Vous êtes sur la page 1sur 11

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/288512016

MODELISATION DE COMPORTEMENT INDIVIDUEL DE DEPLACEMENT POUR


LA VILLE DE TUNIS

Conference Paper · May 2010

CITATIONS READS

0 210

1 author:

Khaled Ben Abdallah


higher institute of transportation and logistics of sousse
9 PUBLICATIONS   99 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Khaled Ben Abdallah on 28 December 2015.

The user has requested enhancement of the downloaded file.


8e Conférence Internationale de MOdélisation et SIMulation - MOSIM’10 - 10 au 12 mai 2010 – Hammamet -Tunisie
« Évaluation et optimisation des systèmes innovants de production de biens et de services »

MODELISATION DE COMPORTEMENT INDIVIDUEL DE


DEPLACEMENT POUR LA VILLE DE TUNIS

BEN ABDALLAH Khaled

ISTLS /Tunisie

12, Rue Abdallah Ibn EZZOUBEIR, B.P : 247. Sousse

Ben_abdallahkhaled@yahoo.fr

RESUME :

L’étude microéconomique de comportement individuel de déplacement permet non seulement de donner une prévision
de cette demande mais également de quantifier l’impact d’un changement dans la politique de transport urbain sur le
bien être des individus. Les modèles de choix discret constituent un cadre d’analyse pertinent pour estimer la demande
individuelle de transport urbain. La raison est simple ; En économie, la demande de transport se distingue des
demandes classiques par son caractère discret. Cette étude présente une analyse microéconomique de Comportement
individuel de déplacement pour la ville de Tunis en ayant recours aux modèles de choix discret, qui découlent d’un
processus de maximisation d’utilité aléatoire. A cette fin, une version particulière de ces modèles sera appliquée : le
Logit.

MOTS CLES : Comportement individuel, modèles de choix discret, Logit.

1. INTRODUCTION lorsque nous considérons ne pas pouvoir


parfaitement observer l’ensemble des déterminants
de préférences de l’individu. Du point de vue
analytique, seule une partie de ces déterminants
Les modèles de choix discrets permettent de n’est pas stochastique. La détermination avec
déterminer la probabilité de réalisation de certitude quelle alternative est préférée, est très
différentes alternatives envisageables (choix d’un difficile. Cependant, en supposant certain nombre
mode, d’une destination,…), supposées en nombre d’hypothèses, on peut mettre en œuvre une
fini, à partir de la description des individus et des approche probabiliste cohérente. Empiriquement,
alternatives. Ils se basent sur plusieurs hypothèses l’application majeure des modèles à utilité aléatoire
concernant la distribution statistique de terme réside dans la modélisation de la demande de
d’erreur et la spécification de la partie déterministe transport et particulièrement le choix du mode de
du modèle. Ces derniers sont utilisés en fait,
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

transport de passagers. Il s’agit d’évaluer la résulter d’un processus d’apprentissage des


probabilité qu’un individu choisisse tel mode plutôt préférences.
qu’un autre. Cette probabilité est fonction de niveau
de service (temps et coût) de mode de transport et
des caractéristiques socio-économiques de
l’individu en question. 2.1 Formulation analytique générale de modèles
de choix discrets :

La problématique générale de cette étude consiste à Pour un exposé plus détaillé, considérons le modèle
estimer la structure de la demande individuelle de statistique où un individu n appartenant à un
transport urbain pour la ville de Tunis en ayant échantillon N choisit une alternative parmi un
recours aux modèles de choix discret qui découlent nombre fini d’alternatives mutuellement exclusives.
d’une maximisation d’utilité aléatoire. Notre L’utilité que l’individu n accorde à chaque
objectif est de faire le point sur l’aspect théorique alternative i de son ensemble de choix est une
de la notion de mobilité quotidienne et mettre en variable aléatoire Uin, appelée utilité perçue par
lumière les déterminants de choix modal et l’individu :
d’analyser les représentations individuelles des
moyens de transport dans le cadre de la mobilité de
la ville de Tunis.
Uin  Vin   in (1)

