Perspectives des transports FIT 2019

Chapitre 3. Ruptures dans le transport urbain de personnes

Abstract

Ce chapitre examine la situation actuelle du transport urbain de personnes et un certain nombre d’évolutions technologiques et économiques porteuses de bouleversements futurs dans ce secteur. Deux scénarios sont analysés : un dans lequel l’action publique est adaptée pour accompagner les bouleversements induits par ces évolutions, et un autre dans lequel les pouvoirs publics ne procèdent à aucun ajustement. Les résultats indiquent que les évolutions porteuses de ruptures peuvent susciter des transferts modaux qui aggravent la congestion et les émissions d’ici à 2050, et que des politiques ciblées seront nécessaires pour orienter ces évolutions de façon à réduire au minimum leurs externalités négatives et à maximiser leurs retombées bénéfiques.

La mobilité urbaine connaît une mutation rapide

Les trajets effectués à l’intérieur des régions urbaines représentent aujourd’hui la plupart des déplacements, et leur nombre devrait continuer de croître au rythme de la population et du produit intérieur brut (PIB) des villes. Partout dans le monde, la mobilité est source de défis, mais aussi d’opportunités pour ces régions. D’une part, c’est dans les villes que les limites de la panoplie actuelle des solutions de transport se feront le plus ressentir. D’autre part, les zones urbaines offrent un terreau fertile pour des innovations susceptibles de changer la donne. Cette conjonction de facteurs dissuasifs et incitatifs n’est pas nouvelle. L’innovation en situation de contraintes a toujours été un facteur de changement systémique, y compris dans le secteur des transports. À l’heure actuelle, nous assistons à une nouvelle accélération du cycle d’innovation, avec une convergence rapide de technologies, de modèles d’affaires et de services qui sont porteurs de ruptures, en particulier dans les zones urbaines. Cette convergence s’observe tout particulièrement dans le domaine de la mobilité urbaine, mais concerne aussi de nombreux autres domaines de l’économie et de la société.

Ces évolutions de rupture vont-elles s’enraciner et, surtout, atteindront-elles une échelle suffisante ? Dans l’affirmative, les transports de demain pourraient bien s’inscrire dans un cadre sociotechnique différent de celui qui caractérise aujourd’hui la mobilité urbaine. Pour les villes, il sera primordial de comprendre les conditions entraînant de telles ruptures, de cerner leurs conséquences possibles et de réfléchir aux moyens de les orienter et de les encadrer par l’action publique.

Graphique 3.1. Part de la population vivant en zone urbaine par région, 1950-2050

Source : DAES-ONU (DAES, 2018).

Statlink

Les nombreux milieux urbains différents de la planète ne connaîtront pas tous les mêmes changements. Du fait des particularités de chaque zone urbaine en termes d’action publique et de contexte socioéconomique et géographique, les innovations n’auront pas partout les mêmes conséquences. Certaines pourront se révéler un facteur de rupture à Beijing ou Los Angeles, mais avoir un impact moindre à Bruxelles ou Lagos, par exemple. De même, le moment où les effets de rupture se produiront et leur durée peuvent varier d’une ville à l’autre et d’un pays à l’autre.

Enfin, ces innovations de rupture conféreront en général des avantages immédiats à ceux qui les mettront à profit – et en particulier à leurs premiers adeptes. À l’échelle de la collectivité, leur impact global pourra néanmoins être positif, négatif ou insignifiant. Des politiques volontaristes sont clairement de mise pour faire en sorte que l’action publique encadre les phénomènes de rupture afin d’en maximiser les avantages et d’en réduire au minimum les répercussions négatives. Bien évidemment, cela n’est pas aisé lorsque les évolutions de rupture se présentent dans un premier temps comme des phénomènes atypiques négligeables avant de monter en puissance.

Étant donné que les caractéristiques des différentes zones urbaines varient en fonction du contexte et du fait de la nature même des phénomènes de rupture, il est difficile de prévoir le profil d’évolution de ceux-ci. Dans ce chapitre des Perspectives des transports, nous examinons trois phénomènes de rupture possibles pour la mobilité urbaine, ainsi que leur conjonction, dans le cadre de différents scénarios.

En l’occurrence, ces phénomènes sont les suivants :

1. un très large recours au télétravail et à la téléprésence plus généralement ;

2. une hausse significative de la conduite autonome et automatisée dans les villes ;

3. une adoption massive des services de mobilité partagée et optimisée.

Si on met de côté le télétravail, ces phénomènes de rupture ne sont pas tributaires d’une modification fondamentale des technologies automobiles de base qui sous-tendent l’écosystème de la mobilité urbaine. La conduite autonome et la mobilité partagée continueront de s’appuyer sur des véhicules circulant sur le réseau ferré et routier urbain. Ces véhicules ressembleront peu ou prou aux voitures, minibus, bus, trains, vélos et divers moyens de transport individuel motorisé que nous connaissons aujourd’hui. La montée en puissance de ces deux phénomènes de rupture pourrait être d’autant plus aisée qu’ils ne remettent pas en question le système sociotechnique actuel, articulé autour de la construction, de l’entretien, du ravitaillement, de l’assurance et de l’immatriculation de véhicules. Bien entendu, les deux – isolément et en conjonction – bouleversent la façon d’utiliser les véhicules et peuvent faire émerger des modèles d’affaires et comportements nouveaux en matière de déplacements. Pour leur part, le télétravail et la téléprésence peuvent éliminer une partie de l’activité de transport et remplacer le système sociotechnique sous-jacent par une autre configuration fondée sur la présence virtuelle.

Les trois phénomènes ont pour points communs de faire appel aux technologies informatiques et des communications, aux informations et aux données, et de donner naissance à de nouveaux modèles d’affaires rendus possibles par la transformation numérique. Dans le cas du télétravail, la présence virtuelle des travailleurs ne peut être utile et productive que grâce à l’omniprésence des réseaux et des technologies connexes.

En ce qui concerne la conduite autonome, le remplacement des conducteurs humains par des systèmes fondés sur l’intelligence artificielle et mus par des algorithmes nécessite de mettre au point et de déployer des technologies expertes d’observation, de traitement et de commande, et ouvre de nouveaux domaines de production industrielle et de développement de services commerciaux. Il suscitera également des changements dans les activités de soutien comme les services juridiques, l’assurance, le codage et le dessin industriel. Les véhicules autonomes peuvent renforcer la sécurité et réduire les coûts des exploitants de flottes de véhicules, et potentiellement déboucher sur de nouveaux modèles de fourniture de services susceptibles d’être couplés avec des services de mobilité partagée et des programmes dans lesquels la mobilité est conçue comme un service (MaaS).

De même, ces phénomènes de rupture amélioreront l’adéquation entre l’offre et la demande et favoriseront une intégration harmonieuse des différents modes, créant les conditions d’une large adoption de nouveaux services de mobilité. Les coûts de déplacement peuvent s’en trouver modifiés, avec à la clé une remise à plat des choix des utilisateurs en matière de mode de transport et, à terme, l’émergence de nouvelles habitudes de déplacement. L’adoption massive de la mobilité partagée, étayée par la conception de la mobilité comme un service (MaaS), promet notamment de faire évoluer deux paradigmes qui dominent depuis longtemps les services de mobilité urbaine : celui de la possession d’un mode de locomotion individuel et celui des horaires des transports en commun. De nouveaux modèles de mobilité créeraient les conditions d’un partage à la demande optimisé des véhicules et d’une intégration harmonieuse des modes, et permettraient aux fournisseurs de mobilité de mieux cibler les besoins et les souhaits individuels des voyageurs.

Un formidable obstacle se dresse toutefois sur la route de ces trois évolutions de rupture, à savoir la toute-puissance du modèle de mobilité fondé sur la voiture particulière. Dans quelle mesure elles parviendront – seules ou en conjonction – à bouleverser le statu quo dépendra des contraintes rencontrées par les voyageurs à l’intérieur du système de mobilité actuel, du degré auquel les cadres réglementaires favorisent ou au contraire freinent les nouveaux modèles de mobilité, et enfin des coûts relatifs des nouveaux services par rapport à ceux des services existants (ainsi que de l’évolution de ces coûts dans le temps).

Contribution possible des politiques de transport urbain à la réduction des émissions

Le modèle de transport urbain de personnes mis au point par le Forum international des transports (FIT) permet d’évaluer l’activité de transport, la répartition modale et les émissions correspondantes dans le cadre de différents scénarios d’action des pouvoirs publics pour l’ensemble des zones urbaines de plus de 50 000 habitants dans toutes les régions du monde jusqu’en 20501. Ce cadre de modélisation évolue en permanence grâce à l’incorporation de nouvelles sources des données et à l’amélioration des méthodes d’analyse. L’Encadré 3.1 met en exergue les derniers perfectionnements en date.

Deux scénarios de mobilité urbaine ont été élaborés pour cette édition des Perspectives des transports : un scénario d’ambitions inchangées et un scénario d’ambitions élevées (leurs caractéristiques sont présentées dans le Tableau 3.1). Dans ce contexte, le terme ambition renvoie aux efforts entrepris par les parties prenantes pour faire baisser les émissions de CO₂ et mettre en place des mesures à cet effet. La hausse attendue de la demande de mobilité urbaine est satisfaite de manière différente dans chaque scénario (Graphique 3.2), de sorte que les émissions de CO₂ produites par le secteur varient sensiblement entre les scénarios (Graphique 3.3). On verra plus loin dans ce chapitre d’autres scénarios qui rendent compte de l’impact potentiel de possibles évolutions de rupture sur la demande de déplacements et les émissions de CO₂ correspondantes.

Encadré 3.1. Améliorations récentes du modèle de transport urbain de personnes du FIT

Depuis sa présentation en 2017, le modèle de transport urbain de personnes du FIT (FIT, 2017) a fait l’objet de plusieurs améliorations. En voici les principales :

1. Meilleure représentation de différents modes de transport et de leur interaction : le modèle englobe à présent les services de mobilité partagée (services avec chauffeur dans le cadre desquels plusieurs voyageurs partagent un même véhicule pendant au moins une partie de leur déplacement, comme les minibus et les taxis partagés), ainsi que les systèmes de partage de véhicules (voitures, vélos, motocycles et scooters) dans le cadre desquels les usagers ne partagent pas nécessairement leurs déplacements avec d’autres personnes. Il comprend également un paramètre d’intégration, qui rend compte de la facilité avec laquelle les voyageurs peuvent changer de mode de transport, par exemple passer d’un mode nouveau à un mode classique et inversement.

2. Estimations affinées concernant le PIB et la motorisation : ces estimations sont désormais propres aux villes alors qu’elles étaient auparavant établies au niveau des pays.

3. Représentation plus détaillée des zones urbaines de taille restreinte (50‑300 000 habitants) grâce à la création de la nouvelle catégorie « petites villes ». Dans ces villes, la répartition modale n’est pas la même que dans celles de plus grande taille, entre autres parce qu’il n’existe souvent pas de transports collectifs lourds.

Le scénario d’ambitions inchangées pour le transport urbain de personnes

Le scénario d’ambitions inchangées table sur le maintien des politiques actuelles en matière de transport urbain, comprenant les politiques annoncées qui doivent entrer en vigueur dans les années à venir (Tableau 3.1). Dans ce scénario, les technologies et le déploiement de la mobilité autonome et partagée progressent à un rythme modeste. L’électrification des parcs automobiles urbains avance comme prévu dans le scénario « Nouvelles politiques » (NPS) de l’Agence internationale de l’énergie (AIE, 2018). L’intégration des modes de transport est limitée ; des obstacles significatifs continuent d’empêcher les voyageurs urbains de se déplacer sans rupture entre différents modes. L’offre de transports publics se développe au même rythme que par le passé. La densité des zones urbaines ne change pas de façon spectaculaire, mais l’étalement des villes se poursuit dans certaines régions.

Dans la logique des tendances récentes, certaines villes appliquent des mesures de restriction de la circulation automobile dans leur centre, étayées par des politiques de stationnement ad hoc, afin de lutter contre la hausse de la congestion et de la pollution. En l’occurrence, le scénario d’ambitions inchangées table sur des mesures publiques plus fortes que le scénario de référence de l’édition 2017 des Perspectives des transports (FIT, 2017). Il tient ainsi compte de la prise de conscience accrue des problèmes que soulève le transport urbain de personnes et de l’impact des mesures d’atténuation prises récemment ou en passe d’être appliquées par les villes pour y faire face. L’activité de transport globale progresse au rythme des projections de croissance du PIB et de la population. Le recours accru au télétravail ralentit quelque peu la hausse du nombre total de passager-kilomètres, laquelle s’établit ainsi à 38 % d’ici à 2030 et à 104 % d’ici à 2050 en milieu urbain par rapport à 2015.

La part des passager-kilomètres parcourus en ville en véhicules particuliers (taxis non collectifs compris) diminue dans le scénario d’ambitions inchangées, passant d’environ 70 % en 2015 à 40 % en 2050. Les modes partagés2 – qui comprennent les systèmes de véhicules partagés (comme les voitures, vélos, trottinettes ou scooters en libre-service avec ou sans stations)3 et les services de mobilité partagée optimisés (comme les taxis ou minibus partagés avec chauffeur) – progressent pour représenter plus de 20 % de la demande totale dans les villes en 2050. Ils sont dominés par les services optimisés, dans le cadre desquels plusieurs voyageurs partagent un même véhicule avec chauffeur pour effectuer au moins une partie de leur trajet. La part des modes de transport collectif plus classiques (bus, rail, métro) dans le total des passager-kilomètres parcourus en milieu urbain progresse légèrement, passant de 30 % en 2015 à plus de 35 % en 2050. Si les modes partagés et les transports en commun connaissent une hausse de la demande, c’est principalement parce que l’offre de nouveaux services de mobilité partagée mieux adaptés aux besoins des voyageurs augmente progressivement, et parce que les services de transports collectifs lourds continuent de s’améliorer.

Les émissions de CO₂ dues aux déplacements urbains diminuent de 20 % entre 2015 et 2050 dans le scénario d’ambitions inchangées, bien que le nombre total de passager-kilomètres double. Cela tient en grande partie à la progression des taux d’occupation des véhicules (grâce à l’augmentation de la part des services de mobilité partagée optimisés et des transports collectifs) et à la diminution de la consommation de carburant des véhicules. Les émissions moyennes de CO₂ par passager-kilomètre parcouru passent d’environ 126 g en 2015 à 50 g en 2050. Les émissions de CO₂ d’une voiture moyenne (mesurées en grammes par véhicule-kilomètre) chutent de 48 % en Amérique du Nord, de 54 % en République populaire de Chine et en Inde, et de 43 % à l’échelle mondiale, ce qui rejoint le scénario « Nouvelles politiques » de l’AIE.

Le scénario d’ambitions élevées pour le transport urbain de personnes

Dans ce scénario, les pouvoirs publics appliquent une série de mesures ambitieuses pour optimiser l’utilisation de l’espace public limité et réduire les externalités négatives du transport urbain. Le déploiement des véhicules électriques est accéléré, suivant le Scénario EV30@30 (AIE, 2018). Les modes de transport sont mieux intégrés que dans le scénario d’ambitions inchangées, de sorte que la part des transports publics et des modes actifs de déplacement (marche et vélo) est plus élevée. Des investissements plus importants sont consacrés aux transports collectifs lourds, et des politiques intégrées en matière de transport et d’aménagement urbain ont pour effet de densifier les zones urbaines.

Les pouvoirs publics s’efforcent en outre de maîtriser la circulation automobile et de réguler plus activement le stationnement pour créer des incitations en faveur de transports plus économes en espace, réduire la congestion et faire baisser les émissions de gaz à effet de serre. Le télétravail est encouragé, ce qui diminue le nombre de déplacements par rapport au scénario d’ambitions inchangées. Comme l’effet de la mobilité partagée et autonome sur le niveau global des déplacements (et donc sur les émissions de CO₂) est incertain, le scénario d’ambitions élevées ne comprend pas de mesures susceptibles d’accélérer le déploiement de ces potentielles sources de bouleversements; l’offre de modes partagés et de mobilité autonome est donc la même que dans le scénario d’ambitions inchangées.

