Vehicle stock modelling in long term projections - Survey of the literature [ Working Paper 08-17 - 26/07/2017]

  PDF & Download

• Publication (en - 903 Kb)

  Auteurs

Laurent Franckx (A)
 
A : Auteur, C : Contributeur

  Type de publication

Working Papers

Le Working Paper présente une étude ou analyse menée d’initiative par le BFP.

Notre principale conclusion est que l’approche à retenir pour la modélisation devrait dépendre de l’horizon du modèle et de la disponibilité de données. À court terme (sur un horizon de 5 ans maximum), on peut considérer que les préférences des consommateurs et les technologies automobiles resteront stables, et il est préférable que l’évaluation des politiques se fonde sur des modèles économétriques. À long terme (sur un horizon de plus de 15 ans), les préférences et les technologies sont fondamentalement incertaines, et il convient de suivre une approche par scénarios plutôt que d’émettre des prévisions. Pour les perspectives à moyen terme (sur un horizon de 5 à 15 ans), nous proposons d’enrichir les modèles économétriques existants de modèles d’apprentissage social par les ménages et d’apprentissage par la pratique par les sociétés. L’approche de l’« utilité synthétique » est la plus prometteuse pour une intégration rapide dans PLANET des types de véhicules qui ont actuellement une part de marché nulle ou très limitée, mais qui représentent un potentiel important à long terme, comme les véhicules électriques et automatisés.

Synthèse

On s’attend à une dégradation de certaines externalités causées par le secteur des transports dans le futur, particulièrement les émissions de gaz à effet de serre, la congestion et la pollution atmosphérique au niveau local. Toutefois, le secteur des transports se trouve également à l’aube d’une mutation peutêtre radicale en raison de la percée simultanée des modes de transport partagés, automatisés et électriques.

Le potentiel de croissance réel de ces nouvelles technologies et modèles économiques et leur impact se caractérisent par une grande incertitude.

Selon l’orientation politique choisie, ils pourraient résoudre les externalités majeures causées par le transport ou, à l’inverse, les exacerber tant et plus. D’un côté, le nombre de voitures nécessaire pour satisfaire la demande de mobilité est susceptible d’enregistrer une baisse sensible si les voitures partagées et automatisées viennent à être utilisées couramment. D’un autre côté, la nécessité de repositionner les voitures partagées et automatisées pour que de nouveaux passagers puissent les utiliser est susceptible d’entraîner une croissance spectaculaire du nombre de véhicules-kilomètres ainsi qu’une rotation bien plus rapide du parc automobile.

Les modèles de transport doivent donc être adaptés pour refléter l’impact de ces développements. La présente analyse se penche sur la problématique de la modélisation du parc automobile dans les perspectives à long terme. L’objectif poursuivi est d’explorer la littérature existante pour identifier les options susceptibles d’améliorer le modèle PLANET élaboré par le Bureau fédéral du Plan dans le but de réaliser des perspectives de la demande de transport en Belgique.

Les modèles de parc automobile sont habituellement intégrés dans des modèles plus larges, qui englobent également des perspectives de la demande totale de transport, des choix de modes de transport, des choix de route, etc. Par conséquent, la représentation du parc automobile est liée à d’autres choix fondamentaux dans la conception du modèle de transport, spécialement :

• L’intégration du modèle de transport dans un modèle de l’économie au sens large ;
• La relation entre la demande totale de transport et le choix du véhicule ;
• Le traitement des émissions indirectes ;
• Le coût d’opportunité du temps de déplacement ;
• Le poids relatif donné à la modélisation économique explicite par rapport à l’avis d’experts.

Le modèle PLANET peut être décrit comme un modèle sectoriel dans le domaine du transport qui suit l’approche de la demande de services : tout d’abord, il modélise la demande de transport pour l’ensemble des modes de transport, puis il répartit la demande totale entre les différents modes de transport.

Le nombre total de voitures est déterminé au niveau agrégé. Il correspond au nombre de voitures nécessaire pour satisfaire la demande attendue de transport. La demande agrégée est ensuite ventilée entre les différentes catégories de véhicules. Cette approche ne cherche pas à estimer le nombre de voitures au niveau des ménages. PLANET ne tient compte que des émissions « du puits à la roue ». Par exemple, il ne tient pas compte de l’impact environnemental de la production et de la mise à la casse des véhicules.

Le coût d’opportunité du temps de déplacement est inclus dans le coût généralisé du transport. Par conséquent, PLANET est un modèle approprié pour rendre compte du fait que les voitures automatisées réduisent le coût d’opportunité du temps de déplacement.

Dans sa représentation des technologies de transport, PLANET est un modèle « hybride » : pour les voitures particulières, la demande est explicitement modélisée de manière détaillée, tandis que les technologies utilisées pour d’autres modes sont décrites à un niveau d’abstraction plus élevé. Ce n’est donc pas un modèle purement « top-down » ou « bottom-up ».

Plusieurs modèles tiennent compte de paramètres non techniques, comme l’hétérogénéité des ménages, des influences sociales et des facteurs contextuels. En revanche, PLANET ne tient pas compte des caractéristiques individuelles des ménages. Relier les données sur les immatriculations de véhicules aux enquêtes réalisées auprès des ménages offre certaines possibilités d’améliorer la représentation du comportement des consommateurs dans PLANET.

La demande de types de véhicules qui ont actuellement une part de marché nulle ou très limitée, mais qui représentent un potentiel important à long terme, comme les véhicules électriques et automatisés, est un aspect important qui mérite une attention accrue. À cet égard, l’approche susceptible de donner les meilleurs résultats consiste à combiner les observations de marchés ‘réels’ aux résultats de marchés ‘hypothétiques’. Une autre méthode consiste à recourir aux fonctions d’utilité synthétique dont les paramètres se basent sur des principes d’application générale ou sur des recherches approfondies dans la littérature plutôt que sur des études individuelles qui utilisent des échantillons limités dans un contexte
spécifique. Compte tenu de la disponibilité de données en Belgique, l’approche de l’utilité synthétique est la plus prometteuse pour une intégration rapide dans la version existante de PLANET.

De toutes les approches permettant de modéliser le parc automobile dans les perspectives à long terme, celle qui a l’assise la plus solide dans la théorie économique consiste à prendre les ventes annuelles de véhicules comme variable « résiduelle » :

• Dans le modèle, le parc automobile existant est progressivement retiré de la circulation selon les tendances historiques ;
• Le parc automobile total est calculé comme étant le parc nécessaire pour satisfaire la demande de transport (exprimé en passagers-kilomètres), en tenant compte du taux d’occupation et des véhicules- kilomètres moyens pour les véhicules existants ;
• Les ventes annuelles de véhicules sont calculées comme étant le parc automobile souhaité moins le parc automobile réel hérité des années de mise en circulation précédentes ;
• Le total des ventes est réparti en plusieurs catégories (par ex. en fonction du type de carburant ou de la taille du véhicule) en utilisant une fonction de choix discret.

Pour représenter l’impact de la mobilité partagée, il importe que des paramètres tels que le taux d’occupation et le kilométrage annuel des voitures puissent être modifiés en fonction du scénario étudié. Le modèle PLANET peut être facilement adapté pour tenir compte de cette exigence.