La Banque des Territoires a lancé un vaste programme de soutien des villes et territoires médians.

Le plan "Action coeur de ville" doit permettre de mobiliser, en faveur de la revitalisation des coeurs de villes moyennes, plus de cinq milliards d'euros sur les cinq années à venir, avec les apports financiers de la Caisse des Dépôts, d’Action logement et de l’Agence nationale de l’habitat (Anah). Jacques Mézard, après avoir lancé le plan mi-décembre, avait demandé aux préfets de région de présélectionner les villes à soutenir dans ce cadre, en les interrogeant sur leur intérêt pour ce dispositif. C’est désormais chose faite, le ministre ayant annoncé les 222 villes retenues, qui accueillent 23% de la population pour 26% des emplois français. Ces villes sont remarquablement bien réparties sur le territoire, à l’inclusion des outre-mer (13 villes concernées) avec des villes de 10.000 habitants à fort rayonnement local jusqu’à Limoges, la plus grande d’entre elles, comptant quelque 133.000 habitants.

A travers cet engagement, la Caisse des Dépôts poursuit plusieurs objectifs :

• Permettre à ces territoires d’avoir accès à un accompagnement et à une expertise adaptée pour permettre la réalisation de leur projet de revitalisation et transformer dans le temps du Programme des opérations concrètes ;

• Faciliter la mise en place de solutions innovantes et/ou smart contribuant au développement durable du territoire ;

• Apporter les conditions de l’investissement privé dans les villes moyennes, en co-investissant dans des projets, dans une perspective de développement territorial et de création de valeur ;

• Apporter des solutions de financement, à travers des prêts spécifiques, mobilisables dans les périmètres des futures Opérations de Redynamisation Territoriale (ORT).

Version : 1.0.1 Date : Septembre 2022 Rédacteur : OpenDataFrance - Jean-Marie Bourgogne Licence : CC-BY-SA

Lancé fin 2019 pour la saison 1, puis en 2022 pour la saison 2, les projets Action Coeur de Ville Data permettent de retenir une dixaine de collectivités souhaitant conduire des expérimentations s’appuyant sur la réutilisation de données internes ou externes, contribuant à l’élaboration d’un projet de services et apportant une amélioration significative à des situations existantes.

Les services expérimentés peuvent recouvrir un large périmètre : il peut d’agir d’une application nouvelle, de l’enrichissement d’un service existant, de l’utilisation de données nouvelles dans une logique de diagnostic territorial ou d’aide à la décision, d’une bonne pratique de publication…. Ces expérimentations permettent d’identifier, pour chacune des thématiques explorées, les données nécessaires et les modes de coopération entre les acteurs publics et privés, permettant leur réutilisation.

Les villes retenues bénéficient d’un accompagnement spécifique apporté par la Banque des Territoires sous forme de missions de conseil financées à 100%.

Ces expérimentations portent sur quelques grandes thématiques qui font l’objet de groupes de travail au sein desquels les collectivités partageront leurs initiatives, et s’appuient sur la coordination d’OpenDataFrance pour l’élaboration des bonnes pratiques en termes de partage des données.

Les expérimentations d’une durée de 6 à 9 mois sont menées au sein de collectivités et donnent lieu à une synthèse en fin d'expérimentations. Les projets les plus prometteurs seront valorisés auprès de l’ensemble des villes Action Coeur de Ville.

Démarche

La démarche proposée est la suivante :

• Diagnostic sur les problématiques plus fréquentes constatées dans les villes et territoires médians

• Documentation des solutions pouvant résoudre ces situations (existantes ou potentielles)

• Identification des données nécessaires pour alimenter ces solutions (applications, services, dispositifs sociaux-techniques)

• Processus de standardisation de ces données

• Expérimentation dans quelques villes ACV pilotes, résultats à T0+9mois

• Evaluation, itérations, propositions

• Evolution des supports méthodologiques pour prise en compte de la démarche et de l'extension du Socle Commun des Données Locales

• Généralisation du SCDL ACV (documentation, outillage, accompagnement)

Méthodologie d'expérimentation (général)

La méthodologie proposée est la suivante :

• Sélection des villes pilote (cf AMI)

• Réunion de cadrage avec chaque groupe par téléphone

• Entretiens individuels avec chaque collectivité par téléphone

• Entretiens sur site si nécessaire

• Réunion collective par groupe thématique en présence

• Poursuite de l'accompagnement individuel

• Réunion d'étape par téléphone

• Réunion collective de partage des résultats des expérimentations en présence

• Rédaction et publication des éléments de capitalisation : cas d'usage exemplaires, conditions de généralisation, retour d'expérience (ce qui a ou n'a pas marché)

Entretiens individuels

Les comptes-rendu et documents supports sont déposés dans l'espace de ressources partagées : https://drive.google.com/drive/folders/1neTdk5ie9-qyCwHc8Q37-aQvvzEaaREp?usp=sharing

Un dispositif spécifique pour l'accompagnement numérique des collectivités

La Banque des Territoires est fortement mobilisée dans le programme Action Coeur de Ville et s’engage tout particulièrement sur les enjeux d’innovation, convaincue que le numérique et les solutions de type « smart city » ne sont pas réservés aux métropoles, mais constituent une réelle opportunité pour les villes moyennes.

La Banque des Territoires souhaite expérimenter, en partenariat avec OpenDataFrance, l’apport des données, tant dans l’aide à la décision publique que dans l’optimisation ou la création de services, afin de qualifier ou de répondre aux problématiques récurrentes de ces territoires : revitalisation du commerce de proximité, mobilité, offre culturelle ou encore logement.

La Banque des Territoires s’engage tout particulièrement sur les enjeux d’innovation, convaincue que le numérique et les solutions de type « smart city » ne sont pas réservés aux métropoles, mais constituent une réelle opportunité pour les villes moyennes. La Banque des Territoires souhaite expérimenter, en partenariat avec OpenDataFrance, l’apport des données, tant dans l’aide à la décision publique que dans l’optimisation ou la création de services, afin de qualifier ou de répondre aux problématiques récurrentes de ces territoires : revitalisation du commerce de proximité, mobilité, offre culturelle ou encore logement.

Accompagnement des villes médianes

L'ambition des partenaires du projet est d'aider prioritairement les villes et territoires médians dans leur démarche d'ouverture des données, et plus généralement dans leur compréhension des enjeux du numérique dans la modernisation de l'action publique. En effet, à ce jour seulement 10% des communes dans la tranche 10 000 - 100 000 habitants ont ouvert leurs données en open data. Cela s'explique par le fait que, à ce niveau, l'open data n'est pas vu comme une finalité et que les efforts sont prioritaires portés sur les problématiques spécifiques de ces territoires. Le programme d'accompagnement de cette catégorie de collectivités doit donc s'articuler principalement autour des moyens permettant d'apporter des réponses aux problèmes locaux.

L'effort à déployer est alors de trois types :

• une pédagogie adaptée à cette catégorie de collectivités (mise en avant des besoins et des usages avant de parler de l'open data en général)

• des outillages spécifiques avec en particulier un jeux de 10 données prioritaires qui peuvent répondre à des problématiques spécifiques de ces territoires et des outils facilitant la production de ces jeux de données dans un format standardisé

• un accompagnement renforcé par les ATD concernés par ces communes ACV (Action Coeur de Ville)

La situation des villes médianes vis-à-vis de l'ouverture des données publiques

Nous présentons ci-après la carte de ces 222 villes (en couleur rose) avec indication des collectivités ayant ouvert leurs données, toutes les régions (ligne bleu), les départements (zone bleu foncé), les EPCI (zone verte) ou les communes (point vert).

Au regard de cette carte, il a été décidé de prioriser l'action d'expérimentation dans les territoires où l'ouverture des données est déjà assez avancée afin de se concentrer sur les services et usages.

La Banque des Territoires souhaite expérimenter, en partenariat avec OpenDataFrance, l’apport des données, tant dans l’aide à la décision publique que dans l’optimisation ou la création de services, afin de qualifier ou de répondre aux problématiques récurrentes de ces territoires.

Après une saison 1 qui s’est intéressée en 2020 et 2021 à la revitalisation du commerce de proximité et de la mobilité, et fort des résultats des expérimentation (lien), la nouvelle saison #2 traitera du changement climatique et de la biodiversité.

L’Appel à Manifestation d’Intérêt consiste à retenir une dizaine de collectivités souhaitant conduire des expérimentations s’appuyant sur la réutilisation de données internes ou externes, contribuant à l’élaboration d’un projet de services, basée sur les données et apportant une amélioration significative à des situations existantes.

L’Appel à Manifestation d’Intérêt est ouvert du 14 février au 30 avril 2022.

Les services expérimentés peuvent recouvrir un large périmètre : il peut s’agir d’une application nouvelle, de l’enrichissement d’un service existant, de l’utilisation de données nouvelles dans une logique de diagnostic territorial ou d’aide à la décision, d’une bonne pratique de publication…. Ces expérimentations permettront d’identifier, pour chacune des thématiques explorées, les données nécessaires et les modes de coopération entre les acteurs publics et privés, permettant leur réutilisation.

Les villes qui s’engageront dans la démarche bénéficieront d’un accompagnement spécifique apporté par la Banque des Territoires (sous forme de courtes missions de conseil financées à 100%).

Ces expérimentations feront l’objet de groupes de travail au sein desquels les collectivités partageront leurs initiatives, produiront des ressources et s’appuieront sur la coordination d’OpenDataFrance pour l’élaboration des bonnes pratiques en termes de partage des données.

Les expérimentations d’une durée de 6 à 9 mois seront menées au sein de collectivités et donneront lieu à une synthèse mi-2023. Les projets les plus prometteurs seront valorisés auprès de l’ensemble des villes Action Cœur de Ville.

Les collectivités intéressées par ces expérimentations bénéficieront d’un accompagnent individuel et gratuit par un cabinet-conseil mandaté par la Banque des Territoires. Elles bénéficieront des ressources thématiques, méthodologies et techniques proposées par OpenDataFrance (en partenariat avec la Fondation internet nouvelle génération). Elles participeront à une animation nationale coordonnée par la Banque des Territoires et OpenDataFrance pour valoriser les projets.

Généralisation

La généralisation du déploiement de services adaptés aux problématiques ACV est du ressort des collectivités, en termes de choix politiques et de contraintes opérationnelles (capacité locale à porter de tels projets et possibilité d’ouvrir des données en open data notamment).

OpenDataFrance apportera un soutien méthodologique grâce au dispositif OpenDataLocale, en partenariat avec les Animateurs Territoriaux des Données (ATD), pour toutes les actions liées à la production et à l’ouverture des données dans ces territoires (nouveaux entrants open data ou pas).

Formulation des problématiques locales

Le programme OpenDataLocale aborde la sensibilisation des décideurs locaux sur les services numériques qui peuvent répondre à leurs enjeux et permet de déduire les données qui sont nécessaires à cette fin. Un travail de veille et de prospective est engagé pour reformuler les défis prioritaires des collectivités moyennes. Cela est fait par des entretiens avec les parties-prenantes :

• Les collectivités (élus, référents métiers, service informatique),

• les think-tanks travaillant sur ces sujets : la FING (programme RESET)

• les acteurs nationaux et leurs agences locales : Banque des Territoires, la DINUM, ANCT, Ecolab au sein du Ministère de la transition écologique, ADEME, des associations d’élus (AMF, AdCF, …)

Expérimentation

Les expérimentations devront s’appuyer sur la réutilisation de données internes ou externes, contribuant à l’élaboration d’un projet de services, basée sur les données et apportant une amélioration significative à des situations existantes. Les services expérimentés peuvent recouvrir un large périmètre : il peut d’agir d’une application nouvelle, de l’enrichissement d’un service existant, de l’utilisation de données nouvelles dans une logique de diagnostic territorial ou d’aide à la décision, d’une bonne pratique de publication…

L’expérimentation a pour objectifs de :

• imaginer et concevoir un service en faveur de la thématique concernée : adaptation au changement climatique, la gestion de la biodiversité et des risques naturels

• évaluer la pertinence du service ou d’une analyse appuyée sur les données accessibles localement : objectifs, résultats qualitatifs, effort de mise en œuvre ;

• vérifier la possibilité et la pertinence de production des données pérennes et standardisées ;

• valider les conditions de déploiement dans d’autres territoires (données minimales indispensables, périmètre géographique, contraintes particulières).

L’expérimentation dure de 6 à 9 mois. Le résultat de l’ensemble des expérimentations donnera lieu à une synthèse susceptible de nourrir les feuilles de routes des 222 villes retenues dans le programme ACV.

Valorisation des cas d’usage

Dans la continuité d’une action déjà engagée par OpenDataFrance dans le cadre de l’Observatoire Open data, la valorisation des meilleurs cas de réutilisation sera menée sur les sujets plus spécifiques aux problématiques Cœur-de-Ville.

Ces usages « exemplaires » seront éditiorialisés et publiés en ligne (opendatafrance.net/réutilisations/) à travers des fiches « cas d’usage », des dossiers thématiques et des interviews qui permettent d’incarner et de présenter le contexte local et la démarche.

Identification des données locales utiles

Pour chaque cas de réutilisation, nous présenterons les données nécessaires. Elles seront généralement multiples :

• données issues d’acteurs:

  • publics locaux (commune, CCAS, intercommunalité, département, région)

  • publics nationaux (ministères, services déconcentrés, agences, …)

  • parapublics (CCA, ONF…)

  • entreprises (délégataire de service public ou service commercial privé)

  • citoyens et association (crowdsourcing)

• dans des statuts d’ouverture ou d’accessibilité variés :

  • déjà disponibles en Open Data

  • candidates à une publication en OD

  • non accessibles sans raison valable

  • non accessibles en OD pour des raisons de propriété, de sécurité ou des données à caractère personnel

  • autres cas (payantes, limitées, )

Les données les plus significatives, ayant un impact réel sur la création d’un service, donneront lieu à un travail de standardisation et pourront être intégrées au Socle Commun des Données Locales.

Lancé en fin 2017, le programme national Action Coeur de Ville vise à créer les conditions d’une redynamisation des centres-villes en agissant sur les fondamentaux de leur attractivité : habitat, mobilité, activité, qualité de l’environnement, offres de service à la population comme aux touristes. A cette fin, 5 Mds€ sont mobilisés par l’Etat et ses partenaires (Caisse des dépôts, Action Logement, ANAH, ANRU), à destination de 222 villes bénéficiaires, signataires de conventions cadre pluriannuelles.

A travers cet engagement, la Banque des Territoires poursuit plusieurs objectifs :

• Permettre à ces territoires d’avoir accès à un accompagnement et à une expertise adaptée pour permettre la réalisation de leur projet de revitalisation et transformer dans le temps du Programme des opérations concrètes ;

• Faciliter la mise en place de solutions innovantes et/ou smart contribuant au développement durable du territoire ;

• Apporter les conditions de l’investissement privé dans les villes moyennes, en co-investissant dans des projets, dans une perspective de développement territorial et de création de valeur ;

• Apporter des solutions de financement, à travers des prêts spécifiques, mobilisables dans les périmètres des Opérations de Redynamisation Territoriale (ORT).

D’après l’Observatoire open data des territoires édition 2021 (https://www.observatoire-opendata.fr/resultats ), les collectivités (communes et intercommunalités) qui se trouvent dans la tranche de 20 000 à 50 000 habitants connaissent un certain retard dans l’ouverture de leurs données. Pour promouvoir l’ouverture des données dans ces collectivités, OpenDataFrance souhaite valoriser des cas de réutilisation de données démontrant que l’open data, et la data en général, peuvent être mobilisées pour apporter des réponses très concrètes aux enjeux du territoire. Les expérimentations qui se sont déroulées en 2020 et 2021 sur les thématiques « Attractivité commerciale » et « Mobilité » ont permis de dégager des pistes méthodologiques et de soutenir des projets expérimentaux ayant vocation à être approfondis ou déployés au niveau national. La saison #2 poursuivra ces expérimentations dans trois champs prioritaires des politiques publiques locales : transition environnementale, biodiversité et risques naturels.

OpenDataFrance propose de mettre à profit le dispositif OpenDataLocale pour agir auprès des 222 villes du programme Action Coeur de ville et les accompagner dans l’ouverture des données publiques.

Cet AMI consiste à connaitre les collectivités intéressées, les ressources existantes et les projets déjà engagés, comprendre les attentes des collectivités dans ce domaine.

Il est clos depuis le 20 mai 2022.

Les candidatures des collectivités ont été par le formulaire en ligne :

La Banque des Territoires et OpenDataFrance désigneront les collectivités retenues pour ces expérimentations à partir du 1 mai 2022.

Les éléments essentiels retenus dans les candidatures seront :

• La volonté d’expérimenter une approche innovante pour adresser un des trois thèmes suivants : transition environnementale, biodiversité, risques naturels

• Les retours d’expérience éventuellement déjà capitalisés localement

• L’organisation interne et externe envisagée pour mener le projet pilote (par exemple « binômes » associant le référent métier avec le correspondant « données » et partenariat avec opérateurs de services)

• Le partage des travaux avec les autres collectivités

Version papier de la consultation

OpenDataLocale (ODL) est un programme d’accompagnement des collectivités locales à l’ouverture des données publiques. Il est porté et coordonné par OpenDataFrance avec le soutien de l’Etat et avec l’appui de collectivités territoriales de niveau supérieur.

Après la préfiguration des dispositifs de soutien et leur mise en oeuvre entre 2017 et 2021, une nouvelle phase est lancée pour la période 2022-2023 avec le soutien de l’Etat (DINUM et ANCT).

L’objectif principal est d’atteindre 50% des collectivités territoriales ouvertes à l’horizon fin 2023, soit approximativement 2000 collectivités concernées par la loi République numérique.

Un second objectif consiste à favoriser la standardisation des données publiées afin de rendre les données interopérables et d’agir sur la qualité des données disponibles. Cela concerne donc toutes les collectivités, nouvelles ou déjà engagées dans l’open data de longue date.

OpenDataLocale s’appuie sur l’engagement d'acteurs publics territoriaux de rang supérieur (intercommunal, départemental ou régional) pour accompagner sur l’ensemble du territoire français les petites et moyennes collectivités dans leur démarche d’ouverture des données.

Ces structures de soutien sont appelées Animateurs Territoriaux des Données (ATD). 40 ATD sont actuellement identifiés.

Les collectivités retenues par le jury pour la saison 2 ACV sont :

• Ales

• Bayonne

• Fécamp

• Martigues

• Niort

• Saint-Omer

• Vitré

Les contacts de l'ensemble des parties prenantes sont :

Bilan

La réunion finale de synthèse a eu lieu le 13 juin 2023 au Hub des terroitoires et a réuni 50 participants (en présence et à distance).

A cette occasion, les organisateurs, les territoires d'expérimentation, les experts et les participants (autres terrritoires ou partenaires) ont présenté les éléments essentiels du projet : ambitions, synthèse des projets par territoire, retour d'expériences et principaux enseignements du programme.

Retour d’expérience – Les données au service de la transition environnementale

Pour tenter de répondre à l’urgence à trouver des solutions d’adaptation au changement climatique qui frappe aujourd’hui toutes nos villes, OpenDataFrance et la Banque des Territoires ont animé un Appel à Manifestation d’Intérêt afin de faciliter le déploiement de cas d’usages susceptibles d’apporter des réponses concrètes à la lutte contre le changement climatique dans les territoires.

• Comment capitaliser sur les données pour mettre en place des stratégies de plantation et une gestion durable du patrimoine arboré ?

• Comment lutter contre les îlots de chaleur urbains grâce aux données ?

• Comment allier sensibilisation et participation sur les sujets de transition environnementale ?

Pour répondre à ces questions, 6 territoires Action Coeur de Ville ont expérimenté l’usages des données ouvertes au service de la transition environnementale.

Production

Retrouvez les grands enseignements de ces expérimentations, les bonnes pratiques, les ressources et données pertinentes à mobiliser … à travers ce document de synthèse finale, publiée par la Banque des Territoires et produite par EGIS et OpenDataFrance (12juin23).

Nous l’avons conçu comme une boîte à outils pour vos projets liés aux données en veillant à y intégrer des éléments concrets et à y faire figurer les meilleurs pratiques, avec un seul objectif : être utile pour accélérer vos projets de transition environnementale grâce aux données !

Retrouvez également le replay de l’évènement de clôture de cet AMI animée au Hub des Territoires via https://banquedesterritoires.fr/les-rencontres-du-hub-la-data-au-service-de-la-transition-environnementale-retours-dexperience-de-6

Apprentissage des expérimentations Saison2

(voir aussi le détail des enseignements synthétisés en saison 1)

1 - Une gouvernance large indispensable pour mener des projets data & transition environnementale

Les politiques de transition environnementale sont nombreuses et variées et concernent de multiples services (espaces verts, urbanisme, logement, mobilités, etc.). Dans le cadre des six expérimentations, une nouvelle problématique est apparue : les groupes de travail regroupaient de nombreux services et partenaires externes, parfois spécialistes uniquement de la donnée, parfois de la transition environnementale, rarement les deux. Alors que la constitution de binômes métiers / data relevait déjà d’un exercice fragile (vocabulaire, compétences spécifiques, feuille de route, coordination projet inter-service, portage politique), les projets de transition environnementale réunissent encore davantage d’acteurs. La gouvernance partenariale de ces projets transverses est donc un enjeu majeur à anticiper.

2 - Un partage de données trop timide

Les politiques de transition environnementale, transverses par excellence, supposent que les compétences et l’exploitation des données se fassent nécessairement à plusieurs échelons administratifs (commune, intercommunalité, départements, régions et services déconcentrés de l’État). À défaut d’une parfaite collaboration entre les échelons, les données produites et réutilisées par chacun d’entre eux doivent pouvoir être facilement accessibles, de préférence en open data ou dans des cercles de confiance ouverts. Force est de constater que ce n’est pas encore le cas partout. Lors de cette expérimentation, de nombreux obstacles ont été observés en lien avec le manque de moyens techniques et humains des communes en matière de SIG (absence d’inventaire data réalisé en amont, difficulté d’acquisition des bons logiciels, manque de compétences en interne) : ainsi, l’open data n’est pas toujours un réflexe, malgré l’obliga- tion légale d’ouverture des données promue par la loi République Numérique dès 2016.

3 - Des compétences data trop cloisonnées

De la même manière que nous l’avons déjà constaté lors du premier Appel à manifestation d’intérêt (commerce et mobilité), les services métiers sont souvent dépendants de l’expertise technique data d’un service spécialisé (Direction des Services Infor- matiques, ou service SIG). À l'exception de pratiques métiers très spécialisées, les services expriment, de façon systématique, le besoin de monter en compétences pour collecter, manipuler et valoriser des données, internes ou externes. Dans ce sens, la formation des agents territoriaux à la donnée se révèle aujourd’hui essentielle.

4. Des bases de données aux formats trop hétérogènes

Tous les participants aux expérimentations ont fait part de la complexité, et souvent de la non-perti- pertinence, des masses gigantesques de données issues de nombreux acteurs. Souvent pensées dans une approche strictement “producteurs” et pour des cercles fermés de réutilisateurs, les données ne sont pas Faciles à trouver. Elles ne sont pas souvent librement Accessibles (contrôle d’accès ou visualisation sans téléchargement possible). Elles sont difficilement exploitables par manque d’Interopérabilité (des référentiels techniques, temporels et spatiaux inadaptés ou incompatibles). Enfin, elles ne sont pas pensées pour leurs futures Réutilisations (interface technique complexe, peu adaptée à l’usage réel des collectivités). Ces principes pour une bonne réutilisation des données publiques, connus sous le terme “FAIR” ne sont pas assez pris en compte par les producteurs de données publiques. Dans cet esprit, le Ministère de la Transition Écologique publiera prochainement le portail Ecosphères qui proposera un accès amélioré aux quelques dizaines de milliers de données qu’il référencera.

5. Une nécessaire priorisation des projets pour s’inscrire dans la durée

Face à la complexité croissante de la réglementation, la diversité des acteurs et des jeux et formats de données, il est plus que nécessaire de disposer d’un vocabulaire data et d’indicateurs communs. Au regard de la multiplicité des indicateurs de la transition environnementale, les collectivités locales doivent aujourd’hui prioriser leurs objectifs. Cette priorisation se réalisera en fonction de la réalité de leur territoire, le but principal étant d’aboutir à des projets pérennes. Aussi, le principal enjeu pour les acteurs des six territoires présentés reste la mobilisation des ressources dans la durée (compétences, partenaires et budget). Un portage politique fort s’avère donc essentiel. Il s’agit de privilégier le long-terme, en se focalisant sur une phase de conception (d’une action ou solution étudiée) suffisamment solide pour bien intégrer l’ensemble des acteurs concernés. Pour cela, des alliances et coalitions d’acteurs territoriaux sont à construire, s’appuyant notamment sur les membres de la société civile.

Les slides présentés

Compléments d'information

Contribution Saint-Omer

Suite à notre intervention, voici le lien vers notre Géoportail :

Cf synthèse EGIS

Support de la présentation publique

le live : https://www.banquedesterritoires.fr/les-rencontres-du-hub-la-data-au-service-de-la-transition-environnementale-retours-dexperience-de-6

Au terme de l'Appel à Manifestation d'Intérêt, 12 collectivités ont été retenues pour participer aux expérimentations, répartie sur deux thématiques : Attractivité commerciale et Mobilité.

Elles sont accompagnées localement par des services support de la banque des territoires et au niveau national par un cabinet conseil spécialisé sur la thématique et par OpenDataFrance.

Collectivités retenues

Thématique : Attractivité commerciale / Observatoire

• Avignon

• Belfort

• CARENE / Saint-Nazaire

• Grand Poitiers

• Thionville / Saint-Avold (avec AGURAM)

• Saint-Brieuc

Accompagnement méthodologique et opérationnel : Métapolis

Thématique : Mobilité / Parking

• Digne-les-Bains

• Dunkerque

• La Roche-sur-Yon

• Soissons

• Saint-Quentin

• Tulle

Accompagnement méthodologique et opérationnel : GroupeChronos

Annuaire des contacts

(données professionnelles, non personnelles)

La méthodologie de l’accompagnement de Metapolis permet de :

• Sensibiliser et renforcer les connaissances des collectivités en matière de donnée, d’open data et de cas d’usage concernant l’attractivité commerciale

• Accompagner chaque collectivité dans la création/le développement/le renforcement d’un service lié à l’utilisation et à la valorisation des données (observatoire, outil de data visualisations, etc.).

• Assurer l’échange, le partage et la capitalisation au sein du groupe de travail et favoriser les synergies avec le groupe de travail mobilité.

L’accompagnement s’opère selon deux volets : un volet commun qui concerne l’ensemble des collectivités, et un volet dédié à chaque collectivité. La proposition méthodologique présentée est la suivante :

(Légende typographique : Volet commun / Volet dédié)

Phase 1 : État des lieux et définition du projet d’expérimentation

Mi-Janvier – fin Février > Janvier - Février

• Analyse documentaire et entretiens de cadrage avec les représentants de chaque collectivité (à distance)

• Réunion de lancement de l’expérimentation au sein de la collectivité avec les partenaires identifiés

• Journée de travail collective avec chaque collectivité : sensibilisation, partage et échanges, atelier de travail collectif de « design de service data » (quelles problématiques ? Quels indicateurs ? Quelles données ?).

Début Mars – Fin Avril > Début Mars - fin Juin

• Réunion de travail dans chaque collectivité pour ajuster, personnaliser et finaliser les feuilles de route / fiches projet de chaque expérimentation

• Restitution interne dans chaque collectivité

Début Mai > fin Juin

• Restitution collective et temps d’échange entre collectivités (à distance)

Phase 2 : Accompagnement à la mise en œuvre de l’expérimentation

Mi-Mai – Début Juillet > Septembre

• Réunion de cadrage et recueil du besoin des utilisateurs (enquête)

• Atelier de prototypage du service dans chaque collectivité (quel service ? Quelles visualisations ? Quels tableaux de bords ? Etc.)

• Rédaction d’un cahier des charges et ajustements.

• Restitution intermédiaire collective de présentation des cahiers des charges (à distance) (29/09)

Mi-Juillet – Mi-Octobre > Septembre - Décembre

• Développements internes du service dans chaque collectivité

• Journée de démonstration et évaluation du service dans chaque collectivité

• Restitution finale et collective de l’expérimentation (présentiel)

En raison des confinements successifs (mars-juin puis oct-déc.2020), ainsi que des élections locales (et de leur report à juin 2020), le planning théorique a été modifié. La phase 2 s'est donc déroulée au second semestre avec une restitution finale fin décembre 2020.

Les expérimentations ont été initialement prévues pour une durée de 6 à 9 mois. Les conditions particulères de l'année 2020 (crise sanitaire et élections locales) et le temps nécessaire pour faire mûrir les projes a porté ce plannig à 12 ou 14 mois.

• La premiere phase (phase1) du projet a permis d’identifier les données locales utiles et/ou nécessaires et les modes de coopération entre les acteurs publics et privés.

• La deuxieme phase (phase 2) a pour finalité la conception, éventuellement la mise en place, d’un service innovant (au sens large, cela peut être une application nouvelle, l’enrichissement d’un service déjà existant ou une bonne pratique de publication au sein d’une collectivité par exemple).

Les projets les plus prometteurs sont valorisés dans la perspective d’une adoption élargie (le programme ACV dure jusqu’en 2022). Certains peuvent donner lieu à des projets nationaux d'envergure.

Les collectivités ont été retenues pour participer à l’AMI sur la base de leur volonté d’expérimenter une approche innovante dans l’optimisation de services permettant de résoudre les problématiques récurrentes de tels territoires : commerce de proximité, mobilité, offre culturelle et logement. Elles témoignent également d’une bonne maturité dans l’ouverture des données. Un « binôme » associant un référent ACV (métier) et un référent « données » constitue l’équipe projet restreinte dans chaque collectivité retenue. En ce qui concerne le groupe de travail « Attractivité commerciale », bénéficiant de l’accompagnement de Metapolis, il rassemble 5 collectivités :

• La Ville d’Avignon

  • François Ganz, Chargé de mission Information Géographique et Open Data : francois.ganz@mairie-avignon.com

  • Julien Henrry-Limonon, Directeur Commerce et Artisanat : Julien.HENRYLIMONON@mairie-avignon.com

  • Marc Skierski, Directeur du département Attractivité Territoriale : marc.SKIERSKI@mairie-avignon.com

• La Ville de Belfort et le Grand Belfort Communauté d'Agglomération

  • Anthony Merour, Direction des systèmes d’information : amerour@grandbelfort.fr

  • Shanna Laborde, Direction de l’aménagement et du développement : slaborde@mairie-belfort.fr

• Saint-Nazaire Agglomération (CARENE) :

  • Guillaume Serazin, Manager de centre-ville : serazing@agglo-carene.fr

  • Peggy Mingot, Chef de projet Direction de la donnée : mingotp@agglo-carene.fr

• Grand Poitiers Communauté Urbaine

  • Séverine Ferrant, Responsable CA Valorisation des données : severine.ferrant@grandpoitiers.fr

  • Florie Césard, Manager de commerce : florie.cesard@grandpoitiers.fr

• La Communauté d'agglomération Porte de France Thionville (CAPFT) / Communauté d'agglomération Saint-Avold Synergie

  • Pierre Pirot, Chef de projet Action Coeur de Ville : p.pirot@agglo-saint-avold.fr

  • Anne-Karine Ivanov, Manager de centre-ville : ivanov.ak@mairie-thionville.fr

  • Pascal Chevallot, AGURAM : pchevallot@aguram.org

Ce groupe de travail permet aux collectivités de partager leurs initiatives/expériences et de bénéficier d’un accompagnement commun. En outre, ODF et Metapolis veillent à favoriser la synergie avec l’autre groupe de travail concentré sur la thématique « Mobilité ».

1 - Les besoins

Belfort est la ville centre de Grand Belfort Communauté d’Agglomération qui réunit 53 communes. La collectivité regroupe plus de la moitié de ses habitants, et son rôle de moteur du développement territorial est crucial. Comme d’autres villes moyennes, Belfort fait face à certaines difficultés structurelles. Elle souhaite encourager la redynamisation de son centre-ville à travers des secteurs comme l’habitat, le commerce, l’urbanisme, ou encore la culture. Dans le cadre du programme Action Cœur de Ville, duquel Belfort est lauréate, l’axe habitat prend une place centrale, avec la requalification de certains quartiers et parcs de logements. En parallèle, Belfort souhaite s’engager dans une démarche d’amélioration du cadre de vie avec par exemple le réaménagement des entrées de ville et la mise en valeur du patrimoine.

Le second axe priorisé par la ville est le commerce : Belfort connait à l’instar de nombreuses villes moyennes un déclin commercial, même si avec ses 8% de vacance commerciale, la ville se classe parmi celles qui s’en sortent le mieux. Le commerce de centre-ville doit tout de même faire face à certains défis : la perte d’enseignes emblématiques, l’appauvrissement de certains faubourgs, et les projets commerciaux fleurissant en périphérie. Avec la réalisation d’une étude sur l’attractivité commerciale, la création d’un poste de manager de centre-ville, et des actions ciblées comme la mise en place d’un site de e-commerce (click&collect) ou la création d’une SEM commerce, Belfort agit pour inverser ces tendances en s’adaptant aux évolutions des modes de consommation des habitants.

La ville de Belfort et Grand Belfort Communauté d’Agglomération souhaitent aujourd’hui aller plus loin grâce à l’expérimentation AMI Open Data. Elles présentent déjà une certaine maturité en termes de numérique et de valorisation des données : 29 jeux de données publiés en open data, des applications mobiles (Collector pour le suivi du nombre de passage en déchetteries, des dépôts sauvages et des poubelles publiques ; Cirkwi pour les parcours sportifs, réalité augmentée de la Citadelle), le développement de l’IoT, l’utilisation d’un SIG avec 250 couches et de diverses applications métiers utilisant la donnée, etc.

Les objectifs poursuivis dans cette expérimentation sont multiples. Tout d’abord, il s’agit pour la collectivité d’acquérir une connaissance plus fine de son territoire à l’aide d’une meilleure collecte et exploitation des données. L’expérimentation doit permettre de construire une vision stratégique et transverse pour améliorer l’acquisition et la pérennisation des données en interne. Belfort souhaite ainsi développer une méthodologie de collecte des données pour ouvrir, structurer, normaliser et croiser ces données de manière innovante, en exploitant de nouvelles sources. L’objectif est aussi d’obtenir une meilleure visibilité sur l’existant et les opportunités commerciales du centre-ville, afin de renforcer l’attractivité et d’accompagner de façon pertinente les différents acteurs.

En effet, ces données doivent contribuer à la commercialité du centre-ville via une aide à la décision auprès des commerçants et autres acteurs publics et privés, existants et à venir. L’équipe projet souhaite créer un observatoire du commerce qui permettra à la collectivité de transmettre des informations aux porteurs de projet qui souhaitent s'installer à Belfort, à la fois concernant les flux et les comportements d’achat. Ce travail d’observation peut permettre de connaître de manière plus fine les attentes des citoyens en termes d’offre commerciale et de services afin d’améliorer la diversité de cette offre et de mieux l’adapter aux besoins de la population.

2 - Le cas d'usage

2.1 Contexte et problématiques

Les cœurs de villes des collectivités de taille moyenne se dévitalisent progressivement au profit des périphéries désormais considérées comme les véritables pôles économiques des territoires. Cette dévitalisation se traduit par une diminution de la population de la ville centre, une croissance de la vacance commerciale en centre-ville, et le transfert des activités tertiaires et des emplois de services vers les périphéries. Les dirigeants des collectivités sont souvent dépourvus des clés leur permettant de mettre en œuvre des stratégies efficaces de revitalisation de leur centre- ville. Les élus et cadres opérationnels de ces communes peinent à visualiser et comprendre les flux de personnes sur leur territoire, la fréquentation des commerces et des services, ou tout simplement la bonne adéquation entre l’offre de services et les types de populations évoluant dans leur périmètre. De telles clés d’analyse peuvent permettre aux dirigeants des territoires de mieux orienter et structurer leurs politiques publiques.

Belfort fait le constat d’un manque d’enseignes locomotives sur son territoire ainsi que d’un manque de diversité de l’offre commerciale, notamment du fait de prix élevés et de la taille souvent inadaptée des locaux commerciaux. La ville peine ainsi à attirer les grandes enseignes et les projets innovants susceptibles de renforcer l’activité du centre-ville belfortain, en forgeant notamment une identité commerciale attractive. Alors que la collectivité étend son offre de nouveaux logements, elle espère attirer une population plus diverse et devra s’adapter à de nouveaux comportements et besoins.

De plus, les porteurs de projets qui souhaitent s’installer à Belfort pour y développer un commerce ou un service manquent cruellement de visibilité sur l’offre de locaux commerciaux et sur l’offre de commerces et services existants aux alentours. Cela impacte négativement l'attractivité du territoire.

Enfin, les zones plus en difficulté sont en partie identifiées mais il est difficile de qualifier et de quantifier ce qui a un impact sur les flux de population et sur la situation de l'offre commerciale. Il est donc essentiel de pouvoir objectiver les données de flux et de fréquentation du centre-ville.

2.2 Objectifs

• Mieux connaître l’offre de commerces et de services du centre-ville.

• Améliorer la connaissance des pratiques, attentes, et comportements des usagers, en

  termes de consommation notamment, dans le centre-ville.

• Comprendre les dynamiques de flux et de fréquentation et les facteurs qui les génèrent ou les facilitent.

• Attirer les porteurs de projet et grandes enseignes en valorisant les atouts du centre- ville.

• Diversifier l’offre de commerces et de services et faire émerger une identité commerciale belfortaine.

2.3 Cibles et besoins

En tant que collectivité, je souhaite :

• Comprendre si l’offre de commerces et de services sur le territoire répond aux besoins des

  usagers : Je peux consulter la variété des commerces et de services publics du territoire croisée aux flux de personnes et aux attentes des citoyens.

• Visualiser l’impact de ma politique de développement économique : Je consulte des indicateurs chiffrés notamment concernant l’évolution du taux de vacance des commerces dans le temps, croisée avec les flux de personnes dans les zones associés.

• Optimiser l’implantation de nouveaux commerces : Je consulte les flux de personnes, les axes et points d’accès à mon territoire, croisés avec les types de commerces existants.

• Analyser les usages, comportements, attentes et la satisfaction de la population : Je consulte des indicateurs sur les typologies de population qui fréquentent le territoire, croisés à des informations relatives à leur comportement de consommation, à leurs attentes et leur niveau de satisfaction.

En tant que porteur de projet, grande enseigne, commerçant, je souhaite :

• Comprendre si l’offre commerciale répond aux besoins des personnes qui passent sur mon territoire : Je consulte l’évolution de la variété des commerces, des flux et des durées de

  présence des personnes sur mon territoire.

• Analyser les usages, comportements, attentes et la satisfaction de la population : Je consulte des indicateurs sur les typologies de population qui fréquentent le territoire, croisés à des informations relatives à leur comportement de consommation, à leurs attentes et leur niveau de satisfaction.

• Évaluer le potentiel d’une zone en vue d’une implantation : je consulte la vacance des cellules croisée à l’implantation des services publics, équipements, mobiliers urbains et à la fréquentation des zones.

2.4 Les indicateurs

Cette partie décrit les indicateurs qui constituent le cas d’usage, permettant d’imaginer et de réaliser des croisements.

« Quelle est l’offre actuelle ? »

• Indicateur principal 1 : Offre de commerces

• Indicateur principal 2 : Vacance commerciale

• Indicateur principal 3 : Offre de services publics

• Indicateur principal 4 : Offre d’équipements sportifs o Indicateur principal 5 : Offre culturelle

« Est-elle en adéquation avec les attentes, flux et usages de la population ? »

• Indicateur secondaire 6 : Typologies de la population

• Indicateur secondaire 7 : Flux de personnes et fréquentation

• Indicateur secondaire 8 : Comportements de consommation

• Indicateur secondaire 9 : Attentes de la population

• Indicateur secondaire 10 : Typologies de projets urbains

• Indicateur secondaire 11 : Typologies de porteurs de projets

Quelques croisements possibles :

• Offre de commerces croisée aux flux de personnes et fréquentation et aux comportements de consommation.

• Offre de commerces croisée à l’offre de services et aux attentes de la population.

• Typologies de porteurs de projets croisée aux attentes de la population et aux typologies de

  projets urbains.

Priorisation des indicateurs lors de la réunion du 30 novembre 2020 :

Les participants de la réunion de présentation de la démarche ont été invités à prioriser les indicateurs en indiquant les 3 indicateurs leur semblant les plus pertinents et prioritaires à développer dans l’outil. Voici le classement résultant de la priorisation :

1. Offre de commerces

2. Vacance commerciale

3. Flux de personnes et fréquentation

Ces 3 indicateurs apparaissent comme les plus prioritaires en termes de développement dans l’outil.

5 - Les résultats

Une telle démarche d’aide à la décision basée sur la gestion et la valorisation des données doit se décliner dans un outil performant et fonctionnel, permettant notamment de mettre en œuvre et croiser les différents indicateurs présentés plus haut et de réaliser des rapports et tableaux de bords à la demande. Idéalement, cet outil doit être ouvert et permettre à la collectivité de publier ses données en Open Data, mais aussi de les échanger en interne ou avec des partenaires externes.

Il existe de nombreuses solutions permettant de remplir les exigences de la collectivité et d’atteindre les objectifs identifiés dans cet AMI. Cependant ces outils ont un coût.

Grand Belfort dispose d’un grand avantage qui réside dans sa solution de SIG et Open Data, la suite ArcGIS de la société ESRI, qui permet de répondre à tous les besoins évoqués ci-dessus.