Cette étude est basée sur les résultats de la dernière


enquête des déplacements des individus pour la
Le niveau d’utilité accordé par chaque individu n
ville de Tunis, réalisée par le District de Tunis.
tiré au hasard de la population à une éventualité i
Nous nous intéresserons à un aspect particulier du
appartenant à son ensemble de choix, est fonction
comportement individuel de choix modal, celui des
de deux éléments :
déplacements domicile-travail qui convergent vers
le centre ville entre 7h et 10h de matin. Pour
répondre à cette problématique, notre méthodologie
s’ordonne en deux parties. La première constitue
une présentation analytique de modèles de choix Un élément non aléatoire Vin qui représente la
discret alors que la deuxième présente son composante déterministe de l’utilité, appelée aussi
application à la question de choix modal dans la utilité mesurée par l’analyste ou bien part
ville de Tunis. observable de l’utilité. Il représente les goûts
moyens mesurables chez tous les individus pour
chaque éventualité i. Vni peut être représentée
comme fonction des caractéristiques individuelles
2. REVUE DE LA LITTERATURE Sn et des attributs Wni. Plus précisément, on aura :

La modélisation du choix modal doit respecter la


nature particulière de la variable à expliquer. Il
Vin = f (Sn, Wni) (2)
s’agit d’une variable qualitative et non numérique
(moyen de transport), discrète et non continue
puisqu’elle prend un nombre limité des modalités.
Avec Sn est le vecteur des caractéristiques socio-
En plus, c’est une variable non ordonnée : on ne
économiques de l’individu n et Wni est le vecteur
peut pas à priori classer les modes de transports les
qui représente l’ensemble des attributs de
uns aux autres, par exemple affirmer que la voiture
l’alternative i.
particulière est « supérieur » à la bicyclette, elle-
même « supérieur » au bus,… L’analyse du choix
modal se réalise quotidiennement dans un Un élément aléatoire  ni qui représente les goûts

environnement non contrôlé et s’exprime en termes non mesurables propres à chaque individu de
de choix discrets, ce qui justifie pleinement l’usage caractéristiques Sn pour chaque éventualité i de
de modèles de choix probabiliste. Plus précisément, l’ensemble de choix. Cette composante aléatoire
un individu est soumis chaque jour à des tient son origine de plusieurs sources ;
événements imprévus, qui peuvent, pour un motif
donné, modifier son choix du mode de transport. A
Il y a des variables explicatives non considérées,
ces variations involontaires s’ajoutent des
soient négligées par l’analyste car difficiles de les
modifications volontaires du choix qui peuvent
découvrir, soient non intégrées dans le modèle vu
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

qu’elles sont non mesurables. Elle peut aussi c’est le modèle Logit distribué selon la loi de
provenir d’erreurs de mesure sur les variables ou weibul.
dans la spécification de la fonction d’utilité. Elle
peut s’interpréter par la variabilité des
comportements, goûts particuliers non mesurables
de l’individu, irrationalité, … Pour tout ensemble d’éventualités i, les termes
d’erreurs sont indépendants et identiquement
distribués selon une loi de weibul. La probabilité
Cette formulation de problème rend le choix donnée par le modèle Logit1 est :
probabiliste et la question ne serait plus de choix
mais de probabilité de choix. C’est le calcul de ces
probabilités qui importe et non les choix eux-
exp(Vi )
mêmes. Sous l’hypothèse de rationalité du Pni  n
consommateur cherchant à maximiser sa  exp(Vj )
satisfaction, l’expression de la probabilité de choix j 1

de l’alternative i parmi l’ensemble Cn des


alternatives disponibles pour l’individu n, noté P
(i/C) ou Pni s’écrit :
Ce modèle présente l’avantage d’avoir une
formulation mathématique relativement simple ce
pn  i   pr U in  U jn  , j  Cn ; j  i (3)
qui explique son usage relativement répandu. Il
constitue un outil statistique simple permettant
d’ajuster correctement les variables endogènes
qualitatives et un outil micro-économique puissant
puisqu’il est dérivable de la maximisation d’une
Programme de maximisation :
fonction d’utilité. Cependant, il est contraint par
plusieurs hypothèses restrictives.

Modèle latent : Uin  Vin   in


La méthode d’estimation statistique la plus
Avec Vni= f (Sn, Wni) pratiquée est celle de maximum de vraisemblance.
L’idée de cette méthode est de rechercher parmi
Modèle observable : Yni = 1 si l’alternative i est choisie
toutes les valeurs possibles de paramètres, celles
0 si non qui ont la plus forte probabilité d’avoir généré les
choix observés. Soit un échantillon aléatoire
Yni désigne le choix observé contenant N individus. Chaque individu n dispose
d’un ensemble individuel de choix, noté Cn,
Le lien entre les deux : Yni= 1 si Uni ≥ Unj,  j ≠ i composé de alternatives i ; La fonction de
vraisemblance est :
0 si non.