Les projections fondées sur le scénario d’ambitions élevées montrent une diminution de la distance cumulée des déplacements urbains dans les prochaines décennies. En 2050, le total des passager-kilomètres parcourus en milieu urbain est ainsi inférieur de 15 % à celui du scénario d’ambitions inchangées. Cette baisse s’explique par le raccourcissement des déplacements sous l’effet de la densification des villes qui découle des politiques d’aménagement urbain. La part plus importante des trajets effectués en transports en commun et le recours accru aux modes partagés jouent également dans le raccourcissement des déplacements moyens par rapport à ceux effectués en véhicule particulier. Le télétravail, enfin, entraîne une décrue modérée de l’activité de transport globale.

La part des modes de déplacement individuel dans le total des passager-kilomètres parcourus en ville tombe à 30 % en 2050, contre environ 40 % dans le scénario d’ambitions inchangées et approximativement 70 % en 2015. Cette évolution découle à la fois de politiques qui ciblent davantage l’utilisation de la voiture et le stationnement et de mesures fortes soutenant l’intégration des différents services de transport. La baisse des émissions de CO₂ est accentuée par l’augmentation de l’occupation moyenne des véhicules et le fort déploiement des véhicules électriques. En 2050, ces émissions tombent alors à environ 20 % de leur niveau de 2015 et sont réduites de 70 % par rapport au scénario d’ambitions inchangées. Le niveau moyen des émissions de CO₂ par passager-kilomètre descend à 17 g dans toutes les régions du monde. En 2050, la consommation de carburant d’une voiture moyenne chute d’environ 75 % par rapport à 2015 sous l’effet des mesures prévues dans le scénario d’ambitions élevées.

Tableau 3.1. Caractéristiques des scénarios d’ambitions inchangées et d’ambitions élevées dans le domaine du transport urbain

Mesures d’atténuation			Ambitions inchangées			Ambitions élevées
	Amélioration de l’efficacité énergétique et déploiement des véhicules électriques	Le pourcentage des véhicules électriques en circulation en 2050 varie selon les régions : par exemple, entre 1 et 22 % pour les voitures (selon (AIE, 2018) – NPS)			Le pourcentage des véhicules électriques en circulation en 2050 varie selon les régions : par exemple, entre 42 et 64 % pour les voitures (selon (AIE, 2018) - EV30@30)
	Conception de Mobility as a Service (MaaS)	En 2050, 20 % des voyageurs ont recours à des systèmes de MaaS pour planifier leurs déplacements			En 2050, 50 % des voyageurs ont recours à des systèmes de MaaS pour planifier leurs déplacements
	Intégration et expansion des transports collectifs	Les évolutions antérieures se poursuivent jusqu’en 2050			Les évolutions antérieures observées en Europe se poursuivent jusqu’en 2050 dans toutes les régions du monde
	Politiques d’aménagement urbain pour densifier les zones urbaines	Selon les régions, étalement urbain stable ou léger jusqu’en 2050			Selon les régions, densification des zones urbaines de 5 à 10 % jusqu’en 2050
	Restrictions de circulation des voitures	En 2050, 20 % des déplacements en voiture sont concernés par des mesures de restriction (par exemple, zones à faibles émissions)			En 2050, 40 % des déplacements en voiture sont concernés par des mesures de restriction
	Tarification du stationnement	Égal ou supérieur de jusqu’à 20 % du pouvoir d’achat estimé des voyageurs en 2050 suivant la région.			Supérieur de 10 à 40 % du pouvoir d’achat escompté des voyageurs en 2050 suivant la région.
Facteurs potentiels de rupture				Ambitions inchangées			Ambitions élevées
	Véhicules autonomes	Selon les régions, entre 0 et 2.5 % des déplacements en voiture sont autonomes en 2050			Identique au scénario d’ambitions inchangées
	Mobilité partagée	Les évolutions antérieures de l’offre de moyens de transport partagés se poursuivent jusqu’en 2050 (croissance annuelle du parc comprise entre 50 et 150 % selon les régions)			Identique au scénario d’ambitions inchangées
	Télétravail	Entre 2 et 20 % des déplacements sont concernés d’ici à 2050 selon les régions			Entre 3 et 25 % des déplacements sont concernés d’ici à 2050 selon les régions

Graphique 3.2. Répartition modale de la mobilité urbaine : situation en 2015 et projections à 2050

Note : Individuel renvoie aux véhicules particuliers motorisés et taxis. Collectif désigne le bus, le métro, le tram et le rail. Partagé correspond aux véhicules partagés motorisés et non motorisés, ce qui comprend les systèmes de partage (de voitures, vélos et autres véhicules en libre-service avec ou sans station) et les services de mobilité partagée optimisés (taxis ou minibus partagés avec chauffeur). Actif renvoie aux déplacements effectués à pied, à vélo ou par tout autre mode faisant appel à l’énergie musculaire humaine (hormis les véhicules partagés publics).

Statlink

Graphique 3.3. Émissions de CO₂ par mode : situation en 2015 et projections à 2050

Note : Voir la note du Graphique 3.2.

Statlink

Mobilité urbaine par région

Dans les prochaines décennies, c’est l’Afrique qui connaîtra la plus forte progression relative de la demande de mobilité urbaine. Entre 2015 et 2050, le transport urbain y est presque multiplié par quatre dans le scénario d’ambitions inchangées, et la part du continent africain dans le nombre total de passager-kilomètres parcourus dans le monde double pour passer de 5 à 10 %. Dans d’autres régions en développement rapide comme la Chine, l’Inde, le Moyen-Orient et d’autres parties de l’Asie, la demande de mobilité urbaine est multipliée par plus de deux d’ici à 2050 (voir Graphique 3.4). En Chine et en Inde, elle s’accroît d’environ 7 000 milliards de passager-kilomètres entre 2015 et 2050 dans le scénario d’ambitions inchangées, ce qui représente la plus forte augmentation absolue enregistrée dans le monde. En 2050, ces deux pays représentent ainsi un tiers environ du total mondial des passager-kilomètres parcourus en zone urbaine, contre environ un quart en 2015.

Même dans les régions où l’accroissement du nombre de passager-kilomètres urbains est le plus faible, il est significatif, puisqu’il atteint 30 % dans la région OCDE Pacifique et 40 % dans les pays en transition4.

Graphique 3.4. Répartition de la mobilité urbaine par région du monde, situation en 2015 et projections à 2050

Statlink

Polluants locaux

Les transports urbains constituent une importante source de pollution atmosphérique locale, principalement du fait de leurs émissions d’oxydes d’azote (NO_x), de sulfate (SO₄) et de particules de diamètre égal ou inférieur à 2.5 microns (PM_2.5). Ces polluants sont en partie responsables de pathologies graves comme les maladies cardiovasculaires et respiratoires et de nombreux cancers. Selon les estimations de l’Organisation mondiale de la santé, plus de 90 % de la population mondiale vit dans des zones où la pollution atmosphérique dépasse les limites fixées en matière de qualité de l’air (OMS, 2016).

La contribution des transports urbains aux émissions de CO₂ et leur contribution à la pollution atmosphérique locale ne sont pas nécessairement corrélées. Les émissions de CO₂ sont strictement proportionnelles à la consommation de carburant des véhicules, alors que la quantité de polluants locaux rejetés dans les gaz d’échappement par unité de carburant consommé peut être très variable. Dans ces Perspectives des transports, nous utilisons les coefficients d’émission du modèle Roadmap de l’International Council on Clean Transportation (ICCT, 2019) pour estimer les émissions de polluants locaux qui découlent des niveaux de mobilité urbaine prévus par les deux scénarios. Ce modèle tient notamment compte de l’évolution attendue des normes de consommation des véhicules ainsi que de leur taux de pénétration probable dans les parcs automobiles à l’horizon 2050.

Dans le scénario d’ambitions inchangées, les émissions totales de particules et de SO₄ diminuent au cours des prochaines décennies, tandis que les émissions de NO_x du transport urbain demeurent relativement stables jusqu’en 2050 (voir Graphique 3.5). Cela étant, dans certaines régions du monde, la pollution de l’air urbain augmente sensiblement faute de mesures destinées à y remédier. Au Moyen-Orient, les émissions de NO_x, de SO₄ et de PM_2.5 progressent de respectivement 73 %, 197 % et 185 %. En Afrique, la hausse prévue atteint 78 % pour les NO_x, 136 % pour le SO₄ et 136 % également pour les PM_2.5. Dans ces régions, l’intensification de la pollution atmosphérique imputable aux transports est liée à la croissance des villes, mais aussi à la montée en puissance des transports individuels motorisés. En revanche, les émissions polluantes diminuent notamment dans les zones où la marge de progression du recours à la voiture est limitée et où les véhicules électriques gagnent du terrain, en particulier dans l’Espace économique européen (EEE) et en Turquie.

Comme le montre le scénario d’ambitions élevées, des mesures d’atténuation permettraient de limiter la croissance des émissions polluantes dues à la mobilité urbaine. Le facteur qui améliore le plus la situation par rapport au scénario d’ambitions inchangées est la pénétration accrue des véhicules à zéro émission. Néanmoins, certaines villes voient la pollution de l’air imputable aux transports augmenter même dans le scénario d’ambitions élevées. Le Graphique 3.6 montre la variation en pour cent de la pollution de l’air urbain imputable aux transports entre l’année de référence 2015 et l’année 2050 dans le cadre du scénario d’ambitions élevées. On remarque que les émissions de NO_x augmentent malgré tout dans 5 % des villes réparties dans différentes régions du monde. La hausse des émissions de SO₄ et de PM_2.5 est davantage concentrée géographiquement, surtout en Afrique et au Moyen-Orient.

Graphique 3.5. Émissions polluantes dues aux transports par région

Statlink

Graphique 3.6. Émissions polluantes dues aux transports

Il est difficile de prévoir les conséquences de ces scénarios sur le plan sanitaire. Les estimations présentées tiennent compte uniquement des émissions des pots d’échappement et ignorent donc, par exemple, les particules rejetées par l’usure des freins et des pneumatiques. En outre, les transports ne sont bien évidemment pas les seuls responsables des émissions de polluants locaux. D’autres facteurs entrent en ligne de compte, dont la topographie, le climat ou encore la présence d’activités industrielles. Néanmoins, les projections réalisées pour la présente édition des Perspectives des transports montrent que cette hausse interviendra en grande partie dans des villes qui sont aujourd’hui déjà en proie à des problèmes de pollution de l’air, et où le surcroît d’émissions aggravera sans doute les effets sanitaires. Il convient de redoubler d’efforts pour développer des transports collectifs à émissions faibles ou nulles, surtout dans les villes de taille moyenne où l’investissement dans le ferroviaire n’est pas forcément envisageable.

Encadré 3.2. Le cadre d’analyse de l’accessibilité urbaine du Forum International des Transports

L’accessibilité constitue une priorité croissante de l’action publique. Il est de plus en plus admis que le but ultime des politiques de transport n’est pas tant d’accélérer et de désengorger les déplacements que de rendre plus aisé l’accès des citoyens aux biens, aux services et aux activités. Il est toutefois rare que des indicateurs rendant compte de l’accessibilité soient utilisés dans la prise de décisions.

Graphique 3.7. Part de la population urbaine située à plus de 30 minutes en voiture de l’hôpital le plus proche en Europe

Note : le diamètre des cercles est proportionnel au nombre total d’habitants.

Le cadre d’analyse de l’accessibilité urbaine du FIT propose un ensemble d’indicateurs, de méthodes de calcul et de bases de données permettant de réaliser des études d’accessibilité à grande échelle (FIT, 2017). Il permet d’évaluer l’accessibilité à l’aune de différents types de destinations, comme les lieux d’emploi et les établissements d’enseignement et de soins. Il offre également la possibilité d’isoler dans les analyses l’influence de la vitesse et de la proximité sur l’accessibilité.

Dans un rapport à paraître prochainement, intitulé Benchmarking Accessibility in Cities: Measuring the impact of proximity and transport performance (FIT, à paraître), le FIT présente les résultats de l’application du cadre d’analyse à l’ensemble des villes européennes de plus de 500 000 habitants. Il en ressort que l’accessibilité moyenne des biens et services est très élevée dans ces villes, mais cette moyenne masque d’importantes disparités. Par exemple, il apparaît que plus de 97 % des habitants se trouvent à moins de 30 minutes en voiture d’un hôpital.

En revanche, dans beaucoup de villes d’Europe de l’Est, comme Sofia (Bulgarie), Budapest (Hongrie) ou Lublin (Pologne), cette part tourne autour de 90 %. Elle tombe même en dessous de 70 % parmi les habitants de bassins d’emploi. Dans ces zones, une part significative de la population urbaine doit donc rouler plus de 30 minutes pour se rendre dans un hôpital. Ce constat a des implications évidentes pour l’action des pouvoirs publics, sachant que l’accès à des services de santé essentiels de qualité est l’une des cibles des Objectifs de développement durable (ODD) des Nations Unies.

Le cadre d’accessibilité urbaine du FIT a été mis au point dans le cadre d’un projet financé par la Commission européenne et réalisé en collaboration avec le Centre de l’OCDE pour l’entrepreneuriat, les PME, les régions et les villes.

Le phénomène de rupture du télétravail

 

Le télétravail, comme d’autres formes de téléprésence, peut augmenter l’accessibilité, la productivité et la compétitivité. Il peut créer des emplois et stimuler la croissance intelligente tout en contribuant au bien-être global des employés. Dans le secteur des transports, il a pour effet d’aider à réduire le nombre de trajets domicile-travail, et par conséquent d’alléger le trafic sur les réseaux de transport aux heures de pointe. Dans la mesure où il peut limiter les déplacements motorisés, il réduit aussi les émissions de CO₂. Promouvoir le télétravail peut donc être l’une des options des stratégies de gestion de la demande de déplacements visant à décarboner les transports.

Le télétravail, au sens large, est le fait d’exercer une activité professionnelle en dehors des locaux de son employeur tout en y restant connecté grâce aux technologies de réseau. Il peut également recouvrir les modalités de travail flexibles destinées à reporter les trajets domicile-travail aux heures creuses. Cependant, dans le contexte de cette analyse, nous entendons par télétravail les modalités de travail permettant de réduire le nombre total de trajets vers le lieu de travail5.

Le concept de télétravail a été proposé pour la première fois en tant qu’aménagement officiel en 1973 aux États-Unis, en réaction à la hausse des prix pétroliers et à l’entrée en vigueur de la loi environnementale (« Clean Air Act ») de 1970. On a d’abord pensé qu’il révolutionnerait le monde du travail pour devenir l’habitude d’une part importante de la population active. Pourtant, il était encore une exception un quart de siècle plus tard : aux États-Unis en 1997, seuls 7 % d’actifs travaillaient de chez eux au moins une fois par semaine (Eurofound, Sixth European Working Conditions Survey, 2017). Dans l’Union Européenne (UE) en 2000, seulement 5 % de la population active effectuait au moins un quart de ses heures de travail à distance (Eurofound, Telework in the European Union, 2010).

Le taux de télétravail a augmenté depuis, principalement avec l’essor de l’internet et de la technologie mobile, et parce qu’employeurs et employés voient cette pratique sous un jour de plus en plus favorable. En 2010, près de 10 % de la population active aux États-Unis travaillait à distance au moins une fois par semaine. De toutes les options existantes en termes de déplacement domicile-travail, le télétravail est celle qui connaît la plus forte croissance, particulièrement parmi les citadins (Mateyka, Rapino, & Landivar, 2012).

Faute de de collectes de données et d’une définition harmonisées du télétravail, il est difficile d’établir des comparaisons internationales. Les données disponibles permettent néanmoins de mettre en évidence certains schémas et tendances d’ordre général.

Tout d’abord, le taux de télétravail est très variable : il peut aller de 2 % à 40 % selon la région du monde et le secteur (Gschwind, et al., 2017). En Europe, les chiffres sont les plus élevés au Danemark, en Finlande et aux Pays-Bas, où respectivement environ 34 %, 32 % et 29 % de la population déclare télétravailler. Dans tous les pays, le groupe ayant le plus recours au télétravail est celui des employés hautement qualifiés comme les cadres de direction, les professions intellectuelles et scientifiques et les professions intermédiaires (Eurofound, Sixth European Working Conditions Survey, 2017). Le Graphique 3.8 rend compte des taux de télétravail au sein de l’UE.

Graphique 3.8. Part de la population active travaillant à domicile plusieurs fois par mois, 2015

Source : Eurofound (2017)

Statlink

Des taux de télétravail relativement bas sont observés dans les pays d’Europe du Sud, avec 10 % en Grèce, 11 % en Espagne et 14 % en Italie (Eurofound, 2017). Le constat est le même en Allemagne, où seulement 11 % de la population active travaille à domicile plusieurs fois par mois. Des auto-déclarations recueillies au cours d’une enquête mondiale auprès de travailleurs des professions intellectuelles supérieuresdans les régions de l’Asie Pacifique et d’Afrique-Moyen-Orient semblent indiquer des taux plus faibles que dans la plupart des pays à revenu élevé (PGi, 2015)6.

