1360226]ns [0,0927771]ns [0,1573742]*** [0,2442813]ns [1073,025]ns 0,52 0 0,31 -0,05 -0,01 0,07 -0,38 0,03 -14,23 92.3d [0,4314344]ns [0,2932479]ns [0,5055921]ns [0,7319456]ns [0,2672331]ns [0,138848]ns [0,2771801]ns [0,4825328]ns [1231,157]ns 0,4 0,11 1,84 1,9 -0,02 0,08 0,9 -1,4 93.0a [0,9467561]ns [0,6123829]ns [1,409091]ns [1,935573]ns [0,6750096]ns [0,6559264]ns [0,9687898]ns [1,248587]ns Locational Quotient of the sector concerned Accessibility to employment Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Number of not taxed households 0,04 [0,0563738]ns 0,79 [2,251702]ns -2,1 [2417,815]ns 0,25 [0,2055734]ns 0,05 [0,0247843]* 0,05 [0,0984772]ns 0,07 [0,054847]ns 0,02 [0,1258623]ns 0,05 [0,1135242]ns 0,02 [0,0554815]ns 0,06 [0,0137695]*** 0,13 [0,0357519]ns -0,05 [0,0566035]ns 0,09 [0,0120347]*** -0,01 [0,0849485]ns 0,03 [0,0896091]ns 0,11 [0,0256563]*** 0,17 [0,0643388]*** 0,33 [0,3083631]ns Projet SIMBAD Within the back office activities a different logic prevails(see table 3). For most of the sectors 27 , Services annexes à la production, Enlèvement et traitement des ordures ménagères the accessibility to employment is the main driver. The feature of ZFU is significantly acting only for Activités de nettoyage as an incentive of installation. For the remaining sectors the contribution is not significant. The presence of cadres are acting positively only for Services annexes à la production and Services annexes aux spectacles. 3.5. Conclusion "Urban spatial structure teem positive and negative externalities, all acting with different strengths, among different agents, at different distances" (Anas et al., 1998, p. 1459)."The result is often seen in cluster of economic activities and of suppliers of externalities such as business services. Few studies have investiagted the clustering patterns of business services in a urban contetxe(Shermer and Alvergne 2002, keeble and Nachum 2002). Moreover a classification of Business according to their location and to the function that they assure an a urban context provides the necessary information to understand urban shape developpement: we thus assist to a passage from a sectorial specialization to a functional one. Clustering patterns identified for business services in this paper are related to the role of infrastructure, sectorial speciualisation, public intervention and social segregation. Our spatial analysis can provide insights regarding the similarities and differences between Front Office and back office activities. the possible link between spatial patterns and markets is tested by means of autocorrelation test. We notice the level of the accessibility is the most important determinant of localization of front office activities for the whole period. Secondly, the local industrial specialization has a significant positive contribution for the localization of firms acting in the same sector. A finer distribution gives mixed results as accessibility to employment remains the main driver only for Autres activités de réalisation de logiciels, Traitement de données, Activités comptables, Conseil pour les affaires et la gestion, Administration d'entreprises, Activités d'architecture, Analyses, essais et inspections techniques, Ingénierie, études techniques, Agences, conseil en publicité, Travail temporaire Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage, Services annexes à la production, Enlèvement et traitement des ordures ménagères. 3.6. References 1. Aarland, K, Davis J.C.,. Henderson J, Ono Y., Spatial organization of firms: The decision to split production and administration, Processed, Brown University, 2003. 2. Aguiléra Anne, 2003 Service relationship, market area and the intrametropolitan location of business services, The Service Industries Journal, vol.23, n°1, 2003 3. Benabou 1993, 1995 27 Gestion d'infrastructures de transports terrestres, Organisation des transports internationaux, Location d'autres matériels de transport terrestre, Location de machines de bureau et de matériel informatique, Activités de nettoyage, Laboratoires techniques de développement et de tirage Projet SIMBAD 4. Coffey 1996 5. D. Keeble and L. Nachum (2002) Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 6. D. Keeble and L. Nachum (2002)Why do business service firms cluster? Small consultancies, clustering and decentralization in London and southern England, Transactions of the Institute of British , 7. Duranton, D. Puga (2005), From sectoral to functional urban specialisation Journal of Urban Economics 57 343­370 8. Fujita M. et M. Ota, 1993, Communication technologies and spatial organization of multiunit firms in metropolitan areas, Regional Science and Urban Economics, 23, 695-729. 9. Gallouj c(2006) Le contexte general de croissance et dev des services aux entreprises in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart 10. Gallouj F Innovation in the service economy: the new wealth of nations, 11. Gareau J Edge City . Life on the New Frontier, Anchor Books, 1991 12. Gong Hongmian ; Wheeler James O, 2002; The Location and Suburbanisation of Business and Professional Services in the Atlanta Area, Growth and Change, Vol. 33, Issue 3, pp. 341-369 13. Illeris(2006) Quell role pour les services au dev reg, in Services aux entreprises et développement régional: Bilan et perspectives eds Camal Gallouj,Fabienne Leloup,Bernadette Mérenne-Schoumaker,Laurence Moyart, deboeck 14. JM Zuliani, une combinatoire du developement des services de haut niveau : l'exemple de toulouse , eds Carles Carreras Reestructuraciones urbanas 15. Jouvaud, 1997, Localisation des services aux entreprises et croissance des agglomérations. Thèse en sciences économiques, Université d'Aix-Marseille. Aix-en-Provence. 16. Keeble, D. (1997) The influence of the rural milieu on enterprise creation in OECD Teritorial Development Service Policies for enterprise creation in rural areas Paris 1-29 17. Miren Lafourcade Giordano Mion(2003)Concentration, Spatial Clustering and the Size of Plants: Disentangling the sources of co-location externalities¤ 18. Moulaert, F. and Gallouj, C. (1993) The locational geography of advanced producer firms: the limits of economies of agglomeration in Daniels, P., Illeris, S., Bonamy, J. and Philippe, J. eds The geography of services Frank Cass, London 91-106 19. O'Farrell, P. N. (1995) Manufacturing demand for business services Cambridge Journal of Economics 19 523-43 20. O'Farrell, P. N., Hitchens, D. M. W. N. and Moffat, L. A. R. (1992) The competitiveness of business service firms: a matched comparison between Scotland and the South East of England Regional Studies 26 519-33 21. O'Hullachan B, Reid N (1992), « The intrametropolitan location of services in the united states », Urban Geography, Vo 13, n°4, pp.334-354. 22. Polèse, 1994 23. Richard Shearmur and Christel Alvergne (2002) Intrametropolitan Patterns of High-order Business Service Location: A Comparative Study of Seventeen Sectors in Ile-de-France, Urban Studies, Vol. 39, No. 7, 1143­1163, 2002 24. Y. Ono, Outsourcing business services and the role of central administrative offices, Journal of Urban Economics 53 (3) (2003) 377­395 25. ZIMMERMANN J.-B., 1995, " Dynamiques industrielles: le paradoxe du local ", in RALLET A., TORRE A. (dir.), Economie industrielle et économie spatiale, Economica, Paris, pp. 147-168 Projet SIMBAD APPENDIX 1. 1982 1,84% 1,37% 5,08% 6,94% 0,11% 2,64% 0,25% 5,77% 2,07% 5,82% 7,00% 1990 2,09% 1,90% 4,18% 5,93% 0,17% 2,70% 0,23% 1999 4,59% 4,62% 3,62% 4,49% 0,33% 8,03% 1,26% 1,77% 5,80% 4,05% 9,97% 7,45% 2005 5,52% 4,84% 2,96% 3,86% 0,41% 8,02% 2,21% 0,31% 6,43% 3,86% 9,38% 6,56% Sectors of activity Administration Agriculture Industries of consumption goods Industries of intermediate goods Energy Construction Transport Logistics Real Estate Front Office business services Back Office business services Services to individuals Education Wholesale Trade Retail Trade 12,86% 10,00% 11,57% 14,28% 3,12% 7,75% 7,22% 8,72% 12,68% 15,12% 12,61% 12,86% 16,06% 16,92% 24,07% 18,86% 15,29% 13,59% 89 Projet SIMBAD APPENDIX 2 Yearly Fine Distribution of Front Office activities Front Office 64.1A 64.2C 64.2D 72.1Z 72.2A 72.2C 72.3Z 72.4Z 73.1Z 73.2Z 74.1A 74.1C 74.1E 74.1G 74.1J 74.2A 74.2B 74.2C 74.3B 74.4A 74.4B 74.5A 74.5B 74.8F 74.8J 92.1A 92.1B 92.1C 92.1D 92.1F 92.2A 92.2B 92.2D 92.2E 92.2F 92.4Z Denomination activite Postes nationales Télécommunications (hors transmissions audiovisuelles) Transmission d'émissions de radio et de télévision Conseil en systèmes informatiques Edition de logiciels (non personnalisés) Autres activités de réalisation de logiciels Traitement de données Activités de banques de données Recherche-développement en sciences physiques et naturelles Recherche-développement en sciences humaines et sociales Activités juridiques Activités comptables Etudes de marché et sondages Conseil pour les affaires et la gestion Administration d'entreprises Activités d'architecture Métreurs, géomètres Ingénierie, études techniques Analyses, essais et inspections techniques Gestion de supports de publicité Agences, conseil en publicité Sélection et mise à disposition de personnel Travail temporaire Secrétariat et traduction Organisation de foires et salons Production de films pour la télévision Production de films institutionnels et publicitaires Production de films pour le cinéma Prestations techniques pour le cinéma et la télévision Distribution de films cinématographiques Activités de radio Production de programmes de télévision Edition de chaînes généralistes Edition de chaînes thématiques Distribution de bouquets de programmes de radio et de télévision Agences de presse 1982 52 0 0 0 0 0 205 0 228 0 887 984 228 895 141 1110 393 2351 0 51 1040 0 433 0 869 0 0 44 0 17 0 0 0 0 0 74 1990 205 0 0 0 0 0 152 0 135 0 904 537 265 1708 411 798 175 1341 0 99 806 0 306 0 613 0 0 51 0 16 0 0 0 0 0 55 1999 226 0 0 551 0 0 184 98 211 87 1276 756 186 2157 1348 857 157 1461 120 175 640 127 262 597 103 16 81 35 29 13 47 3 0 0 0 61 2005 Total 435 242 12 919 260 703 175 74 290 92 1782 879 174 3370 3067 964 176 1854 176 231 711 186 396 643 164 32 107 50 32 13 56 9 3 4 9 57 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 313 1397 1240 1749 48 188 180 61 59 103 12 3 4 9 247 Projet SIMBAD APPENDIX 4 Spatial Distribution of Front Office activities Spatial distribution of Front Office activities ZONE4 Dénomination activité 1ère Couronne 1ère Couronne 2ème Centre Est Ouest Couronne 63 164 416 275 35 0 119 17 61 81 3 182 20 145 252 61 453, 558 190 84 909 33 50 265 87 293 3 11 20 2 1 5 1 0 0 0 34 38 3 295 65 128 124 26 143 24 325 488 155 1764 930 573 178 1367 60 94 441 220 221 3 21 12 12 0 16 0 1 2 3 37 31 3 237 21 101 79 20 64 5 330 244 63 996 1051 379 161 1020 76 89 240 277 225 2 17 7 1 2 10 2 0 0 0 59 138 6 819 157 413 432 123 475 130 4048 2171 575 4917 2428 2587 478 3711 127 323 2251 656 1010 40 139 141 46 56 72 9 2 2 6 117 Total 918 242 12 1470 260 703 716 172 864 179 4849 3156 853 8130 4967 3729 901 7007 296 556 3197 1240 1748 48 188 180 61 59 103 12 3 4 9 247 91 a641A Postes nationales Télécommunications (hors C642C transmissions audiovisuelles) Transmission d'émissions de radio d642D et de télévision z721Z Conseil en systèmes informatiques Edition de logiciels (non a722A personnalisés) Autres activités de réalisation de C722C logiciels Z723Z Traitement de données Z724Z Activités de banques de données Recherche-développement en Z731Z sciences physiques et naturelles Recherche-développement en Z732Z sciences humaines et sociales A741A Activités juridiques C741C Activités comptables E741E Etudes de marché et sondages Conseil pour les affaires et la G741G gestion J741J Administration d'entreprises A742A Activités d'architecture B742B Métreurs, géomètres C742C Ingénierie, études techniques Analyses, essais et inspections B743B techniques A744A Gestion de supports de publicité B744B Agences, conseil en publicité Sélection et mise à disposition de F748F personnel J748J Travail temporaire A921A Secrétariat et traduction B921B Organisation de foires et salons Production de films pour la C921C télévision Production de films institutionnels D921D et publicitaires F921F Production de films pour le cinéma Prestations techniques pour le A922A cinéma et la télévision Distribution de films B922B cinématographiques D922D Activités de radio Production de programmes de E922E télévision F922F Edition de chaînes généralistes Z924Z Edition de chaînes thématiques Projet SIMBAD APPENDIX 5 Yearly Fine Distribution of Back Office activities Back Office Denomination activite Location avec opérateur de matériel 45.5z de construction Gestion d'infrastructures de 63.2a transports terrestres Services portuaires, maritimes et 63.2c fluviaux 63.2e Services aéroportuaires 63.4b Affrètement Organisation des transports 63.4c internationaux Location de courte durée de 71.1a véhicules automobiles Location de longue durée de 71.1b véhicules automobiles Location d'autres matériels de 71.2a transport terrestre Location de matériels de transport 71.2c par eau Location d'appareils de transport 71.2e aérien Location de machines et équipements 71.3c pour la construction Location de machines de bureau et 71.3e de matériel informatique 71.4a Location de linge 74.3a Contrôle technique automobile 74.6z Enquêtes et sécurité 74.7z Activités de nettoyage Studios et autres activités 74.8a photographiques Laboratoires techniques de 74.8b développement et de tirage 74.8d Conditionnement à façon 74.8h Centres d'appel 74.8k Services annexes à la production 90.0a Collecte et traitement des eaux usées Enlèvement et traitement des ordures 90.0b ménagères Traitements des autres déchets 90.0e solides Autres travaux d'assainissement et de 90.0g voirie 92.1g Edition et distribution vidéo 92.3b Services annexes aux spectacles 92.3d Gestion de salles de spectacles 93.0a Blanchisserie - teinturerie de gros 1982 0 107 4 16 0 71 0 0 53 0 0 101 21 0 0 0 1133 497 66 0 0 1451 19 43 0 0 0 166 58 37 86 13 23 21 4 3 1990 1999 4 36 12 8 41 178 0 0 39 1 10 79 16 9 98 172 794 202 69 25 0 1431 166 39 0 0 12 336 111 38 2005 7 51 12 10 44 218 86 37 42 6 13 90 23 11 124 274 979 188 68 47 32 1574 202 42 33 4 13 352 113 28 Totale 11 215 32 37 85 555 86 37 157 7 23 356 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 4 25 946 357 116 88 706 264 45 1533 9 28 92 75 13 Projet SIMBAD APPENDIX 6 Spatial Distribution of Back Office activities ZONE4 z455z a632a c632c e632e b634b c634c a711a b711b a712a c712c e712e c713c Location avec opérateur de matériel de construction Gestion d'infrastructures de transports terrestres Services portuaires, maritimes et fluviaux Services aéroportuaires Affrètement Organisation des transports internationaux Location de courte durée de véhicules automobiles Location de longue durée de véhicules automobiles Location d'autres matériels de transport terrestre Location de matériels de transport par eau Location d'appareils de transport aérien Location de machines et équipements pour la construction Location de machines de bureau et de matériel informatique Location de linge Contrôle technique automobile Enquêtes et sécurité Activités de nettoyage Studios et autres activités photographiques Laboratoires techniques de développement et de tirage Conditionnement à façon Centres d'appel Services annexes à la production Collecte et traitement des eaux usées Enlèvement et traitement des ordures ménagères Traitements des autres déchets solides 1ere Couronne Est 5 43 0 19 10 91 15 6 22 0 3 112 1ere Couronne Ouest 1 17 1 0 4 22 6 10 27 1 1 82 2eme Couronne Centre 5 23 1 16 52 284 22 6 39 1 5 104 0 131 30 2 19 157 43 15 68 5 14 58 Totale 11 215 32 37 85 555 86 37 157 7 23 356 e713e a714a a743a z746z z747z a748a b748b d748d h748h k748k a900a b900b e900e 8 4 42 60 658 198 26 5 0 776 14 50 9 22 5 38 67 575 185 31 10 5 922 29 17 7 3 5 78 76 729 178 28 43 4 778 340 53 13 41 6 64 243 1650 590 164 14 23 3514 13 33 4 73 20 222 446 3612 1151 248 72 32 5989 396 152 33 93 Projet SIMBAD APPENDIX 3 Evolution of number of jobs EN1 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 8,58% 13,68% 9,10% 9,66% 11,22% 7,45% 14,10% 16,21% 15,55% 9,76% 11,32% 13,88% 74,86% 62,45% 62,81% 59,36% APPENDIX 4. Evolution of number of jobs EN2 1982-2005 1982 1 couronne Est 1 couronne ouest 2 couronne Centre 1990 1999 2005 11,54% 19,78% 16,41% 20,21% 12,15% 13,15% 13,43% 14,52% 18,71% 11,93% 25,49% 29,07% 57,60% 55,14% 44,67% 36,20% Projet SIMBAD APPENDIX 5 1999 Bivariate Lisa between Business Services and "poors" or "rich » Rich IRIS Front office activities Poor IRIS Back office activities 95 Projet SIMBAD Table 1 Hausman test for fixed versus random effects for Front office activities (B) (b-B) Sqrt ---- Coefficients ---(b) fixed random Difference (diag(V_b-V_B)) Locational Quotient of the 0,3029501 0,3577478 -0,0547977 0,0114872 sector concerned Accessibility to employment 0,29866 0,2383096 0,0603504 0,0100724 Cadres 0,4182277 0,3194995 0,0987282 0,0208149 Ouvriers -0,0335321 0,0068505 -0,0403827 0,0264077 Locational Quotient of real 0,1107621 0,0862397 0,0245224 0,0105087 estate activities Locational Quotient of -0,0427813 0,030289 0,0076581 administration 0,0730703 Locational Quotient of retail 0,1387461 0,1540021 -0,0152561 0,0098953 trade Locational Quotient of whole 0,0793657 0,0404762 0,0388895 0,0133662 sale trade Zone Franche urbaine 0,3340292 0,3427778 -0,0087486 0,0679821 (dummy) Number of not taxed -0,0121904 0,002546 -0,0147364 0,0018344 households Table 3 Hausman test for fixed versus random effects for Back office activities (b-B) Difference -0,1377194 0,1070401 -0,0508565 0,1053839 0,0292836 0,0175819 0,1013848 0,1115918 0,2177993 0,0010905 Sqrt (diag(V_b-V_B)) 0,0500944 0,0360105 0,0533044 0,0812558 0,0295852 0,0152579 0,0409521 0,0547594 0,1783906 0,0072509 ---- Coefficients ---Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of transports Locational Quotient of logistics Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households (b) fixed 0,0606984 0,3503816 0,0990246 0,1791493 0,1402008 0,0093855 0,2729169 0,2768344 0,2791986 -0,0000798 (B) random 0,1984178 0,2433415 0,149881 0,0737654 0,1109172 -0,0081964 0,1715321 0,1652426 0,0613993 -0,0011703 Projet SIMBAD Appendix Table 2. Poisson estimation of number of Front office activities localized for each time period Locational Quotient of the sector concerned Accessibility to employment Cadres Ouvriers Locational Quotient of real estate activities Locational Quotient of administration Locational Quotient of retail trade Locational Quotient of whole sale trade Zone Franche urbaine (dummy) Number of not taxed households constant -0,03 [0,0020962]*** 1,43 [0,1608816]*** 0,01 [0,0016101]*** -1,89 [0,2651168]*** 1982 0,37 [0,0280989]*** 0,25 [0,0077735]*** 0,07 [0,0185495]*** 0,05 [0,0229203]** 0,33 [0,0362292]*** 0,07 [0,0255394]*** 0,16 [0,0288513]*** -0,17 [0,0476818]*** 1990 -0,16 [0,0393487]*** 0,42 [0,0255615]*** 0,38 [0,0319488]*** -0,07 [0,0409987]* 0,1 [0,0307155]*** -0,04 [0,0187238]* 0,15 [0,0256944]*** 0,1 [0,034867]*** 1999 -0,14 [0,0177229]*** 0,52 [0,0082963]*** 0,24 [0,0137637]*** -0,15 [0,0130317]*** 0,08 [0,0099078]*** -0,01 [0,0085372]ns 0,11 [0,0107779]*** 0,03 [0,0113685]*** 0,32 [0,1106306]*** 0,02 [0,0008735]*** -1,36 [0,1207811]*** 2005 -0,15 [0,0157304]*** 0,52 [0,0069995]*** 0,26 [0,011604]*** -0,15 [0,0107877]*** 0,09 [0,0091013]*** 0 [0,0075271]ns 0,13 [0,0089371]*** 0,03 [0,0092082]*** 0,32 [0,0578464]*** 0,02 [0,000696]*** -1,28 [0,0946727]*** Table 3. Poisson estimation of number of back office activities localized for each time period 1982 0,23 Locational Quotient of the sector concerned [0,0405169]*** 0,26 Accessibility to employment [0,013208]*** 0 Cadres [0,0301485]ns 0,12 Ouvriers [0,0449218]*** 0,4 Locational Quotient of transports [0,0485238]*** 0,22 Locational Quotient of logistics [0,0449417]*** 0,13 Locational Quotient of retail trade [0,0477156]*** -0,13 Locational Quotient of whole sale trade [0,0764427]* Zone Franche urbaine (dummy) Number of not taxed households Constant -0,03 0,01 [0,0030542]*** [0,0024748]*** 0,59 -1,7 [0,2996341]** [0,3901378]*** 1990 -0,15 [0,0494872]*** 0,45 [0,0357571]*** 0,15 [0,0430667]*** 0,03 [0,0608725]ns 0,05 [0,0491889]ns 0,08 [0,0291371]*** 0,08 [0,0377795]** 0,1 [0,0553522]* 1999 -0,15 [0,021523]*** 0,52 [0,0143845]*** 0,1 [0,0216996]*** 0,02 [0,0238528]ns 0,01 [0,0174565]ns 0,03 [0,0157456]* -0,04 [0,0185491]* 0,05 [0,0218178]*** -0,01 [0,1579379]ns 0,02 [0,0013675]*** -2,09 [0,1947112]*** 2005 -0,19 [0,0204369]*** 0,52 [0,0135348]*** 0,08 [0,0201292]*** 0,01 [0,0219201]ns 0 [0,0174118]ns 0,02 [0,0153371]ns 0 [0,0173941]ns 0,07 [0,0194414]*** 0,26 [0,0902894]*** 0,02 [0,0012156]*** -2,02 [0,173685]*** 97 Projet SIMBAD 4. Estimer les émissions de polluants atmosphériques : quel est le poids de la caractérisation du parc de véhicules Auteurs: Lény Grassot, Jean-Pierre Nicolas, Pascal Pluvinet. Première version d'un texte soumis à la revue Recherche Transports Sécurité Résumé: Depuis les années 90, l'évaluation des projets de transport intègre systématiquement une estimation des émissions de polluants atmosphériques. Cet article propose une réflexion méthodologique sur l'impact des hypothèses qui sont faites pour établir les calculs, et il se concentre plus particulièrement sur celles liées au parc automobile. En effet, ce parc est souvent défini à partir des caractéristiques du parc roulant national, sans prendre en compte les spécificités locales. A partir des données de l'enquête ménages déplacements lyonnaise de 2006 et de l'utilisation du modèle SIMBAD développé au LET, nous comparons ici les résultats obtenus en matière d'émissions de CO2 et de NOx avec le parc national français, le parc lyonnais agrégé et le même parc désagrégé en fonction de la localisation et du revenu des ménages. Nous montrons que les erreurs peuvent être très variables selon le polluant et l'échelle d'observation. L'utilisation d'un parc local agrégé apparaît intéressante et suffisante pour établir des bilans globaux d'émissions. Si l'on veut des résultats à un niveau spatial plus détaillé, le recours à ce parc local améliore nettement les estimations fournies par un parc national ; sa désagrégation affine encore les résultats pour les NOx. Mots clés : Trafic routier, polluants atmosphérique, évaluation, parc automobile, COPERT, modélisation Projet SIMBAD Depuis les années 90, l'estimation des émissions de polluants atmosphériques est un exercice systématiquement mené dans l'évaluation des projets de transport, que ce soit dans le cadre des études d'impact en amont des investissements d'infrastructures, ou pour évaluer des politiques générales d'agglomérations comme dans le cas d'un Plan de Déplacement Urbain ou, aujourd'hui, des réflexions sur les Zones d'Actions Prioritaires pour l'Air (ZAPA). Les exigences nationales du Grenelle de l'Environnement et les engagements européens en matière de réduction par 4 de nos émissions de gaz à effet de serre d'ici 2050 ont encore renforcé l'importance de ce travail ces dernières années. A ce titre, il est indispensable de disposer d'outils fiables pour réaliser ce type d'estimations. Actuellement, une fois estimés les trafics par tronçon de voirie, la méthodologie classiquement retenue articule trois grands types d'informations : (1) des formules d'émissions de polluant fournissent un niveau d'émission attendu pour (2) un type de véhicule donné en fonction de (3) sa vitesse. Chacune des hypothèses établies lors de la phase d'affectation du trafic puis pour constituer ce triptyque (courbes d'émissions / parc de véhicules / vitesse) introduit une part d'incertitude dans les estimations des émissions. Sans forcément chercher à remettre en cause les résultats obtenus et les décisions qui en découlent, établies au mieux en fonction des connaissances disponibles, il apparaît nécessaire d'avoir une idée des types d'erreurs, de leur ampleur potentielle et de la manière dont elles peuvent jouer entre elles, pour mieux contrôler les conclusions que les estimations finales permettent de tenir. Dans le cadre de cet article, nous nous concentrons plus particulièrement sur les hypothèses liées au parc automobile. En effet, les parcs peuvent différer d'une région à l'autre en fonction de leur climat, de leur degré d'urbanisation, du niveau de vie moyen de leur population, etc. Par ailleurs, les parcs en circulation sont loin d'être identiques entre les trafics interurbains et les trafics urbains, de même qu'en urbain des différences notables de taille, d'âge et de carburation des véhicules peuvent être attendues entre les ménages vivant en centre-ville et ceux résidant en périphérie. Dans quelle mesure ces spécificités locales peuvent-elles faire varier les estimations des émissions ? Pour répondre à cette question, nous utilisons le terrain particulier de l'aire urbaine de Lyon, dont les trafics ont été modélisés dans le cadre du projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable) développé au Laboratoire d'Economie des Transports (Nicolas et al., 2009), et nous analysons les écarts d'estimation obtenus avec l'utilisation d'un parc national et de parcs locaux plus ou moins finement désagrégés. L'article se déroule en trois parties. Une présentation générale de la méthode d'estimation des émissions de polluants liés au trafic est tout d'abord réalisée. Elle permet, dans un deuxième temps, de mieux préciser la problématique du travail et la méthodologie utilisée pour y répondre, dans le cadre du terrain et des outils retenus. Enfin, les résultats obtenus sont présentés et analysés. 