L   iC n Pni  ni
N

n1
La probabilité que l’individu n choisisse
l’alternative i est :

 ni  1 si l’individu n choisit effectivement l’alternative i

Pni = Pr (Uni ≥ Unj),  j ≠ i  C.


0 si non

= Pr (Vni +  ni 
≥ Vnj + nj)

≥  - 
La probabilité des choix observés est le produit des
= Pr (Vni – Vnj nj ni) probabilités que chaque usager n choisisse i. De
point de vue analytique, il est possible d’appliquer
Une attention particulière est portée à la loi à une transformation strictement monotone à cette
laquelle obéissent les termes d’erreurs. La expression pour le rendre plus maniable. C’est
spécification de la loi de distribution statistique de notamment la transformation logarithmique :
la partie aléatoire va définir le profil définitif de la
fonction de probabilité du choix P ni. Différentes
spécifications de cette loi ont été utilisées. Mais on 1
Pour plus de détails concernant le modèle logistique, on
s’intéresse seulement à une seule spécification ; conseille le lecteur de consulter P. Taffé (2004).
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

intégrée de l’évolution du système de transport. «


Travel behaviour research is closely related to the
N
professional and pratical activities of travel demand
InL    ni In( Pni )
n 1 iCn
forcasting, transport planning and policy
assessment, and indeed in practice, these
applications often provide the context in which
travel behaviour research is carried out » (Faire
La maximisation de cette expression permettra D’Arcier, cité dans Bonnel et al, 1997., p 321)
d’obtenir les estimateurs des paramètres du modèle
Logit. Ce processus d’optimisation passe par le
calcul des dérivées premières de la fonction de
Vraisemblance2 par rapport à β1 et β2. Le modèle à La modélisation du comportement individuel de
estimer peut s’écrire en terme « d’odds » de déplacements joue un rôle considérable dans le
l’événement réalisé (« l’odds » d’un événement processus de planification. Elle permet de
réalisé est défini comme le ratio de la probabilité comprendre les besoins et les attentes et aussi de
d’un événement réalisé sur la probabilité de prévoir l’évolution de la demande du trafic et par
l’événement non réalisé). En effet, à l’encontre du conséquent les tendances futures du système des
modèle linéaire, l’influence d’une variable sur la déplacements. Pour répondre aux besoins d’une
probabilité P n’est pas linéaire: nouvelle planification, plus large et plus cohérente,
il est nécessaire de procéder à une meilleure
compréhension des comportements et des habitudes
de déplacements et par conséquent à une
Log (odds)= log P(évenem ent réalisé) =log ( P )
connaissance plus approfondie de la demande,
P(évenem ent non  réalisé) 1 P puisque « les pratiques de déplacement
appartiennent in fine aux individus qui réalisent
l’ensemble des déplacements quotidiens » (Petit,
2000a., p88)
A partir de cette équation, on voit que les
coefficients peuvent être interprétés comme la
variation du logarithme de l’ « odds » associée avec Le but de l’analyse des comportements de
une variation d’une unité d’une variable déplacement est de concevoir des modèles
indépendante : théoriques et pratiques qui puissent produire, aussi
fidèle que possible, l’étendue et la distribution des
flux de trafic générés par les individus, afin de
pouvoir prévoir comment ces flux changeront en
2.2 Pourquoi modéliser le comportement
fonction du temps ou en raison d’un changement
individuel de déplacement ?
significatif des systèmes de transport. Définir la
projection détaillée de la demande nécessite
d’identifier les paramètres qui influencent les
L’analyse des comportements de déplacements a décisions individuelles. La qualité de la
fait l’objet des plusieurs études. Elle est en étroite planification dépend fortement de la connaissance
relation avec la prévision de la demande, la des comportements de déplacements des individus.
conception et l’évaluation des stratégies et plus
généralement la planification des transports. k.
Goulias (2000., p.1) confirme « Understanding
Les pratiques de la mobilité sont le résultat des
human behavior and human values was recognized
comportements individuels et la compréhension de
many years ago as a key ingredient in the planning
la mobilité passe par l’identification et l’étude des
of communities. In depth understanding of human
comportements individuels. Cependant aucun
nature is essential to the planning, design and
consensus n’a été atteint dans la formalisation
operational analysis of transportation systems »
d’une théorie des comportements de mobilité.
L’étude des comportements a fait l’objet de
plusieurs champs d’investigation et a suscité une
La planification des transports urbains s’inscrit dans vaste littérature dans différents domaines à savoir
une démarche plus générale de planification l’économie, sociologie, géographie,…. «
urbaine. Elle tend aujourd’hui à proposer une vision L’analyse des pratiques de déplacement, à l’image
de la recherche en transport dans son ensemble, est
2
Sous des hypothèses générales, il a été démontré que la traditionnellement structurée par les modes de
fonction de vraisemblance est globalement concave, ce qui pensée de l’économiste et du géographe » ( J.Petit.,
implique que si un maximum (une solution) existe, elle est 2003 ., p.3)
unique et les estimateurs sont alors consistants.
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

