Nous développons une procédure à cinq niveaux pour évaluer l’influence de divers facteurs sur la demande routière et sur le nombre de victimes d’accidents de la route; nous appliquons cette procédure à des séries chronologiques mensuelles portant sur l’ensemble du Québec de décembre 1956 à décembre 1982. Au premier niveau, nous formulons un modèle des ventes de carburants (essence et diesel) pour véhicules-moteurs dont nous extrayons les ventes à des fins de consommation routière. Cette mesure de demande de transport est elle-même objet d’analyse au second niveau et fait partie de l’ensemble de variables explicatives du nombre d’accidents de diverses catégories (avec dommages matériels seulement, non mortels et mortels) et de leur gravité (les taux de morbidité et de mortalité) qui sont analysés au troisième et au quatrième niveaux. Nous combinons au cinquième niveau les résultats antérieurs pour calculer les effets de chaque facteur sur le nombre de blessés, de tués ou sur le total des victimes de la route. Les neuf équations stochastiques des niveaux 2, 3 et 4 définissent un MODÈLE DE RÉFÉRENCE qui utilise une soixantaine de facteurs explicatifs distincts, dont une quarantaine apparaissent dans chaque équation. La formulation de VARIANTES exige l’utilisation d’une vingtaine de facteurs supplémentaires. Il y a sept grandes catégories de variables explicatives : les variables de demande, les prix, les véhicules (nombre et caractéristiques), les variables de réseau (les lois et leur application par la police, les niveaux de service des modes, les caractéristiques physiques de l’infrastructure), les caractéristiques des conducteurs (générales, d’âge, de sexe et de vigilance), les activités économiques et motifs des déplacements, et le reste (facteurs administratifs, d’agrégation ou éléments saisonniers et constants). Le modèle économétrique utilise les transformations de Box et Cox qui laissent les données décider de la forme mathématique de chaque équation et comprennent les formes linéaire et log-linéaire usuelles comme cas particuliers. Nous tenons simultanément compte de l’autocorrélation d’ordres multiples et de l’hétéroscédasticité de forme très générale pour obtenir des erreurs résiduelles vraiment aléatoires et de variance constante. (Author/publisher)
Abstract