Indicateur de la localisation relative des emplois aux domiciles

Indicateur de la localisation relative des emplois aux domiciles 

Distance aux emplois 

Divers arguments soutiennent que la distance aux emplois peut rendre la prospection inefficace, peu intense et coûteuse.

L’argument d’une prospection inefficace tient à des frictions informationnelles qui feraient décroître avec la distance l’information disponible sur les emplois vacants (Rogers, 1997 ; Ihlanfeldt et Sjouquist, 1990 ; Ihlanfeldt, 1997 ; Wasmer et Zenou, 2002 et 2005). Une raison est que de nombreuses entreprises cherchant à pourvoir un poste pour un emploi non qualifié ont recours à des moyens de recrutement qui ont une portée limitée dans l’espace : par exemple, des offres d’emploi affichées en vitrine ou des annonces passées dans les journaux de quartier (Turner, 1997). Une autre raison est que les individus cherchant un emploi ont plus de difficultés à identifier les employeurs potentiels dans des zones distantes qu’ils ne connaissent pas. Davis et Huff (1972) affirment ainsi que les individus à la recherche d’un emploi ne prospectent efficacement que dans un périmètre restreint autour de leur lieu de domicile même si cette zone ne comprend que des emplois de moins bonne qualité et de surcroît peu rémunérés.

Un second mécanisme fait intervenir la décroissance de l’intensité de la recherche avec la distance aux emplois. L’argument proposé par la littérature est indirect. L’éloignement aux emplois va généralement de pair avec des prix fonciers faibles qui incitent peu les chômeurs à une recherche active. A l’inverse, les chômeurs résidant à proximité des emplois sont plus impatients de retrouver un emploi afin de pouvoir payer leur loyer (Smith et Zenou, 2003 ; Patacchini et Zenou, 2006).

Les coûts de la recherche d’emploi peuvent également jouer un rôle important dans la mesure où ils augmentent avec la distance. En conséquence, des chômeurs peuvent renoncer à prospecter loin de leur lieu de résidence lorsque les coûts associés à cette recherche sont trop élevés (Ortega, 2000). La perspective de gain financier net est très importante du point de vue du travailleur ou de la personne en recherche d’emploi. Le gain financier net est le salaire diminué du coût de transport. Dès qu’un chômeur a trouvé un travail, il devra penser à la dépense de transport. Le coût de transport croît avec la distance. En général, plus la distance de déplacement augmente, plus le coût de transport est élevé. Les travailleurs peuvent hésiter à rechercher un travail plus productif et mieux rémunéré si les coûts de transport deviennent excessifs, du fait d’une distance trop grande ou d’une vitesse insuffisante.

Dans cette recherche, l’ajustement de la distance parcourue de déplacement n’est pas si simple comme nous utilisons la distance de vol d’oiseau. L’ajustement de la distance de vol d’oiseau d’un centroide vers l’autre centroide ne tient en compte que la trajectoire directe entre eux et celui ne représente pas du tous les réseaux routière réels.

Approche nouvelle 

Le calcul de la distance parcourue de déplacement utilise le logiciel MAPINFO et TRANPLAN. Ce calcul est une approche nouvelle afin de combler les données vides. Le résultat de l’enquête de mobilité qui est utilisé dans cette recherche n’assure pas une perfection de données. Cela signifie qu’il y a encore de données manquantes dans les résultats tel que le temps de déplacement.

Il y a 2 types des données dans ce calcul :
• Premièrement les données de noeud qui représentent le croisement entre la route tels que le carrefour, le rond-point etc. Ces données-là consistent le numéro de noeud, les coordonnées x et y.
• Deuxièmement les données d’arc qui représentent la section de route. Dans cette partie des données, nous pouvons trouver la variable de la distance de route, la capacité de route, le type de route etc.

Le point d’origine et celui de destination de déplacement sont représentés par les centroides. La mise en place de centroide sur une zone devrait considérer le centre d’activité qui peut générer et attirer les déplacements des habitants, autrement dit ce seul centroide devrait représenter une zone étudiée. Le nombre de centroides est égal avec le nombre de zones. Ces centroides ne sont pas les points réels, c’est pour cela afin de faire les relier avec les noeuds, nous devons créer un « dummy ». Le « dummy » est caractérisé par la vitesse de marche à pied et la distance environ 100 m.

Apres avoir créé la banque des données sur MAPINFO, nous allons utiliser ensuite le logiciel TRANPLAN en vue d’avoir la distance parcourue de déplacement. En utilisant ce logiciel, nous pouvons trouver la plus courte distance parcourue venant plusieurs alternatifs de trajectoire entre une zone vers l’autre zone. Cette distance-là qui va être utilisée comme les données de distance.

Le temps de déplacement 

Le temps de déplacement est aussi une variable importante dans notre recherche.