Des modèles de plus en plus sophistiqués ne cessent Lors de ses déplacements, l’usager se réfère à
de se développer pour comprendre et prévoir le plusieurs logiques d’action instrumentales et non
comportement de déplacements et afin d’anticiper instrumentales recherchant ainsi à être assez
les changements du comportement en réponse aux rationnel que possible et à avoir un comportement
changements du système de transport. Néanmoins idéal.
les chercheurs n’arrivent pas à cerner correctement
les logiques des comportements de déplacements vu
leur caractère multidisciplinaire et aléatoire.
2.3.1 La logique de l’efficacité instrumentale :

La rationalité économique est réductible à un


La théorie microéconomique du consommateur a comportement d’homo oeconomicus où l’usager
été transposée à l’usager du système de transport cherche à minimiser le temps et le coût de
afin de comprendre son comportement. Selon S. déplacement (Kaufmann., 1997) à travers un
Masson (1998., p 7) « de façon générale, calcul du rapport argent-temps. Cette logique tient
l’analyse de la demande de transport s’inscrit dans une place structurante dans la construction des
le paradigme économique néoclassique. Les usagers pratiques de déplacement et apparaît comme la plus
sont supposés être des individus rationnels évidente. Elle est certainement présente dans la
cherchant à maximiser leur utilité » quasi-totalité des pratiques quotidiennes mais reste
loin à déterminer seule le comportement du choix
modal.

Comme les sciences économiques, la géographie et


plus précisément la géographie sociale a un apport
significatif dans les études des comportements de 2.3.2 La logique d’habitude :
déplacements. La géographie des transports, dans le
cadre de l’analyse des pratiques de déplacement, Selon cette rationalité, la recherche d’une économie
tend quant à elle traditionnellement à caractériser substantielle de coût de changement est au centre
les liens à leur environnement d’individus au sens des pratiques modales (Flamm., 2002). Changer le
statistique ou de groupes agis par leur mode habituel de transport constitue « Une
environnement social. mutation comportementale lourde » (Petit .,2002.,
p4) qui entraîne une perte du temps pour
s’informer, se préparer et même pour s’adapter à un
nouveau type de mobilité. Préserver les routines et
Les psychologues se sont intéressés aux problèmes habitudes est une source du gain du temps.
de transport (Thevenin., 2002). L’objectif était de
connaître à l’aide de mesures psychologiques le
comportement d’usagers confrontés au choix d’un
mode de transport. Ces mesures s’appuient sur la 2.3.3 La logique de cohérence :
théorie de la dissonance cognitive qui stipule que
les comportements antérieurs conditionnent de L’interaction entre les déplacements et les
façon décisive les attitudes des individus programmes d’activité nécessite une structuration
L’appropriation de l’environnement, l’expérience, des choix et une coordination des activités de la
l’habitude et les routines ont influence significative manière la plus cohérente. La réalisation du
sur les comportements de déplacements. programme d’activité dans un espace donné est
indissociable de déplacement et de la contrainte
temporelle qu’elle impose. Cette rationalité
psychologique fait l’objet des travaux récents ayant
Les pratiques sociales peuvent compliquer les pour finalité l’analyse de perpétuelle interaction
modèles économiques (Offner ., 1995). « La entre l’allocation du temps au transport et le
mobilité individuelle ne se résume pas à la seule programme d’activité.
impulsion individuelle à se déplacer, et nous avons
postulé, en nous éloignant de la vision 2.3.4 La logique d’opportunité :
individualiste de Zahavi, qu’elle est aussi et surtout
une production sociale » (Massot, et Orfeuil., L’individu cherche à profiter des opportunités qui
2005., p 4). lui sont offertes dans le temps et dans l’espace. La
disponibilité et l’accessibilité constituent les
opportunités les plus recherchées à travers cette
rationalité axiologique dont la philosophie est de
2.3 Les logiques de déplacements : s’adapter plus rapidement à des modifications des
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