Tableau 3.2. Taux de télétravail dans une sélection de pays non-UE

Pays	Groupe	Année	Taux de télétravail (%)
Argentine	Tous les travailleurs	2011	2.0
Inde	Employés du secteur structuré non agricole	2015	19
Japon	Tous les travailleurs	2010	16.5
États-Unis	Tous les travailleurs	2015	24.1
Canada	Tous les travailleurs	2015	12.8

Note : En Inde, le secteur structuré non agricole n’emploie qu’environ 15 % de l’ensemble des travailleurs du pays d’après ILO-Eurofound, (Sixth European Working Conditions Survey, 2017). Par conséquent, le taux de télétravail dans l’ensemble de la population active indienne est certainement inférieur au chiffre susmentionné.

Source : Rapports nationaux rassemblés dans Eurofound (2017), sauf indication contraire ; Données pour le Japon obtenues du Ministère des Affaires générales et des Communications (2011) ; Données pour les États-Unis du Bureau of Labor Statistics (2016) ; Données pour le Canada de Statistique Canada (2016) ; Données pour l’Australie du MIAESR (2013).

Pourquoi télétravailler ?

Le télétravail doit se prêter à une mission compatible, c’est-à-dire des tâches que les technologies permettent de réaliser à distance. Il exige également que la personne concernée dispose du matériel nécessaire, des compétences lui permettant d’utiliser ce matériel, et de conditions de travail propices (avec accès à l’internet et espace physique adapté). Enfin, il est essentiel qu’il y ait un accord officiel ou officieux entre l’employé et l’employeur concernant cette activité.

La propension à télétravailler et la fréquence du télétravail dépendent également de plusieurs autres facteurs, parmi lesquels les caractéristiques sociodémographiques, les mentalités, et l’accessibilité géographique. Les femmes, les travailleurs à haut revenu et les diplômés de l’enseignement supérieur ont tendance à plus télétravailler que d’autres groupes ; c’est aussi le cas des personnes vivant dans un ménage avec enfants (Walls, Safirova, & Jiang, 2006; Singh, Paleti, Jenkins, & Bhat, 2013; Loo & Wang, 2018).

Il existe une corrélation positive et régulière entre la propension au télétravail et la longueur des trajets domicile-travail (Helminen & Ristimäki, 2007; Melo & de Abreu e Silva, 2017). Le lien de causalité n’est cependant pas évident. Plus on met de temps à se rendre à son travail, plus on peut avoir tendance à télétravailler, mais en même temps, l’opportunité du télétravail peut conduire à choisir un lieu de résidence plus éloigné (Melo & de Abreu e Silva, 2017). En réalité, la corrélation observée est probablement le résultat de ces deux effets combinés.

Le télétravail est réglementé. Il subit également l’influence des normes culturelles. Les disparités entre les pays au niveau du cadre juridique et des comportements sociaux expliquent en partie la grande variation des taux de télétravail dans le monde. Une culture du « présentéisme » – la pression d’être physiquement présent à son travail – peut constituer un extraordinaire facteur de dissuasion (Wilton & Scott, 2011).

L’attitude du personnel encadrant joue un rôle important dans l’acceptation progressive du télétravail au sein d’une organisation (Haddad & Chatterjee, 2009; Mayo, Gomez-Mejia, Firfiray, Berrone, & Villena, 2016). Les cadres peuvent être peu disposés à soutenir le télétravail par peur d’incidences préjudiciables sur l’implication des employés et la culture d’entreprise. Ils peuvent également ne pas vouloir perdre le contrôle managérial direct du temps des employés en télétravail. Cette attitude prudente caractérise le rapport managérial au télétravail en Chine et en Inde, par exemple – des pays où les avantages potentiels d’un télétravail plus important sont non négligeables. Certaines analyses laissent entendre que ces inquiétudes sont, en moyenne, infondées (Gajendran & Harrison, 2007).

Une étude récente portant sur des employés chinois a également constaté que le télétravail, en améliorant la productivité, constitue une stratégie de management rentable (Bloom, Liang, Roberts, & Ying, 2015). D’autres éléments factuels laissent à penser qu’en rendant plus visible l’action du secteur public en matière de télétravail, on incite à recourir à cette pratique (Mokhtarian, 1991). Un certain nombre de pays ont adopté des lois ou des résolutions visant à rendre le télétravail plus accessible à leurs citoyens, dont la Chine, la République tchèque, la Colombie, le Japon et la Roumanie.

Dans ce contexte, il semble important de souligner l’émergence de l’économie dite « à la demande », qui concerne les travailleurs indépendants enchaînant des contrats à court terme d’activités qu’ils peuvent ou non exécuter en ligne. Aux États-Unis, selon des estimations de la Réserve fédérale, l’économie à la demande emploie environ 31 % des travailleurs, la plupart d’entre eux occupant d’autres formes d’emploi en plus de leur activité indépendante. Près de la moitié (16 %) participent à la cyberéconomie à la demande, par exemple en exécutant à distance les opérations prévues aux termes de contrats à la tâche7. Si ce dernier groupe remplace progressivement les emplois de bureau à plein temps, la téléprésence pourrait atteindre un niveau suffisant pour réduire le volume des déplacements liés au travail. Cette évolution s’accompagne de la multiplication du nombre d’espaces de travail hors site comme WeWork conçus pour les travailleurs indépendants. Il existe peu de statistiques sur la taille et la nature de l’économie à la demande, mais de telles formes de travail pourraient avoir, dans le futur, une incidence croissante sur la demande de déplacements, particulièrement lorsqu’elles comportent des tâches réalisées entièrement à distance.

Comment le télétravail modifie-t-il les comportements de mobilité ?

Le télétravail a pour principal effet sur les transports de réduire la demande de déplacements pendant les heures de pointe, ce qui limite la congestion et la pollution atmosphérique, aide à éviter des accidents de la circulation et atténue la pression sur l’infrastructure de transports publics8.

Il ressort de données empiriques que le télétravail peut diminuer le volume du trafic de pas moins de 2.7 % (Choo, Mokhtarian, & Salomon, 2005; O'Keefe, Caulfield, Brésil, & White, 2016; Giovanis, 2018). Mais l’ampleur de ses effets, quelle que soit leur nature, dépend grandement du contexte. Le degré de réduction des émissions, par exemple, dépend de facteurs tels que les modalités des trajets domicile-travail, les conditions météorologiques et les habitudes de consommation d’énergie induite, mais également des caractéristiques des bureaux de l’employeur et de l’espace de télétravail (domicile ou autre), ou encore de la composition du mix électrique (Kitou & Horvath, 2003). Dans les régions où l’on emprunte beaucoup les transports publics, par exemple, le télétravail réduira sans doute moins les émissions de CO₂ que là où l’on se rend au travail de préférence en véhicule à moteur à combustion interne.

Les effets nets du télétravail peuvent être ambigus, en particulier si l’on prend en compte les effets indirects, souvent de nature comportementale. Des éléments factuels montrent que le télétravail peut s’accompagner d’une hausse du nombre de déplacements non liés au travail (Kitou & Horvath, 2003; Glogger, Zängler, & Karg, 2008; Falch, 2012; Zhu, Wang, Jiang, & Zhou, 2018). Selon d’autres études, le télétravail est positivement associé à une augmentation de la fréquence des déplacements non urbains et de la consommation d’énergie domestique (Kitou & Horvath, 2003).

Cumulés, ces effets indirects peuvent créer des effets rebond, c’est-à-dire, de fait, augmenter le volume total de déplacements et réduire l’impact positif global éventuel du télétravail sur la demande de déplacements et les émissions par exemple (Melo & de Abreu e Silva, 2017). Le télétravail pourrait même accentuer l’étalement urbain, dans la mesure où il incite les travailleurs à habiter plus loin de leur lieu de travail (Nilles, 1991). Cependant, les données fournies par les travaux publiés dépendent très fortement du type d’activité et de la fréquence de télétravail (par exemple un ou trois jours par semaine) : il convient d’en tenir compte lorsqu’on analyse des données empiriques sur les effet du télétravail (Ben-Elia, Lyons, & Mokhtarian, 2018)9.

Des résultats d’enquête indiquent que la perception du télétravail est positive. Plus de 50 % des télétravailleurs interrogés dans toutes les régions ont déclaré vouloir travailler à distance plus souvent (PGi, 2015). L’évolution parallèle des technologies facilitera le télétravail et pourrait ainsi considérablement favoriser sa généralisation.

D’un autre côté, l’amélioration des transports publics pourrait rendre le télétravail moins attractif en raccourcissant les trajets domicile-travail et en les rendant plus agréables. Des véhicules à moteur à combustion interne moins gourmands en carburant ou des véhicules électriques plus avancés (meilleure infrastructure de recharge, plus grande diversité de modèles) pourraient aussi limiter l’incitation financière à télétravailler. Même si, avec la décarbonation du secteur des transports, le télétravail perdait en valeur en termes de réduction du CO₂, il continuerait de contribuer à faire baisser la congestion dans les villes.

Résultats de la simulation

Le modèle d’analyse du transport urbain de voyageurs élaboré par le FIT a été utilisé pour exécuter un scénario simulant les effets d’une augmentation du télétravail sur la demande de déplacements. Ces effets sont estimés à partir des impacts recensés dans la littérature scientifique. Il sont ensuite comparés avec le scénario d’ambitions inchangées, qui prévoit uniquement une progression très modérée du télétravail. Dans les scénarios qui simulent une rupture de la trajectoire de développement du transport, le télétravail touche entre 3 % et 30 % des déplacements urbains à l’horizon 2050 selon la région. Les résultats de la simulation montrent qu’un recours plus important au télétravail réduit les volumes des déplacements urbains mondiaux exprimés en passager-kilomètres et les émissions de CO₂ connexes d’environ 2 % par rapport à leur niveau dans le scénario d’ambitions inchangées à l’horizon 2050.

Recours massif à la mobilité partagée

 

L’essor de la mobilité partagée est l’un des phénomènes de rupture les plus remarquables de ces dernières années, dans le secteur des transports mais aussi en dehors. Dans l’économie du partage, les acteurs s’emploient à maximiser l’utilité des actifs sous-exploités en mettant directement en relation l’offre et la demande et en recourant le plus souvent pour ce faire à des plates-formes en ligne. Ils profitent de la transformation numérique tous azimuts pour mettre en place des services meilleurs et plus efficaces, et de nouveaux modèles d’affaires capables de bouleverser les systèmes de transport classiques.

Il existe déjà aujourd’hui un large éventail de services de mobilité partagée et quasi partagée. On peut citer l’autopartage avec ou sans station (free-floating) la location de voitures de courte durée entre particuliers par l’intermédiaire d’applications, les services de transport à la demande individuel ou partagé, les services de minibus à la demande à itinéraire flexible, le covoiturage entre particuliers, ainsi que les services de micromobilité et de vélos partagés (voir Tableau 3.3).

Tableau 3.3. Le paysage évolutif de la mobilité urbaine

Modes de déplacement	Applications de mobilité	Modèles de services	Modèles opérationnels	Modèles d’affaires
Voiture/vélo/autre véhicule de particuliers	Applications commerciales de partage	Possession	Trajets en boucle à partir d’une station	Services fournis par des entreprises à des consommateurs
Taxi	Applications de suivi de la mobilité	Services avec adhésion	Trajets en trace directe avec stations	Services fournis par des administrations à des consommateurs
Voiture de location	Applications de partage entre particuliers	Services sans adhésion	Trajets en trace directe sans station (free-floating)	Services fournis par des entreprises à des administrations
Transports en commun	Applications de transport en commun	Services entre particuliers		Services interentreprises
Vélopartage	Applications d’information en temps réel	Services à la demande		Marché de la mobilité entre particuliers
Autopartage	Applications de transport à la demande	Services de transports en commun		Propriété partagée
Micro-transports collectifs	Applications de maraude électronique des taxis
Rickshaws	Applications de navigation multimodale
Autopartage entre particuliers
Covoiturage
Transport à la demande
Micromobilité partagée
Partage de scooters
Navettes

Note : Le vélopartage désigne l’accès à la demande à des vélos attachés ou non à des bornes pour effectuer des trajets en trace directe (d’un point à un autre) ou en boucle (retour au point de départ) ; l’autopartage désigne l’accès aux véhicules d’une entité à laquelle l’utilisateur a adhéré et qui entretient une flotte de voitures et/ou camionnettes ; par micro-transports collectifs, on entend les services de transport collectif exploités par des acteurs privés ou publics et faisant appel à des technologies modernes qui consistent généralement à transporter plusieurs voyageurs par navette ou par minibus, à la demande ou à horaires définis, et en empruntant un itinéraire fixe ou flexible ; les rickshaws renvoient aux services de transport à la demande de voyageurs dans un véhicule léger motorisé ou mû par l’énergie musculaire humaine qui compte trois roues ou plus et un habitacle ; l’autopartage entre particuliers désigne le partage par des particuliers de leur propre véhicule, par l’intermédiaire d’une entreprise qui règle les transactions entre eux et les utilisateurs des véhicules ; le covoiturage correspond à l’utilisation conjointe, dans un cadre formel ou informel, d’un véhicule par son conducteur et des passagers qui souhaitent effectuer le même trajet que lui ; les services de transport à la demande sont des services rémunérés de transport qui sont fournis à la demande et font l’objet d’un arrangement préalable, dans le cadre duquel chauffeurs et passagers sont mis en relation au moyen d’applications numériques ; la micromobilité partagée renvoie à l’accès payant à une flotte de véhicules (principalement) électriques tels que des trottinettes, qui sont déployés et entretenus par un opérateur ; le partage de scooters renvoie à l’accès payant à une flotte de scooters/cyclomoteurs déployés et entretenus par un opérateur ; par navettes, on entend des véhicules partagés (généralement des bus ou des minibus) qui assurent le transport de voyageurs entre un lieu donné et une gare, un centre commercial, un établissement d’hébergement, un lieu de travail, etc.

Source : D’après SAE (2018).

Ces services exploitent les technologies aujourd’hui disponibles pour élargir l’éventail des choix de mobilité. Portés par le développement des plates-formes MaaS, ils sont aussi de plus en plus intégrés avec les transports en commun. C’est le cas notamment lorsque la mobilité partagée permet de rabattre des usagers vers des services de transports collectifs lourds efficients. Cette évolution est sous-tendue par le développement ininterrompu des technologies numériques et leur entrée dans tous les domaines de l’économie et de la vie quotidienne.

Pourquoi opte-t-on pour la mobilité partagée ?

Pour appréhender l’évolution possible des habitudes de déplacement sous l’effet du recours massif aux services de mobilité partagée et de la substitution de ceux-ci à la mobilité individuelle, il importe de comprendre les différences qui existent en termes d’aménagement de l’espace, d’offre de transport et de culture. La configuration spatiale des villes détermine les besoins en matière de mobilité motorisée et la longueur moyenne des déplacements. Le profil d’une zone métropolitaine sur le plan de la mobilité peut être déterminé par la densité et la mixité de son aménagement, mais aussi par la structure des migrations pendulaires dont elle est le théâtre. Les infrastructures de transport et l’offre de transports en commun constituent un autre paramètre fondamental.

L’écosystème de la mobilité et de l’accessibilité est façonné par une multitude d’éléments, et il influence à son tour les taux de motorisation et les choix de mode de déplacement qui en découlent. Une ville relativement dense et peu étendue peut être propice à une forte proportion de déplacements non motorisés, mais des transports en commun médiocres et l’étalement urbain peuvent encourager des habitudes de mobilité qui font la part belle à la voiture. La présence d’importants réseaux de bus dans certaines villes signale qu’une partie des voyageurs préfère aujourd’hui ce mode aux véhicules particuliers, que ce soit pour des raisons financières ou par choix personnel. À cet égard, il importe de prendre en compte un certain nombre de caractéristiques des villes (répartition modale, qualité et étendue des services de transport en commun, caractéristiques socioéconomiques, etc.) pour évaluer l’avantage comparatif de la mobilité partagée par rapport aux solutions de transport existantes. À titre d’exemple, il ressort d’études menées par le FIT en faisant appel à des groupes de réflexion que, dans la capitale finlandaise Helsinki, les citoyens sont particulièrement demandeurs de services reliant entre eux différents quartiers périphériques de la ville (FIT, 2017). Dans la capitale irlandaise Dublin, les services partagés pourraient être utiles pour le rabattement des banlieusards vers les transports publics (FIT, 2018).

