Au cours des dernières décennies, les populations urbaines des villes chinoises ont considérablement augmenté, et l'augmentation des revenus a conduit à une expansion rapide de la possession de voitures. En effet, La Chine est aujourd'hui le plus grand marché automobile au monde. La combinaison de l'urbanisation et de la motorisation a conduit à un besoin urgent de politiques de transport pour résoudre les problèmes urbains tels que la congestion, la pollution de l'air, et les émissions de gaz à effet de serre.

Depuis trois ans, une équipe du MIT dirigée par Joanna Moody, responsable du programme de recherche du Mobility Systems Center du MIT Energy Initiative, et Jinhua Zhao, le professeur associé Edward H. et Joyce Linde au Département d'études et de planification urbaines (DUSP) et directeur du JTL Urban Mobility Lab du MIT, a examiné la politique des transports et l'élaboration des politiques en Chine. "On suppose souvent que la politique des transports en Chine est dictée par le gouvernement national, ", dit Zhao. "Mais nous avons vu que le gouvernement national fixe des objectifs et permet ensuite aux villes individuelles de décider des politiques à mettre en œuvre pour atteindre ces objectifs."

De nombreuses études ont porté sur l'élaboration des politiques de transport dans les mégapoles chinoises comme Pékin et Shanghai, mais peu se sont concentrés sur les centaines de villes petites et moyennes situées dans tout le pays. Alors Moody, Zhao, et leur équipe a voulu considérer le processus dans ces villes négligées. En particulier, ils ont demandé :comment les dirigeants municipaux décident-ils des politiques de transport à mettre en œuvre, et peuvent-ils être mieux en mesure d'apprendre des expériences des autres ? Les réponses à ces questions pourraient fournir des orientations aux décideurs municipaux qui tentent de relever les différents défis liés au transport auxquels font face leurs villes.

Les réponses pourraient également aider à combler une lacune dans la littérature de recherche. Le nombre et la diversité des villes à travers la Chine ont rendu difficile la réalisation d'une étude systématique de la politique des transports urbains, pourtant ce sujet prend de plus en plus d'importance. En réponse à la pollution atmosphérique locale et aux embouteillages, certaines villes chinoises adoptent désormais des politiques visant à restreindre la possession et l'utilisation de voitures, et ces politiques locales peuvent finalement déterminer si la croissance sans précédent des ventes de véhicules privés à l'échelle nationale persistera dans les décennies à venir.

Apprentissage des politiques

Les décideurs politiques des transports du monde entier bénéficient d'une pratique appelée apprentissage des politiques :les décideurs d'une ville se tournent vers d'autres villes pour voir quelles politiques ont été efficaces et celles qui n'ont pas été efficaces. En Chine, Pékin et Shanghai sont généralement considérés comme des pionniers dans l'élaboration de politiques de transport innovantes, et les dirigeants municipaux d'autres villes chinoises se tournent vers ces mégalopoles comme modèles.

Mais est-ce une approche efficace pour eux ? Après tout, leurs contextes urbains et leurs défis en matière de transport sont presque certainement très différents. Ne vaudrait-il pas mieux qu'ils se tournent vers des villes « pairs » avec lesquelles ils ont plus en commun ?

De mauvaise humeur, Zhao, et leurs collègues du DUSP – le postdoctorant Shenhao Wang et les étudiants diplômés Jungwoo Chun et Xuenan Ni, tous dans le JTL Urban Mobility Lab—ont émis l'hypothèse d'un cadre alternatif pour l'apprentissage des politiques dans lequel les villes qui partagent des histoires communes d'urbanisation et de motorisation partageraient leurs connaissances politiques. Un développement similaire des espaces urbains et des modes de déplacement pourrait conduire aux mêmes défis de transport, et donc à des besoins similaires pour les politiques de transport.

Pour tester leur hypothèse, les chercheurs devaient répondre à deux questions. Commencer, ils avaient besoin de savoir si les villes chinoises ont un nombre limité d'histoires communes d'urbanisation et de motorisation. S'ils regroupaient les 287 villes de Chine sur la base de ces histoires, finiraient-elles avec un nombre modérément petit de groupes significatifs de villes pairs ? Et deuxieme, les villes de chaque groupe auraient-elles des politiques et des priorités de transport similaires ?

Regrouper les villes

Les villes chinoises sont souvent regroupées en trois « niveaux » basés sur l'administration politique, ou les types de rôles juridictionnels que jouent les villes. Le niveau 1 comprend Pékin, Shanghaï, et deux autres villes qui ont les mêmes pouvoirs politiques que les provinces. Le niveau 2 comprend environ 20 capitales provinciales. Les villes restantes—quelque 260 d'entre elles—entrent toutes dans le niveau 3. Ces regroupements ne sont pas nécessairement pertinents aux conditions urbaines et de transport locales des villes.

De mauvaise humeur, Zhao, and their colleagues instead wanted to sort the 287 cities based on their urbanization and motorization histories. Heureusement, they had relatively easy access to the data they needed. Chaque année, the Chinese government requires each city to report well-defined statistics on a variety of measures and to make them public.