emplois du temps et de rechercher une possibilité Tunisoise se caractérise par une


supérieure en termes d’appropriation signifiante du concentration au niveau de l’emploi dans
temps de déplacement. La productivité, le le centre ville, surtout le secteur tertiaire.
relâchement et la sociabilité constituent les trois Ce constat se traduit par un flux quotidien
logiques d’appropriation du temps de déplacement des déplacements Domicile-travail très
(Flamm., 2005). massif.
 Sont réalisés en bus, métro ou voiture
particulière (trois alternatives)
2.3.5 La logique d’agrément :
Dans le cadre de cette recherche, la variable
Cette rationalité perceptive repose sur un système
dépendante(Y) est bien entendu du type catégoriel :
des valeurs qui s’appuie sur la qualité comparée des
chacune des catégories mutuellement exclusives
offres de transports. L’individu privilégie le moyen
correspond à un mode de transport: automobile et
de transport qui procure l’agrément et le plaisir. Cet
transport collectif. Sous la dernière catégorie,
aspect d’ordre psychologique considère le moyen
seulement les modes bus et métro ont été
de transport comme « lieux de convivialité » (J.
considérés, puisque le partage du marché du
Petit., 2003., p46) et se fonde sur un arbitrage basé
transport collectif du Grand Tunis est détenu par
sur la qualité de service : la ponctualité, la
ces modes. L’analyse sera traitée en tant qu’un
fréquence et le temps total.
processus de choix à deux étapes ; dans la 1ère
étape, il s’agit de choix entre la voiture et le
transport collectif, puis si l’individu a opté pour le
3. PRESENTATION DES DONNEES : second choix, nous passerons à la 2ème étape.

Les données utilisées pour spécifier le modèle Conformément à la spécification de la fonction


proviennent de la base de donnée de l’enquête d’utilité identifiée précédemment, notre étude
ménage-déplacement3 disponible dès 2000, qui nécessite le recours à deux types de variables
offre la possibilité d’étudier les comportements explicatives : les variables socio-économiques (âge
actuels des déplacements des tunisiens. AG, sexe SX, sa position dans la famille CF, son
revenu RV, la taille de ménage TAI, la disponibilité
de la voiture PV et la possession permis PP)
assurant l’hétérogénéité des individus et les
Les individus sélectionnés (Les décideurs) sont caractéristiques de modes de transport dont les
ceux dont les déplacements : plus importantes sont le temps et le coût de
déplacement. Les variables socio-économiques ont
 sont effectués entre 7h et 10h de matin : été tirées directement de l’enquête proprement dite,
les déplacements pendant les heures de alors que les variables relatives à l’offre ont subi
pointes présentent une valeur du temps des transformations afin de les adapter
plus élevée. convenablement à nos spécifications
 Ont pour motif le travail : les économétriques.
déplacements Domicile-travail est
incontestablement la plus signifiante, vu
son caractère régulier dans le temps et
l’espace. Ces déplacements sont bien 4. RESULTATS DES ESTIMATIONS ET
connus par les usagers ce qui permet de COMMENTAIRES
garantir une plus grande robustesse des
estimations de la valeur du temps. Les
déplacements occasionnels ou pour motifs 4.1 : Choix entre voiture et les autres modes de
irréguliers sont sujets de plusieurs transport :
variables difficiles à identifier.
 ont pour destination Tunis-centre ville : on Les résultats du modèle Logit, après omission des
s’intéresse aux déplacements convergents
variables statistiquement non significatives, est
vers le centre ville. L’agglomération
présenté comme suit ;

3
Elle consiste la source d’information la plus détaillée pour les
études de mobilité. Elle permet de croiser les caractéristiques
socio-économiques et familiales avec leurs pratiques de transport
quotidien. Elle s’appuie sur un échantillon représentatif de la
population et elle a pour but de fournir une description de
l’ensemble des déplacements de personnes.
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