Le recours au transport à la demande est souvent motivé par la tarification et les difficultés du stationnement et par la volonté de ne pas prendre le volant après avoir consommé de l’alcool. Aux États-Unis, les voyageurs qui privilégient ce mode de transport par rapport aux transports collectifs, au vélo ou à la marche le font souvent pour des raisons de commodité et de confort. L’utilisation des services de transport à la demande a tendance à culminer le matin et (plus encore) le soir (tard). Ces pics coïncident avec les heures de forte circulation et alimentent donc le phénomène de congestion. Parmi les autres facteurs qui influent sur le recours aux diverses solutions de mobilité partagée figurent peut-être aussi la confiance, le coût et la facilité d’utilisation (paiement, temps d’attente, interface logicielle, etc.). Dans la mesure où elles favorisent la confiance et la facilité d’utilisation, les applications mobiles et plates-formes MaaS jouent un rôle essentiel dans le développement de la mobilité partagée.

Quelles sont les conséquences du recours à la mobilité partagée pour le transport urbain ?

L’essor des services de mobilité partagée a suscité dans de nombreuses villes de la planète un débat sur leur régulation et sur la façon dont les villes devraient interagir avec les protagonistes (les taxis, par exemple). Le débat concerne aussi les effets des services de mobilité partagée sur la sécurité et leur influence sur les habitudes de déplacement. Il ressort de certaines études que ces services contribuent à faire baisser le taux de motorisation et entraînent un recours accru aux transports collectifs. Selon d’autres études, les premiers à adopter les nouveaux services sont des usagers des transports en commun qui n’en sont pas satisfaits et qui, en les abandonnant au profit de véhicules partagés, ne font qu’aggraver la congestion. En outre, il se peut que l’effet à court et moyen termes de la mobilité partagée sur le choix modal et le taux de motorisation ne compense pas l’amplification de l’étalement urbain qu’elle risque de provoquer à long terme en l’absence de mesures publiques visant à lutter contre ce phénomène.

Plusieurs études ont été consacrées à l’impact du développement de la mobilité partagée sur le marché de la mobilité urbaine. Beaucoup se concentrent sur les effets observés des entreprises de mobilité partagée et les effets sur les indicateurs de performances environnementales (Shaheen, et al., 2017). D’autres prennent un caractère davantage prospectif, que ce soit en analysant à l’aide de simulations l’adoption future de solutions de mobilité partagée à grande échelle (Ciari, Schuessler, & Axhausen, 2013; Spieser, et al., 2014; Liu, Kockelman, Boesch, & Ciari, 2017; Zachariah, Gao, Kornhauser, & Mufti, 2014; Fagnant & Kockelman, 2016) ou en faisant évaluer par des experts les effets cumulés d’une adoption massive de la mobilité partagée dans différents contextes urbains (Shaheen, Chan, Bansal, & Cohen, 2015; Clewlow & Mishra, 2017; Ronald, et al., 2017; Fulton, 2018).

La plupart des études ont examiné les effets observés de l’autopartage, du covoiturage et des nouveaux services des entreprises de mobilité partagée sur le choix modal, la mobilité motorisée totale (véhicule-kilomètres parcourus, par exemple) et les taux de motorisation. Certains effets positifs ont été relevés, dont un léger recul de l’utilisation des voitures particulières, une baisse des taux de motorisation et une fréquentation accrue des transports en commun (Shaheen, et al., 2017). Néanmoins, une proportion non négligeable d’utilisateurs choisit la mobilité partagée au détriment des transports en commun et des modes actifs pour une partie des déplacements de moyenne distance. En outre, l’accessibilité accrue qui découle des services de mobilité partagée peut aggraver l’étalement urbain si elle incite les habitants et les entreprises à s’établir à plus grande distance des centres-villes. Il a aussi été démontré que les systèmes de mobilité partagée avaient entraîné un surcroît de déplacements dans certaines villes où les véhicules sont nombreux (Bliss, 2017; Bliss, 2017). Des mesures publiques peuvent alors être nécessaires pour faire en sorte que la mobilité partagée ait un impact positif (Karim, 2017).

L’impact de la mobilité partagée sur le nombre total de véhicule-kilomètres parcourus, la congestion et les émissions dépend du taux d’occupation moyen des véhicules en circulation et de leur sobriété (FIT, 2016). En cas de recours à des véhicules partagés de grande capacité permettant d’atteindre un taux d’occupation moyen supérieur à six passagers, les avantages sont beaucoup plus importants (Alonso-Mora, Samaranayake, Wallar, Frazzoli, & Rus, 2017; FIT, 2017).

Les effets potentiels des services de mobilité partagée caractérisés par de forts taux d’occupation ont été analysés dans le cadre de plusieurs études basées sur des simulations, que le FIT a consacrées à différentes villes, dont Lisbonne et sa zone métropolitaine au Portugal (FIT, 2015; FIT, 2016; FIT, 2017), la zone métropolitaine d’Helsinki en Finlande (FIT, 2017), celle d’Auckland en Nouvelle-Zélande (FIT, 2017), le Grand Dublin an Irlande (FIT, 2018) et la zone métropolitaine de Lyon en France (FIT, Shared Mobility Simulations for Lyon, à paraître). Ces études ont examiné l’impact de différents niveaux de diffusion de services de mobilité partagée se substituant aux déplacements effectués dans des véhicules particuliers et des bus circulant peu fréquemment. Dans l’ensemble, il apparaît que l’ampleur des retombées bénéfiques de la mobilité partagée dans les centres urbains dépend en grande partie des caractéristiques de ceux-ci, ainsi que de certains aspects de la conception des systèmes de mobilité partagée considérés.

Les résultats montrent aussi que les villes densément peuplées et bien desservies par les transports en commun sont susceptibles d’offrir un terreau plus fertile pour le développement des solutions de mobilité partagée que celles caractérisées par un certain étalement et une moins bonne accessibilités aux transports en commun. Cependant, on peut raisonnablement penser que les villes relativement peu denses ont beaucoup à gagner de services de mobilité partagée abordables qui assurent le rabattement vers le réseau de transports publics. Dans un scénario où l’utilisation de véhicules particuliers cesse complètement au profit d’un recours massif à la mobilité partagée couplée aux réseaux de transports collectifs existants, les véhicule-kilomètres parcourus et les émissions de CO₂ baissent de 30 à 60 % par rapport à un scénario d’habitudes de mobilité inchangées. Si la mobilité partagée se développe moins vite et ne remplace que 20 % des déplacements en voiture particulière, le nombre de véhicule-kilomètres parcourus diminue malgré tout de plus de 10 % dans certains cas. Un tel taux d’adoption relativement modeste paraît plausible au vu des avis recueillis auprès des utilisateurs dans le cadre des enquêtes de préférences déclarées et des groupes de réflexion organisés dans certaines des villes étudiées.

Dans l’ensemble, il ressort des données disponibles que les actuels fournisseurs décentralisés de mobilité partagée ne suscitent pas de diminution significative du nombre total de véhicule-kilomètres parcourus dans les villes. De fait, les tendances actuelles en matière de mobilité partagée n’ont en définitive modifié que de façon superficielle les déplacements personnels et même fait baisser la fréquentation des transports en commun (Graehler, Mucci, & Erhardt, 2018). Les avantages observés des solutions de mobilité partagée sont au nombre de trois : elles peuvent tout d’abord encourager le recours à des technologies automobiles plus efficientes ; elles peuvent ensuite réduire le parc de voitures particulières, dont le stationnement est consommateur d’espace urbain ; elles peuvent enfin offrir également des services de transport interurbain. Ces solutions proposées par des entreprises comme BlaBlaCar en France peuvent représenter jusqu’à 5 % des déplacements interurbains sur certains marchés. Cela étant, les déplacements interurbains partagés ne remplaceront sans doute pas entièrement les déplacements particuliers, et leur part de marché restera même probablement inférieure à 50 % (Shaheen, Stocker, & Mundler, 2017).

Le développement futur de la mobilité partagée dépendra des cadres réglementaires et de sa relation avec les transports en commun. Les opérateurs de transport public en place peuvent considérer qu’elle risque de se substituer à leurs services au lieu de les compléter, même si c’est de moins en moins le cas. Un autre défi tient au fait que son développement peut faire chuter les coûts de mobilité et entraîner ainsi une progression de l’accessibilité urbaine. L planification urbaine et régional doit tenir compte de ces possibles effets et empêcher que la mobilité partagée soit un facteur d’étalement urbain. Il est essentiel que les pouvoirs publics favorisent la densification urbaine et une coordination approfondie avec les réseaux de transports collectifs (FIT, 2017).

Pour que les importants avantages potentiels de la mobilité partagée se matérialisent, il est indispensable que des mesures de régulation appropriées soient mises en place concernant les déplacements à vide, les structures tarifaires et l’intégration avec les transports en commun, mais aussi la conception de l’algorithme qui attribue les courses aux chauffeurs. Autrement, la congestion et les émissions de CO₂ risquent d’être amplifiées au lieu d’être réduites (Shaheen, Chan, Bansal, & Cohen, 2015; Santi & Ratti, 2017). L’interaction entre la mobilité partagée, l’électromobilité et les technologies de conduite autonome peut en outre stimuler le développement de services à plus bas coût et accélérer la décrue des taux de motorisation (Fulton, 2018).

Encadré 3.3. La conception de la mobilité comme un service ou MaaS

En règle générale, la mobilité urbaine est le fait d’un ensemble hétéroclite de fournisseurs de services peu optimisés et sans lien entre eux, qui utilisent des infrastructures à la fois publiques et privées sans véritablement se coordonner. Les écosystèmes de mobilité urbaine évoluent sous l’effet de l’apparition de nouveaux modes de transport. Mais on constate aussi une évolution de la façon dont les utilisateurs accèdent à la mobilité et la paient, ainsi que des modèles de services, des modèles opérationnels et des modèles d’affaires qui la sous-tendent (Tableau 3.3).

On assiste à une révolution sans précédent des possibilités offertes aux acteurs des transports d’optimiser des objectifs et des résultats multiples et convergents grâce à l’omniprésence des appareils d’observation et de détection, des capacités informatiques portables, à distance et en périphérie, des infrastructures deSI, des nouveaux protocoles de traitement et d’analyse de données, des algorithmes alimentés par les données et des réseaux de communication rapides, fiables et robustes. Au fond, le concept de MaaS conduit à coordonner par le numérique différents services de transport, d’information et de paiement en vue d’aboutir à une expérience fluide et fiable en prise directe avec le client.

La transformation numérique promet de décloisonner les services aujourd’hui réglementés séparément dans le secteur des transports et de donner naissance à une mobilité basée non sur une transaction ponctuelle avec un opérateur unique ou portant sur un mode unique, mais sur toute une gamme de services offrant aux voyageurs un moyen fiable de satisfaire leurs besoins et envies d’accès – c’est tout le sens de la mobilité conçue comme un service ou MaaS. Au niveau mondial, les pays non membres de l’OCDE occupent une place prépondérante dans ces nouveaux services : la Chine représente ainsi 68 % du marché mondial de la mobilité à la demande (et le vélopartage y domine légèrement le transport à la demande). L’un des principaux moteurs du développement des nouveaux services de mobilité et des MaaS sera la mise en place d’une législation cadre et l’existence de protocoles de données normalisés assurant une intégration harmonieuse des fournisseurs de services, des déplacements, des options de paiement et des déclarations administratives (Yanocha, 2018).

Les effets potentiels des systèmes MaaS dépendront des modèles d’affaires dont relèvent ses offres, ainsi que des mesures prises (ou non) par les pouvoirs publics pour influencer la façon dont les individus modifient leur comportement en réaction à la nouvelle offre. Dans l’ensemble, les incidences liées aux transports sont également susceptibles de varier en intensité et selon le stade de développement et de diffusion des systèmes MaaS, avec des effets qui pourraient être plus importants en phase de transition qu’à un stade avancé de leur adoption. En l’occurrence, un système MaaS pourrait avoir des incidences sur la congestion, la consommation d’énergie, les émissions de CO₂ et de polluants classiques, la santé et la sécurité, l’occupation des sols et le marché immobilier.

Dans la mesure où les systèmes de MaaS facilitent l’adoption de services de mobilité partagée, ils ont – et continueront d’avoir – des incidences significatives sur les systèmes de transport urbain. Les études existantes s’accordent sur le fait que, dans un premier temps, les services de transport à la demande ne se substituent que dans une mesure modeste aux déplacements en voiture, car leurs premiers adeptes sont majoritairement des personnes habituées à se déplacer en transports en commun, à pied ou à vélo. Il y a toutefois des variations à l’intérieur des zones urbaines et entre elles, et la situation dépend vraisemblablement de la qualité et de la fréquence des services existants de transport en commun, ainsi que de la sécurité des déplacements à vélo. Il apparaît que les effets de substitution aux déplacements en voiture sont plus importants dans les villes de taille moyenne et les zones périphériques qu’ailleurs. Le rôle de la régulation centralisée dans la réduction ou l’élimination de ces incidences a été démontré par une série d’études de modélisation, même si un tel système n’a pas encore été déployé à l’échelle commerciale (FIT, 2015; FIT, 2016; FIT, 2017; FIT, 2017; FIT, 2017). D’autres éléments tendent à indiquer que les foyers pratiquant l’autopartage ont tendance à posséder moins de voitures que les autres foyers comparables, à utiliser plus souvent les transports en commun et à vivre dans des zones urbaines où il existe des solutions pour se déplacer autrement qu’en voiture (Shaheen, et al., 2017).

L’impact d’autres formes de mobilité partagée n’a pas fait l’objet d’études aussi approfondies. Le vélopartage et la micromobilité partagée peuvent entraîner un abandon de la voiture pour certains déplacements courts, surtout dans les zones où celle-ci est le mode de déplacement dominant. En présence de transports publics de qualité et d’un bon rapport qualité-prix, le vélopartage et la micromobilité partagée peuvent servir de modes de rabattement vers ceux-ci, mais ils remplacent alors souvent la marche. Dans les zones où la fréquence ou la qualité des transports en commun laisse à désirer, ces modes peuvent en revanche s’y substituer.

Ces premières conclusions sont susceptibles d’évoluer, en particulier dans un contexte où beaucoup de ces services sont mis en relation de façon dynamique pour permettre des déplacements abordables, commodes, d’une grande fiabilité et sans rupture de charge. Elles pourront aussi être influencées par les mesures publiques adoptées en faveur des transports en commun et de la mobilité active.

Résultats des simulations

L’impact d’un recours massif à la mobilité partagée dépendra dans une très large mesure du cadre réglementaire accompagnant cette évolution. Deux scénarios ont donc été élaborés et testés.

Dans le premier, le développement des modes partagés est deux fois plus rapide qu’auparavant et très peu encadré par la réglementation. Il en résulte un recours accru aux systèmes de véhicules partagés – vélos, voitures, etc. –, souvent par des personnes seules. La situation ainsi créée favorise un faible taux d’occupation des véhicules et n’incite pas à utiliser les transports collectifs. Les systèmes de véhicules partagés encouragent au contraire les usagers des transports en commun à abandonner ceux-ci au profit de moyens de transport individuel. L’utilisation de voitures particulières diminue le cas échéant, mais le faible taux d’occupation des véhicules partagés empêche le nombre total de véhicule-kilomètres parcourus et les externalités associées de baisser.

