1 Mises à jour

25 janvier :

  • Il y a eu des changements importants depuis le dernier rapport.
  • Depuis le 12 novembre, une coopération avec la société LINK nous a permis d’augmenter la taille de notre panel. Ces nouveaux participants sont désormais inclus dans nos résultats, et les changements dans la répartition du panel sont indiqués ici : lien
  • Cela signifie que certains graphiques ont été modifiés à partir de novembre en raison de la nouvelle composition de l’échantillon.
  • Les résultats des différentes enquêtes en ligne sur les changements concernant l’emploi et le ménage ont été intégrés dans les résultats.

14 décembre :

  • La plupart des graphiques sont désormais interactifs. Les effets du temps hivernal sont clairement visibles.

Nouvelles précédentes (cliquez pour agrandir)

18 novembre :

  • Les graphiques 2 à 6 sont maintenant interactifs et zoomables.

2 novembre:

  • Le calcul des jours actifs a été amélioré. Certains résultats ont été modifiés en conséquence.
  • Nouveau graphique de la distance quotidienne moyenne par objectif de voyage. link

6 octobre:

  • Le graphique indiquant la distance moyenne journalière par sexe a été corrigé pour indiquer la distance totale, alors qu’il n’incluait auparavant que les déplacements en voiture. Le même graphique affiche désormais une moyenne mobile de 4 jours pour la visibilité. Les valeurs originales sont toujours disponibles dans les données téléchargeables.

28 septembre:

  • Ajout d’un nouveau graphique avec les principaux indicateurs de mode de transport. link

24 août:

  • Conclusions mises à jour.
  • Le rapport sera désormais mis à jour toutes les deux semaines.

11 août:

  • Nouvelle analyse du motif des déplacements (parts des différents modes de transport, décomptes horaires). link
  • La pondération l’échantillon, calculée à l’échelle de la semaine, par rapport à l’étude MOBIS initiale, a été appliquée à tous les résultats. link

6 août :

13 juillet:

  • Depuis le 6 juillet, le port du masque est obligatoire dans les transports publics en Suisse.
  • Afin de refléter cette évolution, des lignes verticales ont été ajoutées aux graphiques appropriés pour indiquer le début du confinement (16 mars), l’assouplissement du confinement (11 mai) et l’introduction de l’obligation de porter un masque (6 juillet).

29 juin :

  • Nouvelle analyse sur l’évolution des parts modales du transport - lien.

15 juin:

  • Les données peuvent maintenant être téléchargées directement pour certaines figures souhaitées. Veuillez citer les sources IVT, ETHZ et WWZ, Uni Basel.
  • Les comptages horaires montrent maintenant la journée entière : la périod de minuit à 4h du matin n’est plus exclu.
  • Analyse du télétravail - lien.
  • En réponse à de nombreuses questions, nous aimerions préciser que la période de référence 2019 couvre les mois de septembre et octobre 2019.
  • Résultats par genre corrigé
  • Nouvelle analyse des vitesses de déplacement en voiture par classe de distance - lien.

25 mai :

  • Le nombre d’activités par jour ajusté de manière à ne pas inclure la première activité à domicile par jour.
  • Conversion de tableaux longs en graphiques.

18 mai :

  • Premier rapport après l’assouplissement des mesures de confinement du 11 mai.
  • La période de référence 2019 a été raccourcie pour n’inclure que les mois de septembre et octobre - Cela affecte principalement les statistiques pour le vélo.

11 mai:

  • Nouveau graphique de l’espace d’activité et du rayon quotidien - lien.

4 mai:

  • Nouveau graphique issu d’une enquête en ligne auprès des participants sur la perception du risque - lien.
  • Résumé des points clés et ajustements de formatage.

27 avril:

  • Nouveau tableau sur l’évolution du type d’activité par zone géographique.

20 avril:

  • Participants mobiles par jour.
  • Les participants non mobiles sont désormais inclus dans les statistiques sur les espaces d’activité, en plus d’un nouveau tableau sur les espaces d’activité hebdomadaires médians.
  • Nouveaux graphiques, incluant la distance de trajet moyenne par mode.
  • Améliorations de la mise en page et autres petites corrections.