Dependent Variable: Y1

Method: ML - Binary Logit


variable CF PP PV RV
Sample: 1 948 dy/dx 0.389 1.407 1.005 0.104
Tableau 2 : Effets marginaux des variables (étape 1)
Included observations: 948

Convergence achieved after 7 iterations

Covariance matrix computed using second derivatives Ces 4 variables ont un impact solide sur le choix de
la solution voiture particulière. Le signe positif de
Variable Coefficient Std. Error z-Statistic Prob. CF indique qu’un chef de famille a tendance à se
déplacer en voiture en cas de disponibilité. Les
C -10.41080 1.683237 -6.184986 0.0000 variables PP et PV ont une influence positive sur la
CF 2.119437 0.703644 3.012088 0.0026
probabilité de choisir l’éventualité « voiture », ou
plus précisément sur la probabilité que l’utilité
RV 0.654761 0.286119 2.288421 0.0221 procurée à l’individu en choisissant cette
éventualité sera supérieure à celle dans le cas
PP 3.103388 0.962082 3.225699 0.0013
inverse. Etre titulaire d’un permis de conduire
PV 6.603703 1.159976 5.692967 0.0000 incitera à l’acquisition d’une voiture et à son
utilisation. Le revenu canalise les individus dans
Mean dependent var 0.310000 S.D. dependent var 0.463266 leurs choix ; son signe positif confirme l’hypothèse
que lorsque le revenu augmente, la probabilité
S.E. of regression 0.190788 Akaike info criterion 0.311332
d’utilisation de la voiture accroit.
Sum squared resid 10.73802 Schwarz criterion 0.373062

Log likelihood -41.69986 Hannan-Quinn criter. 0.336037


Pour les autres variables, elles sont non
Restr. log likelihood -185.7302 Avg. log likelihood -0.139000
significatives, toutefois l’analyse économique de
LR statistic (4 df) 288.0607 McFadden R-squared 0.775482 ces paramètres montrent qu’elles ont un impact
certain sur le choix modal ; le signe de la variable
Probability(LR stat) 0.000000
sexe révèle que lorsque cette variable passe de 0 à1,
l’odds de choisir la voiture décroit. Les femmes
Obs with Dep=0 403 Total obs 948
sembleraient utiliser davantage la voiture et les
Obs with Dep=1 545 variables âge et taille de ménage affectent
positivement la probabilité de choisir l’éventualité
voiture ; plus on avance en âge, plus on a de chance
Tableau 1 : Modèle LOGIT réduit (étape 1) à posséder un permis de conduire. Pour la taille de
ménage, le nombre d’enfants à charge inciterait les
chefs de famille à se déplacer en voiture.
La qualité du modèle est très satisfaisante puisque
la probabilité que le modèle soit non significatif est
nulle. Les coefficients estimés ne permettent qu’une
analyse de leur signe et de leur significativité
4.2 Choix entre bus et métro :
statistique car à la différence d’un modèle linéaire,
les coefficients ne présentent pas un effet marginal.
L’influence d’une variable sur la probabilité
Les résultats d’estimation sont représentées dans le
d’apparition étudiée P n’est pas linèaire, elle l’est
tableau au dissous :
seulement sur son logit : In[P/(1-P)].

L’’interpretation des résultats d’estimation se fait à


partir des effets marginaux. L’effet marginal
consiste à la réponse à la question : « Quelle est la
variation de la probabilité de l’événement ( y=1) en
cas de variation d’une des variables explicatives ?
L’effet marginal pour chaque variable explicative
est obtenu en calculant la moyenne des effets
marginaux individuels (pour chaque observation).
Tous ces calcules sone obtenus à l’aide de
l’EXCEL :
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

Dependent Variable: Y2 confort que le métro offre. Concernant la variable


Method: ML - Binary Logit
TAI, plus la famille est nombreuse, plus le choix de
bus est grand.
Sample: 1 948