Dans le second scénario, le développement des modes partagés est également deux fois plus rapide qu’auparavant, mais des mesures réglementaires fortes assurent l’optimisation des modes partagés en soutenant les systèmes de MaaS. En l’occurrence, elles encouragent le recours à la mobilité partagée pour le rabattement vers les modes de transport en commun plus classiques comme le bus ou le rail. Des véhicules tels que des minibus avec chauffeur parcourent des itinéraires prédéfinis à horaires fixes pour rabattre les voyageurs vers des services de transports en commun de plus grande capacité. Le nombre de véhicule-kilomètres parcourus à vide est très restreint. Dans ce scénario, les voyageurs renoncent à l’usage de la voiture particulière au profit de ce type de solutions plus efficientes caractérisées par un taux d’occupation des véhicules élevé. Le Tableau 3.4 résume les résultats des simulations correspondant aux deux scénarios en les comparant au scénario d’ambitions inchangées (dans lequel les modes partagés connaissent un développement plus modeste, conforme aux tendances antérieures). Ainsi, le développement accéléré des modes de mobilité partagée dans un contexte de réglementation peu contraignante se solde par une hausse de 6 % des véhicule-kilomètres parcourus à l’horizon 2050. Les systèmes de véhicules partagés (voitures, vélos...) prennent alors des parts de marché aux deux et trois-roues. Le déficit d’intégration des transports en commun classiques avec les autres modes fait augmenter l’utilisation de la voiture particulière. Dans ces conditions, les émissions de CO₂ des transports augmentent de 18 % d’ici à 2050 par rapport au scénario d’ambitions inchangées.

Tableau 3.4. Effets prévus des deux scénarios de mobilité partagée

Variation en pourcentage par rapport au scénario d’ambitions inchangées

Scénario de mobilité partagée	Passager-kilomètres		Véhicule-kilomètres		Émissions de CO2
	2030	2050	2030	2050	2030	2050
Réglementation peu contraignante (Progression d’une mobilité partagée dominée par les modes classiques et caractérisée par des taux d’occupation faibles)	6	5	5	6	15	18
Réglementation forte (Progression de services optimisés de mobilité partagée caractérisés par des taux d’occupation élevés et adossés à des solutions de mobilité-service)	1	-4	-24	-51	-3	-34

À l’inverse, dans le scénario où le développement accéléré des modes partagés s’accompagne de mesures réglementaires fortes, la demande accrue de mobilité partagée est satisfaite par des services optimisés fondés sur les systèmes de MaaS et bien intégrés avec les transports en commun. Il en résulte une baisse significative des véhicule-kilomètres parcourus et donc des émissions de CO₂. En l’occurrence, les premiers s’affichent en recul de plus de 50 % grâce aux forts taux d’occupation des véhicules et à l’utilisation moindre des voitures particulières, si bien que les secondes sont inférieures de plus de 30 % en 2050 au niveau qu’elles atteignent dans le scénario d’ambitions inchangées.

Véhicules autonomes

 

C’est désormais à vive allure qu’un peu partout dans le monde, les systèmes de conduite automatisée qui assistent ou remplacent l’humain au volant sont conçus, testés puis généralement déployés à titre expérimental10. L’automatisation est partielle quand le système effectue une partie des tâches de conduite, et totale quand il peut les exécuter dans tous les cas de figure (topologie, type de route, état du trafic, conditions météorologiques, événement/incident) auxquels un conducteur humain saurait faire face. Dans ce cas, le véhicule est dit « autonome ».

Certaines fonctions contextuelles d’ordre secondaire, comme le stationnement, le maintien dans la file et la conduite en condition de circulation dense, sont déjà automatisées dans les véhicules de transport de personnes et de marchandises qui sont aujourd'hui commercialisés. Tous les grands constructeurs automobiles et équipementiers sont en train de chercher à élever le niveau d’automatisation de leurs produits.

Même si le succès des technologies d’automatisation a des répercussions très claires sur les politiques sectorielles et confère aux entreprises qui les introduisent une position dominante sur le marché, l’intérêt qu’elles suscitent tient pour beaucoup aux avantages qui pourraient en découler en termes de sécurité routière. Les gains de sécurité procurés par les véhicules automatisés, par rapport à la conduite humaine, seront donc à la fois un moteur et une condition de leur adoption.

Les véhicules automatisés promettent de faire disparaître un nombre non négligeable d’erreurs humaines, notamment d’appréciation, fréquemment commises au volant (Fagnant & Kockelman, 2015; Anderson, et al., 2016). Il est toutefois réducteur de penser que l’erreur humaine a été inscrite en bonne et due forme dans la liste des facteurs d’accident par les accidentologues ou que tous les accidents impliquant une erreur humaine auraient pu être évités s’il y avait été remédié.

Un autre élément à prendre en considération lorsqu’on examine dans quelle mesure l’automatisation pourrait améliorer la sécurité en supprimant l’erreur humaine des causes potentielles d’accident est que cela ne signifie pas pour autant qu’il soit raisonnable d’espérer pouvoir éviter le moindre accident imputable à une erreur humaine (Noy, Shinar, & Horrey, 2018). En définitive, l’apport de l’automatisation en termes de sécurité routière dépendra de la manière dont les systèmes automatisés fonctionneront, autrement dit de leur faculté technique à effectuer les manœuvres sans erreur, sans problème ou sans effet imprévu.

S’agissant des effets de l’automatisation, il importe de garder à l’esprit que les systèmes n’affichent – ou ne ciblent – pas tous les mêmes résultats. Leurs fonctionnalités vont de la simple assistance au pilotage automatique dans certaines situations. Un certain nombre de technologies qui interviennent dans le premier cas équipent déjà les voitures et camions disponibles dans le commerce (par exemple, assistance au maintien sur la voie, stationnement automatique, pilote automatique limité), tandis que, dans le second cas, les véhicules concernés se trouvent actuellement à divers stades d’essai.

Le Graphique 3.9 décrit les cinq niveaux d’automatisation des véhicules définis par la Société internationale des ingénieurs automobiles (International Society of Automotive Engineers - SAE) (SAE, 2018) en fonction du niveau et de l’étendue des tâches de conduite dont le conducteur humain, le système, ou les deux à la fois, sont responsables. S’agissant de la sécurité, la question centrale est de savoir si la délégation des fonctions s’effectue efficacement aux niveaux SAE 2 et 3 quand le système ne perçoit pas bien l’environnement, ou encore au niveau SAE 4 si la situation de conduite ne cadre plus avec les capacités du système automatisé. Les niveaux SAE permettent d’établir une taxonomie complète des fonctionnalités des systèmes de conduite automatisée et du périmètre de leurs fonctions. Sur le fond, toutefois, deux questions priment (FIT, 2015; Noy, Shinar, & Horrey, 2018) :

• L’objet du système automatisé est-il d’assister ou de remplacer le conducteur, autrement dit l’automatisation est-elle partielle ou totale ?

• Le système automatisé intervient-il à certains moments, dans certaines situations, ou à tout moment et en toutes circonstances ?

Graphique 3.9. Les cinq niveaux d’automatisation de la conduite définis la Society of Automotive Engineer (SAE)

Source : D’après SAE (2018)

Le Graphique 3.10 illustre la classification des systèmes de conduite automatisée en fonction du niveau d’automatisation et selon qu’ils interviennent à certains moments ou en permanence.

Graphique 3.10. Classification bidimensionnelle des systèmes de conduite automatisée

Source : Adapté de Noy, Shinar et Horrey (2018).

Les systèmes d’aide à la conduite remplissent déjà des fonctions relativement avancées d’automatisation partielle intervenant à certains moments (carré 1 : maintien dans la file, contrôle automatique de la vitesse), tandis que les capacités des systèmes d’automatisation partielle enclenchées en toutes circonstances ne cessent de se développer (carré 2 : assistance au maintien sur la voie, régulation autonome de la vitesse, changement de voie, etc.). Bien qu’embryonnaires, les technologies qui permettent une automatisation totale de la conduite, à certains moments et dans certaines situations, progressent elles aussi (carré 3 : pilotage automatique sur l’autoroute ou assistance dans les bouchons). Un fossé les sépare encore des systèmes qui prendraient la place des humains, en permanence et en toutes circonstances. Dans les carrés 1, 2 et 3, comme dans les niveaux SAE 1 à 3, l’humain conserve un rôle non négligeable à bord du véhicule : il conduit, est prêt à reprendre la main et/ou supervise le système. Ce dédoublement des rôles pose intrinsèquement des questions de sécurité (FIT, 2018).

Tous les niveaux d’automatisation reposent sur la capacité du véhicule à percevoir (« capter ») son environnement, à traiter cette information de manière à établir quels éléments sont utiles pour accomplir en toute sécurité la tâche de conduite (« planifier »), à décider des manœuvres à effectuer, à les exécuter avec succès en déclenchant les systèmes voulus, par exemple de direction, de freinage et de signalisation (« agir »), puis à évaluer le résultat de l’action exécutée (« analyser ») (Parasuraman, Sheridan, & Wickens, 2000). Ces étapes correspondent à celles de la conduite humaine, mais en diffèrent par la capacité et la vitesse d’exécution.

La technologie a désormais atteint le point où la fusion des capteurs, systèmes de traitement et actionneurs permet d’imiter le conducteur humain et, dans certains cas, de conduire mieux que lui. Cette convergence porte en elle le germe de la révolution promise par l’automatisation élevée et totale de la conduite. Elle n’est toutefois pas complète : il reste des domaines importants dans lesquels les systèmes de conduite automatisée sont loin d’atteindre les capacités du conducteur humain.

L’humain surpasse encore les systèmes à capteur unique en matière de raisonnement et d’anticipation, de perception et de sensation pendant la conduite. Pour y remédier (dans certaines conditions), la fusion multi-capteurs est une nécessité. L’application de cette stratégie est actuellement monnaie courante sur les banc d’essais. Les capacités humaines continuent toutefois de l’emporter sur les systèmes dans certaines scènes complexes et problématiques. Ainsi, il reste des configurations classiques de circulation que tous les systèmes de conduite automatisée ne savent pas gérer. Leur efficacité laisse aussi à désirer lorsqu’il s’agit de déterminer dans quel sens les vélos roulent et d’anticiper leur trajectoire (NHSTA, 2017; Schoettle, 2017).

Un moyen de réduire les risques encourus dans ces situations et autres scénarios de danger serait d’enrichir les capteurs embarqués des données fournies par les véhicules et l’infrastructure alentour. La nécessité de changer de paradigme en matière de sécurité, en passant d’un mode « réactif » (seules les fonctionnalités disponibles à bord du véhicule sont exploitées) à un cadre « proactif » (le véhicule est intégré dans un réseau de communication afin de mieux faire face au danger) fait actuellement l’objet d’un débat animé. Les systèmes automatisés connectés, qui peuvent « voir » ce qui échappe à l’œil humain (par exemple, au-delà de la ligne de vision) et s’échanger ces informations, promettent de dépasser les capacités humaines. Cela dit, la stratégie de la voiture communicante n’est pas exempte de dangers et défis nouveaux, surtout eu égard à la cybersécurité (FIT, 2018). Au-delà de l’efficacité des fonctions de perception et de prise de décision se pose la question de savoir comment les autorités de la réglementation doivent valider le système pour en autoriser la mise en service (Stolte, Hosse, Becker, & Maurer, 2016).

Pourquoi choisit-on les véhicules autonomes ?

Un certain nombre de facteurs favorisent l’automatisation, sans nécessairement compatibles avec un déploiement rapide des technologies. Non seulement ces facteurs influeront sur l’évolution des véhicules fortement automatisés et, à terme, des véhicules entièrement autonomes, mais ils détermineront aussi les modalités de leur introduction. Autrement dit, seront-ils principalement détenus individuellement ou exploités par des propriétaires de flottes ?

La sécurité, comme on l’a déjà souligné, est un facteur important, qui le sera probablement plus encore à mesure que les systèmes de conduite automatisée sauront gérer un champ de plus en plus vaste de situations. Les rares accidents survenus jusqu’ici ont néanmoins refroidi l’enthousiasme pour les véhicules automatisés dans certaines régions. Ailleurs, où les niveaux de motorisation sont moindres (de même que l’expérience de la conduite), l’acceptation des véhicules automatisés est bien plus forte. C’est notamment le cas en Chine.

Cette acceptation est probablement liée à l’idée que l’on se fait d’une conduite performante et aux attentes qui en découlent. Il est à prévoir que le propriétaire d’une voiture automatisée sera méfiant à l’égard d’un système qui ne « conduit » pas comme il le ferait, même si le gain de sécurité est démontré. À l’inverse, l’utilisateur d’une voiture automatisée provenant d’une flotte exploitée par un opérateur affichera probablement des attentes différentes et une acceptation plus grande : il souhaitera avoir affaire à un système « sûr », à l’image de ce que le passager d’un taxi attend du chauffeur.

L’accessibilité peut être un facteur non négligeable, en particulier pour l’expansion des systèmes de flotte qui améliorent l’accessibilité en général. Cela peut concerner les personnes handicapées, les personnes âgées et les jeunes qui, n’ayant pas de permis de conduire, empruntent actuellement les modes traditionnels de transport en commun. D’où l’importance de la robustesse face aux menaces informatiques, surtout si la poursuite d’une trajectoire de déploiement dépend d’une connectivité accrue.

La question du coût sera décisive. La possibilité d’abaisser ses dépenses de stationnement et de se consacrer à d’autres activités pendant le trajet pourrait renforcer l’attrait des véhicules fortement automatisés et favoriser leur essor, en particulier auprès des ménages aisés qui contribuent déjà proportionnellement davantage au trafic global en véhicule-kilomètres. Il y a toutefois fort à parier que l’élévation du coût unitaire de la composante technologique viendra faire obstacle à la mobilité automatisée individuelle, tout au moins au début.

Cette contrainte de coût explique en partie pourquoi les constructeurs qui travaillent sur les véhicules fortement automatisés sont nombreux à vouloir les commercialiser sous la forme de flottes à exploiter (par exemple, Waymo, Renault-Nissan, Ford). De même, l’automatisation promet de réduire les coûts d’exploitation des poids lourds et autres véhicules de livraison, ce qui donne à penser que le secteur du transport routier de marchandises sera certainement l’un des premiers à connaître l’automatisation totale (FIT, 2015; FIT, 2017). Cela devrait intervenir d’autant plus vite que le secteur a du mal à recruter du personnel qualifié pour absorber la hausse de la demande.

Le facteur primordial sera peut-être le cadre réglementaire qui régira l’automatisation de la conduite. L’incertitude à cet égard est immense car ce cadre est lié aux conséquences que la technologie aura sur la sécurité et la circulation, et que l’on s’efforce encore d’appréhender. La réglementation dont de nombreux pays se sont déjà dotés pour autoriser les tests ne préfigure pas nécessairement les futurs régimes d’homologation et de certification. En outre, un certain nombre d’autorités régionales et municipales de transport ont fait part de leur intention d’instaurer une réglementation contraignante compte tenu de l’éventualité que les systèmes de conduite automatisée n’exacerbent l’encombrement du trafic et l’étalement urbain. On ignore encore si de tels régimes seront mis en place et, dans l’affirmative, de quelle manière, sous quelle forme et avec quelle robustesse juridique.

Quelles seront les incidences des véhicules autonomes sur le transport urbain ?

Comme toute technologie, l’automatisation des véhicules apportera son lot d’avantages et d’inconvénients. Pour ce qui est de ceux, nombreux que l’on peut déjà prévoir, les avantages devraient l’emporter sur les inconvénients quel que soit le modèle de déploiement dominant. S’agissant en revanche des incidences imprévisibles, il n’est pas certain, quoique probable, que la balance penche du même côté.

L’une des grandes incertitudes qui entoure le déploiement à grande échelle des véhicules automatisés concerne son incidence sur le trafic global en véhicule-kilomètres, la congestion et le report modal en défaveur des transports publics et des modes de mobilité active.

Les scénarios axés sur la mobilité automatisée individuelle prévoient une hausse, dans certains cas considérable, du nombre de véhicule-kilomètres effectués. D’après les estimations de Wadud, MacKenzie et Leiby (2016), la demande induite par les groupes d’usagers désavantagés (jeunes, personnes âgées, personnes handicapées) fera croître le trafic dans une proportion comprise entre 2 % et 10 % par an. Harper, Hendrickson et Samaras (2016) annoncent une estimation haute de 14 %, tandis que Brown, Gonder et Repac (2014) la chiffrent à 40 %. Childress et al. (2015) concluent à une augmentation de 20 % du nombre de véhicule-kilomètres effectués, en prenant pour hypothèse une hausse de 30 % de la capacité de l’infrastructure routière, une diminution de 65 % des temps de trajet et des coûts de stationnement divisés par deux. Schoettle et Sivak (2015) estiment à 75 % la croissance du nombre de véhicule-kilomètres effectués par an et tablent sur une baisse de 43 % de la motorisation individuelle. Pour Fagnant et Kockelman (2015), l’évolution du nombre de véhicule-kilomètres effectués dépendra du taux de pénétration des véhicules autonomes : d’après leurs calculs, il augmentera de 2 % si le taux de pénétration est de 10 %, et gonflera de 90 % si le taux est lui aussi de 90 %.