13 avril:

  • Les semaines précédentes ont été regroupées et colorées en gris dans certains graphiques.

2 Introduction

Le 16 mars 2020, les 3700 participants qui ont complété l’étude MOBIS entre septembre 2019 et janvier 2020 ont été invités à réinstaller l’application de suivi GPS et de journal de voyage “Catch-My-Day”, développée par MotionTag. Grâce à cet enregistrement volontaire de leur comportement de mobilité, nous avons pu suivre l’impact des différentes mesures spéciales prises pendant la pandémie. Un an plus tard, la pandémie est toujours en cours et de nombreux participants sont encore en train de participer.

La participation est passée d’environ 1’300 participants à environ 500 au début de la deuxième vague COVID-19 à l’automne 2020. Cela peut être dû à plusieurs facteurs, tels qu’un nouveau smartphone, des mises à jour du système d’exploitation, etc. Environ 250 ont réintégré le panel après une deuxième invitation en octobre 2020. Nous leur sommes très reconnaissants pour leur engagement. Néanmoins, nous avons volontiers accepté la proposition de LINK de recruter davantage de participants au panel, ce qui nous a permis de complémenter le noyau existant. À la mi-janvier, 393 participants supplémentaires avaient rejoint le panel via LINK.

Le rapport de cette semaine est le premier basé sur ce nouvel échantillon.

Les résultats sont présentés en comparaison avec les données de mobilité des 4 premières semaines de l’étude MOBIS originale, qui ont été enregistrées entre le 1er septembre et le 15 novembre 2019, et servent donc de référence bien avant que la pandémie ne frappe la Suisse. Les quatre semaines sont réparties dans le temps, l’échantillon ayant été constitué par vagues successives. Seuls les déplacements à l’intérieur de la Suisse sont actuellement pris en compte, bien que des données sur les déplacements transfrontaliers soient disponibles. Pour l’étude MOBIS, les participants n’étaient éligibles que s’ils utilisaient une voiture au moins 3 jours par semaine, ce qui biaise l’échantillon par rapport à la population suisse en général. Nous n’avons pas imposé de condition similaire aux participants recrutés par LINK puisque nous cherchons maintenant à obtenir un échantillon plus représentatif de la population.

Le nombre de participants actifs chaque jour, utilisé pour calculer les valeurs moyennes quotidiennes, comprend tous les participants qui ont enregistré des données avant ou après cette date. Cela permet de considérer ceux qui restent à la maison tout en tenant compte de ceux qui se sont retirés de l’enquête.

Il peut y avoir un délai de 2 à 3 jours avant que les données de l’application Catch-My-Day (pour iOS et Android) ne soient disponibles pour analyse. La pondération par le nombre de participants actifs permet de tenir compte de ce délai, mais les résultats des rapports précédents peuvent changer lors des mises à jour. Les pondérations sont calculées en fonction de l’échantillon représentatif obtenu lors du processus de recrutement MOBIS.

3 Distance quotidienne moyenne

[1] “Télécharger les données du graphique”

4 Journées actives

[1] “Télécharger les données du graphique”

5 Évolution des kilomètres parcourus par mode de transport

[1] “Télécharger les données du graphique”

Les deux graphiques suivants présentent des estimations de régression basées sur un modèle de Poisson. Un tel modèle peut être utilisé pour estimer la variation proportionnelle moyenne d’une variable d’intérêt tout en contrôlant les facteurs confondants. Nous contrôlons les effets de la météo et les effets fixes de la personne afin de tenir compte de l’hétérogénéité non observée constante dans le temps. Les barres verticales marquent les intervalles de confiance à 90 %.

[1] “Télécharger les données du graphique”

6 Indicateurs clés par mode

[1] “Télécharger les données du graphique”

7 Variation des kilomètres parcourus selon…

8 Analyse de l’objectif de déplacement

[1] “Télécharger les données du graphique”

[1] “Télécharger les données du graphique”

9 Vitesses de circulation routière

Le graphique suivant montre l’effet de la crise COVID-19 sur les vitesses de déplacement médianes en voiture pendant la semaine, excluant les weekends et les jours fériés. Pendant la période de confinement du 16 mars au 11 mai, une augmentation des vitesses aux heures de pointe a été observée, indiquant une diminution de la congestion routière. Depuis l’assouplissement des mesures, les vitesses aux heures de pointe sont revenues aux valeurs pré-COVID-19, signe que la congestion routière est revenue à son niveau habituel.