4.1. Contexte - l'estimation des émissions de polluants atmosphériques liées au trafic routier La méthode traditionnellement utilisée par les Centres d'Etudes Techniques de l'Equipement, les collectivités locales ou les bureaux d'études pour évaluer les émissions de polluants atmosphériques liés au trafic automobile repose sur les recherches menées au niveau européen depuis les années 80 (Cheynet, 2011). Initiées par les programmes CORINAIR 1 et 2 (CEC, 1993), MEET (CEC, 1999), renforcées par l'action COST319 (Joumard et al., 1999) et poursuivies par le programme ARTEMIS (2000-), ces recherches ont abouties à la mise au point et à l'actualisation constante de la méthodologie de calcul COPERT (Ntziachristos et al., 2010). Déclinée au niveau national, celle-ci a donné jour à des outils comme le logiciel Impact de l'ADEME (ADEME, 2003) ou l'application 99 Projet SIMBAD COPCETE développée par les services techniques du Ministère de l'Ecologie, du Développement Durable, des Transports et du Logement. Sur quels principes repose cette méthodologie ? De manière simplifiée, les émissions d'un véhicule dépendent tout à la fois de ses caractéristiques techniques propres et des conditions de circulation qu'il rencontre, qui jouent tant sur sa vitesse moyenne que, en instantané, sur ses accélérations, décélérations, etc. A ces deux principaux éléments, se rajoutent d'autres facteurs comme la pente des infrastructures empruntées, les conditions météorologiques ou, au cours des premiers kilomètre, la température du moteur au démarrage. La méthodologie COPERT repose sur la mise en évidence statistiques des corrélations entre une vitesse moyenne, supposée représentative d'un type de condition de circulation, et les niveaux d'émissions des différents polluants. Chaque type de véhicule, défini en fonction de son âge et des normes techniques qu'il devait respecter l'année de sa fabrication, de sa cylindrée et de sa carburation, dispose ainsi d'une courbe liant vitesse et émissions. Des coefficients sont ensuite proposés pour corriger cette première estimation en prenant en compte l'impact de chacun des autres facteurs évoqués. Certaines des hypothèses retenues dans le cadre de COPERT sont plus particulièrement réinterrogées dans les travaux de recherche en cours et les méthodologies alternatives développées. Elles concernent surtout la manière de prendre en compte la cinématique des véhicules, résumée pour l'instant à une simple vitesse moyenne. En effet, par exemple, là où une vitesse moyenne de 40 km/h témoigne de conditions de circulation idéales en milieu urbain, elle peut cacher des conditions très difficiles et heurtées sur une route nationale ou une autoroute, avec des consommations et des émissions qui peuvent être différentes entre les deux cas. Une première solution permettant de rester avec une approche agrégée consiste à constater qu'il existe des cycles de conduite types, représentatifs de conditions de circulation particulières, (Joumard et al., 1987) qu'il convient de repérer pour estimer les émissions correctement. Ainsi, dans le projet ARTEMIS qui prolonge COPERT, ces cycles de conduite sont repérés en croisant la vitesse moyenne avec le type de tronçon routier sur lequel circulent les véhicules. Cette distinction a conduit à l'estimation de courbes d'émissions plus fines et circonstanciées, qui devraient être bientôt introduites dans les modèles de calcul des émissions (cf. Hausberger et al., 2009). Une autre solution consiste à développer des approches désagrégées à partir de modèles de simulation dynamique du trafic qui vont calculer des vitesses instantanées pour les véhicules tronçon par tronçon, voire véhicule par véhicules à l'intérieur de chaque tronçon (Can et al. 2010). Il existe des modèles basés sur cette approche, mais ils restent pour l'instant très consommateurs de données et de puissance de calcul et ils sont plus cantonnés au niveau du quartier qu'à celui d'une agglomération ou de son bassin d'emplois. Par contre, à côté de ces différents types de travaux, il n'existe pas, à notre connaissance, de réflexion poussée sur la manière de représenter le parc automobile dans les approches agrégées comme COPERT. Plus précisément, des parcs nationaux sont établis pour chaque pays européen mais, par contre, il n'existe pas de réflexion au niveau intra-national. Ainsi, en France, des statistiques sont régulièrement collectées à partir des enquêtes Parc Auto Sofres pour fournir un état annuel du parc en circulation, avec la caractérisation de sa structure en fonction du croisement des trois variables que sont la norme européenne d'émission respectée (liée à l'âge), le type de carburation et la puissance (Gallez et Hivert, 1998). A partir de là, des prospectives sont établies pour fournir une image de ce parc pour les années à venir (Bourdeau, 1997; Hugrel et Joumard, 2006). Par contre, ces travaux restent établis au niveau national, sans qu'il y ait de réflexion au niveau local. Cet article s'interroge sur l'intérêt que pourrait représenter un tel travail dans le cadre d'estimations des émissions rattachées à un territoire local particulier. Projet SIMBAD 4.2. Méthode - comparer les niveaux d'émissions obtenues à partir de différents parcs automobile Le parti pris pour répondre à cette question de l'intérêt de différencier le parc automobile en fonction du lieu de l'estimation a été de se focaliser sur le terrain particulier de l'agglomération lyonnaise, où les données de la dernière enquête ménages déplacements de 2006 et l'utilisation du modèle SIMBAD permettaient d'évaluer les émissions avec plusieurs parcs différents et de comparer les résultats obtenus. 4.2.1. L'enquête ménages déplacements de Lyon 2006 L'enquête ménages déplacements de 2006 concerne un échantillon de 11 229 ménages, soit 25 656 personnes de cinq ans et plus, effectuant 96 250 déplacements. Son périmètre d'étude couvre la totalité de l'aire urbaine, et la dépasse au Nord en débordant au dessus de Villefanche. Il correspond ainsi à une population de 832 618 ménages et 1 975 260 personnes (moins de cinq ans incluses). Ce type d'enquêtes est établi sur la base d'une procédure standard, contrôlée par le CERTU (Centre d'Etudes et de Recherche sur les Transports, l'Urbanisme et les constructions publiques), organisme national membre du Réseau Scientifique et Technique du MEDDTL. Elles sont menées tous les dix ans environs dans toutes les grandes agglomérations françaises. Le ménage constitue l'unité statistique d'observation. Toutes les personnes de cinq ans et plus appartenant à ce ménage sont interrogées sur leurs déplacements réalisés la veille du jour de l'enquête. Cette dernière se déroule du mardi au samedi et ne prend donc pas en compte la mobilité de la fin de la semaine. Les données recueillies concernent les principales caractéristiques socio-économiques des ménages et des personnes ainsi que des informations sur les déplacements comme l'origine et la destination, le motif, les modes utilisés, les horaires, etc. Pour ce qui nous concerne plus particulièrement ici, l'ensemble du parc automobile de chaque ménage enquêté est décrit, et l'on connaît ainsi ses caractéristiques en termes de carburation et de normes Euro. Par ailleurs, l'enquête fournit la puissance fiscale des véhicules. Croisée avec l'âge et la carburation de chaque véhicule, cette variable permet de leur attribuer une cylindrée d'une manière aléatoire qui respecte les répartitions au sein du parc national établies à partir du panel Sofres Parc Auto (Gallez et Hivert, 1998). Enfin, connaissant tous les déplacements de la veille réalisés par chaque voiture, avec leur origine et leur destination, une affectation sur le réseau à partir du modèle Visum a permis de déterminer la distance totale qu'elle a parcourue. Chaque véhicule peut être ainsi pondéré de son kilométrage, permettant d'estimer les caractéristiques du parc en circulation. 4.2.2. Le modèle Simbad Les calculs ont pu être réalisés grâce au projet SIMBAD qui articule un modèle Transport et un modèle d'Urbanisme (Nicolas et al, 2009). La plate forme simule l'ensemble des déplacements réalisés sur l'aire urbaine de Lyon, en prenant en compte les déplacements tant en modes individuels que collectifs, ceux générés à l'intérieur du périmètre d'étude que l'échange et le transit, les personnes que les marchandises. Son année de référence est 1999, et l'horizon de projection 2025, avec des itérations successives de pas d'un an. Les 662 000 ménages de l'aire urbaine de Lyon sont pris en compte, leur nombre évolue jusqu'en 2025 en adéquation avec les prévisions du modèle OMPHALE de l'INSEE, et leur mobilité est représentée. La modélisation Transport au sein de SIMBAD distingue les différents types de trafics. Ainsi par exemple, les trafics de marchandises sont pris en compte grâce au modèle FRETURB (Routhier et al., 2010) et les trafics d'échange et de transit disposent d'un module particulier. Pour ce qui nous 101 Projet SIMBAD concerne ici, à savoir les trafics générés par les résidents de l'aire urbaine, ils reposent sur une modélisation classique à 4 étapes, enchaînant une génération des boucles domicile / motif principal / domicile, leur distribution entre les différentes zones de l'aire urbaine (en l'occurrence, ses 777 IRIS), leur répartition entre déplacements automobile, en transports collectifs ou en modes doux et, enfin, leur affectation sur les réseaux correspondants. De plus, trois chaînes ont été distinguées pour cette procédure, en fonction des revenus du ménage28. Trois chaînes transport ont été modélisées, en distinguant les 20% des ménages les plus modestes, les 60% médians et les 20% les plus aisés. Dans ce cadre, le module d'affectation du logiciel VISUM est utilisé. Le réseau routier a été codé et calibré sur 1999, avec une prise en compte des évolutions des années suivantes ­ le réseau de 2006 est ainsi représenté. Les trois matrices origine-destination obtenues pour chacun des trois types de ménages (ainsi que les matrices correspondant aux autres types de trafics) sont affectées de manière cohérente mais distincte grâce à la procédure d'affectation « multi classes » sous VISUM. Cette manière de faire permet de savoir ensuite quels types de ménages se sont déplacés, et où sur les réseaux : on dispose ainsi, sur chaque tronçon du réseau routier, du nombre estimé de véhicules correspondant à chacune des matrices affectées. Enfin, dernier point, l'affectation s'est faite avec des matrices d'heure de pointe et des matrices d'heure creuse, permettant de ramener les estimations d'émissions au niveau global d'un jour de semaine. 4.2.3. Trois types de parc automobile à comparer A partir de ces données issues d'une enquête ménages déplacements et des possibilités offertes par la plateforme SIMBAD, trois types de parc automobile ont été distingués pour calculer des émissions de polluants. Tout d'abord, une répartition par types de véhicules représentative du parc national en 2006 a été utilisée comme référence. Elle correspond au parc recommandé par l'ADEME et implanté dans son modèle IMPACT. L'enquête ménages déplacements lyonnaise a permis d'établir une répartition de même type avec les véhicules des ménages lyonnais en circulation sur le territoire de l'aire urbaine. Elle fournit ainsi un parc local agrégé, aux caractéristiques différenciées par rapport au parc national, comme nous le verrons plus loin. Enfin, l'outil SIMBAD offrant la possibilité de distinguer les ménages par catégories de revenu, il devenait intéressant de voir si un parc désagrégé peut améliorer encore les résultats d'émissions, tant au niveau global du territoire observé qu'à un niveau spatial plus fin. A côté du revenu, l'autre variable fortement explicative du type de véhicules utilisés par les ménages étant leur localisation, notre travail a également été l'occasion de distinguer 3 zones entre les ménages résidant dans le noyau urbain central (Lyon et Villeurbanne), ceux de banlieue (reste du Grand Lyon) et ceux de périphérie (reste de l'aire urbaine). La carte ci-dessous permet de visualiser le découpage ainsi retenu. En croisant les 3 niveaux de revenus et les 3 zones de résidence, 9 sous parcs locaux ont dès lors pu être reconstitués selon la même méthode que pour le parc local agrégé. Comme évoqué précédemment, ils ont été affectés sur le réseau routier à partir de la procédure « multi classes » de VISUM afin de disposer de leur répartition dans l'espace lyonnais et sur les différentes catégories de voirie. 28 Dans le cadre de Simbad, chaque ménage de l'aire urbaine est caractérisé par son revenu par unité de consommation, à savoir son revenu total ramené par personne, avec une pondération qui tient compte des économies d'échelle au sein du ménage : la première personne est comptée pour 1, la seconde pour 0,7 et les suivantes 0,5, suivant ainsi les préconisations de l'INSEE (Hourriez et Olier, 1997). Projet SIMBAD 4.2.4. Deux polluants testés : CO2 et NOx Deux types de polluants ont été retenus pour réaliser des comparaisons. D'une part, le CO2 a été pris en considération car il représente un enjeu global du fait de son poids dans le renforcement de l'effet de serre. L'estimation systématique, aujourd'hui, de ce polluant dans l'évaluation des politiques et des projets de transport rendait sa prise en compte incontournable dans notre exercice. D'autre part, il apparaissait important de tester un polluant représentant des enjeux de nature différente, et avec des impacts plus localisés. Les NOx, irritants notoires du fait de leur pouvoir oxydant et précurseur de la pollution à l'ozone dans les régions ensoleillées, ont été retenus. Ils étaient également intéressants car les fonctions d'émissions qui leurs correspondent sont différentes de celles du CO2. Elles sont notamment plus sensibles aux variations de vitesse, mais également aux caractéristiques du parc. 4.2.5. Quelques points méthodologiques supplémentaires Quelques points de méthode méritent d'être évoqués pour que l'analyse des résultats puisse ensuite être discutée convenablement. L'utilisation de COPERT à partir des résultats d'un modèle d'affectation L'utilisation d'un outil de modélisation de trafic n'est a priori pas la plus adaptée pour utiliser les courbes fournies par COPERT. En effet, celles-ci sont établies pour rendre compte des émissions liées à la vitesse moyenne d'un déplacement, et non pour la vitesse moyenne sur un tronçon, telle qu'elle est calculée par un modèle d'affectation. Ainsi, les concepteurs de COPERT recommandent d'utiliser l'outil pour des distances parcourues d'au moins 1 km (Ntziachristos et al., 2010). Cet abus d'usage des courbes COPERT est cependant généralisé, puisque tous les projets sont évalués de cette manière. Nous reproduisons donc l'erreur, mais en nous concentrant sur un autre point, l'effet parc, qui n'est pas affecté. Notons cependant que cette erreur est amoindrie dans les cas, comme ici, où les estimations ne sont analysées qu'à un niveau agrégé, avec un grand nombre de tronçons pris en compte en même temps et donc des résultats moyennés. La prise en compte des vitesses aux noeuds VISUM fournit une vitesse moyenne par tronçon, hors ralentissement lié aux carrefours, qui sont traités spécifiquement à travers des « pénalités aux noeuds ». Ces données de temps au noeud ont été intégrées en ajoutant chacune d'entre elles au temps de leur tronçon amont. Ceci a permis de travailler avec des vitesses sur le réseau plus réalistes, et répond de manière partielle à la réserve précédente sur l'usage de COPERT pour des vitesses moyennées. La prise en compte des surémissions liées aux démarrages à froid Les formules COPERT permettent de calculer les émissions des véhicules dont le moteur est chaud. Cependant, ces émissions peuvent fortement varier dans les premiers temps qui suivent le démarrage, lorsque le moteur est froid. Pour corriger cet effet, nous avons repris les coefficients proposés par COPERT, établis sur la base d'une proportion moyenne de véhicules circulant à froid. Cependant, le nombre de petits déplacements est proportionnellement plus important dans le cadre d'une circulation urbaine qu'à un niveau moyen national. L'effet « démarrages à froid » est donc sous-estimé dans nos calculs. Nous avons malgré tout conservé ces coefficients, qui sont systématiquement utilisés et qui ne modifient pas les écarts d'estimation induits par les différences entre les parcs automobiles. Une correction des très faibles vitesses pour estimer les émissions 103 Projet SIMBAD Concernant le CO2, les émissions des véhicules circulant entre 0 et 10 km/h ont été calées sur les émissions à 10 km/h (Graphique 3). En effet, les formules COPERT ne sont valides qu'à partir de cette vitesse et leur prolongement conduit à des émissions infinies pour les vitesses très petites. Cette adaptation des courbes ne concerne cependant qu'une part limitée du total du trafic mesuré en veh.km, et l'approximation induite reste donc marginale. 4.3. Mesurer l'impact des hypothèses du parc routier à partir de l'exemple lyonnais Une caractérisation des parcs utilisés, tant en matière technologique que d'émissions unitaires moyennes en fonction des vitesses, apparaît comme un détour indispensable pour pouvoir analyser correctement les résultats obtenus en matière d'estimation des émissions. 4.3.1. Des différences notables entre les parcs... Comme le montre le tableau ci-dessous, les 11 parcs automobiles qui se trouvent finalement comparés (un parc national, un parc local agrégé et neuf sous-parcs locaux) s'avèrent bien différents suivant les trois variables descriptives qui sont utilisées (carburation, âge et cylindrée). La carburation. Tout d'abord, le parc national en circulation est plus diésélisé que le parc lyonnais (Graphique 1) : 53% des véhicules kilomètres sont diesel pour le premier, contre 45% pour le second, ce qui est cohérent avec le fait de comparer des trafics nationaux et ceux d'une agglomération millionnaire dense. Lorsque l'on rentre dans le détail, de nettes disparités apparaissent à l'intérieur de l'aire urbaine, notamment en fonction de la zone de résidence des ménages : leur usage du diesel augmente fortement en fonction de la distance au centre, pour atteindre des taux comparables au taux national en périphérie. Dans une moindre mesure, et de manière plus dispersée selon les zones, le revenu joue également, avec des ménages aisés un peu moins diésélisés que les autres (49% de diésélisation pour les ménages modestes et médians contre 45% pour les plus aisés). Graphique 1 : taux de diésélisation au sein des 11 parcs étudiés Taux de diésélisation (%parc) 60% 50% 40% 30% 20% 10% 0% L'âge. Au niveau agrégé, l'âge moyen du parc lyonnais est équivalent à celui du parc national (7,9 ans). La distinction suivant la zone géographique de résidence n'apporte qu'une légère différenciation avec des âges moyens de respectivement 7,6 7,8 et 8 ans pour le centre, la 1ère et la Projet SIMBAD 2ème couronne (cf. Graphique 2). Les ménages multimotorisés de périphérie utilisant souvent des véhicules plus anciens comme seconde ou troisième voitures, le parc vieillit légèrement lorsque l'on passe du centre vers la périphérie. Cependant, ce sont surtout les différences de revenus qui génèrent des écarts entre les âges des parcs des ménages : on passe de 9,9 à 8,2 puis 6,6 ans d'âge moyen entre le 1er quintile de revenu, les 60% médians et le quintile le plus aisé. Graphique 2 : âge moyen des véhicules au sein des 11 parcs étudiés Âge moyen des véhicules 12 10 8 6 4 2 La cylindrée. Enfin, la cylindrée des véhicules du parc lyonnais est légèrement plus faible qu'au 0 niveau national, avec notamment un taux de petits véhicules plus important (45% de 4-5 CV au sein de l'aire urbaine de Lyon, contre 42% au niveau national). Comme dans le cas du niveau de diésélisation, les caractéristiques urbaines ressortent ici par rapport à un territoire plus large. L'examen à un niveau plus désagrégé (Tableau 1) fait apparaître une légère bascule entre les véhicules de petites et moyennes cylindrées lorsque l'on passe du centre à la périphérie, avec les voitures 4-5 CV majoritaires dans le centre urbain (48%) remplacées partiellement par des 6-7 CV en périurbain (46%). La proportion des grosses cylindrées de 8 CV et plus reste quant à elle insensible à la localisation (10% des véhicules quelle que soit la zone), mais dépend largement du revenu des ménages, passant de 7% chez les bas revenus à 14% pour les plus aisés. 