Gruel et Stanford (2016), s’appuyant sur une approche dynamique des systèmes, ont montré que tous les scénarios considérés promettaient une augmentation du trafic en véhicule-kilomètres susceptible d’entraîner une hausse globale de la consommation d’énergie et des émissions. L’ampleur de cette hausse varie grandement d’un scénario à l’autre. Dans celui qui repose sur l’hypothèse d’une incidence nulle sur le choix modal, les véhicules autonomes procurent surtout des avantages. Dans celui fondé sur un engouement accru pour la voiture, la forte intensification du trafic qui en résulte fait croître les niveaux de congestion et d’émission, ainsi que l’étalement urbain. Dans le scénario fondé sur l’essorde la mobilité partagée, le taux de motorisation baisse, mais le nombre de véhicule-kilomètres augmente encore plus fortement sous l’effet de la réaffectation des trajets. D’autres études prédisent une augmentation du nombre de véhicule-kilomètres effectués par les véhicules autonomes de services de transport exploités en flotte (WEF/BCG, 2018). La mise en service de flottes de véhicules automatisés pourrait produire des effets similaires à ceux observés avec l’arrivée des opérateurs de services de VTC, à savoir, en général, une augmentation du nombre de véhicule-kilomètres effectués aux premiers stades du déploiement (FIT, 2018). Ces effets pourraient s’atténuer au fil du temps si une part non négligeable des automobilistes se tournaient vers ces systèmes, en combinaison avec les transports en commun ou les modes actifs.

Néanmoins, le FIT a montré dans ses simulations sur la mobilité partagée (FIT, 2015; FIT, 2016; FIT, 2017) que la présence d’un régulateur centralisé chargé d’optimiser la réaffectation des véhicules partagés pouvait empêcher le gonflement du trafic, ce qui suppose l’aménagement de places de stationnement et de dépôts destinés à accueillir les véhicules immobiles.

La relation entre les incidences que l’automatisation élevée de la conduite a sur le nombre de véhicule-kilomètres et la congestion dépend de trois principaux facteurs (Anderson, et al., 2016). Toutes choses égales par ailleurs, une hausse du trafic peut mécaniquement faire grimper les niveaux de congestion. Des accidents de la circulation moins nombreux et moins graves signifieraient moins de fermetures de voies et de retards, ce qui se traduirait par une amélioration globale des flux de circulation. La congestion peut diminuer davantage, toutes choses égales par ailleurs, sous l’effet d’une régularité accrue des flux de circulation et de l’optimisation du profil de vitesse (Simonite, 2013). D’après les estimations de Tientrakool, Ho et Maxemchuk (2011), l’utilisation des véhicules autonomes pourrait faire croître de 273 % la capacité de l’infrastructure routière. L’automatisation promet en outre d’améliorer sensiblement le débit aux intersections (Tientrakool, Ho, & Maxemchuk, 2011). Comme dans le cas des mesures classiques de réduction de la congestion, cela ne sera possible qu’avec le recours à des techniques de gestion de la demande, consistant par exemple à définir un prix destiné à réduire ou à éliminer le phénomène d’induction de trafic (FIT, 2018).

Le déploiement à grande échelle des véhicules autonomes permettrait certainement d’affecter à d’autres usages les espaces actuellement réservés au stationnement dans les centres villes. Cela dit, en facilitant les déplacements et en permettant de se livrer à d’autres occupations au lieu de conduire, il risque aussi de stimuler l’étalement urbain et l’essor des banlieues, ce qui ferait reculer la densité démographique des aires métropolitaines et, par ricochet, croître le volume de trafic en véhicule-kilomètres, le niveau des émissions de CO₂ connexes, la pollution et la consommation d’énergie. L’amplification du trafic due à l’étalement pourrait de surcroît exacerber la congestion.

L’adoption de l’automatisation totale, ou ne serait-ce que partielle, rendra certainement la conduite plus efficace en termes de vitesse, de fluidité d’accélération et de décélération et, partant fera baisser la consommation de carburant. Une baisse de la congestion se traduira même par une vitesse plus stable et réduira ainsi la consommation de carburant dans une proportion pouvant aller jusqu’à 10 % (NRC, 2010). L’amélioration des conditions de sécurité permettrait aux constructeurs de fabriquer des véhicules plus légers, ce qui pourrait abaisser encore de 14 % la consommation de carburant (Bagloee, Tavana, Asadi, & Oliver, 2016). À l’inverse, le surcroît de véhicule-kilomètres effectués entraînera une hausse de la consommation de carburant comprise entre 10 % et 40 % selon les études susmentionnées (sous réserve que la consommation de carburant augmente proportionnellement au volume du trafic).

Résultats des simulations

Les modèles du FIT ont également servi à tester un scénario fondé sur l’introduction des véhicules autonomes afin d’établir les incidences que les voitures autonomes, en propriété individuelle ou en partage, de même que les flottes de véhicules autonomes destinés au transport collectif de personnes (par exemple, bus) pourraient avoir sur la demande de transport urbain et les émissions de CO₂. Ce scénario repose sur l’hypothèse que, selon la région, entre 25 % et 40 % des trajets effectués en voiture en 2050 le seront à bord de véhicules autonomes (contre 0 %-2.5 % dans le scénario d’ambitions inchangées).

Les hypothèses retenues dans ce scénario tiennent compte de l’évolution des coûts d’utilisation des différents modes, des gains de temps de productivité réalisés par les passagers (conducteurs dans le scénario sans automatisation) et de la hausse potentielle du nombre de véhicule-kilomètres effectués à vide dès lors que des restrictions de stationnement ou des redevances s’appliquent (par exemple, aux véhicules circulant sans passager). L’évolution des coûts d’utilisation rejaillit de façon variable sur les choix de déplacement et de mode ; elle dépend aussi de la structure des coûts qui caractérise chaque mode de transport dans le scénario d’ambitions inchangées pour l’année de référence.

Selon toute vraisemblance, l’automatisation des véhicules fera croître le nombre de passager-kilomètres effectués dans la plupart des régions. En effet, la mobilité automatisée partagée et les transports publics gagneront en popularité à la faveur d’une baisse des coûts (par rapport à un scénario sans automatisation) ; or, en général, leur utilisation allonge la distance parcourue par les usagers. Cela dit, une forte fréquentation de ces services de transport contribue à désencombrer le trafic et à abaisser le niveau des émissions de CO₂.

Tableau 3.5. Incidence prévue en cas de réalisation du scénario fondé sur les véhicules autonomes

Variation en % par rapport au scénario d’ambitions inchangées

Région	Passager-kilomètres		Émissions de CO2
	2030	2050	2030	2050
Afrique	-1	5	-2	0
Asie	-1	-1	-3	-10
Chine et Inde	1	5	0	0
Moyen-Orient	-2	-6	-3	-11
Économies en transition	0	2	0	0
Amérique latine	-3	0	3	-4
OCDE-Pacifique	-1	1	-2	-7
EEE et Turquie	1	7	0	0
Amérique du Nord	-1	-3	-1	-7

Encadré 3.4. La place des drones dans le système de transport

Le secteur des transports recourt déjà aux drones pour inspecter et surveiller l’état des infrastructures. Dans un avenir proche, ils fourniront également des services novateurs de livraison de marchandises et de transport de personnes. Vu la rapidité avec laquelle le secteur évolue, il incombe aux décideurs d’encadrer l’utilisation des drones de manière à autoriser l’innovation sans sacrifier à l’intérêt général. Certes, le public n’est probablement pas encore disposé à embarquer à bord d’appareils sans pilote (alors que le niveau d’automatisation des avions est déjà élevé). Il n’empêche que, comme dans le cas des voitures, bus et camions sans conducteur, les technologies de drone sont en passe de quitter le monde de la science-fiction pour offrir des services bien réels.

Les avancées technologiques ont permis de fabriquer de nouveaux types de véhicules aéroportés et de les intégrer dans les systèmes existants de transport (aérien) (Schwab, 2016). Malgré une demande de transport de marchandises et de voyageurs en hausse à l’échelle mondiale, des marchés potentiels restent inaccessibles par voie de surface dans de nombreuses régions. En particulier dans les pays en développement et les économies émergentes, la mise en place de services de drone fiables et efficients pourrait sensiblement améliorer la connectivité régionale. Attiré par ces débouchés, le secteur privé est la principale force agissante du développement des drones et en expérimente actuellement des applications innovantes qui couvrent un large éventail d’emplois.

On ne mesure pas encore pleinement toutes les conséquences qui pourraient découler de la mise en service de vastes flottes de drones à usage commercial. Des études sont en cours dans le secteur aérien, mais la question est rarement examinée sous l’angle transsectoriel. Les drones destinés à la livraison de marchandises en ville et, à terme, au transport de personnes auront certainement des effets bénéfiques (par exemple, rapprochement des régions, désencombrement du trafic, raccourcissement des temps de parcours) et préjudiciables (par exemple, en termes de sécurité, de respect de la vie privée, de bruit, de consommation d’énergie, d’affectation des sols et d’aménités paysagères) (FIT, 2018). Les décideurs doivent également réfléchir aux incidences qu’auront les millions d’aéroports pour drones appelés à apparaître ainsi qu’à la manière de les intégrer dans le système de transport et la société en général.

Bien que très hétérogènes, les prévisions convergent pour annoncer qu’il s’agira d’un marché de plusieurs milliards de dollars dans cinq à dix ans. Dans un rapport (PwC, 2017), le marché mondial de l’utilisation commerciale des drones civils est estimé à 127 milliards USD. D’après une enquête de Blyenburgh menée en (2018), le nombre des missions de transport de marchandises effectuées par drone aurait été multiplié par trois au cours de la période 2017‑18 et des acteurs d’envergure mondiale comme Alphabet et Amazon expérimentent déjà l’exploitation de services de transport de personnes et de marchandises par drone en différents points du globe.

Jusqu’où les citoyens sont-ils prêts à accepter l’apparition de flottes de drones ? Cela dépendra de la compréhension qu’ils auront des avantages et inconvénients du phénomène, ainsi que du succès des dispositions prises pour en limiter les effets potentiellement préjudiciables. Les travaux de quantification de ces effets étant encore trop rares, le groupe de travail du FIT chargé d’étudier la place des drones dans le système de transport de demain a entrepris de rassembler les connaissances acquises partout dans le monde pour faire avancer la compréhension des incidences des drones.

Scénarios de rupture dans le transport urbain de personnes

Cette section analyse la conjonction de trois phénomènes de rupture susceptibles d’affecter les transports à l’avenir : le télétravail, le recours massif à la mobilité partagée et les véhicules autonomes. Dans le transport urbain de personnes, les incidences de ces phénomènes sont au mieux incertaines. L’incertitude a trait aux effets induits sur les habitudes de déplacement et la demande de transport, les destinations et les itinéraires choisis par les individus, la répartition modale, l’accessibilité des territoires et les externalités du système de transport, telles que les émissions et la congestion. Elle concerne aussi la structure future de l’écosystème du secteur des transports urbains, l’arrivée de nouveaux acteurs et services et leur réglementation, ainsi que le rôle des constructeurs et des fournisseurs de services historiques. L’impact global des trois phénomènes de rupture variera en fonction du degré auquel ils interviennent indépendamment les uns des autres (par exemple, certains peuvent ne pas prendre des proportions significatives), en différentes phases (certains peuvent se manifester avant ou après les autres) ou de façon simultanée, se renforçant alors le cas échéant, pour le meilleur et pour le pire.

L’impact dépendra aussi des mesures publiques en place au moment où les phénomènes de rupture apparaissent ou prennent de l’ampleur. En cas de mauvais alignement des politiques, les potentielles conséquences négatives comme la congestion ou les émissions peuvent s’en trouver amplifiées. En adaptant les politiques, on peut réduire ou éviter les incidences dommageables lorsque les nouveaux services et nouvelles technologies montent en puissance pour répondre à la demande future de transport urbain.

Les paragraphes qui suivent présentent à titre d’illustration deux scénarios de rupture qui permettent d’apprécier l’impact de l’action publique sur l’avenir des systèmes de transport urbain. Tous deux prennent pour hypothèse le développement simultané de la conduite autonome, d’un recours massif à la mobilité partagée et du télétravail.

Cependant, dans le premier scénario, ces évolutions interviennent dans un contexte où il n’existe pas de politiques publiques visant à en orienter les conséquences en termes d’utilisation et d’accès des voitures (stationnement payant, tarification, réglementation de l’accès des véhicules aux zones urbaines, etc.), de fréquentation des transports en commun ou d’adoption de modes actifs. Il n’y a pas d’encadrement explicite, par les pouvoirs publics, de l’évolution des phénomènes de rupture ou de la syntaxe élémentaire des données ; les critères d’interopérabilité et d’« open access » ne sont donc pas remplis, de sorte que le déploiement des systèmes de MaaS laisse à désirer et ne concerne qu’un petit nombre de villes. Ce scénario est celui du non-encadrement des phénomènes de rupture.

À l’inverse, dans le scénario d’encadrement de ces phénomènes, des mesures publiques sont mises en place. Un vaste écosystème ouvert soutenant les systèmes de MaaS aide les citoyens à adopter de nouvelles habitudes de déplacement. Dans ce scénario, les déplacements multimodaux se font sans rupture de charge et sont suffisamment pratiques, fiables et abordables pour bien souvent devenir la solution privilégiée spontanément, devant l’autosolisme.

Le Tableau 3.6 récapitule les caractéristiques des scénarios d’encadrement et de non-encadrement des phénomènes de rupture. Tous deux s’inscrivent dans le contexte du scénario d’ambitions élevées, et prennent donc pour hypothèse que d’autres évolutions favorisent la réduction des émissions de CO₂ des transports, comme l’électrification du parc automobile (selon le scénario EV30@30 de l’AIE). Il s’agit ainsi de refléter le fait que les ambitions en matière de réduction des émissions de CO₂ évolueront sans doute indépendamment des autres tendances technologiques susceptibles d’entraîner des bouleversements dans le secteur des transports.

Les résultats des simulations montrent qu’en l’absence de mesures publiques d’encadrement, les phénomènes de rupture produisent des résultats indésirables. Ils ne permettent pas de faire l’économie de telles mesures. Ils nécessitent au contraire de ré-étalonner les cadres réglementaires pour produire les conditions qu’attendent les citoyens et que les pouvoirs publics sont chargés de garantir. Par exemple, faute de restrictions adéquates imposées à l’autosolisme, le scénario de non-encadrement se traduit par un important glissement de la mobilité urbaine des services partagés vers les véhicules particuliers par rapport au scénario d’encadrement. Cela tient au fait que l’automatisation des véhicules réduit le coût des déplacements pour les utilisateurs et augmente leur utilité aux yeux de ceux-ci (puisqu’ils peuvent consacrer le temps passé à se déplacer à d’autres activités).

Un autre enseignement clé du scénario de non-encadrement est qu’il importe d’intégrer les solutions de mobilité partagée avec d’autres services de transport. Cette intégration permet aux voyageurs de passer sans rupture d’un mode de transport à un autre, alors qu’en son absence, l’autosolisme reste plus attrayant et plus fiable que des déplacements multimodaux.

Des mesures fortes de restriction de l’autosolisme dans les zones urbaines denses conjuguées à un écosystème de MaaS solide et convaincant sont de nature à inverser la tendance d’augmentation du recours à la voiture particulière. Une telle évolution serait bénéfique pour la société en réduisant bon nombre d’externalités négatives liées à la circulation de véhicules transportant uniquement leur conducteur en milieu urbain dense et, plus généralement, les émissions de polluants et de CO₂. Elle profiterait également aux citoyens, qui disposeraient ainsi de solutions de déplacement plus fiables, pratiques, confortables et abordables.

