A life Expectancy-Period-Cohort model to project private car fleet and traffic applied to France

WCTR2019 - 15th World Conference on Transport Research, Mumbai, INDE, 26-/05/2019 - 31/05/2019In most industrialized countries, after decades of gradually slowed growth, car traffic stagnated in the 2000s. This phenomenon has been attributed not only to conventional economic factors (stagnation of incomes, upward volatility in fuel prices) and to re-urbanization linked to metropolisation, but also to demographic factors (ageing of the population, longer life cycle stages leading in particular to delay the passage of the driving license in the younger generations). The economic recovery, albeit rather slow, and a significant drop in the price of oil in 2014 favored a certain revival of traffic growth in several countries (U.S.A., Germany, France, ...); but what about the structural factors and how to predict medium-term developments? We have already dealt with these questions via Age-Period-Cohort models, and more often Age-Cohort (AC). In view of the over-determination generated by the mechanical link between these three factors, we propose a Life Expectancy-Period-Cohort model (EPC); indeed, by replacing age by life expectancy at this age and at each date, the model can be directly estimated keeping the three components, while making this approach more consistent with the extension of life cycle stages (longer studies, women having their children in their thirties, postponement of retirement age, ...). Period effects are specified by introducing the income of the household and a fuel price index as explanatory variables. The results are compared with those of various previous models. The scope is the adult population (i.e., of driving age), considering three phases for automobile behavior: - to pass the driver?s license, - to be the main user of a vehicle, - to ride (annual mileage) or frequency of use of the vehicle. Once the model is estimated on the data of the Parc-Auto Kantar-SOFRES 1994-2016 panel survey, an example of medium-term (horizon 2030) projection of the annual mileage is presented, being aware that in the long term the technical innovations (autonomous vehicle, electric and hybrid engines) and organizational evolution (car sharing, carpooling, ...) are likely to fundamentally change the conditions of use of the car.Dans la plupart des pays industrialisés, après plusieurs décennies de croissance progressivement ralentie, la circulation automobile globale a stagné dans les années 2000. Ce phénomène a été attribué non seulement aux facteurs économiques classiques (stagnation des revenus, volatilité des prix du carburant orientés à la hausse) et à une certaine ré-urbanisation liée à la métropolisation, mais aussi aux facteurs démographiques (vieillissement de la population, allongement des étapes du cycle de vie amenant notamment la jeune génération à retarder le passage du permis de conduire,...). La lente reprise de l'économie et une baisse sensible du prix des carburants en 2014 ont favorisé une certaine reprise de la croissance des trafics dans plusieurs pays (France, Allemagne, U.S.A., etc.). Qu'en est-il maintenant des facteurs structurels et comment mettre en oeuvre des projections à moyen terme ? Dans des travaux antérieurs, nous avons traité ces questions en utilisant des modèles Age-Cohorte, puis Age-période-Cohorte, avec la difficulté que le modèle n'est pas identifiable quand la période est représentée par l'année calendaire et la cohorte par l'année de naissance, vue la relation linéaire liant ces trois composantes. Pour contourner cette difficulté, nous remplaçons l'âge par l'espérance de vie à chaque date d'observation compte tenu de l'âge. Le modèle devient ainsi identifiable en gardant ses trois composantes, ce qui permet de mettre en évidence les effets de l'allongement des différentes étapes du cycle de vie (études plus longues, arrivée plus tardive des enfants, recul de l'âge de la retraite, etc.). Les effets de période sont spécifiés par le niveau de vie du ménage (revenu réel par unité de consommation) et le prix du carburant (essence ou gazole). Les résultats sont comparés avec ceux de différents modèles utilisés dans nos travaux antérieurs (effet d'âge fixe avec différentes années de référence, Age-Cohorte). Le champ est la population adulte, c'est-à-dire en âge de conduire ; et les comportements automobiles sont décomposés en trois phases : - Passer le permis, - Etre le conducteur principal d'un véhicule, - rouler (kilométrage annuel ou fréquence d'utilisation de la voiture). Les modèles sont estimés sur la série 1994-2016 des vagues du panel ParcAuto KANTAR-TNS-SOFRES, avec des exemples de projection à différents horizons temporels, sachant qu'à long terme les innovations technologiques (moteurs électrique et hybrides, véhicule autonome) et organisationnelles (covoiturage et voiture partagée) sont susceptibles de modifier en profondeur les comportements