La collectivité disposant déjà de l’outil, il s’agit de mettre en œuvre tous les autres chantiers pour que l’outil permette la mise en œuvre des indicateurs imaginés.

Deux chantiers sont déjà en cours autour du renforcement de l’outillage du cas d’usage de l’AMI :

• L’intégration au SIG des vues immersives et panoramiques (360°) du centre-ville, issues de la solution Cyclomedia

• La réflexion autour de l’acquisition du pack découverte de My Traffic en partenariat avec ESRI pour intégrer au SIG les données GPS de flux et de la fréquentation du centre-ville.

4 - Préconisations de gouvernance

Pour assurer la réussite d’un tel projet, voici quelques principes sur lesquels la collectivité doit se pencher et auxquels elle doit apporter des réponses. Ces 6 principes sont à considérer comme des incontournables d’un projet d’observatoire ou d’aide à la décision basé sur la gestion et la valorisation des données.

4.1. Stratégie, orientations, portage politique

Il est indispensable que les objectifs identifiés soient rassemblés au sein d’une stratégie transverse à la collectivité et partenariale, portée par la Direction Générale des Services et par les élus.

4.2. Constitution d’un dispositif de pilotage

Pour concrétiser la mise en œuvre du projet et l’inscrire dans une logique de pérennisation et de généralisation à d’autres cas d’usage, il est important de constituer un dispositif de pilotage transverse garant du projet.

Au niveau opérationnel : Un binôme « Data/commerces » a été formé pour assurer l’amorçage de la démarche. Ce binôme doit être élargi et se transformer en une équipe transverse composée de profils pertinents issus d’autres directions. Ces « référents data » seraient les liens directs entre les Directions métiers et l’équipe projet transverse sur la partie data. Cette équipe doit se réunir régulièrement pour assurer a minima la mise en œuvre des indicateurs dans les tableaux de bords du SIG, et pour imaginer d’autres cas d’usage à développer.

Au niveau stratégique : un Comité de pilotage porté par le DGS doit se constituer, intégrant les élus concernés et des partenaires du territoire, pour décider des orientations stratégiques du projet, et arbitrer les différentes priorités.

4.3. Culture de la donnée

La gestion des données ne prend sens que lorsque les données sont facilement appréhendées et interprétées par toutes les parties prenantes de la collectivité. Diffuser une culture de la donnée, en amenant les agents à se questionner et à intégrer dans leur pratique quotidienne de leur métier, la valeur et l’impact de leurs actions sur les données, mène progressivement à une organisation data- driven (centrée autour de la donnée). La diffusion de la culture data s’opère en plusieurs étapes : l’amorçage, la mobilisation, et la généralisation. De nombreuses actions de sensibilisation, formation, veille, etc. peuvent être lancées pour diffuser une culture de la donnée en interne.

4.4. Moyens financiers et humains

Pour lancer les différents chantiers et assurer la mise en œuvre du projet dans le temps, des budgets dédiés doivent être alloués à une telle démarche. De plus, pour opérer le suivi et le pilotage du projet, notamment sur le plan opérationnel, un profil avec les compétences nécessaires doit être mobilisé. On parle souvent de Chief Data Officer, véritable chef d’orchestre des données de la collectivité. Le recrutement d’un tel profil semble être un pas nécessaire à franchir pour généraliser une démarche data à l’échelle de la collectivité.

4.5. Innovation et amélioration continue

Une démarche comme celle amorcée par l’AMI, et qui aurait vocation à se généraliser dans la collectivité, implique des temporalités assez longues. À l’image des différents indicateurs imaginés dans le cadre de ce projet, dont le déploiement devrait s’échelonner dans le temps, un projet d’aide à la décision basé sur la donnée doit s’opérer de manière progressive. Tous les indicateurs ne peuvent être déployés en même temps, car derrière ces indicateurs existent de véritables chantiers autour de la donnée. Il s’agit donc d’inscrire le projet dans une feuille de route temporelle, avec des développements de nouvelles fonctionnalités planifiés à échéances courtes, moyennes et longues.

4.6. Partenariats et animationd’écosystème

La finesse et la pertinence des décisions prises par les décideurs de la collectivité dépendent de la richesse des informations dont ils disposent. Ces informations se constituent de l’accumulation, du croisement, et de l’analyse des données. On peut donc dire que la planification et la conduite de l’action publique dépendent des données dont la collectivité dispose. Or comme nous l’avons vu dans cette étude, un certain nombre de données nécessaires à l’analyse et au renforcement de l’attractivité commerciale ne sont pas disponibles au sein de la collectivité, mais le sont chez des acteurs et partenaires du territoire (CCI, CMA, Office de tourisme, prestataires privés, etc.). Il semble donc indispensable que la collectivité tisse et renforce les partenariats avec les acteurs et partenaires identifiés pour obtenir et échanger des données. En intégrant les partenaires à la démarche et aux instances de pilotage du projet d’observatoire, la collectivité s’assure ainsi de la pérennité d’un patrimoine de données partagé, mais aussi que les objectifs fixés dans le cadre d’une telle démarche restent cohérents par rapport aux réalités des acteurs du territoire. Il semble donc pertinent que les élus et la Direction Générale puissent être des pilotes facilitant la création et l’entretien de ces partenariats.

5 - Plan d’actions

Actions identifiées lors de la réunion du 30 novembre 2020

• Rédiger une note stratégique avec un plan d’actions à faire valider par les élus et la Direction Générale.

• Constituer une équipe transverse pour lancer les actions identifiées dans la note stratégique et piloter le projet dans le temps

• Souscrire à l’offre de MyTraffic en partenariat avec ESRI pour intégrer les données de flux au SIG.

• Constituer un observatoire1 de sortie de crise sanitaire basé sur les outils SIG et la méthodologie de l’AMI

• Porter la volonté d’un observatoire de l’attractivité à l’échelle du Grand Belfort impliquant les moyens nécessaires :

  • La constitution d’une gouvernance interne (Grand Belfort) et externe (partenaires du territoire) du projet

  • La création de partenariats avec les acteurs identifiés pour récupérer les données nécessaires

  • Les équipes et budgets nécessaires pour la mise en œuvre du projet

6 - Les documents de capitalisation

6.1 Cahier des charges

La méthodologie de l’accompagnement de Chronos a permis de :

• Sensibiliser et renforcer les connaissances des collectivités en matière de donnée, d’open data et de cas d’usage concernant les enjeux de mobilité et de partage des données

• Accompagner chaque collectivité dans la création/le développement/le renforcement d’un service lié à l’utilisation et à la valorisation des données (observatoire, outil de data visualisations, etc.).

• Assurer l’échange, le partage et la capitalisation au sein du groupe de travail et favoriser les synergies avec le groupe de travail mobilité.

Comme dans le cas du groupe de travail Attractivié Commerciale, l’accompagnement s’est opèré selon deux volets : un volet commun qui concerne l’ensemble des collectivités, et un volet dédié à chaque collectivité.

(Légende typographique : Volet commun / Volet dédié)

Phase 1 : État des lieux et définition du projet d’expérimentation

Phase 1.1 (Janvier - Février)

• Analyse documentaire et entretiens de cadrage avec les représentants de chaque collectivité (à distance)

• Réunion de lancement de l’expérimentation au sein de la collectivité avec les partenaires identifiés

• Journée de travail collective avec chaque collectivité : sensibilisation, partage et échanges, atelier de travail collectif de « design de service data » (quelles problématiques ? Quels indicateurs ? Quelles données ?).

Phase 1.2 (Mars - Juin)

• Réunion de travail dans chaque collectivité pour ajuster, personnaliser et finaliser les feuilles de route / fiches projet de chaque expérimentation

• Restitution interne dans chaque collectivité

Phase 1.3 (fin Juin)

• Restitution collective et temps d’échange entre collectivités (à distance)

Phase 2 : Accompagnement à la mise en œuvre de l’expérimentation

Pahse 2.1 (Juillet > Septembre)

• Réunion de cadrage et recueil du besoin des utilisateurs (enquête)

• Atelier de prototypage du service dans chaque collectivité (quel service ? Quelles visualisations ? Quels tableaux de bords ? Etc.)

Phase 2.2 (Septembre - Décembre)

• Développements internes du service dans chaque collectivité

• Journée de démonstration et évaluation du service dans chaque collectivité

Phase 2.3 (mi décembre)

• Restitution finale et collective de l’expérimentation ( à distance)

1 - Les besoins

Malgré son positionnement géographique au cœur d’un bassin de vie de 500 000 habitants et un cœur historique préservé, la ville d’Avignon, et plus particulièrement son centre-ville, rencontrent certaines difficultés caractéristiques des villes moyennes : forte précarisation (30% des habitants sous le seuil de pauvreté global sur Avignon et non en intra-muros), fuite de la population vers les zones périurbaines, difficulté à maitriser le développement commercial en périphérie, etc.

Avignon s’est engagé depuis 2014 dans un projet ambitieux de revitalisation du centre-ville, notamment via la réhabilitation de l’habitat et du patrimoine, la mobilité, et le levier important du commerce. En 2017, la ville a établi un plan d’actions stratégique pour le commerce de proximité et l’artisanat. Préalablement, un interlocuteur dédié au commerce a été recruté au sein des services de la ville. De plus, la mise en place d’un moratoire sur le développement de grands projets commerciaux en périphérie, et d’une taxe sur les friches commerciales montraient la volonté de la ville d’Avignon de redynamiser son cœur de ville. Ce plan d’action et la dynamique partenariale engagée autour des enjeux de redynamisation du centre-ville ont conduit Avignon à être lauréate du programme national Action Cœur de Ville, lui donnant ainsi les moyens de poursuivre, d’amplifier et d’intensifier les politiques publiques menées pour soutenir l’activité économique en centre-ville. Les effets de ces politiques publiques ont permis d’enclencher une dynamique qui s’est traduite par une nette diminution de la vacance commerciale (taux de vacance moyen de 9,6% dans le centre-ville, intra-muros, au 31 décembre 2018) notamment sur les axes ayant connu une requalification urbaine, et par un ratio très encourageant de 3 créations de commerces pour 1 fermeture en 2018.

La ville d’Avignon souhaite aujourd’hui aller plus loin grâce à l’expérimentation AMI Open Data. La collectivité présente déjà une certaine maturité en termes de numérique et de valorisation des données, notamment avec une démarche open data assez avancée, avec 41 jeux de données publiés sur la plateforme régionale DATASUD. La ville communique également des informations en Open Data via le portail usagers : des cartes et des données disponibles en téléchargement, concernant la sectorisation des écoles, le budget participatif, les dispositifs de comptage routier. La collectivité dispose aussi d’un outil cartographique SIG, d’une application mobile, de bases de données géographiques et non géographiques, etc. La collectivité a saisi l’opportunité d’approfondir sa stratégie de revitalisation grâce à la donnée. Elle mène depuis 2017 un travail d’observation de l’activité commerciale, reposant principalement sur l’exploitation des données INSEE et sur un travail de terrain. La phase 1 d’un observatoire de l’activité commerciale a déjà été réalisée, et la phase 2 est inscrite dans le plan d’action ACV. La ville veut profiter de l’AMI pour renforcer ce travail d’observation. Avignon a en effet connu de nombreux travaux structurants ces dernières années (piétonisation, reconversion de bâtiments, nouveaux éléments de patrimoine culturel, etc.) et a besoin de comprendre comment les parcours marchands ont évolué en conséquence, afin de répondre aux sollicitations des investisseurs et des porteurs de projets. D’autre part, la ville souhaite accompagner les commerçants dans leur adaptation aux changements des modes de consommation et aux attentes de la clientèle, à fortiori dans une ville connaissant une forte saisonnalité (Festival d’Avignon, attractivité touristique). Grâce à l’expérimentation, Avignon espère approfondir et pérenniser sa méthodologie de collecte et de valorisation des données, mais aussi penser de nouveaux outils de production et de traitement des données à greffer à ceux existant déjà. La collectivité voudrait notamment expérimenter l’exploitation des données permettant la mesure des flux en centre-ville, notamment les données collectées par les opérateurs téléphoniques, et des niveaux de fréquentations de la ville en fonction des lieux (axes commerçants, places publiques et point d’intérêt touristique), des horaires et des périodes de l’année, notamment pour connaitre les parcours marchands. A terme, il s’agira de développer des applications concrètes en termes d’objectivation des informations relatives au flux, d’optimisation des actions de communication et d’information à destination des clientèles commerce et tourisme, et de travail avec les commerçants et les prestataires touristiques sur l’adaptation de leur offre. L’expérimentation doit permettre à Avignon de généraliser les données en open data interopérables avec un outil de visualisation pour pouvoir naviguer sur la ville de manière temporelle et géographique.

2 - Le cas d'usage

2.1 Contexte et Problématique

Les cœurs de villes des collectivités de taille moyenne se dévitalisent progressivement au profit des périphéries désormais considérées comme les véritables pôles économiques des territoires. Cette dévitalisation se traduit par une diminution de la population de la ville centre, une croissance de la vacance commerciale en centre-ville, et le transfert des activités tertiaires et des emplois de services vers les périphéries. Les dirigeants des collectivités sont souvent dépourvus des

clés leur permettant de mettre en œuvre des stratégies efficaces de revitalisation de leur centre- ville. Les élus et cadres opérationnels de ces communes peinent à visualiser et comprendre les flux

de personnes sur leur territoire, la fréquentation des commerces et des services, ou tout simplement la bonne adéquation entre l’offre de services et les types de populations évoluant dans leur périmètre. De telles clés d’analyse peuvent permettre aux dirigeants des territoires de mieux orienter et structurer leurs politiques publiques. De nombreux projets d’ampleur ont bouleversé le fonctionnement de la ville d’Avignon en termes d’aménagement, de circulation, de modes de déplacement, de consommation. La collectivité s’interroge aujourd’hui sur l’impact de ces grands projets et les transformations qu’ils entraînent sur les comportements et les usages du centre-ville. L’absence de réponses à ces questions cause à la collectivité un manque de visibilité sur la physionomie commerciale à venir à Avignon. La collectivité reçoit un nombre important de demandes des porteurs de projets qui veulent s’installer sur le territoire, mais manque souvent de données objectivées à leur fournir sur les flux de personnes sur le territoire. Le centre-ville d’Avignon se repeuple progressivement. Un certain nombre de commerces sont dépendants des visiteurs qui consomment. Or, les horaires d’ouvertures des commerces sont souvent mal adaptés au contexte. Par exemple, il fait très chaud l’été en début d’après-midi, et les magasins sont ouverts alors qu’il n’y a personne dans les rues.

2.2 Cibles

Usagers / utilisateurs

En tant que collectivité (Élus, départements de la vile, manager de commerces, etc.), je souhaite :

• Analyser l’adéquation entre offre et besoins des usagers

• Optimiser l’implantation de nouveaux commerces

• Connaître le public qui passe sur mon territoire pour orienter mes actions de communication.

• Analyser les usages, comportements, attentes et la satisfaction de la population.

En tant que citoyen, je souhaite disposer d’informations relatives à :

• L’offre de commerces et de services.

• Aux flux de personnes en ville.

• La fréquentation des transports, de l’offre de stationnement, des événements et animations.

• L’environnement et au climat. • La qualité de l’espace public et du mobilier urbain.

2.3 Les indicateurs

« Quelles offres de commerces et de services actuelles, et quel potentiel des zones environnantes ? » Indicateurs :

• Indicateur 1: Offre de commerces

• Indicateur 2 : Offre de services

• Indicateur 3 : Événements et animations

• Indicateur 4 : Qualité de l’espace public o Indicateur 5 : Environnement et Climat

« Les offres sont-elles en adéquation avec les attentes, flux et usages de la population ?» Indicateurs :

• Indicateur 6 : Flux de personnes et fréquentation

• Indicateur 7 : Flux de stationnement

• Indicateur 8 : Fréquentation des transports en commun

• Indicateur 9 : Flux mobilités douces et motorisées

• Indicateur 10 : Fréquentation des commerces

• Indicateur 11 : Fréquentation des événements et animations A explorer dans un second temps :

• Indicateur 12 : Typologies de la population

• Indicateur 13 : Typologies de comportements de consommation

• Indicateur 14 : Attentes de la population

Quelques croisements possibles :

• Offre de commerces croisée aux flux de personnes et fréquentation et aux typologies de comportements de consommation

• Offre de commerces croisée aux événements et l’animation ainsi qu’aux flux de stationnement.

Priorisation des indicateurs

Lors de l’atelier de prototypage du 21/01, les participants ont voté pour les indicateurs leur semblant les plus importants quant à leurs besoins en termes d’outil d’aide à la décision. Cette priorisation permet de donner à l’équipe projet des indications sur la priorité des indicateurs à développer et donc des données à valoriser.

3 - Les résultats

3.1 Définition des personas

3.2 Maquettes Groupe 1

3.3 Maquettes Groupe 2

3.4 Maquettes Groupe 3

4 - Préconisations de gouvernance

Pour assurer la réussite d’un tel projet, voici quelques principes sur lesquels la collectivité doit se pencher et auxquels elle doit apporter des réponses. Ces 6 principes sont à considérer comme des incontournables d’un projet d’observatoire ou d’aide à la décision basé sur la gestion et la valorisation des données.

4.1. Stratégie,orientations, portage politique

Il est indispensable que les objectifs identifiés soient rassemblés au sein d’une stratégie transverse à la collectivité et partenariale, portée par la Direction Générale des Services et par les élus.

4.2. Constitution d’un dispositif de pilotage

Pour concrétiser la mise en œuvre du projet et l’inscrire dans une logique de pérennisation et de généralisation à d’autres cas d’usage, il est important de constituer un dispositif de pilotage transverse garant du projet.

Au niveau opérationnel : Un binôme « Data/commerces » a été formé pour assurer l’amorçage de la démarche. Ce binôme doit être élargi et se transformer en une équipe transverse composée de profils pertinents issus d’autres directions. Ces « référents data » seraient les liens directs entre les Directions métiers et l’équipe projet transverse sur la partie data. Cette équipe doit se réunir régulièrement pour assurer a minima la mise en œuvre des indicateurs dans l’outil d’aide à la décision, et pour imaginer d’autres cas d’usage à développer.

Au niveau stratégique : un Comité de pilotage porté par le DGS doit se constituer, intégrant les élus concernés et des partenaires du territoire, pour décider des orientations stratégiques du projet, et arbitrer les différentes priorités.

4.3. Culture de la donnée

La gestion des données ne prend sens que lorsque les données sont facilement appréhendées et interprétées par toutes les parties prenantes de la collectivité. Diffuser une culture de la donnée, en amenant les agents à se questionner et à intégrer dans leur pratique quotidienne de leur métier, la valeur et l’impact de leurs actions sur les données, mène progressivement à une organisation data- driven (centrée autour de la donnée). La diffusion de la culture data s’opère en plusieurs étapes : l’amorçage, la mobilisation, et la généralisation. De nombreuses actions de sensibilisation, formation, veille, etc. peuvent être lancées pour diffuser une culture de la donnée en interne.

4.4. Moyens financiers et humains

Pour lancer les différents chantiers et assurer la mise en œuvre du projet dans le temps, des budgets dédiés doivent être alloués à une telle démarche. De plus, pour opérer le suivi et le pilotage du projet, notamment sur le plan opérationnel, un profil avec les compétences nécessaires doit être mobilisées.

On parle souvent de Chief Data Officer, véritable chef d’orchestre des données de la collectivité. Le recrutement d’un tel profil semble être un pas nécessaire à franchir pour généraliser une démarche data à l’échelle de la collectivité.

4.5. Innovation et amélioration continue

Une démarche comme celle amorcée par l’AMI, et qui aurait vocation à se généraliser dans la collectivité, implique des temporalités assez longues. À l’image des différents indicateurs imaginés dans le cadre de ce projet, dont le déploiement devrait s’échelonner dans le temps, un projet d’aide à la décision basé sur la donnée doit s’opérer de manière progressive. Tous les indicateurs ne peuvent être déployés en même temps, car derrière ces indicateurs existent de véritables chantiers autour de la donnée. Il s’agit donc d’inscrire le projet dans une feuille de route temporelle, avec des développements de nouvelles fonctionnalités planifiés à échéances courtes, moyennes et longues.

4.6. Partenariats et animation d’écosystème

La finesse et la pertinence des décisions prises par les décideurs de la collectivité dépendent de la richesse des informations dont ils disposent. Ces informations se constituent de l’accumulation, du croisement, et de l’analyse des données. On peut donc dire que la planification et la conduite de l’action publique dépendent des données dont la collectivité dispose. Or comme nous l’avons vu dans cette étude, un certain nombre de données nécessaires à l’analyse et au renforcement de l’attractivité commerciale ne sont pas disponibles au sein de la collectivité, mais le sont chez des acteurs et partenaires du territoire (CCI, CMA, Office de tourisme, prestataires privés, etc.). Il semble donc indispensable que la collectivité tisse et renforce les partenariats avec les acteurs et partenaires identifiés pour obtenir et échanger des données. En intégrant les partenaires à la démarche et aux instances de pilotage du projet d’observatoire, la collectivité s’assure ainsi de la pérennité d’un patrimoine de données partagé, mais aussi que les objectifs fixés dans le cadre d’une telle démarche restent cohérents par rapport aux réalités des acteurs du territoire. Il semble donc pertinent que les élus et la Direction Générale puissent être des pilotes facilitant la création et l’entretien de ces partenariats.

5 - Plan d’actions

• Rédiger une proposition de feuille de route à faire valider par les élus et la Direction Générale. Celle-ci doit permettre de poser les premières briques d’un outil d’observatoire et d’aide à la décision transverse à la collectivité, permettant d’exploiter les données au service de l’interne, mais aussi des usagers et citoyens.

• Constituer un dispositif de pilotage pour lancer les actions identifiées dans la feuille de route et piloter le projet dans le temps :

  • Stratégique : Direction Générale / élus

  • Opérationnel : Binôme AMI + référents data dans les directions concernée

• Ajuster le cahier des charges et lancer un marché d’accompagnement pour la sélection d’un prestataire technique fournisseur d’outils d’aide à la décision et la mise en œuvre de l’outil

• Renforcer la politique Open Data d’Avignon en menant des actions de structuration et de normalisation des données sur la thématique de l’attractivité.

6 - Les documents de capitalisation

6.1 Cahier des Charges

Crédit et Copyright : AGURAM - Pascal Chevallot / CC-BY-SA / fév. 2021

1 - Les besoins

Malgré son positionnement proche du littoral et de grandes industries rayonnant à l’international implantées sur son territoire, Saint-Nazaire est confrontée aux difficultés structurelles touchant aujourd’hui de nombreuses villes moyennes: manque d'attractivité commerciale et résidentielle, fuite démographique au profit des stations balnéaires périphériques, paupérisation du centre-ville, etc. Sur le plan commercial en particulier, le cœur de ville se vide au profit de zones d'activités périphériques qui captent jusqu’à 80% du chiffre d'affaires et entraine un taux de vacance important en centre-ville (-10% de commerce entre 2010 et 2014). Le centre souffre d'un manque de diversité commerciale et d'un déficit d’identité importants. Un certain nombre de mesures ont déjà été engagées, permettant à la collectivité d’intégrer le programme national Action Cœur de Ville. La stratégie de Saint-Nazaire pour un centre-ville moderne, attractif et ouvert à tous se décline autour de sept axes d'intervention: la mutation de I’immobilier commercial, la revalorisation du parc de logement, le développement de I'emploi et de l'activité économique, la revalorisation des équipements structurants du centre-ville, l’amélioration de la qualité du cadre de vie, la facilitation de l’accès et des déplacements en centre-ville, et enfin I'animation du centre-ville.

Saint-Nazaire Agglomération souhaite aujourd’hui aller plus loin grâce à l’expérimentation AMI Open Data. La collectivité dispose déjà d’une certaine maturité en termes de gestion et de valorisation des données. De nombreuses actions ont été lancées, telles que la mise en place d’un RTGE (Référentiel topographique à très grande échelle), la publication de jeux de données en open data, la structuration d’une stratégie de la donnée (actions de sensibilisation, initialisation d’une feuille de route et d’une gouvernance), mais encore la réalisation du programme DATA et quartiers, et d’un tableau de bord public des indicateurs du Plan Climat Air Énergie Territorial.

L’agglomération a par ailleurs déjà initié un travail autour de la rédaction d’un cahier des charges visant le développement d’un outil d’observatoire et de gestion des commerces. Il s’agit pour la collectivité de valoriser le dynamisme du centre-ville à destination notamment des investisseurs et porteurs de projets, mais également de créer un outil d’aide à la décision pour les élus et membres du comité de direction.

Dans un contexte de déploiement de l’open data à l’échelle de l’agglomération et tout particulièrement de la Ville de Saint-Nazaire, et en lien avec le projet d’observatoire du commerce de la CARENE, de l’initialisation de sa base de données et la définition d’indicateurs, le projet d’expérimentation porte avant tout sur la définition des données essentielles du commerce et des usages innovants. Il s’agit d’ouvrir et d’imaginer des croisements de données, et d’exploiter des sources de nouvelles données publiques ou privées pour valoriser et promouvoir le centre-ville auprès des acteurs du territoire. Outre valoriser ces données via l’open data, l’intérêt réside dans la création de conditions favorables à leur réutilisation, notamment via la définition de standards de jeux de données liés au commerce pour les partager avec d’autres collectivités ou les acteurs du territoire. Saint-Nazaire Agglomération s’appuie sur l’AMI pour optimiser la gestion et le suivi des commerces et des commerçants du centre-ville. Le projet de la collectivité repose sur des indicateurs clés du commerce et des analyses extraites des jeux de données ouverts, mais aussi sur la création d’indicateurs pour l’observation des usages, pratiques et comportements de consommation dans le centre-ville. La finalité globale de l’expérimentation pour Saint-Nazaire est de permettre le renouveau, la diversification et la montée en gamme des commerces du centre-ville afin de mieux répondre aux pratiques actuelles de consommation, et de récréer du flux tout au long de l'année.

2 - Présentation du cas d'usages

2.1 Contextes et Problématiques

Les cœurs de villes des collectivités de taille moyenne se dévitalisent progressivement au profit des périphéries désormais considérées comme les véritables pôles économiques des territoires. Cette dévitalisation se traduit par une diminution de la population de la ville centre, une croissance de la vacance commerciale en centre-ville, et le transfert des activités tertiaires et des emplois de services vers les périphéries. Les dirigeants des collectivités sont souvent dépourvus des clés leur permettant de mettre en œuvre des stratégies efficaces de revitalisation de leur centre- ville. Les élus et cadres opérationnels de ces communes peinent à visualiser et comprendre les flux de personnes sur leur territoire, la fréquentation des commerces et des services, ou tout simplement la bonne adéquation entre l’offre de services et les types de populations évoluant dans leur périmètre. De telles clés d’analyse peuvent permettre aux dirigeants des territoires de mieux orienter et structurer leurs politiques publiques.

La CARENE fait le constat d’un manque d’enseignes et de franchises dans le centre-ville de Saint-Nazaire, ainsi que d’un manque de diversité de l’offre commerciale. La ville peine à attirer les projets innovants susceptibles de renforcer l’activité du centre-ville, en forgeant notamment une image commerciale attractive. Il lui faut convaincre ces nouveaux concepts de faire le pari d'une implantation au cœur de ville nazairien.

Il s’agit également d'adapter l'offre du centre-ville aux nouvelles populations qui vont s’installer dans le centre-ville (étudiants, nouveaux ménages), et faire du centre-ville un véritable lieu de vie, et pas uniquement un lieu commercial.

2.2 Les objectifs

• Donner des choses à voir, montrer l'offre "non commerciale" du centre-ville.

• Améliorer la connaissance des pratiques et comportements, notamment de consommation dans le centre-ville, pour mieux répondre aux usages actuels et aux besoins.

• Attirer les investisseurs et porteurs de projets (données et indicateurs de promotion du territoire) en caractérisant l’attractivité de certaines zones (espaces publics, attraits, infrastructures loisirs ...)

• Accroître l'attractivité commerciale de Saint-Nazaire

• Accueillir de nouvelles enseignes nationales ayant valeur de locomotives commerciales

  dans les secteurs suivants : restauration, PAP Homme et enfant, chausseurs, culture, etc.

2.3 Les cibles

En tant que collectivité (Élus, Directions, manager de centre-ville, etc.), je souhaite :

• Analyser l’adéquation entre offre et besoins des usagers.

• Optimiser l’implantation de nouveaux commerces.

• Connaître le public qui passe sur mon territoire pour orienter mes actions de

  communication.

• Analyser les usages, comportements, attentes et la satisfaction de la population.

En tant que porteur de projet, développeur d’enseigne, franchiseur, investisseur, je souhaite :

• Analyser l’adéquation entre offre et besoins des usagers.

• Évaluer le potentiel d’une zone en vue d’une implantation.

• Analyser les usages, comportements, attentes et la satisfaction de la population.

3 - Les indicateurs

Cette partie décrit les indicateurs du cas d’usage, permettant d’imaginer et de réaliser des croisements.

« Quel est le portrait commercial actuel du centre-ville ? »

• Indicateur 1 : Offre commerciale

• Indicateur 2 : Vacance commerciale

« Quel est le potentiel de la zone autour des commerces, en termes de services ? »

• Indicateur 3 : Offre de services publics

• Indicateur 4 : Offre culturelle

• Indicateur 5 : Offre touristique

• Indicateur 6 : Offre d’équipements sportifs

• Indicateur 7 : Offre de stationnement

• Indicateur 8 : Offre de transports en commun

• Indicateur 9 : Indice de qualité de l’espace public

« Quels sont les usages et comportements dans une zone ? »

• Indicateur 10 : Flux de personnes

• Indicateur 11 : Flux de véhicules

• Indicateur 12 : Comportements de consommatio

• Indicateur 13 : Portrait sociodémographique du territoire

Quelques croisements possibles :

• Offre commerciale croisée aux flux de personnes et aux comportements de consommation

• Offre commerciale croisée à l’indice de qualité de l’espace public et au portrait

Priorisation des indicateurs

Les participants ont voté pour les indicateurs leur semblant les plus importants quant à leurs besoins en termes d’outil d’aide à la décision. Cette priorisation permet de donner à l’équipe projet des indications sur la priorité des indicateurs à développer et donc des données à valoriser. Voici le résultat de cette priorisation :

4 - Les résultats

Le déroulement de l'expérimentation

Comme beaucoup de projets impactés en 2020 par la crise sanitaire, l'expériementaiton s'est terminée en février 2021. Ce rallongement est aussi dû au fort intéret de la Carene sur ce projet, qui a donc souhiaté poursuivre jusqu'à son terme la premiere phase de cette expérimentation.

4.1 Prototypage de l'outil

4.3.1 Les profils (personna) et les maquettes

Groupe 1

Groupe 2

Groupe 3

5 - Les leçons

Pour assurer la réussite d’un tel projet, voici quelques principes sur lesquels la collectivité doit se pencher et auxquels elle doit apporter des réponses. Ces 6 principes sont à considérer comme des incontournables d’un projet d’observatoire ou d’aide à la décision basé sur la gestion et la valorisation des données.

5.1 Stratégie, orientations, portage politique

Il est indispensable que les objectifs identifiés soient rassemblés au sein d’une stratégie transverse à la collectivité et partenariale, portée par la Direction Générale des Services et par les élus.

5.2 Constitution d’un dispositif de pilotage

Pour concrétiser la mise en œuvre du projet et l’inscrire dans une logique de pérennisation et de généralisation à d’autres cas d’usage, il est important de constituer un dispositif de pilotage transverse garant du projet.

Au niveau opérationnel : Un binôme « Data/commerces » a été formé pour assurer l’amorçage de la démarche. Ce binôme doit être élargi et se transformer en une équipe transverse composée de profils pertinents issus d’autres directions. Ces « référents data » seraient les liens directs entre les Directions métiers et l’équipe projet transverse sur la partie data. Cette équipe doit se réunir régulièrement pour assurer a minima la mise en œuvre des indicateurs dans l’outil d’aide à la décision, et pour imaginer d’autres cas d’usage à développer.

Au niveau stratégique : un Comité de pilotage porté par le DGS doit se constituer, intégrant les élus concernés et des partenaires du territoire, pour décider des orientations stratégiques du projet, et arbitrer les différentes priorités.

5.3 Culture de la donnée

La gestion des données ne prend sens que lorsque les données sont facilement appréhendées et interprétées par toutes les parties prenantes de la collectivité. Diffuser une culture de la donnée, en amenant les agents à se questionner et à intégrer dans la pratique quotidienne de leur métier, la valeur et l’impact de leurs actions sur les données, mène progressivement à une organisation data- driven (centrée autour de la donnée). La diffusion de la culture data s’opère en plusieurs étapes : l’amorçage, la mobilisation, et la généralisation. De nombreuses actions de sensibilisation, formation, veille, etc. peuvent être lancées pour diffuser une culture de la donnée en interne.

5.4 Moyens financiers et humains

Pour lancer les différents chantiers et assurer la mise en œuvre du projet dans le temps, des budgets dédiés doivent être alloués à une telle démarche. De plus, pour opérer le suivi et le pilotage du projet, notamment sur le plan opérationnel, un profil avec les compétences nécessaires doit être mobilisé. On parle souvent de Chief Data Officer, véritable chef d’orchestre des données de la collectivité. Le recrutement d’un tel profil semble être un pas nécessaire à franchir pour généraliser une démarche data à l’échelle de la collectivité.

Innovation et amélioration continue

Une démarche comme celle amorcée par l’AMI, et qui aurait vocation à se généraliser dans la collectivité, implique des temporalités assez longues. À l’image des différents indicateurs imaginés dans le cadre de ce projet, dont le déploiement devrait s’échelonner dans le temps, un projet d’aide à la décision basé sur la donnée doit s’opérer de manière progressive. Tous les indicateurs ne peuvent être déployés en même temps, car derrière ces indicateurs existent de véritables chantiers autour de la donnée. Il s’agit donc d’inscrire le projet dans une feuille de route temporelle, avec des développements de nouvelles fonctionnalités planifiés à échéances courtes, moyennes et longues.

Partenariats et animation d’écosystème

La finesse et la pertinence des décisions prises par les décideurs de la collectivité dépendent de la richesse des informations dont ils disposent. Ces informations se constituent de l’accumulation, du croisement, et de l’analyse des données. On peut donc dire que la planification et la conduite de l’action publique dépendent des données dont la collectivité dispose. Or comme nous l’avons vu dans cette étude, un certain nombre de données nécessaires à l’analyse et au renforcement de l’attractivité commerciale ne sont pas disponibles au sein de la collectivité, mais le sont chez des acteurs et partenaires du territoire (CCI, CMA, Office de tourisme, prestataires privés, etc.). Il semble donc indispensable que la collectivité tisse et renforce les partenariats avec les acteurs et partenaires identifiés pour obtenir et échanger des données. En intégrant les partenaires à la démarche et aux instances de pilotage du projet d’observatoire, la collectivité s’assure ainsi de la pérennité d’un patrimoine de données partagé, mais aussi que les objectifs fixés dans le cadre d’une telle démarche restent cohérents par rapport aux réalités des acteurs du territoire. Il semble donc pertinent que les élus et la Direction Générale puissent être des pilotes facilitant la création et l’entretien de ces partenariats.

6 - Les documents de capitalisation

1 - Les besoins

Grand Poitiers, comme de nombreuses collectivités de taille moyenne, fait face à certaines difficultés structurelles. Cependant, elle se positionne relativement bien sur des secteurs comme le commerce, l’habitat ou encore le cadre de vie. En effet, la croissance démographique reste globalement stable dans le centre de la ville, et la croissance de l’emploi semble repartir ces dernières années. Depuis quelques années le développement commercial s’est opéré principalement en périphérie, à l’image du développement de la zone commercial Poitiers Sud. Le centre-ville n’est néanmoins pas complètement délaissé, comme le prouvent certaines opérations commerciales d’envergure autour des Cordeliers ou de l’ancien Printemps notamment. Le commerce de centre-ville doit tout de même faire face à certains défis comme le manque de surfaces foncières pour les grandes enseignes et l’évolution des modes de consommation des habitants.

D’autre part, si le déplacement des administrations vers la périphérie s’est fait ressentir, de plus en plus d’entreprises, notamment de services, cherchent à s’implanter dans le centre-ville de Poitiers, en particulier à proximité de la gare. Le quartier de la gare est en effet une zone à fort potentiel mais qui reste à valoriser. Il n’y a aujourd’hui que très peu d’offre foncière, peu de logements, malgré l’arrivée positive de la LGV il y a quelques années. Pour en optimiser le potentiel, la stratégie de déplacements du centre-ville au quartier de la gare est à perfectionner. Il s’agit aussi de consolider le lien entre le centre-ville et les quartiers périphériques (ex : Les Couronneries).

En ce qui concerne l’habitat, le parc de logements du centre-ville est en plutôt bon état, bien que peu attractif pour les familles, et comportant quelques lieux parfois très dégradés. Sur le plan touristique, le centre-ville de Poitiers reste relativement en dehors des circuits de visite. Il présente pourtant un patrimoine architectural et une offre culturelle très riches, un dynamisme entrainé par la présence étudiante, et un patrimoine vert également valorisable. Lauréate du programme national Action Cœur de Ville, Grand Poitiers a pu préparer une stratégie de redynamisation du centre-ville recouvrant ces différents domaines.

Grand Poitiers Communauté Urbaine souhaite aujourd’hui aller plus loin grâce à l’expérimentation AMI Open Data. Elle dispose déjà d’une certaine maturité en termes de gestion et plus particulièrement d’ouverture des données. Grand Poitiers fait partie des premières collectivités à avoir ouvert des données, en 2015. Depuis 2016, Grand Poitiers dispose de son propre portail Open data où, aujourd’hui, 221 jeux de données sont disponibles, et accompagne les communes de son territoire à la mise en œuvre de l’open data. En 2018, la collectivité a lancé sa réflexion autour d’un observatoire de l’activité commerciale. En 2019 débutait la mise en œuvre d’une véritable stratégie data (forum des cadres, sensibilisation des DGAs, etc.). Des dispositifs d’animation et de sensibilisation à la culture de la donnée sont organisés en interne et en externe (Infolab, Hackaviz, Datasandwichs, etc.). Au travers du programme Datacités 2, l’agglomération expérimente un superviseur dans le domaine de l’énergie. Une étude sur l’impact des données numériques et de l’open data sur le tissu économique a également été lancée. En termes d’outils, Grand Poitiers dispose de cet observatoire du commerce en cours de formalisation, mais aussi de capteurs de flux piétons et parkings, ainsi que des données liées aux habitudes de déplacements des clients des commerces du centre-ville de Poitiers. Un Projet Alimentaire Territorial autour des circuits courts est également en cours de conception et s’appuiera grandement sur la donnée.

Les objectifs poursuivis dans cette expérimentation sont multiples. Tout d’abord, il s’agit pour la collectivité de construire une vision stratégique et transverse pour améliorer l’acquisition et la pérennisation des données en interne. L’expérimentation doit également permettre d’explorer de nouveaux modèles de collecte de données grâce aux échanges d’expérience avec d’autres collectivités. Grand Poitiers souhaite ainsi développer une méthodologie de collecte des données pour ouvrir, structurer, normaliser et croiser ces données de manière innovante, en exploitant de nouvelles sources. L’objectif est aussi d’obtenir une meilleure visibilité sur l’existant et les opportunités commerciales des différentes centralités, afin de renforcer l’attractivité et d’accompagner de façon pertinente les différents acteurs.

En effet ces données doivent contribuer à la commercialité via une aide à la décision auprès des commerçants et autres acteurs publics et privés, existants et à venir. Il s’agit aussi de mieux connaitre les aspirations de consommation et d’accompagner l’évolution des pratiques des consommateurs, tout en accroissant leur visibilité de l’offre commerciale. En particulier, Grand Poitiers s’intéresse aux données liées aux circuits courts, qu’elle souhaite récupérer afin de favoriser l’émergence d’outils et d’acteurs les développant. L’ambition de la collectivité pour une consommation « plus vertueuse » favorisant l’économie locale, la sécurité et la santé alimentaire (produits locaux, de circuits courts et/ ou bio proposés dans les cantines scolaires, jardins familiaux...) rejoindrait ainsi l’ambition de dynamisme du territoire.

Le contexte de la crise du covid-19 a accéléré le travail de la collectivité sur la production d’un jeu de données intégrant la dimension commerces et circuits courts. Il s’agit, aujourd’hui et demain, de l’enrichir et de pérenniser la démarche autour des circuits courts. Enfin, sur le thème des mobilités, la collectivité dispose d’outils pour récolter des données, et souhaiterait lier celles-ci à la fréquentation et aux actes d’achat, via de nouveaux partenariats avec les commerçants, afin d’adapter les politiques publiques.

2 - Présentation du Cas d’usage

2.1 Contexte et problématiques

Les cœurs de villes des collectivités de taille moyenne se dévitalisent progressivement au profit des périphéries désormais considérées comme les véritables pôles économiques des territoires. Cette dévitalisation se traduit par une diminution de la population de la ville centre, une croissance de la vacance commerciale en centre-ville, et le transfert des activités tertiaires et des emplois de services vers les périphéries. Les dirigeants des collectivités sont souvent dépourvus des clés leur permettant de mettre en œuvre des stratégies efficaces de revitalisation de leur centre- ville. Les élus et cadres opérationnels de ces communes peinent à visualiser et comprendre les flux de personnes sur leur territoire, la fréquentation des commerces et des services, ou tout simplement la bonne adéquation entre l’offre de services et les types de populations évoluant dans leur périmètre. De telles clés d’analyse peuvent permettre aux dirigeants des territoires de mieux orienter et structurer leurs politiques publiques.