105 Projet SIMBAD Tableau 1 : répartition des cylindrées des véhicules au sein des 11 parcs étudiés Cylindrée Lieu de résidence Centre Niveau de revenu Bas 51% 43% 42% 45% 44% 49% 51% 48% 5% 8% 7% 7% Médian 47% 43% 41% 44% 45% 47% 48% 47% 8% 9% 10% 9% Haut 47% 43% 38% 43% 38% 46% 48% 43% 15% 11% 15% 14% moyenne 48% 46% 44% 45% 42% 45% 46% 45% 10% 10% 10% 10% 4-5 CV Grand Lyon Aire Urbaine moyenne Centre 6-7 CV Grand Lyon Aire Urbaine moyenne Centre 8 CV et+ Grand Lyon Aire Urbaine moyenne 4.3.2. ... qui se traduisent par des courbes d'émissions différentes suivant le parc Ces différences de caractéristiques des parcs ont bien évidemment un impact sur l'estimation des émissions. Une première manière de mettre cela en évidence passe par la constitution et la comparaison des courbes d'émissions moyennes de chacun des parcs en fonction de la vitesse. En effet, comme dans la méthodologie COPERT chaque parc est constitué d'une proportion donnée de chaque classe de véhicules, considérée constante quelle que soit la vitesse, il est possible d'établir une courbe moyenne d'émissions d'un parc en faisant la moyenne des courbes de chaque type, pondérées chacune par sa proportion dans le parc : em(v) = i i.ei(v) avec : em(v) : émissions unitaires moyennes du parc à la vitesse v i : classe du véhicule définie par COPERT i : proportion de la classe i dans le parc considéré ei(v) : émissions unitaires de la classe i à la vitesse v Les courbes d'émissions moyennes de CO2 et de NOx du parc national et du parc lyonnais agrégé peuvent ainsi être calculées et comparées (graphiques 3, 4 et 5). Elles montrent immédiatement qu'en matière de CO2, les différences de résultats sont relativement minimes. Les véhicules lyonnais sont en moyenne plus petits que dans le parc roulant au niveau national, mais cet effet est en partie compensé par le fait qu'ils sont moins diésélisés. Le parc lyonnais apparaît dès lors légèrement moins émetteur que le parc national, avec une sous émission de l'ordre de 7 à 8% pour les vitesses inférieures à 80 km/h, qui se réduit ensuite progressivement jusqu'à -4% à 130 km/h. En matière de NOx, les mêmes causes produisent des effets bien différents car ce polluant est à la fois très sensible au type de carburation et à la vitesse. La plus petite cylindrée des véhicules Projet SIMBAD lyonnais ne suffit plus du tout à compenser leur moindre diésélisation par rapport aux véhicules du parc national, et ils surémettent sensiblement plus. Cette surémission, relativement faible à petites vitesses (inférieure à 10% à moins de 10 km/h) augmente linéairement pour atteindre un maximum de 25% autour de 100 km/h avant de redescendre légèrement à +20% à 130 km/h. On peut donc déjà se rendre compte que quelles que soient les vitesses estimées sur le réseau de l'aire urbaine lyonnaise, les enjeux en matière d'écarts de calculs d'émissions peuvent être relativement importants pour le NOx, alors qu'ils restent contenus pour le CO2. Graphique 3 : courbes d'émissions de CO2 du parc national Graphique 4 : courbes d'émissions de NOx du parc national et du parc lyonnais (g/km) et du parc lyonnais (g/km) Graphique 5 : comparaison des courbes d'émissions de CO2 et NOx du parc lyonnais par rapport au parc national Le même exercice prenant en compte les 9 parcs lyonnais désagrégés montrent des variations très faibles des émissions de CO2 entre les parcs, de l'ordre de ±2% par rapport au parc agrégé, avec par ailleurs des compensations entre eux (Graphiques 6, 7, 8 et 9). On peut également souligner la surémission des 3 parcs des ménages aisés à vitesses moyennes, qui sont liées à leur proportion plus forte de grosses cylindrées. Par opposition, les plus petits véhicules des ménages modestes se positionnent dans le niveau bas des courbes. Cependant, cette opposition s'inverse aux vitesses élevées, supérieures à 100-110 km/h : la moins bonne performance énergétique du parc moins puissant et plus âgé des ménages modestes contribue à sa surémission alors que le parc des ménages plus aisés apparaît plus performant. 107 Projet SIMBAD Pour les NOx, la sensibilité des résultats constatée précédemment se retrouve aussi lorsqu'on compare les variations entre les sous-parcs locaux, avec des écarts allant de +35% à -18% suivant les parcs et les vitesses. Là encore, une opposition nette peut être établie entre les émissions des parcs des ménages modestes et ceux des ménages aisés. En effet, les véhicules sensiblement plus âgés des ménages modestes sont fortement surémetteurs, notamment pour ceux résidant dans le centre et le Grand Lyon - en périurbain, le plus fort taux de diésélisation limite cette surémission. Les véhicules beaucoup plus récents des ménages aisés respectent quant à eux des normes plus strictes et apparaissent systématiquement sous la moyenne du parc agrégé lyonnais. Graphique 6 : courbes d'émissions de CO2 des parcs lyonnais agrégé et désagrégés Graphique 7 : courbes d'émissions de NOx des parcs lyonnais agrégé et désagrégés Graphique 8 : comparaison des courbes d'émissions de CO2 du parc lyonnais agrégé par rapport aux parcs désagrégés Graphique 9 : comparaison des courbes d'émissions de NOx du parc lyonnais agrégé par rapport aux parcs désagrégés 4.3.3. Des émissions globales un peu plus impactées au niveau des NOx que du CO2 Une fois les trafics affectés sur le réseau de l'aire urbaine de Lyon, avec des flux et des vitesses différenciés sur l'ensemble des tronçons de voirie, une estimation des émissions globales peut être faite (Graphiques 10 et 11). Comme le laissaient le prévoir les courbes d'émissions unitaires Projet SIMBAD moyennes, l'impact de la définition du parc est plus fort dans le cas des NOx que dans celui du CO2 : entre un parc national et un parc lyonnais agrégé, les écarts sont de l'ordre de 6% pour les CO2 et de 11% pour le NOx lorsque l'on ne considère que les trafics internes liés aux ménages résidents de l'aire urbaine. La distinction en sous parcs liés à la localisation et au revenu ne change pas les résultats par rapport au parc local agrégé pour le CO2, et ne l'affecte que de manière marginale pour le NOx (+2%). Pour les études dont l'objectif est d'établir un volume total d'émissions sur un périmètre donné, le recours à un parc moyen agrégé à l'échelle territoriale correspondante apparaît dès lors largement suffisant. Graphique 10 : estimation des émissions quotidiennes de CO2 selon les hypothèses de parc utilisées Graphique 11 : estimation des émissions quotidiennes de NOx selon les hypothèses de parc utilisées 4.3.4. Mais surtout des variations locales fortes sur le territoire d'étude Cette stabilité des résultats entre parcs locaux agrégés et désagrégés mérite cependant d'être questionnée plus avant, et ce à double titre. D'une part, nous l'avons vu, les écarts relatifs entre les courbes d'émissions sont différents suivant les vitesses. Or celles-ci ne sont pas les mêmes suivant le type de voirie et leur localisation dans l'agglomération. Une comparaison des résultats obtenus à un niveau territorial fin à partir du parc national et du parc lyonnais agrégé permet de vérifier si cet impact représente un enjeu ou non. D'autre part, les courbes d'émissions du parc lyonnais agrégé apparaissent très différenciées de celles des 9 sous parcs locaux, notamment pour le NOx. Il suffit donc que ces sous-parcs soient répartis de manières spécifiques sur le réseau lyonnais pour que des variations sensibles des estimations apparaissent sur le territoire. Or, la logique de constitution de ces parcs pousse dans ce sens puisqu'elle distingue d'une part les localisations résidentielles centrales et périphériques et d'autre part les revenus des ménages, alors que le territoire est nettement ségrégé suivant cette variable. Pour mettre en évidence cet éventuel impact d'une désagrégation du parc, une comparaison des résultats peut être faite à un niveau spatial fin entre le parc lyonnais et ses neuf sous-parcs. Cas 1 : quel impact des variations de vitesses suivant le type de voirie et la localisation dans l'aire urbaine ? La surestimation moyenne de 6% des émissions de CO2 calculées avec un parc national par rapport à un parc local agrégé reste contenue à environ 4% sur les autoroutes, mais elle dépasse assez systématiquement les 8% sur les autres types de voiries, où la vitesse est plus faible. Au niveau du territoire lyonnais, un découpage de l'aire urbaine en pixels de 1 km x 1 km renvoie alors au même 109 Projet SIMBAD constat, avec les voies les plus rapides qui ressortent du fait d'un écart relatif moins fort qu'ailleurs (Carte 1). Au niveau des émissions de NOx, les écarts d'estimations observés suivant les types de voiries amplifient encore l'écart moyen enregistré entre les deux parcs national et local agrégé : la sous estimation moyenne de 18% varie entre 20% sur les autoroutes et 8% sur les voiries centrales à faibles vitesses. Cependant, si la représentation cartographique permet de toujours visualiser les axes rapides qui génèrent de forts écarts dans les calculs, l'opposition entre le centre (écarts inférieurs à 13%) et la périphérie (écarts facilement compris entre 15 et 18%) est également bien nette (Carte 2). Ainsi, pour le NOx, non seulement l'erreur globale générée par l'utilisation d'un parc national est importante, mais elle est également très variable suivant les espaces considérés. Carte 1 : Variations d'estimation des émissions de CO2 ­ parc national / parc lyonnais agrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 à 4% 4 à 6,5% 6,5 à 8% > à 8% 0 à -11% Taux de variation (%) -11 à -14% -14 à -16% < à -16% Cas 2 : quel impact de la désagrégation du parc lyonnais ? Lorsque le parc lyonnais est désagrégé pour mieux prendre en compte les spécificités des véhicules roulant sur le réseau lyonnais en fonction du revenu et du lieu de résidence des ménages, le gain de précision obtenu est très variable selon le polluant considéré. Il apparaît extrêmement marginal pour le CO2, pour lequel les variations entre parcs locaux agrégé et désagrégé restent inscrites dans une fourchette de ±1%, quelle que soit la zone de l'aire urbaine (Carte 3). Ainsi, dans le cadre des estimations des émissions de gaz à effet de serre liées au trafic d'une agglomération, l'usage d'un parc local agrégé semble largement suffisant. Par contre, dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité des résultats suivant la définition du parc apparaît beaucoup plus forte. En effet, la désagrégation du parc montre que le parc local agrégé tend à sous estimer les émissions en zones centrales (-1 à -3%) et à surestimer celles de périphéries (+2,5 à +7%), amplifiant encore les écarts par rapport aux estimations spatialisées établies avec un parc national (Carte 4). De plus, la carte 4 fait également apparaitre une différence Est/Ouest liée aux différences de revenus. La surestimation en périphérie est plus forte à l'Ouest, où les revenus sont plus faibles et où l'âge des voitures est plus élevé. Projet SIMBAD L'erreur moyenne de -18% générée par le parc national cache dès lors de très fortes disparités locales, justifiant pleinement l'utilisation un d'un parc local désagrégé pour obtenir des estimations correctes des émissions de NOx. Carte 3 : Variations d'estimation des émissions de CO2 ­ parc lyonnais agrégé / désagrégé Carte 2 : Variations d'estimation des émissions de NOx ­ parc national / parc lyonnais agrégé Taux de variation (%) 0 < - 0,2 -0,2 à -0,05 + 0,02 à 0,08 + > à 0,08 Taux de variation (%) 0 <-4 -4 à -0,5 + 0,5 à 1 + 1à3 Très peu de différence Très peu de différence 4.4. Conclusion La définition du parc automobile joue un rôle sensible dans l'estimation des émissions de polluants atmosphériques du trafic urbain, plus ou moins important selon le type de polluant et selon les types de réseau et les vitesses impliquées. Ainsi, l'utilisation du parc national plutôt que du parc local conduirait à une surestimation de 6% des émissions de CO2 et à une sous-estimation de 11% de celles de NOx sur l'aire urbaine de Lyon en 2006. Tant que l'on se situe au niveau d'un bilan global, l'usage d'un parc local moyen apparaît amplement suffisant. Une segmentation en sous parcs bien différenciés en fonction du revenu et de la localisation des ménages n'apporte pas de changement significatif dans les résultats globaux. Lorsque l'on recherche des résultats plus désagrégés au niveau territorial, pour disposer de niveaux d'émissions par zone ou par tronçon, on peut montrer que l'impact du parc n'est pas homogène et que les erreurs peuvent être encore amplifiées dans certaines zones. Cette sensibilité des estimations aux conditions locales de circulation reste cependant très différenciée selon le type de polluant. Dans le cas des émissions de CO2, la convergence des courbes lorsque les vitesses augmentent conduit à des distorsions moins fortes le long des voiries rapides que sur le reste du territoire. Une désagrégation fine du parc local, distinguant le revenu et la localisation des ménages, n'apporte par ailleurs aucune précision supplémentaire dans l'estimation territorialisée des émissions. Dans le cas du NOx, pour lequel l'enjeu d'une estimation spatiale fine est beaucoup plus important, la sensibilité 111 Projet SIMBAD des résultats suivant la définition du parc apparaît beaucoup plus forte. Non seulement la sousestimation moyenne de 11% générée par le parc national apparaît encore plus importante en périphérie, mais la désagrégation du parc lyonnais permet encore de gagner en précision de manière importante. Ainsi, parmi toutes les sources d'incertitudes jouant sur l'estimation des émissions polluantes du trafic urbain (par exemple hypothèses sur les niveaux de trafic, les vitesses, les courbes d'émissions utilisées ou le taux de véhicules roulant à froid, etc.), les hypothèses sur la composition du parc peuvent avoir un impact non négligeable, plus ou moins fort selon le polluant et selon la partie du territoire observé, central ou périphérique, proche d'une voirie rapide ou non. D'un point de vue méthodologique, ce premier travail mériterait d'être élargi aux autres polluants utilisés classiquement dans les évaluations environnementales. Par ailleurs, une exploration systématique des amplitudes de variations générées par les hypothèses de calcul permettrait de mieux situer les enjeux. Dans tous les cas, l'utilisation de parcs locaux désagrégés améliorerait sensiblement les travaux d'évaluation de l'impact environnemental d'une nouvelle infrastructure. De même, elle éclairerait mieux les réflexions, plus générales et stratégiques, sur les effets d'une politique globale comme dans le cadre de l'implémentation d'une Zone d'Aménagement Prioritaire pour l'Air, d'un Plan de Déplacement Urbain, d'un Schéma de COhérence Territoriale (SCOT) ou d'un plan inter-SCOT mettant en cohérence plusieurs SCOT. 4.5. Bibliographie ADEME, 2003, Logiciel Impact-ADEME. Emissions de polluants et consommation liées à la circulation routière. Paris, Ademe éditions. 35 p. http://www2.ademe.fr/ Bourdeau B., 1997, Evolution du parc automobile français entre 1970 et 2020. Université de Chambéry, Thèse de doctorat. 379 p. Can A., Leclercq L., Lelong J., Botteldooren D., 2010, Traffic noise spectrum analysis: Dynamic modeling vs. experimental observations, Applied Acoustics 71, pp. 764­770. CEC - Commission of the European Communities, 1999, MEET, Methodology for calculating transport emissions and energy consumption. Luxembourg, Rapport commun INRETS, AUTh, TRL, TÜV, DTU. 362 p. CEC - Commission of the European Communities, 1993, CORINAIR working group on emission factors for calculating 1990 emissions from road traffic. Volume 1 : Methodology and emissions factors. Bruxelle-Luxembourg : ECSC-EEC-EAEC. 115 p. Cheynet D., 2011, Modélisation des impacts environnementaux ­ quelles applications dans le domaine des transports? Université de Lyon, ENTPE, mémoire de Master TURP, stage Egis France.146 p. Gallez C., Hivert L., 1998, BEED : mode d'emploi. Synthèse méthodologique pour les études " budget énergie environnement des déplacements. Rapport de convention ADEME-INRETS n°690-9306-RB. 85 p. Hausberger S., Rexeis M., ZallingerM., Luz R., 2009, Emission Factors from the Model PHEM for the HBEFA Version 3, Graz university of technology, Institute For Internal Combustion Engines And Thermodynamics, report Nr. I-20/2009. 76 p. Hourriez J.M., Olier L., 1997, « Niveau de vie et taille du ménage : estimations d'une échelle d'équivalence » Economie et Statistiques, n°308-309-310, pp. 65-94 Projet SIMBAD Hugrel C., Joumard R., 2006, Directives et facteurs agrégés d'émission des véhicules routiers en France de 1970 à 2025. Lyon Bron, INRETS, rapport LTE n° 0611. 160 p. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R. (ed), André M., Coffey R., Davison P., Favrel V.,Gilson B., Hammarström U., Hassel D., Hecq W., Hickman J., Kalivoda M., Keller M., Koskinen O., Kiriakis N., Negrenti E., Ntziachristos L., Rijkeboer R., Samaras Z., Sérié E., Sorenson S., Sturm P., Trozzi C., Vaccaro R., Weber F.J., 1999, Methods of estimation of atmospheric emissions from transport: European scientist network and scientific state-of-the-art - Action Cost 319 final report. Inrets report n° LTE 9901. Joumard R., André M., Crauser J.-P., Badin F., Paturel L., 1987, Méthodologie de mesure des émissions réelles du parc automobile. Bron : Rapport INRETS n°31, 81 p. Nicolas J.-P. (dir), Bonnel P. (dir), Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F., Zuccarello P., 2009, Simuler les mobilités pour une agglomération durable. LET, projet Simbad, rapport final, pour le compte de l'ADEME et de la DRAST. 211 p. Ntziachristos L., Samaras Z., Kouridis C., Hassel D, McCrae I., Hickman J., Zierock K.H., Keller M., André M., Gorissen N., Dilara P., Boulter P., Joumard R., Rijkeboer R., Geivanidis S., Hausberger S., 2010, EMEP/CORINAIR Atmospheric Emissions Inventory Guidebook on exhaust emissions from road transport COPERT 4, Methodology for the calculation of exhaust emissions, European Environment Agency Report, 129 p. http://www.emisia.com/copert/ Routhier J. L., Toilier F., 2011, « FRETURB : simuler la logistique urbaine », In Antoni J.-P. (Ed.). Modéliser la ville : Formes urbaines et politiques de transport, Paris, Economica, pp. 246-283. 113 Projet SIMBAD Projet SIMBAD 5. ANNEXE : Quelle représentation du phénomène de développement urbain ? Développement du modèle de Bussière adapté à l'Aire Urbaine de Lyon 115 Université Lumière Lyon 2 - École Nationale des Travaux Publics de l'État Mémoire de Master Transports, Espace, Réseaux Année 2010-2011 Quelle représentation du phénomène de développement urbain ? Développement du modèle de Urbaine de Lyon Bussière adapté à l'Aire Guillaume Monchambert sous la direction de M. Patrick Bonnel Soutenu le 5 Septembre 2011, à Vaulx-en-Velin. Composition du jury : M. M. M. Didier Plat Patrick Bonnel Louafi Bouzouina , Président du Jury , Directeur de Recherches Résumé Nous proposons de mesurer et de simuler l'étalement urbain en adoptant une approche modélisatrice, an d'être en mesure d'intégrer de manière pertinente ce phénomène dans le modèle LUTI du projet SIMBAD. Le calage du modèle se fait sur l'Aire Urbaine de Lyon. Pour cela, nous présentons tout d'abord les modèles existant et les diérentes façons dont ils endogénéisent l'étalement urbain (I). Nous présentons ensuite le modèle de Bussière et l'appliquons à l'Aire Urbaine de Lyon (II). Nous proposons enn deux développements nouveaux de ce modèle qui consistent en l'utilisation successive des temps de trajet et de l'accessibilité gravitaire comme variable, ce qui nous permet de relâcher certaines hypothèses contraignantes (III). La portée de ce travail est avant tout théorique, les résultats obtenus ne permettant pas d'envisager une utilisation pratique du modèle à ce stade du développement. Abstract We propose to mesure and simulate the urban sprawl with a modelling approach. Therefore we will be able to integrate this phenomenon in the LUTI model of SIMBAD project in a relevant way. The calibration of the model is made on Lyon urban area. We rst present the current models and the way they endogenise the urban sprawl (I). We present Bussiere model and applicate it to Lyon Urban area (II). Finally we suggest two new developments of this model, both of them consisting in consecutive use of travel time and gravity accessibility as a variable. This allow us to drop some restrictive hypothesis (III). This work mostly means to be theorical, the results should not allow us to use it at this development stage. Mots-clefs gravitaire Étalement urbain ; Modèle monocentrique ; Bussière ; Lyon ; Accessibilité Keywords Urban sprawl ; Monocentric model ; Bussière ; Lyon ; Gravity accessibility Je tiens tout d'abord à remercier M. m'encadrer durant ce Mémoire de Master 2 et d'avoir rendu ce travail particulièrement intéressant à travers les échanges que nous avons pu avoir, les personnes rencontrées dans ce cadre et les conférences auxquelles il m'a conviées. Patrick Bonnel d'avoir accepté de M. Louafi Bouzouina orge Cabrera-Delgado Aurélie Mercier, M. paolo Avner, M. Nicolas Coulombel, M. Jean Delons, M. stéphane Hallegate Vincent Viguié fournie pour réaliser ce travail, en particulier J et M. . Enn, je remercie Mlle et M. d'avoir accepté de s'entretenir avec moi et de m'avoir fourni de précieux conseils. Je tiens aussi à remercier l'équipe du projet SIMBAD pour l'aide qu'elle m'a Table des matières I État de l'art 1.1 1.2 Articulation générale des modèles LUTI . . . . . . . . . . . . . . . . . . . . . . . . Proposition de classication des modèles LUTI 9 9 11 1 Les modèles d'interaction transport-urbanisme (LUTI models ) 9 2 Le modèle standard de l'économie géographique 2.1 2.2 2.3 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Enseignements Limites du modèle 14 14 16 16 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique 17 3.1 3.2 Intégration de l'étalement urbain dans les modèles de type LUTI Intégration de l'étalement urbain dans les modèles issus de l'économie géographique . . . . . . . . . . . . . . . . . . . . . . . . . 