Connaître les mobilités à travers les données origine-destination routières : enjeux et défis actuels - Retour sur le Rendez-vous Mobilités du 12 mars 2026

Les enquêtes Origine-Destination : l’apport des Floating Car Data (FCD)

Cette session portait sur l’utilisation des données FCD comme une alternative et complément aux données Origine-Destination obtenues par des enquêtes au bord de routes :

1. Hakim Ouaras (Cerema), pour combler le manque d’enquêtes sur des axes à haut niveau de trafic,  a réalisé une étude comparative entre les enquêtes OD et les données FCD sur deux axes A26 et RD301. Quelques différences ont été identifiées : sur l’autoroute, une forte concentration des FCD le long des axes et une faible représentativité des longues distances, qui pourraient être causées par les difficultés à suivre un véhicule sur des longs trajets (courts arrêts considérés comme des destinations ou de nouvelles origines, difficultés à suivre un même identifiant de véhicule sur de longues périodes….) ; un phénomène inverse est observé sur la RD, une faible représentativité des courtes distances, dont la cause peut être une moindre utilisation des systèmes d’aide à la conduite. La conclusion partielle de ce travail qui reste à compléter est qu’il est aujourd’hui compliqué d’estimer les flux à grandes distances (plus de 500 km) à partir des données FCD. Pour estimer une matrice nationale (département*département), les données FCD ne peuvent pas directement être utilisées sans redressement spécifique qui reste à déterminer.
2. Guillaume Tremblin (Dreiat IdF) a montré comment les données FCD ont été utilisées à la place des enquêtes cordon routières sur la région IDF. Il a mis en évidence les avantages et les limites de ces données dans le cadre de la construction d’une matrice externe utilisée pour alimenter un modèle de déplacement, ici MODUS développé par la Dreiat IdF. Les données FCD utilisées sont redressées par des comptages, données indispensables. En IDF, avec des voies à très hauts trafics, les données FCD sont devenues indispensables pour la connaissance des flux routiers notamment d’échanges et de transit. En complément des données de l’Enquête Globale Transport sur les comportements de mobilités, elles peuvent utilement alimenter les outils de modélisation
3. Audrey Comemale (Cerema) a décrit une méthode de traitement des données issues des Floating Car Data (FCD) pour analyser les flux de trafic PL. L'approche repose sur un processus itératif de redressement en deux étapes, d’abord en structure sur les types de véhicule ou la distance parcourue puis sur les volumes, en comparant les données aux comptages réels et des enquêtes de terrain.  Ce processus basé sur la complémentarité des sources, données FCD et enquêtes OD, a permis d’améliorer sensiblement la connaissance des flux PL sur l’aire d’étude. 
4. Duy Hung Ha (Cerema) et Christophe Leclercq, (Dreal Normandie) ont présenté l’étude de trafic concernant le contournement sud et l'élargissement du boulevard périphérique près de Caen. La Dreal Normandie, avec l’appui du Cerema, a utilisé des enquêtes OD combinées aux données FCD dans son modèle de trafic. L’objectif était d’estimer les matrices de transit et d’échange et de simuler les niveaux de congestion aux heures de pointe. En prenant le temps de bien travailler l’étape de redressement, la complémentarité des sources a permis d’améliorer la qualité des données et d’avoir une base exhaustive des trafics. Pour les études de trafics, coupler enquêtes OD routières et données FCD renforce la qualité des analyses.

En conclusion, les intervenants soulignent que les enquêtes Origine-Destination traditionnelles restent des enquêtes indispensables pour leurs apports en matière de connaissance des mobilités (motifs, taux d’occupation) et en tant que données de référence. En parallèle, l'émergence des données massives, telles que les Floating Car Data (FCD), offre une vision plus continue et exhaustive des flux sur l'ensemble du réseau. Ces données offrent l’opportunité de combiner deux sources complémentaires améliorant de fait notre connaissance des flux routiers. Plusieurs cas d'études illustrent comment cette hybridation des données permet de mieux modéliser la mobilité urbaine et les flux transfrontaliers.