Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
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 1.1 (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)
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)
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.
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 » .
Faire de Digne&Co l’appli qui intègre la mobilité et l’animation commerciale
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.
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.
Faire de Digne&Co l’appli qui intègre la mobilité et l’animation commerciale
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.
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.
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, 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.
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.
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.
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...).
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.
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
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.
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.
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.
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.
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.
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.
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 :
Recensement, exploration et qualification des données existantes ;
Approfondissement d’un des jeux et collecte d’un historique de données ;
Construction d’une méthodologie pour produire des indicateurs ;
Application de la méthodologie au jeu de données collecté ;
Exploration de data visualisations possibles pour valoriser ces données ;
Formalisation des livrables et restitution finale.
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.
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.
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.
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
Synthèse de l’audit du jeu de données Flowbird
Avantages : Une source fiable, une base de données actualisée en temps réel, dans un format facile à retraiter, offrant quelques perspectives pour estimer le niveau de saturation du stationnement en centre-ville.
Limites : Les informations fournies ne permettent pas de déterminer de manière exacte l’état de stationnement réel dans le centre-ville de la Roche-sur-Yon : stationnements des abonnés et des voitures électriques, zones bleues, stationnements sauvages et fraude sont autant de points qui ne sont pas abordés dans ce jeu.
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.
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 :
Synthèse de l’audit du jeu de données Designab
Avantages : Une source fiable et des données accessibles en temps réel.
Limites: Pas d’historique de données, une intégration nécessitant l’utilisation de connecteurs et un niveau de détail permettant uniquement de connaître le nombre de places disponibles à un moment donné.
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.
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.
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).
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 :
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.
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.
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.
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.
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).
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)
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).
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
Quelle méthode choisir ?
La méthode 1 postule que chaque automobiliste ira vers l'horodateur le plus proche de son véhicule stationné, à vol d'oiseau (sans prise en compte des cheminements piétons et sans prise en compte de la polarité exercée par le centre. Elle requiert que le fichier des barrettes et celui des horodateurs soient à jour de la réalité du terrain (travaux sur voirie, nouvel horodateur...) : tout écart peut donner lieu à des résultats incohérents. Cette méthode postule également que les places de stationnement sont réparties de manière homogène sur la longueur de la barrette, ce qui n’est en pratique pas forcément vrai : certaines corrections manuelles peuvent être prévues pour affiner les résultats.
La méthode 2 postule que la collectivité a installé les horodateurs de sorte qu'ils soient utilisés de façon homogène, c'est-à-dire qu'ils recouvrent un nombre égal de places. Cette méthode ignore les cas de figure où un horodateur serait placé dans un quartier disposant de peu de places de stationnement payant, afin d'éviter que les usagers aient trop de distance à parcourir pour se rendre à l'horodateur.
Les résultats de notre première analyse ont été réalisés à partir de la méthode 2.
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.
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
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.
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.
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.
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.
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.
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.
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.
Des analyses quantitatives complémentaires peuvent être réalisées afin d’établir des regroupements assez grands, tout en restant homogènes
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)
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.
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)
Nota bene : le stationnement présente un taux d’occupation important dans le quart nord du Pentagone. Celui-ci n’étant pas concerné par le stationnement payant, les données ne sont pas disponibles. Cf cartes infra.
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.
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.
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.
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.
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.
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
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.
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.
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.).
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 »
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.
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).
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.
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.
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.
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.
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
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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 :
Les zones de stationnement dans le centre-ville de Saint Quentin
Zone orange (courte durée) : 2h30 maximum pour 2€ ; 0,8€ l’heure
Zone jaune / paille (courte durée) : 2h30 maximum pour 2€ ; 0,7€ l’heure
Zone verte (longue durée) : 24h maximum pour 2€ ; 0,6€ l’heure
Zone bleue (sur 4 zones excentrées) : stationnement gratuit limité à 1h30
Les forfaits post stationnement et amendes à Saint Quentin en fonction du type d’infraction
Non-paiement : 20€
Dépassement : 20€ - la somme déjà payée (max 20€)
Stationnement hors emplacement (emplacements délimités, véhicules mal garés) : amende pénale de 35 €
Stationnement gênant sur trottoir/passage piéton : 135€
Stationnement dans des places réservées aux handicapés : 135€
Stationnement dans des espaces de livraison : 135€
CAPACITÉ À DÉTECTER
TYPE D'INFRACTION
MÉTHODOLOGIE DE DÉTECTION
L'INFRACTION EN TEMPS RÉEL, PRÉ-REQUIS, AVANTAGES ET INCONVÉNIENTS
Non paiement et dépassement
Autres infractions
(stationnement hors emplacement, sur trottoir, dans des places PMR, dans des espaces de livraison, horaireinterdit...)