Le sujet de la fréquentation du centre-ville et d’autres centralités de Grand Poitiers et de ses commerces est un sujet de controverse, voire de polémique. Celles-ci peuvent impacter négativement l'attractivité, tant pour les candidats à l'implantation que pour les visiteurs et clients potentiels. Il est donc essentiel de pouvoir objectiver les données de fréquentation de ces zones.

De plus, la collectivité fait le constat d’un manque de connaissances sur les commerçants évoluant sur le territoire poitevin, et leurs activités.

Enfin, les activités agricoles sur le territoire sont en grande partie productivistes (céréales et élevage), mais peu d'activités concernent le maraichage et les circuits courts. Il y a des besoins en ce qui concerne la mutation de l’offre au service d’une demande déjà présente, et le développement d'outils de mise en contact de l’offre avec la demande.

2.2 Objectifs

• Mieux connaître l’attractivité commerciale, les flux et la fréquentation des centralités de Grand-Poitiers. Mieux connaitre le profil des personnes qui fréquentent ces zones et leurs modes de consommation afin d'identifier les freins existants et éventuellement les lever.

• Accompagner les agriculteurs dans l’évolution de leurs pratiques, notamment à travers la restauration collective et la politique de l’eau.

• Favoriser l’émergence d’outils et d’acteurs faisant le lien entre producteurs et consommateurs en circuits courts

• Élargir les réflexions autour de l’articulation entre numérique, gestion des données, structuration et maillage territorial, et y intégrer les centralités secondaires, voire tertiaires de Grand Poitiers.

2.3 Cibles et besoins

En tant que collectivité (Élus, Services de Grand Poitiers, manager de commerces), je souhaite :

• Comprendre si l’offre de commerces et de services sur le territoire répond aux besoins des usagers : Je peux consulter la variété des commerces et de services publics du territoire

  croisée aux flux de personnes et aux attentes des citoyens.

• Visualiser l’impact de ma politique de développement économique : Je consulte des indicateurs chiffrés notamment concernant l’évolution du taux de vacance des commerces dans le temps, croisée avec les flux de personnes dans les zones associés.

• Optimiser l’implantation de nouveaux commerces : Je consulte les flux de personnes, les axes et points d’accès à mon territoire, croisés avec les types de commerces existants.

• Analyser les usages, comportements, attentes et la satisfaction de la population : Je consulte des indicateurs sur les typologies de population qui fréquentent le territoire, croisés à des informations relatives à leur comportement de consommation, à leurs attentes et leur niveau de satisfaction

En tant que partenaire (Associations de commerçants, CCI/ CMA, CCIV), je souhaite :

• Comprendre si l’offre commerciale répond aux besoins des personnes qui passent sur mon territoire : Je consulte l’évolution de la variété des commerces, des flux et des durées de

  présence des personnes sur mon territoire.

• Objectiver la mesure de l’impact des évènements sur l’activité de mon territoire : Je

  compare les flux et durées de présence des personnes sur mon territoire en moyenne et au

  moment des évènements que j’organise.

• Connaître la croissance de l’activité de mes commerces : Je consulte des indicateurs chiffrés pour évaluer l'activité économique de mon centre-ville

En tant qu’acteur de l’économie locale (commerçants, agriculteurs et producteurs locaux, porteurs de projets), je souhaite :

• Comprendre si l’offre commerciale répond aux besoins des personnes qui passent sur mon territoire : Je consulte l’évolution de la variété des commerces, des flux et des durées de présence des personnes sur mon territoire.

• Analyser les usages, comportements, attentes et la satisfaction de la population : Je consulte des indicateurs sur les typologies de population qui fréquentent le territoire, croisés à des informations relatives à leur comportement de consommation, à leurs attentes et leur niveau de satisfaction.

• Évaluer le potentiel d’une zone en vue d’une implantation : je consulte la vacance des cellules croisée à l’implantation des services publics, équipements, mobiliers urbains et à la fréquentation des zones.

En tant que consommateur, citoyen, visiteur, je souhaite :

• Avoir des clés de lecture sur les dynamiques du territoire, des éclairages sur la mise en cercle et les circuits courts : je consulte des indicateurs permettant de visualiser les différentes offres de commerces, services et circuits courts sur le territoire.

3 - Les indicateurs

Cette partie décrit les indicateurs qui constituent le cas d’usage, permettant d’imaginer et de réaliser des croisements.

« Quelle est l’offre actuelle ? »

• Indicateur 1 : Offre de commerces

• Indicateur 2 : Offre de services

• Indicateur 3 : Offre en circuits courts

« Est-elle en adéquation avec les attentes, flux et usages de la population ? »

• Indicateur 4 : Flux de personnes et fréquentation

• Indicateur 5 : Flux des stationnements en ouvrage

• Indicateur 6 : Flux des stationnements sur voirie

• Indicateur 7 : Fréquentation des transports en commun

• Indicateur 8 : Flux routiers

• Indicateur 9 : Flux en covoiturage

• Indicateur 10 : Flux de piétons

• Indicateur 11 : Typologies de comportements de consommation

• Indicateur 12 : Attentes de la population

Quelques croisements possibles :

• Offre de commerces croisée aux flux de personnes et fréquentation et aux typologies de comportements de consommation

• Offre de commerces croisée à l’offre de services et aux attentes de la population

• Offre en circuits courts croisée aux attentes de la population et aux typologies de comportements de consommation

4 - Les résultats

De nombreuses initiatives liées au numérique et à la donnée ont été lancées, ou sont en cours de réflexion. On peut citer à ce titre l’observatoire des commerces de Poitiers, l’observatoire de la mobilité, les réflexions en cours autour d’un outil numérique de valorisation et de mise en relation des producteurs locaux dans le cadre du PAT. Dans le cadre de la gestion de la crise sanitaire du covid-19, Grand Poitiers a proposé des outils et dispositifs pour accompagner les commerçants et les acteurs du territoire (par exemple : les cartes des commerces ouverts pendant le premier confinement, puis plus récemment maboutique.grandpoitiers.fr).

Cependant, chacune de ces démarches est pensée de manière isolée, sans mise en cohérence ou mutualisation, menant notamment à la création de plusieurs jeux de données différents sur un même périmètre (le référencement des commerces par exemple). Ce mode de fonctionnement a de nombreux impacts négatifs sur la mise en œuvre des missions de service public de Grand Poitiers1.

Le travail effectué dans le cadre de cet AMI pose les bases d’un socle des données « attractivité » partagé dont Grand Poitiers serait garante auprès de ces partenaires. C’est une première brique d’un ensemble plus global qui doit progressivement toucher l’ensemble de la collectivité et de ses secteurs métiers. Les nombreuses données identifiées dans ce cahier des charges, et rassemblées au sein d’indicateurs, pourraient être agrégées au sein d’un socle commun et partagé à l’ensemble de la collectivité. Ces données liées à l’attractivité apparaissent en effet pertinentes et bénéfiques pour les différentes cibles et utilisateurs indiqués dans la présentation du cahier des charges. De plus, ce socle de données partagé pourrait servir de base pour alimenter ou développer de nouvelles applications et services internes, mais aussi à destination des acteurs du territoire et des citoyens.

4 - Préconisations de gouvernance

Pour assurer la réussite d’un tel projet, voici quelques principes sur lesquels la collectivité doit se pencher et auxquels elle doit apporter des réponses. Ces 6 principes sont à considérer comme des incontournables d’un projet transverse de constitution d’un socle de données partagé à l’échelle du territoire.

4.1. Stratégie, orientations, portage politique

Il est indispensable que les objectifs identifiés soient rassemblés au sein d’une stratégie transverse à la collectivité et partenariale, portée par la Direction Générale des Services et par les élus. Les élus doivent échanger de manière collective sur le sujet de la donnée qui est hautement stratégique et transverse.

4.2. Constitution d’un dispositif de pilotage

Pour concrétiser la mise en œuvre du projet et l’inscrire dans une logique de pérennisation et de généralisation à d’autres cas d’usage, il est important de constituer un dispositif de pilotage transverse garant du projet.

Au niveau opérationnel : Une équipe transverse a été formée pour assurer l’amorçage de la démarche. Cette équipe doit continuer de se réunir pour travailler sur le sujet, mener les actions identifiées et s’étendre aux autres Directions, notamment en s’appuyant sur des référents métiers. Ces « référents data » seraient les liens directs entre les Directions métiers et l’équipe projet transverse sur la partie data.

Au niveau stratégique : un Comité de pilotage porté par le DGS doit se constituer, intégrant les élus concernés et des partenaires du territoire, pour décider des orientations stratégiques du projet, et arbitrer les différentes priorités.

4.3. Culture de la donnée

La gestion des données ne prend sens que lorsque les données sont facilement appréhendées et interprétées par toutes les parties prenantes de la collectivité. Diffuser une culture de la donnée, en amenant les agents à se questionner et à intégrer dans leur pratique quotidienne de leur métier, la valeur et l’impact de leurs actions sur les données, mène progressivement à une organisation data- driven (centrée autour de la donnée). La diffusion de la culture data s’opère en plusieurs étapes : l’amorçage, la mobilisation, et la généralisation. De nombreuses actions de sensibilisation, formation, veille, etc. peuvent être lancées pour diffuser une culture de la donnée en interne.

4.4. Moyensfinanciersethumains

Pour lancer les différents chantiers et assurer la mise en œuvre du projet dans le temps, des budgets dédiés doivent être alloués à une telle démarche. De plus, pour opérer le suivi et le pilotage du projet, notamment sur le plan opérationnel, un profil avec les compétences nécessaires doit être mobilisé.

On parle souvent de Chief Data Officer, véritable chef d’orchestre des données de la collectivité. Le recrutement d’un tel profil semble être un pas nécessaire à franchir pour généraliser une démarche data à l’échelle de la collectivité.

4.5. Innovation et amélioration continue

Une démarche comme celle amorcée par l’AMI, et qui aurait vocation à se généraliser dans la collectivité, implique des temporalités assez longues. À l’image des différents indicateurs imaginés, et dont le déploiement devrait s’échelonner dans le temps, un tel projet autour de la donnée doit s’opérer de manière progressive. Tous les indicateurs ne peuvent être déployés en même temps, car derrière ces indicateurs existent de véritables chantiers autour de la donnée. Il s’agit donc d’inscrire le projet dans une feuille de route temporelle, avec des développements de nouvelles fonctionnalités planifiés à échéances courtes, moyennes et longues.

4.6. Partenariats et animation d’écosystème

La finesse et la pertinence des décisions prises par les décideurs de la collectivité dépendent de la richesse des informations dont ils disposent. Ces informations se constituent de l’accumulation, du croisement, et de l’analyse des données. On peut donc dire que la planification et la conduite de l’action publique dépendent des données dont la collectivité dispose. Or comme nous l’avons vu dans cette étude, un certain nombre de données nécessaires à l’analyse et au renforcement de l’attractivité commerciale ne sont pas disponibles au sein de la collectivité, mais le sont chez des acteurs et partenaires du territoire (CCI, CMA, Office de tourisme, prestataires privés, etc.). Il semble donc indispensable que la collectivité tisse et renforce les partenariats avec les acteurs et partenaires identifiés pour obtenir et échanger des données. En intégrant les partenaires à la démarche et aux instances de pilotage du projet, la collectivité s’assure ainsi de la pérennité d’un patrimoine de données partagé, mais aussi que les objectifs fixés dans le cadre d’une telle démarche restent cohérents par rapport aux réalités des acteurs du territoire. Il semble donc pertinent que les élus et la Direction Générale puissent être des pilotes facilitant la création et l’entretien de ces partenariats.

5 - Plan d'actions

2021 :

• Construire une feuille de route du projet de socle de données partagé à Grand Poitiers avec les élus et la Direction Générale. (T1

• Constituer un dispositif de pilotage transverse pour lancer les actions identifiées dans la feuille de route et piloter le projet dans le temps (T1)

  • Stratégique : Direction Générale / élus (créer des synergies entre les élus sur le sujet)

  • Opérationnel:Équipe projet transverse (AMI élargie) +r éférents data dans les directions concernées

• Structurer une stratégie de la donnée à l’échelle de Grand Poitiers pour tendre vers un modèle d’organisation plus transverse et partagé, notamment pour obtenir une meilleure lisibilité et un pilotage plus fin et mutualisé des investissements. Lancer des actions de sensibilisation et de formation. Renforcer la politique Open Data de Grand Poitiers en menant des actions de structuration et de normalisation des données à l’échelle du territoire. Cette stratégie a vocation à structurer l’organisation en interne et à s’ouvrir aux acteurs du territoire pour imaginer de nouveaux modes de collaboration. (T1 – T2 – T3

• Réaliser une étude d’ingénierie et lancer un appel à candidature pour choisir un dispositif de comptage piétons et flux, en adéquation avec vos besoins. (T1 – T2) Exploitation des données de flux (T3)

• Porter la volonté d’un observatoire du commerce sur toute la ville de Poitiers, ce qui implique de mettre les moyens humains et techniques pour le réaliser. Mettre en œuvre les actions de collecte de données pour alimenter l’observatoire. (T1 – T2 – T3)

• Consolider les données au sein du socle partagé en interne (données commerces, flux, mobilités, producteurs locaux). (T2 – T3)

2022 :

• Mettre en œuvre les premières évolutions de l’organisation en interne autour de la gestion et de la valorisation des données, issues de la stratégie. (T1 – T2 – T3)

• Porter la volonté d’un observatoire du commerce à l’échelle de Grand Poitiers, ce qui implique de mettre les moyens humains et techniques pour le réaliser. Mettre en œuvre les actions de collecte de données pour alimenter l’observatoire. (T1 – T2 – T3)

• Mettre en œuvre les partenariats imaginés dans le cadre de la stratégie de la donnée, avec les acteurs du territoire. Ouverture du socle de données aux partenaires, et enrichissement avec leurs données. (T1 – T2 – T3)

• Mettre en œuvre les premières briques d’un outil numérique multi-services transverse à la collectivité, permettant d’exploiter les données au service des directions de la collectivité, des élus, des partenaires, usagers et citoyens. (T1 – T2 – T3)

6 - Les documents de capitalisation

6.1 Cahier des charges

6.2 - Note d'actions

1- Les besoins

Les coeurs de villes des collectivités de taille moyenne se dévitalisent progressivement au profit des périphéries désormais considérées comme les véritables pôles économiques des territoires. Cette dévitalisation se traduit par une diminution de la population de la ville centre, une croissance de la vacance commerciale en centre-ville, et le transfert des activités tertiaires et des emplois de services vers les périphéries. Les dirigeants des collectivités sont souvent dépourvus des clés leur permettant de mettre en oeuvre des stratégies efficaces de revitalisation de leur centre-ville. Les élus et cadres opérationnels de ces communes peinent à visualiser et comprendre les flux de personnes sur leur territoire, la fréquentation des commerces et des services, ou tout simplement la bonne adéquation entre l’offre de services et les types de populations évoluant dans leur périmètre. De telles clés d’analyse peuvent permettre aux dirigeants des territoires de mieux orienter et structurer leurs politiques publiques.

Thionville et Saint-Avold font le constat d’un nombre assez faible de grandes enseignes implantées sur leur territoire, et notamment d’un manque de « locomotive » alimentaire en hyper centre. De plus, les locaux commerciaux sont souvent trop chers pour motiver les porteurs de projets à s’installer et développer leur activité.Le phénomène de vacance commerciale est également assez marqué avec un taux avoisinant les 25%, couplé à une vacance du logement assez pénalisante pour le commerce du centre-ville.

Le commerce de centre-ville souffre d’une crise se traduisant notamment par de nombreuses hétérogénéités : des horaires d’ouverture différents, des offres peu évolutives, une qualité perfectible d’un commerce à l’autre, l’impact de la concurrence directe du B’Est.

La perception de l’ambiance de vie en centre-ville par les citoyens est aussi négativement impactée par des éléments tels que les horaires des bars et des restaurants souvent peu adaptés en soirée, un manque de terrasses, peu d’événements organisés dans le centre-ville. Un problème global de gouvernance des événements et de l’animation est souligné.

2 - Présentation du Cas d'usage

2.1 - Contexte et problématiques

Les deux collectivités ambitionnent de redynamiser et revitaliser leur centre-ville par un cadre de vie de qualité, avec des solutions nouvelles en termes d’habitat, de commerce, de santé de mobilité, et d’innovations. Toutes deux lauréates du programme national Action Coeur de Ville, elles ont également décidé de se lancer dans l’expérimentation de l’AMI Open Data grâce à la médiation de l’AGURAM (Agence d’urbanisme d’agglomérations de Moselle) qui souhaite encourager la mutualisation et les échanges entre ces collectivités, et leur engagement dans une démarche Open Data. Les deux villes ont déjà une expérience avec la donnée, notamment au travers de la mise en place d’applications mobiles (« Ma Ville mon Shopping » et « Zen Bus » pour Saint-Avold ; « Fluicity » et « Sport city tour » pour Thionville), et l’ouverture de données en open data notamment via le portail Datagences. L’AGURAM est prestataire de la Communauté d'agglomération Saint-Avold Synergie et de la Communauté d'agglomération Portes de France-Thionville pour le développement d’un outil avec son partenaire technique Makina Corpus.

Ce projet, appelé « Im’Observer », est un outil d’observation commun et collaboratif (sur la base de la plateforme Open Source Terralego/TerraVisu). Depuis le début de l'année 2019, la Communauté d’Agglomération Portes de France Thionville (CAPFT) et Saint-Avold Synergie ont ainsi lancé, dans le cadre d’Action Coeur de Ville, la réalisation d'un observatoire de l'immobilier commercial. L’objectif, face à la grave crise du commerce que connaissent ces deux villes, est de redynamiser l’attractivité commerciale du centre-ville. Pour cela, les acteurs en interne des collectivités, mais aussi externes (acteurs de l’immobilier, porteurs de projets, commerçants, etc), ont besoin d’un véritable outil de pilotage pour l’immobilier commercial. Il s’agit à la fois d’une base de connaissance avec des données facilement actualisables et historisées, d’un outil de marketing territorial pour attirer des porteurs de projet et lutter contre la vacance, et d’un outil de suivi, d’évaluation et d’aide à la décision pour les élus et acteurs du développement commercial (anticipation des cessations d’activité, décision éclairée pour les demandes d’implantation, élaboration des documents de planification…). L’expérimentation réalisée dans le cadre de l’AMI est une opportunité pour la ville de profiter d'une expérience nouvelle qui apporte un regard différent et une méthodologie autour de la donnée. La finalité est d’améliorer cet outil en cours de création pour une meilleure gestion de l'offre immobilière commerciale, via une ouverture à d’autres types de données et des croisements innovants, fruits des échanges avec d’autres collectivités. Cette expérimentation commune peut en effet permettre à la CAPFT et à Saint-Avold Synergie de mieux comprendre l’existant et les possibilités commerciales du centre-ville, tout en favorisant l’émergence d’un écosystème d’acteurs locaux engagés dans une démarche open data autour de l’outil Im’Observer porté par l’AGURAM.

2.2 - La situation initiale

Un projet d’observatoire du commerce et de l’immobilier commercial est en cours. La démarche a été initiée au seconde semestre 2019. Un questionnaire a été rempli avec les commerçants. La collecte des données n’est pas complètement terminée. Un outil open source de Makina Corpus est utilisé. La volonté d’utiliser un outil open source s’inscrit dans la logique de mutualisation et d’ouverture avec les autres territoires. L’observatoire doit permettre d’adresser les problématiques suivantes :

• le problème de vacance commerciale,

• l’analyse des périmètres du centre-ville,

• les croisements d’autres données (flux piétons, vacances des logements, périphéries commerciales).

Il s’agirait pour l’AGURAM de développer un module « observatoire de commerces / Cœur de Ville » au sein de la plateforme de Makina Corpus. L’objectif principal est d’avoir un outil d’observation pour les managers de commerce, les élus, les commerçants, les agents immobiliers.

2.3 - Les objectifs

• Mieux connaître l’offre de commerces et de services du territoire.

• Améliorer la connaissance des pratiques, attentes, et comportements des usagers, en

  termes de consommation notamment.

• Comprendre les dynamiques de flux et de fréquentation et les facteurs qui les génèrent ou les facilitent.

• Attirer les porteurs de projet, la population et les touristes, en valorisant les atouts du territoire.

• Faire des polarités du territoires de véritables lieux de vie en misant sur des facteurs différenciants, et en fédérant autour d’animations.

2.4 - Les cibles

En tant qu’élu ou décideur de la collectivité, je souhaite :

• Analyser l’adéquation entre offre et besoins des usagers.

• Visualiser l’impact de la politique de développement économique sur la vacance.

• Optimiser l’implantation de nouveaux commerces.

• Analyser les usages, comportements, attentes et la satisfaction de la population.

En tant que manager de commerce, je souhaite :

• Analyser l’adéquation entre offre et besoins des usagers.

• Mesurer l’impact des évènements sur l’activité́ de mon territoire (fréquentation, économie,

  etc.)

• Connaître les meilleurs temps pour planifier mes évènements afin d’en maximiser l’impact

  auprès des habitants et visiteurs.

• Connaître les porteurs de projets et être en capacité de les accompagner.

2. 5 - Les indicateurs

Cette partie décrit les indicateurs du cas d’usage, permettant d’imaginer et de réaliser des croisements.

« Quelle est l’offre actuelle ? »

• Indicateur 1 : Offre de commerces

• Indicateur 2 : Offre de services publics

• Indicateur 3 : Offre d’équipement sportifs

• Indicateur 4 : Offre culturelle

• Indicateur 5 : Animation commerciale

« Est-elle en adéquation avec les comportements, attentes, projets actuels et à venir ? »

• Indicateur 6 : Flux de personnes et fréquentation

• Indicateur 7 : Typologies de la population

• Indicateur 8 : Attentes de la population

• Indicateur 9 : Typologies des porteurs de projets

• Indicateur 10 : Projets urbains planifiés

Quelques croisements possibles :

• Offre de commerces croisée aux flux de personnes et fréquentation et à l’animation commerciale

• Typologies des porteurs de projets croisées aux attentes de la population et aux projets urbains planifiés

• Offre de commerces croisée aux attentes de la population et aux typologies de la population

4 - Résultats de l'expérimentation

4.1 - L'application IM'Observer

L'expérimentation a permis de faire progresser le prototype IM'Observer, de l'enrichir et de préparer les conditions de sa généralisation au nivreau national.

Une petite vidéo présente ici les besoins, les porteurs et les fonctionnalités de l'outil :

4.2 - Sources et normalisation des jeux de données

Les données alimentant IM'Observer sont principalement issues de 3 origines :

4.2.1 Données entreprises de la base SIRENE

Les données sont stockées dans la base SIRENE (Service Public de la Donnée) qu contient toutes les entitiés juridiques nationales. Elle peuvent être extraite à travers l'API proposé par ap.data.gouv.fr

Un outil développé par OpenDataFrance permet de les extraire simplement à partir de l'identfiant de la commune :

4.2.2 Données Commerce de la base OpenStreetMap

Les données sont enrichies sous forme de crowdsourcing par tout habitant. Elles sont identifées par le tag :

Un outil développé par OpenDataFrance permet de les extraire simplement à partir de l'identfiant de la commune :

4.2.3 Données collectées auprès des Commerçants

Le fichier d'enquête et consolidation des données est fourni en annexe. Une base Airtable (contenu simplifié) et un formulaire en ligne sont proposés ici :

5 - Perspectives en termes d’outils

5.1 - Généralisation sur la commune de Saint-Avold

Une démarche d’aide à la décision basée sur la gestion et la valorisation des données doit se décliner dans un outil performant et fonctionnel, permettant notamment de mettre en œuvre et croiser les différents indicateurs présentés plus haut et de réaliser des rapports et tableaux de bords à la demande. Idéalement, cet outil doit être ouvert et permettre à la collectivité de publier de nouvelles données en Open Data, mais aussi de les échanger en interne ou avec des partenaires externes.

La Ville de Saint-Avold dispose d’un grand avantage qui réside dans sa solution Im’Observer, développée par Makina Corpus, qui permet de répondre aux besoins évoqués ci-dessus.

Im’Observer est un outil de connaissance, de suivi, d’évaluation et d’aide à la décision pour les élus. Cette application opensource collaboratif, évolutif et paramétrable a été conçue et développée avec le prestataire Makina Corpus.

Aujourd’hui, Im’Observer est un observatoire de l’immobilier commercial adossé à une application fonctionnelle et accessible pour la manager de centre-ville de Saint-Avold. Cet observatoire donne accès à l’ensemble des cellules commerciale par secteur d’activités et les cellules vacantes. Des informations sur l’activité commerciale, la surface, les caractéristiques du local (surface, le bail/ loyer, les commodités, les extérieurs), le commerçant et le propriétaire des locaux sont aussi disponibles.

Il est également possible de faire apparaître une fiche d’identité par commerce et d’analyser les évolutions et suivi de la vacance.

L’outil offre la possibilité de filtrer et requêter, notamment en lançant des recherches par activité, secteur géographique (rue) : ex alimentaire, surface, âge du commerçant (pour anticiper les transmissions). De plus, ces informations sur l’immobilier commercial peuvent aussi être croisées à de nombreuses données complémentaires : arrêts et lignes de bus, parkings vélos et pistes cyclables, parkings voitures...

Grâce au travail mené par l’AGURAM, 828 cellules sont recensées dans Im’Observer (pour les communes de Thionville, Yutz, Terville et Fontoy). Les deux relevés de terrain réalisés par l’agence d’urbanisme en 2019 et en 2020, ainsi que la base de la CCI ont permis d’historiser les changements dans le centre-ville. Plusieurs fichiers doivent être investis pour compléter les observations terrain et alimenter la base (fichiers CCI, CMA, Google Maps).

Des premières analyses ont été réalisées par l’AGURAM, notamment autour de l’évolution de la vacance commerciale.

Pour que l’application de Saint-Avold soit complètement opérationnelle et que sa base de données soit exhaustive et à jour, il semble indispensable que la collectivité mène des actions de recensement similaires à celles menées par l’AGURAM à Thionville.

5.2 - Référentiel Commerce de proximité (draft)

Suite à l'expérimentation menée par l'AGURAM, en partenariat technique avec Makina Corpus, il est envisagé de rendre la démarche générique (quelque soit le territoire) et de généraliser l'outil IM'Observer. L'ambition est de permettre le déploiement d'un Observaoire tel que IM'Observer au niveau national (le logiciel est en open source).

Cettte démarche nécessite la disponibilité d'un ensemnle de données normalisées et adpatées à l'outil IM'Observer. Avec le soutien d'OpenDataFrance, un avant-projet de référentiel Commerce a pu être ébauché. Il s'agit un projet d'envergure qui exigera un important travail de consolidation, de structuration technique et d'animation territoriale. Il s'agit d'aider la production, la publication et la mise à dispostion des données de Commerce (vues ci-dessus pour l'essentiel) au nivreau local et consolidées au niveau national (Point d'Accès National Commerce).

Le draft de " Référentiel National de Commerce" est ptrésenté ci-après : https://docs.google.com/document/d/1ui0JU7LcGL8-evihwSLEDBUCQN-vzGVybnMsp9hTzBI/edit?usp=sharing

6 - Les documents de capitalisation

6.1 - Cahier des Charges

Cahier des Charges de Saint-Avold

Cahier des Charges de Thionville

6.2 - Questionnaire Commerce

Les collectivités ont été retenues pour participer à l’AMI sur la base de leur volonté d’expérimenter une approche innovante dans l’optimisation de services permettant de résoudre les problématiques récurrentes de tels territoires : commerce de proximité, mobilité, offre culturelle et logement. Elles témoignent également d’une bonne maturité dans l’ouverture des données. Un « binôme » associant un référent ACV (métier) et un référent « données » constitue l’équipe projet restreinte dans chaque collectivité retenue.

En ce qui concerne le groupe de travail « Mobilité », bénéficiant de l’accompagnement de Chronos, il rassemble 5 collectivités :

• Digne-les-Bains (contact : cyrille.devillele@dignelesbains.fr)

• Soissons (contact : lbillaud@ville-soissons.com)

• La Roche-sur-Yon (contact : marc-antoine.bouzigues@larochesuryon.fr)

• Saint-Quentin (contact : alexandre.chaffotte@saint-quentin.fr)

• Tulles (contact : Karine.MADIES@ville-tulle.fr)

Ce groupe de travail a permis aux collectivités de partager leurs initiatives/expériences et de bénéficier d’un accompagnement commun. En outre, ODF et Chronos ont pu favoriser la synergie avec l’autre groupe de travail concentré sur la thématique « Attractivité commerciale » .

1 - Le contexte et la problématique

En début 2018, la mairie de Saint Quentin, les commerçants du centre-ville et les citoyens se sont réunis dans le cadre du projet européen SCIFI autour de trois ateliers thématiques (mobilité, énergie et environnement) dont l’objectif était d’identifier les principaux défis urbains. En ce qui concerne la mobilité, les regards des participants ont convergé sur les problématiques de stationnement, dont les infractions. Une des principales pistes avancées a été celle de l’utilisation de technologies destationnement intelligent pour contribuer à résoudre des problèmes relatifs au stationnement.

En 2020, la ville de Saint Quentin a été retenue dans l’appel à manifestations d’intérêt (AMI) Open Data Action Cœur de Ville pour bénéficier d’un accompagnement individuel et collectif portant sur l’usage des données territoriales pour résoudre des problématiques de mobilité. Dans la continuité de la démarche initiée en début 2018, la ville a décidé de focaliser l’accompagnement indivduel sur comment utiliser les données pour contribuer à résoudre la problématique des infractions de stationnement. Ce document présente les résultats de l’accompagnement individuel mené par Chronos dans le cadre de l’AMI open data Action Cœur de Ville en ce sens. Dans le reste de cette section nous analyserons la problématique des infractions de stationnement et les objectifs de l’accompagnement qui en découlent.

1.1 La problématique des infractions de stationnement

Le centre-ville fait face à un défi urbain relatif aux infractions de stationnement. Plusieurs profils d’infracteurs ont été identifiés par la police municipale sur la base de l’expérience de ses agents, à savoir:

• Les personnes qui travaillent en centre-ville et stationnent toute la journée en zone verte

• Les personnes qui se garent en zone orange (hypercentre) pour faire leurs courses

• Les personnes qui se rendent entre 12h et 14h à proximité des zones denses en locaux de restauration

• Les personnes stationnent dans des espaces interdits pendant les jours de marché (mercredi et samedi)

• Les usagers de passage en zone orange et jaune

Les infractions ne semblent pas être motivées par une insuffisance de places de stationnement. En effet, Saint-Quentin a actuellement 1 283 places payantes en voirie auxquelles s’ajoutent 53 places payantes les samedis. La ville compte également avec environ 2 700 places gratuites en voirie. En outre, plusieurs parkings localisés en centre-ville ou à moins de 10 min à pied de celui-ci existent :

• Parking Hôtel de Ville (payant et sous-terrain) : 281 places

• Parking Liberté (gratuit) : 200 places

• Parking Gambetta (gratuit) : 40 places

• Parking Michelet (payant) : 100 places

Ceci fait un total de 4 621 places de stationnement pour un centre-ville à taille réduite. En effet, celui-ci peut être traversé en environ 30 min à pied (2 km).

Compte-tenu du taux de détection d’infractions subi et du niveau des forfaits post stationnement (FPS) et amendes associées à chaque type d’infraction (voir encart ci-dessous), les automobilistes mettent en œuvre des stratégies visant à prendre le risque de ne pas payer ou de dépasser le temps payé, ce qui diminue le taux de rotation des places de stationnement en centre-ville et nuit ainsi à son attractivité.

En effet, le fonctionnement du contrôle des infractions de stationnement ne permet pas d’optimiser la détection d’infractions. La police municipale a actuellement 3 équipes de 2 personnes dédiées au contrôle des infractions de stationnement dont deux actives chaque jour. Le centre-ville est divisé en 6 zones. Chaque jour deux équipes de 2 personnes sont envoyées à une heure et une zone déterminées de manière aléatoire par l’agent de maitrise. Les agents doivent contrôler chaque voiture de la zone sans savoir en amont lesquelles sont en infraction ou quelle serait la probabilité de trouver des voitures en infraction dans la zone (voire la rue) surveillée. De ce fait, les agents n’arrivent pas à contrôler toutes les zones en un seul jour et ne ciblent pas les zones ou rues où les infractions sont les plus récurrentes, ce qui contribue à rendre le taux de détection d’infractions bas et donc facilite les infractions de stationnement. Par ailleurs, la police municipale n’a pas actuellement la capacité à estimer quel est le taux d’infractions non détectées ni à exploiter des données qui lui permettent d’identifier des lieux ou des heures où les infractions de stationnement soient plus récurrentes et cibler ainsi le contrôle.

1.2 L’ambition : utiliser les données pour agir plus efficacement sur les infractions de stationnement

En parallèle, la ville de Saint Quentin dispose actuellement d’une variété de sources de données numériques relatives au stationnement et à la mobilité en général, à savoir :

• 11 jeux de données produits dans le cadre du projet européen SCIFI (places de parking réservées au PMR, noms et localisation des rues, événements culturels...) en lien avec la mobilité

• Les données de mobilité du portail open data mutualisé avec l’agglomération

• Les données relatives à l’occupation et le paiement des places payantes sur voirie issues des

  horodateurs produites par le prestataire IEM

• Les données relatives au paiement des places payantes sur voirie via smartphone produites par le prestataire Flowbird

• Un tableau Excel dans lequel les différentes directions de la mairie mutualisent des informations sur l’occupation de l’espace public (lieu et endroit) liées à un événement (par exemple, une manifestation sportive).

• Des données sur les infractions verbalisées issues du progiciel de la police municipale Edicia

  La ville de Saint-Quentin est également impliquée dans le projet européen SCIFI, lequel se déroule suivant un calendrier similaire à celui de l’AMI. Dans ce cadre, la ville est en train de mener une expérimentation consistant à installer des capteurs et des caméras qui couvriront autour de 79 places en voirie (55 places dans la Place de la Basilique et 24 dans la rue de Vesoul) et permettront à la start-up Communithings (partenaire dans le cadre du projet SCIFI) de produire de nouvelles données d’occupation des places de stationnement sur voirie. Le déploiement à plus grande échelle de solutions smart parking sont envisageables dans le futur.

Le projet SCIFI

Lancé en juillet 2017, le projet SCIFI (Smart City Innovations Framework Implementation) est une initiative européenne, financée par le programme Interreg 2 Mers, visant à aider des villes moyennes à améliorer leur utilisation des données publiques afin d'améliorer les services publics, impliquer les citoyens et éclairer la prise de décision locale. Il s’inscrit dans une démarche de ville intelligente où les données publiques sont utilisées pour aider la ville à être à la fois plus efficace, efficiente, durable et inclusive.

Les villes impliquées dans le projet, Saint-Quentin, Bruges et Malines (Belgique), Delft (Pays-bas) vont identifier en collaboration avec leurs citoyens des défis dans les domaines de la mobilité, l’énergie et l’environnement. Avec le soutien de clusters d’innovation, à savoir le Faubourg Numérique (Saint-Quentin), Agoria (Belgique) et Cambridge Cleantech (Royaume-Uni) ainsi que l’université de Southampton (Royaume-Uni), les villes apporteront par la suite une réponseconcrète à ces défis en développant des solutions innovantes dans le cadre d’un programme d’accélération associant partenaires publics et privés.

Dans ce contexte, la ville de Saint Quentin a candidaté à l’AMI open data Action Cœur de Ville dans l’objectif d’être accompagnée sur comment utiliser les données de mobilité dont elle dispose et dont elle disposera une fois le projet SCIFI achevé pour mieux contrôler les infractions et, par ce biais, améliorer la situation du stationnement en centre-ville. Ce document présente le travail mené par Chronos en ce sens auprès de la ville de Saint-Quentin dans le cadre de l’AMI. Suite à des entretiens avec la police municipale, nous avons précisé cet objectif.

2 - Exploiter les données de mobilité pour améliorer le contrôle des infractions de stationnement

L’objectif principal de cette étude consiste à mieux utiliser les données pour décourager les infractions. Pour y aboutir, deux types de défis doivent être soulevés.

Premièrement, un défi relatif à l’exploitation des données dont cette section fait l’objet. Il s’agira de détecter quelles sont les données disponibles actuellement et lesquelles pourront être obtenues dans le futur pour proposer une exploitation des données qui permette à la police municipale d’agir de manière plus efficace dans la réduction des infractions.

Deuxièmement, un défi relatif à l’information voyageur. Actuellement les automobilistes ne savent pas bien où trouver des places de stationnement et se plaignent de qu’il en manque alors que, comme montré plus haut, celles-ci sont suffisantes. De ce fait, le contrôle accru des infractions devra être accompagné de la génération d’information voyageur de qualité qui cible les automobilistes selon plusieurs modalités (affiches, information en temps réel via une appli, panneau signalétique, campagne de communication auprès des commerçants...) pour que ceux-ci puissent se diriger vers des places de stationnement (gratuites ou payantes) dans le respect des normes. Cette problématique n’étant pas spécifique à Saint Quentin et étant traitée dans l’accompagnement collectif de l’AMI dans laquelle l’accompagnement individuel de Saint Quentin s’inscrit, ce livrable sera focalisé sur comment exploiter les données pour augmenter le taux de détection d’infractions de stationnement. En revanche, il estimportant de considérer l’information comme un volet complémentaire à un contrôle accru des infractions pour que ceux-ci soient perçus comme justes par les habitants.

En ce qui concerne le premier défi, trois types de méthodologies peuvent être employées pour mettre les données au service du détection d’infractions de stationnement :

• Méthodologies basées sur l’utilisation de données historiques. Ces méthodologies consistent à exploiter des données historiques, notamment relatives aux verbalisations, pour détecter des facteurs tels que le jour de la semaine, le lieu ou l’heure qui sont liés à des infractions plus récurrentes.

• Méthodologies basées sur la modélisation. Ces méthodes modélisent mathématiquement le comportement des automobilistes pour obtenir une probabilité d’infraction en fonction de plusieurs variables (zone, horaire, motif de déplacement...).

• Méthodologies basées sur la production de données en temps réel. Ces méthodes utilisent des technologies de stationnement intelligent (données issues d’horodateurs connectés, caméras et capteurs permettant de détecter l’occupation d’une place...) pour produire des données en temps réel qui alertent la police municipale dès qu’une infraction a lieu.

Nous proposons de retenir les méthodologies basées sur l’utilisation de données historiques et celles basées sur la production de données en temps réel. Alors que les premières peuvent être déployées sur la base des données existantes, les secondes nécessiteront un déploiement massif de capteurs et un travail technique pour croiser des données financières (horodateurs et appli de paiement du stationnement) et d’occupation (détection de l’occupation d’une place par un capteur ou une caméra), ainsi qu’une modification dans l’expérience usager des automobilistes se garant dans des zones payantes et/ou dans les méthodes de travail de la police municipale. Dans un contexte où Saint Quentin commence à expérimenter la mise en œuvre d’une technologie de stationnement intelligent dans le cadre du projet SCIFI, travailler sur ces deux méthodologies nous permettra d’apporter une solution de court-terme (proposer une méthodologie d’utilisation des données historiques) et de contribuer à l’essor d’une solution de moyen terme (produire des recommandations pour déployer en grande échelle une solution basée sur la production de données en temps réel), notamment dans un contexte où le contrat avec le prestataire des horodateurs arrivera bientôt à sa fin, ce qui permettrait de traduire les recommandations dans un futur contrat. Nous proposons de ne pas poursuivre un travail basé sur de la modélisation étant donné que ces méthodologies nécessitent un temps de travail au-delà de celui prévu dans le cadre de cet AMI ainsi que la recollection de données précises actuellement inexistantes pour calibrer les modèles. En outre, la valeur ajoutée des approches par la modélisation est faible par rapport à celle apportée par l’utilisation de données historiques. Par ailleurs, la ville de Saint Quentin aurait besoin de faire recours de manière régulière à un profil expert de la modélisation du stationnement pourqu’une telle approche soit opérationnelle dans la durée.

Travailler suivant deux méthodologies est fructueux non seulement parce que chacune répond à une temporalité différente, mais aussi parce que les deux méthodologies retenues sont complémentaires. En effet, une fois la méthodologie basée sur la production de données en temps réel généralisée, celles-ci pourront être compilées et faire l’objet d’analyse de données historiques plus précises. Par exemple, ces données permettraient d’obtenir un taux de détection plus précis alors qu’actuellement la ville ne peut pas estimer le nombre d’infractions non détectées.

2.1 Exploiter des données historiques pour améliorer le contrôle des infractions de stationnement

Dans cette sous-section nous décrivons comment la ville de Saint Quentin pourrait se saisir des données dont elle dispose actuellement pour mettre en place la méthodologie basée sur les données historiques décrite plus haut. Il est important de signaler que nous n’avons pas pu avoir accès aux données historiques sur les verbalisations que la police municipale détient dans le logiciel Edicia. De ce fait, cette section décrit comment exploiter des données historiques sur les verbalisations sans inclure des détails opérationnels tels que les extractions qui devraient être faites du logiciel pour y parvenir.