18 17 II Présentation et calibrage du modèle de (1968-2006) 1 Le modèle de Bussière (Bussière, 1972) 1.1 1.2 1.3 Forme statique Forme dynamique Forme amendée Bussière 20 20 22 23 26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 27 2.1 2.2 Périmètre d'études et bases de données . . . . . . . . . . . . . . . Les choix méthodologiques . . . . . . . . . . . . . . . . . . . . . . 27 30 3 Estimations et Analyses 3.1 3.2 Utilisation des données communales . . . . . . . . . . . . . . . . 33 33 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 39 III Développement de ce modèle 1 Utilisation des temps de trajet 1.1 1.2 1.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 47 47 48 49 53 2 Utilisation de l'accessibilité gravitaire 2.1 2.2 2.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résultats des estimations Approche cartographique à l'IRIS . . . . . . . . . . . . . . . . . . 57 57 59 62 3 Perspectives 3.1 3.2 3.3 Comparaison des diérents modèles . . . . . . . . . . . . . . . . . Des développements à apporter au modèle de Une piste nouvelle à explorer . . . . . . . . . . . . . . . . . . . . 67 Bussière 67 68 69 . . . . . Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Introduction L'évolution urbaine des grandes métropoles durant ces cinquante dernières années est marquée par une augmentation signicative de la population et une extension importante des espaces urbanisés. Ce constat est valable pour une grande partie des agglomérations des pays développés. Ce phénomène double est aujourd'hui appelé étalement urbain, notion que nous pouvons dénir comme étant le développement des surfaces urbanisées en périphérie des villes. Remarquons tout de suite que l'expression étalement urbain n'est pas neutre et qu'elle est empreinte d'une connotation négative. En eet, ce phénomène était autrefois qualié de d' expansion urbaine, expression beaucoup plus neutre et qui se rapproche davantage de ce qui s'appelle aux États-Unis l' Urban Sprawl. Ce changement de terminologie reète assez bien l'évolution de l'appréhension de ce phénomène. En eet, dès le début des 30 glorieuses, on assiste à une relative déconcentration de l'habitat. Cette déconcentration est à la fois encouragée par l'ore nouvelle de logements en périphérie, et par des changements dans les stratégies résidentielles des ménages. Ainsi, la croissance des revenus et l'amélioration des niveaux de vie ont favorisé la quête d'un nouveau mode de vie ; la maison individuelle dans un espace peu dense est devenue une alternative à la vie en zone dense. Bien entendu, cette évolution a été permise par le développement d'infrastructures de transports routiers, tels les boulevards périphériques, et de transport en commun. Cependant, depuis environ une trentaine d'années, la tendance s'est inversée et cet inversement s'est largement intensié depuis une quinzaine d'années,. Nous sommes en eet passés d'un paradigme privilégiant la vitesse, le débit de masse à un paradigme qui met en avant le développement durable et le respect de l'environnement. Dès lors, l'expansion urbaine, requaliée d'étalement urbain depuis les années 1970 et le début de la prise de conscience du phénomène, est devenue un phénomène qu'il faut maîtriser voire endiguer. En eet, on s'est aperçu que l'augmentation de la vitesse moyenne ne diminue pas les temps de trajet, mais que les ménages en protent pour s'installer dans des espaces encore plus éloignés du centre, ce qui accélère encore ce phénomène. Cette augmentation des vitesses moyennes et des distances parcourues entraîne naturellement une augmentation de la pollution. Les objectifs des politiques de transport ont donc évolué : il s'agit aujourd'hui de limiter la vitesse et le débit des axes pénétrants tout en augmentant l'attractivité des transports en commun. Le projet SIMBAD (SImuler les MoBilités pour une Agglomération Durable), développé par le LET (Laboratoire d'Économie des Transports), se situe dans cette problématique. En eet, il a pour objectif d'intégrer la thématique de développement durable dans l'évaluation des politiques de transport sur les ter- 7 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE ritoires urbains (N de déplacements d'une agglomération et de ses interactions avec l'urbanisme pour fournir des indicateurs permettant d'intégrer simultanément les questions environnementales, économiques et sociales dans la réexion des acteurs de la ville. Notre mémoire de master s'inscrit dans ce cadre : la problématique générale de notre étude est de savoir s'il est possible de modéliser l'étalement urbain, sur l'Aire Urbaine de Lyon en particulier. Quelle sera l'évolution de l'Aire Urbaine de Lyon dans les prochaines décennies. Cette question en soulève d'autres : sommes-nous en capacité de reproduire l'évolution de la ville ? Jusqu'à quel niveau de précision pouvons-nous arriver ? Quelles sont les variables susceptibles d'inuencer le choix des ménages en termes de localisation ? Après avoir présenté l'État de l'art (Partie I), nous présenterons le modèle de dans sa forme initiale et nous l'appliquerons à l'Aire Urbaine de Lyon icolas , 2010). Ainsi, il propose une modélisation du système Bussière (Partie II). Enn, nous essaierons d'apporter des améliorations à ce modèle en relâchant certaines hypothèses (Partie III). 8 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Première partie État de l'art Que ce soit en matière de transport ou de développement urbain, il n'est pas possible d'envisager de créer des modèles dynamiques à but prospectif à long terme aujourd'hui sans considérer les interactions entre ces deux systèmes. En eet, le réseau de transport et son utilisation sont directement inuencés par l'occupation des sols, et en même temps le réseau existant mais aussi les projets d'infrastructures ont un impact certain sur la localisation des ménages et des entreprises. Cette interdépendance constitue le fondement théorique des modèles LUTI (Land-Use and Transport Interaction ). Notre travail se situe lui aussi dans ce contexte, car il s'insère dans le modèle d'interaction transport urbanisme SIMBAD développé par le LET (Laboratoire d'Économie des Transports). C'est pourquoi nous allons dans un premier temps présenter les diérents modèles LUTI existants. Dans un second temps, nous évoquerons le modèle standard de l'économie géographique. En eet, ce modèle est le fondement de l'économie géographique, et il est indispensable de l'évoquer si l'on veut saisir la complexité du modèle de Bussière que nous évoquerons par la suite. Enn, dans un troisième temps, nous verrons comment l'étalement urbain est intégré dans ces deux types de modèles (LUTI et modèle standard), en soulignant les qualités et les défauts inhérents à chaque analyse. 1 Les modèles d'interaction transport-urbanisme (LUTI models ) Les modèles LUTI ont été créés an de répondre au besoin de compréhension mais aussi et surtout d'anticipation des interactions entre le transport et l'urbanisme. Il existe de nombreux types de modèles LUTI dont certains n'ont pas pour base un raisonnement économique mais uniquement une approche cellulaire (l'évolution de chaque cellule est simulée selon les observations faites sur d'autres groupes de cellules et selon l'état des cellules voisines). Nous allons tout d'abord présenter l'articulation générale des modèles LUTI telle qu'elle a été dénie par d'ensemble nous étudierons la classication proposée par Wegener en 1994, puis, an d'aner notre vue nique & Bath en 1999. Simmonds, Eche- 1.1 Articulation générale des modèles LUTI Les modèles LUTI résultent d'une analyse détaillée du phénomène de développement spatial urbain qui permet de l'expliquer en distinguant un ensemble de sous-systèmes qui ont la particularité d'avoir des temporalités diérentes. Ainsi, l'articulation permet d'appréhender le développement urbain : les réseaux, l'oc- Wegener (1994) distingue huit types de sous-systèmes urbains dont 9 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE cupation des sols, les lieux d'emplois, les lieux de logement, les emplois, la population, les biens transports et les déplacements. Ces sous-systèmes peuvent être classés selon la rapidité de leur processus d'évolution : Changement très lent : réseaux et occupation des sols. Les infrastructures de transport constituent l'armature de la structure de la ville. En ce sens, elles évoluent très lentement. Ainsi, les grandes infrastructures sont très rarement abandonnées et mettent souvent plus d'une dizaine d'années à être planiées et construites. L'occupation des sols est également très stable. Changement lent : lieux d'emplois et logement. Ces lieux n'évoluent que très peu. Une construction, qu'elle soit résidentielle ou lieu d'emploi, a une durée de vie de plusieurs cycles de vie humain. Changement rapide : emploi et population. Cette évolution rapide correspond aux cycles de vie des entreprises et des ménages. Changement très rapide voire immédiat : les biens transport et déplacements. Ces interactions sont les éléments les plus exibles de l'ensemble. Elles peuvent être ajustées à la minute. Tous ces systèmes peuvent être régulés soit par le marché, soit par des politiques publiques. La gure ci-dessous représente la boucle de rétroaction des interactions entre transport et urbanisation dénie par Wegener . 10 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1 Boucle de rétro-action transport-urbanisation ( Wegener , 1994) Cette boucle de rétroaction spécie donc le cadre d'analyse des modèles LUTI. Si l'on veut construire un modèle dynamique et interactif, il faut prendre en compte au moins deux des huit sous-ensembles présentés plus haut et les intégrer dans une forme simpliée ou non de la boucle de rétroaction dénie par Wegener (gure 1). 1.2 Proposition de classication des modèles LUTI Il existe une multitude de modèles LUTI. C'est pourquoi, après avoir présenté brièvement leur fonctionnement, nous proposons de les classer. Chaque modèle est bien entendu diérent : variables prises en compte, représentation de l'espace-temps. . . De plus, chaque modélisateur doit choisir un parti-pris en ce qui concerne les caractéristiques structurelles du modèle : dynamique ou statique, liens de causalité, le choix des diérentes fonctions. . . Cela conduit donc à une multitude de modèles très diérents les uns des autres. Toutefois, il semble que la classication proposée par (1999) soit une des plus pertinentes. En eet, en plus d'être l'objet d'un large consensus dans la communauté des modélisateurs, elle a l'avantage de classer les modèles selon leurs caractéristiques opérationnelles en mettant au second plan les partis-pris théoriques et méthodologiques Simmonds, Echenique & Bath (Deymier & Nicolas , 2005). 11 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2 Classication des modèles LUTI ( Simmonds & Bates , 1999) Une première distinction est faite entre les modèles de prévision et les modèles d'optimisation. En eet, ces derniers ont pour objectifs de simuler les congurations urbaines plutôt que de prédire les évolutions que subira la ville en fonction des politiques de transport. Ce sont des modèles généralement utilisés pour une planication à long terme, mais qui ont comme inconvénient majeur de ne pas être adaptés à la prévision des impacts de politiques de transport et d'aménagement sur l'aire urbaine. Les modèles de prévision sont ensuite séparés en deux classes ; les modèles statiques d'une part, et les modèles quasi-dynamiques d'autre part. Les modèles statiques essaient de prévoir l'évolution de certaines variables t mais pas le chemin parcouru pour y arri- en considérant les autres variables comme données ( l'équilibre atteint à chaque instant Lowry , 1964). Ils décrivent ver. Cependant, comme nous l'avons vu précédemment avec la présentation de Wegener , le processus de changement urbain est un processus relativement long. Le changement urbain se fait à la marge, la majorité des ménages et des actifs ne change pas de localisation sur une période donnée. Ainsi les modèles statiques paraissent peu adaptés à cet objectif de modélisation. Toutefois, ils sont encore utilisés pour deux principales raisons. Tout d'abord, ils permettent de prendre en considération l'impact du système urbain sans engager un travail de modélisation dynamique. Ils sont donc relativement économes en temps et en force de travail. De plus, ces modèles dénissent un équilibre à chaque instant t, et ils permettent de caractériser des déséquilibres à l'origine du processus de changement urbain. Le précurseur de ces modèles est en 1964. L'hypothèse principale de ce modèle est que la croissance urbaine est fonction de l'expansion du secteur industriel qui détermine la distribution spatiale de la population et de l'emploi dans le secteur des services. L'étalement urbain est donc une composante endogène de ce type de modèle. L'un des développements récents des modèles statiques est le modèle METROPOLIS, développé par Lowry MUSSA, développé 12 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE par Martinez Parmi les (1992, 1997). dèles : les modèles quasi-dynamiques, on distingue trois types de momodèles basés sur l'entropie, les modèles spatiaux-économiques et les modèles basés sur l'activité. Les s'est inspiré d'un concept issu de la thermodynamique. Ce principe réside dans la détermination de la condition tendancielle la plus probable du système qui correspond de fait à sa condition d'équilibre (appelée aussi d'entropie maximale ) dans une situation d'information imparfaite. Ainsi, on peut dénir la conguration la plus probable des déplacements comme celle qui associe et représente le plus grand nombre de micro-états du système. Un exemple de cette famille de modèles peut être veloppé par modèles basés sur l'entropie ont été créés par Wilson (1970) qui appliqué aux États-Unis au début des années 1990. Cependant, il présente de nombreuses limites. Tout d'abord, il est gourmand en temps et coût d'utilisation. De plus, il tend à simplier la relation complexe qui existe entre emploi et ménages, ce qui l'éloigne de la réalité. Enn, le modèle ne permet pas de considérer les eets de contigüité ou de débordements tels que ceux qui pourraient être engendrés par le développement résidentiel d'une zone sur une autre qui lui serait adjacente. Les Putman DRAM/EMPAL, dé- (1995) et qui fut le modèle d'occupation des sols le plus modèles spatiaux-économiques, comme leur nom l'indique, cherchent à inscrire les phénomènes socio-économiques dans leur dimension spatiale. Leurs fondements théoriques sont ceux de la théorie économique traditionnelle puisqu'ils représentent les mécanismes économiques théoriques du marché pour atteindre l'équilibre ore-demande à la fois pour les comportements d'usage des sols et pour les transports. ( Le modèle eet, il peut être appliqué à l'échelle urbaine ou régionale. Il a pour objectif de simuler les eets probables des politiques d'urbanisation et des projets de transports, mais aussi d'évaluer ces eets à un niveau social, économique et nancier. Ce modèle intègre plusieurs techniques de modélisation et diérents fondements théoriques, il est très complet mais dicile à calibrer. Pour pouvoir être appliqué, ce modèle nécessite de disposer des bases de données caractérisant l'année de base beaucoup plus importantes que les besoins des modèles vus précédemment. Il traite surtout de la problématique d'usage du sol, et il semble que le phénomène d'étalement urbain soit exogène au modèle. TRANUS a été appliqué entre autres aux agglomérations de Bruxelles, Inverness et Lyon pour des résultats mitigés selon les sites. Les de la Barra et al. TRANUS, développé par de la Barra & Perez depuis 1982 , 1984), est un bon exemple de ce type de modèle. En modèles basés sur l'activité (ou les choix discrets) traitent des diérents processus de changement qui aectent les activités et les espaces occupés. Ces modèles ne relocalisent pas toutes les activités lors de chaque période, 13 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE mais séparent les décisions de déplacement et la recherche d'une nouvelle localisation. La segmentation doit donc être très détaillée. Le traitement des processus de décisions des agents à travers les modèles de choix discrets est lui aussi assez n. Ces modèles permettent en outre d'avoir des rendus de changement démographiques plus détaillés. Springeld, est un modèle de choix discret basé sur l'activité et qui repose sur la théorie de la maximisation de l'utilité. Il est composé de plusieurs modules URBANSIM, développé par Waddell (1994) lors de l'étude la ville d'Eugene- reétant les choix clés des ménages, des actifs, des promoteurs et des gouvernements. Ainsi, en adoptant une approche comportementale, le modèle fournit une structure théorique plus transparente pour les utilisateurs, leur permettant d'incorporer explicitement des politiques et d'évaluer leurs eets. Ce modèle s'est largement répandu depuis sa création, que ce soit aux États-Unis (Houston, Honolulu. . . ) ou en Europe (Amsterdam, Zürich. . . ). Il a produit des résultats satisfaisants puisque selon le Transit Cooperative Highway Research Program, URBANSIM est le modèle LUTI qui se rapproche le plus de leur modèle idéal . Cependant, sa mise en ÷uvre est dicile car elle demande une quantité très importante de données, dont la production est assez coûteuse. Après avoir présenté les diérents types de modèle LUTI, il apparait pertinent de décrire le modèle standard de l'économie géographique. En eet, ce modèle est au fondement de l'analyse économique urbaine. Bon nombre des enseignements qu'on peut en tirer sont vériés empiriquement, et les mécanismes en jeu sont encore observables de nos jours. 2 Le modèle standard de l'économie géographique Ce modèle étudie le mécanisme de localisation des ménages dans le cadre d'un équilibre partiel, obtenu seulement sur le marché du logement. Il a été développé à partir des travaux d' notion de rente d'enchères ( (1967), c'est pourquoi il est parfois appelé modèle AMM. Il met en avant la exclut certains ménages de certains quartiers. Alonso Von Thünen (1964), de Mills (1967) et de Muth , 1850) qui explique pourquoi le revenu 2.1 Hypothèses Voyons tout d'abord les hypothèses du modèle. Le modèle AMM conçoit l'aire urbaine selon une représentation monocentrique. La ville est une plaine uniforme. Les distances de déplacement sont uniquement fonction de la distance à vol d'oiseau entre les deux points à relier, et il n'y a pas de limite dans la direction des déplacements. Il n'y a qu'un seul centre, que l'on peut assimiler au Central Business District, et qui regroupe l'ensemble de la demande de travail des entreprises et administrations. Les seuls déplacements envisagés sont des 14 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE déplacements domicile travail (et travail-domicile). Cette dénition du centre de la ville est très importante ici car toutes les localisations sont dénies par une distance au centre x. Ce centre-ville est immobile, ce sont les ménages qui se localisent en fonction de lui. Ce modèle s'inscrit dans le cadre néoclassique de la théorie du consommateur : chaque agent est rationnel et cherche donc à maximiser son utilité sous la contrainte de ses ressources. max U (z; q) z;q s.c. w = z + R(x).q + T (x) La fonction d'utilité en fait le numéraire, et U est donc dénie à l'aide de deux variables, z qui représente la consommation en bien composite, dont le prix est xé à 1 ce qui q qui représente la surface du logement. La contrainte de budget comprend le revenu centre en logement dont le prix par unité de supercie x, et le coût de w, les dépenses en bien composite z 1, les dépenses R est fonction de la distance au transport T , fonction de la distance au centre x. La notion de rente d'enchères de Von Thünen (1850) x du centre-ville an Le marché du logement est concurrentiel, les propriétaires attribuent les logements aux locataires qui font la meilleure ore ou enchère. La notion de rente d'enchères peut ainsi se dénir comme le prix maximum d'une unité de sol qu'est prêt à payer un individu habitant à une distance d'atteindre un niveau d'utilité donné v. Ainsi, la rente d'enchères peut être dénie comme suit : (v; z) = max z;q w - z - T (x) | U (z, q) = v q Il existe donc, pour chaque distance un niveau d'utilité donné rente d'enchères x séparant le logement du centre et pour v , une situation optimale que l'on peut décrire par une (v; z), et une supercie optimale du logement q (v; x). De plus, en dérivant la rente d'enchère par la distance au centre-ville, nous remarquons que le prix maximum qu'un individu est prêt à payer pour obtenir une unité de sol est une fonction décroissante de cette distance. En eet, (v; z) T (x) =- <0 x q (v; x) Les agents économiques sont donc disposés à payer une somme qui diminue avec la distance au centre pour un logement donné. 15 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 2.2 Enseignements Tout d'abord, à l'équilibre, les agents résident à une distance supporté. Introduisons maintenant deux catégories d'agents, la première ayant un revenu supérieur à la seconde. Si l'on considère que le revenu n'agit pas sur le coût du transport et que le logement est un bien normal, c'est-à-dire que sa part dans le budget des ménages reste constante quel que soit le revenu, alors le jeu de la concurrence sur le marché du logement conduit les propriétaires à attribuer aux ménages aisés les logements situés en périphérie. En eet, les agents défavorisés ont une moindre disposition à payer pour résider en périphérie par rapport aux agents dotés de revenus plus importants. Ceci est lié au fait que les individus disposant d'un faible niveau de revenu sont plus sensibles au coût du trajet domicile-travail que ceux disposant de revenus plus élevés. En eet, le coût du trajet représente une plus grande part dans leur budget comparativement aux ménages aisés. Ce modèle permet donc d'expliquer relativement bien la structure des villes américaines. Toutefois, il est très simple, ce n'est que la première étape dans les travaux de l'économie urbaine, car il omet notamment de prendre en considération le coût d'opportunité du trajet domicile-travail. x du centre qui égalise leur dépense marginale en logement et le coût marginal du transport 2.3 Limites du modèle Ce modèle est limité par les hypothèses trop restrictives qui sont à son fondement ( Peguy , 2000). Ainsi, la localisation exogène de l'ensemble des emplois dans un unique centre pose de vraies questions. En eet, d'une part la multipolarité n'est pas représentée. Cette limite est considérable si l'on souhaite étudier des agglomérations européennes qui pour la plupart ne sont pas caractérisées par un centre d'aaires dans lequel il n'a pas de logement, comme les Central Business Districts américains. D'autre part, d'un point de vue plus théorique, cette hypothèse implique de raisonner en équilibre partiel, c'est-à-dire que la population est déterminée une fois que la localisation des emplois est xée, et réciproquement. Le modèle d' unique au niveau de l'agglomération envisagée. De plus, le modèle AMM s'appuie sur une hypothèse forte en ce qui concerne la structure des réseaux de transport. Eectivement, pour permettre la dérivation de la fonction de répartition de la population, il faut deux hypothèses concernant la demande de logement et la forme de la fonction de production. Si ces deux hypothèses sont remplies, on peut facilement montrer que la densité de population décroît de manière exponentielle en fonction de la distance au centre. Or, nous avons vu que l'arbitrage des ménages entre logement et accessi- Alonso ne permet donc pas de comprendre pourquoi il n'existe qu'un centre 16 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE bilité au centre est la conséquence de la variation des coûts de transport vers le centre. Pour passer d'une relation entre distance et densité il est donc impératif que le coût de transport, soit une fonction univoque de la distance au centre ; c'est-à-dire que le réseau est considéré comme homogène soit radial isotrope par rapport au centre. Or, en pratique, pour une même distance au centre les coûts de transport ne sont bien souvent pas les mêmes. Les réseaux sont fortement différenciés de par leur capacité, leur vitesse, les disparités géographiques. . . Cette limite sera très présente si l'on veut s'intéresser aux interactions entre transport et urbanisme. 