‹ retour au glossaire du SIG
Modélisation du comportement spatial
Définition
La modélisation du comportement spatial explique et prédit comment les personnes ou les agents se déplacent, choisissent des lieux et interagissent dans l’espace. Les méthodes comprennent les modèles de choix discrets pour la sélection de destinations, les modèles de déplacements fondés sur les activités, les simulations multi-agents de dynamiques de foule et les modèles gravitaires ou de radiation des flux. Les entrées comportementales — préférences, budgets-temps, aversion au risque — se combinent avec l’offre du réseau et le contexte d’usage des sols.
Application
Les agences de transport prévoient le choix modal et la congestion avec de nouvelles lignes ou une nouvelle tarification. Les distributeurs prédisent la fréquentation et la cannibalisation des magasins. Les organisateurs d’événements conçoivent la gestion des foules. La santé publique modélise l’exposition et les taux de contact. Les urbanistes testent des scénarios pour les quartiers du quart d’heure et les évolutions du télétravail.
FAQ
Comment les modèles de choix intègrent-ils des coûts non monétaires comme le confort et la sécurité ?
En codant des attributs comme l’affluence, l’éclairage ou les voies protégées et en estimant des coefficients à partir de préférences déclarées ou révélées ; des utilités sont ensuite converties en coût généralisé.
Quand un modèle multi-agents justifie-t-il la complexité supplémentaire ?
Lorsque les interactions entre individus créent des motifs émergents — goulots d’étranglement, formation de files, panique — que des équations agrégées ne peuvent pas saisir.
Comment calibrer des modèles lorsque la vie privée limite l’accès aux traces brutes ?
Utilisez des matrices origine-destination agrégées, des échantillons à confidentialité différentielle et des comptages ciblés ; validez avec des jeux de données indépendants comme des capteurs ou des enquêtes.
Quelles garanties éthiques s’appliquent à la modélisation du comportement pour la politique publique ?
Évitez les entrées discriminatoires, rapportez l’incertitude, associez les communautés et veillez à ce que les interventions profitent à ceux qui sont modélisés — et pas seulement au voyageur moyen.