2.1.1 Comprendre les déterminants des infractions de stationnement pour mieux les cibler à l’aide de la donnée

Plusieurs facteurs affectent la décision d’un automobiliste de commettre une infraction de stationnement. Il est important de les connaître de façon à pouvoir mieux orienter la détection d’infractions. En effet, pour que les données puissent être utilisées dans cet objectif il est nécessaire de savoir quelles sont les données les plus pertinentes à analyser pour orienter la patrouille de la police municipale. La littérature (Bradley & Layzell, 1986 ; Brown, 1983 ; Dix & Layzell, 1983 ; Nourinejad, Gandomi & Noorda, 2020) a identifié plusieurs déterminants des infractions de stationnement que l’on peut diviser en trois catégories : demande de stationnement, niveau de contrôle et choix opportunistes des automobilistes.

Demande de stationnement

Les facteurs suivants affectent la probabilité qu’un automobiliste soit en infraction dans la mesure où ils sont liés à une demande de stationnement (par exemple, plus d’automobilistes ont besoin d’une place de stationnement les mercredis là où le marché a lieu) et un certain usage plus propice aux infractions (par exemple, il est plus probable qu’on dépasse le temps de stationnement dans les rues commerciales en heure de pointe) :

• Heure de la journée

• Jour de la semaine

• Évènement exceptionnel (concert, conférence...)

• Lieu

Niveau de contrôle

• Niveau du forfait post stationnement : plus il est élevé, plus la probabilité d’infraction diminue

• Niveau de contrôle perçu par l’automobiliste : plus il est élevé, plus la probabilité d’infraction diminue

Choix opportunistes de l’automobiliste

• Tarif de stationnement : plus il est élevée, plus la probabilité d’infraction augmente

• Durée de l’arrêt : plus le temps d’arrêt en dessus de celui offert est court, plus la probabilité d’infraction augmente. Ceci est dû au fait que l’automobiliste considère qu’en un temps court il est moins probable qu’un agent contrôle le stationnement qu’en un temps long.

• Motif affaire : les automobilistes qui se déplacent pour des motifs professionnels sont plus propice à réaliser une infraction si celle-ci est prise en charge par leur employeur

2.1.2 Choisir un objectif opérationnel pour orienter l’optimisation de la détection d’infractions

Avant de pouvoir exploiter les données pour diminuer les infractions de stationnement il est important de fixer un objectif opérationnel que la police municipale devra suivre pour atteindre la diminution du nombre d’infractions. En effet, plusieurs approches peuvent être prises, chacune pouvant se traduire par ce que la police municipale cherchera à optimiser à l’aide des données. Les principales options sont les suivantes :

• Revenus des FPS. C’est le cas de la ville de Nantes, qui expérimente actuellement un usage de la data qui dirige les agents vers les zones et horaires où il y a le moins de recettes de FPS

• Infractions détectées. Il s’agit d’augmenter le taux de détection d’infractions, soit le nombre moyen de verbalisations par voiture contrôlée

• Présence homogène de la police municipale. Cette approche cherche à dissuader les infractions en déployant une présence homogène dans les différents lieux et de la ville et horaires/jours de la semaine qui signale aux automobilistes qu’il n’y a pas de lieux/jours/heures où une infraction sera difficilement détectée

• Vitesse de réponse. Il s’agit de minimiser le temps entre une infraction et sa détection par la police municipale

Si ces quatre approches sont certainement liées, chacune mobilise les données de manière différente pour orienter les patrouilles de la police municipale. Il convient donc de choisir celle qui convient le plus à la ville de Saint Quentin. Nous recommandons l’approche « infractions détectées » du fait que, dans le contexte actuel, elle est la mieux adaptée pour répondre à la problématique des infractions, lesquelles sont principalement motivées par des comportements opportunistes. En effet, étant donné que les automobilistes réalisent des infractions en spéculant sur le fait qu’elles ne seront pas détectées, une augmentation du taux de détection devrait changer les perceptions des automobilistes, lesquels percevront un niveau de contrôle plus élevé (cf. section 2.1.1) et vont donc décider de réaliser moins d’infractions.

L’approche « présence homogène de la police municipale » agirait dans le même sens mais en visant la dissuasion (le fait de voir des agents contrôler des voitures dissuade l’automobiliste avant qu’il ne réalise l’infraction) plutôt que la détection d’une infraction (l’automobiliste réalise une infraction mais, une fois celle-ci détectée, il décide de ne pas en refaire). Cependant, une telle approche nécessite un nombre conséquent d’agents dont la police municipale ne dispose pas actuellement.

L’approche « revenus FPS » cherche à maximiser les recettes. Elle consiste à utiliser des indicateurs tels que le nombre verbalisations par secteur et le taux de paiement par secteur de façon à orienter la police municipale vers les secteurs qui génèrent un revenu en dessous de l’objectif fixé par la ville. Si la hausse des recettes du FPS est nécessairement liée à une plus grande détection d’infractions, rien ne garantit que les zones qui génèrent des recettes en dessus de la cible fixée par la ville ne soient pas plus prioritaires en termes de contrôle des infractions que celles qui génèrent des recettes en dessous de l’objectif. En effet, il est possible que, même en générant des recettes en dessus de l’objectif, une zone ait un taux d’infraction plus élevé que le reste. L’objectif de la ville de Saint Quentin n’étant pas la collecte de recettes, nous excluons cette approche.

Finalement, l’approche « vitesse de réponse » nécessitant une capacité à détecter des infractions en temps réel, nous la traiterons dans la section 2.2, « Méthodologies basées sur la production de données en temps réel ». Comme nous le montrerons dans cette section, aucune technologie ne permet actuellement de détecter tout type d’infraction de stationnement en temps réel. L’approche « vitesse de réponse » doit donc être pensée dans un deuxième temps (une fois la technologie pertinente installée) comme un complément en temps réel de l’approche « infractions détectée », cette dernière pouvant être implémentée sur la base des données dont la ville de Saint Quentin dispose actuellement. Nous traiterons ce sujet dans la sous-section suivante.

2.1.3 Comment mobiliser les données de Saint Quentin pour optimiser la détection d’infractions

Ayant déterminé un objectif opérationnel consistant à augmenter le taux de détection d’infractions, nous procéderons maintenant à indiquer comment les données peuvent être exploitées pour l’accomplir.

Pour augmenter le taux de détection il faut que, pour chaque voiture contrôlée, il soit plus probable pour l’agent de trouver une voiture en infraction qu’actuellement. Ceci ne pourra être le cas que si les agents ciblent les automobilistes en infraction. En ce sens, les données liées aux déterminants des infractions évoquées dans la section 2.1.1 peuvent être utiles de trois façons complémentaires.

2.1.3.1 Ciblage en fonction des lieux, horaires et jours de la semaine avec le plus d’infractions

Comme nous l’avons évoqué plus haut, on constate que dans toutes les villes les infractions de stationnement sont plus fréquentes dans certains secteurs, jours de la semaine et horaires. En partant de données historiques sur les infractions il est donc possible de déterminer quelles combinaisons de jours/horaires et secteur présentent le plus d’infractions. Ces données peuvent ainsi être traduites en indicateurs simples à construire et très éclairants pour prendre des décisions informées tels que :

• Nombre d’infractions en dessus/dessous de la moyenne pour le jour/horaire du secteur

• Ecart relatif à la moyenne pour le jour/horaire du secteur

• Liste des jours/horaires et secteurs avec le plus d’infractions

Il serait judicieux de calculer ces indicateurs non seulement pour l’ensemble des infractions mais aussi en distinguant par type d’infraction. Certains moments de la journée pourraient, par exemple, être plus propices au stationnement gênant mais pas au dépassement du temps de stationnement. Ceci pourrait être le cas si, par exemple, ces stationnements gênants seraient motivés par des trajets qui nécessitent un stationnement de courte durée (déposer des enfants à l’école, faire une course...).

Les trois indicateurs listés plus haut peuvent être utilisés pour orienter la patrouille de la police municipale à l’aide de visualisations de simple usage tels qu’un tableau avec un code de couleurs qui synthétise, pour chaque secteur, quels sont les horaires et jours où il y a le plus d’infractions (cf. Figure 1) ou un heatmap ou « carte de fréquentation » qui montre, pour une période donnée (jour de la semaine, mois, tranche horaire, etc.), quels sont les secteurs où il y a le plus d’infractions (cf. Figure 2).

Figure 1: Tableau affichant le nombre d'infractions de stationnement selon le jour de la semaine et l'heure pour la ville de Toronto

.

Figure 2: Exemple de carte de fréquentation représentant la distribution spatiale du nombre d'infractions

Source : Shao et al (2016)

Les données du logiciel Edicia dont la ville de Saint Quentin dispose déjà peuvent être exploitées pour générer ce type d’indicateurs. Ceci dit, deux précisions méthodologiques doivent être prises en compte au moment de les manipuler

Premièrement, il est important de prendre une durée longue et homogène. En effet, plus la durée est restreinte, plus il est probable que le comportement des automobilistes observés ne soit pas représentatif de leurs comportements habituels. En outre, étant donné que certains comportements de stationnement dont les infractions dépendent du moment de l’année (par exemple, les infractions de stationnement aux alentours des écoles devraient diminuer considérablement pendant les vacances scolaires), il est important de prendre une période homogène qui n’inclut pas des variabilités saisonnières. Par exemple, si l’analyse des données historique montre que les lieux ou heures de la journée où le plus grand nombre d’infractions se concentre varie considérablement pendant l’été, il convient de calculer les indicateurs une fois pour l’été et une fois pour le reste de l’année. En revanche, utiliser une période de 16 mois pourrait être moins favorable. Suivant l’exemple antérieur, une période de 16 mois incluant deux vacances d’été pourrait surreprésenter les vacances scolaires et donc sous- estimer le taux d’infraction des zones à proximité des écoles.

Deuxièmement, l’analyse des données historiques d’infractions sera d’autant plus précise pour prévoir les infractions futures que les contrôles de la police municipale qui les ont générées aura été aléatoire. En effet, les données historiques du logiciel Edicia correspondent aux infractions détectées par les agents de la police municipale et pas aux infractions totales; d’autres infractions non détectées ont aussi eu lieu dans le passé. Si l’exhaustivité des données n’est pas un problème (on a pas besoin d’avoir un registre de toutes les infractions, détectées et non détectées, pour comprendre s’il y a plus d’infractions les mercredis), il est important que le sous-ensemble des données sur les infractions détectées par la police municipale (c’est-à-dire, les données historiques du logiciel Edicia) soit représentatif de l’ensemble des infractions (celles détectées et non détectées par la police municipale). Ceci devrait être le cas si les choix des lieux, jours de la semaine et horaires des patrouilles ont été faits, comme l’a précisé lors d’un entretien M. Szwechowiez, chef de service de police municipale, de manière aléatoire. Si des données historiques sur les lieux, horaires et jours de la semaine qui ont été contrôlés existent nous conseillons de vérifier qu’il n’y ait pas de lieux, d’horaires ou de jours de la semaine qui aient été considérablement plus contrôlés que le reste. Dans ce cas, nous pourrons assumer que les données historiques sur les infractions sont représentatives de l’ensemble des infractions réalisées, soit la somme des infractions détectées par la police et celles non détectées.

2.1.3.2 Ciblage en fonction du temps de stationnement

Comme évoqué dans la section 2.1.1, le temps de stationnement est un des autres déterminants des infractions. Les automobilistes qui s’arrêtent pour peu de temps sont plus propices à réaliser une infraction du fait qu’ils considèrent qu’il est peu probable qu’un agent de la police les détecte pendant une durée courte (par exemple, 10 min).

Actuellement la ville de Saint-Quentin ne dispose que des données des horodateurs pour observer le temps de stationnement selon la zone. En effet, les données qui remontent des horodateurs permettent de calculer le temps moyen de stationnement de chaque secteur, jour de la semaine et horaire. Ceci dit, il convient de préciser que le temps de stationnement qui peut être calculé est sous-estimé par définition du fait de que certains automobilistes dépassent le temps de stationnement et d’autres ne paient pas le stationnement soit pour des raisons légitimes (par exemple, les personnes à mobilité réduite), soit pour des raisons illégitimes (infraction du type « non-paiement »). En outre, étant donné que, comme évoqué plus haut, le taux d’infraction n’est pas homogène dans le temps ni entre secteurs,

la comparaison entre le temps moyen/médian de stationnement de plusieurs secteurs peut être faussée : le secteur A pourrait apparaître faussement comme un ayant un temps de stationnement deux fois plus élevé que celui du secteur B du fait que dans le secteur B il y a beaucoup plus d’infracteurs, et donc beaucoup plus de stationnements de longue durée sous-estimés (sous paiement) ou non détectés (non-paiement) par les horodateurs. Les données issues des horodateurs ne donnent donc que desobservations imparfaites du temps de stationnement. En l’absence d’autres sources de données il est toutefois intéressant de les analyser tout en étant conscient des limitent qu’elles supposent. Une fois des capteurs implantés de manière massive dans la ville, des données fiables sur le temps de stationnement pourront être récoltées. Effet, les données des capteurs ne dépendant pas de la volonté de paiement des automobilistes, elles ne présentent pas les écueils évoqués plus haut concernant les données des horodateurs en ce qui concerne le calcul du temps de stationnement.

Une fois les données sur le temps de stationnement obtenues, il convient de calculer dans un premier temps le temps moyen/médian de stationnement pour chaque combinaison de secteur, jour de la semaine et tranche horaire (par exemple, pour l’Hôtel de ville les mardis entre 14h et 15h). L’utilisation du temps médian (le temps de stationnement à partir duquel on a autant d’automobilistes en dessous qu’en dessus de ce temps) à la place du temps moyen si l’on constate des temps de stationnement trèsdisparates pour un même secteur, jour de la semaine et horaire. Dans un deuxième temps, ces données peuvent être contrastées aux données historiques d’infractions issues du logiciel Edicia pour corroborer si les tandems « secteur / jour de la semaine / horaire » dans lesquels le temps de stationnement moyen/médian est faible (par exemple, moindre à 15 min) sont aussi ceux pour lesquels on observe des infractions de non-paiement ou de stationnement gênant. Si c’est bien le cas, ceci voudrait dire qu’ilfaudrait cibler le non-paiement et le stationnement gênant dans ces tandems « secteur / jour de la semaine / horaire ».

2.1.3.3 Ciblage en fonction des évènements

Comme évoqué plus haut, certains événements (un concert, une manifestation sportive...) peuvent donner lieu à des infractions de stationnement. Etant donné que la ville de Saint-Quentin compte avec un tableau Excel dans lequel les différentes directions de la mairie mutualisent des informations sur l’occupation de l’espace public (lieu et endroit), celles-ci peuvent être croisées avec les données du logiciel Edicia sur les infractions pour vérifier si, quand certains types d’événements ont lieu, on constate plus d’infractions par rapport à la moyenne du tandem « secteur / jour de la semaine / horaire » correspondant. Si c’est le cas, une coordination entre la mairie et la police municipale peut être mise en place pour que cette dernière cible les lieux où ces événements instigateurs d’infraction tiendront au moment de réaliser des contrôles.

2.1.3.4 Combiner contrôles ciblés et aléatoires

Nous avons exposé ci-dessus trois façons complémentaires d’exploiter les données dont Saint Quentin dispose actuellement pour cibler le contrôle du stationnement dans l’objectif d’augmenter le taux de détection d’infractions.

Cependant, il est important de ne pas réaliser tous les contrôles suivant une logique de ciblage mais de dédier quelques ressources humaines à des contrôles aléatoires continus. Cette modalité de contrôle devrait être maintenue pour deux raisons. Premièrement, comme expliqué plus haut, les contrôles aléatoires permettent d’estimer les infractions totales (détectées et non détectées) à partir des infractions détectées. De ce fait, si les contrôles aléatoires continuent, les données du logiciel Edicia réalisées par les agents suivant un parcours aléatoire continueront d’être un bon indicateur du « vrai » taux d’infraction des zones contrôlées. Il sera donc important de pouvoir indiquer dans le logiciel si le contrôle a été réalisé suivant une logique aléatoire ou pas. De cette manière, les données des infractions détectées suivant un contrôle aléatoire pourront être isolées dans l’analyse. Deuxièmement, si les automobilistes perçoivent ou (dans le cas où une communication soit réalisée) apprennent que la police municipale fait des contrôles ciblés, on peut s’attendre à ce qu’ils commencent à réaliser plus d’infractions dans les secteurs / horaires / jours qu’ils considèrent ou observent comme n’étant pasciblés. Pour cette raison, le fait que des contrôles aléatoires continuent à avoir lieu montrera aux automobilistes que même des secteurs / horaires / jours non prioritaires continueront d’être contrôlés.

2.1.4 Exploiter les données de Saint Quentin pour faire un suivi de la démarche

Une fois que la police municipale commencera à réaliser des patrouilles ciblées en fonction de l’analyse des données historiques d’infractions, les données que le logiciel Edicia produira pourront être utilisées pour apprécier l’efficacité du ciblage et l’ajuster en conséquence.

Etant donné que l’exploitation des données préconisée a pour objectif d’augmenter le taux de détection des infractions, la démarche aura eu du succès si le taux d’infractions détectées augmente suite à l’introduction du ciblage diminue.

Cependant, cet effet ne devrait être que temporaire : une fois que les automobilistes auront appréhendé le fait que les contrôles de la police municipale sont plus efficaces, ils devraient commencer à réaliser moins d’infractions, ce qui ferait redescendre le taux de détection d’infractions. De ce fait, si le ciblage a du succès, on devait observer une évolution du taux de détection d’infractions qui suive l’allure décrite par la Figure 3 ci-dessous.

Le calcul du taux d’infractions détectées

Le taux d’infractions détectées peut être calculé comme il suit :

Le nombre d’infractions détectées correspond aux infractions renseignées par la police municipale dans le logiciel Edicia. Pour aboutir au taux d’infractions détectées, il doit être calculé pour la même zone et période (par exemple, la Place de la Basilique les jeudis entre 14h et 15h) que le nombre de voitures contrôlées.

Figure 3: Evolution prévue du taux de détection des infractions suite à la mise en place de contrôles ciblés

La Figure 3 illustre comment, entre le moment et où les contrôles ciblés commencent et le moment où ils résultent dans un changement de comportement des automobilistes vers une diminution des infractions, le taux de détection d’infractions devrait augmenter. En effet, le ciblage devrait permettre aux agents de la police municipale de détecter plus de voitures en infraction par patrouille, ce qui fera augmenter le taux de détection d’infractions. A partir d’un moment (ligne rouge dans la figure), les automobilistes auront intériorisé le fait que, s’ils font des infractions, il est désormais plus probable qu’elle soit sanctionnée. De ce fait, ils réaliseront moins d’infractions, ce qui fera que le taux de détection d’infractions baisse et finisse par se stabiliser. Il convient de signaler que, si dans la Figure 3 le taux de détection d’infractions se stabilise à un taux supérieur à celui d’avant le début des contrôles ciblés, ceci ne sera pas forcément le cas. Ce taux pourrait aussi bien se stabiliser autour d’une valeur inférieure à celle d’avant le début des contrôles ciblés. Ceci dépendra du rapport entre la hausse du taux de détection que les contrôles ciblés vont générer, d’une part, et la baisse des infractions induites par un contrôle plus efficace, de l’autre.

Ceci dit, trois précisions méthodologiques doivent être faites à propos de l’usage du taux de détection d’infractions comme indicateur de suivi de la démarche. La première porte sur la temporalité. Il n’y a pas de règle qui puisse s’appliquer à toute ville concernant le temps de latence entre un contrôle plus efficace des infractions et une baisse des infractions. Ce temps va dépendre à la fois d’à quel point le ciblage aura permis de mieux détecter les infractions et de la rapidité avec laquelle les automobilistesappréhenderont ce changement et commenceront à faire moins d’infractions, ce qui à son tour peut dépendre de plusieurs facteurs (le fait d’avoir été pris en infraction, crédibilité de soutenabilité des contrôles aux yeux des automobilistes, communication de la mairie sur des contrôles plus efficaces...)

De ce fait, il convient d’attendre un temps prudentiel d’un an pour réaliser un premier bilan robuste dans lequel on cherchera à vérifier si l’évolution du taux de détection d’infractions suit l’allure attendue.

La deuxième précision méthodologique porte sur l’interprétation de la baisse du taux de détection dans un deuxième temps. Cette baisse pourrait traduire le fait que, pendant ce deuxième temps, les agents de la police sont orientés vers des tandems « secteur / jour de la semaine / horaire » où il y a moins d’infracteurs que dans la moyenne de la ville. Dans ce cas, la baisse du nombre d’infractions détectées par voiture contrôlée ne refléterait pas un changement de comportement induit par l’efficacité accrue des contrôles mais une réorientation des contrôles vers des secteurs, jours de la semaine ou horaires ou jours de la semaine moins propices aux infractions. Dans l’objectif de discerner entre ces deux interprétations opposées d’une même évolution du taux de détection d’infractions il convient d’observer l’évolution dans le temps du taux de détection d’infractions pour un même tandem « secteur / jour de la semaine / horaire ». De cette manière l’effet « réorientation des contrôles vers des secteurs / jours de la semaine / horaires moins propices aux infractions » aura été éliminé. Une autre option consiste à comparer le taux d’infractions détectées dans les zones / horaires / jours contrôlés de manière aléatoire avant et après l’introduction du ciblage.

Une fois l’analyse de l’effet du ciblage réalisée au bout d’une période longue (par exemple, un an) en observant l’évolution du taux de détection d’infractions, deux types d’ajustements peuvent être faits si les infractions restent trop élevées par rapport à l’objectif que la police municipale se sera fixé. Un premier consiste à ré-analyser les données historiques. Les comportements des automobilistes peuvent avoir évolué pendant la période d’analyse pour plusieurs raisons (changement d’habitudes, évolution des règles de stationnement, ouverture d’un parking...) et, de ce fait, les indicateurs sur les secteurs / jours de la semaine / horaires les plus propices aux infractions produits à un instant t peuvent ne plus être d’actualité par la suite. Il convient ainsi de réaliser de nouvelles analyses de l’historique des infractions détectées dans le logiciel Edicia (toujours en n’analysant que les infractions détectées via des contrôles aléatoires) dès qu’un changement majeur affectant les comportements des automobilistes aura lieu et, plus généralement, tous les ans. Un deuxième type d’ajustement possible consiste à augmenter soit le nombre de contrôles réalisés (ce qui nécessite plus de ressources humaines) soit le forfait post stationnement. Ces deux mesures devraient aboutir à une baisse des infractions.

2.2 Méthodologies basées sur la production de données en temps réel

Il n’existe pas une technologie qui permet de détecter tout type d’infraction en temps réel avec une précision à la place. Pour y parvenir, une combinaison de données financières (horodateurs connectés et applis de paiement du stationnement) et d’occupation (données issues de technologies relevant du stationnement intelligent) est nécessaire. Ceci implique non seulement d’avoir recours à deux types de technologies différentes (paiement et détection d’occupation) mais aussi d’établir une modalité de raccordement entre ces deux types de données qui nécessite dans la plupart des cas une intervention humaine. Ceci donne lieu à plusieurs modalités de détection d’infractions de stationnement en temps réel, chacune présentant des avantages et des inconvénients. Le tableau ci-dessous les résume en qui concerne la détection à la place.

Tableau 1: Description des modalités de détection d'infractions de stationnement à la place en temps réel

Aux modalités de détection d’infractions à la place en temps réel décrites dans le Tableau 1 il faut ajouter une autre méthode de détection par zone de stationnement que la mairie de Soissons est en train d’expérimenter avec SCIFI. Celle-ci consiste à utiliser les données sur l’occupation d’une zone (par exemple, la Place de la Basilique) issue des capteurs de stationnement et les comparer aux recettes des horodateurs à proximité de la zone. Si un écart considérable entre les recettes espérées (c’est-à-dire, les recettes qui devraient avoir être perçues compte-tenu du nombre de voitures et le temps de stationnement de chacune) et les recettes avérées (celles comptabilisées par les horodateurs et l’appli de paiement) est constaté, cela révélerait la présence de dépassement du temps de stationnement ou du non-paiement par les automobilistes dans cette zone. En revanche, cette méthode ne permet pas de détecter d’autres types d’infractions (stationnement hors emplacement, stationnement sur trottoir etc.), lesquelles peuvent être détectées en ne faisant recours que aux données issues des capteurs.

Cette méthode peut être utilisée à la fois dans une approche par les données historiques (cf. Section 2.1) et dans une approche en quasi temps réel. Dans le premier cas, suivant la logique des méthodes décrite dans la Section 2.1, une analyse des données historiques de paiement et d’occupation peut être faite pour détecter les tandems « secteur / jour de la semaine / horaire » dans lesquels les infractions relevant du non-paiement et du dépassement de temps sont les plus fréquentes. Si la méthode est utilisée en temps quasi-réel, une attention toute particulière doit être portée au calibrage des seuils qui déclencheront un contrôle par la police municipale. En effet, comme cette méthode ne permet pas de détecter ni le moment précis où un automobiliste quitte la zone de stationnement sans payer ni le moment exact à partir duquel un automobiliste a dépassé le temps de stationnement déjà payé, il s’agit d’une approche en temps quasi-réel. Ceci implique que, pour pouvoir déclencher une alerte en temps réel qui mobilise la police municipale, le croisement des données financières et d’occupation doit prendre en compte deux seuils :

• Seuil A : l’écart entre les recettes espérées et avérées qui déclenchera l’alerte. Cet écart peut varier par zone de stationnement, jour de la semaine et heure.

• Seuil B : l’écart entre le nombre de minutes écoulées entre le moment où la voiture a stationné son temps de stationnement a finalisé, d’une part, et le moment où le paiement devrait avoir eu lieu. Par exemple, si on considère qu’une personne nécessite jusqu’à 7 minutes pour payer son stationnement, la recette espérée devrait arriver 7 min après le moment où la voiture a stationné.

Plus le niveau de chacun de ces deux seuils sera élevé, plus le pourcentage de faux négatifs sera élevé et celui de faux positifs sera bas et. Par exemple, si on considère un seuil A de 1 000 € et un seuil B de 20 minutes, peu d’alertes seront déclenchées alors que des infractions auront eu lieu : il y aura donc beaucoup de faux négatifs. Symétriquement, il est fort probable que si une alerte est déclenchée et la police municipale contrôle la zone, des infractions seront détectées : il y aura peu de faux positifs. A l’inverse, plus le niveau de chacun de ces deux seuils sera bas, plus le pourcentage de faux négatifs sera bas et le pourcentage de faux positifs sera haut. Par exemple, si on considère un seuil A de 10 € et un seuil B de 1 minute, beaucoup d’alertes seront déclenchées et il est fort probable que, au moment du contrôle, peu d’infractions soient détectées : il y aura beaucoup de faux positifs. En revanche, si une alerte n’est pas déclenchée pendant une période pour la zone, il est fort probable qu’il y ait eu peu d’infractions : il y aura peu de faux négatifs.

Un bon équilibre entre faux positifs et faux négatifs doit donc être atteint en choisissant des niveaux appropriés pour chacun des seuils. En ce qui concerne le seuil A, une approche par tâtonnement peut être menée pour déterminer son niveau. Pour chaque tandem « secteur / jour de la semaine / horaire » on peut faire évoluer le seuil A pour observer comment les faux positifs et les faux négatifs évoluent et puis choisir un niveau qui permet d’atteindre l’équilibre entre faux positifs et faux négatifs souhaité. Cet équilibre dépendra d’un arbitrage que la ville devra faire : si les faux positifs impliquent un temps de travail improductif pour la police municipale, les faux négatifs se traduisent par un manque à gagner par la mairie en termes de recettes dérivées du stationnement payant en voirie. En ce qui concerne le seuil B, il peut être déterminé pour chaque zone en considérant le temps de marche nécessaire pour aller de l’horodateur à la place de stationnement associée la plus élevée et en y ajoutant un temps supplémentaire cohérent avec les pratiques de stationnement (bien stationner la voiture, prendre ses affaires, etc.).

5 - Recommandations pour la suite

L’analyse des caractéristiques des différentes modalités de détection d’infractions de stationnement en temps réel à la lumière des caractéristiques de la ville de Saint Quentin nous permet d’établir des recommandations pour aboutir à moyen terme à une détection d’infractions en temps réel à grande échelle efficace et soutenable dans la durée.

Recommandation #1 : Opter pour une combinaison de technologies de stationnement intelligent et de technologies de paiement avec liaison humaine

Les technologies de stationnement intelligent ne permettent pas de détecter automatiquement le non- paiement et le dépassement de temps hormis dans des parkings à entrée unique. Dans ce cas particulier, la reconnaissance des plaques d’immatriculation des voitures situées à l’entrée du parking par une caméra permettrait de lier des données financières et d’occupation via le numéro de plaque d’immatriculation sans intervention humaine. Saint Quentin ne disposant pas actuellement de parkings à entrée unique et le non-paiement et le dépassement de temps étant les deux types d’infractions identifiées par la police municipale comme les plus récurrentes et difficiles à détecter sans appui technologique, il s’avérera nécessaire d’opter en pour une combinaison de technologies de stationnement intelligent et de technologies de paiement faisant recours à une liaison humaine.

Recommandation #2 : Déployer une solution suivant une logique d’expérimentation

Indépendamment de la nature de la solution retenue, il convient de réaliser une expérimentation sur quelques lieux que la police municipale identifie comme particulièrement problématiques en termes d’infractions avant de déployer la solution à grande échelle. Ceci permettra d’obtenir des retours d’expérience à la fois sur les problématiques techniques qui vont se poser et sur les leviers de changement de comportement que la liaison humaine entre les données d’occupation et les données financières vont nécessiter. Nous proposons de privilégier comme premier lieu d’expérimentation la Place de l’Hôtel de Ville étant donné que, dans le cadre du projet SCIFI, des caméras seront installées pour surveiller le stationnement. Il s’agit donc d’une opportunité à saisir pour expérimenter à la fois la technologie de détection d’occupation des places et son raccordement à des données financières pour détecter des infractions en temps réel.

Recommandation #3 : Privilégier une liaison entrée données financières et données d’occupation par l’automobiliste

Les deux types de liaisons humaines entre les données financières et les données d’occupation (par les automobilistes et par les agents de la police municipale) présentent des avantages et des inconvénients. Il s’agit donc de choisir celle qui pose le moins d’inconvénients et de faciliter sa mise en place. En ce sens, si l’option d’une liaison par les agents de la police municipale peut être intéressante du fait qu’elle ne pose pas de contraintes à l’usager, elle sera difficilement applicable à grande échelle. En effet, pour qu’une détection en temps réel du non-paiement et du dépassement du temps de stationnement soit possible, les agents de la police municipale devraient rentrer les plaques de toutes le voitures stationnées dans chaque place surveillée avant qu’elle ne parte. Compte-tenu du fait que la police municipale compte avec 4 agents actifs en simultanée pour contrôler le stationnement, cette solution ne paraît pas tenable sur le long terme même si la détection d’infractions est automatisée et le routage optimisé. En effet, dans un cas extrême où les 4 agents seraient dédiés de manière exclusive à rentrer les plaques, ils devraient contrôler toute la ville, ce qu’ils n’arrivent pas à faire actuellement concernant les infractions faute de temps. Ceci serait particulièrement difficile dans des rues à haute rotation. Cela nous amène donc à privilégier l’option d’une liaison par l’automobiliste, ce qui nécessitera deux choses. Premièrement, une numérotation des places de stationnement couplée à une aide au repérage des numéros de places qui peut prendre plusieurs formes combinables :

• Marquage au sol

• Panneaux d’affichage

• Etablissement de points de repère liés au numéro de place (« en face du pressing », « à l’angle

  de la rue X et la rue Y... »

• Cartographie des numéros de place mise en open data pour récupération par des applis/sites

• Pré-identification de la place par les capteurs intelligents proposée aux usagers qui paient le

  stationnement via une appli

• Logique de numérotation intuitive

• Communication auprès des commerçants sur les numéros de places les plus proches de leurs

  magasins

Deuxièmement, une communication par la ville auprès des automobilistes sur le fait de devoir indiquer la place de stationnement à chaque transaction avec l’horodateur ou l’appli de paiement. Pour cela, une introduction progressive qui permette aux usagers de s’habituer à ce nouveau système devrait être privilégiée. Cette introduction progressive devrait être en accord avec le déploiement graduel du système dans des lieux d’expérimentation (Recommandation #2). En outre, pour faciliter l’adoption de cette nouvelle contrainte à l’expérience usager de l’automobiliste, il est souhaitable que la ville introduise une communication « positive » sur les places de stationnement disponibles (cf. Recommandation #4).

Recommandation #4 : Communiquer sur les places disponibles dans les parkings sous-utilisés

Les technologies de stationnement intelligent à déployer permettront non seulement de détecter des infractions mais aussi (entre autres) de calculer des taux d’occupation par place de stationnement. Une fois déployées à grande échelle pendant un temps permettant d’obtenir un historique de données d’usage représentatives, ces technologies donneront à la ville la capacité à identifier les places de stationnement surutilisées sous-utilisées.

Ceci lui permettra de fournir aux automobilistes cherchant à se garer dans des places surutilisées des informations pouvant aller jusqu’au temps réel sur les places disponibles dans les parkings sous-utilisés à proximité par plusieurs canaux (appli de paiement du stationnement, panneaux de jalonnement dynamiques, communication auprès des commerçants, campagne de publicité, site de la ville...). Bien qu’il s’agisse d’un usage des données de stationnement intelligent qui dépasse la problématique des infractions, il convient de fournir à l’automobiliste ces informations utiles au moment du déploiement d’une nouvelle contrainte (obligation de fournir le numéro de place pour pouvoir payer le stationnement) pour deux raisons. Premièrement, ceci rendra le changement plus acceptable par les usagers, lesquels ne le percevront pas que comme une contrainte dès lors qu’ils prendront conscience que les technologies de stationnement intelligent peuvent également leur fournir un service utile pour leur quotidien. Deuxièmement, ceci permettra à la ville de présenter les évolutions en matière de stationnement intelligent aux habitants dans le cadre d’une politique de stationnement d’ensemble.

Recommandation #5 : Faire le choix d’un prestataire de technologie de stationnement intelligent qui garantisse la capacité à raccorder les données financières, d’occupation et relatives aux FPS

Sur le plan technique, la détection en temps réel d’infractions de stationnement nécessitera non seulement un raccordement entre des données financières et d’occupation mais aussi, en ce qui concerne le traitement de ces infractions par la police municipale, un accordement technique avec le logiciel de traitement des infractions utilisé par la police municipale. Pour cela, des interphases techniques permettant de faire dialoguer trois types de données (données de paiement, données d’occupation et données relatives à la verbalisation) ainsi que la mise en place d’une « langue commune » (même identification des horodateurs et des places, même définition des infractions et des marges de tolérance...) entre les logiciels de détection de l’occupation d’une place, ceux gérant le paiement par horodateur ou via une appli et le logiciel de traitement des verbalisations. Pour accomplir cet objectif, deux options sont possibles. Une première consiste à faire coopérer différents prestataires, chacun gérant potentiellement une des quatre technologies : horodateurs, appli de paiement, capteurs intelligents et logiciel de gestion des verbalisations. Une deuxième consiste à avoir un seul prestataire qui fournisse ces quatre fonctionnalités. La première option est celle la plus proche de la situation actuelle à Saint Quentin, qui a trois prestataires et un progiciel: IEM, qui gère les horodateurs, Flowbird, qui assure les paiements du stationnement par appli, le logiciel Edicia pour la gestion des verbalisations par la police municipale et Communithings, qui va déployer des capteurs intelligents dans un seul lieu (Place de l’Hôtel de Ville) et dans le cadre du projet européen SCIFI. La coopération entre plusieurs prestataires techniques peut être compliquée à la fois en termes techniques et stratégiques du fait que les choix techniques des prestataires ne sont pas a priori compatibles entre eux et que les prestataires sont souvent concurrents sur plusieurs marchés. Si cette option est retenue, la ville de Saint Quentin devra demander aux prestataires d’établir une modalité de raccordement technique entre leurs technologies à inclure dans les contrats passés avec eux, lesquels devront contenir également des obligations de performance. Néanmoins, en cas de problème technique concernant la liaison desdonnées financières et d’occupation il peut s’avérer difficile pour la ville d’identifier lequel ou lesquels des opérateurs n’a pas rempli ses obligations. De ce fait, la deuxième option consistant à avoir un opérateur unique devrait être privilégiée dans la mesure où le budget accordé et les besoins de la ville soient respectés et que la temporalité des contrats déjà passés avec les opérateurs actuels le permette. Cette option permet à la fois de mieux assurer la liaison technique et de négocier un prix plus bas pour un service intégré.

Recommandation #6 : Exiger aux prestataires une mise à disposition de toutes les données produites

Les technologies nécessaires à la détection d’infractions de stationnement en temps réel permettront de faire des analyses qui dépasseront la question des infractions (taux d’occupation, taux de rotation, congestion...). Si les prestataires de ces technologies fournissent souvent des tableaux de bord permettant de réaliser des analyses de données historiques en temps réel de manière automatique via des indicateurs, les besoins de la ville peuvent aller au-delà de ces derniers et évoluer dans le temps. En outre, si les prestataires offrent la possibilité de faire des exportations des données en format xls ou csv, beaucoup d’entre eux ne permettent d’exporter que les données ou indicateurs affichés dans le tableau de bord. Il convient donc d’inclure une clause dans le contrat passé avec le/les prestataire(s) qui permette à la ville de de récupérer les bases de données brutes et de faire toute exploitation des données qu’elle juge pertinentes, y compris une mise en open data. Une telle clause permettra également à Saint Quentin de ne pas dépendre techniquement du prestataire choisi. En effet, disposer ouvrira à la ville la possibilité de réaliser ses propres analyses (dont notamment des analyses servant à affiner l’approche d’optimisation du contrôle des infractions sur la base de données historiques détaillée dans la section 2.1) et de ne pas perdre les données historiques si elle était amenée à changer de prestataire.

Il est important de souligner que l’insertion d’une telle clause n’est nécessaire que si certains cahiers des clauses administratives générales (CCAG) sont utilisés. En reprenant les travaux d’Open Data France1, dans les lignes qui suivent nous présentons dans quels cas il est judicieux d’ajouter la clause et nous proposons une formulation pour celle-ci.

Les marchés publics permettant d’approvisionner des outils à partir desquels des données publiques pourront être ouvertes, ou permettant de commander des prestations de service ou des études comportant dans leur résultat des données publiques sont encadrés par trois cahiers des clauses administratives générales CCAG.

Marchés couverts par le CCAG TIC*

*Cahier des clauses administratives générales applicables aux Techniques de l’Information et de la Communication

Cela concerne tout ce qui est relatif à l’approvisionnement de logiciels, maintenance etc. L’article 37-1 du CCAG TIC prévoit d’ores et déjà l’utilisation des résultats pour publication :

“Le titulaire du marché autorise le pouvoir adjudicateur à extraire et exploiter librement les bases de données incluses, le cas échéant, dans les résultats, notamment en vue de la mise à disposition des informations publiques à des fins de réutilisation à titre gratuit ou onéreux.”

Marchés couverts par le CCAG FCS*

*Cahier des Clauses Administratives Générales applicables aux marchés publics de Fournitures Courantes et de Services

Cela concerne tout ce qui est relatif à la réalisation de prestations corrélées à un approvisionnement logiciel. Exemple : photo aérienne. Le CCAG FCS ne comporte pas de clause relative à la publication des résultats.

Marchés couverts par le CCAG PI*

*Cahier des clauses administratives générales, prestations intellectuelles.

Le cas du CCAG PI est plus complexe. Dans notre sphère cela ne concernera que les résultats des études. L’option du CCAG PI relative à l’utilisation des résultats par le titulaire peut être l’option A ou B.

Option A ― Le titulaire du marché concède, à titre non exclusif, au pouvoir adjudicateur et aux tiers désignés dans le marché le droit d'utiliser ou de faire utiliser les résultats, en l'état ou modifiés, de façon permanente ou temporaire, en tout ou partie, par tout moyen et sous toutes formes.

Option B ― Le titulaire du marché cède, à titre exclusif, l'intégralité des droits ou titres de toute nature afférents aux résultats permettant au pouvoir adjudicateur de les exploiter librement, y compris à des fins commerciales, pour les destinations précisées dans les documents particuliers du marché.

Après un travail en collaboration des différentes collectivités ouvrant leurs données publiques et membres d’Open Data France, il est proposé une clause spécifique à rajouter dans les consultations à partir desquelles les collectivités achètent les outils dont elles ont besoin.

La clause est à insérer de préférence dans le CCAP (Cahier des Clauses Administratives Particulières) et non dans le CCTP (Cahier des Clauses Techniques Particulières).

Article à rajouter .

La commune de Saint Quentin s’est engagée dans une politique pour l’innovation et le développement numérique faisant une place prioritaire au logiciel libre et à la réutilisation des données publiques conformément à la loi pour une République numérique, n° 2016-1321 du 7 octobre 2016 et au Livre III du Code des relations entre le public et l'administration, en vigueur au 09 octobre 2016.

Pour cela, elle permet aujourd’hui à des tiers de réutiliser librement les données publiques diffusées sur sa plateforme accessible à l’adresse [url portail]. Sont expressément exclues de cette démarche les données à caractère personnel ainsi que celles sur lesquelles des tiers détiendraient des droits de propriété intellectuelle. [Conformément à l’article 37-1 du CCAG TIC,] le pouvoir adjudicateur se réserve la possibilité de publier sous une licence de réutilisation publique, qui précise les droits et les obligations rattachés aux données, les données issues de l’utilisation de l’outil approvisionné par le présent marché. A cette fin, le titulaire fournit au pouvoir adjudicateur, dans des standards ouverts (c’est-à-dire, selon l’article 4 de la LCEN du 21 juin 2004 « tout protocole de communication, d'interconnexion ou d'échange et tout format de données interopérable et dont les spécifications techniques sont publiques et sans restriction d'accès ni de mise en œuvre »), en vue de la mise à disposition à titre gratuit des informations publiques à des fins de réutilisation à titre gratuit ou onéreux:

• Les outils permettant d’extraire et exploiter librement tout ou partie de ces données et bases de données.