Tableau 3.6. Caractéristiques des scénarios de rupture dans le transport urbain de personnes

Mesures d’atténuation					Ambitions élevées	Non-encadrement des phénomènes de rupture			Encadrement des phénomènes de rupture
			Conception de Mobility as a Service (MaaS)		En 2050, 50 % des voyageurs ont recours à des systèmes de MaaS pour planifier leurs déplacements	20 % des voyageurs utilisent des systèmes de MaaS pour planifier leurs déplacements en 2050			100 % des voyageurs utilisent des systèmes de MaaS pour planifier leurs déplacements en 2050
			Restrictions de circulation des voitures		En 2050, 40 % des déplacements en voiture sont concernés par des mesures de restriction	20 % des déplacements en voiture sont concernés en 2050			60 % des déplacements en voiture sont concernés en 2050
			Tarification du stationnement		Supérieur de 10 à 40 % du pouvoir d’achat escompté des voyageurs en 2050 suivant la région	Selon les régions, les tarifs de stationnement augmentent de 0 à 20 % par rapport au pouvoir d’achat anticipé			Selon les régions, les tarifs de stationnement augmentent de 10 à 40 % par rapport au pouvoir d’achat anticipé
Évolutions susceptibles de marquer une rupture				Ambitions élevées			Non-encadrement des phénomènes de rupture	Encadrement des phénomènes de rupture
	Télétravail				Entre 3 et 25 % des déplacements sont concernés d’ici à 2050 selon les régions	Entre 3 et 30 % des déplacements sont concernés d’ici à 2050 selon les régions			Entre 3 et 30 % des déplacements sont concernés d’ici à 2050 selon les régions
		Mobilité partagée			L’offre de modes partagés progresse au même rythme que par le passé	L’offre de modes partagés progresse deux fois plus vite que par le passé			L’offre de modes partagés progresse deux fois plus vite que par le passé
		Véhicules autonomes			Selon les régions, entre 0.0 et 2.5 % des déplacements en voiture sont autonomes en 2050	Selon les régions, entre 25 et 40 % des déplacements en voiture sont autonomes en 2050			Selon les régions, entre 25 et 40 % des déplacements en voiture sont autonomes en 2050

Note : Dans tous les scénarios, la diffusion des véhicules électriques suit le scénario EV30@30. Les mesures entraînent une densification des régions urbaines de 5 à 10 % d’ici à 2050. Dans toutes les régions, l’évolution de l’offre de transports publics lourds suit les tendances observées dans le passé en Europe.

Le scénario d’encadrement des phénomènes de rupture illustre l’impact considérable des politiques publiques sur la répartition modale future dans les zones urbaines (Graphique 3.11). Une intégration optimale de différentes solutions de transport dans le cadre d’un écosystème de MaaS peut faire progresser notablement la part des services assimilables à des transports en commun, et permettre de répondre à la demande de mobilité avec nettement moins de véhicules. Dans le scénario d’encadrement des phénomènes de rupture, les moyens de transport en commun (bus et rail) représentent près de 50 % des passager-kilomètres parcourus en 2050, et le nombre total de véhicule-kilomètres diminue de 19 % par rapport au scénario d’ambitions inchangées. Cela étant, la simulation n’entre pas dans le détail de la nature des services assimilables à des transports en commun : beaucoup de modèles sont possibles, et il est vraisemblable que les « transports en commun » que nous connaissons aujourd’hui feront demain intervenir des acteurs plus variés, dont l’activité sera idéalement régie par des règles plus flexibles privilégiant la performance.

Le niveau relatif des prix de l’énergie et des frais de fonctionnement aura également une influence, qui pourra parfois se manifester sous des formes inattendues. Dans les zones urbaines, la part des modes de transport individuels baisse notablement entre 2015 et 2050 dans les scénarios d’ambitions inchangées, d’ambitions élevées et d’encadrement des phénomènes de rupture, mais pas dans le scénario de non-encadrement de ces phénomènes (Tableau 3.7).

Graphique 3.11. Évolution de la mobilité urbaine dans le monde par mode de transport dans différents scénarios, 2015-50

Note : Voir le glossaire pour des informations plus détaillées sur les regroupements.

Statlink

En 2050, les émissions de CO₂ du transport urbain sont sensiblement plus élevées dans le scénario d’ambitions inchangées que dans tous les autres. C’est un résultat encourageant – bien que partiel – car même en l’absence d’encadrement des phénomènes de rupture, ces phénomènes ajoutés aux politiques susceptibles d’être adoptées à l’avenir font baisser le volume des émissions de CO₂ du transport urbain. Dans le scénario de non-encadrement des phénomènes de rupture, le niveau de ces émissions se situe en effet entre celui du scénario d’ambitions élevées et celui du scénario d’ambitions inchangées (voir Graphique 3.12 et Tableau 3.8).

Ce résultat s’explique en grande partie par la progression de la part modale de l’autosolisme découlant du développement de la conduite autonome dans le scénario de non-encadrement. Dans une situation où la conduite autonome prend des parts de marché aux services de mobilité partagée disponibles, toutes choses égales par ailleurs, les émissions de CO₂ augmentent. Ainsi, le scénario de non-encadrement des phénomènes de rupture se traduit par des émissions globales de CO₂ dues aux transports urbains supérieures de près de 50 % à celles du scénario d’ambitions élevées. Leur niveau n’en est pas moins nettement inférieur à celui atteint dans le scénario d’ambitions inchangées.

L’importance des politiques d’encadrement apparaît clairement lorsqu’on compare les émissions de CO₂ du transport urbain dans les scénarios d’encadrement et de non-encadrement des phénomènes de rupture. La création d’un vaste écosystème de MaaS intégrant les transports en commun et d’autres formes de mobilité partagée aide à juguler le risque de hausse des émissions de CO₂ sous l’effet de la diffusion des véhicules autonomes. Les émissions de CO₂ imputables aux déplacements urbains ont un niveau comparable dans les scénarios d’ambitions élevées et d’encadrement des phénomènes de rupture, précisément parce que des politiques publiques restreignent la croissance de la distance parcourue par des véhicules autonomes transportant une seule personne.

Tableau 3.7. Répartition de la mobilité urbaine dans les différentes régions du monde dans différents scénarios, situation en 2015 et projections à 2050

En pourcentage du nombre total de passager-kilomètres

Région	Modes de déplacement individuel					Transport en commun
	2015	2050				2015	2050
		AI	AE	NR	ER		AI	AE	NR	ER
Afrique	61	46	39	56	29	36	43	41	33	60
Asie	63	44	32	45	21	34	40	39	40	62
Chine et Inde	59	34	29	46	21	38	35	25	28	46
EEE et Turquie	65	25	30	65	20	30	44	25	20	42
Amérique latine	52	30	30	51	21	46	51	40	36	60
Moyen-Orient	78	59	45	63	30	20	31	36	28	57
Amérique du Nord	94	66	41	82	39	3	9	7	6	15
OCDE Pacifique	62	35	27	52	18	33	40	30	29	51
Transition	59	39	35	53	22	38	47	43	37	64
Région	Transports partagés					Modes actifs
	2015	2050				2015	2050
		AI	AE	NR	ER		AI	AE	NR	ER
Afrique	0	9	17	9	9	2	3	2	2	1
Asie	0	14	26	14	16	2	2	2	1	2
Chine et Inde	1	29	44	25	32	2	2	2	1	2
EEE et Turquie	1	26	42	14	34	3	5	3	2	4
Amérique latine	1	18	28	12	18	1	2	1	1	1
Moyen-Orient	1	8	17	7	12	1	2	2	1	1
Amérique du Nord	3	24	51	12	45	0	1	1	0	1
OCDE Pacifique	3	24	41	18	30	1	2	2	1	1
Transition	1	11	20	9	12	2	3	2	1	2

Note : AI : scénario d’ambitions inchangées ; AE : scénario d’ambitions élevées ; NR : scénario de non-encadrement des phénomènes de rupture ; ER : scénario d’encadrement des phénomènes de rupture.

Tableau 3.8. Émissions totales de CO₂ dues au transport urbain dans les différentes régions du monde

Selon quatre scénarios, en millions de tonnes

	2015	2050
Région	Année de référence	Scénario d’ambitions inchangées (AI)	Scénario d’ambitions élevées (variation en % par rapport à AI)	Scénario de non-encadrement des phénomènes de rupture (variation en % par rapport à AI)	Scénario d’encadrement des phénomènes de rupture (variation en % par rapport à AI)
Afrique	86	186	-62	-52	-66
Asie	150	211	-67	-56	-69
Chine et Inde	409	319	-69	-48	-74
EEE et Turquie	187	84	-66	-34	-70
Amérique latine	197	193	-61	-47	-61
Moyen-Orient	91	142	-63	-53	-68
Amérique du Nord	853	547	-81	-69	-84
OCDE Pacifique	247	111	-73	-61	-73
Transition	61	46	-57	-43	-63
Monde	2281	1839	-70	-56	-73

Les effets de la congestion générée par les activités de déplacement soulignent également la nécessité d’un encadrement des phénomènes de rupture par les pouvoirs publics. Pour mesurer ces effets, on compare les flux de circulation routière modélisés à la capacité de la voirie existante. Plus les deux valeurs sont proches, plus le réseau routier est congestionné. Le Graphique 3.13 et le Tableau 3.9 comparent les niveaux de congestion atteints dans chaque scénario avec celui du scénario d’ambitions inchangées. Dans le scénario de non-encadrement des phénomènes de rupture, les niveaux de congestion augmentent globalement de 38 % dans les zones urbaines de la planète. En Europe, cette hausse marquée s’explique par celle des distances parcourues par les véhicules autonomes, ainsi que par le niveau élevé du recours aux voitures particulières, qui est favorisé par le caractère de plus en plus abordable des véhicules électriques. En l’absence d’évolution des infrastructures et de services plus efficaces de mobilité partagée, ces facteurs entraînent un accroissement notable de la congestion en Europe. En revanche, les mesures d’accompagnement appliquées dans le scénario d’encadrement des phénomènes de rupture ramènent les niveaux de congestion en dessous de ceux du scénario d’ambitions inchangées, et même en dessous de ceux du scénario d’ambitions élevées. Ainsi, si les émissions de CO₂ baissent en principe de façon substantielle dans tous les scénarios de rupture d’ici à 2050 – et davantage encore si des mesures d’encadrement sont prises –, la congestion est appelée à augmenter en l’absence de mesures d’encadrement adéquates.

Graphique 3.12. Émissions de CO₂ dues au transport urbain par mode dans les différents scénarios

Statlink

Tableau 3.9. Projections des niveaux de congestion urbaine dans les différentes régions du monde en 2050

Variation en pourcentage par rapport au scénario d’ambitions inchangées

Région	Scénario d’ambitions élevées	Scénario de non-encadrement des phénomènes de rupture	Scénario d’encadrement des phénomènes de rupture
Pays non membres de l’OCDE	-16	36	-24
Pays de l’OCDE	-20	43	-21
Afrique	-16	20	-31
Asie	-26	8	-43
Chine et Inde	-20	52	-17
EEE et Turquie	7	113	7
Amérique latine	3	55	-5
Moyen-Orient	-22	3	-42
Amérique du Nord	-39	5	-36
OCDE Pacifique	-36	7	-42
Transition	-9	36	-28
Monde	-17	38	-24

Graphique 3.13. Projections des niveaux de congestion urbaine dans le monde en 2050

Statlink

Tableau 3.10. Mobilité urbaine dans les différentes régions du monde en 2050

Selon quatre scénarios, en milliards de passager-kilomètres

	2015	2050
Région	Année de référence	Scénario d’ambitions inchangées (AI)	Scénario d’ambitions élevées (variation en % par rapport à AI)	Scénario de non-encadrement des phénomènes de rupture (variation en % par rapport à AI)	Scénario d’encadrement des phénomènes de rupture (variation en % par rapport à AI)
Afrique	982	3 787	1	7	-2
Asie	1 546	3 825	-11	-8	-17
Chine et Inde	4 865	11 833	-13	-7	-17
EEE et Turquie	1 733	2 695	-14	-8	-18
Amérique latine	2 180	3 924	-13	-8	-16
Moyen-Orient	619	1 446	-12	-9	-17
Amérique du Nord	3 504	5 920	-30	-28	-34
OCDE Pacifique	2 164	2 803	-29	-27	-32
Transition	571	808	-1	2	-8
Monde	18 164	37 040	-15	-10	-19

Références

AIE. (2018). Global EV Outlook 2018: Towards cross-modal electrification. Agence internationale de l'énergie, Paris. doi:https://dx.doi.org/10.1787/9789264302365-en

AIE. (2018). World Energy Outlook 2018. doi:https://dx.doi.org/10.1787/weo-2018-en

Alonso-Mora, J., Samaranayake, S., Wallar, A., Frazzoli, E., & Rus, D. (2017). On-demand high-capacity ride-sharing via dynamic trip-vehicle assignment. Proceedings of the National Academy of Sciences, 114(3), 462-467. doi:10.1073/pnas.1611675114

Anderson, J., Kalra, N., Stanley, K., Sorensen, P., Samaras, C., & Oluwatola, O. (2016). Autonomous Vehicle Technology: A Guide for Policymakers. Retrieved 01 29, 2019, from https://www.rand.org/content/dam/rand/pubs/research_reports/RR400/RR443-2/RAND_RR443-2.pdf

Bagloee, S., Tavana, M., Asadi, M., & Oliver, T. (2016). Autonomous vehicles: challenges, opportunities, and future implications for transportation policies. Journal of Modern Transportation, 24(4), 284-303. doi:10.1007/s40534-016-0117-3

Ben-Elia, E., Lyons, G., & Mokhtarian, P. (2018). Epilogue: the new frontiers of behavioral research on the interrelationships between ICT, activities, time use and mobility. Transportation, 45(2), 479-497. doi:10.1007/s11116-018-9871-x

Bliss, L. (2017). Stop Asking Whether Uber Is Transit's Enemy. CityLab. Retrieved 09 15, 2017, from https://www.citylab.com/transportation/2017/02/uber-lyft-transportation-network-companies-effect-on-transit-ridership-new-york-city/517932/

Bliss, L. (2017). The Ride-Hailing Effect: More Cars, More Trips, More Miles. CityLab. Retrieved 09 15, 2017, from https://www.citylab.com/transportation/2017/10/the-ride-hailing-effect-more-cars-more-trips-more-miles/542592/

Bloom, N., Liang, J., Roberts, J., & Ying, Z. (2015). Does Working from Home Work? Evidence from a Chinese Experiment *. The Quarterly Journal of Economics, 130(1), 165-218. doi:10.1093/qje/qju032

Blyenburgh. (2018). Drone Operations: Today & Tomorrow.

Brown, A., Gonder, J., & Repac, B. (2014). An Analysis of Possible Energy Impacts of Automated Vehicles. Springer, Cham. doi:10.1007/978-3-319-05990-7_13

Childress, S., Nichols, B., Charlton, B., & Coe, S. (2015). Using an Activity-Based Model to Explore the Potential Impacts of Automated Vehicles. Transportation Research Record: Journal of the Transportation Research Board, 2493(1), 99-106. doi:10.3141/2493-11

Choo, S., Mokhtarian, P., & Salomon, I. (2005). Does telecommuting reduce vehicle-miles traveled? An aggregate time series analysis for the U.S. Transportation, 32(1), 37-64. doi:10.1007/s11116-004-3046-7

Ciari, F., Schuessler, N., & Axhausen, K. (2013). Estimation of Carsharing Demand Using an Activity-Based Microsimulation Approach: Model Discussion and Some Results. International Journal of Sustainable Transportation, 7(1), 70-84. doi:https://doi.org/10.1080/15568318.2012.660113

Clewlow, R., & Mishra, G. (2017). Disruptive Transportation: The Adoption, Utilization, and Impacts of Ride-Hailing in the United States. Ucd-Its-Rr-17-07(October). Retrieved from https://itspubs.ucdavis.edu/wp-content/themes/ucdavis/pubs/download_pdf.php?id=2752

DAES. (2018). World Urbanization Prospects: The 2018 Revision, Key Facts. Organisation des Nations Unies, Département des affaires économiques et sociales, Division de la population. doi:(ST/ESA/SER.A/366)

Eurofound. (2010). Telework in the European Union. Fondation européenne pour l'amélioration des conditions de vie et de travail. Retrieved 01 28, 2019, from https://www.eurofound.europa.eu/publications/report/2010/telework-in-the-european-union

Eurofound. (2017). Sixth European Working Conditions Survey. Retrieved from https://www.eurofound.europa.eu/surveys/european-working-conditions-surveys/sixth-european-working-conditions-survey-2015

Fagnant, D., & Kockelman, K. (2015). Preparing a nation for autonomous vehicles: opportunities, barriers and policy recommendations. Transportation Research Part A: Policy and Practice, 77, 167-181. doi:10.1016/J.TRA.2015.04.003

Fagnant, D., & Kockelman, K. (2016). Dynamic ride-sharing and fleet sizing for a system of shared autonomous vehicles in Austin, Texas. Transportation, 1-16. doi:10.1007/s11116-016-9729-z

Falch, M. (2012). Environmental impact of ICT on the transport sector. Telecommunication Economics, 126-137. doi:10.1007/978-3-642-30382-1_17

FIT. (2015). Automated and Autonomous Driving : Regulation under Uncertainty. Dans International Transport Forum Policy Papers (Vol. 2015). Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/5jlwvzdfk640-en

FIT. (2015). Urban Mobility System Upgrade : How shared self-driving cars could change city traffic. Dans International Transport Forum Policy Papers (Vol. 2015). Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/5jlwvzdk29g5-en

FIT. (2016). Shared Mobility : Innovation for Liveable Cities. Dans International Transport Forum Policy Papers (Vol. 2016). Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/5jlwvz8bd4mx-en

FIT. (2017). ITF Transport Outlook 2017. doi:https://dx.doi.org/10.1787/9789282108000-en

FIT. (2017). Managing the Transition to Driverless Road Freight Transport. Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/0f240722-en

FIT. (2017). Shared Mobility Simulations for Auckland. Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/5423af87-en

FIT. (2017). Shared Mobility Simulations for Helsinki. Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/3d340a2a-en

FIT. (2017). Transition to Shared Mobility : How large cities can deliver inclusive transport services. Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/b1d47e43-en

FIT. (2018). (Un)certain Skies? Drones in the World of Tomorrow. Forum international des transports, Paris. Retrieved 01 29, 2019, from www.itf-oecd.org

FIT. (2018). Safer Roads with Automated Vehicles? Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/b2881ccb-en

FIT. (2018). Shared Mobility Simulations for Dublin. Dans International Transport Forum Policy Papers. Éditions OCDE, Paris. doi:https://dx.doi.org/10.1787/e7b26d59-en

FIT. (à paraître). Benchmarking Accessibility in Cities: Measuring the impact of proximity and transport performance.