3 Intégration de l'étalement urbain dans les modèles de type LUTI et les modèles issus de l'économie géographique Le propos de ce paragraphe est de décrire l'intégration de l'étalement urbain dans les diérents modèles, et notamment d'essayer de savoir si cela se fait de manière endogène ou exogène, si le modèle est capable de simuler l'étalement de l'agglomération ou si le modélisateur est contraint d'imposer cette donnée au modèle au fur et mesure de son utilisation. 3.1 Intégration de l'étalement urbain dans les modèles de type LUTI La plupart des modèles LUTI prennent en compte l'étalement urbain. Cette prise en compte se fait en deux étapes : la création de nouveaux logements (ou de nouveaux bureaux) en périphérie sur les terrains vides, et les migrations des ménages (ou des entreprises) vers la périphérie, et notamment vers les logements nouvellement construits. Ces deux étapes font l'objet de deux modules distincts dans l'architecture des modèles LUTI. Le premier module simule donc la construction de nouveaux logements (ou bureaux). Il existe deux grands types de modèles pour ce faire. Le premier type regroupe des modèles relativement simples de transition de l'usage du sol. Ces modèles prédisent l'évolution d'un usage du sol vacant vers un usage du sol occupé (résidentiel, mixte ou autre). Les cellules vacantes étant le plus souvent situées dans la périphérie de l'agglomération, nous somme donc bien en présence d'étalement de l'agglomération. Ces modèles sont fondés sur l'usage des modèles de choix discrets multinomiaux, et les variables prises en compte pour simuler la probabilité d'évolution de l'usage du sol regroupent les caractéristiques de la zone, celles des zones voisines et quelques fois des mesures de la demande potentielle, que l'on peut assimiler à la prise en compte de la pression des loyers sur la frontière de la ville. Le second type de modèle est basé sur la dénition de grands projets : projet d'immeubles collectifs, projet de construction de x logements (ou bureaux). Chaque année, un certain nombre de projets est tiré 17 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE de manière aléatoire. Une fois que les projets à construire sont tirés au hasard, il faut localiser ces projets dans les diérentes zones. Pour cela, on maximise le prot attendu du promoteur immobilier, en tenant compte à la fois du prix du terrain et du loyer ou prix de vente attendu. Le second module simule la mobilité des ménages. Il s'agit de savoir si les ménages ont intérêt à rester chez eux, ou si l'arrivée sur le marché de nouveaux logements plus ou moins attractifs rend leur logement actuel moins attractif et les incite à déménager, à occuper les nouveaux logements situés en périphérie. Ces mouvements contribuent bien évidemment au phénomène de développement urbain. La simulation de l'étalement urbain par les modèles LUTI est intéressante car elle permet d'avoir une évolution localisée, c'est-à-dire que chaque espace ou cellule est caractérisé. Nous sommes ici dans le cadre d'une spatialisation des activités des agents. Cependant, nous devons noter quelques faiblesses relatives à cette analyse. Tout d'abord, le premier module simulant la construction de nouveaux logements est souvent le moins satisfaisant en ce qui concerne la calibration. C'est le domaine d'études qui est le moins avancé dans les modèles LUTI. De plus, on peut penser que la manière dont est produit l'étalement urbain comporte une grande part d'incertitude, de nombreuses variables entrant en jeu dans les modèles de choix discrets multinomiaux utilisés. Enn, il semble que ce raisonnement constitué d'un enchainement de modèles de choix discrets multinomiaux corresponde davantage aux situations rencontrées en Amérique du Nord. En eet, en France, ce ne sont pas seulement les initiatives privées qui déterminent la construction de nouveaux bâtiments. Le PLU, Plan Local d'Urbanisme qui remplace le Plan d'Occupation des sols depuis 2000, joue lui aussi un rôle très important dans la planication de l'urbanisme au niveau communal et intercommunal. Dès lors, il semble bien que le mécanisme de création de bâtiments dans les modèles LUTI appliqués en France et plus largement en Europe doive être revisité. Pour cela, il est important de décrire la manière dont l'étalement urbain est intégré dans les modèles issus de l'économie géographique. 3.2 Intégration de l'étalement urbain dans les modèles issus de l'économie géographique Dans les modèles issus de l'économie géographique, l'étalement urbain est visible à travers l'évolution de la frontière de la ville et l'évolution des densités. Cette frontière est donnée par la valeur de la rente agricole Ra . En eet, l'usage du sol est caractérisé par une rente foncière, elle-même issue des enchères des ménages pour accéder à tel logement. Mais il y a un coût d'opportunité correspondant à l'usage agricole de la terre : la ville s'arrête lorsque les enchères des ménages sont inférieures au revenu potentiel que l'on peut tirer de la terre par un usage agricole. Nous pouvons donc dénir l'équilibre urbain à un niveau d'utilité v et la frontière de la ville xf tels que : 18 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE (v; xf ) = Ra Ce type de modèle repose sur la construction d'un équilibre général statique. An d'étudier les facteurs de l'étalement urbain, nous pouvons donc utiliser la méthode dite de statistique comparative qui consiste à étudier l'impact sur la frontière de la ville et sur les densités de population de la variation de chacune des variables ceteris paribus ( SESP, CERTU, 2006) : La baisse des coûts de transport permet aux ménages de supporter un plus grand éloignement du centre (eet prix) conduisant à l'extension de la ville et à la diminution des densités au centre. Elle se traduit aussi par une augmentation du revenu disponible qui engendre une augmentation de la quantité de logement consommé en tout point de la ville. L'augmentation du niveau général des revenus produit également un accroissement du revenu disponible et donc de la supercie de logement demandée en chaque point de la ville. Si la présence d'aménités en périphérie augmente relativement à celle du centre, rendant la première plus attractive, alors les ménages s'y localisent davantage. Le prix du sol étant plus faible en périphérie, la consommation de logement augmente et provoque une extension de la ville. Les facteurs démographiques sont également à prendre en compte. On peut étudier des évolutions diérenciées de la population et de sa structure. En eet, dans ce modèle, l'augmentation de la population totale conduit à un éloignement de la frontière de la ville et à une hausse des densités urbaines. Toutefois, la pente des courbes de rente foncière n'est pas modiée car l'équilibre n'est pas modié. Cependant, si l'on modie la structure des ménages, c'està-dire la répartition actif/non-actif, le constat sera diérent. En eet, dans ce modèle, les inactifs sont supposés ne recevoir aucun revenu et ne pas se déplacer car il existe un unique motif de déplacement, le motif travail. L'augmentation du poids des inactifs entraine donc une diminution du coût de transport subi par le ménage et une baisse de la demande de logement. Si la baisse de la demande de logement l'emporte sur ma baisse des coûts de transports, les localisations les plus proches du centre deviennent plus attractives car moins chères, et on aboutit à une augmentation des densités en tout point et un rapprochement de la frontière de la ville, qui devient alors compacte. Si, au contraire, la diminution des rentes foncières est inférieure à celle des coûts de transport, l'impact sur le degré de l'étalement de la ville est indéterminé. L'étude de l'étalement urbain à travers ce type de modèle apporte une compréhension plus ne des mécanismes économiques en jeu. De plus, les diérentes calibrations de ces modèles produisent d'assez bonnes estimations du phénomène d'étalement urbain. Toutefois, le principal inconvénient inhérent à ce type de modèle réside dans le fait qu'ils ne produisent pas d'étude spatialisée. En eet, la densité est estimée pour un cercle situé à un rayon r du centre, mais il n'y pas de distinction entre les diérentes zones situées à une même distance du 19 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE centre. De plus, ce modèle suppose un ajustement intégral des logements aux modications des paramètres économiques. Autrement dit, il ne prend pas en compte les rigidités des structures bâties. Cette première partie nous a donc permis d'avoir un aperçu des travaux actuels sur l'étalement urbain, que ce soit à travers des modèles opérationnels, les modèles LUTI, ou des modèles davantage tournés vers l'analyse théorique, les modèles issus de l'économie géographique. Or, notre travail consiste à étudier et si possible simuler l'étalement urbain sur l'Aire Urbaine de Lyon. La gure 3 nous indique clairement que la population de l'Aire Urbaine est davantage concentrée dans le centre de l'agglomération qu'en périphérie, ce que nous étudions dans la partie suivante. Dès lors, nous pouvons penser qu'un modèle monocentrique issu des fondements théoriques du modèle AMM est adapté à notre cadre de travail. Le modèle de reproduction des tendances d'étalement urbain ( de simulation. un modèle de type monocentrique qui a fait ses preuves dans le domaine de la donc le choix d'utiliser ce modèle, et nous essayons de l'utiliser en tant qu'outil Bussière est Bussière , 1972). Nous faisons Deuxième partie Présentation et calibrage du modèle de Bussière (1968-2006) sière, 1972) Dans un premier temps, nous présenterons le modèle de ainsi que les raisons qui nous ont poussés à faire ce choix, puis, Bussière (Bus- dans un second temps, nous mettrons à jour l'application de ce modèle sur L'aire Tabourin, Andan & Routhier Les formes de la croissance urbaine : le modèle de René Bussière appliqué à l'agglomération lyonnaise Urbaine de Lyon. En eet, un travail important a déjà été fourni par sur ce sujet dans Enn, nous étudierons et commenterons les résultats issus de cette analyse. , mais cette étude ne prend pas en compte les données aujourd'hui disponibles des recensements de 1999 et 2006. Nous proposons donc une mise à jour de cette étude. 1 Le modèle de Bussière (Bussière, 1972) Nous choisissons d'utiliser le modèle de met en évidence les deux phénomènes à l'÷uvre dans le processus d'étalement urbain. En eet, ce modèle rend compte d'une part de la croissance urbaine qui correspond à une double progression démographique et spatiale, et d'autre part, il montre bien que l'extension urbaine ne s'est pas faite par un simple phénomène de concrétion, c'est-à-dire un simple rajout de population aux franges du rayon Bussière dans notre étude, car il 20 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE urbain. C'est aussi l'intérieur du rayon qui s'est modié. De plus, ce modèle est un modèle monocentrique, et en observant la gure 3, on se rend compte que le modèle monocentrique semble particulièrement adapté à la description de l'agglomération lyonnaise. Ces deux raisons expliquent donc pourquoi nous choisissons d'utiliser le modèle de Bussière. Figure 3 Densité de population sur l'agglomération Lyonnaise en 2005 Le modèle développé par localisation néo-classique. Ce modèle reprend donc les hypothèses initiales sousjacentes à l'analyse néo-classique : situation de concurrence pure et parfaite de la théorie néo-classique (atomicité du marché, libre entrée et libre sortie du marché, homogénéité des produits, transparence de l'information et mobilité des facteurs) ; les agents économiques adoptent un comportement rationnel, c'est-à-dire qu'ils cherchent à maximiser leur fonction d'utilité sous contrainte de revenu. Viennent ensuite des hypothèses spéciques à l'analyse géographique : l'espace urbain est considéré comme posé sur une plaine où aucun emplacement n'est a priori meilleur qu'un autre. Chaque point de l'espace urbain peut donc être caractérisé par sa seule distance au centre ; les transports sont supposés possibles dans toutes les directions, c'est-à- Bussière s'inscrit dans la lignée des modèles de 21 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE dire que le coût de déplacement est strictement proportionnel à la distance au centre ; les emplois sont tous situés au centre de la ville. On peut distinguer une forme statique et une forme dynamique selon que le temps est intégré ou non dans la formulation. 1.1 Forme statique sieurs villes (Paris, Montréal, Toronto et Zürich) et constate que la forme de la courbe de répartition de la population est relativement semblable quelle que soit la ville : René Bussière étudie la répartition de la population dans l'espace de plu- Figure 4 Population cumulée à partir du centre de la ville A l'origine, la pente est nulle. Cette pente devient croissante jusqu'à un certain point d'inexion partir de là, la forme d'exponentielle négative ( René Bussière ri , puis décroît ensuite mais reste positive ou nulle. A va raisonner en termes de densité exprimée sous c'est-à-dire en considérant la population comprise dans un rayon Clark , 1951) puis de population cumulée, r de distance au centre. L'équation choisie pour caractériser la densité est la suivante : D(r) = A exp(-br) où D(r) est la densité résidentielle à une distance r du centre, résidentielle extrapolée au centre de l'agglomération (D(0) coecient exponentiel de décroissance. Le paramètre de à une distance A la densité = A ) et exp(-br) un distance r correspond donc ici une approximation du coût généralisé qui est supporté par les habitants r du centre. De là, nous pouvons déduire la fonction de population cumulée, notée P (r) : 22 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE P (r) = 2 r D(r).r.dr 0 L'équation représentative de la fonction de population cumulée est donc de la forme suivante : 2A [1 - (1 + br) exp(-br)] b2 La population totale de l'agglomération N peut aisément être déduite en faisant tendre r vers l'inni : P (r) = P (r) = r+ Les paramètres 2A b2 A et b vont caractériser les villes. Ce seront les paramètres calibrés dans notre modèle. La forme de la fonction retenue implique trois conséquences majeures : P (r) r = 2Ar exp(-br) donc P (0) 0 =0 La pente à l'origine est nulle. Cela équivaut à dire que la croissance de la population est quasi-nulle au centre de la ville. r+ lim dP (r) dr = lim 1 r+ exp(-br) =0 La pente est nulle à l'inni, autrement dit, la population de l'agglomération est nie et la fonction de population cumulée stagne à partir d'un certain point qui sera considéré comme la frontière de l'agglomération. 2 P (r) r 2 = 2rA(1 - br) exp(-br) si r= 1 b Le point d'inexion de la courbe est situé en 1/b. Avant ce point, la vitesse d'augmentation de la population est une fonction croissante de la distance au centre, au-delà elle en est une fonction décroissante. 1.2 Forme dynamique Après avoir eectué un raisonnement en statique, sance urbaine. prend une analyse dynamique an de mettre en évidence une logique de crois- René Bussière entre- Observation La gure suivante représente la population cumulée de Paris au début du siècle et en 1968 : 23 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure à Paris 5 Évolution de la population cumulée dans le temps et dans l'espace On peut observer une diminution de la population au centre de l'agglomération puis une augmentation de la population au-delà d'un certain point. Il y a ici une double progression de la croissance urbaine : croissance de la population et extension spatiale. De plus, cette croissance a aussi modié l'intérieur du rayon. Pour apprécier cette évolution, il vaut mieux raisonner en termes de densité radiale. Eectivement, la densité supercielle ne permet pas ici de localiser le point d'inexion de la courbe de population cumulée. Cette densité radiale représente le nombre d'habitants par unité de distance radiale. Elle se dénit comme étant la dérivée de la fonction de population cumulée par rapport à la distance : 1/b, G(r) = dP (r) = 2Ar exp(-br) = 2rD(r) dr La représentation graphique de cette fonction est de la forme suivante : 24 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 6 Densité radiale Ici, 600000 personnes habitent à une distance 1/b du centre. Ce point est aussi le point d'inexion de la courbe de population cumulée. Si grand nombre d'habitants. L'évolution de 1/b permet de déterminer de manière dynamique la répartition de la population, et donc les demandes de construction de logements. Elle met en évidence le principe de croissance par vagues de l'agglomération. b diminue, 1/b augmente et il y a un éloignement du centre de l'espace qui contient le plus 25 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure radiales 7 La croissance par vague d'une agglomération à partir des densités totale cumulée : René Bussière introduit donc le temps dans une équation de population P (r, t) = 2A(t) [1 - (1 + b(t).r) exp(-b(t).r)] b(t)2 A(t) = + .b(t) t, entre l'a fait pour Paris entre 1911 et 1968, alors il pour pouvoir calculer Si l'on est capable de déterminer une relation linéaire A et b comme sura d'estimer la répartition résidentielle de la population à une date déterminée. René Bussière N (t), la population totale à l'instant 1.3 Forme amendée La formulation originale de paramètre K. Cette introduction améliore sensiblement les estimations pro, 1996) : duites et donc la validité du modèle ( Bussière Bonnafous & Tabourin a été amendée par l'introduction d'un P (r) = Le paramètre 2A [1 - (1 + br) exp(-br)] + K.r b2 K est en lien étroit avec les eets des infrastructures de trans- port qui modient l'accessibilité des communes en fonction de leur rattachement éventuel à un réseau de communication. 26 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Par souci d'exhaustivité, notons ici que le paramètre bande radiale : K peut renvoyer à des bandes radiales. Pour l'estimer, il est donc possible donc découper l'espace en Figure 8 Exemple de découpage en secteur de la ville ( Hoyt , 1939) Cet amendement permet une meilleure prise en compte des réalités des congurations urbaines, surtout si l'on raisonne en distance à vol d'oiseau. En eet, sa pertinence est plus discutable si l'on utilise d'autres variables qui tiennent compte des eets des infrastructures. C'est pourquoi nous n'utiliserons pas le découpage en bandes radiales. 2 Mise à jour du modèle grâce aux recensements des années 1999 et 2006 Notre travail consiste donc à évaluer les coecients A, b et K pour chacune des années que nous voulons prendre en compte. 2.1 Périmètre d'études et bases de données Avant de commencer notre étude, il est important de spécier dans quel cadre nous nous situons et quelles données nous utilisons. 27 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE L'Aire Urbaine de Lyon Notre périmètre d'études est l'Aire Urbaine de Lyon. En eet, notre travail s'insère dans la problématique générale générale de SIMBAD, le modèle LUTI développé au sein du LET par Lyon. De plus, selon l'Insee, une aire urbaine est un ensemble de communes, d'un spéciquement à simuler les évolutions qui interviennent dans l'Aire Urbaine de Nicolas & al.(2009), or ce modèle s'attache seul tenant et sans enclave, constitué par un pôle urbain, et par des communes rurales ou unités urbaines (couronne périurbaine) dont au moins 40 % de la population résidente ayant un emploi travaille dans le pôle ou dans des communes attirées par celui-ci. La dénition d'une Aire Urbaine repose donc en grande partie sur des déplacements quotidiens ayant pour motif le travail. Cette dénition est tout à fait en accord avec notre étude, puisque nous avons vu que dans le modèle de distance au centre qui regroupe tous les emplois. Le fait d'élargir notre étude à l'Aire Urbaine de Lyon nous permet donc d'être au plus proche des hypothèses de base du modèle de Bussière , la localisation des ménages se faisait par rapport à la Bussière . L'Aire Urbaine de Lyon, dénie par l'Insee en 1999, regroupe 296 communes réparties dans quatre départements : le Rhône (169 communes), l'Ain (65 communes), l'Isère (60 communes) et la Loire (2 communes). Elle comporte 1 758 512 habitants en 2008 (données Insee), ce qui en fait la deuxième aire urbaine de France, après celle de Paris. 