Ke Song est étudiante en maîtrise au département d’urbanisme de l’université Tongji sous la supervision du prof. Mi Diao.

Les vélos partagés sont largement considérés comme un mode de transport respectueux de l’environnement qui peut jouer un rôle important pour répondre à la demande de déplacements et favoriser le développement durable. Comprendre les impacts complexes et divers de l’environnement bâti (EB) sur l’utilisation partagée du vélo est crucial pour les décideurs politiques et les urbanistes qui gèrent ce mode émergent de mobilité et s’efforcent de créer des villes favorables au vélo. De nombreuses études ont examiné la relation entre le BE et l’utilisation partagée du vélo. Des recherches récentes ont approfondi la compréhension de la complexité de cette connexion, explorant à la fois les variations spatiales et la non-linéarité de l’effet BE à l’aide de méthodes telles que les régressions à pondération géographique (GWR) et les modèles d’apprentissage automatique basés sur les données (ML). Bien que les modèles basés sur des hypothèses linéaires, comme le GWR, puissent produire des résultats facilement interprétables et révéler l’hétérogénéité spatiale de l’effet BE, ils sont souvent insuffisants pour saisir les relations non linéaires. D’un autre côté, les modèles de machine learning sont excellents pour identifier des schémas non linéaires, mais ils rencontrent des difficultés dans l’interprétation du modèle et le discernement des effets spatiaux. Il manque encore des modèles qui révèlent efficacement les effets non linéaires et spatiaux de la BE sur l’utilisation partagée du vélo. Pour combler cette lacune dans la littérature, nous combinons un modèle d’apprentissage automatique, eXtreme Gradient Boosting (XGBoost), et une méthode locale modèle-agnostique, SHapley Additive exPlanations (SHAP), afin d’explorer les associations non linéaires et spatialement variables entre le système de vélo partagé (DLBS) et les attributs de BE à Shanghai, en Chine. En tant que méthode d’interprétation locale basée sur la théorie des jeux, les SHAP offrent la possibilité d’interpréter les résultats des modèles de ML et de visualiser des phénomènes et processus géographiques complexes.
Dans cette étude, nous calculons un groupe d’indicateurs au niveau de la cellule de grille, couvrant les dimensions conventionnelles 5-D pour mesurer BE : densité, diversité, conception, distance au transit et accessibilité de destination. Nous avons constaté que les variables liées à la densité et à la conception des réseaux routiers ont l’influence la plus positive sur l’utilisation de DLBS parmi les facteurs de BE et leurs effets varient considérablement dans l’espace et selon les différents niveaux de mesure de BE. Plus précisément, les facteurs liés à la densité ont un effet positif plus fort sur l’utilisation du DLBS au centre-ville de Shanghai, tandis que les facteurs liés à la conception des réseaux routiers ont un impact plus important dans les banlieues. De plus, les effets BE présentent également des caractéristiques non linéaires évidentes. Par exemple, l’utilisation du DLBS et le ratio de surface au sol (FAR) démontrent une relation en forme de « U » inversée, avec un nombre d’usagers qui augmente initialement avec le FAR jusqu’à ce qu’il atteigne une valeur seuil d’environ 2, puis commence à diminuer. De plus, l’utilisation du DLBS connaît une croissance substantielle avec la densité de population avant de se stabiliser à environ 9000 personnes/km2. La construction de nouvelles routes facilite l’utilisation des vélos partagés, mais lorsque la densité du réseau routier atteint environ 13 km/km 2, son effet devient marginal et cesse d’augmenter. Sur la base de ces résultats, nous appliquons l’analyse en groupe pour identifier cinq groupes de cellules de grille avec des modèles similaires dans la connexion BE-vélo partagé. Nous proposons des recommandations politiques adaptées au facteur BE dominant dans les clusters alternatifs afin de promouvoir efficacement l’utilisation partagée du vélo.
Ke Song

Vélos partagées, effets non linéaires, effets spatiaux, environnement bâti