Included observations: 948

Convergence achieved after 4 iterations


Nous constatons que la variable cout de bus n’est
pas significative et que son signe est positif. Il est
Covariance matrix computed using second derivatives contraire à la théorie microéconomique qui affirme
que le prix et la demande d’un bien sont
Variable Coefficient Std. Error z-Statistic Prob. inversement proportionnels : les tarifs proposés par
les sociétés de transport pour bus semble acceptable
C 2.686511 0.718726 3.737879 0.0002 et peut supporter encore une légère augmentation.
TAI 0.211123 0.093536 2.257131 0.0240

PV -1.548489 0.502655 -3.080619 0.0021


5. CONCLUSION
DRM -0.061324 0.014788 -4.146861 0.0000

Mean dependent var 0.758454 S.D. dependent var 0.429058


L’objectif de cette étude consiste à estimer la
S.E. of regression 0.383735 Akaike info criterion 0.985622
demande individuelle de transport urbain pour la
Sum squared resid 29.89231 Schwarz criterion 1.050022 ville de Tunis en ayant recours aux modèles de
choix discret. A la lumière des résultats obtenus,
Log likelihood -98.01188 Hannan-Quinn criter. 1.011665
plusieurs idées essentielles se dégagent :
Restr. log likelihood -114.4410 Avg. log likelihood -0.473487

LR statistic (3df) 32.85833 McFadden R-squared 0.143560


La problématique relative aux déterminants du
Probability(LR stat) 3.45 E-07
choix modal représente un champ d’investigation
encore peu exploré ; étudier les déterminants du
Obs with Dep=0 403 Total obs 948
choix modal nécessite la prise en compte d’autres
Obs with Dep=1 545 éléments subjectifs. Les variables socio-
économiques jouent un rôle déterminant dans
Tableau 3 : Modèle LOGIT réduit (étape 2) l’explication du choix modal des individus.

La modélisation économétrique de comportement


individuel de déplacement est très intéressante
Les effets marginaux des variables sont : comme étape primordiale dans la régulation du
trafic et le choix d’investissement en matière des
variables TAI PV DRM infrastructures du transport.
dy/dx 0.04 -0.37 -0.004
Tableau 4 : Effets marginaux des variables (étape 2) Cependant, la modélisation proposée est de type
statique ne prenant pas en compte l’hétérogénéité
des comportements dans le temps et dans l’espace.
Comment intégrer les facteurs psychologiques, et
Nous remarquons que dans le choix entre surtout l’habitude dans la modélisation du
l’utilisation de bus et du métro, seulement les comportement individuel de déplacement ?
variables TAI, PV, DRM sont significatives au
seuil de 5% ; Une autre question fondamentale porte
essentiellement sur l’opérationnalité d’un tel
modèle « simplifié », dont le fondement est que le
cout généralisé reste la variable la plus importante
De point de vue économique, la variable PV a un pour expliquer le comportement individuel.
signe significatif : le fait de disposer d’une voiture
particulière diminue la probabilité de choisir le bus
pour se déplacer. S’agissant de la variable DRM, le
résultat est médiocre ; même si la durée du voyage Pour des applications futures, il serait plus
s’allonge en métro, les utilisateurs continuaient à judicieux d’utiliser des spécifications moins
emprunter ce moyen et ne se rabattraient pas sur le contraignantes, notamment le Logit emboité pour
transport par bus. Ceci est contraire à la logique, mieux cerner la demande de transport urbain pour
cependant il pourrait s’expliquer par le plus de la ville de Tunis.
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

Goodwin P., Cairus S., Vythoulkas P., 2004.


