Explorer de nouvelles géographies des interactions dans et autour de l'aire métropolitaine Bruxelloise

In a global effort to achieve sustainable land management, regional and urban planning call for new adaptive datasets and methods to better grasp interactions between people and places. Understanding the moves of people, freight and information, and the relationships with the geographies of places are necessary knowledge for land use policies.Big-data currently offer a huge amount of information at very fine scales and in real-time. Analysing these data requires new techniques to obtain quick robust results. When dealing with origin and destination matrices resulting from big-data, community detection methods are useful to find how places are connected. The Louvain Method was applied on census or sensors datasets to define ‘interaction fields’. Analyses are performed on Belgium and Brussels.After a theoretical background, the second Part performs sensitivity analyses of the Louvain Method. The third part analyses moves of people. Results show that communities of commuting moves are much larger than those obtained by residential changes, and that administrative borders are serious constraints, confirmed by the study of train schedules requests. The fourth part uses GPS traces left by trucks as proxy of freight transportation. Diverting a dataset from its original fiscal objective requires pre-processing and conceptualisation that are time consuming. However, outcomes show that this dataset is a real opportunity to model goods transportation. Finally, the fifth part deals with mobile phone as proxy of moves of information. The very fine scale of the data and their variation in time lead to urban pulses but also to partitions varying in time and space. Big-data are a real opportunity to measure and understand space, but they need to be clearly understood and theoretically conceptualised.Dans l’effort global d’atteindre une gestion durable du territoire, l’aménagement du territoire urbain et régional requièrent de nouvelles données et méthodes afin de mieux évaluer les interactions entre les personnes et les lieux. Comprendre les déplacements des personnes, du fret et de l’information, ainsi que leurs relations avec la géographie des lieux sont des connaissances nécessaires aux politiques d’aménagement du territoire.Les big-data offrent actuellement un déluge d’information en temps-réel à une échelle très fine, et l’analyse de celles-ci nécessite de nouvelles techniques pour obtenir rapidement des résultats robustes. Lorsque l’on manipule des matrices d’origines et de destinations résultant des big-data, les méthodes de détections de communautés sont efficaces pour mettre en évidence comment les lieux sont connectés. La Méthode de Louvain a été appliquée de nombreuses fois sur des données du census mais également sur des données provenant de senseurs afin de définir des ‘champs d’interactions’. Les analyses ont été appliquées à l’échelle de la Belgique et de Bruxelles.Après le développement du cadre théorique, la deuxième partie de cette thèse se concentre sur les analyses de sensibilité de la Méthode de Louvain. La troisième partie analyse quant à elle les mouvements des personnes. Les résultats montrent que les communautés de navettes ont une empreinte spatiale plus large que celles détectées dans les mouvements de changements de résidence, et que les frontières administratives sont de sérieuses contraintes, comme confirmé par l’étude des données portant sur les recherches des horaires de trains effectuées depuis internet. La quatrième partie utilise les traces GPS émises par la circulation des camions comme un proxy du transport de fret. Détourner un tel jeu de données de son objectif fiscal initial demande des traitements et des conceptualisations qui sont consommatrice de temps. Cependant, les résultats font de ces données une réelle opportunité de modélisation du transport de marchandise. Finalement, la cinquième partie se concentre sur les appels téléphoniques mobiles comme proxy des mouvements d’informations dans l’espace. L’échelle très fine des données, ainsi que leurs variations dans le temps mènent aux pulsations des villes mais également à des partitions spatiales qui varient dans le temps et l’espace. Les big-data sont donc une réelle opportunité de mesurer et de comprendre l’espace mais elles ont besoin d’être clairement comprises et théoriquement conceptualisées