Télécharger les données du graphique

10 Évolution des parts modales du transport

Un diagramme ternaire est la représentation graphique de triplets de données numériques. Il convient pour représenter une somme constante, qui est décomposée en trois valeurs. La figure suivante montre un exemple d’un tel diagramme avec un seul point. Le triplet correspondant à ce point peut être lu en suivant les lignes vertes : A=0.5, B=0.3 et C=0.2. La somme des trois valeurs est égale à 1.

Les diagrammes ternaires suivants montrent l’évolution des parts modales au cours de la crise COVID-19, pour différents types d’abonnements aux transports publics (AG, demi-tarif et autres). Les modes sont regroupés dans les catégories suivantes :

  • Transport individuel motorisé (voiture, moto, taxi, Uber)
  • Transports publics (bus, tram, ferry, métro, train)
  • Transports non motorisés (marche, vélo)

Pendant le confinement, une part plus importante de kilomètres et de déplacements a été effectuée en utilisant des modes individuels motorisés et non motorisés par rapport à la période de référence. Après le confinement, la part des transports publics a augmenté et la part des modes non motorisés a diminué, dans les deux cas légèrement. La part des modes individuels motorisés reste plus importante que pendant la période de référence.

11 Réduction des kilomètres parcourus selon la situation professionnelle

Les participants à MOBIS:COVID-19 ont été invités à faire part de leur situation professionnelle le 24.04.2020. Les graphiques suivants utilisent ces résultats, la situation professionnelle étant imputée à l’aide d’indicateurs sociodémographiques pour ceux qui n’ont pas répondu. Plus précisément, nous avons demandé le nombre de jours de travail à la fois à domicile et en dehors du domicile, et ceux-ci ont ensuite été regroupés dans les catégories ci-dessous :

  • Travaillant uniquement à domicile
  • Travaillant uniquement hors du domicile
  • Une combinaison de travail à domicile et hors du domicile

[1] “Télécharger les données du graphique (Lieu de travail)”

[1] “Télécharger les données du graphique (Chomâge partiel)”

12 Réduction des kilomètres parcourus par canton

[1] “Télécharger les données du graphique”

13 Durée de trajet par mode de transport et par genre

[1] “Télécharger les données du graphique”

14 Longueur de trajet moyenne par mode de transport (km)

[1] “Télécharger les données du graphique”

15 Espace d’activité et rayon de déplacement quotidien

Une définition couramment utilisée de l’espace d’activité est l’ellipse de confiance à 95% des lieux d’activité, dans ce cas pondérée par leur durée. Dans l’analyse suivante, les activités du lieu de résidence sont incluses, pour ceux qui avaient l’application activée ce jour-là. Il s’agit d’une mesure importante qui donne une idée de la zone dans laquelle les déplacements sont effectués. Le rayon de déplacement quotidien est également présenté.

[1] “Télécharger les données du graphique”

16 Comptages horaires

Le nombre de trajets commencés par heure. L’axe des y est normalisé par la valeur horaire maximale dans le graphique.

[1] “Télécharger les données du graphique (total)”

[1] “Télécharger les données du graphique (by transport mode)”

17 Participation

18 Perception du risque

Une première analyse de l’enquête sur la perception du risque dans le cas d’une infection COVID-19 montre que les participants évaluent les risques de différentes conséquences différemment pour eux-mêmes et pour la population suisse. Les participants considèrent que, par rapport à l’ensemble de la population suisse, il est moins probable qu’ils éprouvent eux-mêmes des symptômes graves nécessitant une hospitalisation ou des symptômes mortels. Tant les hommes que les femmes semblent surestimer la probabilité de décès en considérant que la voie asymptomatique est moins probable. Si les valeurs médianes des différentes catégories de symptômes ne diffèrent pas beaucoup entre les hommes et les femmes, l’éventail des valeurs pour les hommes est un peu plus large que pour les femmes.