28 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 9 Aire Urbaine de Lyon, source : Opale 2006 L'étendue temporelle de l'étude et les bases de données utilisées L'étendue temporelle de l'étude est intimement liée avec les bases de données disponibles. En eet, dans l'idéal, nous souhaiterions remonter aussi loin que possible dans le temps en utilisant des données très nes. Malheureusement, notre travail est bien souvent contraint par la qualité et la disponibilité des bases de données. L'Insee a produit une base de données très complète : Données harmonisées des recensements de la population 1968-2006. Comme son nom l'indique, cette base de données regroupe les recensements allant de 1968 à 2006, c'est-à-dire 1968, 1975, 1982, 1990, 1999 et 2006. Cette base de données est tout à fait opérationnelle du fait de mesures d'harmonisation mises en place par l'Insee. Elle nous permet de connaître la population de chaque commune ou arrondissement l'année spéciée. Notre étude caractérisera donc l'évolution de la population de l'Aire Urbaine de Lyon sur la période 1968-2006. Notons que pour les années 1990, 1999 et 2006, des données plus nes sont disponibles. En eet, pour ces années-là, nous pouvons utiliser le découpage dit à l'IRIS (Ilots Regroupés pour des Indicateurs Statistiques), c'est-à-dire le découpage en espaces homogènes quant au type d'habitat et dont les limites s'appuient sur les grandes coupures du tissu urbain (voies principales, voies fer- 29 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rées, cours d'eau. . . ). Ces données beaucoup plus nes nous permettent d'avoir une estimation de meilleure qualité. Ainsi, 777 IRIS sont recensés dans l'Aire Urbaine de Lyon. Il est donc intéressant de les utiliser si nous en avons l'opportunité. 2.2 Les choix méthodologiques Avant toutes choses, nous devons déterminer la position du centre. En eet, ce choix aura une inuence certaine sur le reste de l'analyse. Pour cela, nous nous référons à l'étude menée par Selon eux, le centre de l'agglomération lyonnaise peut être xé à la Préfecture du Rhône. En eet, d'après eux, la Préfecture du Rhône est le centre qui se Tabourin, Andan & Routhier en 1995. rapproche le plus du barycentre moyen assurant le meilleur consensus entre nos diverses années et variables. Ainsi, notre centre sera le troisième arrondissement lorsque nous raisonnerons avec les données communales, et l'IRIS Préfecture lorsque nous utiliserons les données IRIS. Nous choisissons d'utiliser le modèle sous sa forme amendée. En eet, les estimations produites sont, dans le cadre de notre étude, TOUJOURS meilleures que celles issues du modèle dans sa forme simple. An d'estimer les coecients, nous utiliserons la méthode de régression non linéaire. Les distances reliant les diérentes communes ou IRIS au centre de l'Aire Urbaine de Lyon sont calculées de centroïde de zone à centroïde de zone. Ainsi, toute la population de la zone est aectée à un centroïde, et elle se déplace à partir de cet unique point. Enn, il peut être utile d'utiliser des pas de distance pour regrouper les données communales. En eet, lorsque nous utilisons ces données, nous avons beaucoup plus de points lorsque l'on est proche du centre, et la densité de communes diminue au fur et à mesure que l'on s'éloigne du centre. Étant donné que nous utilisons une méthode de régression, le nombre de points inue directement sur la somme des diérences au carré (SSR) à minimiser. Si l'on choisit de conserver un nombre de points plus importants aux alentours du centre, la méthode de régression produira une estimation qui privilégiera la qualité de la régression aux alentours du centre et au détriment de la périphérie. Pour éviter ce biais, nous regroupons les données communales par pas de 500 mètres de distance. En revanche, lorsque nous travaillerons avec des données à l'IRIS, nous n'eectuerons pas de regroupement par zone. En eet, le zonage à l'IRIS nous permet d'avoir une base de données quasi-continue. De plus, le zonage à l'IRIS prend en compte la population et, selon la dénition originale, chaque IRIS faisait référence à la taille visée de 2 000 habitants par maille élémen- taire (source : INSEE). Dès lors, nous n'eectuerons pas de regroupement pas à pas. 30 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 10 Pas de distance de 500 mètres Modèles de régression non-linéaire (Davidson & Mackinnon, 1993) Alors que les modèles de régression linéaire peuvent être estimé par OLS (Ordinary Least Squares), les modèles de régression non linéaire peuvent être estimés par NLS (Non-linear Least Square). Dans cette brève présentation, nous porterons notre attention sur les modèles univariés, c'est-à-dire les modèles dans lesquels il n'existe qu'une seule variable dépendante. En eet, le modèle de sière est un modèle univarié et les modèles multivariés sont beaucoup plus dif- Bus- ciles à traiter. Soit un modèle de régression linéaire univarié sous sa forme générique : yt = xt () + ut, Où ut IID(0, 2 ), t t = 1, ..., n un vecteur à k xt () est une fonction yt représente l'observation de la variable dépendante et composantes de paramètres inconnus. La fonction scalaire de régression non linéaire. Le moyen de loin le plus répandu (et que nous utiliserons) d'estimer les modèles de régression non linéaire consiste à minimiser la somme des résidus au carré, ou SSR (Sum of Squared Residuals) en fonction de : SSR() = t=1,...,n (yt - xt ()) . 2 31 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE En dérivant cette expression par rapport à toutes les composantes du vecteur à k éléments, et en annulant toutes les dérivées partielles, nous obtenons les conditions du premier ordre qui doivent être vériées pour toute estimation NLS du vecteur qui correspond à un minimum intérieur de SSR(). Figure 11 Une fonction de somme de carrés La diérence entre les cas linéaires et non linéaires réside dans le fait que dans les cas non linéaire, il peut exister plusieurs valeurs de qui vérient la condition de premier ordre et qui correspondent à des minima locaux, des points stationnaires et même des maxima locaux. Ceci est illustré dans la gure 11 pour le cas où il n'y a qu'un seul paramètre global se situe en . Sur la gure, le minimum , mais apparaissent également un autre minimum local en , un maximum local en ", et un point stationnaire en . Aucun algorithme de minimisation ecace ne s'arrêtera sur un maximum local ou un point stationnaire , parce qu'il est aisé de vérier que les conditions du second ordre ne seraient pas satisfaites à de tels points. Mais un algorithme pourra ne pas déceler un minimum global et s'arrêter à un minimum local. En se basant uniquement sur des informations locales, aucun algorithme ne distingue un minimum local comme d'un minimum global comme . Dans le but de trouver le minimum global, il est donc nécessaire de minimiser Dans notre exemple, un algorithme ecace est capable de trouver s'il débute à partir d'un point quelconque situé à gauche de SSR() un certain nombre de fois, en débutant par une variété de départs diérents. seulement ". An de mener à bien ces diérentes estimations, nous utilisons la fonction de régression non linéaire du logiciel Stata®. 32 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 3 Estimations et Analyses Nous allons eectuer deux estimations. En eet, pour les recensements de 1968 à 2006, nous disposons de données à l'échelle de la commune. Cette étude est intéressante car elle nous permet de mener une approche historique à long terme. Puis nous utiliserons les données à l'IRIS, plus nes et plus précises, mais seulement disponibles pour les recensements des années 1990, 1999 et 2006. Ces données nous orent la possibilité de mener une étude davantage localisée, pour laquelle une approche cartographique à l'échelle de l'IRIS est possible. 3.1 Utilisation des données communales Résultats des estimations Pour les recensements des années 1968, 1975, 1982, 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 1 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, Recensements Généraux de Populations coe. A b K R² 1968 27966 0,42 7697 0,9996 1975 21611 0,35 8238 0,9996 1982 17977 0,32 10215 0,9996 1990 16769 0,31 12719 0,9996 1999 17179 0,31 15248 0,9995 2006 18503 0,32 17050 0,9995 Bussière sous sa forme Comme nous le montre la grande qualité des R², les estimations sont de bonne qualité : le modèle estimé reproduit dèlement les données. Pour une meilleure appréciation des résultats, nous allons les présenter sous une forme graphique. Ainsi, nous allons exhiber les résultats de l'estimation pour l'année 2006. Nous ne le ferons que pour cette année, car les remarques importantes sont généralisables à l'ensemble des années : 33 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 12 Populations cumulées observée et estimée par le modèle de sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 - données communales, RGP On constate donc que la courbe représentant la population estimée est assez proche de celle représentant la population observée. Cependant, nous pouvons noter une sous-estimation de la population dans la zone la plus proche du centre (0-5 km), une sur-estimation de la population pour le rayon de 12,5km à 22,5 km, une sous-estimation jusqu'à 35 km puis une sur-estimation jusqu'à la frontière l'Aire Urbaine. Nous pouvons trouver des explications à ces légères approximations. Tout d'abord, la forme même du modèle de Bussière amène une sous-estimation des populations proches du centre. L'amendement apporté ne permet pas de corriger ce défaut. L'écart observé après 35 km est expliqué par le choix de l'espace étudié. En eet, en choisissant d'étudier uniquement les communes appartenant l'Aire Urbaine de Lyon, notre base de données ne recouvre pas un disque plein. Nous excluons du champ d'études d'importants centres secondaires comme Vienne, Bourgoin ou Villefranche sur Saône. Cela explique pourquoi la population cumulée observée cesse de croître après 35 km. Nous devons donc faire attention aux conclusions que l'on tire de ce modèle. Approche historique Notre objectif étant d'utiliser le modèle de Bussière pour mener des études prospectives, il est important de mettre en place une approche historique pour d'une part étudier l'évolution de la population de l'Aire Urbaine de Lyon sur le long terme, d'autre part observer l'évolution des coecients dans le temps. 34 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon entre 1968 et 2006 - données communales, RGP Figure 13 Populations cumulées estimées par le modèle de Bussière sous D'un point de vue général, on note une augmentation continue de la population totale résidant dans l'Aire Urbaine de Lyon entre 1968 et 2006. Ainsi, la valeur nale de chaque année est toujours supérieure à celle de l'année précédente. Cependant, cette augmentation de la population n'est pas régulière : les densités de population n'ont pas suivi les mêmes évolutions selon la distance au centre. Ainsi, le niveau de la courbe représentant la population cumulée estimée pour l'année 2006 est inférieur aux niveaux d'autres courbes dans un rayon inférieur à 7 km. Cela voudrait dire que dans un rayon de 7 km à partir du centre, la population a diminué. Pour étudier cela de plus près, nous avons recours à la notion de probabilité de densité radiale de la population. Cette probabilité de distance radiale se dénit comme étant la probabilité qu'un habitant réside à une distance r du centre, par unité de distance radiale. Elle est la dérivée de la fonction de population cumulée par rapport à la distance, ramenée à la population totale estimée. L'abaissement dans le temps du point maximum de la courbe traduit la diminution de la concentration. Comme nous raisonnons en termes de probabilité, l'eet croissance est entièrement gommé ; et seuls les eets de l'étalement urbain et de déconcentration ressortent. 35 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 14 Probabilité de densité radiale par pas de distance de 500 mètres On s'aperçoit que la probabilité d'habiter dans le centre diminue fortement dans le temps. On peut donc conclure qu'il y a, relativement à la population totale, un eet certain de déconcentration de la population. De plus, en 2006, les probabilités d'habiter à une distance radiale r du centre sont inférieures à celles de 1968 jusqu'à environ 7 kilomètres du centre. On assiste donc clairement à un phénomène d'étalement urbain. Cependant, il semble que la tendance se soit légèrement inversée entre 1999 et 2006. Ainsi, les probabilités d'habiter dans les zones les plus proches du centre sont légèrement plus élevées pour l'année 2006 que pour l'année 1999. Si l'on ne peut pas dire que l'on assiste à un véritable retournement de la tendance, le constat nous interpelle assez pour pousser plus loin notre analyse. En eet, pour assurer une meilleure visibilité, nous n'avons sélectionné que trois années parmi les six disponibles. An d'approfondir l'analyse, il est important de caractériser l'évolution des trois coecients de notre modèle : 36 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de A(t) Figure 15 Évolution de A(t) dans le temps Le paramètre A correspond à la densité extrapolée au centre de l'agglomé- ration ; en eet, lorsque r = 0, D(0) = A. Lorsque A diminue, cela signie que la quantité observée de population au centre diminue. Pour l'Aire Urbaine de Lyon, nous pouvons observer une diminution de A entre 1968 et 1990, puis une stagnation voire une légère augmentation entre 1990 et 2006. Le centre de Lyon a donc connu une phase de déconcentration jusqu'au début des années 1990, puis une phase de reconcentration depuis. Ce retournement peut être expliqué par les mesures mises en place an de requalier le centre de l'agglomération sur le plan de l'urbanisme (construction de la gare de la Part-Dieu et lancement de la Cité Internationale et du Palais des Congrès sous les mandats de du maire litation de la halle Tony Garnier au début des années 1990 sous l'impulsion de ce centre avec la mise en place d'un réseau de transports en commun dense (construction des 4 lignes de métro entre 1978 et 1991...), et par une sécurisation de certains quartiers (Gerland, Part-Dieu, Vaise, Saint-Rambert...). Cependant, au-delà des raisons techniques, cette augmentation de la population doit être mise en contexte avec l'augmentation de la population du centre-ville de toutes les villes européennes. Francisque Collomb (1976-1989), réhabi- Michel Noir ...), d'augmenter l'accessibilité depuis et en direction 37 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de b(t) Figure 16 Évolution de b(t) dans le temps La diminution du paramètre b signie que l'agglomération gagne en popula- tion sur ses limites extérieures, et que de ce fait la densité résidentielle décroît moins rapidement que par le passé tout au long du rayon de la ville. Ainsi, 1/b représente le point d'inexion de la courbe des densités radiales. Avant ce point, la densité radiale augmente et après ce point elle diminue. Sur l'Aire Urbaine de Lyon, si b diminue entre 1968 et 1990 pour stagner entre 1990 et 2006. Ainsi, A représente la densité de population au centre, le paramètre b représente en quelques sortes la vitesse de l'étalement urbain, sa puissance. Il y a donc eu un phénomène d'étalement urbain sur l'Aire Urbaine de Lyon entre 1968 et 1990, puis cet étalement a ralenti. Il semble même que nous pouvons observer une légère augmentation de b entre 1999 et 2006, ce qui signierait que nous sommes en présence de concentration urbaine. 38 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution de K(t) Figure 17 Évolution de K(t) dans le temps Selon les concepteurs du modèle, la composante linéaire du modèle, K r, renvoie à l'apparition de bandes radiales de plus en plus marquées, qui s'ajoutent à l'étalement formalisé par le modèle de Bussière dans sa forme originale. Ces bandes radiales se présentent comme des routes urbaines insensibles à la distance au centre et donc, comme une esquisse de nouvelles formes urbaines ( & Bonnafous, 1998). phérie. Tabourin K Ainsi, nous pouvons interpréter l'augmentation continue du coecient entre 1968 et 2006 comme une densication du réseau routier urbain en péri- 3.2 Utilisation des données à l'IRIS pour les années 1990, 1999 et 2006 Après avoir utilisé les données communales, il est intéressant de poursuivre notre étude en utilisant des données à l'IRIS. Ainsi, notre objectif sera ici d'étudier les densités de population et de mettre en place une représentation cartographique an de voir si une démarche prospective spatialisée est envisageable. 39 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Résultats des estimations Table 2 Résultats des estimations du modèle de amendée appliqué à l'Aire Urbaine de Lyon entre 1990 et 2006 - données à l'IRIS, RGP coe. A b K R² 1990 18371 0,33 14767 0,9997 1999 19771 0,35 17938 0,9995 2006 21516 0,36 19895 0,9995 Bussière sous sa forme Encore une fois, les estimations produites sont de très bonne qualité, comme en témoignent les valeurs des diérents R² toutes proches de 1. Comme précédemment, nous observons une croissance de centre, une stagnation de A synonyme de redensication du b exprimant un ralentissement voire un arrêt de l'éta- lement urbain et enn une augmentation de K, qui représente une densication des périphéries expliquée par une amélioration des infrastructures de transport radiales. Ces résultats peuvent ici aussi être représentés par des graphiques : Figure 18 Populations cumulées réelles sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP 40 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE sa forme amendée sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006 - données à l'IRIS, RGP Figure 19 Populations cumulées estimées par le modèle de Bussière sous Approche cartographique Nous allons procéder à cette approche cartographique en utilisant des cartes de densité de population sur l'Aire Urbaine de Lyon. Pour cela, nous allons comparer les densités observées en 1990, 1999 et 2006 par IRIS avec les densités obtenue en utilisant les estimations des paramètres obtenues précédemment. Nous devons donc revenir à la fonction de densité : D(r) = A exp(-b r) + Nous obtenons les résultats suivants : K 2r 41 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 20 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1990 42 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 21 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 1999 43 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 22 Densité de population estimée par le modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon en 2006 L'étalement urbain réel apparaît assez bien lorsqu'on l'on observe ces cartes. Ainsi, la tendance est à la densication des IRIS situés entre le centre et la périphérie lointaine. Cependant, cette tendance n'est pas très marquée. Ce n'est pas surprenant lorsque l'on se réfère à l'évolution du coecient b étudiée précédemment. L'étalement urbain connaît un net ralentissement voire une inversion de tendance durant la période étudiée. Globalement, nos estimations rendent assez bien la tendance observée. Ainsi, le phénomène d'étalement urbain est davantage prononcé entre 1990 et 1999 qu'entre 1999 et 2006. Cependant, notre production est limitée par la variable choisie, la distance au centre. Ainsi, nous pouvons comparer les résultats obtenus 44 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE avec les densités de population observées sur la gure suivante : Figure 23 Densité de population observée sur l'Aire Urbaine de Lyon en 2006 En eet, il existe des IRIS possédant une forte densité et éloignés du centre. Ainsi, nous pouvons distinguer deux bandes radiales partant du centre et orientées l'une vers le sud-ouest et l'autre vers le sud-est. Ces densités élevées correspondent respectivement aux villes de Givors et de L'Isle d'Abeau. Pour notre modèle, ces IRIS ne sont pas distincts d'IRIS situés à une même distance du centre de Lyon. Dès lors, il ne permet pas de mener une étude prospective localisée. 45 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Nous avons vu que notre modèle reproduisait mal les niveaux de densité observés. Cependant, il peut être intéressant de s'intéresser à la reproduction des variations de densité estimées entre chacun des recensements. En eet, si notre modèle reproduit assez bien les variations de densité, alors nous sommes en mesure de penser qu'il a une portée prédictive grande. Il sura simplement d'intégrer de façon exogène la densité de population à l'année résultats convenables à l'année 0 pour avoir des n. Figure 24 Variations de densités de population observées et estimées par le modèle de Bussière sous sa forme amendée Si notre modèle avait été parfait, tous les points auraient été confondus avec la première bissectrice, et ce n'est pas le cas. Cependant, le nuage de points semble formé autour de la bissectrice, ce qui pourrait être le signe d'une bonne qualité de reproduction. Il faut faire atention aux échelles des axes. Ainsi, des points nous semblent proches de l'axe alors qu'ils correspondent en fait à des variations observées de 30% et des variations estilées de 5%. De plus, bon nombre de variations observées sont négatives, ce qui correspond à une décroissance de la population de certains IRIS sur la période considérée. Très clairement, notre modèle ne simule aucune variation négative de la population. Ceci n'est pas surprenant car si la population a diminué sur une partie du cercle situé à un 46 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE rayon r du centre, elle a pu augmenter sur les autres parties du cercle. Empiriquement, on a pu constater une baisse de la population dans certaines communes de la périphérie Est de Lyon (Bron, Vaulx-en-Velin, Décines...), mais cette baisse a été plus que contre-balancée par l'augmentation de la population observée dans des communes situées à une égale distance du centre de l'Aire Urbaine mais dans la périphérie Ouest de Lyon (Saint-Genis-Laval, Sainte-Foyles-Lyons, Tassin-la-Demi-Lune...). Cette incapacité à reproduire les baisses de population est une limite évidente à la portée prédictive spatialisée de notre modèle. Dès lors, pour être en mesure de mener une étude prospective localisée, nous devons explorer d'autres voies qui nous permettront de distinguer les IRIS autrement que par leur distance au centre. En eet, cette variable ne prend pas en compte les diérents niveaux d'infrastructures existants (autoroutes, nationales, routes départementales...), ni les diérences d'attractivité entre chaque IRIS, qui sont pourtant fondamentales dans le choix de localisation des ménages. Nous allons donc tenter de remédier à ces insusances. Troisième partie Développement de ce modèle L'objet de cette troisième partie est de présenter les diérents développements que nous avons apportés au modèle an d'améliorer sa portée prospective. Le point de départ de ces analyses a été la volonté d'essayer de travailler avec des variables qui, à la diérence de la distance au centre, permettent de distinguer les IRIS autrement que par leur position géographique. Nous avons donc choisi d'utiliser comme variable d'abord les temps de trajet généralisés pour aller d'un centroïde de zone au centre de l'Aire Urbaine, puis l'accessibilité gravitaire. L'utilisation des temps généralisés permet de nous aranchir de l'hypothèse selon laquelle l'espace urbain est posé sur une plaine uniforme, et l'utilisation de l'accessibilité gravitaire qui prend en compte les emplois situés dans chaque IRIS relâche l'hypothèse de monocentrisme des emplois. 