Le temps de déplacement peut être fourni par les données de l’enquête de ménage et de la mobilité ainsi que la matrice de temps de déplacement. Dans le cadre de notre recherche, nous utilisons les deux types des données en considérant la disponibilité de l’enquête de ménage dans chaque région. Dans l’enquête de ménage, nous avons trouvé la variable de « l’heure de départ » et de « l’heure d’arrivée ». Avec ces variables, nous pouvons déduire le temps de déplacement d’une zone vers l’autre zone. De toute façon, toutes les données ne sont pas bien remplies. Certaines données concernant l’heure de départ et l’heure d’arrivée sont remplies d’une façon surestimée. Ce cas est arrivé souvent dans l’enquête de ménage et peut être le gens ont oublié quand ils partent de chez eux et quand ils arrivent au point de destination précisément. Si nous avons trouvé ces données bizarres, nous ne les considérons pas dans le calcul de temps de déplacement. En outre, s’il n y a pas de données de l’heure de départ et de l’heure d’arrivée, nous pouvons utiliser la matrice de temps de déplacement. Cette matrice de temps de déplacement est une fonction de la vitesse de déplacement et de distance de chaque section de route. À l’aide de logiciel TRANPLAN, nous arrivons à calculer la matrice de temps de déplacement L’approche de calcul de temps de déplacement en utilisant à la fois les données de l’heure de départ et de l’heure d’arrivée et la matrice de temps de déplacement est totalement différente. L’une des méthodes utilise les données réelles de l’enquête de ménage mais l’autre n’utilise que les données des réseaux routiers telles que la vitesse et la distance de route en vue d’avoir les données de temps de déplacement. En considérant l’enquête de ménage qui est faite dans chaque ville, nous n’avons pas trouvé les données de l’heure de départ et l’heure d’arrivé dans toutes les régions étudiées. Dans le calcul de temps de déplacement, si on avait les données de l’heure de départ et l’heure d’arrivé, on utiliserait cette variable afin de justifier le temps de déplacement, sinon on fait le calcul de matrice de temps de déplacement en utilisant les données des réseaux routiers.

Indicateur de l’efficacité du système du transport 

La vitesse 

Dans cette recherche, nous utilisons l’indicateur de la vitesse moyenne de la ville à partir des déplacements urbains de porte à porte qui sont observés dans les enquêtes de ménage et celles de mobilité. Cette vitesse en moyenne pour tous les déplacements dans une ville peut refléter non seulement l’état de circulation urbaine des véhicules mais aussi le dynamisme de la mobilité des citadins. Pour obtenir les vitesses depuis/ vers une zone donnée, il faut d’abord estimer les temps de déplacements entre zones. La base des données de temps de déplacement de zone à zone est obtenue par le résultat de l’enquête de ménage, et estimé par Tranplan en cas de données manquantes.

Table des matières

CHAPITRE 1 – INTRODUCTION
1.1. INTRODUCTION
1.2. ETAT DE L’ART
1.3. NOTRE APPORT À CE COURANT DE RECHERCHE
CHAPITRE 2 – CONCEPTION DU MODELE GLOBAL
2.1. INDICATEUR DE LA LOCALISATION RELATIVE DES EMPLOIS AUX DOMICILES
2.2. INDICATEUR DE L’EFFICACITE DU SYSTEME DU TRANSPORT
2.3. INDICATEUR DU MARCHE DE L’EMPLOI
CHAPITRE 3 LA MOBILITE DANS LES VILLES DE JAKARTA, SURABAYA, MEDAN, ET SEMARANG
3.1. LES DONNEES DISPONIBLES
3.2. LES PRINCIPES D’ETUDE DE LA MOBILITÉ DANS LES AGGLOMERATIONS
3.3. L’ INDONESIE: INFORMATION GENERALE SUCCINCTE
3.4. SURABAYA
3.5. MEDAN
3.6. JAKARTA
3.7. SEMARANG
3.8. COMPARAISON DES VILLES
CHAPITRE 4 LA TAILLE EFFECTIVE DE MARCHE DE L’EMPLOI URBAIN
4.1. LA VILLE DE SURABAYA
4.2. LA VILLE DE MEDAN
4.3. LA VILLE DE JAKARTA
4.4. LA VILLE DE SEMARANG
4.5. LES TAILLES DE MARCHE DE L’EMPLOI, SYNTHESE
CHAPITRE 5 MODELE DE LA TAILLE EFFECTIVE DU MARCHE DE L’EMPLOI URBAIN
5.1. MODELE 1 LE MARCHE DE L’EMPLOI SELON LES MENAGES EN VOITURE SANS PRISE EN COMPTE DES TAUX D’EQUIPEMENT
5.2. MODELE 2 LE MARCHE DE L’EMPLOI EN DEUX ROUES A MOTEUR SELON LES MENAGES SANS PRISE EN COMPTE DES TAUX D’EQUIPEMENT
5.3. MODELE 3 LE MARCHE DE L’EMPLOI SELON LES MENAGES EN TRANSPORT EN COMMUN
5.4. MODELE 4 LE MARCHE DE L’EMPLOI SELON LES MENAGES PAR L’ENSEMBLE DES MODES SANS PRISE EN COMPTE DES TAUX D’EQUIPEMENT
5.5. MODELE 5 LE MARCHE DE L’EMPLOI EN VOITURE SELON LES MENAGES EN CONSIDERANT LES TAUX D’EQUIPEMENT
5.6. MODELE 6 LE MARCHE DE L’EMPLOI SELON LES MENAGES EN DEUX ROUES EN CONSIDERANT LES TAUX D’EQUIPEMENT
5.7. MODELE 7 LE MARCHE DE L’EMPLOI SELON LES MENAGES PAR L’ENSEMBLE DES MODE EN PRENANT EN COMPTE LA DETENTION
CHAPITRE 6 – CONCLUSION

Lire le rapport complet