19 Variations dans les distributions

Les graphiques suivants montrent les caractéristiques de l’échantillon MOBIS:COVID-19 par rapport à l’échantillon MOBIS original. Il y a quelques petites différences, mais les échantillons sont généralement cohérents. Ce graphique sera étendu pour être comparé aux données pertinentes du recensement.

Comparaison avec le dernier Microrecensement mobilité et transports (MZ) 2015
Covid
MZ
06.04.2020
Ce rapport
N % N % N %
Argovie 155 6.4 74 7.3 4,325 7.6
Autre 25 1.0 15 1.5 5,819 10.2
Bâle-Campagne 214 8.8 78 7.7 1,940 3.4
Bâle-Ville 55 2.3 25 2.5 1,555 2.7
Berne 282 11.6 135 13.3 7,244 12.7
Fribourg 40 1.6 19 1.9 1,942 3.4
Genève 148 6.1 51 5.0 3,062 5.4
Graubünden 19 0.8 10 1.0 1,385 2.4
Luzern 54 2.2 40 3.9 2,658 4.7
Neuchâtel 18 0.7 9 0.9
Saint-Gall 58 2.4 29 2.9 3,286 5.8
Schaffhouse 10 0.4 7 0.7 560 1.0
Schwytz 33 1.4 18 1.8 1,005 1.8
Soleure 52 2.1 32 3.1 1,813 3.2
Thurgau 28 1.1 19 1.9 1,799 3.2
Valais 31 1.3 16 1.6 2,172 3.8
Vaud 352 14.4 99 9.7 5,303 9.3
Zug 18 0.7 10 1.0 812 1.4
Zurich 831 34.1 323 31.8 10,410 18.2

20 Pondération de l’échantillon

Afin de prendre en compte les variations dans la taille et la composition de l’échantillon, des pondérations ont été calculées pour chaque participant, puis appliquées pour chaque semaine de l’étude MOBIS-Covid (les semaines de la période de référence étant incluses). Cela permet de corriger les résultats correspondant à des semaines où un groupe démographique particulier était sur- ou sous-représenté. À partir des données récoltées parmi les 21 571 participants qui ont complété le questionnaire d’introduction, la pondération a été réalisée en utilisant la méthode dite d’« ajustement proportionnel itératif » (Iterative Proportional Fitting) prenant en compte les attributs suivants : âge, genre, niveaux de revenu et d’éducation, possession éventuelle de moyens de transports et accessibilité du lieu de résidence. La pondération des données collectées n’a eu que peu d’impact sur les résultats.

21 Conclusions mises à jour

En date du 2021-05-10, l’étude de suivi MOBIS:COVID-19 a enregistré 1,324,544 voyages-personnes depuis le printemps dernier. Cette étude comprend aussi trois courtes enquêtes sur la situation professionnelle et la santé des participants. Un maximum de 1,370 personnes et une moyenne de 836 ont participé. Nous utilisons l’application de suivi pour smartphone Catch-my-Day, qui est basée sur la technologie de MotionTag. L’échantillon est assez comparable, en ce qui concerne les données sociodémographiques, au dernier microrecensement fédéral de 2015, mais il présente un biais en faveur des hommes à plus haut revenu, ayant un niveau d’éducation plus élevé et possédant un abonnement pour les transports publics. Les parties les plus denses des régions germanophones et francophones du pays sont également sur-représentées dans notre échantillon. Les conclusions sont basées sur des résultats pondérés qui garantissent que l’échantillon correspond à l’échantillon représentatif d’environ 20’000 personnes invitées à l’étude MOBIS originale. Ces pondérations sont calculées en fonction de l’âge, du sexe, de l’éducation, des revenus, de la possession d’un outil de mobilité et du niveau d’accessibilité du lieu de domicile de la personne.