Technologie de stationnement intelligent (analyse d'image, capteur radar, capteur à la place, comptage des entrées/sorties ou borne minute) uniquement
Capacité à détecter l'infraction en temps réel
Non (hormis dans les parkings à entrée unique avec une reconnaissance de la plaque d'immatriculation par une caméra)
Oui
Pré-requis, avantages et inconvénients
Pré-requis: déploiement d'une technologie de stationnement intelligent Avantage: pas de besoin de faire changer les comportements des automobilistes
ou les modalités de travail de la police municipale
Inconvénient: incapacité à détecter en temps réel le non paiment et le dépassement
Technologie de stationnement intelligent + horodateur/appli de paiement avec liaison humaine
Liaison humaine par l'automobiliste
Capacité à détecter l'infraction en temps réel
Oui Non
Pré-requis, avantages et inconvénients
Pré-requis:
- Déploiement d'une technologie de stationnement inteliligent
- Liasion technique entre les horodateurs, l'appli de paiement et la/les technologie(s) de stationnement intelligent
- Numérotation et marquage des places - Communication auprès des automobilistes
Avantage: l'identification de la place peut être proposée à l'automobiliste pour validation s'il utilise une appli de paiement
Inconvénient: contrainte supplémentaire en termes d'expérience usager
Liaison humaine par un agent de la police
Capacité à détecter l'infraction en temps réel
Oui Oui
Pré-requis, avantages et inconvénients
Pré-requis:
- Déploiement d'une technologie de stationnement inteliligent
- Liasion technique entre les horodateurs, l'appli de paiement et la/les technologie(s) de stationnement intelligent
- Numérotation et marquage des places Avantage: aucune contrainte supplémentaire pour l'automobiliste
Inconvénient: travail supplémentaire pour les agents de la police municipale, notamment concernant les places à haute rotation
Profil de stationnement
Objectif de changement de comportement
Informations nécessaires pour atteindre l’objectif
Conditions de succès pour atteindre l’objectif (horsdonnées)
P1 : Résidents avec des voitures ventouses de longue durée (>1 journée)
O1 : Inciter l’usage de parkings payants avec la carte résident ou de parkings gratuits sous- utilisés au détriment des parkings gratuits surutilisés
I1.1: Taux d’occupation des parkings (distinction entre « surutilisés » et « sous-utilisés »)
I1.2: Nombre de voitures stationnées dans chaque parking gratuit surutilisépendant plus d’une journée
I1.3. Localisation des parkings sous-utilisés les plus proches des résidents avec des voitures ventouses
C1.1: Campagne de communication ciblée à destination des résidents avec des voitures ventouses stationnées pour les informer sur quel est la parking sous-utilisé le plus proche de chez eux
C1.2: Des forfaits de la carte résident suffisamment avantageux vis-à-vis de la difficulté de trouver une place gratuite
P2 : Travailleurs avec des voitures ventouses de courte durée (<1 journée)
O2 : Inciter l’usage de parkings gratuits pour le stationnement de courte durée (< 1 journée) lié aux déplacements domicile- travail
I2.1 : Localisation des voitures stationnées à la journée dans des espaces payants
I2.2 : Zones ayant un déficit de places de stationnement
C2: Campagne de communication ciblée à destination des personnes avec des voitures ventouses de courte durée (<1 journée) pour les informer sur quel est le parking gratuit sous-utilisé le plus proche de leur lieu de travail
P3 : Personnes résidant dans le centre-ville ou à proximité qui font plusieurs trajets en voiture pour faire des achats en centre-ville
O3 : Réduire la part modale de la voiture en faveur de celles de la marche à pied et le vélo
I3.1 : Nombre de stationnements de très courte durée (<15 min) par des voitures de résidents du centre-ville ou de quartiers à proximité
I3.2 : Cartographie des pistes cyclables
I3.3 : Cartographie du mobilier urbain
I3.4 : Cartographie des espaces de stationnement de vélos
C3.1: Un espace urbain en conditions pour inciter la marche à pied (largeur et état des trottoirs, mobilier urbain adapté)
C3.2: Des pistes cyclables sécurisées
C3.3: Des espaces suffisants, bien distribués et sécurisés pour stationner les vélos
I3.5 : Flux piétons
C3.4: Offre de stationnement de très courte durée (<15 min) en face des commerces limitée
C3.5 : Un centre-ville attractif vis-à-vis des centres commerciaux périphériques