1 Utilisation des temps de trajet Notre première idée a été de considérer les temps de trajet au centre. Ainsi, cela nous permet de prendre en compte les infrastructures de transport existantes. En eet, on peut penser que lorsqu'un ménage décide de sa future localisation, il pense moins à la distance qui le sépare de son lieu de travail qu'au temps qu'il lui faudra pour s'y rendre à l'heure de pointe. 47 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.1 Méthodologie Nous choisissons donc d'utiliser des temps de trajet en lieu et place des distances au centre. En eet, nous éliminons ainsi la contrainte géographique qui limitait notre ambition de mener une approche prospective. Notre postulat de base est trivial : les ménages choisissent leur localisation en fonction du temps mis pour se rendre sur leur lieu de travail. Nous utilisons donc comme variable le temps de trajet pour aller du centroïde de la zone au centre de l'Aire Urbaine de Lyon, la Préfecture, durant l'heure de pointe. Ainsi nous respectons l'hypothèse de monocentricité des emplois propre au modèle de Ce développement devrait nous permettre de distinguer les grands axes d'infrastructures (autoroutes, nationales) qui rapprochent du centre les IRIS proches de ces axes, et de mener une étude prospective à l'échelle de l'IRIS. La fonction de densité à la base du modèle reste la même que celle formulée par eet, l'amendement proposé renvoie à des routes urbaines radiales. Or, les temps de trajet sont fonction du réseau routier existant, et l'ajout d'une composante linéaire nous conduirait à prendre en compte deux fois la même information. La fonction de densité de population habitant à un temps suivante : Bussière . Bussière . Nous n'avons pas recours à la forme amendée du modèle. En v du centre est donc la D(v) = A exp(-bv) ce qui nous donne la fonction de population cumulée : P (v) = 2A [1 - (1 + bv) exp(-bv)] b2 b), Étant donné que nous n'avons ici que deux coecients à estimer (A et comme l'a fait peut-être pourrons-nous proposer une formulation de l'un en fonction de l'autre Bussière pour l'agglomération parisienne entre 1911 et 1968. Données Nous n'utiliserons que les temps de transport en Voiture Personnelle (VP) et nous ne prendrons pas en compte les temps de transport des Transports en Commun (TC) ni ceux des modes doux (marche, vélo...). En eet, les déplacements VP représentent la plus grande part des déplacements journaliers domicile-travail (65,8%) ( Aguilera Mignot & , (2002)). Table 3 Répartition modale des déplacements domicile-travail dans l'Aire Urbaine de Lyon en 1999 (données RGP 1999) Sans mode 3,6 Marche 8,1 2 roues 1,8 VP 65,8 TC 12,8 Plusieurs modes 7,9 total 100 48 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Nous utilisons donc les temps de transport VP pour aller de chaque centroïde d'IRIS au centre de l'agglomération (centroïde d'IRIS Préfecture) à l'heure de pointe. Ces données sont disponibles grâce au travail fourni par Cabrera-Delgado , qui a reconstitué les réseaux routiers de l'Aire Urbaine Jorge de Lyon pour les années 1985, 1995, 1999 et 2006 en codant les réseaux de référence. Il a ensuite chargé les réseaux avec les matrices O-D reconstituées. Nous nous intéressons aux années 1990, 1999 et 2006 qui correspondent aux années des recensements à l'IRIS. An d'avoir les données des temps de trajet pour l'année 1990, nous avons fait la moyenne des temps de trajet 1985 et 1995. 1.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 4 Résultats des estimations du modèle de de Lyon entre 1990 et 2006 en fonction du temps de trajet au centre - données à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 7149 0,17 0,9997 1999 6706 0,16 0,9998 2006 8358 0,17 0,9997 Bussière à l'Aire Urbaine La qualité des estimations est encore une fois de premier ordre. Les R² sont quasiment égaux à 1. An d'analyser au mieux ces estimations, nous proposons d'exhiber la courbe de population cumulée pour l'année 2006, puis de mener une approche historique en comparant les trois années et en menant une étude de l'évolution des coecients. En eet, nous devons voir s'il est possible de détecter une relation entre A et b qui nous permettrait de mener une étude prospective. Nous présentons seulement la fonction de population cumulée pour l'année 2006 car l'analyse à faire est la même pour les trois années des recensements. 49 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 25 Populations cumulées observées et estimées par le modèle de selon le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD La courbe représentant la population cumulée estimée reproduit bien la population cumulée réelle. Nous pouvons cependant noter une légère surestimation de 0 à 15 unités soit 30 minutes. De plus, à la diérence de la population cumulée observée qui stagne pour plus d'une heure de trajet, notre courbe de population cumulée estimée est toujours croissante. Comme précédemment, ceci est dû à la forme de la fonction choisie et à notre zonage d'études choisi. 50 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 26 Populations cumulées estimées par le modèle de le temps de transport VP au centre sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon La population a augmenté continuellement sur l'Aire Urbaine de Lyon entre 1990 et 2006, comme nous pouvons le voir en examinant les points les plus à droite des courbes. Cependant, ces évolutions sont diérenciés. Ainsi, entre 1990 et 1999, la population augmente, mais cette augmentation ne se fait que pour les IRIS situés à plus d'une demi-heure de transport du centre. L'interprétation n'est pas aisée, car il nous est dicile de distinguer l'eet temps de l'eet démographique. En eet, les IRIS ne sont pas stables sur l'axe des abscisses à travers le temps. L'augmentation observée est donc dû bien sûr à un phénomène d'étalement urbain, mais il est aussi possible que l'amélioration ou la création de certaines infrastructures ait rapproché certains IRIS du centre en termes de temps de trajet, ce qui bien sûr augmente la densité de population à un temps de trajet donné du centre. En revanche, entre 1999 et 2006, l'augmentation de la population est visible à partir de 10 minutes de trajet du centre (5 unités), et nous remarquons que l'écart entre les deux courbes diminue après 50 minutes (25 unités). Nous ne pouvons pas considérer que cela est entièrement dû à un repositionnement des IRIS dans l'espace-temps puisque nous n'avons pas observé une amélioration aussi signicative des infrastructures sur cette période. Dès lors, nous pouvons considérer qu'un phénomène de redensication urbaine apparaît. 51 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Évolution des coecients Dans l'étude menée par les coecients tion de Paris, la dimension prospective repose sur la détection du relation entre Bussière sur l'étalement urbain dans l'aggloméra- A et b, exprimée sous la forme A(t) = + b(t). En eet, si une telle relation existe, alors il sut de déterminer la population totale de l'agglomération à l'instant t, N (t) = Est-ce le cas dans notre étude ? 2A b² , pour pouvoir simuler l'étalement urbain. Figure 27 Évolution de A et b dans le temps (temps transport) En observant la gure 27, il ressort une évolution assez complexe de l'étalement urbain depuis 1990. En eet, comme convenu, A augmente sur la période 1990-2006, ce qui correspond à la redensication du centre observée. Notons que cette redensication s'est accéléré depuis 1999. L'évolution de b est stable, ce coecient varie entre 0,16 et 0,17. Cette stabilité est conforme au phénomène de ralentissement de l'étalement urbain observé sur l'Aire Urbaine de Lyon depuis 1990. L'évolution urbaine avant 1990 suivait un schéma assez simple de baisse de population dans le centre couplé à un étalement urbain croissant. Dès lors, l'évolution des coecients A et b est assez facile à interpréter durant cette période. Depuis 1990 en revanche, plusieurs tendances s'arontent : une redensication du centre résultant de politiques urbaines de requalication du centre de Lyon, et un étalement urbain toujours présent correspondant au besoin d'espace et de confort de vie des ménages. L'évolution des coecients est donc dicile à interpréter, mais nous pouvons quand même distinguer de grandes tendances représentatives de l'évolution urbaine de Lyon. Il s'agit maintenant de nous atttacher à produire une étude localisée an de tester la capacité prospective spatialisée de notre modèle. 52 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE 1.3 Approche cartographique à l'IRIS L'approche cartographique est intéressante car elle nous permet de visualiser les résultats de notre étude de façon localisée. Pour cela, nous reprenons la fonction de densité utilisée précédemment : D(v) = A exp(-b v) + Les cartes obtenues sont les suivantes : K 2v Figure 28 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 1990 53 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 29 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 54 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 30 Densité de population estimée par le modèle de Bussière avec l'utilisation du temps de trajet au centre sur l'Aire Urbaine de Lyon en 2006 L'utilisation des temps de trajet au centre en lieu et place des distances au centre nous permet d'obtenir des cartes moins marquées par la forme circulaire du modèle monocentrique. Ainsi, nous pouvons voir l'inuence de la construction de nouvelles infrastructures, notamment à travers l'amélioration de la capacité de circulation de l'A450, qui dessert les communes du sud-ouest lyonnais. De même, les baisses de densité de population des IRIS dans la périphérie est de l'Aire Urbaine de Lyon correspondent à une dégradation des temps de trajet causée par la congestion pendulaire sur les axes pénétrants le centre de Lyon (A42 et A43). 55 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Analyse de la cohérence des variations de densité de population estimées Si nous comparons ces cartes avec celles représentant les densités observées (cf ci dessus et en annexes), nous pouvons voir que les densités estimées ne correspondent pas toujours aux densités observées. Dès lors, il est intéressant de voir si malgré le fait que nous ne soyons pas en capacité de reproduire les valeurs des densités, nous pouvons tout de même reproduire les évolutions de la densité des IRIS. Pour cela, étudions la gure suivante : Figure 31 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation du temps de trajet au centre La majorité des points est située dans les quarts haut-droite et bas-gauche du graphique. Dans ces parties du graphique, le modèle reproduit les bons sens de variation de densité de population. Cependant, de nombreux points sont assez éloignés de la bissectrice, ce qui remet en cause la qualité du modèle. Enn, notons l'existence de nombreux points aberrants qui inrment davantage la qualité du modèle. Si l'on compare les deux périodes, on remarque que les variations de densité estimées entre 1990 et 1990 sont beaucoup plus souvent négatives que celles estimées entre 1999 et 2006 et que c'est pour la première période que nous reproduisons le mieux les variations des densités de population. Notre modèle restitue donc très grossièrement les évolutions des densités, et il semble que la 56 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE qualité de restitution nous empêche de le considérer en l'état comme un outil de prospective localisée able. L'utilisation des temps généralisés en lieu et place de la distance au centre améliore le modèle car cela nous permet de relâcher une hypothèse contraignante. Cependant, si les résultats obtenus permettent d'apprécier l'évolution de la ville, ils ne permettent pas en l'état une approche prospective localisée. C'est pourquoi nous allons essayer de relâcher l'hypothèse de moncentrisme des emplois. 2 Utilisation de l'accessibilité gravitaire L'utilisation de temps généralisés en lieu et place de la distance au centre nous a donc permis de nous aranchir de l'hypothèse d'homogénéité de la surface. Nous allons maintenant utiliser la notion d'accessibilité gravitaire pour relâcher l'hypothèse de monocentrisme des emplois. 2.1 Méthodologie En eet, la notion d'accessibilité gravitaire ( grer dans notre modèle le nombre d'emplois existant dans chaque IRIS. La mesure gravitaire établit une relation entre l'utilité d'une destination, ici le nombre d'emplois à destination, et le coût généralisé de déplacement. Cette mesure peut être exprimée de la manière suivante : Hansen , 1959) permet d'inté- Wi = j où Oj f (Cij ) i aux activités potentielles des points Wi est l'accessibilité à la zone j , Oj et représente les opportunités dans la zone j , (x) est la fonction de résistance C ij la fonction du coût du transport pour se déplacer entre i et j. Le coût associé au déplacement entre un point d'origine et une destination inue sur l'attractivité de l'opportunité. Plus une opportunité est éloignée du point d'origine, en matière de temps, de distance ou de coût général, moins son niveau d'accessibilité est élevé. L'accessibilité gravitaire correspond à une vision intuitive du système de transport, en ce sens qu'un grand nombre d'opportunités augmente les chances de trouver la destination convoitée et que plus une opportunité est éloignée, moins elle est convoitée ( Cependant, elle évalue l'accessibilité d'un emplacement et ne tient pas compte de l'accessibilité individuelle. On attribue à tous les individus résidant dans une certaine zone le même niveau d'accessibilité ( même si dans une même zone les individus pourraient avoir diérents niveaux d'accessibilité en raison de contraintes personnelles, tel qu'un handicap ou le fait de ne pas posséder de voiture, ou en raison d'attentes diérentes vis à vis des Koenig , 1980). Ben-Akiva Lerman & , 1979), 57 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE opportunités. Ainsi, les emplois ne sont pas tous identiques et ne correspondent aux qualications que d'une partie de la population. Finalement, bien que la mesure gravitaire soit relativement simple et intuitive, les résultats peuvent être diciles à interpréter parce qu'ils montrent une mesure d'accessibilité présentée comme un indice d'interaction potentielle ; les niveaux absolus d'accessibilité ont peu de sens en eux-mêmes. Nous choisissons donc d'utiliser une mesure de l'accessibilité gravitaire de la forme : Wi = j avec Oj exp( Cij ) Oj Cij = valtps T Tij + pxcarburant Distanceij le nombre d'emplois dans l'IRIS port pour aller de la zone j et C ij le coût généralisé de transi à la zone j , composé de la somme du temps de trajet = -0, 2, ce qui correspond à une valeur VP multiplié par la valeur du temps et de la distance parcourue multipliée par le prix du carburant. Nous xons moyenne de diérents calibrages sur l'Aire Urbaine de Lyon. Notre modèle de Bussière revisité admet donc la fonction de densité de population d'un IRIS dont l'accessibilité est à un niveau W : D(W ) = A exp(-bW ), ce qui nous donne la fonction de population cumulée suivante : P (W ) = relation entre 2A [1 - (1 + bW ) exp(-bW )] . b2 Comme précédemment, il sera intéressant de voir si l'on peut extraire une A et b au cours du temps. Données Pour calibrer ce modèle, nous avons naturellement besoin des données nécessaires à construire l'indicateur de l'accessibilité gravitaire. Ainsi, nous utilisons une base de données d'emplois par IRIS reconstituée par par à partir des chiers Siren. Encore une fois, nous protons du travail accompli et les distances parcourues. Les valeurs utilisées pour caractériser la valeur du temps et le prix du carburant sont celles préconisées par le rapport Boiteux ( Louafi Bouzouina Jorge Cabrera-Delgado en ce qui concerne les temps de trajet VP Commissariat Général du Plan , 2001). La mesure de l'accessibilité gravitaire nous donne des valeurs allant de moins de 30 000 pour les IRIS ayant le moins d'accessibilité à quasiment 400 000 pour les IRIS du centre de l'Aire Urbaine. Nous avons dû retravailler ces valeurs pour arriver à quelque chose de cohérent dans le cadre de notre modèle. Pour cela, 58 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nous avons divisé ces valeurs par 10 000 an de les ramener à une échelle de 1 à 40, puis nous avons remplacé chaque valeur par son complément à la valeur de l'accessibilité maximale an de placer les IRIS ayant la plus forte accessibilité le plus proche du centre. Illustrons cette démarche avec un exemple ctif : nous sommes en présence des deux IRIS situés aux extrema de la répartition des IRIS en fonction de l'accessibilité gravitaire : le premier (I 1 ) a un niveau d'accessibilité gravitaire égal à 334 000, le second (I 2 ) égal à 60000. étape 1 : on ramène l'ensemble sur une échelle cohérente avec le modèle 60000 334000 10000 = 33, 4 et I 2 10000 = 6. étape 2 : on calcule pour chaque IRIS le complément à la valeur de l'acen divisant par 10 000 : I1 = cessibilité gravitaire de l'IRIS le plus accessible : I"1 = 33.4 - 33.4 = 0 et I"2 = 33.4 - 6 = 27.4. 2.2 Résultats des estimations Pour les recensements des années 1990, 1999 et 2006, à l'aide du logiciel Stata®, nous obtenons les résultats suivants : Table 5 Résultats des estimations du modèle de Urbaine de Lyon entre 1990 et 2006 selon le niveau d'accessibilité gravitairedonnées à l'IRIS, RGP et données SIMBAD coe. A b R² 1990 6805 0,17 0,9975 1999 6814 0,16 0,9966 2006 5573 0,14 0,995 Bussière appliqué à l'Aire Les estimations sont une nouvelle fois de très bonne qualité comme en témoignent les R² très proches de 1. Comme précédemment, nous allons exhiber les résultats issus de cette estimation pour l'année 2006 : 59 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure Bussière 32 Populations cumulées observées et estimées par le modèle de selon le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 2006 - données à l'IRIS, RGP 2006 et données SIMBAD Malgré la bonne qualité de l'estimation, les deux courbes sont assez éloignées l'une de l'autre, surtout en ce qui concerne les tendances de variation : quand l'une est concave, l'autre est convexe et vice versa. Cela provient de la forme particulière de la population cumulée observée, qui est nalement assez proche d'une droite ane. Cette spécicité est due au choix d'utiliser l'accessibilité gravitaire comme variable, mais aussi au travail qui est fait sur cette mesure pour l'intégrer dans le modèle. Ainsi, notre estimation sous-estime la population cumulée jusqu'à un niveau d'accessibilité proche de 10, puis le sur-estime assez largement pour nalement s'en rapprocher lorsque l'on atteint la frontière de l'Aire Urbaine. 60 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 33 Populations cumulées estimées par le modèle de le niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 1990, 1999 et 2006- données à l'IRIS, RGP et données SIMBAD Bussière selon Notre modèle retranscrit assez dèlement l'augmentation de la population totale de l'Aire Urbaine de Lyon, puisque les derniers points de chaque courbe sont de plus en plus élevés avec le temps. Nous remarquons que quelle que soit l'année, la population cumulée est sensiblement la même jusqu'à un niveau d'accessibilité d'environ 15. C'est après ce niveau que des divergences apparaissent et que la population augmente avec les années. Paradoxalement, on peut donc en déduire que l'accroissement de la population se fait dans des zones où le niveau d'accessibilité est relativement bas, ce qui indique que les ménages ont tendance à privilégier le confort au détriment de l'accessibilité aux emplois. Cependant, il est aussi possible que les prix soient bien moins élevés dans ces zones, ce qui augmente fortement leur attractivité. De même, à l'instar de ce qui se passe dans la région parisienne, les zones à forte accessibilité sont peutêtre saturées, et c'est pour cela que l'accroissement de la population se fait en périphérie. Enn, remarquons que l'écart d'accessibilité entre les IRIS situés aux extrema de notre axe des abscisses augmente avec le temps. Évolution des coecients Il s'agit de voir si nous pouvons dégager une relation linéaire entre A(t) et b(t). 61 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 34 Évolution de A et b dans le temps (accessibilité gravitaire) A première vue, les résultats pourraient sembler décevants. Cependant, il faut les examiner sans oublier que le modèle utilisé est diérent de ce que nous vu précédemment. Tout d'abord, nous pouvons remarquer une baisse de De plus, b qui concorde avec le ralentissement de l'étalement urbain observé sur la période. A ne doit pas être interprété comme une population au centre puisque les IRIS précédemment considérés comme centraux sont maintenant simplement ceux pour lesquels l'accessibilité gravitaire est relativement la plus haute : D(0) = A et W =0 pour les IRIS les plus accessibles. Ainsi, si nous prenons en compte à la fois la diminution de l'accessibilité au centre due à la congestion croissante caractérisant le réseau routier de l'Aire Urbaine et la périphérisation progressive des emplois, il est normal que le coecient A diminue avec le temps. Si l'accessibilité gravitaire est l'unique variable entrant en jeu dans les choix de localisation des ménages, alors il est important d'interpréter à la mesure relative de l'accessibilité des diérentes zones. A relativement 2.3 Approche cartographique à l'IRIS An de créer les cartes de densité de population à l'IRIS, nous utilisons la fonction de densité suivante : D(W ) = A exp(-bW ) Les cartes obtenues suivent : 62 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1990 35 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 63 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 1999 36 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en 64 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 2006 37 Densité de population estimée par le modèle de Bussière avec l'utilisation du niveau d'accessibilité gravitaire sur l'Aire Urbaine de Lyon en Tout d'abord, remarquons que si l'utilisation de l'accessibilité gravitaire nous permet de nous aranchir de l'hypothèse de monocentrisme des emplois, ce monocentrisme est tout de même présent dans les résultats de notre étude, signe que l'hypothèse selon laquelle Lyon est une ville assez monocentrique n'est pas complètement farfelue. De plus, s'il n'y a pas d'évolution marquante entre 1990 et 1999, il en va diéremment pour la période 1999 - 2006. En eet, on distingue durant cette période une diminution du nombre d'IRIS dont la densité est très élevée et qui sont situés assez proche du centre, et une augmentation du nombre d'IRIS dont 65 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE la densité est moyenne et qui se situent en périphérie. Ces évolutions correspondent bien à l'évolution de l'accessibilité gravitaire, inuencée comme nous l'avons dit plus haut par la dégradation des conditions de circulation et la périphérisation d'un certain nombre d'emplois. Analyse de la cohérence des variations de densité de population estimées Le modèle n'a donc pas une portée prédictive très forte si l'on raisonne en termes de niveau de densités de population. Cependant, nous devons aussi voir s'il permet de retranscrire les évolutions de densité, en utilisant le même type de graphique que précédemment que précédemment : Figure 38 Variations de densités de population observées et estimées par le modèle de Bussière avec l'utilisation de l'accessibilité gravitaire De nombreux points sont situés dans le quart bas-droite, c'est-à-dire que pour ces IRIS le modèle simule une baisse de la population alors qu'en réalité elle augmente. Toutefois, notre modèle reste dans les mêmes ordres de grandeur que les évolutions réelles, entre -20 et +20%. Il y a relativement peu de points aberrants dus au modèle, ce qui est un indicateur de abilité. Il existe des diérences importantes selon que l'on se situe dans la période 1990-1999 ou la période 1999-2006. Nous proposerons des développements à ce modèle pour 66 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE franchir ces obstacles. Si l'utilisation de l'accessibilité gravitaire permet de s'aranchir d'une hypothèse supplémentaire, notre modèle ne permet toujours pas une approche prospective localisée. En revanche, nous avons pu aborder le problème avec une approche diérente, ce qui a renforcé notre compréhension du phénomène d'étalement urbain en jeu. 3 Perspectives Il est intéressant de voire quelles conclusions tirer de notre étude, et quelles perspectives elles entrainent. Pour cela, nous allons tout d'abord comparer les trois modèles utilisés dans notre travail, puis nous suggèrerons les développements intéressants à étudier ainsi qu'une piste diérente qu'il nous semble pertinent d'explorer. 