Notre étude n’est pas la seule source en Suisse à suivre l’impact de la pandémie et des mesures mises en œuvre pour la maîtriser. Le panel Intervista a été financé par différents offices fédéraux au cours des derniers mois. Les données de Google ont l’avantage d’être disponibles dans le monde entier, mais uniquement à une plus faible résolution spatiale et sans aucune donnée sociodémographique. À l’inverse, nous pouvons nous appuyer sur les informations plus détaillées des participants concernant leurs données sociodémographiques et leurs habitudes.

Les principales observations portent sur l’acceptation continue du “travail à domicile (TAD)” et le transfert modal lors de la reprise des volumes de déplacements et des kilomètres parcourus. Il est également important de noter que les changements observés sont globalement indépendants des conditions sociales.

La part des jours actifs, c’est-à-dire mobiles, montre l’anticipation du confinement, puis la reprise et la stabilisation à environ 80 % de sa valeur initiale en août. Ce chiffre est nettement inférieur à la part de plus de 90 % à laquelle on pourrait s’attendre (Madre et al., 2007). Cette part de jours actifs plus faible doit être dûe à un mélange du TAD, des personnes en congé et des nouveaux chômeurs. Nous ne savons pas encore comment les entreprises traiteront le TAD dans les prochaines semaines suite aux mesures de semi-confinement actuelles. Certaines entreprises ont annoncé clairement qu’elles ne rappelleraient pas leurs employés au bureau, par exemple Facebook, Twitter, PSA, tandis que d’autres, comme Stadler, ont annoncé qu’elles les rappelleraient. Si elle repartait à la hausse, cette demande réduite se heurterait à un réseau routier où les vitesses moyennes sont de nouveau à leur niveau d’avant la pandémie – des conditions qui pourraient entraîner une augmentation des embouteillages. Ces niveaux de vitesse s’expliquent par la faible part modale des transports publics et des distances inchangées pour les automobilistes.

La population s’est détournée des gros véhicules à haute capacité; les bus, les trams et les trains restent impopulaires. Après un évitement presque total dans les premières semaines suivant le début du premier confinement, la fréquentation des transports publics est restée à un niveau de 40 à 60 % inférieur par rapport à 2019. La circulation automobile, quant à elle, s’est complètement rétablie, de même que la marche à pied. Il convient de noter que le niveau de marche n’a jamais baissé de la même manière que pour les autres modes de transport. La surprise a été, et est toujours, l’augmentation de l’utilisation du vélo, soutenue par un boom des ventes pendant les mois de bonne météo. Alors qu’au départ, cette augmentation semblait être principalement due aux loisirs et à la remise en forme, la récente imputation des motifs de déplacement a montré une progression du vélo pour tous les motifs, les loisirs et le shopping étant les plus importants. Les déplacements domicile-travail à vélo ont également augmenté, mais moins fortement (environ 40 % contre 60 à 80 % pour les autres motifs). Le vélo de loisir pendant la journée témoigne de la nouvelle liberté en matière de gestion du temps. Les analyses de régression (à venir dans les rapports futurs) indiquent que les changements modaux ne sont pas motivés par la météo. Les résultats sont qualitativement similaires en contrôlant pour la température et les précipitations.

Enfin, l’expérience de la période COVID-19 confirme les résultats des expériences antérieures sur le télétravail (Pendyala et al., 1991). Ils avaient montré que le kilométrage total n’est pas réduit, car les personnes utilisent le temps ainsi libéré pour d’autres déplacements. Ici, les travailleurs en chômage partiel suivent cette tendance et voyagent un peu plus que les autres travailleurs. Ceux qui travaillent à domicile voyagent moins que ceux qui doivent se rendre sur leur lieu de travail, mais la différence n’est pas aussi importante qu’on pourrait le penser.

L’inclusion des nouveaux participants recrutés par LINK ne change pas les tendances observées jusqu’à présent. Cela souligne la qualité globale de l’étude et de son échantillon.

Références:

Madre, J.-L., K.W. Axhausen and W. Brög (2007) Immobility in travel diary surveys, Transportation, 34 (1) 107-128.

Pendyala, R.M., Goulias, K.G. and R. Kitamura (1991) Impact of telecommuting on spatial and temporal patterns of household travel, Transportation, 18 (4) 383-409.