Étude de méthodes d’analyse spatiale et illustration à l’aide de microdonnées urbaines de la Grande Région de Montréal

This paper relates to urban spatial data or point patterns. It focuses on methods allowing to synthesise data sets and to reveal similarities, trends, contrasts and knowledge. First perceived as bundles of data, urban spatial data sets develop into information on behaviours and trends when educated with appropriate methods.This paper discusses issues related to the use of large spatial datasets, Origine-Destination survey data and Canadian censuses data for instance. A number of spatial analysis methods are illustrated in order to further the information that can be drawn from these datasets. Actually, these methods can clarify the influence of space (absolute spatial location, local proximity, neighbourhood effects) on the nature and intensity of urban behaviours and features.Cet article s’intéresse aux données spatiales urbaines, conceptuellement représentées par des points, plus précisément à certaines méthodes permettant de les synthétiser et de révéler certaines similarités, tendances, contrastes et connaissances. D’abord perçues comme des ensembles sans cohérence, les bases de données spatiales deviennent des révélateurs de comportements et tendances lorsque disciplinées selon des méthodes appropriées.Cet article discute des enjeux relatifs à l’exploitation de gros ensembles de données urbaines, par exemple les données issues des enquêtes Origine-Destination montréalaises et des recensements canadiens. Différentes méthodes d’analyse spatiale, assistant la construction d’une connaissance spatialisée plus approfondie des phénomènes urbains, sont illustrées. En fait, ces méthodes permettent d’apprécier l’incidence de l’espace (localisation spatiale absolue, proximité locale, effet de voisinage) sur la nature et l’intensité des comportements et attributs urbains