• Ou le cas échéant, les données et bases de données collectées ou produites à l’occasion de l’exécution du présent marché.

Précision sur les données essentielles et leur format

Certains jeux de données "prioritaires" font l'objet d'une standardisation en raison de leur intérêt particulier et de la nécessité de garantir leur interopérabilité. Pour ces raisons, différentes structures de portée nationale déterminent les données essentielles que l'on doit trouver dans ces jeux de données ainsi que le format de présentation de ces données. C'est l'objet du Socle Commun des Données Locales porté par OpenDataFrance.

Pour éviter les difficultés de production de ces données dans le format attendu, il est préférable de demander contractuellement aux prestataires et délégataires la mise à disposition de ces données conformément au référentiel du SCDL.

Une clause à insérer dans le CCTP (puisque spécifique à chaque prestation) est proposée :

« Lorsque les données produites dans le cadre du présent marché font partie des données mentionnées dans le référentiel national Socle Commun des Données Locales, le titulaire sera tenu de transmettre ces données à la collectivité dans les formats décrits dans ce référentiel.

Les formats de transmission des données autres que celles mentionnées dans le référentiel national Socle Commun des Données Locales, seront transmises à la collectivité sous un format ouvert qui devra être décrit dans le mémoire technique »

6 - Les documents de capitalisation

1 - Le contexte et la problématique

Une étude de circulation et de stationnement à la Roche-sur-Yon, finalisée au début de l’année 2018, a permis d’identifier que « l’offre [de stationnement] est satisfaisante » dans son ensemble. Cependant, des ateliers citoyens organisés en 2018 ont mis en lumière certains enjeux et débats relatifs au stationnement. Le stationnement est également un levier de revitalisation du centre-ville, qui doit se développer à mesure que le tissu urbain évolue.

Partant de ces constats, la ville de La-Roche-sur-Yon souhaite approfondir sa démarche de valorisation des données d’usage générées par le stationnement. L’enjeu est d’en améliorer la lisibilité pour les usagers, au travers d’une double démarche de communication sur la qualité du stationnement, voire de diffusion en open data (afin que d’autres acteurs du territoire puissent s’en servir à leur tour). Le stationnement à La Roche-sur-Yon fait d’ores et déjà l’objet d’une diffusion de données aux usagers en ce qui concerne la disponibilité des parkings, via le site web de la ville.

Les objectifs de l'expérimentation sont :

• Créer une information de qualité en trouvant un juste équilibre entre précision et clarté pour les usagers, et en tenant compte des opportunités et limites des jeux de données.

• Réorienter les usagers vers les parkings de proximité (parkings-relais) en cas de saturation du stationnement en centre-ville, et encourager les mobilités douces / intermodales.

Pour répondre à ces objectifs, six étapes de projet ont été identifiées :

1. Recensement, exploration et qualification des données existantes ;

2. Approfondissement d’un des jeux et collecte d’un historique de données ;

3. Construction d’une méthodologie pour produire des indicateurs ;

4. Application de la méthodologie au jeu de données collecté ;

5. Exploration de data visualisations possibles pour valoriser ces données ;

6. Formalisation des livrables et restitution finale.

2 - Les étapes de l'expérmentation

2.1 - Recensement, exploration et qualification des données existantes ;

La première étape du projet fut de recenser et d’explorer les données disponibles concernant la thématique du stationnement. Le recensement a été initié par la Direction des systèmes d’information et du développement numérique de La Roche-sur-Yon et a permis d’identifier plusieurs sources de données. Ceux qui sont soulignés font actuellement l’objet d’une diffusion en open data ou de mise à disposition du grand public :

• Zonage des différents secteurs de stationnement de la Ville de La Roche-sur-Yon

• Places de stationnement PMR à La Roche-sur-Yon

• Disponibilité en temps-réel des parkings clos et couverts (source : Designa)

• Cartographie des travaux impactant la circulation et le stationnement

• Prévision annuelle et suivi des travaux de voirie

• Visualisation en Saas des données des horodateurs connectés et de l’application

  (source : Flowbird)

Les jeux de données recensés ont ensuite fait l’objet d’une exploration, dans le but de déterminer parmi ces derniers, ceux qui répondent potentiellement aux objectifs de l’AMI.

La phase d’exploration, réalisée par Spallian, a permis de retenir deux jeux de données :

• Flowbird : données recueillies par les horodateurs connectés et de l’application de stationnement.

• Designa : système de gestion de stationnement des parkings clos et couverts.

2.2 - Qualification des deux principaux jeux de données

Pour chacun des jeux de données retenus dans le périmètre d’intervention, nous avons réalisé un audit dont les résultats sont formalisés sous la forme d’un répertoire qualifié. Ce répertoire met en exergue les points positifs et les limites de chaque jeu au regard de l’exploitation envisagée par la commune de La Roche-Sur-Yon, et nous permet in fine de statuer sur leur utilisation.

a - Méthodologie d’audit

L’audit des données prend la forme d’une évaluation multicritère, couvrant trois thématiques :

• La source (producteur de la donnée),

• La base de données,

• Les données stockées dans la base.

De chacune de ces thématiques découlent un ou plusieurs critères pour lesquels est attribuée une note allant de 1 à 5. Pour un critère donné, plus la note est élevée, plus la qualité des données est grande au regard de la problématique identifiée. Chaque note est donc subjective et dépend des objectifs de l’exploitation de données (définis en préambule).

Les critères retenus sont les suivants :

• Qualité de la source : autorité et fiabilité du producteur de la donnée et du mode de compilation des informations.

• Fréquence d’actualisation : fréquence à laquelle les données sont produites et mises à jour.

• Complexité d’intégration à une base de données : l’information est-elle facilement lisible par une machine, quelle est l’ampleur des pré-traitements nécessaires ?

• Détail : nombre et diversité des variables disponibles et de leurs modalités

• Granularité géographique : niveau de précision dans l’espace de la donnée (ex :

  coordonnées GPS, IRIS, commune, ...)

• Granularité temporelle : niveau de précision de la donnée dans le temps

  Afin de justifier les notes qui ont été attribuées à chacun de ces critères, une matrice d’évaluation a été développée spécifiquement au regard des enjeux relatifs au stationnement à La Roche-Sur-Yon. Cette matrice est disponible en Annexe 1.

b. Audit du jeu de données Flowbird

Flowbird est une société française, acteur de la mobilité urbaine et de la ville intelligente. Elle propose une offre transversale en matière de solutions de gestion du stationnement et de solutions billettiques pour les transports publics.

La Roche-sur-Yon a fait appel aux services de Flowbird pour gérer le paiement du stationnement dans les rues du centre-ville, en voirie, de la commune.

Le jeu de données Flowbird étudié contient les enregistrements passés par les usagers qui stationnent dans les rues du centre-ville de La Roche-Sur-Yon. Les données sont générées à partir des horodateurs de la commune ainsi que de l’application mobile Flowbird.

• Producteur : Flowbird

• Source : Horodateurs connectés et application mobile Flowbird

• Période : De mars 2018 à aujourd’hui

Qualité de la source (4/5) : Flowbird n’est pas une autorité institutionnelle, néanmoins il s’agit d’une entreprise reconnue dans le secteur du stationnement ; enregistrer des données relatives au stationnement est son cœur de métier.

Les données opérationnelles de Flowbird sont créées et récupérées à partir de deux canaux : les horodateurs placés dans les rues et l’application mobile Flowbird. A chaque fois qu’un usager stationne sur une place payante en voirie de La Roche-sur-Yon, il doit se rendre à l’horodateur de sa zone de stationnement afin de s’identifier (plaque d’immatriculation) et de payer. Les utilisateurs passant l’application mobile doivent sélectionner l’horodateur correspondant à leur zone de stationnement : quelque ce soit le canal utilisé, la zone de stationnement de l’utilisateur est identifiée et stockée.

L’activité de Flowbird ainsi que les modalités de remontée de l’information (informatisées) nous permettent de qualifier la source de données comme fiable. Toutefois, il faut noter que la durée de stationnement indiquée, qui nous intéresse tout particulièrement dans le cadre de cette étude, est théorique : il s’agit de la durée maximale autorisée et non de la durée réelle de stationnement.

Fréquence d’actualisation de la base (5/5) :

La base dont est issue le jeu de données est actualisée en temps réel. En effet, chaque enregistrement passé à un horodateur via alimenter la base, via un protocole Internet.

Complexité d’intégration de la base (4/5) :

La base est interrogeable de manière simple et flexible via l’interface Smartfolio. Il est ainsi possible d’exporter les données voulues sous format csv, de manière quotidienne (au maximum). Cependant, cela nécessite une action récurrente d’un utilisateur. Pour exploiter pleinement le caractère temps-réel de la donnée et automatiser l’intégration de ces dernières, une API sera nécessaire. Nous n’avons pas connaissance d’une API de Flowbird à l’heure actuelle.

Détail des données (3/5) :

Ce jeu de données nous fournit des données très utiles : montant, type d’usager (stationnement, abonné, FPS), durée d’occupation théorique, numéros de plaque d’immatriculation... Cependant, ne sont pas comprises les données concernant :

• les stationnements non enregistrés (payants ou non payants) : stationnements en zone bleue ou en zone gratuite, stationnements nocturnes ou pendant les créneaux de gratuité, stationnement sauvage, stationnement des abonnés, handicapés et voitures électriques (macarons), fraude.

• les temps de stationnements réels : un usager qui a payé pour 1h30 ne peut en réalité rester moins ou plus longtemps. De même, il est impossible de connaître la durée de stationnement d’un usager qui prendrait un ticket juste avant une période où le stationnement est gratuit (en journée de 12h à 14h, la nuit de 19h à 9h, le samedi après- midi et le dimanche).

  Géo-précision des données (3/5) : Les données Flowbird sont géolocalisées à l’horodateur. Ainsi,lorsqu’un usager paie un stationnement, nous ne connaissons pas exactement l’emplacement occupé par son véhicule. Il est toutefois possible d’estimer à partir de l’horodateur la zone probable de son stationnement. Cependant, cette estimation repose sur l’hypothèse que l’usager utilise l’horodateur le plus proche de l’emplacement sur lequel son véhicule est stationné, ce qui n’est pas forcément vrai. Cette limite demeure également pour les utilisateurs de l’application mobile, qui peuvent sélectionner l’horodateur n’étant pas nécessairement le plus proche de leur stationnement.

  Précision-temps des données (5/5) : Chaque enregistrement est horodaté à la seconde.Informations complémentaires sur l’audit mené sur les données Flowbird :

Nous avons collecté et étudié un historique de données d’une journée pour l’ensemble des horodateurs de La Roche-sur-Yon. Des échanges croisés avec les équipes de Flowbird et de la Roche-sur-Yon ont également été organisés afin d’appréhender de manière exacte les variables disponibles ainsi que le processus de remontée de l’information.

c. Audit du jeu de données Designa

Designa est une entreprise spécialisée dans le développement de systèmes de gestion de stationnement.

La Roche-sur-Yon a recours aux solutions Designa pour gérer l’accès et le paiement de ses quatre parkings (payants) :

• Parking Clémenceau (420 places)

• Parking des Halles (198 places)

• Parking Gare Ouest (180 places)

• Parking Gare Est (58 places)

Le recensement des données disponibles réalisé par La Roche-sur-Yon a permis d’identifier une première approche de récupération des données issues du système d’information Designa : via des fichiers XML en ligne (une adresse web = un parking), il est possible de récupérer des informations concernant la disponibilité en places des parkings, en temps réel.

• Producteur : Designa

• Source : Fichiers XML disponibles en ligne

• Période : Non applicable (données non stockées) Evaluation :

Qualité de la source (4/5) :

Designa n’est pas une autorité institutionnelle, néanmoins il s’agit d’une entreprise reconnue dans le secteur du stationnement ; enregistrer des données relatives au stationnement est son cœur de métier.

Les données opérationnelles de Designa sont créées et récupérées à partir des bornes d’entrée et de sortie de chaque parking payant de La Roche-sur-Yon. A chaque fois qu’un usager entre ou sort du parking, il doit passer par ces bornes.

L’activité de Designa ainsi que les modalités de remontée de l’information (informatisées) nous permettent de qualifier la source de données comme fiable.

Fréquence d’actualisation de la base (5/5) :

Les données accessibles via les fichiers XML sont actualisées en temps réel. Plus précisément, elles sont actualisées à chaque fois qu’un enregistrement (entrée ou sortie de véhicule) est passé.

Complexité d’intégration de la base (3/5) :

Les données contenues dans les fichiers XML peuvent être récupérées et exploitées grâce à des connecteurs. Cette méthode est déjà utilisée par la commune de la Roche-sur-Yon pour afficher sur son site web le nombre de places disponibles dans chaque parking. Ce sont ces mêmes fichiers XML qui alimentent en données les panneaux de la ville, qui indiquent également le nombre de places disponibles.

Détail des données (2/5) : Chaque fichier XML est composé de 5 données :

• DateTime: Horodatage de la génération des informations dans le XML. Nous supposons qu’il s’agit du moment où le dernier mouvement a eu lieu dans le parking (entrée ou sortie) ; ainsi l’information disponible dans le XML est bien en temps-réel malgré un horodatage antérieur au moment auquel il est consulté (ex : 2020-03- 18T14:05:23)

• Name : Nom du parking (ex : CLEM)

• Status : statut du parking, fonction du nombre de places disponibles (ex : LIBRE)

• Free : nombre de places libres (ex : 0186)

• Total : nombre total de places (ex : 0207)

• DisplayOpenIf : seuil de modification de statut. En dessous d’un certain nombre de

  places, disponibles, le parking affiche complet (ex : 10)

Ces fichiers nous donnent uniquement des informations sur le nombre de places disponibles dans un parking donné à un moment précis. Aucune donnée antérieure à ce moment n’est stockée dans ces fichiers XML, ne nous permettant ainsi pas de de réaliser de statistiques sur un historique de données (cf. informations complémentaires infra). Nous n’avons également pas de données sur le type d’usagers (abonnés VS ponctuels).

Géo-précision des données (5/5) :

Nous disposons du nombre de places disponibles au parking.

Précision-temps des données (5/5) :

La disponibilité des parkings est fournie en temps réel.

Informations complémentaires sur l’audit mené sur les données Designa :

Un historique de données jusqu’à 2019 (parking des Halles), 2017 (parking Clemenceau) et 2016 (parkings de la Gare) est disponible. D’après les informations qui nous ont été communiquées, il est possible de disposer d’une information de fréquentation heure par heure. Toutefois, à ce jour nous n’avons pas pu obtenir ces échantillons de fichiers non agrégés pour les étudier.

3 - Réflexions transversales dans une optique de valorisation des données

3.1 - Identifier les perspectives et les limites de la démarche

Le principal objectif de cet AMI est de valoriser les données à disposition pour communiquer aux usagers sur le niveau de saturation de stationnement en centre-ville, et de pouvoir les réorienter en fonction de ce niveau de saturation. Comparer les jeux de données sur les parkings (Designa) et sur les horodateurs (Flowbird) permet de mesurer certaines limites dans l’exploitation de ces derniers, pour atteindre cet objectif.

Pour les parkings, une des finalités de la collecte des données est le calcul de la disponibilité, afin d’éviter qu’un véhicule entre si le parking est déjà plein. Le dispositif matériel générateur de la donnée est donc doté de bornes physiques dénombrant les entrées et sorties. Il est donc aisé de produire une information sur la disponibilité. C’est pourquoi la Roche-sur-Yon diffuse la disponibilité de ses parkings sur l’espace « Un territoire connecté » de son site internet. Des travaux sur la valorisation de ces données pourraient être menées et sont détaillées dans la section II. 2).

En revanche, la finalité de la production de données par les horodateurs est la gestion des paiements pour le stationnement sur voirie. Utiliser ces données pour évaluer la disponibilité s’apparente à un ‘détournement’ de leur vocation initiale. Il est donc normal qu’elles ne soient pas a priori adaptées pour calculer un taux d’occupation, et qu’on identifie de nombreuses limites à l’analyse, inhérentes au jeu de données. A cet égard, il est également important de noter que la place de plus en plus importante qu’est amené à prendre le paiement mobile peut diminuer la qualité des données futures (un utilisateur peut réserver des places sans les utiliser, ou sélectionner un horodateur qui n’est pas à proximité de son lieu de stationnement)). Toutefois, à défaut de mieux et en l’absence de coûteux objets connectés (capteurs de stationnement) que la Ville n’a pas prévu de déployer, il convient d’exploiter autant que possible le jeu de données Flowbird.

Il convient de retenir, avant tout, que parmi l’ensemble des indicateurs que l’on aurait pu envisager :

• taux d’occupation

• taux de congestion

• taux de rotation

Seul le premier peut être traité. Le taux de rotation nécessiterait de disposer des plaques d’immatriculation, qui ont été anonymisées dans le cadre de la présente étude, et le taux de congestion nécessiterait des données complémentaires (notamment les FPS).

Ensemble, il faut noter qu’il est impossible en voirie calculer un taux d’occupation réel en raison des effets de bord de la politique tarifaire :

• Certains secteurs géographiques bénéficient de la gratuité du stationnement. Comme la production des données Flowbird découle de la tarification, le stationnement gratuit ne génère pas de données. On ne pourra donc pas traiter les zones gratuites ; y compris la zone bleue.

• Sur les secteurs de stationnement payant (zones rouges et oranges), certains créneaux horaires sont gratuits et ne sont donc pas générateurs de données (actuellement : en journée de 12h à 14h, la nuit de 19h à 9h, le samedi après-midi et le dimanche).

• La gratuité de la première heure de stationnement, ainsi que la gratuité de 12h à 14h, conduisent à surestimer certaines durées de stationnement, puisque l’enregistrement calcule la durée maximale autorisée. Exemple : je stationne entre 11h et 11h15, l’application enregistre un stationnement théorique d’une durée de 3h.

• Les abonnés ne sont pas tenus de s’enregistrer à l’horodateur à chaque stationnement, l’on ne sait donc pas où et quand ils se garent. Pour en mesurer l’impact, il conviendrait dans un premier temps de voir combien il y a d’abonnés. S’ils représentent une faible part du nombre total de places de parking, nous pouvons ignorer cette limite, voire ajouter en permanence un taux d’occupation estimé pour ces derniers. S’ils constituent une part importante des stationnements dans le centre de la Roche-sur-Yon, il faudra peut-être adresser de manière un peu plus précise ce problème un adaptant le %d’ajustement par zone horodateur, en fonction de l’adresse de ces abonnés (pour rappel, les abonnés sont forcément des résidents du centre-ville).

• De la même manière que les abonnés, les détenteurs de cartes GIG/GIC ou mobilité inclusion ainsi que les propriétaires de véhicules électriques peuvent stationner de manière gratuite et sans s’enregistrer sur l’ensemble des rues de la zone payante.

• Le stationnement illicite (usager n’ayant pas payé ou stationné sur une place non autorisée) n’est pas quantifiable, quand bien même on identifierait une source de données exhaustives sur les forfaits de post-stationnements – ce qui n’est pas le cas.

• Enfin, il arrive que certains usagers ne s’enregistrent pas, consciemment ou non, auprès d’un horodateur de la bonne zone (orange ou rouge), entraînant ainsi un effet de report entre les zones. En effet, par volonté de payer moins cher, certains vont se garer en zone rouge mais vont s’enregistrer auprès d’un horodateur orange. Cette pratique est d’autant plus encouragée par le fait que les agents de contrôles soient indulgents face à celle-ci. De manière marginale, certains usagers peuvent, par inattention, stationner en zone orange mais s’enregistrer en zone rouge.

Ces limites ne sont pas forcément bloquantes au regard des objectifs de la démarche. En effet, c’est principalement en journée et en semaine que les navetteurs domicile-travail occupent des places de stationnement, et que les visiteurs cherchent une solution de stationnement temporaire. De plus, si le taux d’occupation réel se révèle inaccessible, un tauxthéorique, ou un taux relatif, peuvent servir à l’usager (à quels endroits le stationnement est-il ‘meilleur’ aujourd’hui qu’à l’habitude ?). Combiner une information sur le taux d’occupation théorique (issu d’une moyenne historique, par exemple : « d’habitude sur ce créneau, le stationnement dans tel quartier est saturé / est fluide ») et une information sur le taux relatif (« en ce moment, l’occupation du stationnement est supérieur / est inférieur à l’habitude ») permettrait de renseigner l’usager et de le réorienter, contribuant à la décongestion des secteurs les plus saturés.

Enfin, on pourra retenir de l’étude de stationnement réalisée en 2017-2018 quelques valeurs de référence calculées lors d’un comptage ponctuel, un jeudi d’octobre 2017. Elles pourront peut-être être utilisées comme point de repère, de comparaison ou de mise en perspective par la suite :

• les taux d’occupation par segment viaire entre 9h et 19H le jour du comptage (p.51 et pp. 74 à 78)

• le nombre et l’emplacement des places de stationnement (récupérées en format SIG) (p.45)

• la distribution des durées de stationnement (p.59).

3.2 - Définir le périmètre cible pour la suite de l’analyse

Il s’agit à présent d’établir de premières recommandations, et de valider le périmètre sur lequel nous travaillerons pour la suite de l’analyse. Les deux objectifs de La Roche-sur-Yon sont l’inscription dans une démarche d’open data, et la communication d’informations pertinentes aux usagers.

Nos recommandations :

1. L’historique de données de fréquentation des parkings en ouvrage serait pertinent à publier en open data. Il pourrait donner lieu à des réutilisations intéressantes par les acteurs du territoire (entreprises, citoyens, prestataires de services, associations). Reste à définir le format exact de données pertinent, en relation avec le prestataire Designa.

2. Les données temps réel d’occupation des parkings pourraient être valorisées davantage sur le site de la Roche-sur-Yon, afin de gagner en visibilité. Par exemple, des indicateurs clefs pourraient être produits, des data visualisations (cartes, diagrammes, graphiques) permettraient de contextualiser l’information et de la mettre en exergue.

3. Un travail sur les données des horodateurs pourrait permettre d’estimer un taux d’occupation moyen théorique du stationnement en voirie, ce qui ouvrirait par la suite la perspective d’informer l’utilisateur sur la qualité relative du stationnement, par rapport à d’habitude.

Ce troisième point est celui qui a été retenu pour la suite de nos travaux. A partir des données Flowbird (mais également d’informations complémentaires), nous avons élaboré une méthodologie de calcul du taux d’occupation par horodateur et par tranche horaire.

Le périmètre d’étude est le suivant :

• Périmètre géographique : L’ensemble des secteurs payants est étudié (tous les horodateurs)

Extraits de l’étude circulation et stationnement de 2017-2018

• Périmètre temporel : de mars 2018 à mars 2020, sur l’ensemble des créneaux horaires payants.

3 - Méthodologie de calcul du taux d’occupation

Afin de calculer le taux d’occupation par horodateur, il faut tout d’abord déterminer le nombre de places de stationnement assignées à chaque horodateur. Pour y parvenir, deux méthodes ont été imaginées (3.1 et 3. 2).

3.1 - Places de stationnement disponibles par horodateur (méthode 1)

Ressources utilisées

• Fichier SIG projetant les barrettes de stationnement sur voirie en centre-ville et contenant le nombre de places de stationnement par barrette. A noter que certaines barrettes sont courbes.

• Fichier SIG contenant le code et l’emplacement des horodateurs

• Fichier SIG contenant l’emplacement des places PMR

• Un logiciel de SIG (exemple : QGis)

• Un logiciel tableur (exemple : Excel)

  Livrables

• Fichiers SIG contenant les zones d’influence de chaque horodateur

• Fichier SIG contenant des « sous-barrettes », découpées selon la zone d’influence des

  horodateurs

• Table CSV contenant le nombre de places estimées par horodateur.

Projection du fichier Horodateurs (par couleur)

Méthodologie par étape

1. Définir la zone d’influence de chaque horodateur

La première étape consiste à partitionner le territoire du centre-ville en autant de cellules (ou « zones d’influence ») qu’il y a d’horodateurs, de sorte que chaque horodateur soit le plus proche de tout point de sa zone d’influence (à vol d’oiseau, par souci de simplification). On considère que l’horodateur le plus proche (à vol d’oiseau) est celui que privilégiera tout automobiliste garé dans sa zone d’influence.

Deux partitions de territoires sont à effectuer : une pour les horodateurs orange, une pour les horodateurs rouges, étant donné qu’un usager stationné en zone orange ne peut s’enregistrer qu’auprès d’un horodateur orange, et réciproquement pour la zone rouge.

Technique retenue Spallian : Création de polygones de Voronoï à partir de l’emplacement des horodateurs sur QGis (une fois pour les horodateurs orange, une fois pour les horodateurs rouges)

Polygones de Voronoï - Horodateurs orange

Polygones de Voronoï - Horodateurs rouges

2. Répartir les barrettes entre les horodateurs selon leur zone d’influence

La plupart des barrettes de stationnement appartiennent à plusieurs zones d’influence. On souhaite donc découper chaque barrette en sous-barrettes, de sorte qu’une sous-barrette n’appartienne qu’à une seule zone d’influence.

En anticipation de l’étape 3, nous calculons également la longueur de chaque barrette.

Technique retenue Spallian : Sur QGis : calcul des longueurs de barrette à partir du fichier barrette, puis création des sous-barrettes via l’intersection des barrettes avec les polygones de Voronoï.

3. Calculer le nombre de places de stationnement dans chaque sous-barrette

Le nombre de places par sous-barrette n est calculé à partir de la longueur de la sous-barrette l, de la longueur de la barrette mère L, et du nombre de places N de la barrette mère : n=𝑁∗ 𝑙 𝐿

Technique retenue Spallian : Calcul des longueurs des sous-barrettes sur QGis, export de la table d’attribut des sous-barrettes sur QGis, traitement (calcul de n) dans Excel.

4. Calculer le nombre de places dans la zone d’influence de chaque horodateur

Il se calcule en additionnant le nombre de places de chaque sous-barrette rattachée à sa zone d’influence. Pour chaque horodateur, nous prendrons soin de n’additionner que les places des sous-barrettes du périmètre d’analyse : on ne garde que les barrettes dont le champ « reg » équivaut à « Courte durée », « Moyenne durée » ou « Réglementé ». Autrement dit, on ne garde que les places de stationnements requérant à l’utilisateur d’aller s’enregistrer auprès d’un horodateur.

Technique retenue Spallian : Export de la table d’attributs du fichier horodateurs via QGis. Chaque sous-barrette exportée dans l’étape 3 dispose des attributs de ses parents, donc des horodateurs et des barrettes mères. Ainsi, pour chaque horodateur, identifié par un code horodateur, on additionne le nombre de places de chaque sous-barrette ayant le même code horodateur et dont la réglementation entre dans le paramètre d’étude (courte durée, moyenne durée, réglementé).

Le fichier SIG barrettes indique le nombre de places de stationnement disponibles en voirie par barrette. Aucune distinction n’est faite entre les places « classiques » et les places réservées PMR. Or, comme nous l’avons vu précédemment, les places PMR ne font pas partie du périmètre de l’étude, car le stationnement sur ces places n’est pas soumis à l’enregistrement auprès d’un horodateur. Il faut donc retraiter les places PMR pour se rapprocher du taux d’occupation réel.

Technique retenue Spallian : A partir des fichiers SIG barrettes et places PMR, création d’une zone tampon autour des barrettes de stationnement payant, puis récupération du nombre de places PMR dans la zone tampon, via QGis. Ensuite, réduction du nombre de places de stationnement disponibles (calculé en étape 4) pour chaque horodateur de : nombre de places PMR / nombre d’horodateurs. Cette technique se repose sur l’observation suivante : au sein de la zone tampon, les places de stationnement PMR sont réparties de manière uniforme.

Technique complémentaire : Pour affiner la répartition entre les horodateurs, il est également possible de compter les places PMR dans les zones tampons de chaque sous-barrette (générées à partir des polygones de Voronoï), puis de réduire le nombre de places PMR entre les horodateurs en fonction de la zone d’influence dans lesquelles sont situées ces sous- barrettes (exemple : si la sous barrette X contient 2 places PMR dans sa zone tampon et que ces dernières appartient à la zone d’influence de l’horodateur 8, alors je viens réduire le nombre de places disponibles de l’horodateur 8 de 2).

3.2 - Places de stationnement disponibles par horodateur (méthode 2)

Ressources utilisées

• Fichier SIG projetant les barrettes de stationnement sur voirie en centre-ville et contenant le nombre de places de stationnement par barrette. A noter que certaines barrettes sont courbes.

• Fichier SIG contenant le code et l’emplacement des horodateurs

• Fichier SIG contenant l’emplacement des places PMR

• Un logiciel de SIG (exemple : QGis)

• Un logiciel tableur (exemple : Excel)

Livrable

• Tableau contenant le nombre de places par horodateur Méthodologie par étapes

Nous partons du postulat que les horodateurs sont placés dans le centre-ville de sorte que chaque horodateur couvre dans son périmètre le même nombre de places de stationnement.

En partant de ce principe, nous pouvons assigner de manière uniforme l’ensemble des places de stationnement disponibles (dans le périmètre d’étude) à chaque horodateur, en distinguant les horodateurs rouges des horodateurs orange.

1. Déterminer le nombre de places par type de réglementation

La première étape consiste à récupérer le nombre de places de stationnement dans le périmètre d’étude, en faisant une distinction selon la réglementation applicable à ces places de stationnement : « Courte durée », « Moyenne durée » et « Réglementé ».

Technique retenue Spallian : Export de la table d’attributs du fichier SIG barrettes via QGis et traitement dans Excel.

2. Déterminer le nombre d’horodateurs par couleur

Ensuite, déterminer le nombre d’horodateurs par tarif (zone rouge ou zone orange).

Technique retenue Spallian : Export et traitement de la table d’attributs du fichier SIG horodateurs via QGis et traitement dans Excel.

3. Assigner le nombre de places à chaque horodateur

Enfin, déterminer le nombre de places par horodateur en divisant le nombre de places par le nombre d’horodateurs. La distinction entre horodateurs orange et rouges doit être appliquée de la manière suivante :

𝑁𝑏 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟 𝑜𝑟𝑎𝑛𝑔𝑒 = 𝑇𝑜𝑡𝑎𝑙 𝑝𝑙𝑎𝑐𝑒𝑠 "moyenne durée" 𝑇𝑜𝑡𝑎𝑙 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟𝑠 𝑜𝑟𝑎𝑛𝑔𝑒𝑠

𝑁𝑏 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟 𝑟𝑜𝑢𝑔𝑒 = 𝑇𝑜𝑡𝑎𝑙 𝑝𝑙𝑎𝑐𝑒𝑠 "courte durée" + "𝑟é𝑔𝑒𝑙𝑒𝑚𝑒𝑛𝑡é" 𝑇𝑜𝑡𝑎𝑙 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟𝑠 𝑟𝑜𝑢𝑔𝑒𝑠

Technique retenue Spallian : Traitement dans Excel

Correction : Prise en compte des places PMR

Idem Partie I

A partir des données SIG de la commune, nous avons pu déterminer le nombre de places de stationnement disponibles par horodateur. Avec les extractions Flowbird, nous pouvons calculer le volume d’occupation par horodateur et par tranche horaire. Rapporter ce volume d’occupation par rapport aux places disponibles nous permet de calculer un taux d’occupation, par horodateur et par tranche horaire : il s’agit de l’objet de cette troisième et dernière étape.

3. 3 Taux d’occupation par horodateur – tranche horaire

Ressources utilisées

• Tableau contenant le nombre de places de stationnement par horodateur (via la méthode 1 ou 2)

• Extractions Flowbird

• Information sur les politiques tarifaires de la Roche-sur-Yon (site web)

• Un logiciel tableur

Livrables

• Script permettant de calculer le volume d’occupation, le taux d’occupation et la part de stationnements gratuits, par horodateur et par tranche horaire, à partir d’un historique de données Flowbird

• Tableau contenant le volume et le taux d’occupation par association tranche horaire / horodateur

Définitions

• Volume d’occupation: nombre de véhicules stationnés dans un périmètre spatial (horodateur) et temporel (tranche horaire) donné.

• Un moment = une minute + une heure + un jour + un mois + une année. Dans Excel, un moment équivaut vaut à une valeur numérique. La valeur « 1 » équivaut au 01/01/1900 et chaque unité vaut 1 jour (24h). Donc 2 équivaut au 02/01/1900.

• Un enregistrement (de stationnement) est défini dans les temps par un moment d’arrivée (« Date horo ») et par moment de départ (« Date de fin »).

• Une tranche horaire est constituée d’un moment de début, ou borne inférieure (ex : 01/10/2019 09:00) et d’un moment de fin, ou borne supérieure (ex : 01/10/2019 09:00)

Pour calculer le taux d’occupation, nous distinguerons deux étapes :

• Création des associations horodateurs / tranches-horaires : Dans un premier temps, nous souhaitons lister l’ensemble des associations tranches – horodateurs sur lesquelles il convient de calculer un volume et un taux d’occupation.

• Calcul du volume et du taux d’occupation pour chaque association

3.3.1. Création des associations tranches horaires / horodateurs

Tout d’abord, nous identifions le jour de début et le jour de fin de l’extraction Flowbird que l’on souhaite étudier.

L’espace temporel entre ces deux dates définit un intervalle. Dans cet intervalle, nous souhaitons énumérer l’ensemble des tranches horaires, heure par heure, comprises dans le périmètre d’étude ; on conserve donc uniquement les horaires payants, qui sont les suivants :

• du lundi au vendredi, de 9 h à 12 h et de 14 h à 19 h ;

• le samedi de 9 h à 12 h.

• les jours fériés sont exclus

Technique utilisée Spallian : Dans un document Excel, l’utilisateur saisit manuellement le jour de début et de fin de l’analyse qu’il souhaite mener. Il clique ensuite sur un bouton « Générer les tranches horaires » qui active un script VBA. Ce script vient boucler sur chaque jour compris entre les deux dates saisies, venant stocker dans un tableau l’ensemble des jours contenant des tranches horaires dans le périmètre d’étude ; ainsi, les dimanches et les jours fériés sont exclus (les jours fériés sont identifiés et saisis manuellement dans un tableau du fichier Excel, parcouru par le script). Ensuite, le script crée une nouvelle feuille Excel, boucle sur chaque jour compris dans le périmètre d’étude et alimente la feuille avec toutes les tranches horaires de chacun de ces jours. Ces tranches horaires sont enfin dupliquées autant de fois qu’il y a d’horodateurs : pour ce faire, on vient boucler sur le tableau listant l’ensemble des horodateurs, stocké également dans le fichier Excel.

3.3.2. Calcul du volume d’occupation

Pour calculer le volume d’occupation des associations tranches horaires / horodateurs créées en étape 1, nous parcourons l’ensemble des enregistrements de l’extraction Flowbird étudiée. Chaque enregistrement génère un volume d’occupation sur une ou plusieurs associations. Le volume d’occupation est calculé uniquement à partir enregistrements « classiques », ce qui exclut les paiements d’abonnements et les FPS (ce ne sont pas des paiements de stationnement).

Pour chaque enregistrement, nous allons vérifier plusieurs conditions, nous permettant de déterminer le volume d’occupation qu’il génère ou non sur chaque association horodateur – tranche horaire. Chaque enregistrement est parcouru autant de fois qu’il y a d’association.

Technique retenue Spallian : traitement via Excel. Après avoir généré ses tranches horaires, l’utilisateur clique sur un bouton « Calculer les taux d’occupation » et sélectionne l’extraction Flowbird qu’il souhaite analyser. Un script est lancé, qui va parcourir l’ensemble des enregistrements et renvoyer un volume d’occupation. Les volumes d’occupation de chaque enregistrement sont additionnés et répartis entre les différentes associations qu’ils impactent.

Exemple pour la tranche horaire « 9h – 10h » : Pour un jour donné, si je stationne AVANT 9h (condition colonne de gauche) et que je repars AVANT 9h (condition ligne du haut), le volume d’occupation de cet enregistrement sur la tranche horaire « 9h – 10h » sera nul.

Correction 1 : Réduire les temps de stationnements gratuits

Pour calcule le volume d’occupation, nous partons du principe qu’un usager reste stationné sur sa place pour le temps qu’il a payé. En revanche, il convient de traiter différemment les stationnements gratuits (en zone payante). La Roche-sur-Yon offre aux usagers la possibilité de se stationner gratuitement en zone payante pour une durée maximale d’une heure. Pour autant, cela ne les dispense pas de s’enregistrer à un horodateur. Ces stationnements gratuits figurent donc dans les extractions Flowbird. Cette durée est, nous l’avons indiqué, maximale : les usagers prenant un « ticket » gratuit peuvent rester une heure, mais également 5 minutes, 15 minutes.... Ainsi, Nous avons réduits les temps de stationnements des enregistrements gratuits à 30mn au lieu de 1 heure, en estimant qu’en moyenne un usager prenant un ticket gratuit reste stationné 30 minutes.

Technique utilisée Spallian : Pour chaque enregistrement de l’extraction Flowbird, si le champ « Moyen de paiement » équivaut à « Gratuit », alors nous réduisons le champ « Date de fin » de 30 minutes.

NB : Nous avons exploité le travail de cette correction pour fournir un indicateur supplémentaire : la part de stationnement gratuits. Pour chaque association horodateur – tranche horaire, nous dénombrons, parmi les enregistrements dont l’heure de début appartient à la tranche horaire, ceux qui sont gratuits, et nous les rapportons à l’ensemble des enregistrements dont l’heure de début appartient également à la tranche horaire.

Correction 2 : Prendre en compte les abonnés

La Roche-sur-Yon propose des abonnements de stationnement aux résidents du centre-ville, qui leur permettent de stationner dans leur quartier de manière illimitée, sans avoir à s’enregistrer auprès d’un horodateur à chaque stationnement. Il convient donc d’augmenter le volume d’occupation en conséquence.

Technique retenue Spallian : Tout d’abord, nous avons calculé la moyenne mensuelle du nombre d’abonnements activés sur 4 mois, de novembre 2019 à février 2020. La moyenne observée est de 426.

Ensuite, nous nous sommes demandé s’il fallait minorer ce chiffre du fait que les résidents abonnés puissent partir en semaine travailler ailleurs et qu’ils ne sont donc pas stationner dans le centre-ville durant les périodes observées dans cette étude. Cependant , l’étude de stationnement publiée en 2018 indique qu’il y a environ 500 résidents non-mobiles, c’est-à- dire des véhicules toute la journée. Ce chiffre est donc supérieur à nos 426 abonnements, et on peut considérer qu’il est probable que ces abonnements sont pris pour les véhicules non mobiles. Ainsi, nous avons décidé d’augmenter le volume d’occupation de 426 véhicules.

Enfin, nous avons réparti ces 426 véhicules abonnés sur les horodateurs, de manière proportionnelle au nombre de places dans la zone d’influence de chaque horodateur. Nous avons ajouté une colonne dans l’onglet « horodateur ». Les valeurs de cette colonne sont utilisées dans le script qui calcule le volume d’occupation.

3.3.3. Calcul du taux d’occupation

Après avoir calculé les volumes d’occupation pour chaque association horodateur – tranche horaire, il suffit de les rapporter au nombre de places disponibles par horodateur pour trouver le taux d’occupation de chacune de ces associations.

𝑇𝑎𝑢𝑥 𝑑′𝑜𝑐𝑐𝑢𝑝𝑎𝑡𝑖𝑜𝑛 = 𝑉𝑜𝑙𝑢𝑚𝑒 𝑑′𝑜𝑐𝑐𝑢𝑝𝑎𝑡𝑖𝑜𝑛 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑙𝑎𝑐𝑒𝑠 𝑝𝑎𝑟 h𝑜𝑟𝑜𝑑𝑎𝑡𝑒𝑢𝑟

Technique retenue Spallian : traitement via Excel (script VBA). Le nombre de places disponibles par horodateur est récupéré dans l’onglet « horodateur », à partir du code horodateur. Cette étape est réalisée dans la continuité de l’étape 2.

A partir de ces résultats, il est possible de piloter la politique de stationnement mais également de créer graphiques et indicateurs qui peuvent être utilisés pour communiquer auprès des usagers quant à la saturation en centre-ville. Ces résultats peuvent également être diffusés en open data.

3.3.4 Corrections complémentaires

Comme nous l’avions mentionné lors de nos réflexions préliminaires (cf. II. 1), utiliser le jeu de données Flowbird pour déterminer un volume d’occupation constitue un détournement de sa vocation initiale, qui est la gestion des paiements. Ce détournement implique des biais calculatoires plus ou moins importants, et plus ou moins facilement corrigeables.

Dans la méthodologie proposée ci-dessus, les biais qui nous paraissaient les plus importants ont été adressés : réduction des temps de stationnement gratuits (< 1h), prise en compte des abonnés.

Cependant, d’autres biais demeurent, et pourraient à l’avenir être corrigés, afin de se rapprocher le plus possible du taux d’occupation réel.

4 - Mise en œuvre de la méthodologie

La méthodologie développée a été mise en œuvre sur les données générées par l’ensemble des horodateurs Flowbird d’avril 2018 à décembre 2019.

Ainsi, pour l’ensemble des associations tranche horaire – horodateur comprises entre avril 2018 et décembre 2019, nous disposons des informations suivantes : taux d’occupation, volume d’occupation, et part de stationnement gratuit.