C3.6 : Un système de livraison permettant aux personnes allant faire plusieurs achats en centre-ville d’éviter l’usage de lavoiture
O1 : Inciter l’usage de parkings payants avec la carte résident ou de parkings gratuits sous-utilisés au détriment des parkings gratuits surutilisés
P4 : Personnes résidant dans le centre-ville ou à proximité qui se déplacent dans/vers le centre-ville pour des motifs autres que les achats
O4 : Réduire la part modale de la voiture en faveur de celles de la marche à pied et le vélo
I3.1 : Nombre de stationnements de très courte durée (<15 min) par des voitures de résidents du centre-ville ou de quartiers à proximité
I3.2 : Cartographie des pistes cyclables
I3.3 : Cartographie du mobilier urbain
I3.4 : Cartographie des espaces de stationnement de vélos
I3.5 : Flux piétons
C3.1: Un espace urbain en conditions pour inciter la marche à pied (largeur et état des trottoirs, mobilier urbain adapté)
C3.2: Des pistes cyclables sécurisées
C3.3: Des espaces suffisants, bien distribués et sécurisés pour stationner les vélos
P5 : Personnes résidant loin du centre-ville qui font plusieurs trajets en voiture pour faire des achats en centre-ville
O5 : Inciter les personnes à stationner leurs voitures dans un parking sous- utilisé et faire le reste des trajets à pied
I1.1: Taux d’occupation des parkings (distinction entre « surutilisés » et « sous-utilisés »)
I5 : Nombre de stationnements de très courte durée (<15 min) par des voitures de personnes résidant loin du centre- ville pendant une même journée
C3.4: Offre de stationnement en face des commerces de très courte durée (<15 min) limitée
C3.5 : Un centre-ville attractif vis-à-vis des centres commerciaux périphériques
C5: Campagnes de sensibilisation pour inciter les personnes résidant en dehors du centre-ville à stationner en centre- ville et faire les courses à pied
C3.6 : Un système de livraison permettant aux personnes allant faire plusieurs achats en centre-ville d’éviter l’usage de la voiture
Problématique
Objectifs de changement de comportement
Indicateurs à mobiliser
Usages des indicateurs
Voitures ventouses
O1 : Inciter l’usage de parkings payants avec la carte résident ou de parkings gratuits sous-utilisés au détriment des parkings gratuits surutilisés
O2 : Inciter l’usage de parkings gratuits pour le stationnement de courte durée (< 1 journée) lié aux déplacements domicile- travail
Nombre de voitures ventouses par zone et jour
Identifier les jours de la semaine et les zones dans lesquels il y a le plus de voitures ventouses
Faire un suivi de l'impact d'une politique destinée à réduire le nombre de voitures ventouses
Taux d'occupation moyen par zone, jour de semaine et horaire
Identifier dans quelles places, jours de la semaine et horaires les taux d'occupation sont les plus bas de façon à préconiser leur usage par les automobilistes responsables des voitures ventouse
Faire un suivi d'une politique destinée à niveler les taux d'occupation des zones
Fort recours à la voiture pour des trajets courts en centre-ville
O3 : Réduire la part modale de la voiture en centre-ville des personnes habitant le centre-ville ou à proximité en faveur de celles de la marche à pied et le vélo
Pourcentage de stationnements de courte durée par zone
Identifier les zones dans lesquelles le pourcentage de stationnements de courte durée sont les plus élévés
Faire un suivi d'une politique destinée à diminuer l'usage de la voiture pour des courts trajets
O4 : Réduire la part modale de la voiture en centre-ville des personnes habitant loin du centre-ville ou à proximité en faveur de celles de la marche à pied et le vélo
Taux de rotation
moyen par zone, jour de la semaine et horaire
Identifier les jours de la semaine, les moments de la journée et les jours de la semaine dans lesquels les stationnements de courte durée ont plus lieu
Faire un suivi d'une politique destinée à diminuer l'usage de la voiture pour des courts trajets
O5 : Inciter les personnes à stationner leurs voitures dans un parking sous-utilisé et faire le reste des trajets à pied
Taux d'occupation moyen par zone, jour de semaine et horaire
Identifier dans quelles places, jours de la semaine et horaires les taux d'occupation sont les plus bas de façon à préconiser leur usage par les automobilistes responsables des voitures ventouse
Faire un suivi d'une politique destinée à niveler les taux d'occupation des zones