FIT. (à paraître). Shared Mobility Simulations for Lyon. International Transport Forum Policy Papers.

Fulton, L. (2018). Three Revolutions in Urban Passenger Travel. Joule. doi:10.1016/j.joule.2018.03.005

Gajendran, R., & Harrison, D. (2007). The Good, the Bad, and the Unknown About Telecommuting: Meta-Analysis of Psychological Mediators and Individual Consequences. doi:10.1037/0021-9010.92.6.1524

Giovanis, E. (2018). The relationship between teleworking, traffic and air pollution. Atmospheric Pollution Research, 9(1), 1-14. doi:10.1016/j.apr.2017.06.004

Glogger, A., Zängler, T., & Karg, G. (2008). The Impact of Telecommuting on Households’ Travel Behaviour, Expenditures and Emissions. In Road Pricing, the Economy and the Environment (pp. 411-425). Springer Berlin Heidelberg, Berlin, Heidelberg. doi:10.1007/978-3-540-77150-0_21

Graehler, M., Mucci, R., & Erhardt, G. (2018). Understanding the Recent Transit Ridership Decline in Major US Cities: Service Cuts or 1 Emerging Modes? 98e réunion annuelle du Transportation Research Board. Retrieved 03 01, 2019, from https://www.researchgate.net/publication/330599129_Understanding_the_Recent_Transit_Ridership_Decline_in_Major_US_Cities_Service_Cuts_or_Emerging_Modes

Gruel, W., & Stanford, J. (2016). Assessing the Long-term Effects of Autonomous Vehicles: A Speculative Approach. Transportation Research Procedia, 13, 18-29. doi:10.1016/J.TRPRO.2016.05.003

Gschwind, L., Messenger, J., Boehmer, S., Vargas Llave, O., Wilkens, M., & Vermeylen, G. (2017). Working anytime, anywhere : the effects on the world of work. Retrieved 01 29, 2019, from https://www.eurofound.europa.eu/publications/report/2017/working-anytime-anywhere-the-effects-on-the-world-of-work

Haddad, H., & Chatterjee, K. (2009). An examination of determinants influencing the desire for and frequency of part-day and whole-day homeworking. Journal of Transport Geography, 17(2), 124-133. doi:10.1016/J.JTRANGEO.2008.11.008

Harper, C., Hendrickson, C., & Samaras, C. (2016). Cost and benefit estimates of partially-automated vehicle collision avoidance technologies. Accident Analysis & Prevention, 95, 104-115. doi:10.1016/J.AAP.2016.06.017

Helminen, V., & Ristimäki, M. (2007). Relationships between commuting distance, frequency and telework in Finland. Journal of Transport Geography, 15(5), 331-342. doi:10.1016/J.JTRANGEO.2006.12.004

ICCT. (2019). Transportation Roadmap. Retrieved 03 13, 2019, from https://www.theicct.org/transportation-roadmap

Karim, D. (2017). Creating an Innovative Mobility Ecosystem for Urban Planning Areas. In Disrupting Mobility. Springer.

Kitou, E., & Horvath, A. (2003). Energy-related emissions from telework. American Chemical Society. doi:10.1021/es025849p

Liu, J., Kockelman, K., Boesch, P., & Ciari, F. (2017). Tracking a system of shared autonomous vehicles across the Austin, Texas network using agent-based simulation. Transportation, 44(6), 1261-1278. doi:10.1007/s11116-017-9811-1

Loo, B., & Wang, B. (2018). Factors associated with home-based e-working and e-shopping in Nanjing, China. Transportation, 45(2), 365-384. doi:10.1007/s11116-017-9792-0

Mateyka, P., Rapino, M., & Landivar, L. (2012). Home-Based Workers in the United States: 2010. Retrieved 01 29, 2019, from https://www.census.gov/prod/2012pubs/p70-132.pdf

Mayo, M., Gomez-Mejia, L., Firfiray, S., Berrone, P., & Villena, V. (2016). Leader beliefs and CSR for employees: the case of telework provision. Leadership & Organization Development Journal, 37(5), 609-634. doi:10.1108/LODJ-09-2014-0177

Melo, P., & de Abreu e Silva, J. (2017). Home telework and household commuting patterns in Great Britain. Transportation Research Part A: Policy and Practice, 103, 1-24. doi:10.1016/J.TRA.2017.05.011

MIAESR. (2013). A Statistical Report on Waves 1 to 10 of the Household, Income and Labour Dynamics in Australia Survey. Retrieved 04 29, 2019, from http://library.bsl.org.au/jspui/bitstream/1/3517/1/statreport-v8-2013.pdf

Ministre des Affaires générales et des Communications. (2011). Efforts to Promote Telework in Japan. Retrieved 04 29, 2019, from http://www.soumu.go.jp/main_sosiki/joho_tsusin/eng/presentation/pdf/110908_1.pdf

Mokhtarian, P. (1991). Telecommuting and travel: state of the practice, state of the art. Transportation, 18(4), 319-342. doi:10.1007/BF00186563

NHSTA. (2017). Automated Driving Systems 2.0: A Vision for Safety. Retrieved 01 30, 2019, from https://www.nhtsa.gov/sites/nhtsa.dot.gov/files/documents/13069a-ads2.0_090617_v9a_tag.pdf

Nilles, J. (1991). Telecommuting and urban sprawl: mitigator or inciter? Transportation, 18(4), 411-432. doi:10.1007/BF00186567

Noy, I., Shinar, D., & Horrey, W. (2018). Automated driving: Safety blind spots. Safety Science, 102, 68-78. doi:10.1016/J.SSCI.2017.07.018

NRC. (2010). Hidden Costs of Energy. doi:10.17226/12794

O'Keefe, P., Caulfield, B., Brésil, W., & White, P. (2016). The impacts of telecommuting in Dublin. Research in Transportation Economics, 57, 13-20. doi:10.1016/J.RETREC.2016.06.010

OMS. (2016). L’OMS publie les estimations nationales de l’exposition à la pollution de l’air et les effets sur la santé. Retrieved 03 13, 2019, from https://www.who.int/fr/news-room/detail/27-09-2016-who-releases-country-estimates-on-air-pollution-exposure-and-health-impact

Parasuraman, R., Sheridan, T., & Wickens, C. (2000). A Model for Types and Levels of Human Interaction with Automation. Retrieved 01 29, 2019, from http://hci.cs.uwaterloo.ca/faculty/elaw/cs889/reading/automation/sheridan.pdf

PGi. (2015). The State of Telecommuting Around the World. Retrieved 01 29, 2019, from http://go.pgi.com/gen-genspec-15telesur-SC1129

PwC. (2017). Clarity from above: transport infrastructure The commercial applications of drone technology in the road and rail sectors. Retrieved 01 29, 2019, from www.dronepoweredsolutions.com

Ronald, N., Navidi, Z., Wang, Y., Rigby, M., Jain, S., Kutadinata, R., & Thompson, R. (2017). Disrupting Mobility. Disrupting Mobility, 275-290. doi:10.1007/978-3-319-51602-8

SAE. (2018). Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. Retrieved 01 29, 2019, from https://saemobilus.sae.org/content/j3016_201806

SAE. (2018). Taxonomy and Definitions for Terms Related to Shared Mobility and Enabling Technologies. Retrieved 04 29, 2019, from https://saemobilus.sae.org/content/J3163_201809/

Santi, P., & Ratti, C. (2017). A future of shared mobility. Journal of Urban Regeneration and Renewal, 10(4), 328-333.

Schoettle, B. (2017). Sensor Fusion: A Comparison of Sensing Capabilities of Human Drivers and Highly Automated Vehicles. Retrieved 01 30, 2019, from http://umich.edu/~umtriswt/PDF/SWT-2017-12.pdf

Schoettle, B., & Sivak, M. (2015). Potential Impact of Self-driving Vehicles on Household Vehicle Demand and Usage. Retrieved 01 30, 2019, from http://www.umich.edu/~umtriswt

Schwab, K. (2016). The Fourth Industrial Revolution. Retrieved 01 29, 2019, from www.weforum.org

Shaheen, S., Chan, N., Bansal, A., & Cohen, A. (2015). Shared Mobility a Sustainablity and Technology Workshop: Definition, Industry Development and Early Understanding. University of California Berkeley Transportation Sustainability Research Center, 30. Retrieved from http://innovativemobility.org/wp-content/uploads/2015/11/SharedMobility_WhitePaper_FINAL.pdf

Shaheen, S., Chan, N., Bansal, A., & Cohen, A. (2015). Shared Mobility. Definitions, Industry Developments, and Early Understanding. University of California Berkeley Transportation Sustainability Research Center, 30. Retrieved from http://innovativemobility.org/wp-content/uploads/2015/11/SharedMobility_WhitePaper_FINAL.pdf

Shaheen, S., Cohen, A., Zohdy, I., Berman, W., United States, Federal Highway Administration, & Booz Allen & Hamilton. (2017). Shared mobility : current practices and guiding principles. U.S. Department of Transportation. Retrieved from http://www.ops.fhwa.dot.gov/publications/fhwahop16022/index.htm

Shaheen, S., Stocker, A., & Mundler, M. (2017). Online and App-Based Carpooling in France: Analyzing Users and Practices—A Study of BlaBlaCar. In Disrupting Mobility. Impacts of Sharing Economy and Innovative Transportation on Cities (pp. 181-196). doi:10.1007/978-3-319-51602-8_12

Simonite, T. (2013). Data Shows Google’s Robot Cars Are Smoother, Safer Drivers Than You or I - MIT Technology Review. MIT Technology Review. Retrieved 01 30, 2019, from https://www.technologyreview.com/s/520746/data-shows-googles-robot-cars-are-smoother-safer-drivers-than-you-or-i/

Singh, P., Paleti, R., Jenkins, S., & Bhat, C. (2013). On modeling telecommuting behavior: option, choice, and frequency. Transportation, 40(2), 373-396. doi:10.1007/s11116-012-9429-2

Spieser, K., Treleaven, K., Zhang, R., Frazzoli, E., Morton, D., & Pavone, M. (2014). Toward a systematic approach to the design and evaluation of automated mobility-on-demand systems: A case study in Singapore. In Road Vehicle Automation (pp. 229-245). pp. 0-16, Springer. doi:http://dx.doi.org/10.1007/978-3-319-05990-7_20

Statistique Canada, S. (2016). Enquête sociale générale - Les Canadiens au travail et à la maison.

Stolte, T., Hosse, R., Becker, U., & Maurer, M. (2016). On Functional Safety of Vehicle Actuation Systems in the Context of Automated Driving. IFAC-PapersOnLine, 49(11), 576-581. doi:10.1016/J.IFACOL.2016.08.084

Tientrakool, P., Ho, Y.-C., & Maxemchuk, N. (2011). Highway Capacity Benefits from Using Vehicle-to-Vehicle Communication and Sensors for Collision Avoidance. IEEE. doi:10.1109/VETECF.2011.6093130

U.S. Bureau of Labor Statistics. (2016). 24 percent of employed people did some or all of their work at home in 2015. Retrieved 04 29, 2019, from https://www.bls.gov/opub/ted/2016/24-percent-of-employed-people-did-some-or-all-of-their-work-at-home-in-2015.htm

Wadud, Z., MacKenzie, D., & Leiby, P. (2016). Help or hindrance? The travel, energy and carbon impacts of highly automated vehicles. Transportation Research Part A: Policy and Practice, 86, 1-18. doi:10.1016/J.TRA.2015.12.001

Walls, M., Safirova, E., & Jiang, Y. (2006). What Drives Telecommuting? What Drives Telecommuting? The Relative Impact of Worker Demographics, Employer Characteristics, and Job Types. Resource for the Future. Retrieved 01 29, 2019, from https://pdfs.semanticscholar.org/5555/609f5a39c2b7aa5320c87f573356fca2bded.pdf

WEF/BCG. (2018). System Initiative on Shaping the Future of Mobility Reshaping Urban Mobility with Autonomous Vehicles Lessons from the City of Boston. Retrieved 01 30, 2019, from http://www3.weforum.org/docs/WEF_Reshaping_Urban_Mobility_with_Autonomous_Vehicles_2018.pdf

Wilton, R., & Scott, D. (2011). Why do you care what other people think? A qualitative investigation of social influence and telecommuting. Transportation Research Part A: Policy and Practice, 45(4), 269-282. doi:10.1016/J.TRA.2011.01.002

Yanocha, D. (2018). Optimising New Mobility Services. Documents de référence du Forum international des transports. Retrieved 01 29, 2019, from www.itf-oecd.org

Zachariah, J., Gao, J., Kornhauser, A., & Mufti, T. (2014). Uncongested Mobility for All: A Proposal for an Area Wide Autonomous Taxi System in New Jersey.

Zhu, P., Wang, L., Jiang, Y., & Zhou, J. (2018). Metropolitan size and the impacts of telecommuting on personal travel. Transportation, 45(2), 385-414. doi:10.1007/s11116-017-9846-3

Notes

← 1.  Voir www.itf-oecd.org/outlook pour plus de détails sur le modèle.

← 2.  Hors transports en commun ; voir le glossaire pour plus de détails.

← 3.  Voir la définition du « free-floating » dans le glossaire.

← 4.  OCDE Pacifique : Australie, Corée du Sud, Japon, Nouvelle-Zélande. Économies en transition : pays de l’ex-Union soviétique et pays d’Europe du Sud-Est non membres de l’UE.

← 5.  Même si les modalités de travail flexibles faisant intervenir du télétravail ne réduisant pas les trajets domicile-travail peuvent également influer sur les profils de la demande de déplacements et la congestion, elles entraînent des réductions des émissions inférieures à celles qu’on observe avec du télétravail réduisant le nombre total de déplacements vers le lieu de travail.

← 6.  L’échantillon de l’enquête de PGi ne visant que des travailleurs ayant accès au numérique, il est probable qu’il surestime la proportion de télétravailleurs parmi la population active totale.

← 7.  https://www.federalreserve.gov/publications/2018-economic-well-being-of-us-households-in-2017-employment.htm

← 8.  Il existe de nombreux effets non liés au transport, dont l’amélioration de la productivité, une moindre exposition à la pollution atmosphérique, un meilleur accès à l’emploi et un plus grand bien-être des employés.

← 9.  Ben-Elia et al. (2018) recommandent de conduire des travaux sur la relation entre les TIC (dont le télétravail) et les comportements de mobilité, afin d’étudier la potentielle simultanéité entre les deux, de même que la possibilité que des facteurs de confusion non observés soient responsables des effets directs recensés jusqu’à maintenant dans les publications.

← 10.  En 2018, le FIT a publié un rapport intitulé Safer Roads with Automated Vehicles? (FIT, 2018a), dont la présente section est en grande partie inspirée.