Ces données permettent à la commune de La Roche-sur-Yon de :

• Piloter sa politique de gestion du stationnement (usage interne)

• Communiquer aux usagers (usage externe)

  Afin de mettre en valeur ces résultats et d’en faciliter l’interprétation, nous avons créé un tableau de bord interactif, contenant différentes visualisations de données.

5 - Pour aller plus loin

5.1 Communiquer auprès des usagers

Les résultats générés au travers de la méthodologie actuelle peuvent être utilisés pour créer des valeurs de référence. Ces valeurs de référence sont des moyennes qui permettent de « prédire » la situation actuelle de stationnement et de communiquer à l’usager l’état du stationnement du centre-ville « par rapport à d’habitude ».

Ces valeurs de référence peuvent être déclinées et communiquées sous plusieurs formes, et via différents canaux.

Création de valeurs de références

Piloter et communiquer à partir de valeurs de références nécessite de réfléchir à la manière dont on va ‘regrouper’ les taux d’occupation par tranche horaire pour en faire des moyennes. L’enjeu est de regrouper les associations tranche horaires – horodateur comparables tout en gardant des groupes statistiques de taille assez élevée.

Ci-dessous une proposition de de valeurs de références, construites à partir d’une double approche : temps et géographique.

Approche temps

Ici, il s’agit d’identifier les périodes dans l’année où l’activité en centre-ville, caractérisée par la typologie et le comportement des individus, est homogène. Nous avons mené cette réflexion à différentes ‘échelles’ temporelles : heures de la journée, jour de la semaine et vacances.

• Heure de la journée : Les valeurs de référence ne doivent pas regrouper plusieurs tranches-horaires (exemple : matin VS après-midi) car l’activité en centre-ville peut-être très différente entre deux tranches.

• Jour de la semaine : Les valeurs de référence ne doivent pas regrouper des tranches- horaires de plusieurs jours de la semaine, car l’activité en centre-ville peut être très différente entre deux jours de la semaine.

Par exemple, le lundi est journée particulière car certains commerces sont fermés. Certains employés et certains consommateurs ne feront donc pas le déplacement le lundi, ce qui modifie l’afflux de véhicules en stationnement par rapport au reste de la semaine. L’évolution des stationnements en fonction des tranches horaires est différente avec un taux d’occupation important entre 9h et 10h que l’on ne retrouve pas les autres jours de la semaine, et un pic de stationnement moins important vers les 15h.

Le samedi doit également être analysé de manière isolée car le comportement des usagers est différent et leurs habitudes de consommation varient. En effet, le samedi est un jour du week-end avec les commerces encore ouverts. Les usagers ne sont pas les mêmes, les comportements diffèrent.

En ce qui concerne les autres jours de la semaine, on constate également des différences en termes de stationnement : c’est notamment le cas du jeudi après-midi, qui, selon Service Gestion du Domaine Public et du Stationnement de la Roche-sur-Yon, fait l’objet d’une activité nettement plus dense que les autres moments de la semaine.

Ainsi, nous avons fait le choix d’isoler chaque tranche horaire et chaque jour de la semaine, la variabilité du taux d’occupation en fonction de l’horaire et du jour de la semaine étant relativement importante.

• Vacances

  • Vacances scolaires : Lors des vacances scolaires, une partie de la population est modifiée et se comporte différemment. Les familles ont tendance à faire plus d’excursions dans le centre-ville. Certains pendulaires seront également en congé en même temps que leurs enfants. Nous avons donc choisi d’isoler ces périodes.

  • Vacances de Noël : Les vacances de Noel sont différentes des vacances scolaires ‘classiques’ car beaucoup de personnes sont en mouvement (flux d’entrée et flux de sortie) et font également des consommations peu habituelles ; le stationnement en centre-ville en est donc modifié. C’est une période de l’année ou les commerces ont les affluences les plus importantes.

  • Vacances estivales : Durant les vacances estivales, les stationnements sont différents et une partie de la population quitte la ville. Même si un afflux touristique est tout de même à noter, la fréquentation des stationnements sur voirie reste tout de même en baisse.

  • Hors vacances

Exemple : pour déterminer le taux d’occupation du jeudi 4 juillet 2019 à 10h30, je vais faire la moyenne des taux d’occupation de l’ensemble des associations tranche horaire – horodateur de la tranche horaire ‘9h – 10h’ de tous les jeudi de juillet et août (vacances estivales).

Approche géographique

Les valeurs de référence peuvent être générées et communiquées au niveau horodateur (taux d’occupation de l’horodateur 5), au niveau du centre-ville (taux d’occupation de tous les horodateurs), mais également à une échelle intermédiaire correspondant à un ensemble logique d’horodateur (à définir). Dans ce dernier cas, nous pourrions parler de secteur.

Approche spécifique

De manière complémentaire à ces approches, il pourrait être pertinent de créer des valeurs de référence spécifiques relatives à des événements particuliers, tels que la foire mensuelle, ou encore les soldes.

NB : pendant la période de travaux des Halles, la foire mensuelle a lieu place du Théâtre, rues Salvador-Allende et Jean-Jaurès, ce qui peut altérer les taux d’occupation (baisse du nombre de places disponibles) de certains horodateurs, et donc de biaiser les valeurs de référence.

Canaux de communication (Où ?) :

• Site web : canal de communication « pull », où l’usager vient chercher l’information par lui-même via le site internet. Ce canal de communication permet de fournir une information détaillée, interactive et visuelle.

• Panneaux d’affichage dynamiques en voirie : canal de communication « push », l’information est adressée de manière proactive à l’usager, au moment où il en a le plus besoin : au volant, sur voirie, quand il cherche une place de stationnement.

• Application ROCHE+ : canal de communication « pull », où nous retrouvons une information similaire à ceux des panneaux d’affichage dynamique. Nous pouvons également imaginer que l’information soit poussée à l’usager via une notification ; cette dernière pourra être envoyée et personnalisée selon la localisation du smartphone de l’usage.

  Ces canaux de communication peuvent être exploités de manière conjointe et complémentaire.

  D’autres communications, plus ponctuelles, peuvent également être envisagées : dans le journal de la ville, au travers de débats et d’ateliers citoyens, des infographies... Ces modes de communication ont une visée plus pédagogique, qui permettent notamment d’appuyer les choix de la commune en matière de stationnement, ou encore d’inciter à l’utilisation de moyens de transports alternatifs.

Messages (Quoi ?) :

• Graphiques et cartographies : une information détaillée dans le temps et l’espace (exemple : taux d’occupation moyen en centre-ville par tranche horaire).

• État et stratégie de stationnement : déclinaison des valeurs de référence sous forme textuelle, incitant éventuellement à type de comportement .

Exemples de messages

Sur le site web : cartographie colorant les secteurs du centre-ville selon leur taux d’occupation (3 couleurs selon le taux d’occupation : faible / moyen / élevé). Si je clique sur un secteur, un message sur l’état du stationnement et sur la stratégie à adopter s’affiche. Par exemple, si je clique sur le secteur A, « le stationnement dans ce secteur est habituellement difficile, nous vous conseillons d’aller vous stationner au parking relais X ». Bien sûr, l’alternative proposée devra être différente selon le secteur.

En voirie : panneau d’affichage digital indiquant le niveau d’occupation de stationnement au travers d’un code couleur, facilement et rapidement compréhensible par l’usager qui conduit. Cette indication est accompagnée d’une suggestion de stratégie de stationnement, basée sur le prix et le temps nécessaire pour accéder au centre-ville. Ci-dessous deux propositions d’affichage :

Proposition 1.1 : Panneau digital – Taux d’occupation élevé

• Communication textuelle, décrivant un état du réel (supposé), et non de chiffres qui nécessitent un effort d’interprétation. L’utilisation de couleurs (rouge et vert) renforce l’impact et la compréhension rapide du message.

• Emploi du terme ‘risque’ permettant de refléter l’utilisation valeurs de références, et non de données en temps réel (risque de stationnement difficile ≠ stationnement difficile)

• Proposition d’une alternative au stationnement en centre-ville, dont le stationnement est difficile : le parking relais.

Proposition 1.2 : Panneau digital – Taux d’occupation faible

• Proposition d’une alternative au stationnement en centre-ville même quand le taux d’occupation est faible, ce qui permet de prévenir le risque de stationnement difficile et d’informer l’usager des différentes possibilités de stationnement qui existent

Proposition 2 : Panneau LCD

Mise à jour (Quand ?)

Pour avoir des valeurs de références les plus proches de la situation en temps-réel, il convient de mettre à jour la base de données régulièrement. Nous pouvons imaginer un processus où, chaque début de mois, une personne en charge du stationnement extrait les données Flowbird du mois précédent sur Smartfolio, applique le script sur ce jeu de données, et importe ces résultats en base de données.

Enjeux des valeurs de références

Les valeurs de référence s’appuient sur le passé pour estimer le présent. Communiquer avec ces dernières sur le présent peut conduire à des inexactitudes : si par exemple, le mardi après- midi, le taux d’occupation est habituellement faible (valeur de référence), un événement inhabituel et inattendu peut conduire à le rendre très élevé.

Pour corriger ces inexactitudes, une utilisation en temps réel des données Flowbird peut être envisagée. Cette approche temps-réel pourrait être combinée avec l’approche par valeurs de référence pour communiquer aux usagers (exemple ci-dessous).

Graphique présent sur les fiches Google des lieux publics. Les données en bleu correspondent aux horaires d’affluence moyennes observées (valeurs de références), les données en rose correspondent à l’affluence en direct (temps réel)

5.2 Exploiter les données en temps réel

La méthodologie actuelle permet de calculer des valeurs de référence, mais peut également être adaptée pour fournir des indicateurs en temps réel. Néanmoins, l’approche temps-réel fait naitre de nouvelles questions.

Comment récupérer les données de manière automatique ?

L’approche temps-réel nécessite d’interroger la base de données Flowbird régulièrement (plusieurs fois par jour). Cette récupération ne peut donc pas se faire manuellement, mais de manière automatique. Ce mode de récupération automatique doit être réalisé via une API.

A quelle fréquence faut-il récupérer les données ?

L’enjeu est ici d’actualiser les données le moins souvent possible tout en gardant un certain niveau de précision. Deux méthodes sont possibles :

• Récupérer les données de manière régulière. L’étude de 2018 montre que 51% des stationnements sont de courte durée (< 2h) et 23% sont inférieurs à 1h. La rotation étant donc assez élevée, les taux d’occupation peuvent potentiellement évoluer rapidement. Nous conseillons donc d’actualiser les données toutes les 30 minutes, voire toutes les heures au maximum, et ce sur les tranche-horaires payantes uniquement.

...

• Récupérer les données à chaque fois qu’un utilisateur se connecte (couplé à une limite de connexion : actualiser si personne ne s’est pas connecté depuis x minutes). Cette solution peut être envisagée sur le site web, mais pas pour l’affichage en voirie (car en voirie personne ne se connecte). Nous recommandons donc la première approche, qui permet d’utiliser les données en temps réel en voirie et sur le site web.

Quel volume de données faut-il récupérer ?

L’enjeu est ici de récupérer le plus petit volume de données tout en gardant un certain niveau de précision. Deux méthodes sont possibles

• Récupérer les enregistrements des stationnements encore en cours, c’est-à-dire pour lesquelles la ‘Date de fin’ est postérieure à l’heure à laquelle la requête est faite. Il s’agit de la méthode la plus efficiente.

• Récupérer tous les enregistrements dont la date de début est comprise dans les 21 dernières heures, ce qui permet d’avoir 100% des stationnements, en partant du principe que les usagers prennent des tickets de 4h maximum.

Cas de stationnement de 21 heures : je stationne un mardi à 17h, et je paie pour 4 heures de stationnement, en plus de l’heure gratuite qui m’est offerte, ce qui me donne 5 heures de stationnement sur créneau payant. Ainsi, 2 heures sont utilisées de 17h à 19h, puis le stationnement est non-payant jusqu’au lendemain à 9h. De 9h à 12h, mes 3 dernières heures payées sont écoulées, puis de 12h à 14h le stationnement est non-payant. Ainsi, pour un stationnement payé à hauteur de 4 heures en semaine, j’ai le droit de stationner 21 heures. Le cas du week-end est exclu, pour ne pas gonfler ce nombre d’heures maximum.

Cette méthode pourrait être affinée pour réduire ce nombre de 21h et donc récupérer moins de données à chaque actualisation. En étudiant l’historique de données Flowbird, il est possible de déterminer le nombre d’heures à récupérer pour comprendre 90% des enregistrements, sachant que les 10% exclus sont les plus susceptibles d’être déjà partis (comme les personnes dans la situation du cas ci-dessus).

Quelle que soit la méthode, les requêtes ne seront faites que sur les enregistrements ‘classiques’, pour lesquels le champ ‘Type usager:’ = 1. Les autres types d’usagers correspondent aux paiements des abonnements et des FPS, et non à des stationnements.

6. Conclusion et recommandations

Le méthodologie développée au sein du présent document permet, à partir des données de stationnement Flowbird et des données SIG de la commune :

• De déterminer le nombre de places de stationnement en voirie pour chaque horodateur

• De calculer les volumes d’occupation, les taux d’occupation et la part de stationnements gratuits (inférieurs à une heure) pour chaque horodateur et par tranche horaire (tranches payantes uniquement)

Afin de valoriser cette méthodologie pour fluidifier le stationnement en centre-ville (et notamment pour rediriger les usagers en parking-relais) , nous préconisons différentes actions, à court, moyen et long terme. Des recommandations ont également été formulées dans le but d’affiner la méthodologie pour tendre vers un taux d’occupation réel.

A court terme

• Réaliser une étude d’impact en vue d’une hypothétique publication de jeux de données en open data, en réfléchissant à la façon dont chaque donnée peut être perçue / interprétée / réutilisée. Exemple : des données agrégées sur l’occupation des parkings ou des données agrégées résultant de l’exploitation des horodateurs.

• Publier une infographie sur le site web ou le journal municipal avec des chiffres clefs issus de l’analyse des données horodateurs

• Publier un contenu interactif sur le site web ou l’appli Roche + à l’attention des habitants afin d’instruire leurs décisions de stationnement.

• Ajouter des vues dans le tableau de bord afin de pouvoir visualiser les volumes d’occupation et les places disponibles par horodateur (numérateur et dénominateur du taux d’occupation

A moyen terme

• Méthodologie :

  • Mettre à jour les fichiers SIG des barrettes pour connaître le nombre réel de places sur la voirie

  • Faire une étude qualitative pour vérifier l’hypothèse que les stationnements « gratuits – 1h » restent en moyenne une demi-heure

  • Réaliser une étude terrain afin de : déterminer le pourcentage de stationnements de détenteurs de cartes GIG/GIC sur des places de stationnement payants, puis appliquer un correctif dans le script afin d’augmenter le volume d’occupation

  • Déterminer le nombre de véhicules électriques ayant un macaron, localiser les bornes de recharges et appliquer correctif afin d’augmenter le volume d’occupation des horodateurs proches des bornes de recharge (endroits où les véhicules électriques ont le plus de chances de stationner).

  • EtudierlesdonnéesFPSafind’identifierleniveauetdestationnementillicite et appliquer un correctif sur le volume d’occupation

  • Déterminer les valeurs de références les plus pertinentes via une analyse quantitative des données Flowbird.

• Tableau de bord o Visualiser les données des horodateurs par secteur (groupements d’horodateurs à déterminer)

  • Ajouter les emplacements des parking fermés avec des informations d’occupation (exemple : taux de remplissage)

A long terme

• Etudier avec le prestataire Flowbird les conditions techniques de la mise en place d’un flux de données temps réel

• Etudier avec les autres services de la ville les supports qui permettraient d’acheminer l’information à l’usager en temps réel (affichage urbain dynamique, services à développer sur Roche + et/ou le site web)

6 - Les documents de capitalisation

6 - Les documents de capitalisation

Les expérimentations ont été initialement prévues pour une durée de 6 à 9 mois. Les conditions particulères de l'année 2020 (crise sanitaire et élections locales) et le temps nécessaire pour faire mûrir les projets a porté ce plannig à 12 mois.

• La premiere phase (phase1) du projet a permis d’identifier les données locales utiles et/ou nécessaires et les modes de coopération entre les acteurs publics et privés.

• La deuxieme phase (phase 2) a pour finalité la conception, éventuellement la mise en place, d’un service innovant (au sens large, cela peut être une application nouvelle, l’enrichissement d’un service déjà existant ou une bonne pratique de publication au sein d’une collectivité par exemple).

Les projets les plus prometteurs sont valorisés dans la perspective d’une adoption élargie (le programme ACV dure jusqu’en 2022). Certains peuvent donner lieu à des projets nationaux d'envergure.

1 - Le contexte et la problématique

La ville de Soissons a pour ambition de transformer l’offre et les usages de la mobilité sur plusieurs plans. Dans cet objectif, elle est en train de mener quatre études, à savoir :

• Un schéma directeur cyclable élaboré à l’échelle du pôle d’équilibre territorial et rural du Soissonnais et du Valois

• Un plan de circulation du centre-ville

• Une étude sur les transports soissonnais

• Une étude sur le réaménagement de l’avenue Charles De Gaulle reliant la gare SNCF au centre-

  ville

Si les objectifs de ces études sont multiples (augmenter la part modale des modes doux, améliorer la circulation entre la gare SNCF et le centre-ville, rendre les transports en commun plus lisibles...), ils traduisent tous une stratégie de mobilité cohérente dans laquelle la voiture sera amenée à jouer un rôle moins prépondérant. Dans ce contexte, deux problématiques relatives à l’usage de la voiture et le stationnement ressortent :

• La part modale de la voiture est prégnante (73%)

• Des pratiques de stationnement problématiques qui donnent lieu à deux types de nuisances : des voitures ventouses1 et la surutilisation de certains parkings couplée à la sous-utilisation d’autres à certains moments et dans certains endroits du centre-ville

En ce qui concerne la part modale de la voiture, plusieurs facteurs expliquent un taux si élevé :

• Soissons est situé dans un maillage très rural. De ce fait, beaucoup de déplacements nécessitent parcourir plusieurs kilomètres pour se rendre à/rentrer dans des espaces peu denses non ou mal desservis par le transport en commun.

• Soissons est un arrondissement résidentiel. De ce fait, un actif sur trois travaille en dehors de l’arrondissement de Soissons (Paris, Reims, Château-Thierry, Laon, Reims...), ce qui implique de faire des trajets longs plus accessibles en voiture.

• Des liaisons ferroviaires insuffisantes. Parmi les différents pôles d’activité attirant un actif sur trois en dehors de l’arrondissement de Soissons, seulement Paris est accessible par train.

• Des lignes de bus qui présentent plusieurs limites : fréquence insuffisante, durée des trajets trop élevée en comparaison à un trajet en voiture, mauvaise lisibilité du plan de circulation lignes...

• Un attachement culturel à la voiture

Ces problématiques sont d’autant plus marquées que le centre-ville de Soissons a une taille réduite qui permettrait à beaucoup de résidents de diminuer leur usage de la voiture (il peut être traversé en 10 minutes à pied) et que l’offre de stationnement est largement suffisante. En effet, le centre-ville dispose d’environ 1 700 places de stationnement et 350 commerces, ce qui équivaut à près de 5 places par magasin.

Par ailleurs, la mairie de Soissons dispose actuellement d’une variété de sources de données numériques qui pourraient être exploitées pour agir sur ces problématiques :

• Stationnement intelligent. Le centre-ville est équipé de capteurs par analyse d’images permettant de connaître en temps réel le nombre de places disponibles et le nombre de places occupées ainsi que le statut d’occupation (en infraction ou pas) en fonction de la durée de stationnement. Ces capteurs, focalisés sur les axes principaux, couvrent aujourd’hui environ 1 000 places sur 1 700, soit près de 59% des places du centre-ville.

• Open data. Le portail open data de la ville inclut plusieurs données de mobilité (emplacement des arrêts de bus, prix des carburants...)

• Données sur les flux piétons dans 10 zones du centre-ville

D’autres sources de données de mobilité relatives au centre-ville existent mais ne sont pas exploitables à ce stade par la mairie de Soissons. Nous reviendrons sur ce point dans la section 3.

Dans ce contexte, la mairie de Soissons a candidaté à l’AMI open data Action Cœur de Ville dans l’objectif d’être accompagnée sur comment utiliser les données de mobilité dont elle dispose pour atteindre trois grands objectifs liés aux problématiques présentées plus haut : diminuer la part modale de la voiture en faveur des modes doux et apporter des solutions aux problématiques des voitures ventouses et de surutilisation de certains parkings couplée à la sous-utilisation d’autres. Ce document présente le travail mené par Chronos en ce sens auprès de la ville de Soissons dans le cadre de l’AMI.

Améliorer le fonctionnement du stationnement en centre-ville pourrait être contradictoire avec la baisse de la part modale de la voiture. En effet, si l’expérience de stationnement est améliorée, cela créerait des incitations à l’usage de la voiture. Dans l’objectif d’échapper à cette contradiction, les changements de comportement des automobilistes ciblés dans l’étude visent à utiliser les données de mobilité (y compris de stationnement) soit pour décourager des trajets en voiture qui pourraient être faits à vélo ou à pied, soit pour améliorer l’expérience de stationnement des automobilistes n’ayant pas d’alternative à la voiture actuellement (notamment les personnes habitant loin du centre-ville). En effet, compte-tenu des nombreux facteurs qui obligent beaucoup d’habitants à avoir recours à la voiture cités plus haut, l’étude ne vise pas à diminuer la part modale de la voiture liée à des déplacements pour lesquels une alternative réaliste (moyens de transport alternatifs performants ou conditions permettant la démobilité) n’existe pas actuellement. Une telle tâche requiert des actions structurelles à une échelle supérieure à celle de la ville de Soissons et pour lesquelles le recours aux données numériques ne représenterait pas une contribution. De ce fait, elle dépasse le cadre de cette étude.

2 - Objectifs de changement de comportement, informations nécessaires et conditions de succès pour les atteindre

En partant des résultats des entretiens semi-directifs menés auprès de plusieurs agents de la mairie et de Grand Soissons Agglomération2, ainsi que de l’étude de la documentation fournie par la mairie de Soissons, nous avons précisé les problématiques exprimées de façon à les décliner en objectifs de changement de comportement des automobilistes. Chaque objectif a été rattaché à un profil d’automobiliste. Nous avons par ailleurs indiqué, pour chaque objectif, quelles sont les informations nécessaires pour les atteindre, ce qui permettra de produire des recommandations sur comment utiliser les données numériques en ce sens dans la Section 3 de ce document. Finalement, chaque objectif est rattaché à des conditions de succès qui dépassent la question de l’exploitation des données numériques. En effet, si les données peuvent être un levier au service des politiques de mobilité, elles ne suffissent pas à les rendre opérationnelles. Au contraire, l’utilisation des données doit s’articuler de manière cohérente à des politiques de mobilité qui vont au-delà du numérique pour avoir un effet transformateur.

Le tableau ci-dessous synthétise ces informations. Il est important de signaler que les objectifs listés sont en grande partie interdépendants. Pour être atteints dans les meilleurs conditions possibles ils doivent être compris comme un tout cohérent. Par exemple, diminuer l’usage de la voiture lié aux achats par les résidents du centre-ville et des quartiers à proximité (objectif 3) implique que ces derniers fassent plus de recours au stationnement de longue durée. Ceci renvoie à la problématique des voitures ventouse. En effet, si les résidents du centre-ville et des quartiers à proximité sont amenés à moins utiliser leurs voitures particulières, il est souhaitable que celles-ci soient stationnées dans des parkings gratuits sous-utilisées ou dans des parkings payants avec la carte résident de façon à éviter la surutilisation de certains parkings par des voitures ventouses des résidents (objectif 1).

Tableau 1: Synthèse des objectifs de changement de comportement de stationnement et des moyens nécessaires pour les atteindre

Le problème des voitures ventouses a été traité en privilégiant une approche incitative (campagnes de communication et forfaits de la carte résident attractifs) plutôt que répressive (verbalisations). L’approche incitative semble être une bonne première approche qui pourrait, le cas échéant, être accompagnée dans un deuxième temps d’une augmentation des verbalisations si les incitations s’avèrent insuffisante pour répondre au problème des voitures ventouses (objectifs 1 et 2). Si une augmentation des verbalisations s’avère pertinente, la police municipale dispose déjà d’alertes automatiques générées par la plateforme de gestion des places de stationnement surveillées.

En ce qui concerne l’incitation des personnes résidant dans ou près du centre-ville à ne pas utiliser la voiture pour faire des achats en centre-ville (objectif 3) et l’incitation des personnes résidant loin du centre-ville à stationner dans un parking sous-utilisé pour ensuite faire plusieurs achats à pied (objectif 5), deux problèmes liés se posent. Il s’agirait premièrement de connaître quel est le temps maximal de parcours à pied entre le parking et le magasin de centre-ville que les individus habitant en dehors du centre-ville accepteraient de marcher. Deuxièmement, si le stationnement gratuit en centre-ville se réduit trop, ces personnes risquent d’opter pour des zones commerciales en dehors du centre-ville qui offrent du stationnement gratuit.

La question du temps maximal de parcours acceptable entre le parking et le lieu de destination (ex : le magasin) peut être décomposée en deux familles de variables qui l’influencent. La première famille regroupe les variables influençant le temps maximal de trajet à pied sur lesquels les collectivités locales ne peuvent pas agir : âge, situation d’handicap, temps dont la personne dispose au moment de réaliser son trajet... Ces variables sont propres à l’individu et la situation dans laquelle ils se trouvent au moment de se déplacer. Plusieurs sources (traces numériques, enquêtes, observation...) peuvent être utilisées pourmesurer de manière plus ou moins exacte le temps de trajet à pied maximal toléré par les individus en fonction de leurs caractéristiques individuelles. La deuxième famille comprend les variables influençant le temps maximal de parcours à pied toléré par l’individu sur lesquelles les collectivités locales peuvent agir :

• Offre de places disponibles dans le parking préconisé par la collectivité par rapport à l’offre de places disponibles dans le parking ciblé par l’individu

• Prix du parking préconisé par la collectivité par rapport au prix du parking ciblé par l’individu

Compte tenu de la taille du centre-ville de Soissons, dans beaucoup de cas les habitants n’ayant pas une mobilité réduite devraient trouver le temps de marche le plus long possible (soit 10 minutes, ce qui équivaut à traverser le centre-ville) acceptable.

En ce qui concerne ces deux variables, plusieurs cas de figure représentés dans la figure ci-dessous peuvent être envisagés selon comment elles se combinent.

Figure 1: Temps de marche à pied parking-magasin maximale tolérée en fonction de plusieurs variables

La Figure 1 synthétise comment le temps maximal de marche entre le parking et le magasin toléré par les automobilistes évoluerait en fonction du prix et de la disponibilité des places situées en face des magasins vis-à-vis des places des parkings actuellement sous-utilisés situés plus loin des magasins. Ces combinaisons de prix/disponibilités traduisent des contraintes et des incitations qui peuvent mener à des changements de comportements de la part des automobilistes. Chacune des 4 situations représentées dans la Figure 1 représentent des cas extrêmes qui sont mis en relief pour illustrer comment le choix des automobilistes peut dépendre des prix et des disponibilités de places de stationnement. Une infinité de cas intermédiaires sont possibles.

L’axe des abscisses représente le rapport de prix entre le parking ciblé par l’automobiliste (typiquement une place en face du lieu de destination) et le parking dans lequel la collectivité voudrait que l’individu stationne son véhicule (typiquement un parking sous-utilisé situé plus loin du lieu de destination). A fur et

à mesure qu’on avance de gauche à droite sur l’axe, le prix du parking ciblé par l’automobiliste devient plus élevé par rapport à celui du parking préconisé par la mairie. L’extrême droit de cet axe correspond au cas où le parking ciblé par l’automobiliste serait « très cher » et le parking préconisé par la mairie serait gratuit. L’extrême gauche de l’axe représente la situation inverse. L’axe des ordonnées représente le rapport entre les places disponibles dans le parking ciblé par l’automobiliste et le parking préconisé par la collectivité. Au fur et à mesure qu’on avance du bas vers le haut de l’axe, le nombre de places disponibles dans le parking ciblé par l’automobiliste devient plus élevé par rapport au nombre de places disponibles dans le parking préconisé par la mairie. Dans l’extrême haut de cet axe le parking ciblé par l’automobiliste aurait donc « beaucoup » de places disponibles et le parking préconisé par la mairie en aurait peu voire aucune. Dans l’extrême bas la situation inverse aurait lieu.

Chacun des quatre points placés sur le graphique représentent des situations extrêmes de combinaisons prix/disponibilité donnant lieu à des temps de marche maximaux tolérés différents. Pour répondre aux objectifs de diminuer l’usage de la voiture par les personnes résidant dans ou à proximité du centre-ville en faveur de la marche à pied et le vélo (objectifs 3 et 4) et d’inciter les personnes habitant loin du centre-ville à stationner leurs voitures dans un parking sous-utilisé et faire le reste des trajets à pied (objectif 5), il faudrait tendre vers le point bas à droite de la Figure 1. Ceci impliquerait que les parkings ciblés par les automobilistes soient chers par rapport à ceux préconisés par la mairie (ex : parking ciblé par l’automobiliste gratuit pendant 15 min vs parking préconisé par la mairie gratuit pendant 3h) et que le nombre de places disponibles dans le parking ciblé par l’automobiliste soit faible par rapport au nombre de places disponibles dans le parking préconisé par la mairie. Cependant, il est important de rappeler que les mesures proposées ne seront pas efficaces et peuvent être même contreproductives (désertion du centre-ville au profit des zones commerciales) que si elles sont accompagnées d’autres mesures qui incitent au déplacements doux (voir conditions de succès 3.1 à 3.6 et objectif 1).

D’autres combinaisons prix/disponibilités donneraient lieu à différents types de comportements et donc à d’autres temps maximaux de marche à pied tolérés. L’encart ci-dessous présente quelques cas extrêmes indiqués dans la Figure 1 et la situation actuelle à titre de comparaison.

Encart 1: Situations extrêmes et situation actuelle à partir de différentes combinaisons prix/disponibilité

Situation actuelle (point en haut à gauche). Les places disponibles en face des magasins sont nombreuses et le temps de stationnement nécessaire pour faire des achats est gratuit (parkings gratuits ou temps de stationnement inférieur aux 15 minutes gratuites accordés en places payantes). Ceci incite les automobilistes à faire recours à la voiture pour chaque achat et donc à tolérer un temps de marche à pied entre le lieu du stationnement et le magasin très limité.

Situation extrême « beaucoup de petits trajets ou infraction » (point en haut à droite). Beaucoup de places sont disponibles en face des magasins, alors que peu de places sont disponibles dans les parkings préconisés par la mairie. En revanche, alors que les premières sont payantes, ces dernières sont gratuites. Dans cette situation, l’automobiliste se dirigera vers des places situées en face du magasin tant que le temps de stationnement soit suffisamment court pour éviter de payer (moins de 15 minutes avec les tarifs actuels) ou que la probabilité d’être verbalisé soit faible. Le temps maximal de marche à pied toléré se situera quelque part entre celle correspondant aux deux situations précédentes.

Situation extrême « long temps de recherche d’une place » (point en bas à gauche). Les places en face des magasins sont gratuites et peu nombreuses alors que les parkings préconisés par la mairie disposent de beaucoup de places payantes. L’automobiliste passera donc un temps considérable à rechercher une place face au magasin pour éviter de payer son stationnement. S’il trouve une place en face du magasin, il fera le reste des achats à pied au moins qu’il repère une place disponible face au prochain magasin de son itinéraire.

Toutefois, pour qu’une (bonne) combinaison d’incitations et de contraintes puisse être efficace plusieurs informations doivent être intériorisées par les individus. Pour que les automobilistes soient incités à se rendre à un parking préconisé par la mairie, il faut qu’ils sachent que le parking existe en premier lieu et qu’ils puissent se faire une idée du nombre de places disponibles dans ce parking par rapport au nombre de places disponibles en face du lieu de destination. Si, en plus, des informations confrontant leurs représentations des temps de parcours leur sont transmises (ex : « vous êtes à 3 minutes à pied de votre lieu de destination »), ces incitations vont être plus efficaces. En ce qui concerne les contraintes, il faut également que les individus sachent à quel point il est difficile de trouver une place en dehors du parking préconisé par la mairie, qu’ils connaissent la politique tarifaire et que celle-ci soit appliquée de manière rigoureuse.

Ceci renvoie à deux aspects clés à prendre en compte dans l’élaboration d’une politique visant à changer les comportements de stationnement à l’aide de la donnée que nous traiterons dans la Section 3 :

• la production des données et des indicateurs pertinents pour faire évoluer les comportements

• et la façon dont ils sont traduits en informations appréhendables par les usagers.

A ceci s’ajoutent des conditions de succès qui dépassent le domaine des données numériques (contrôle des infractions, un espace urbain qui incite les individus à marcher...) déjà énumérées dans la dernière colonne de droite du Tableau 1.

En ce qui concerne la question de la concurrence entre les commerces de centre-ville et les centres commerciaux, une contradiction dans les objectifs de politique publique de Soissons apparaît. Inciter l’usage des modes doux au détriment de la voiture (objectifs 3 et 4) et promouvoir un usage limité de la voiture pour les achats en centre-ville (objectif 5) nécessite de limiter l’offre de stationnement gratuit très proche des commerces. Cependant, ceci inciterait les individus à opter pour les centres commerciaux en dehors du centre-ville, lesquels offrent du stationnement gratuit et quasi-illimité. Ceci irait à l’encontre des politiques de revitalisation du commerce de centre-ville en cours. La résolution de cette contradiction passe par la reconversion du centre-ville et la mise en place d’un système de livraison.

En ce qui concerne la reconversion du centre-ville, il s’agirait de le rendre plus attirant en agissant à la fois sur l’espace urbain et sur l’animation commerciale tout en veillant à ce que la typologie des commerces soit adaptée à la population. Cette reconversion permettrait de rendre le centre-ville plus agréable pour en faire un espace auquel les habitants se rendent pour d’autres raisons que la réalisation d’achats. De cette façon, l’arbitrage en faveur du centre-ville serait fait indépendamment de l’offre de stationnementdes centres commerciaux. Une telle reconversion constitue un processus long que la ville de Soissons ne peut pas mener par elle-même. Au contraire, un travail multi-partenarial dont la ville serait une des parties prenantes doit être réalisé. La reconversion du centre-ville ne doit donc pas être pensée comme une action à être menée par la ville dans le cadre de cette étude mais comme une condition permettant d’atteindre les objectifs 3 et 4 (inciter l’usage des modes doux au détriment de la voiture) et 5 (promouvoir un usage limité de la voiture pour les achats en centre-ville) sans nuire à l’attractivité commerciale du centre-ville.

Concernant le système de livraison, il s’agit d’atteindre les objectifs 3 et 5 sans détourner vers les centres commerciaux les individus qui font recours à la voiture pour transporter leurs achats. En effet, un service permettant d’acheter en centre-ville et de se faire livrer les courses faites dans plusieurs magasins à domicile permettrait de faire des achats à pied ou à vélo. Les habitants qui, soit par préférence ou du fait d’habiter loin du centre-ville préféreraient utiliser leurs voitures auraient toujours l’option de stationner dans des parkings actuellement sous-utilisés se trouvant à proximité des magasins.

3 - Transformer les données en information au service des politiques de mobilité

Dans cette section nous présentons les indicateurs que nous avons construits à partir des données exploitables par la mairie de Soissons pour aider à répondre aux problématiques de mobilité évoquées dans la section 2. Ces indicateurs ont été produits dans un tableau de bord (voir fichier Excel annexe) à partir de données réelles couvrant le mois de janvier 2020, seul mois pour lequel une série de données de stationnement « normale »3 était disponible. Si, comme nous l’expliquerons par la suite, cette période estinsuffisante pour tirer des conclusions fermes, elle nous permet néanmoins d’illustrer la méthodologie de construction des indicateurs et leur interprétation.

Le tableau ci-dessous résume quels indicateurs ont été développés en fonction des objectifs de changement de comportement définis dans la section 2 et comment ils peuvent être utilisés pour contribuer à les remplir. Dans les sections suivantes nous décrivons comment chaque indicateur a été construit et nous apportons des éclairages méthodologiques pour les manipuler et interpréter.

Tableau 2: Indicateurs à mobiliser et usages possibles pour répondre aux problématiques de mobilité

En ce qui concerne la problématique du fort recours à la voiture pour des trajets courts en centre-ville, il est important de signaler que les indicateurs proposés ne permettent pas de distinguer les automobilistes habitant le centre-ville ou à proximité et ceux habitant loin du centre-ville. Comme nous le détaillerons dans les sous-sections 3.1.3 et 3.1.4, ces indicateurs doivent être utilisés comme un instrument de diagnostic et de ciblage et suivi de politiques publiques de mobilité.

3.1 Les indicateurs construits 3.1.1 Taux d’occupation

Définitions

Taux d’occupation : Nombre de voitures stationnées à un instant t dans la zone / Nombre de places disponibles dans la zone

Taux d’occupation moyen : Moyenne des taux d’occupation de la zone / pour un horaire-jour donné pendant une période

Source des données et méthode de calcul

Les taux d’occupation ont été calculés à partir de l’extraction « Capture de l'occupation par heure » de Parking Map. Etant donné que cette extraction ne permet d’obtenir que les données des dernières 48 heures de la date choisie, nous avons réalisé une quinzaine d’extractions (soit des extractions couvrant la totalité du mois de janvier 2020) par zone de stationnement par zone et compilé les données. Nous avons associé à chaque date le jour de la semaine correspondant de façon à pouvoir analyser les tauxd’occupation moyen selon le jour de la semaine.

Il est important de signaler que nous avons réalisé une étude sur un seul mois étant donné que, comme expliqué plus haut, il s’agissait de la seule période avec des données « normales ». Néanmoins, une fois que plus de données normales seront générées, nous recommandons de calculer les taux d’occupation moyens sur une période d’entre 4 et 6 mois. Le choix des mois doit prendre en compte les facteurs qui peuvent influencer significativement l’usage de la voiture en centre-ville de façon à regrouper des mois comparables. Par exemple, les semaines des vacances scolaires pourraient être analysées séparément des semaines scolaires s’il s’avère qu’un nombre significatif de stationnements est expliqué par le fait que des parents déposent leurs enfants à l’école. Pour établir quelles séries de mois doivent être regroupées dans l’analyse nous recommandons faire recours à des études de mobilité et des enquêtes faires sur le territoire ainsi qu’aux connaissances des usages du stationnement de la mairie.

Finalement, nous avons exclu de l’analyse deux types de données. Premièrement, les jours fériés allant du lundi au vendredi. En effet, les comportements de stationnement varient considérablement entre les jours de semaine, d’une part, et les week-end et les jours fériés, d’autre part. De ce fait, dans l’objectif de ne pas biaiser l’interprétation des taux d’occupation moyens par jour de la semaine, nous avons exclu les jours fériés ayant eu lieu en jours de semaine. Deuxièmement, nous avons exclu les « données aberrantes », soit les registres pour lesquels le nombre d’usages (voitures stationnées) dépasse le nombre de places disponibles de la zone.

Interprétation et usages de l’indicateur

Comme indiqué dans le Tableau 2, le taux d’occupation moyen d’une zone de stationnement à un moment (tandem heure / jour de la semaine) pourra être utilisé pour orienter les automobilistes vers les zones de stationnement sous-occupées. Plusieurs considérations méthodologiques doivent être prises en compte pour réaliser une telle préconisation.

Premièrement, étant donné que les taux d’occupation varient considérablement en fonction du jour de la semaine et de l’horaire, ils doivent être calculés par jour de la semaine et horaire. De ce fait, les préconisations faites aux automobilistes ne devront pas porter sur une zone en elle-même mais plutôt sur une zone en particulier en fonction du jour de la semaine et de l’heure. Ceci est d’autant plus important que la perception du taux d’occupation des automobilistes est basée sur les horaires / jours pendant lesquels ils cherchent à stationner. De ce fait, les taux d’occupation perçus pour un jour donné sont souvent plus élevés que ceux calculés pour la journée entière. Pour illustrer ce point, imaginons une zone qui est inoccupée entre 0h et 12h et se remplit entièrement entre 13h et 0h, ce qui oblige une partie des automobilistes à chercher une autre zone de stationnement entre 13h et 0h. Ces automobilistes auront perçu un taux d’occupation de 100% même si, calculé sur une journée, il est de 50%.

Deuxièmement, pour réaliser une telle préconisation, une comparaison des taux d’occupation pour un tandem horaire / jour de la semaine des 13 zones de stationnement surveillées doit être faite. L’onglet « Comparaison des taux d’occupation » du tableau de bord sert à faciliter cet exercice. Par exemple, comme illustré ci-dessous, les données de janvier 2020 indiquent que la Place Mantoue est une zone généralement sous-occupée par rapport à la moyenne, notamment les samedis. En revanche, les lundis à 10 heures du matin semble être un créneau pour lequel cette zone est sur-occupée par rapport à la moyenne.

Figure 3 : Taux d’occupation en janvier 2020 de la Place Mantoue par rapport à la moyenne des zones de stationnement de Soissons selon heure et jour de la semaine

Troisièmement, si les différences de taux d’occupation entre zones pour un tandem horaire / jour doivent être prises en compte pour orienter les automobilistes vers les parkings sous-utilisés, des seuils d’occupation à partir desquels une zone peut être considérée comme « sous-occupée » ou « très sous- occupée » à un moment donné doivent être établis. Dans le cas contraire, des automobilistes pourraient être dirigés vers des zones sous-occupées par rapport à la moyenne mais pour autant sur-occupées. Il est donc important de souligner que, compte-tenu des objectifs de changement de comportement cités plus haut, une zone doit être considérée comme « sous-occupée » à un moment donné si, en s’y rendant, l’automobiliste a une grande probabilité de trouver une place.