Changing travel behaviour. ESRC Transport
REFERENCES Studies Unit, university college London, Preprint
based on the final TSU conference, September
2004, p. 38.
Ben-Akiva, M. and Bierlaire M., 1999. Discrete
choice methods and their applications to short-term Goulias K.G., 2000. Travel behaviour and Values
travel decisions. Handbook of Transportation research for human centered transportation systems.
Science, 23, Kluwer. Committee on traveller behaviour and values, The
Pennsylvania State University, 6 p.
Bhat C., 2005. A multiple discrete–continuous
extreme value model: formulation and application Guiguené A., 2004. Attitudes et opinions vis-à-vis
to discretionary time-use decisions. Transportation des modes de transport, comment susciter un report
Research Part B, vol 39, p. 679–707. modal ?. Transportation Research Part E 27, p. 256-
271.
Bhat R., 2007. The multiple discrete-continuous
extreme value model; role of utility function Hensher D., Small K., 2005. Handbook of transport
parameters, identification considerations, and Modelling. Handbooks in transport, volume 1/2005.
model extensions. Transportation Research Part B,
vol 32. Iragael J., Masson S., 2006. Les déterminants de la
demande en transports collectifs urbains. Les
Bonnel P., 2005. Prévoir la demande des transports. cahiers scientifiques du transport, N 50, p. 91-120.
Presses de l’école nationale des ponts et chaussées,
INBN 2-85978-395-4. Kockelman K.M., Krishnamurthy S., 2004. A new
approach for travel demand modelling: linking
Cascetta E., 2001. Transportation Systems Roy’s Identity to discrete choice. Transportation
Engineering: Theory and Methods. Kluwer Research Part B, vol38, p.459–475.
Academic Publishers.
Kaufmann V., 1997. Sociologie de la mobilité
Cinzia C., 2005. Les modèles de choix discrets. urbaine. Thèse de doctorat en sociologie. Ecole
Eurequa working Paper, N 3/2005. polytechnique fédérale de Lausanne, 338p.
De Lapparent M ., 2005. Déplacements D-T en île Laurent P., 2000. Modélisation des transports
de France et choix individuels du mode de urbains ; Approches désagrégées. Transportation
transport . L’actualité économique, Revue d’analyse Research, vol 33, p.354- 367.
économique, vol 61, n 3.
Lollivier S., Marpsat M., 2001. L’économétrie et
De Palma A., Fontan C., 2001. Choix modal et l’étude des comportements. Présentation et mise en
valeurs du temps en Ile-de-France. N° 2001-20. œuvre de modèles de régression qualitatifs. Les
modèles uni variés à résidus logistiques ou
De Palma A., Nathalie P., 2007. Modèles des choix
normaux (logit, probit). Document n 0001, série
discrets ; Application en transport. 9ère journée
des documents de travail, Méthodologie Statistique,
Transport ESSEC.
INSEE.
Domenich, T. and D. McFadden., 1975. Urban
Masson S., 1998. Interactions entre système de
Travel Demand: a behavioral analysis. North-
transport et système de localisation. Les cahiers
Holland, Amsterdam.
scientifiques du transport, N 33, p.79 -108.
Dobruszkes F. et al., 2002. Reflexions sur l’usage
Masson S., 2000. Les interactions entre système de
des modèles dans les etudes de transport et les
transport et système de localisation et leur
sciences socials. Recherche Transport sécurité, N
modélisation. Thèse de Doctorat en sciences
74, Janvier- mars 2002, p.1-25.
Economiques, spécialité Economie des Transports,
Flamm M., 2004. Les déterminants des pratiques et Université Lumière Lyon 2, p.470.
des présentations individuelles des moyens de
Masson J., 2007. La mobilité au quotidien ; entre
transport. Thèse N°2897 Lausanne, EPFL.
choix individuel et production sociale. Cahiers
Faire D’Acier B,. 2001. Hypothetical Situations : internationaux de sociologie, vol CXV111, p. 81-
The attempt to find new behavioral hypotheses in 100.
Transport Surveys : Raising the standard.
McFadden D., 1974. The measurement of urban
Transportation Research Circular E-C008, II-L p.1-
travel demand. Journal of Public Economics, vol
18.
3,p. 303-328.
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie

Offner J.M., 1995. La socio-économie des


transports, histoire critique. In acte du séminaire
ville et transport. Tome II. Plan urbain- direction de
l’architecture et de l’urbanisme, Paris, p. 239-246.

Orfeuil J.P., Massot M., 2005. La mobilité au


quotidien, entre choix individuel et production
sociale. cahiers internationaux de sociologie, Vol
CXVIII ,p.81-100.

Panagiolis T., 1980. Contribution à l’étude de la


demande de transport ; Pertinence de modèles
désagrégés. Thèse de doctorat, N 377/1980.

Petit J., 2003. Cinq logiques de mobilité et leurs


conséquences sur la planification des déplacements
urbains. Les cahiers scientifiques du transport, N43,
p.35 -58.

Simma A., Axhausen K., 2004. Interactions


between travel behaviour, accessibility and personal
characteristics. Working Paper, November 2003,
p.25.

Thevenin T., 2002. Quand l’information


géographique se met au service des transports
publics urbains. Thèse de doctorat en géographie.
Université de Franche comté. Décembre 2002,
261p.

View publication stats

Vous aimerez peut-être aussi