3.1 Comparaison des diérents modèles Il s'agit ici d'aborder les diérences et les points communs à nos trois modèles. Diérences entre les modèles La principale diérence entre nos modèles réside dans les variables choisies. En eet, ce choix des variables nous permet de lever certaines hypothèses contraignantes mais de conserver les mêmes fondements théoriques, c'est-à-dire ceux du modèle standard de l'économie géographique. Ainsi, nous avons tout d'abord utilisé la version classique du modèle de en utilisant comme variable la distance à parcourir pour aller au centre de l'Aire Urbaine où sont censés se situer tous les emplois. Deux hypothèses de ce modèle ne correspondent pas à la réalité de l'agglomération lyonnaise : l'homogénéité géographique qui sous-entend une homogénéité des infrastructures de transport et la concentration des emplois dans l'hypercentre. Notre second modèle utilise lui les temps de transport généralisés VP. Ainsi, nous considérons que ce n'est pas la distance au centre qui inuence principalement les choix de localisation mais, dans le cadre d'un raisonnement de type monocentrique, les temps de trajet généralisés, c'est-à-dire le coût de transport ressenti par les usagers pour se rendre dans le centre. Cependant, nous nous heurtons toujours à l'hypothèse de monocentrisme des emplois. C'est pour relâcher cette hypothèse que nous avons choisi de développer un modèle utilisant l'accessibilité gravitaire. En eet, à travers cette notion, nous considérons que les ménages font leurs choix de localisation en fonction du Bussière 67 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE nombre d'emplois des zones voisines, et que plus les emplois sont éloignés du logement moins ils sont considérés comme attractifs. les emplois ne sont donc pas seulement situés dans l'hypercentre mais répartis dans l'ensemble des IRIS. De plus, nous utilisons toujours les temps de trajets généralisés, ce qui permet d'intégrer la performance des infrastructures dans le modèle. D'un point de vue strictement théorique, ce dernier modèle est le plus pertinent. Points communs aux modèles Nos trois modèles ont des points communs assez simples à identier : une capacité certaine à reproduire les tendances des fonctions de populations cumulées et donc de l'étalement urbain, et une incapacité relative à reproduire les évolutions de densité de population à l'échelle de l'IRIS et à produire une étude prospective, que ce soit à un niveau très agrégé ou au contraire à un niveau de localisation assez n, l'IRIS. En eet, chacun des trois modèles reproduit dèlement les fonctions de population cumulée observées, ce qui est conrmé par des niveaux de R² très élevés. Ainsi, ils peuvent être utilisés en tant qu'instrument d'analyse voire de vérication de simulations issues d'autres modèles. Notons toutefois que le modèle utilisant l'accessibilité gravitaire est moins performant que les deux autres dans cet exercice. Dans les trois modèles, l'étude des coecients nous a fourni des informations pertinentes sur l'évolution de l'étalement urbain sur l'Aire Urbaine de Lyon depuis 1990. Or nous savons que durant cette période, le phénomène est complexe à analyser car nous manquons de recul. L'utilisation du modèle de soient ses tendances. Cependant, nos modèles manquent de précision lorsque l'on procède à une analyse localisée. Ainsi, si l'approche cartographique nous a permis de constater l'étalement urbain, les densités estimées sont souvent assez loin des densités observées. L'étude des variations de densité apporte davantage de satisfaction, mais faute de plus de abilité, on ne peut pas envisager une intégration en l'état de l'un de nos trois modèles dans SIMBAD. apporte donc un éclairage pertinent sur l'évolution urbaine, et ce quelles que Bussière 3.2 Des développements à apporter au modèle de sière Nous avons vu que les modèles de Bus- d'envisager une étude prospective localisée. Cependant, nous pensons que des améliorations peuvent être apportées au modèle pour pouvoir envisager l'intégration dans SIMBAD. Ces améliorations sont au nombre de trois : la prise en compte des temps de trajet en transport en commun, le calage de la fonction de résistance utilisée dans la formule de l'accessibilité gravitaire et enn une Bussière en l'état ne permettent pas 68 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE segmentation des opportunités. La prise en compte des temps de trajet TC doit être un élément important de la réexion future sur le sujet. En eet, aujourd'hui la part des trajets TC est largement inférieure à celle des trajets VP, mais cette répartition est susceptible de changer. Le mode de transport TC et les infrastructures nécessaires sont aujourd'hui une des priorités des urbanistes et des hommes politiques. On peut donc imaginer que ce mode de transport va se développer dans l'avenir. Il serait dommage de ne pas intégrer cette composante dans un modèle à objectif prospectif. De plus, cela nous permettrait de prendre en compte les ménages qui ne disposent pas de véhicule, voire d'un seul véhicule, et pour lesquels le mode de transport est contraint. Dans notre approche utilisant l'accessibilité gravitaire, nous avons pris le parti d'utiliser une fonction de résistance simple, la fonction exponentielle avec un coecient négatif. Cependant, d'autres fonctions de résistance sont disponibles, notamment la fonction de résistance combinée de la forme f (Cij ) = Cij exp( Cij ). Dès lors, il peut être intéressant d'étudier cette fonction de résistance (ou une autre) an de voir son inuence sur les niveaux d'accessibilité gravitaire absolus et relatifs obtenus. Peut-être que des diérences plus marquées apparaîtrons entre les IRIS, et que les densités estimées seront plus proches des densités observées. Enn, toujours dans notre travail sur l'accessibilité gravitaire, nous avons choisi d'utiliser comme mesure d'opportunité le nombre d'emplois par IRIS. Il serait ici intéressant d'envisager à la fois de segmenter les emplois selon le secteur auquel ils appartiennent ou le niveau de qualication requis, mais aussi d'autres composantes comme les aménités (paysage, parc naturel...) ou les commerces à proximité. Les développements que nous proposons se situent dans le travail sur l'accessibilité gravitaire. En eet, ce modèle est neuf et donc susceptible d'être amélioré. De plus, nous pensons que c'est celui pour lequel les perspectives de développement sont les meilleures eu égard aux fondement théoriques nouveaux à la base de ce modèle. 3.3 Une piste nouvelle à explorer Nous avons pu voir que malgré les améliorations apportées au modèle, ce dernier ne permet malheureusement pas de procéder à des études prospectives localisées. En eet, les densités de population par IRIS sont très diciles à prévoir. Cette remarque nous semble valable pour l'ensemble des modèles de type monocentrique : le niveau de précision n'est pas assez n pour pouvoir être intégré dans un modèle LUTI dans un but prospectif Selon nous, une des pistes intéressantes à explorer est une étude davantage micro-économique au découpage le plus n dont nous disposons, c'est à dire 69 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE l'IRIS. Il serait intéressant de développer une analyse micro-économique au niveau de l'IRIS. Ainsi, en agrégeant l'ensemble des zones, nous pourrions avoir une vue d'ensemble de l'étalement urbain. Un modèle de ce type existe déjà dans UrbanSim, puisque sont simulés dans ce modèle les constructions de nouveaux logements ou bureaux et la mobilité des ménages ou des rmes. Cependant, ce modèle suit une logique que nous pouvons qualier d'anglo-saxonne selon laquelle les nouvelles constructions sont seulement le fait de l'initiative d'entrepreneurs immobiliers privés. Ces modèles ne sont pas pertinents pour être appliquer en France où les décisions des collectivités locales ont une grande inuence sur le nouveau bâti. C'est pourquoi nous pensons que la conception d'un nouveau modèle qui prend en compte les spécicités françaises serait intéressante. Pour cela, il y a au moins trois caractéristiques françaises à prendre ce compte : la libération des terrains à bâtir, les subventions à la construction et l'attribution des HLM (Habitation à Loyer Modéré). Bien sûr, cette liste n'est pas exhaustive et d'autres spécicités peuvent être ajoutées. La libération des terrains à bâtir est fonction du PLU (Plan Local d'Urbanisme), le principal document de planication de l'urbanisme au niveau communal ou éventuellement intercommunal. Ces plans ont un horizon de 10 ou 20 ans, mais ils subissent assez souvent des modications. C'est pourquoi nous ne pouvons pas nous contenter des PLU actuels. Les maires des communes sont les principaux acteurs des PLU, et ce sont eux qui décident de la libération ou non d'une surface à bâtir. Dès lors, même si processus de décision est de nature économique, il contient aussi une part psychologique importante qu'il faut rationaliser pour pouvoir l'intégrer dans le modèle. sur le modèle PIRANDELLO®, a développé l' équation des maires (2011), une équation qui modélise la libération des terrains en posant en postulat que le maire cherche à maximiser l'utilité de ses terrains dans le temps. Cette résolution du problème a été inspirée par de la maximisation d'un bien non-renouvelable, tel le pétrole (1931). Les subventions à la construction sont importantes car elles vont fortement inuencer la réalisibilité et la rentabilité d'une opération nancière. Il faut en tenir compte à la fois pour les initiatives privées, mais aussi pour les opérations publiques. Enn, il faut traiter les HLM spéciquement car ils jouent un rôle important dans la mobilité des ménages. Il serait intéressant d'étudier le mécanisme de l d'attente d'attribution des HLM. Le modèle de Jean Delons , dans son travail Hotelling et sa résolution du problème mettent pas de simuler l'étalement urbain, et c'est d'autant plus vrai que l'échelle est ne. Il faut donc envisager l'apport de développements à ces modèles ou la construction d'un autre modèle, qui prend en compte les spécicités françaises. Bussière et les développements que nous avons faits ne per- 70 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Conclusion Ce travail avait donc pour objectif à la fois d'étudier la capacité prospective du modèle de d'apporter des améliorations théoriques à ce modèle. Force est de constater que les résultats obtenus sont très contrastés. En eet, si le modèle de prédictif s'est révélé faible. Ainsi, il fournit une bonne grille de lecture de l'étalement urbain d'une agglomération, car il permet de distinguer à la fois l'évolution de la population mais aussi l'évolution de sa répartition sur l'Aire Urbaine, et ceci selon un raisonnement simple dont les résultats peuvent gurer sur un graphique en deux dimensions. Nous avons donc pu apprécier l'évolution de la population et de sa répartition sur l'Aire Urbaine de Lyon depuis 1968, et observer un ralentissement voire une régression du phénomène d'étalement urbain depuis les milieu des années 1990. De plus, l'utilisation de l'accessibilité gravitaire fournit une grille de lecture nouvelle qui couple la répartition des emplois aux temps de trajet généralisés. Cependant, notre modèle, et ce quelles que soient les améliorations que nous lui avons apportées, s'est trouvé en diculté dès lors qu'il s'agissait de reproduire l'évolution de la population à une échelle assez ne, en l'occurrence l'IRIS. Les simulations des densités de population ne sont pas très bonnes, et même si les estimations des écarts de densité sur une période donnée sont de meilleure qualité, ce n'est pas susant pour que nous puissions nous satisfaire du modèle en l'état. C'est pourquoi nous avons choisi d'ouvrir de nouvelles perspectives de travail que nous n'avons pas eu le temps d'explorer. Ces perspectives sont orientées vers des développements du modèle de et vers l'utilisation de modèle désagrégé, où les décisions se font à l'échelle de la commune et où l'ensemble des décisions est ensuite agrégé pour avoir une vue d'ensemble du phénomène. D'un point de vue théorique, ce travail essaie d'apporter des solutions pour relâcher deux hypothèses contraignantes du modèle de géographique et le caractère monocentrique. conrmé sa capacité à être un outil d'analyse précis et pertinent, son pouvoir Bussière en ce qui concerne l'étalement urbain, mais aussi Bussière a Bussière utilisant l'accessibilité gravitaire Bussière : l'homogénéité En eet, dans sa forme initiale, le modèle de Bussière suppose une plaine uniforme sur laquelle les coûts de transport sont uniquement fonction de la distance. Pour cela, nous avons choisi d'utiliser des temps de trajet généralisés, qui permettent de prendre en compte à la fois la diversité géographique mais aussi l'ensemble des infrastructures routières. Enn, nous relâchons l'hypothèse selon laquelle l'ensemble des emplois est situé au centre de la ville en intégrant au modèle la notion d'accessibilité gravitaire, que nous avons retravaillé an qu'elle puisse être incorporée de manière ecace dans le modèle. C'est une des premières fois que cette notion est intégrée dans un modèle de type monocentrique. L'accessibilité gravitaire prend en 71 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE compte l'ensemble des emplois en les diérenciant selon leur localisation. Ainsi, les ménages ne sont pas inuencés seulement par le temps de transport qui les séparent d'un unique point, en l'occurrence le centre de l'agglomération, mais par l'ensemble des temps de transport vers tous les points de l'Aire Urbaine pondérés par le nombre d'emplois à destination. Selon nous, cette hypothèse est davantage proche de la réalité, et améliore donc la portée théorique du modèle. 72 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Références [1] Aguilera A. & intra-urbaines et mobilité domicile-travail, Recherche transport Sécurité 77, p. 311-325. Mignot D., (2002), Structure des localisations [2] Alonso W ., (1964), Location and land use, Cambridge, Mass. : Harvard University Press. [3] de la Barra T., Pérez B. & Vera ning B : Planning and Design, 11p. N., (1984), TRANUS-J : Putting large models into small computers, Environment and Plan- [4] Ben-akiva M. & Lerman S.R Croom-Helm), p. 654-79. ., (1979), Disaggregate travel and mobility-choice models and measures of accessibility, in D.A. Hensher et P.R. Storper (eds.), Behavioral Travel Modelling (London : [5] B Bussière revisité, Communication aux journées de Chamonix des 8 et 9 janvier 1996, 15p. [6] onnafous A. & Tabourin E ., (1996), Le modèle d'Alonso- Bussière R lark ., (1972), Modèle de localisation résidentielle, Annales du centre de Recherche et d'Urbanisme, 162p. [7] C C., (1951), Urban Population Densities, Journal of the Royal Statistical Society, 114, p. 490-494. [8] Commissariat Général du Plan Marcel Boiteux présidé par ments et coûts des nuisance, 325p. (2001), rapport du groupe , Transports : choix des investisse- [9] Davidson R. & Mackinnon J., p. 45-71. [10] Coroute, Paris. [11] (1993), Estimation and Inference in Econometrics, Oxford and New York, Oxford University Press, Delons J. , (2011), l'équation des maires, document de travail, Deymier G. & Nicolas J.-P pour le projet SIMBAD. ., (2005), Modèles d'interaction entre transport et urbanisme : état de l'art et choix du modèle [12] Hansen W. otelling Hoyt H. oce. G., (1959), How accessibility shapes land use, Journal of the American Institute of Planners, 25, p. 73-76. [13] H H., (1931), The economics of exhaustible resources, The Journal of Political Economy, 39, p. 137-175. [14] , (1939), The structure and growth of residential neighbo- rhoods in American cities, Washington, US Government printing [15] Koenig, J. G ., (1980), Indicators of urban accessibility : Theory and application, Transportation, vol. 9, . 145-72. p 73 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [16] Memorandum RM-4035-RC, Rand Corporation. [17] Lowry, I. S. (1964). Model of metropolis. Santa Monica, CA : Martinez F.J. Mills E. Muth R., , (2000)Towards a land use and transport interac- tion framework, Handbook of Transport Modelling, p. 146-164. [18] , (1967), An aggregative model of resource allocation in a metropolitan area, American Economic Review, 57, p. 197-210. [19] (1969), Cities and housing, Chicago : University of Chi- cago Press. [20] Nicolas J.-P., Bonnel P., Cabrera J., Godinot C., Homocianu M., Routhier J.-L., Toilier F. & Zuccarello P ., (2009), Simuler les mobilités pour une agglomération durable, LET, rapport nal, 211p. loppement durable dans les politiques publiques in Paris : Economica, coll. Méthodes et Approches. [21] N icolas J.-P., (2010), SIMBAD : un outil pour intégrer le déve- (ed.), Modéliser la ville. Forme urbaine et politiques de transport. Antoni J.-P. [22] OPALE - Observatoire Partenarial Lyonnais en Economie. [23] Peguy P.Y., Goffette-Nagot F. & Schmidt C.Baumont, P.P. Combes, P.H. Derycke, H. Jayet B., (2000), L'étalement urbain, in (ed.), Économie géographique, Les théories à l'épreuve des faits, Paris, Economica, p. 241-276. [24] Peguy P.-Y. , (2000), Analyse économique des congurations ur- baines et de leur étalement, Thèse d'Etat ès Sciences Economiques réalisée sous la direction du Pr Alain Bonnafous, Université Lumière Lyon II. [25] Putman S. H., Dallas, TX. (1995), EMPAL and DRAM location and land use models : a technical overview, 26 Land Use Modeling Conference, [26] SESP, CERTU, (2006), Economie urbain,. Rassemblement de la connaissance, Chapitre 1 : Synthèses, Paris, Ministère des Transports, de l'Equipement, du Tourisme et de la Mer, Service économique, statistiques et prospective, 89p. [27] Simmonds D., Echenique M. & Bates J formes de la croissance urbaine, Le modèle de nomie des transports Lyon. ., (1999), Review of Land-Use/ Transport Interaction Models, DETR, 72p. [28] Tabourin, E., Andan, O. and Routhier, J.-L. René Bussière Tabourin E. & Bonnafous A., Pumain Mattei tion de D. & 74 , (1995), Les ap- pliqué à l'agglomération lyonnaise, Rapport du Laboratoire d'éco- [29] (1998), Modélisation de l'évolu- tion des densités urbaines, Données urbaines tome 2 sous la direcM.-F., ed. Economica Anthropos, coll. Villes, p. 167-180. Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE [30] Landwirtschaft und Nationalökonomie, Düsseldorf, Wissenschaft und Finanzen GmhH. [31] Von Thünen J. H. , (1850), Der isolierte Staat in Beziehung auf Waddel P ., (2000), Towards a behavioral integration of land use and transportation modelling, 9th International Association for Travel Behavior Research Conference Queensland, Australia. [32] Wegener M ., (2000), Land-Use Transport Interaction : State of the Art : What can we learn from North America ?, 12p. [33] Wegener W . & tion : state of the art, TRANSLAND, IRPUD, 119p. [34] Fürst F ., (1999), Land use transport interac- Wilson, A.G., PION, London. (1970), Entropy in Urban and Regional Modelling, 75 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Annexes Figure 39 Densité de population observée sur l'Aire Urbaine de Lyon en 1990 76 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 40 Densité de population observée sur l'Aire Urbaine de Lyon en 1999 77 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 41 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1968 Figure 42 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1975 Figure 43 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1982 78 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 44 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1990 Figure 45 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 1999 Figure 46 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données pas à pas, 2006 79 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 47 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 48 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 49 Résultats de l'estimation du modèle de Bussière sous sa forme amendée sur l'Aire Urbaine de Lyon - données IRIS, 2006 80 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 50 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 51 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 52 Résultats de l'estimation du modèle de Bussière utilisant les temps de trajet généralisés sur l'Aire Urbaine de Lyon - données IRIS, 2006 81 Guillaume Monchambert Mémoire de Master - Université Lyon 2, ENTPE Figure 53 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1990 Figure 54 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 1999 Figure 55 Résultats de l'estimation du modèle de Bussière utilisant l'acces- sibilité gravitaire sur l'Aire Urbaine de Lyon - données IRIS, 2006 82  INVALIDE)