La littérature montre que, comme illustré dans la figure ci-dessous (cf. Figure 4), la relation entre le taux d’occupation et la probabilité de trouver une place libre est exponentielle. Autrement dit, au fur et à mesure que le taux d’occupation augmente, la probabilité de trouver une place vide diminue de plus en plus vite. Les études empiriques et des simulations (Gallo et al., 2011; Levy et al., 2013; Martens and Benenson, 2008; Benenson et al., 2008)4 montrent qu’en dessous d’un taux d’occupation de 85% laprobabilité de trouver une place vide est élevée (supérieure ou égale à 90%). Nous recommandons donc d’utiliser ce seuil comme première démarcation entre les zones « sous-occupées » et « sur-occupées ». Pour ces dernières, compte-tenu de la relation exponentielle entre le taux d’occupation et la probabilité de que la zone soit pleine, nous recommandons l’utilisation d’une gradation de seuils de plus en plus proches les uns des autres au fur et à mesure que le taux d’occupation augmente de façon à différencier des niveaux de sur-occupation. Le tableau ci-dessous présente les seuils pour évaluer la probabilité de ne pas trouver une place en fonction du taux d’occupation.

Tableau 3: Seuils de taux occupation horaire permettant d’évaluer la probabilité de trouver une place

Figure 4: Relation entre le taux d'occupation horaire (axe des abscisses) et la probabilité de que le parking soit plein (axe des ordonnées) en fonction du nombre de places

Source : Millard-Ball, Weinberger & Hampshire (2014)5

Par ailleurs, étant donné que la probabilité que la zone soit pleine décroit en fonction du nombre de places, des seuils différents pourraient être établis en fonction de la zone. Par exemple, des seuils plus élevés pourraient être établis pour la Place Fernand Marquigny et la rue Jean de Dormans.

Les seuils proposés permettent d’évaluer si le taux d’occupation observés dans chaque poche de stationnement à une certaine heure peut se traduire par une difficulté à trouver une place pour l’automobiliste. Cependant, étant donné que à Soissons le taux d’occupation est en dessous de 69% pour la plupart des tandems jour de la semaine / horaire / lieu, nous proposons dans le Tableau de bord d’utiliser une gradation de couleurs qui ne tiennent pas compte de seuils fixés à priori mais qui, au contraire, signale les écarts de taux d’occupation indépendamment de leurs valeurs.

Ceci dit, même en absence de problèmes de sur-occupation des poches de stationnement il est intéressant de pouvoir comparer quelles poches de stationnement sont plus ou moins occupées que la moyenne de l’horaire/jour en question. L’onglet « Comparaison taux d’occupation » du tableau de bord offre une telle comparaison en surlignant en vert les horaires/jours avec un taux d’occupation 50% en dessous de la moyenne des poches de stationnement pour le même horaire/jour et en rouge les horaires/jours avec un taux d’occupation 50% supérieur à la moyenne des poches de stationnement pour le même horaire/jour. Par exemple, comme la figure ci-dessous le montre (cf. Figure 5), en janvier 2020 l’occupation de la Place de l’Hôtel de Ville a été 64% inférieure à la moyenne des poches de stationnement les samedis à 8h.

Figure 5: Extrait de l'onglet "Comparaison taux d'occupation" du tableau de bord (données janvier 2020)

3.1.2 Nombre de voitures ventouses

Définition :

Nombre de voitures stationnées pendant une période supérieure à 7 jours.

Source des données et méthode de calcul

Les données sont issues de l’extraction « Evolution des usages » de Parking Map. Le nombre de voitures ventouses a été agrégé par jour de la semaine et zone dans le tableau « Voitures ventouses – 13 zones » du tableau de bord (cf. Figure 6 ci-dessous). Des moyennes ont été calculées pour chaque zone et jour de la semaine. Contrairement au cas de l’indicateur « taux de stationnement », pour lequel des seuils critiques étaient pertinents pour analyser les données en vue de l’objectif (détecter quelles zones /horaires présentaient une forte ou faible probabilité de ne pas avoir des places disponibles), le nombre absolu de voitures ventouses est un indicateur pour lequel la fixation de seuils critiques ne sera pas utile à la prise de décisions. De ce fait, les couleurs du tableau « Voitures ventouses – 13 zones » ne répondent à aucun seuil fixé a priori mais à une comparaison des écarts de données. De de ce fait, le rouge le plus foncé est attribué à la valeur la plus haute et le vert le plus foncé à la valeur la plus base.

Interprétation et usages de l’indicateur

La comparaison du nombre de voitures ventouses selon le jour de la semaine et les zones présentée dans le tableau « Voitures ventouses – 13 zones » du tableau de bord (cf. Figure 6 ci-dessous) permet de tirer des conclusions utiles à la réalisation des objectifs 1 et 2. Le code de couleurs permet de voire rapidement quels sont les jours de la semaine et les zones qui présentent le plus de voitures ventouses.

Figure 6: Onglet « Voitures ventouses - 13 zones » du tableau de bord (données janvier 2020)

Une première lecture par ligne sert à détecter les zones sur lesquelles un politique de réduction du nombre de voitures ventouses est prioritaire. Les données de janvier 2020 montrent que la Place de l’Evêché et la Place Fernand Marquigny sont les deux zones qui présentent en moyenne le plus de voitures ventouses. En effet, le nombre de voitures ventouses moyen par jour est 2,8 fois supérieur à la moyenne des zones pour la première et 2 fois supérieur pour la seconde. Les lundis apparaissent comme les jours les plus problématiques pour la Place de l’Evêché (35 voitures ventouses en moyenne, soit près de 6 fois plus de la moyenne) et les mardis et les mercredis comme les plus problématiques pour la Place Fernand Marquigny (30 et 44 voitures ventouses respectivement). Cependant, suite à une consultation auprès du fournisseur de capteurs de la ville de Soissons nous avons pu constater que les informations relatives aux voitures ventouses les mercredis dans la Place Fernand Marquigny sont inexactes. Toutefois, même si les informations sont imprécises, la façon de les interpréter à travers le tableau « Nombre de voitures ventouses par zone et jour de la semaine » reste exacte.

Une deuxième lecture par colonne permet d’identifier les jours de la semaine dans lesquels la problématique de voitures ventouses est plus fréquente. Les données de janvier 2020 montrent que les lundis et les mardis sont les jours pour lesquels le nombre moyen de voitures ventouses dépasse la moyenne. Si un nombre moyen de voitures ventouses plus élevé en semaine qu’en week-end est constaté sur une période de temps plus représentative, cela pourrait signaler la présence de voitures ventouses liée à des déplacements domicile travail.

Un croisement entre les données des voitures ventouses et les données de sur-occupation et de sous- occupation permet d’identifier vers quels parkings une solution légale de stationnement de longue durée pourrait être promue auprès des automobilistes responsables des voitures ventouses. Par exemple, les lundis, les mardis et les mercredis ayant été identifiés comme les jours de la semaine pour lesquels les voitures ventouses sont plus présentes et concentrés sur les zones « Place Fernand Marquigny » et « Place de l’Evêché », il s’agit de chercher quels sont les zones pour lesquelles les taux d’occupation sont les plus bas ces jours pour orienter les automobilistes vers ceux qui seraient les plus proches des deux zones mentionnées. En examinant l’onglet « Comparaison taux d’occupation » nous voyons que, en janvier 2020, les mercredis la Place Mantoue (12% de taux d’occupation, soit -62% par rapport à la moyenne de ce jour) et l’Esplanade du Mail (19% de taux d’occupation, soit -54% par rapport à la moyenne de ce jour) sont particulièrement sous-occupées.

Il est intéressant de noter que c’est aussi le cas pour la Place Fernand Marquigny, qui présente un taux d’occupation de 14% en moyenne les mercredis, soit -54% par rapport à la moyenne de ce jour. Cela indique que les voitures ventouses n’empêchent pas autres voitures de stationner dans la Place Fernand Marquigny les mercredis.

3.1.3 Taux de rotation

Définition

𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑣éh𝑖𝑐𝑢𝑙𝑒𝑠 𝑎𝑦𝑎𝑛𝑡 𝑠𝑡𝑎𝑡𝑖𝑜𝑛𝑛é 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑖 𝑝𝑒𝑛𝑑𝑎𝑛𝑡 𝑢𝑛𝑒 𝑝é𝑟𝑖𝑜𝑑𝑒 / 𝑁𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑙𝑎𝑐𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑖

Source des données et méthode de calcul

Les taux de rotation ont été calculés à partir de l’extraction « Moyenne hebdomadaire d'usages par heure » de Parking Map. Pour obtenir le taux de rotation horaire, chacune des valeurs de cette extraction a été divisée par le nombre de places de la zone en question.

Interprétation et usages de l’indicateur

Le taux de rotation indique le nombre moyen de voitures qui ont occupé une place de stationnement pendant une période. Si, par exemple, le taux de rotation horaire d’une zone est égal à 2, cela veut dire que, en moyenne, chaque place a été occupée 2 fois pendant une heure.

Cet indicateur est donc un outil de diagnostic qui permet d’identifier les zones, les jours de la semaine et les horaires pour lesquels le temps moyen de stationnement est le plus bas ou, au contraire, le plus élevé : quand le taux de rotation augmente, le temps moyen de stationnement de chaque voiture diminue. Cependant, le taux de rotation n’indique pas comment ce temps moyen de stationnement se distribue. Si on revient à l’exemple précédent, les deux voitures auraient pu stationner 30 min chacune, mais aussi 50 min pour la première et 10 minute pour la seconde. Ou encore, 10 minutes pour la première et 2 minutes pour la seconde, le reste du temps la place étant resté inoccupée.

De ce fait, nous recommandons de croiser cet indicateur avec la distribution du temps de stationnement (voir ci-dessous) par zone, les deux étant complémentaires. Le taux de rotation permet d’obtenir une mesure de la demande de stationnement entre zones et créneaux horaires qui est comparable d’une zone à l’autre. La distribution du temps de stationnement par zone fournit le détail de comment cette demande de stationnement a été répartie en termes de temps de stationnement. Le croisement de ces deuxindicateurs est d’autant plus important que, dans le cas de Soissons, la plateforme Parking Map fournit des données permettant de calculer des taux de rotation horaire selon le jour de la semaine mais ne produit des informations sur la distribution du temps de stationnement que par jour de la semaine. Etant donné que la demande de stationnement varie considérablement tout au long d’une journée, il convient donc d’intégrer les deux indicateurs dans l’analyse.

En ce sens, le taux de rotation peut être utilisé pour aider à la mise en place et le suivi des objectifs relevant de l’incitation de l’usage de mode doux pour des trajets courts en centre-ville (objectifs 3 et 4). Les zones, jours et horaires pour lesquels les taux de rotation sont les plus élevés sont ceux pour lesquels le temps moyen de stationnement devrait être le plus bas. De ce fait, ils représentent les cibles prioritaires d’une politique de report modale vers des modes doux. La comparaison des taux de rotation pour un tandem horaire / jour de la semaine des 13 zones de stationnement surveillées faite dans l’onglet « Comparaison des taux de rotation » du tableau de bord sert à faciliter cette prise de décision.

Les données de janvier 2020 issues de cet onglet font émerger des cibles prioritaires. On constate que pour une grande partie des horaires / jours de la semaine la Rue Saint Martin présente des taux de rotation plus de 50 % (et, dans beaucoup de cas, plus de 100%) au-dessus de la moyenne des 13 zones pour l’heure / jour de la semaine en question. D’autres cibles plus circonscrites à des jours / horaires émergent également, comme par exemple le Square Bonnenfant les samedis jusqu’à 13h.

Il est important de signaler que des tandems « zone / horaire / jour de la semaine » avec de grands écarts à la moyenne ne doivent pas être analysés sans être mis en perspective par rapport aux taux de rotation. Par exemple, les données de janvier 2020 montrent que le taux de rotation de la Place Dauphine est 146% plus élevé que la moyenne des zones les jeudis à 2h du matin. Cependant, le taux de rotation horaire de la Place Dauphine pour ce créneau est de 0,54. Cela veut dire que, en moyenne, moins d’une voiture utilise une place entre 2h et 3h du matin. De ce fait, ce tandem « zone / horaire / jour de la semaine » ne devrait pas faire l’objet d’une cible de réduction de la part modale de la voiture pour de très courts trajets.

En ce sens, il est important de signaler qu’un niveau de rotation donné ne doit pas être analysé en soi mais par rapport à un objectif de politique publique. En effet, des bas taux de rotation seront considérés positifs pour une zone résidentielle mais problématiques pour une voie commerciale en hyper-centre. La littérature donne des repères en ce qui concerne le taux de rotation journalier (voitures / place / jour).

En reprenant les études du CEREMA ( Stationnement et déconfinement : Un nouveau regard pour réinventer l'espace public Nantes Métropole, Auran (2016). Mobilo’scope #2 (2020)), nous avons proposé les seuils suivants pour analyser les taux de rotation journaliers que l’onglet « Taux de rotation – 13 zones » du Tableau de bord calcule pour chaque zone :

Tableau 4: Qualification des taux de rotation journaliers proposés

De même, le taux de rotation doit également s’analyser au regard du caractère payant ou non du stationnement : des taux de rotations plus importants devraient être observés dans des zones qui offrent peu ou pas de temps de stationnement gratuit et vice-versa. De ce fait, le temps de stationnement gratuit offert dans chaque zone peut être utilisé comme un levier pour faire varier le taux de rotation dans le sens d’une politique publique de mobilité.

En ce sens, dans une perspective de suivi de l’efficacité de politiques publiques visant à réduire la part modale de la voiture expliquée par des trajets courts en centre-ville, une baisse du taux de rotation accompagnée d’une hausse des flux piétons et de l’usage du vélo dans les zones et créneaux ciblés devraient être observés si la politique a du succès. En ce qui concerne les flux piétons, les données issues de MyTraffic pourraient être mobilisées. Quant aux données d’usage du vélo, nous recommandons deréaliser des enquêtes après une fois les aménagements cyclables prévus dans le cadre de schéma directeur cyclable réalisés.

3.1.4 Stationnement de courte durée

Définitions

Pourcentage de véhicules stationnés pendant moins de 15 minutes pendant une période donnée.

Interprétation et usages de l’indicateur

Comme évoqué plus haut, le pourcentage de stationnement de courte durée (soit moins de 15 minutes) peut être mobilisé en complément du taux de rotation à la fois pour cibler des zones prioritaires pour une politique de report modal vers des modes doux et pour suivre son efficacité. Si les extractions de Parking Map ne permettent pas de calculer ce pourcentage selon le jour de la semaine et l’horaire, elles fournissent néanmoins un détail par tranches de durée.

Le pourcentage de stationnement de courte durée est également un indicateur qui sert d’outil de diagnostic à employer en amont de l’élaboration d’une politique publique. Les données de janvier 2020 illustrent bien le type de diagnostic qui peut être fait. D’après ces données, un tiers des stationnements à Soissons aurait une durée de moins de 5 minutes7. La comparaison des pourcentages de stationnements de courte durée entre les zones est également éclairante. Comme l’onglet « Stationnement de courte durée » du tableau de bord le montre, toutes les zones présentent un taux de stationnement de courte durée de plus de 50% à l’exception de la Place Mantoue, pour laquelle ce pourcentage est de seulement 21%. Ceci indiquerait que la Place Mantoue ne devrait pas faire être une cible prioritaire d’une politique de report modal vers des modes doux. Il convient de signaler que, d’après les informations fournies par le prestataire de stationnement intelligent de la ville de Soissons, des disfonctionnements des capteurs ont fait remonter des données inexactes en janvier 2020 en ce qui concerne le stationnement de très courte durée. L’interprétation fournie ne doit pas donc être comprise que comme une illustration de comment l’indicateur relatif au stationnement de courte durée évoqué plus haut doit être interprété.

Le schéma ci-dessous synthétise, pour une zone donnée, les questions auxquelles chaque indicateur en lui-même et le croisement de deux indicateurs permettent de répondre. Dans certains cas, comme nous l’avons évoqué plus haut, la réponse aux questions nécessitera de mettre les valeurs des indicateurs en perspective par rapport à des seuils ou en comparant des zones. Par ailleurs, comme nous l’avons montré tout au long de cette section, en comparant plusieurs zones, la lecture d’un seul indicateur et le croisement d’indicateurs permettent de répondre à d’autres questions qui ne sont pas présentées dans le schéma.

Figure 7 : Questions auxquelles un indicateur et le croisement de deux indicateurs permettent de répondre pour une zone de stationnement donnée

4 - S’appuyer sur les informations pour faire évoluer les comportements

Nous avons à ce stade choisi et produit des indicateurs permettant à la ville de Soissons d’orienter et de suivre des politiques qui répondent aux objectifs de changement de comportement évoqués dans la section 2 et fourni des clés d’interprétation de ces indicateurs. Dans cette section nous synthétisons des leviers de changement de comportement possibles que la ville de Soissons pourra actionner pour atteindre ses objectifs en les reliant aux indicateurs. L’objectif de cette section n’est pas de développer ces leviers (lesquels seront évoqués avec plus de détail dans le livrable collectif de l’AMI) mais de montrer comment les indicateurs développés dans le cadre de l’accompagnement de Soissons pendant l’AMI peuvent être mobilisés pour actionner ces leviers. Nous visions de cette manière à accompagner la ville de Soissons dans l’exploitation de ses données dans l’objectif d’élaborer des outils de diagnostic, de ciblage et de suivi de politiques publiques de mobilité ainsi que d’alimenter l’évolution des comportements des habitants. En ce sens, ce document a vocation à être complémentaire aux actions qui se dégageront des études relatives à la mobilité que Soissons est en train de mener actuellement : si les données numériques ne suffissent pas à résoudre des problématiques de mobilité, elles constituent une matière riche pour élaborer et mener de manière efficace des politiques publiques qui les résoudront.

5 - Recommandations pour la suite

Les résultats obtenus pendant l’accompagnement de la ville de Soissons dans le cadre de l’AMI Open Data nous ont permis d’obtenir des résultats qui pourront donner lieu à des actions dans le court terme. En revanche, d’autres actions permettant de répondre aux objectifs établis dans la section devront être envisagés dans le moyen terme. Dans cette section nous livrons des recommandations qui tiennent compte de ces deux temporalités.

5.1 Recommandations de court terme

Recommandation #1 : Compiler les extractions de données de manière systématique dans une base de données

La production du tableau de bord a nécessité la compilation de nombreuses extractions générées par Parking Map. Compte-tenu du fait que Parking Map ne permet pas d’extraire des bases de données brutes, ce processus peut être laborieux du fait qu’il implique réaliser et compiler plusieurs extractions pour calculer la valeur d’un indicateur sur une période. Pour que le tableau de bord puisse être opérationnel dans la durée, nous recommandons de compiler de manière systématique les extractions de donnéesd’occupation de Parking Map dans une base de données. Ceci permettra de copier la période d’intérêt dans le tableau de bord au moment de réaliser une analyse et obtenir des résultats automatiquement.

Recommandation #2 : Mettre en place des politiques publiques suivant une logique d’expérimentation

Les politiques publiques évoquées dans la section 4 impliquent modifier les comportements habituels des habitants. Pour y parvenir, des résistances au changement vont devoir être levées. Il s’agit d’un processus qui requiert du temps et pour lequel procéder suivant une logique d’expérimentation permet de rendre plus acceptable le changement par les habitants. En outre, une expérimentation permet de tester des hypothèses et d’ajuster la politique en fonction de ses résultats, ce qui sera précieux pour mener des politiques à l’échelle du centre-ville de manière efficace. Les indicateurs développés dans le cadre de l’AMIpermettront de cibler les zones / jours de la semaine / horaires les plus propices à une expérimentation ainsi que de suivre ses résultats.

Recommandation #3 : Utiliser l’exploitation de la donnée comme un levier de création de transversalité entre les services de la mairie et l’agglomération

Le travail mené dans le cadre de l’AMI Open Data s’est centré sur les apports que l’exploitation de la donnée peut faire à la résolution de problématiques de mobilité qui impactent l’attractivité commerciale du centre-ville. Comme l’illustre le Tableau 1, la résolution de ces problématiques requiert des actions qui vont au-delà de la donnée et du numérique et qui vont nécessairement engager des agents responsables de la mobilité, l’attractivité commerciale et le centre-ville en général. Le travail collégial mené dans le cadre de l’AMI Open Data avec Lucie Billaud (Chargée de mission Smart City, ville de Soissons), Quentin Poilvé (Chef de projet Action Cœur de Ville, ville de Soissons) , Clotilde Cassemiche (Manager du Commerce, ville de Soissons) et Romain Maurice (Directeur Territoire-Habitat, Grands Soissons Agglomération) illustrent à quel point la transversalité entre les services est utile pour que la donnée puisse être mise au service des politiques publiques d’un territoire. Dans un contexte où Soissons est en train de mener plusieurs études qui aboutiront à des transformations du centre-ville et des pratiques de mobilité, reproduire cette démarche sera essentiel. De ce fait, nous recommandons d’utiliser l’exploitation des données réalisées dans le cadre de l’AMI, ainsi que toute autre exploitation des données, pour tisser des liens de transversalité entre les services qui seront amenés à travailler ensemble pour mener à bien les préconisations des études citées dans la section 1. Il s’agit de montrer aux différents responsables comment la donnée peut faciliter et enrichir leur travail en fournissant des outils d’aide à la décision, de création de nouveaux services et de pilotage de politiques publiques.

Recommandation #4 : Utiliser la datavisualisation pour communiquer auprès des décideurs et des habitants

La donnée peut être mobilisée pour faire évoluer les comportements des habitants et pour appuyer la prise de décisions des décideurs. Dans ce rapport nous avons apporté un outil de calcul et des éclairages méthodologiques sur comment exploiter ces données pour créer des indicateurs qui permettent de répondre à des problématiques de mobilité de Soissons dans ces deux sens. Cependant, un indicateur bien construit n’accomplira son objectif que si son usage est appréhendé par les décideurs et les habitants.

En ce sens, la datavisualisation a un rôle majeur à jouer. Pour accomplir son objectif, celle-ci doit respecter au moins deux principes. Premièrement, les informations véhiculées par la datavisualisation doivent être précises et complètes par rapport à l’objectif de communication de celui qui la produit. Par exemple, si l’on veut éviter que des automobilistes de rendent dans une zone de stationnement saturée à un moment précis, inscrire le nombre de places disponibles avec un code de couleurs dans un panneau de jalonnement dynamique (ex : « 3 places libres à l’Hôtel de ville » en rouge et « 45 places libres rue Saint Jean » en vert) permet d’offrir une information précise (l’automobiliste connaît le nombre exact de places) et complète (l’automobiliste a toute l’information nécessaire pour prendre une décision) pour que ceux-ci évaluent qu’il convient de se garer dans une zone faiblement occupée plutôt que dans une zone saturée. En revanche, si, en partant de la même base de données, on veut montrer au responsable de mobilité d’une ville quels quartiers manquent de places de stationnement, une heatmap ou « carte de fréquentation » (cf. illustration ci-dessous), bien que moins complète et précise (elle n’offre pas le nombre exact de places par zone de stationnement –complétude- ni dit de manière exacte dans quel degré une place est plus occupée qu’une autre – précision-) est suffisamment complète et précise compte-tenu de l’objectif, ce qui nous amène au deuxième principe : l’efficacité.

Figure 8: Heatmap des prix de l'immobilier à Amsterdam

Suivant l’exemple précédent, une heatmap est efficace pour montrer au responsable de mobilité quels quartiers manquent de places de stationnement parce qu’il transmet le message de manière claire en minimisant le temps d’observation tout en étant suffisamment précis et complet par rapport à l’objectif de communication. Le décideur pourra observer rapidement, par exemple, que le nord de la ville est en rouge foncé et que le reste de la ville est en vert. Le message aura été transmis de manière efficace sans besoin d’interpréter un indicateur ou de faire des calculs : les places de stationnement du nord sont sur- occupées.

Figure 9: Datavisualisation pour montrer l'impact du recours au bus et du covoiturage pour désencombrer les voies

Pour être efficace, une datavisualisation doit donc faire recours à une représentation cohérente avec le message que l’on veut faire passer avec la donnée sans offrir d’informations supplémentaires inutiles. Par exemple, si l’on veut montrer aux habitants comment l’usage du transport public et le covoiturage peuvent contribuer à désencombrer les voies, une représentation avec des icônes comparant le nombre de voitures à un seul occupant équivalentes à un bus ou à des groupes de covoiturage (cf. Figure 10) est une représentation cohérente et économe en informations. Si, en revanche, on veut illustrer auprès d’un décideur quels sont les signalements les plus récurrents dans une ville dans l’objectif de prioriser la réponse de la mairie, un treemap ou « carte proportionnelle » est une bonne option (cf. Figure 11) dans la mesure où elle met en relief les types de signalements les plus récurrents et montre dans quelle mesure ils sont plus récurrents que d’autres.

Figure 10: Exemple de treemap pour représenter la proportion de chacun des types de signalement

5.2 Recommandations de moyen terme

Recommandation #5 : Produire de nouvelles données relatives au vélo et l’équipement urbain

La réduction de la part modale de la voiture au profit de celle du vélo nécessite la création de pistes cyclables sécurisées ainsi que fournir aux habitants des espaces sécurisés pour garer des vélos. Une fois ces aménagements urbains réalisés, il est important de produire des données cartographiques qui les renseignent. Ceci permettra aux habitants de mieux connaître des alternatives à la voiture en visitant le site ou une appli de la ville ou d’un opérateur privé. En ce sens, il convient de mettre en open data ces données pour qu’elles soient diffusées et enrichies le plus possible. Par exemple, la qualification des pistes cyclables (sécurisée ou pas sécurisée, pente...), des espaces pour garer des vélos (à l’abri de la pluie ou pas) ou encore de l’équipement urbain en général peut servir à faciliter leur usage. Nous proposons d’utiliser Open Street Map, qui fonctionne avec des standards de données et en open data pour réaliser une première cartographie des équipements et encourager la communauté Open Street Map à l’enrichir. L’expérience de la ville de Digne-les-Bains (qui participe également de l’AMI Open Data) dans la cartographie collaborative avec la communauté Open Street Map peut être très utile pour entamer ce processus.

Recommandation #6 : Développer un logiciel de tableau de bord de la mobilité

Le tableau de bord développé par Chronos dans le cadre de l’AMI Open Data représente une solution opérationnelle de court terme qui permettra à la ville de Soissons d’exploiter les données dont elle dispose déjà pour agir dans le court terme sur les problématiques identifiées. Cependant, il présente deux limites. Premièrement, il s’agit d’un outil Excel, ce qui nécessite un travail manuel d’extraction des données produites par Parking Map pour l’alimenter. Deuxièmement, compte-tenu des objectifs de changement de comportement et des données existantes, il se limite aux données de stationnement produites par Parking Map. Cependant, d’autres données qui existent déjà et qui pourraient être croisées avec les données de stationnement (flux piétons, données sur les transports en commun, bornes arrêt minute...) pourraient être intégrées à un tableau de bord de la mobilité pour servir d’autres objectifs de politique publique, notamment dans un contexte de nombreuses transformations du centre-ville dans lequel s’inscrit l’AMI. Pour ces raisons, nous recommandons le développement d’un logiciel qui puisse récupérer les données de mobilité de diverses sources et prestataires et les croiser. Un tel logiciel devrait permettre également de mettre en open data les données que la mairie jugerait intéressantes à publier. Dans un tel logiciel, la flexibilité dans son adaptation aux besoins de la ville sera essentielle. La mairie devra être en capacité de produire de nouveaux indicateurs et de les mettre en perspective les uns avec les autres au fur et à mesure que ses besoins évolueront de façon à ne pas être limitée par les indicateurs ou les extractions par défaut du logiciel.

6 - Les documents de capitalisation

6.1 - Feuille de calcul des indicateurs

La feuille de calcul, format excel, est disponible ici. Elle peut être personnalisée par toute collectivité intéressée pour en faire un ouitl d'aide à la décision :

6.2 le rappport final

1 - Le contexte et la problématique

1.1 - La mobilité dans le centre-ville de Digne-les-Bains

La voiture personnelle comme mode de transport principal

L’usage de la voiture est ancré dans les habitudes de déplacement, notamment pour ceux qui travaillent à Digne-les-Bains mais n’y résident pas. Des embouteillages sont ainsi constatés aux heures d’arrivée et de départ des bureaux. En revanche, le centre-ville est décrit comme désert le week-end en dehors des heures de marché. Si l’autosolisme domine, le covoiturage est pratiqué et encouragé (site “Covoiturage 04” développé par le département, parkings et aires à destination des covoitureurs, appels de la Mairie à ses agents à effectuer leurs déplacements en covoiturage). Par ailleurs, une expérimentation est lancée en ce sens par l’agglomération cette année. L’autopartage, en revanche, n’est à notre connaissance pas développé à l’échelle de la commune. Les véhicules électriques sont majoritairement utilisés par les agents de la collectivité ou de la Poste. Quarante bornes de recharge sont disponibles sur le département et neuf à Digne les Bains.

Sont listés dans le tableau ci-dessous les principaux modes alternatifs à la voiture, leur niveau de diffusion, leurs principaux usagers, les initiatives prises à l’échelle du territoire pour encourager leur usage, ainsi que les actions qui pourraient être entreprises en vue de leur développement.

Les principales problématiques de mobilité : actions et données nécessaires à leur résolution

Plusieurs problématiques de mobilité ont été identifiées. Le tableau ci-dessous les énumère et précise les actions non numériques à mener (en cours ou à mettre en place) pour les résoudre, ainsi que les données numériques qui pourraient y contribuer. Nous voudrions souligner l’importance de l’articulation entre ces actions et les données numériques. En effet, si les données numériques peuvent être un levier pour résoudre des problématiques de mobilité et d’attractivité commerciale, leur efficacité va dépendre de comment l’articulation de leur exploitation est faite avec d’autres actions non liées au numérique. Par exemple, l’exploitation de données géographiques permettant la création d’une carte de pistes cyclables et des espaces de parking pour vélos est certainement un levier pour augmenter la part modale du vélo. Néanmoins, pour qu’une telle carte ait un effet en ce sens, il faut bien évidemment que ces pistes cyclables et parking existent et soient sécurisés.

2 - Le cas d'usage

2.1 - Des liens entre la mobilité et l’attractivité commerciale du centre-ville

Un accès aux commerces s’effectuant majoritairement par la marche (pour les habitants) et la voiture et la marche, pour les personnes extérieures

Dans le centre-ville, la marche à pied est particulièrement pratiquée, et reste un moyen fort d’accès aux commerces par :

• Les résidents qui se rendent dans les commerces locaux à pieds depuis leur domicile

• Les personnes âgées, qui cherchent à accéder, à proximité de chez eux, à des

  commerces divers

• Les CSP+, résidant principalement hors de Digne-les-Bains mais effectuant leurs courses dans ses commerces hauts de gamme et qui viennent en voiture puis se déplacent à pied

• Les personnes travaillant à Digne et y effectuant des petits achats en semaine. La fermeture des commerces entre midi et deux les amène toutefois à effectuer des déplacements pendulaires motorisés sur l’heure du déjeuner.

La perception du stationnement apparaît comme un frein à une fréquentation accrue des commerces du centre-ville.

Les besoins de stationnement sont couverts, même si les retours des usagers font état d’un mécontentement de devoir payer le stationnement, en comparaison des commerces de périphérie, qui proposent des places de stationnement gratuites. Le centre-ville et ses parkings sont sous utilisés le samedi après-midi, ce qui peut témoigner d’un report des achats vers ces commerces hors du centre-ville (sur la zone commerciale ou le quartier Tivoli).

Or, de nombreux aménagements ont été mis en place par la collectivité : la ville a menée des initiatives pour le développement de parkings relais, à l’instar du parking de la Grande Fontaine gratuit et relié au centre-ville par une navette les jours de marché. Le parking est encore trop peu connu et la navette sous-utilisée.

Par ailleurs, une expérimentation visant à faire fournir aux commerçants de “bons de stationnement” avait été menée. Elle n’a pas été reconduite en raison d’une mauvaise distribution des bons par les commerçants vers leurs clients.

2.2 Les applis Digne&Co et l’agenda On Sort

La ville de Digne-les-Bains a mis en place en 2019 deux services numériques visant à améliorer son attractivité : l’agenda OnSort et l’appli Digne&Co.

L’agenda OnSort

L’agenda OnSort, en ligne depuis juin 2019, est un site internet permettant à toute personne physique ou morale (associations, commerçants, collectifs, citoyens...) d’annoncer des événements ayant un caractère culturel, sportif, social ou de loisirs et se tenant à Digne-les- Bains ou dans l’une des 46 communes de Provence Alpes Agglomération. Ce site a été développé pour répondre à des demandes de la part des habitants qui avaient un sentiment de manque d’événements sur le territoire.

L’ajout d’événements est libre dans la mesure du respect de la charte d’utilisation. La ville de Digne-les-Bains a développé une interphase entre la base Apidaé Tourisme et OnSort qui permet d’intégrer les données d’événements collectés par les Offices de Tourisme. Il s’agit d’une caractéristique novatrice pour ce type de service numérique (première ville en France à l’avoir fait) qui permet d’alimenter facilement l’agenda sans poser de travail supplémentaire aux Offices de Tourisme.

Les organisateurs d’événements, à l’exception des commerçants, se sont bien appropriés l’outil et l’alimentent fréquemment. En revanche, bien qu’une campagne de communication ait été menée par la ville de Digne-les-Bains dans la presse locale et dans les réseaux sociaux, les habitants ne se sont pas encore approprié l’outil.

Digne&Co

Dans un souci d’encourager la revitalisation des commerces de centre-ville, un partenariat entre la ville de Digne-les-Bains, la CCI des Alpes de Haute-Provence, la communauté d’agglomération Provence-Alpes Agglomération et l’association des commerçants Cœur de Ville a permis de développer l’application mobile Digne&Co dans le cadre du programme Action Cœur de Ville. Cette appli mobile, lancée en novembre 2019, permet aux commerçants locaux de signaler l’emplacement de leurs commerces, leurs caractéristiques (horaires d’ouverture, secteur d’activité...), les produits à la vente et des bons plans.

L’application est alimentée actuellement des données fournies par la CCI. Une campagne de communication et de sensibilisation auprès des commerçants est prévue pour que ces derniers puissent l’alimenter avec le maximum d’informations dans la durée. Par ailleurs, cette appli a été développée de façon à pouvoir intégrer les données sur des événements commerciaux qui pourraient être renseignés par les commerçants dans l’agenda OnSort (présentation d’un livre dans une librairie, ateliers de bricolage organisés dans un commerce...). Cette intégration sefera en premier lieu via un bouton qui renverra de l’appli vers le site de OnSort. A terme, l’objectif consiste à intégrer les événements renseignés par les commerçants dans OnSort de manière automatique au sein d’une rubrique de l’appli Digne&Co.

2.3 Ambition et bénéfices attendus d’intégrer des données de mobilité dans l’appli Digne&Co

Nous avons à ce stade identifié les problématiques de mobilité du centre-ville de Digne-les- Bains et renseigné les caractéristiques de l’appli Digne&Co et du site Agenda OnSort. Nous avons également constaté que l’exploitation de plusieurs données de mobilité pourraient contribuer à résoudre ces problématiques (cf. Tableau 2). En ce sens, nous proposons de développer plusieurs fonctionnalités relatives à la mobilité faisant recours à ces données. Avant de décrire ces fonctionnalités dans la sous-partie suivante, il est important de remarquer l’importance de les développer au sein de l’appli Digne&Co. Cette recommandation s’appuie sur les arguments suivants :

• Eviter les freins à l’adoption posés par la multiplication d’applis. L’absence de services numériques de mobilité répondant aux problématiques signalées dans la partie 1 pourrait mener à conclure qu’il serait pertinent de développer une appli de mobilité sur le territoire de Digne-les-Bains. Tout au contraire, une telle stratégie de multiplication d’applis locales ne ferait qu’ajouter un frein à l’adoption de chacune de ces applis, les usagers étant réticents à télécharger plusieurs applis (notamment lorsque les fonctionnalités sont complémentaires et intéressent les mêmes publics, comme nous le verrons plus bas). Dans une démarche similaire à celle qui vise à intégrer directement au sein de Digne&Co les événements de l’agenda OnSort, les données de mobilitédevraient être incluses dans Digne&Co pour éviter de perdre des usagers qui désisteraient même si un bouton pour télécharger une appli est inclus dans l’autre.

• Générer du trafic croisé. L’application Digne&Co est une « plateforme biface » mettant en relation deux parties qui ont intérêt à interagir entre elles: les commerçants et les clients. Pour qu’une telle appli ait du succès, il est impératif non seulement qu’une masse critique d’usagers soit atteinte, mais qu’elle soit bien repartie entre ces deux parties. En effet, si, dans un cas hypothétique extrême, tous les commerçants sont actifs mais peu d’usagers l’utilisent, les premiers ne vont pas voir l’intérêt de continuer à utiliser Digne&Co faute de clients. Dans le cas hypothétique extrême inverse, si une grande partie de la population l’utilise mais peu de commerçants sont actifs, les habitants vont désister faute d’informations commerciales à jour. Pour atteindre cet équilibre il faut donc donner de bonnes raisons d’utiliser Digne&Co à chaque partie. Les commerçants ont unintérêt direct qui est celui de rendre visible leurs offres. La sensibilisation prévue devrait suffire pour les attirer tant que les clients soient au rendez-vous. Ces derniers, en revanche, ont moins d’intérêt à télécharger et utiliser au quotidien une appli centrée que sur des offres commerciales. Ceci dit, si l’appli inclue également d’autres fonctionnalités utiles au quotidien pour les clients telle que des informations de mobilité (où se garer, comment se rendre en vélo au magasin, à quelle heure passe le prochain bus en direction de la mairie...), ils auront plus d’incitations à l’utiliser au quotidien.

• Renforcer l’attractivité commerciale via des informations de mobilité. Les commerçant se plaignent du fait que le manque de places de stationnement nuit à l’attractivité commerciale. Si le nombre de places de stationnement à Digne-les-Bains est largement suffisant, comme évoqué dans la partie 1, la ville à des problèmes de sous-utilisation de certains parkings et de surutilisation d’autres, notamment à certains moments tels que les jours de marché. En ce sens, intégrer des données de mobilité permettant aux habitants de s’assurer de trouver une place de stationnement en centre- ville méconnue ou jugée erronément comme trop loin du lieu de destination peut être un moyen de les encourager à se rendre dans les commerces de centre-ville plutôt que dans d’autres zones commerciales concurrentes.

• Faire des déplacements liés aux achats un levier de changement de comportements de mobilité. A l’inverse, les déplacements liés aux achats peuvent être une porte d’entrée pour changer les comportements de mobilité dans le sens des politiques publiques relevant de cette thématique. Par exemple, l’inclusion d’une cartedes pistes cyclables qui localise des lieux pour garer le vélo, ainsi que des informations sur le temps de trajet vers le commerce en vélo, peut être une manière d’augmenter la part modale du vélo au détriment de celle de la voiture. De cette manière, l’inclusion de données de mobilité dans Digne&Co viendrait renforcer des politiques de mobilité en cours.

• Faire des économies de temps et d’argent à l’échelle de la ville et, à terme, de l’agglomération. L’appli Digne&Co étant déjà lancée et conçue pour pouvoir intégrer d’autres données que les données commerciales, ajouter des données de mobilité, bien que chronophage et ayant un coût, permettra de gagner du temps et de faire des économies par rapport à l’alternative de développer une nouvelle appli de mobilité. En outre, cette appli pourrait être utilisée par d’autres villes de l’agglomération qui n’ont pas encore un service numérique équivalent. Ceci permettrait de faire des économies à l’échelle de l’agglomération et de bénéficier des enseignements tirés de l’expérience de Digne-les-Bains pour étendre le service à d’autres villes de l’agglomération.

2.4 Un projet “à briques” et à plusieurs vitesses

En vue des problématiques de mobilité analysées et des données pouvant contribuer à leur résolution identifiées dans la première partie, nous présentons dans le schéma ci-dessous (Figure 1) une proposition des informations et des fonctionnalités qu’il serait pertinent d’ajouter à l’appli Digne&Co et comment celle-ci s’articulerait avec l’agenda OnSort (ce qui est déjà prévu) et avec les panneaux de jalonnement existants et à venir. D’autres données non liées directement à la mobilité au quotidien (points d’eau potable et emplacements des aires camping- cars) ont été ajoutées pour profiter des synergies qui pourraient se créer avec les données relatives au vélo, notamment à destination des touristes. La lecture de ce schéma doit se faire en ayant à l’esprit deux aspects structurants et interconnectés de notre proposition d’inclusion de données de mobilité dans l’appli Digne&Co :

• Il s’agit d’un projet « à briques ». Ceci veut dire que chaque thématique de mobilité (Réseau de bus, vélos, stationnement...) voire chaque fonctionnalité inclue dans ces thématiques (carte des pistes cyclables, localisation des bornes de recharge de vélos électriques...) peut être inclue de manière indépendante dans l’appli.

• Le projet a intérêt à évoluer en plusieurs temps. Ces briques ne sont pas toutes prioritaires à la même hauteur. En outre, les temps nécessaires à leur inclusion ne sont pas non plus homogènes. Plusieurs facteurs (inexistence des données, budget, partenariats à nouer...) feront que l’inclusion de certaines briques puisse se faire plus rapidement que d’autres.