Among those measures, the researchers chose four indicators of urbanization—gross domestic product per capita, total urban population, urban population density, and road area per capita—and four indicators of motorization—the number of automobiles, taxis, buses, and subway lines per capita. They compiled those data from 2001 to 2014 for each of the 287 cities.

The next step was to sort the cities into groups based on those historical datasets—a task they accomplished using a clustering algorithm. For the algorithm to work well, they needed to select parameters that would summarize trends in the time series data for each indicator in each city. They found that they could summarize the 14-year change in each indicator using the mean value and two additional variables:the slope of change over time and the rate at which the slope changes (the acceleration).

Based on those data, the clustering algorithm examined different possible numbers of groupings, and four gave the best outcome in terms of the cities' urbanization and motorization histories. "With four groups, the cities were most similar within each cluster and most different across the clusters, " says Moody. "Adding more groups gave no additional benefit."

The four groups of similar cities are as follows:

• Cluster 1:23 large, dense, wealthy megacities that have urban rail systems and high overall mobility levels over all modes, including buses, taxis, and private cars. This cluster encompasses most of the government's Tier 1 and Tier 2 cities, while the Tier 3 cities are distributed among Clusters 2, 3, and 4.
• Cluster 2:41 wealthy cities that don't have urban rail and therefore are more sprawling, have lower population density, and have auto-oriented travel patterns.
• Cluster 3:134 medium-wealth cities that have a low-density urban form and moderate mobility fairly spread across different modes, with limited but emerging car use.
• Cluster 4:89 low-income cities that have generally lower levels of mobility, with some public transit buses but not many roads. Because people usually walk, these cities are concentrated in terms of density and development.

City clusters and policy priorities

The researchers' next task was to determine whether the cities within a given cluster have transportation policy priorities that are similar to each other—and also different from those of cities in the other clusters. With no quantitative data to analyze, the researchers needed to look for such patterns using a different approach.

D'abord, they selected 44 cities at random (with the stipulation that at least 10 percent of the cities in each cluster had to be represented). They then downloaded the 2017 mayoral report from each of the 44 cities.

Those reports highlight the main policy initiatives and directions of the city in the past year, so they include all types of policymaking. To identify the transportation-oriented sections of the reports, the researchers performed keyword searches on terms such as transportation, road, car, bus, and public transit. They extracted any sections highlighting transportation initiatives and manually labeled each of the text segments with one of 21 policy types. They then created a spreadsheet organizing the cities into the four clusters. Finalement, they examined the outcome to see whether there were clear patterns within and across clusters in terms of the types of policies they prioritize.

"We found strikingly clear patterns in the types of transportation policies adopted within city clusters and clear differences across clusters, " says Moody. "That reinforced our hypothesis that different motorization and urbanization trajectories would be reflected in very different policy priorities."

Here are some highlights of the policy priorities within the clusters:

The cities in Cluster 1 have urban rail systems and are starting to consider policies around them. Par exemple, how can they better connect their rail systems with other transportation modes—for instance, by taking steps to integrate them with buses or with walking infrastructure? How can they plan their land use and urban development to be more transit-oriented, such as by providing mixed-use development around the existing rail network?

Cluster 2 cities are building urban rail systems, but they're generally not yet thinking about other policies that can come with rail development. They could learn from Cluster 1 cities about other factors to take into account at the outset. Par exemple, they could develop their urban rail with issues of multi-modality and of transit-oriented development in mind.

In Cluster 3 cities, policies tend to emphasize electrifying buses and providing improved and expanded bus service. In these cities with no rail networks, the focus is on making buses work better.

Cluster 4 cities are still focused on road development, even within their urban areas. Policy priorities often emphasize connecting the urban core to rural areas and to adjacent cities—steps that will give their populations access to the region as a whole, expanding the opportunities available to them.

Benefits of a "mixed method" approach

Results of the researchers' analysis thus support their initial hypothesis. "Different urbanization and motorization trends that we captured in the clustering analysis are reflective of very different transportation priorities, " says Moody. "That match means we can use this approach for further policymaking analysis."

At the outset, she viewed their study as a "proof of concept" for performing transportation policy studies using a mixed-method approach. Mixed-method research involves a blending of quantitative and qualitative approaches. In their case, the former was the mathematical analysis of time series data, and the latter was the in-depth review of city government reports to identify transportation policy priorities. "Mixed-method research is a growing area of interest, and it's a powerful and valuable tool, " says Moody.

She did, cependant, find the experience of combining the quantitative and qualitative work challenging. "There weren't many examples of people doing something similar, and that meant that we had to make sure that our quantitative work was defensible, that our qualitative work was defensible, and that the combination of them was defensible and meaningful, " elle dit.

The results of their work confirm that their novel analytical framework could be used in other large, rapidly developing countries with heterogeneous urban areas. "It's probable that if you were to do this type of analysis for cities in, dire, Inde, you might get a different number of city types, and those city types could be very different from what we got in China, " says Moody. Regardless of the setting, the capabilities provided by this kind of mixed method framework should prove increasingly important as more and more cities around the world begin innovating and learning from one another how to shape sustainable urban transportation systems.

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.