En vue de ces deux points, la section suivante aura pour objectif de proposer une feuille de route qui, entre autres, explicitera dans quel ordre les différentes fonctionnalités décrites dans la Figure 1 devraient être inclues compte tenue de plusieurs facteurs qui pourraient amener à prioriser une brique par rapport à une autre (criticité, difficulté technique, complémentarité avec une autre brique...).

Figure 1: Fonctionnalités relatives à la mobilité à inclure dans l'appli Digne&Co et liens avec l'agenda OnSort et les panneaux de jalonnement dynamique

3 -Mise en oeuvre

Dans cette section nous présentons un projet d’inclusion des données et fonctionnalités relatives à la mobilité dans Digne&Co qui répond aux besoins identifiés précédement.

Nous faisons d’abord un état des lieux (Section 3.1) et ensuite une proposition chiffrée du projet, lequel est découpé en phases (Section 3.2). Le phasage inclut, dans la mesure des informations disponibles, la liste des tâches, une estimation du temps de travail et/ou du coût et des recommandations techniques.

3.1 Etat des lieux

Plusieurs des données nécessaires à l’évolution de l’appli Digne&Co dans le sens préconisé dans la section précédente existent déjà. Cependant, elles ne sont pas toutes hébergées au même endroit. D’autres, au contraire, devront être produites à partir de relèvements de terrain ou numérisées en partant d’informations existantes (fichiers pdf, connaissances des agents...). En ce qui concerne les fonctionnalités, celles-ci devront être développées au sein de Digne&Co, mais il est possible de se servir de logiciels libres pour le faire en réduisant le temps et le coût de développement tout en évitant la dépendance technique à un prestataire.

Le Tableau 3 ci-dessous renseigne l’état des lieux de chaque donnée ou fonctionnalité nécessaire et indique les améliorations à réaliser dans le but d’aboutir à une version de Digne&Co qui intègre la mobilité de la manière décrite dans la Section 2. Il a été construit sur la base de la documentation fournie par la mairie de Digne-les-Bains, les sites d’Open Street Map (OSM) et Datasud, ainsi que d’entretiens individuels.

Voir tableau 3 : Etat des lieux des données et fonctionnalités relatives à la mobilité et améliorations à réaliser pour les inclure dans Digne&Co

3.2 Projet d’inclusion de données de mobilité dans Digne&Co

Dans cette section nous présentons un projet d’inclusion de données de mobilité dans Digne&Co. Ce projet part de l’état des lieux fait dans la section précédente et propose un phasage pour aboutir aux objectifs présentés.

Par ailleurs, comme le détail des phases dans les sous-sections ci-dessous le montrera, nous préconisons que, en cohérence avec la politique menée actuellement par la ville de Digne-les- Bains, toutes les données produites soient mises en open data dans Datasud et, en ce qui concerne les données cartographiques, également sur OpenStreetMap. De cette manière, le projet aura vocation non seulement à répondre aux ambitions exposées dans la Section 2.3, mais aussi à continuer une politique de contribution au développement des communs numériques par l’acteur public. De ce fait, les données produites en phase 2 pourront être réutilisées par des acteurs publics et privés pour d’autres finalités que celles qui ont motivé ce projet, mais aussi, en ce qui concerne les données cartographiques, enrichies par la communauté OpenStreetMap.

Le projet se décompose en 3 phases séquentielles et une phase transversale, à savoir :

• Phase 1 : ajout des données statiques existantes

• Phase 2 : création et ajout de données statiques

• Phase 3 : production et ajout de données dynamiques

• Phase transversale : développement d’un calculateur d’itinéraire

Le phasage proposé vise à découper le projet en trois étapes de complexité croissante, chacune étant à la fois autosuffisante. Autrement dit, chaque phase peut être pensée comme un projet qui se traduira dans une nouvelle version de Digne&Co contenant de nouvelles informations et fonctionnalités relatives à la mobilité.

Pour chaque phase nous exposerons, dans la mesure de la disponibilité d’informations, les informations suivantes :

• Les données et fonctionnalités concernées

• Une estimation du coût

• Une estimation du temps de travail

• Les éventuelles préconisations techniques

• Les parties prenantes à impliquer et leurs rôles respectifs

Ces informations, notamment en ce qui concerne le chiffrage, sont indicatives. Elles ne se substitueront donc pas à l’élaboration d’un cahier des charges. Elles doivent être comprises comme un document stratégique qui permettra aux décideurs de faire des choix éclairés et d’orienter la production de cahiers de charges.

3.2.1 Phase 1: ajout des données statiques de mobilité existantes

Voir tableau 4 : Description des tâches, chiffrage, rôles des partenaires et préconisations techniques pour l’ajout des données statiques de mobilité existantes à Digne&Co

La phase 1 nécessite l’intégration de données existantes et du développement logiciel permettant d’inclure des fonctionnalités relatives à la mobilité dans l’appli Digne&Co qui à ce stade est centrée sur l’attractivité commerciale. Le chiffrage présenté dans le Tableau 4 se base sur des estimations réalisées par Hexa Solutions. Ces estimations se décomposent entre les différents types de profils de la manière suivante :

Voir tableau 5: Estimation du temps de travail et du coût nécessaires à l'inclusion de données dans l'appli Digne&Co pour la phase 1

Il faut noter que les tâches les plus chronophages sont l’ajout d’horaires et fonctionnalités relatives aux horaires des bus (29 jours de travail) et l’ajout des données relatives aux pistes cyclables et des cols jalonnés et itinéraires à vélo (25 jours de travail). Ceci s’explique par le fait que Digne&Co est une appli qui n’a pas été développée pour intégrer des fonctionnalités relatives à la mobilité. Cependant, comme expliqué dans la Section 2.3, il est convenable de réunir les fonctionnalités «mobilité» et «attractivité commerciale» au sein d’une même application. En outre, le développement nécessaire pour intégrer des fonctionnalités de mobilité dans Digne&Co étant un coût à engager une seule fois ; si l’appli Digne&Co était amenée à être répandue dans d’autres ville du département qui compteraient avec un minimum de données demobilité, cette dépense être mutualisé a posteriori ou, au moins, fructifiée davantage.

3.2.2 Phase 2 : création et ajout de données statiques de mobilité

Voir tableau 6: Description des tâches, chiffrage, rôles des partenaires et préconisations techniques pour la création et ajout de données statiques de mobilité à Digne&Co

Les jours de travail et le coût estimés se décomposent en une première étape consistant à produire les bases de données (pour la plupart à partir d’un relèvement de terrain) et une deuxième étape consistant à ajouter ces données et les fonctionnalités associées à Digne&Co. La décomposition du temps et du coût estimé entre ces deux étapes est la suivante :

• Production des bases de données : 25 500 € TTC pour 32 jours de travail

• Ajout des données et des fonctionnalités associées à Digne&Co : 15 000 € TTC pour 15

  jours de travail

L’estimation relative à la production des bases de données a été réalisée à partir du chiffrage d’un projet similaire dans le département, Cyclo 4, qui a eu un coût similaire (environ 22 500 € TTC). Nous avons pris en compte les données de mobilité dans Digne&Co, ça réduira en même temps le coût global et la durée des deux projets.

En ce qui concerne l’ajout de données relatives à l’accessibilité PMR des lieux, nous n’avons chiffré que le socle minimum pour répondre aux obligations règlementaires, soit celles relatives aux arrêts de bus. Comme nous expliquerons dans la Section 3.2.4, nous proposons d’inclure une fonctionnalité de signalement qui serve à stimuler la création de données sur l’accessibilité PMR d’autres lieux (commerces, espaces publics...) par la communauté OpenStreetMap.

3.2.3 Phase 3 : production et ajout de données dynamiques

La troisième et dernière phase du projet nécessitera 3 étapes :

• Implantation de capteurs de stationnement

• Implantation de trackers GPS dans la flotte de bus

• Incorporation des donnés dynamiques et des fonctionnalités associées à l’appli Digne&Co

Etant donné que le chiffrage de cette phase dépendra largement des technologies mises en place pour générer les données dynamiques et que nous n’avons pas pu avoir accès à des informations relatives à l’implantation de trackers GPS dans la flotte de bus de Digne-les-Bains, dans cette section nous nous limiterons à fournir un chiffrage indicatif de l’étape « Implantation de capteurs de stationnement ». Le coût associé à l’inclusion des données issues de cescapteurs dépendant de spécificités techniques qui seront propres au prestataire retenu, nous ne pouvons pas actuellement offrir un chiffrage fiable de l’inclusion de ces données à l’appli Digne&Co. En revanche, l’inclusion dans Digne&Co de données relatives aux horaires en temps réel des bus étant un tâche plus standard, nous pouvons l’estimer à 9 000 € TTC pour 12 jours de travail.

Implantation de capteurs de stationnement

L’inclusion de données dynamiques sur l’état du stationnement (nombre de places disponibles en temps réel) dans l’appli Hexa Solutions nécessite l’implantation de capteurs. Aujourd’hui plusieurs entreprises (dont IEM, actuel délégataire de la gestion des horodateurs à Digne les Bains) offrent ce service. Le Tableau 7 ci-dessous présente leurs principales caractéristiques.

Voir tableau 7 : Fournisseurs de services de stationnement intelligent et leurs principales caractéristiques

La majorité des offreurs de solutions proposent différentes technologies. Certains peuvent utiliser des capteurs existants pour alimenter la solution (réseau de caméras existant...). Chaque technologie présente des avantages et des désavantages techniques et a un coût différent. Le Tableau 8 ci-dessous les résume.

Voir tableau 8 : Technologies de stationnement intelligent

Il faut souligner que, alors qu’un capteur d’analyse d’image ou un capteur radar peut superviser un nombre de places qui varie selon la technologie utilisée, chaque capteur à la place ne supervise qu’une place. De même, les coûts de chaque type de capteur peuvent varier beaucoup selon la technologie et le prestataire. De ce fait, nous recommandons de demander plusieurs devis (y compris plusieurs devis avec des types de capteurs différents par prestataire) pour faire un choix informé de la solution la plus adaptée aux besoins de Digne-les-Bains et éviter les surcoûts.

Ceci dit, nous pouvons trouver des ordres de grandeur en termes de coûts. La ville de Digne- les-Bains compte actuellement avec 2012 places de stationnement en voirie. D’après un devis émis par IEM en 2018, nous pouvons estimer l’installation de 2012 capteurs à la place à environ 515 500 €. A cela il faut ajouter un coût de gestion des capteurs et de l’application de guidage à la place de 1 460 € par an. En comparaison, en nous basant sur le coût d’installation de capteurs par image dans la ville de Soissons, la supervision des 2012 places de Digne-les-Bains couterait environ 752 500 €. Par ailleurs, il faut tenir en compte qu’exploiter les données de stationnement pour générer des outils d’aide à la décision peut entrainer des coûts supplémentaires facturés par les prestataires (comptage de flux, récupération automatique des données...).

Au-delà du coût d’installation et d’entretien de la solution retenue, il est important de prévoir tous les usages internes que la mairie peut faire des données issues des capteurs de stationnement pour pouvoir évaluer correctement le retour sur investissement. En outre, toujours dans un souci de pouvoir réutiliser les données au profit des politiques de mobilité, il convient de demander au prestataire la possibilité d’extraire une seule base de données « brute » avec l’ensemble des transactions par place de stationnement dans un seul fichier. En effet, les observatoires dustationnement offerts par les prestataires donnent souvent la possibilité d’extraire des données que lorsqu’elles sont déjà converties dans les indicateurs (occupation, pourcentage d’occupations par tranche de durée...) affichés par l’observatoire. Cependant, la base de données brutes peut s’avérer précieuse pour réaliser les analyses nécessaires à la bonne mise en œuvre d’une politique de mobilité.

En ce qui concerne les préconisations techniques, il est important de demander au prestataire de mettre les données à disposition via une API pour que Hexa Solutions puisse les récupérer et les intégrer en temps réel dans Digne&Co. Finalement, nous conseillons de cibler un ou plusieurs secteurs (zones bleues, parkings payants, parking-relai...) en cohérence avec les objectifs fixés dans la Section 1 pour tester un déploiement partiel de capteurs avant degénéraliser la solution à l’ensemble des places de stationnement de la ville. Ceci permettra non seulement d’affiner les besoins sur la base d’une expérience d’usage, mais aussi de lisser le coût de la dernière phase du projet qui est certainement la plus onéreuse. En revanche, il s’agit également de la phase qui produira les données les plus riches et, de ce fait, il est très important de penser aux usages que la mairie dans son ensemble pourrait faire de ces données avant de déployer une solution.

3.2.4 Phase transversale : développement d’un calculateur d’itinéraire et signalement de données manquantes ou inexactes

Bien que distincte d’un point de vue technique par rapport aux autres, la phase transversale pourra faire l’objet d’un marché public qui inclue la phase 1 également. En effet, cette phase transversale impliquera le travail un seul et même prestataire ‘que la phase 1 (Hexa Solutions) et peut se réaliser en parallèle de cette phase. Ceci permettra non seulement de raccourcir la durée du projet mais aussi de compter avec un calculateur d’itinéraire et une fonctionnalitépermettant aux usages de signaler des données manquantes ou inexactes avant d’entamer les phases 2 et 3, qui sont plus chronophages. Cette dernière fonctionnalité sera intéressante pour que, à partir des signalements réalisés par les usagers de Digne&Co, l’accessibilité PMR des lieux autres que les bus (les commerces, les espaces publics, les bâtiments des administrations...) soient qualifiés par la communauté OpenStreetMap et, par ce biais, incorporés progressivement à Digne&Co. Une telle qualification pourrait distinguer, par exemple, l’accessibilité du bâtiment de l’accessibilité des toilettes à l’image du projet Wheel Map. Ceci dit, il est important qu’un agent de la mairie en lien avec Hexa Solutions relève les signalements des usagers et les transpose dans des notes sur OpenStreetMap de façon à pouvoir faire un suivi de l’accessibilité PMR de la ville et permettre à la communauté OSM de contribuer à améliorer la qualité de ces informations au-delà des obligations règlementaires. Ceci dit, le calculateur d’itinéraire ne pourra pas intégrer les parcours en bus tant que les données relatives aux itinéraires des lignes et la localisation des arrêts ne soient pas produites en phase 2.

D’après le chiffrage réalisé par Hexa Solutions, cette phase transversale impliquera un coût de 16 000 € TTC pour 30,5 jours de travail. Il convient de signaler que cette estimation a été réalisée pour un calculateur d’itinéraire monomodal. Le développement d’un calculateur d’itinéraire multimodal pourrait faire évoluer cette estimation.

Par ailleurs, une fois le calculateur d’itinéraire mis en place, des évolutions de cette fonctionnalité qui exploitent au maximum la richesse des données incorporées au service de l’expérience usagers peuvent être imaginées. Par exemple, le calculateur d’itinéraire pourrait inclure des critères tels que « choisir le parcours le plus court » ou « choisir le parcours le plus sécurisé » ou encore « choisir un parcours adapté à un trajet avec enfants ». Il pourrait également inclure des fonctionnalités telles que des zones interdites. De tels calculateurs d’itinéraire développés sous des licences libres et basés sur de données OSM tels que Brouter, MoodWalkR ou Open Route Service existent déjà.

Faire évoluer le calculateur d’itinéraire vers une version qui incorpore des fonctionnalités plus sophistiquée impliquerait d’abord de définir lesquelles sont pertinentes pour ensuite qualifier les parcours en conséquence (par exemple, si « sécurisé » pour un vélo veut dire que les pistes cyclables ne permettent pas aux voitures de les emprunter, il faut qualifier les pistes cyclables entre « accessibles par des voitures » et « non accessibles par des voitures » à partir d’un nouveau relèvement de terrain et/ou les connaissances des agents de la mairie) et enfin développer cette évolution du calculateur d’itinéraire au sein de Digne&Co. Pour qu’une telle évolution du calculateur d’itinéraire soit utile en vue des problématiques de mobilité de Digne- les-Bains analysées dans la Section 1, elle doit se baser sur les besoins des citoyens. Pour cela, nous recommandons de mener un travail avec la Direction de Mobilité de l’Agglo qui interroge des usagers à profils variés (par exemple, via des focus group et des enquêtes) pour comprendre quels sont leurs besoins en matière d’information voyageur au moment de choisir un mode de transport.

4 - Les documents de capitalisation

• Le barométre de l'AMF et de la BDT sur la Qualité de vie dans les villes médianes

• Observatoire open data des territoires

  • acteurs engagés dans l'ouverture des données

  • indicateurs quantitatifs

  • indicateur qualitatifs et cas de réutilisation

• La Banque des Territoires propose depuis le vendredi 8 mars 2019 un nouveau service de datavisualisation. Les 222 communes du programme "Cœur de ville" vont pouvoir visualiser leurs données, sous différentes représentations interactives. Objectif : offrir un outil pédagogique, conforme au règlement général sur la protection des données, qui peut permettre d’affiner un diagnostic territorial. Une seconde version du service, intégrant les données propres des collectivités qui manifesteront leur intérêt, sera disponible à partir de juin 2019.

  • Pour accéder au service en ligne : www.banquedesterritoires.fr/diagnostic-territorial-coeur-de-ville

  • source : www.banquedesterritoires.fr/coeur-de-ville-la-datavisualisation-au-service-du-diagnostic-territorial

1- Les enseignements généraux de l’AMI

1.1 - La data pour répondre à quels enjeux locaux ?

Lors des expérimentations menées dans le cadre de l'AMI Action Coeur de Ville Data, les deux groupes de travail "Attractivité Commerciale" et "Mobilité" ont fait émerger des problématiques spécifiques à leur thématique. Nous en présentons les principaux enseignements ici. Les détails se trouvent largement commentés, mis en perspective et illustrés dans les rapports de chaque territoire.

1.1.1 - Groupe Attractivité Commerciale

Dans ce groupe, les démarches engagées par les collectivités étaient de nature assez différente : réflexion sur une démarche stratégique Data (très en avance de phase donc) ou approfondissement de projets déjà largement engagés.

Pour autant, le manque d'outils d'observation et de planification des implantations commerciales est apparu comme un sujet commun à toutes les collectivités impliquées et, à travers les enquêtes entreprises (veille nationale, offre des éditeurs), il s'agit probablement d'un besoin commun à toutes les villes de France. Même les grandes métropoles ont une attente très importante à ce sujet.

La question des flux a été aussi souvent soulevée mais les contraintes inhérentes à la mesure et la discrimination entre piétons et acheteurs, ont refroidi les collectivités dans leurs attentes d'outils fiables et dans l'approfondissement de fonctionnalités propres à rapprocher les offres et les demandes. Ce sujet n'a finalement pas été beaucoup travaillé, sauf dans le cas de Belfort.

1.1.2 - Groupe Mobilité

Dans ce groupe, il est apparu des questionnements récurrents sur la place de la voiture en centre-ville et en particulier sur les aspects suivants :

• Report modal vers des modes doux (comment le comprendre, le favoriser, le mesurer)

• Les voitures ventouses (les raisons, leurs mesures, les méthodes de réduction)

• Les infractions de stationnement (leur mesure, les méthodes de réduction)

• Eviter la congestion (l'observation, la régulation)

1.1.3 - Les liens entre les problématiques “mobilité” et “attractivité commerciale”

Lors des échanges entre les deux groupes, il a été constaté que les deux problématiques concernent également toutes les collectivités impliquées dans l'AMI (et probablement toutes les collectivités d'ACV au niveau national et généralement toutes les communes françaises de la plus grande à la plus petite).

Néanmoins, il n'a pas été constaté de liens directs entre les usages expérimentés sur ces deux thématiques, à l'exception de Digne-les-Bains dont l'objectif était précisément de faire converger au sein d'une même application les deux sujets.

1.2 - Quelles données pour alimenter de nouveaux services ?

Les données ne suffisent pas à résoudre les problématiques soulevées. En revanche, elles se révèlent être des ressources non seulement précieuses mais aussi indispensables pour nourrir les différentes applications étudiées.

1.2.1 - Groupe Attractivité Commerciale

Les différentes solutions de pilotage de l'activité commerciale étudiées ont permis de faire le constat de la très forte disparité des sources de données nécessaires :

• données publiques connues au niveau national (par exemple identification des entreprises et artisans dans la base SIREN)

• données connues au niveau local soit à l'initiative des collectivités (listes en enseignes, autorisations locales, politiques foncières de la commune, etc.), en open data dans certains cas, ou par des opérateurs privés (CCI, fédération commerciale) dans une logique de non-partage assumée

• enquêtes locales menées par la collectivité auprès des acteurs économiques.

• données crowdsourcées sur les référentiels comme OpenStreetMap

Les cas d'usages observés (voir en particulier IM'Observer) ont permis d'identifier de nombreuses sources et des principes d'interopérabilité qui peuvent déboucher sur un projet très structurant de Référentiel Nationale des Commerces (voir le dossier de pré-étude pour une industrialisation dans le courant 2021-2022) .

1.2.2 - Groupe Mobilité

Les données considérées comme les plus susceptibles d'alimenter les outils d’aide à la décision sont en particulier :

• les données de stationnement intelligent

1.3 - Identification de données d'intéret général et normalisation

L'objectif d'identifier des données prioritaires apportant un atout local pour la mise en oeuvre d'applications ou de services est partiellement atteint.

1.3.1 - Données relatives aux cellules commerciales

Sur le cas d'usage des tableaux de bord "Observatoire du commerce de proximité", il est apparu qu'il existe plusieurs sources de données de nature assez différentes.

Comme nous l'avons déjà indiqué :

• certaines sont déjà disponibles en open data et des formats pouvent converger (SIREN et OSM).

• certaines appartiennent des acteurs privés (CCI) et les barrières à leurs réutilisations n'ont pas permis de trouver des conditions de partages satisfaisantes

• la production de données inexistantes à travers des enquêtes ouvre des prespectives très intéressantes

Dans le domaine du Commerce, il est donc possible de proposer des formats de données normalisées de plusieurs jeux de données qui constitueront le référentiel nécessaire à alimenter des usages tels qu'IM'Observer. Cette normalisation a intéressée en particulier l'AGURAM et la Carene. Un draft de normalisation a été proposé ici.

On peut considérer que les expérimentations ont permis d'atteindre l'étape 3. L''étape 4 sera abordé dans le cadre du projet Référentiel National des Commerces, vu précédement.

1.3.2 - Données relatives aux flux piétons

Il aurait pu être envisagé d'approfondir et de proposer un schéma de données convergent pour les données de flux (sources Orange ou MyTraffic) avec des écarts importants de contenus en terme de précision et de conditions d'accès. S'agissant de données privées, et ce sous-thème n'ayant pas été assez développé dans les expérimentations, il n'a pas été possible de faire des propositions de normalisaiton sur ce sujet.

1.3.3 - Données relatives aux stationnements de centre-ville

Les expérimentations se sont plus intéressées aux traitements des données déjà existantes, venant généralement d'opérateurs privé, agissant pour le compte des collectivités, donc accessible à terme en open data. En particulier, l'expérimentation de Soissons nous propose un cadre de retaitement des données, via un outil actuellement de type Excel, qui pourrait être industrialisé et généralisé au niveau national pour les collectivités utlisant le service MyTraffic. Des rappels juridiques ont été fait pour permettre aux collecvitiés de reprendre le contrôle de données leur appartenant.

Les expérimentations ont cependant menées des études de faisabilité technico-économiques pour la production de données lorsqu'elles n'existent pas naturellement (capteurs en voirie), voir cas de Digne-les-Bains.

1.4 - Les données open data

Les territoires d’expérimentations ont été choisis parmi les collectivités ayant déjà engagé un projet d’ouverture des données publiques. Cela a-t-il facilité la création de services et si oui à partiir de quelles données ?

• Les premières sources de données open data qui ont intéressées les ré-utilisateurs potentiels sont celles disponibles au niveau national : base SIREN pour les établissements commerciaux par exemple. Cela est dû au fait que ces données sont réputées fiables, complètes, normalisées.

• Ces sources nationales ont l’énorme avantage d’être par principe « normalisées » à partir de la structure de la base de données unique qui les contient. Cela a conduit d’ailleurs OpenDataFrance a développé un outil d’extraction de telles données nationales à l’échelle communale ou inter-communale dans un format homogène quelques soit le périmètre administratif ou géographique choisi (dataclic.fr)

• D’autres données locales mais produites par des acteurs indépendants, en particulier les données OpenStreetMap, ont été envisagées par certaines collectivités (Avignon, Saint-Avold, Thionville, Digne-les-Bains). Elles sont réellement open data même si elles ne sont pas produites par la collectivité. Il s’agit en particulier de données relatives aux Commerces ou aux Aménagements urbains et façon générale tout objet visible dans l’espace public.

• Les données produites par les opérateurs privés dans le cadre d’une mission de service public ou d’une délégation/prestation ont été difficiles à identifier clairement, les opérateurs n’étant pas enthousiastes à leur partage (cas de applications de gestion des parkings par exemple). Il s’en suit que leur collecte et leur publication n’ont malheureusement pas eu lieu durant la durée des expérimentations. Des recommandations précises ont cependant été faites pour que les collectivités puissent les récupérer grâce à l’introduction de clauses juridiques adaptées.

• Les données locales en open data, produites, publiée et utilisées par les collectivités, ont finalement été peu nombreuses, que ce soit en entrée des expérimentations (préexistantes avant le début des projets) ou en sortie (identifiées et publiées en cours des projets). Les raisons sont essentiellement les suivantes :

  • Ces données n’avaient pas été identifiées comme utiles par la collectivité

  • Les collectivités n’avaient pas produit de telles données (ex. les données de commerce)

  • Les collectivités n’avaient pas la totale propriété de données pour permettre leurs publications en open data (ex. données partagées avec des chambres consulaires comme la CCI pour les commerces ou des opérateurs privés pour les flux piétons)

  • Les collectivités n’avaient qu’une vue partielle des données (non exhaustives ou mal mises à jour)

Pour améliorer la disponibilité et l’utilisation des données en open data dans les contextes Commerce et Mobilité, les préconisations d’OpenDataFrance sont :

• Intégrer les données de Commerces dans le Socle Commun des Données Locales (référentiel de normalisation des données que les collectivités devraient ouvrir prioritairement)

• Les données de commerce pourraient être systématiquement collectées ou enrichies par les collectivités à travers un formulaire d’enquête. Cela pourrait être réalisé dans le cadre d’un programme national déjà évoqué dans ce document, le Référentiel National des Commerces.

• Systématiser l’application des clauses juridiques dans les contrats passés avec les opérateurs privés pour s’assurer de la restitution des données pertinentes par les collectivités (commerce, flux passant et stationnement)

• Faciliter l’extraction des données ouvertes stockées dans les bases nationales (ministère ou OpenStreetMap). C’est ce qui est désormais possible avec l’outil dataclic.fr (outil d’extraction à partir des bases de l’état) et géodatamine.fr (outil d’extraction à partir de la base OpenStreetMap)

1.5 - La mobilisation des acteurs

Le choix de collectivités déjà engagées dans un projet open data

Dès le début de l'AMI, il a été anticipé la difficulté de parler de données, et en particulier de leur partage et de leur normalisation, avec les collectivités de petite taille. Pour cette raison, les collectivités retenues dans l'AMI devait avoir une certaine maturité en open data, ou un cadre d'accompagnement par un acteur externe (cas de Thionville et Saint-Avold avec l'AGURAM). Cette disposition parait à postériori indispensable.

La difficulté de faire travailler les acteurs

Cependant, bien que les collectivités soient réceptives aux notions du partages des données, quelques soit le groupe de travail, des difficultés importantes ont été rencontrées pour faire parler les équipes métier (commerce ou mobilité) avec les experts data. Cette difficulté tient essentiellement à :

• une culture data difficile à faire partager avec des agents non concernés

• des priorités différentes entre les responsable métier et les personnes impliquées par les projets data

• des attentes parfois très pragmatiques (ou doctrinales) difficile à concilier avec la démarche expérimentale

2 - La méthodologie de l’AMI

2.1 - Une approche par les cas d’usage

2.1.1 - Groupe Attractivité Commerciale

Dans ce groupe, la démarche a été de définir des cahiers des charges territoriaux. Chaque expérimentation a été découpée en deux phases. La première phase consistait à faire un diagnostic des besoins et des ressources, la deuxième d'approfondir les cas d'usages identifiés (préfiguration de tableaux de bord à partir d'indicateurs priorisés et de jeux de rôle). Des conclusions ont été établis et des plans d'action très précis ont été décrits pour la suite de ces projets. Il s'agit donc d'étapes consolidées dans des processus beaucoup plus longs d'innovation territoriale.

2.1.2 - Groupe Mobilité

Dans ce groupe, la démarche a été plutôt orientée sur l'approfondissement de cas d'usage très précis :

1. Diagnostic mobilité : Un diagnostic 360 des problématiques de mobilité (et pas que de stationnement) du territoire (étude documentaire et entretien auprès des services concernés : mobilité, responsable data, centre-ville, commerce, police municipale…)

2. Plongée dans les données : de quelles données a-t-on besoin pour répondre aux problématiques identifiées ? Comment (indicateurs, information voyageur…) ? De quelles données dispose-t-on ? Faut-il les retravailler ?

3. Se servir des données :

   • Comment générer les données qui manquent ?

   • Comment produire les indicateurs ?

   • Comment interpréter les indicateurs ?

   • Comment faire évoluer les comportements en s’appuyant sur les données ? cf. temps collectif groupe mobilité

   • Une approche qui part des questionnements des collectivités pour faire émerger des indicateurs et aller vers les services : préciser les outils méthodologiques mobilisés ?

2.2 - Planning général de réalisation

Initialement prévu pour la période de janvier à juin 2020, les expérimentations ont du être ralongées jusqu'à début 2020 en raison de la crise sanitaire du Covid :

• fort ralentissement de l'activitié des collectivités sur le sujet de l'open data, au profit d'autres projets plus urgents ou en raison du manque de disponibilité des personnes concernées.

• Par ailleurs, les réunions en présentiel ont du être annulées et remplacées par des webinaires rendant l'interactivité et le partage un peu plus difficile.

• report des élections municipales de mars à juin 2020 occasionnant un manque de portage politique. Les nouveaux élus désignés durant l'été 2020 ont souhaité s'approprier les enjeux de ces expérimentations ce qui a engendré dans la majorité des territoires de nouvelles séances de sensibilisation et de travail.

Temps de montée en charge des équipes sous-estimé

Dans tous les cas, la dynamique des groupes a été assez longue à se mettre en place (priorité des projets, maturité, collaboration des binômes Métier/Data) et le timing initial de 6 mois aurait de toute façon été impossible à tenir. Il a été accepté collectivement de donner plus de temps de maturation aux projets.

Nécessité d'aller jusqu'au bout des réflexions

La conjonction des retards induits par la situation sanitaire et la dynamqiue des groupes projets a ralongé de fait la durée des expérimentations. Cependant, de nombreuses expérimentations accompagnées par deux cabinets de conseil ont entrainé des pistes de réflexioin intéressantes nécessitant un travail d'investigation et d'animation plus important que ce qui était prévu. Il a été convenu que l'intérêt de l''aboutissement de ces travaux justifait la prolongation des expérimentations. Elles ont été toutes abouties pour le groupe Moblité en décembre 2020 et les dernières du groupe Commerce en mars 2021.

2.3 - Accompagnement individualisé par des cabinets de conseil

Le choix de confier l'accompagnement des collectivités retenus pour chacune des thématiques à un seul cabinet de conseil (Metapolis pour le Commerce et Chronos pour la Mobilité) parait pertinent. Il a permis une focalisation thématique importante.

Pour chaque collectivité, on peut estimer que l'accompagnement s'est réparti entre 60% de problématiques spécifiques à la collectivité et 40% de points communs aux collectivités de chaque groupe.

L'intervention des consultants en présence dans chaque territoire a été indispensable et bénéfique (de l'ordre de 4 à 6 jours par collectivité). Une partie importante de travail (entretien et animation) a cependant pu être réalisée à distance (et rendu quasiment incoutournable par les dispositions sanitaires imposées : télé-travail pour les agents, limitation des regroupements et des déplacements).

Les temps de partage collectif au sein de chaque groupe ont pu être maintenus, quoique malheueusement à distance pour les raisons vues précédement.

Le partage inter-groupes de travail a été réalisé mais insuffisament (2 sessions de 1h30) en raison des contraintes déjà imposées aux participants.

3 - Les retours d’expériences des villes accompagnés

3.1 - Restitution de chaque territoire

Groupe Attractivité Commerciale

3.1.1 Avignon

3.1.2 Belfort

3.1.3 Carene / Saint-Nazaire

3.1.4 Poitiers

3.1.5 Thionville

Groupe Mobilité

3.1.6 Digne-les-Bains

3.1.7 La Roche-sur-Yon

3.1.8 Saint-Quentin

3.1.9 Soissons

3.1.10 Tulle

3.2 - Cas de réutilisation

3.2.1 - Thématique ACV : Attractivité commerciale

• Description : Développé par l'Agence d'urbanisme du Grand Est AGURAM, IM'Obsever est un outil qui a comme objectif d'apporter une meilleure connaissance du territoire, et en particulier du tissu commercial. Il s'agit d'un véritable outil de pilotage et d’aide à la décision des élus pour arbitrer les orientations des politiques publiques et pour simplifier et faciliter l’implantation des commerces. Il est destiné aux techniciens (manager de commerce et service commerce de la ville ou de l’agglo), aux élus, aux acteurs de l’immobilier et aux porteurs de projet. En raison de la cible (interne à la collectivité) et de la confidentialité de certaines données (privées de la CCI), l'application n'est pas accessible librement (il faut un accès local et un mot de passe). Réalisé avec le soutien de l'entreprise Makina-Corpus, cet observatoire est disponible en open source pour une réutilisation libre dans d'autres territoires.

• Type : Tableau de bord

• Profil : Collectivité, opérateur local (ici une agence d'urbanisme)

• Données utilisées : Base des entreprises SIREN, OpenStreetMap (tag:shop), données CCI (fermées), Enquête locale menée par la collectivité (ex : https://airtable.com/shrS0xfkFMq6Ivvm1)

• Collectivités : Thionville, Saint-Avold (et intéresse d'autres villes comme Les Lilas (93) ou Saint-Nazaire)

La vidéo de présentation :

3.2.2 - Thématique ACV : Mobilité

Thématique ACV : Mobilité

• Description : A partir des données de paiement issues des horodateurs connectés, Spallian a développé un algorithme, et plus largement une méthodologie, permettant de calculer le taux d’occupation pour chaque association tranche horaire-horodateur d’une commune donnée. Une importante partie de la méthodologie est consacrée à identifier et corriger les biais de l’utilisation des données de paiement : abonnements, stationnements gratuits, stationnements illicites… Cette dernière est adaptée pour chaque commune afin de répondre à ses enjeux spécifiques de stationnement. Les données issues de la méthodologie permettent aux collectivités de disposer de statistiques sur le stationnement (tableau de bord), d’informer les usagers sur la situation de stationnement (open data, affichage digital en voirie) et de les réorienter vers des parking relais lorsque le stationnement est difficile.

• Type : Méthodologie, algorithme

• Profil : Entreprise

• Données utilisées : Données de paiement des horodateurs connectés, données de comptage des places de stationnement en voirie

• Collectivités : Tulle, La Roche-sur-Yon

Conclusions issues de l’AMI sur le sujet « est-il possible de construire une approche unifiée, duplicable sur l’ensemble des villes, pour mesurer le degré d’occupation des places de stationnement » ?

Pourquoi se poser cette question ?

• Parce que la même préoccupation revient fréquemment : le stationnement en centre-ville est difficile, ce qui nuit à l’attractivité du cœur de ville et à la vitalité de ses services et commerces ; or, pour agir, il faut mesurer.

• Parce que des changements technologiques sont en cours (recours plus fréquent au paiement mobiles notamment, avec de nouveaux acteurs) et qu’ils peuvent représenter une opportunité ou un risque pour l’exploitabilité et la disponibilité des données.

• Parce que les usagers sont demandeurs de données ou d’informations générées par leur usage des services publics et qui permettent d’en améliorer le confort (en l’espèce, trouver une place de stationnement plus facilement et favoriser un partage équitable entre les différents usagers : pendulaires, travailleurs, habitants, visiteurs, consommateurs)

Réflexion sur la disponibilité de données

Les données disponibles en matière d’occupation du stationnement sont très disparates d’un centre-ville à l’autre. Elles dépendent de nombreux facteurs qui découlent de la politique de la ville en la matière :

• du mode de gestion des places de stationnement,

• de l’approche adoptée en matière tarifaire notamment les choix de gratuité et les systèmes d’abonnement,

• de l’équilibre entre les différents systèmes de billetterie, par horodateur ou par paiement mobile.

Des facteurs techniques ou technologiques entrent également en jeu :

• approche adoptée en réponse aux enjeux de protection des données personnelles, quant à l’usage des données de stationnement, à leur anonymisation ou pseudonymisation, et à la durée de conservation des archives

• homogénéité ou hétérogénéité des systèmes gérant le stationnement (et donc des données générées par ces systèmes), celle-ci dépendant notamment du recours à des prestataires externes

• investissement ou non dans des systèmes élaborés de comptage (capteurs connectés par exemple)

Des facteurs humains ou organisationnels, enfin, ajoutent des biais nuisant à la disponibilité des données:

• du côté de l’usager, la proportion de fraude, qu’elle soit majeure (occupation d’une place payante sans paiement) ou mineure (achat d’un ticket dans une zone moins chère que la zone où l’usager stationne)

• du côté de la collectivité, le maintien à jour ou non, dans ses systèmes d’informations, des renseignements sur la voie publique (nombre de places, modifications temporaires ou durables de la circulation et du stationnement en voirie...) afin que les modalisations informatiques aient pour paramètres des entrants conformes à la réalité du terrain.

L’accompagnement des villes de Tulle et de la Roche-sur-Yon a permis de collecter :

• des données de paiement dont découle une durée de stationnement autorisée

• des données sur la localisation des places de stationnement en voirie, à proximité des horodateurs

• des informations sur les parkings barriérés, notamment des parkings relais

La part croissante du paiement mobile amène un questionnement sur la disponibilité des données, car on est susceptible d’y perdre l’information sur l’emplacement probable du véhicule de l’usager – mais on pourrait également y gagner une information de localisation du smartphone, sous réserve que celle-ci soit utilisable en conformité avec le cadre réglementaire sur les données personnelles. Un dialogue avec les acteurs du paiement mobile semble important pour anticiper ce virage et l’impact qu’il aura en matière de données utilisables.

Réflexion sur l’impact des polarités de circulation

Il s’agit d’établir leur autodiagnostic et de mettre en lumière les facteurs de succès ou de risque dans cette démarche :

1. L’occupation d’une place de parking dans votre centre-ville laisse une trace informatique ...

• ... parce que des capteurs connectés sont déployés sur les places de stationnement et enregistrent ses périodes de vacance ou d’occupation

• ... parce que les usagers prennent un ticket à l’horodateur

• ... parce que les usagers utilisent une application de paiement mobile

• ... parce que les principaux parkings sont barriérés, avec un décompte aux bornes d’entrée / sortie

• ... parce que des forfaits post-stationnement sont appliqués, en cas de défaut ou insuffisance de paiement et lors des contrôles

• ... parce qu’un dispositif de vidéo-verbalisation permet de mesurer l’occupation en temps réel

2. Combien d’acteurs ou de prestataires différents interviennent dans le cadre de la gestion des paiements de stationnement ?

• Paiement via application mobile

• Paiement aux horodateurs

• Cartes d’abonnement

• Gestionnaire de parking public

3. Connaissez-vous le nombre et l’emplacement des places de stationnement sur chaque rue du centre-ville ?

• Non, je ne connais pas le nombre de places de stationnement

• Non, je connais le nombre global sur la ville ou par quartier, mais pas leur emplacement exact

• Oui, parce que nous avons fait réaliser une étude de stationnement, mais nous n’avons pas l’intégralité des fichiers informatiques sources

• Oui, en interrogeant notre service SIG, nous savons localiser les places de stationnement par barrettes / segments de rue

• Oui, en interrogeant notre service SIG, nous savons localiser exactement chaque place de stationnement

• Oui, mais les informations ne sont pas forcément à jour car la voirie évolue à la suite de travaux d’aménagement et les fichiers informatiques ne sont pas toujours mis à jour

Autres exemples d'ugae (mais pas abordés spécifiquement par les expérimentations ACV) A conserver ?

Description : ParkingMap s’adresse d’une part aux usagers de la route et leur propose de localiser en temps réel les places de parking disponibles autour d’eux pour optimiser leur trajet et fluidifier la circulation. ParkingMap est aussi une solution utile aux managers de ville pour adapter l’offre de stationnement grâce aux multiples indicateurs de mesure et d’analyse. ParkingMap permet enfin d’optimiser la gestion des parkings en identifiant les infractions et organisant les rondes de contrôle pour réduire la fraude et augmenter le taux de rotation des véhicules.

Type : Service web URL : https://www.parkingmap.fr Profil : Entreprise Données utilisées : Données de parking ouvrage et surface Thème(s) : Mobilité, Parking Mot(s) clé(s) : accessibilité, commerces, itinéraires Collectivités réutilisatrices : Soissons, Communauté d’Agglomération Porte d’Isère, Gif, Grand Paris Sud. (Autres grandes collectivités : Orléans Métropole) Cas cité dans : La data au cœur du parking intelligent

4 - Document de travail et d'élaboraion :

Les dix commandements de l'expérimentation

Doc en ligne (n'est plus à jour)

Fin du document.

Pour tout contacct concernant ce projet, contacter : contact @ opendatalocale.email

Les informations et supports présentés dans ce site sont publiés sous licence CC-BY-SA au nom d'OpenDataFrance et la Banque des Territoires.