Contexte et objectifs
L’ARTM a acquis auprès de Statistique Canada des données sur le nombre de travailleurs selon leur lieu d’emploi à l’échelle des Aires de Diffusion (AD). Ces données correspondent à un proxy fiable du nombre d’emploi par AD. Bien que ces unités soient relativement fines dans les secteurs centraux de la région métropolitaine, elles deviennent beaucoup plus étendues dans les couronnes, ce qui limite la précision des analyses spatiales, notamment :
- le calcul d’indicateurs d’accessibilité;
- la modélisation de la répartition spatiale des activités économiques ;
- l’intégration avec la grille de population déjà désagrégée à 250 m ;
Cette note présente la méthodologie développée par l’ARTM pour redistribuer les emplois à l’échelle d’une maille de 250 m × 250 m. La méthode exploite plusieurs sources spatiales complémentaires :
- le rôle foncier (superficie bâtie, nombre d’étages, type de bâtiment, codes d’usage CUBF/SCIAN) ;
- l’utilisation du sol (usage prédominant des parcelles MAMH);
- les routes (réseaux routier Adresse Québec) ;
- les aires de diffusion et leurs totaux d’emplois ;
- une grille régulière de 250 m.
L’objectif est d’obtenir une estimation spatialement cohérente de la distribution des emplois, accompagnée de centroïdes ajustés aux densités locales.
Aperçu général du processus
La méthodologie se décompose en sept grandes étapes :
- Filtrage et préparation du rôle foncier
- Estimation des superficies et hauteurs manquantes
- Correction de la localisation des bâtiments agricoles
- Complétion des AD avec valeurs d’emploi manquantes
- Répartition des emplois au bâtiment
- Lissage spatial par densité adaptative
- Simplification des pixels comportant très peu d’emplois
L’ensemble garantit :
- la cohérence avec les totaux par AD de Statistique Canada ;
- une localisation réaliste des emplois en s’appuyant sur les caractéristiques du bâti ;
- une surface finale adaptée aux analyses régionales.
Étape 1 : Filtrage du rôle foncier
Les données du rôle foncier sont d’abord nettoyées et préparées. Nous retirons notamment tous les bâtiments et parcelles pour lesquels les usages ne sont pas pertinents (réseaux ferroviaires, infrastructures linéaires, parcs extérieurs, terrains vagues, etc.).
Les codes CUBF sont ensuite joins avec le SCIAN (niveau 2), permettant de lier bâtiments et secteurs d’activité.
Étape 2 : Interpolation des valeurs manquantes
Pour les bâtiments dont la superficie bâtie ou le nombre d’étages n’est pas disponible :
- un modèle xgboost (objectif pseudohubererror) prédit la part de la parcelle occupée par le bâtiment ;
- un modèle xgboost avec distribution de Poisson prédit le nombre d’étages.
Les deux modèles permettent de prédictions avec des niveaux d’erreurs acceptables validés par validation croisée. Ces prédictions n’ont pas vocation à être exactes au bâtiment près, mais à permettre une estimation raisonnable de la capacité d’accueil en emplois.
Étape 3 : Ajustement géométrique des bâtiments agricoles
Dans les aires agricoles, les bâtiments du rôle foncier sont souvent centrés au milieu des parcelles, loin des routes, ce qui est souvent erroné.
Nous appliquons la correction suivante :
- identifier les bâtiments agricoles selon le code CUBF ;
- associer chaque parcelle agricole à la route praticable la plus proche ;
- projetter les bâtiments sur cette route (géométriquement) lorsque cela est pertinent.
Étape 4 : Complétion des AD manquants
Certaines aires de diffusion ont des valeurs d'emploi manquantes (souvent pour préserver la confidentialité). Les emplois dans ces AD sont souvent
Pour chacune d’entre elles, nous appliquons la méthode d’interpolation suivante :
- identification les AD voisins ;
- détermination de la densité d’emploi par superficie de plancher (surface au sol x étages) par code SCIAN chez les AD voisins ;
- les codes SCIAN absents du rôle foncier mais présents dans les AD sont regroupés dans une catégorie AUTRE_SCIAN.
- Estimation du nombre d’emploi dans l’AD sans données en appliquant les densités moyennes des voisins à sa propre surface de plancher par code SCIAN
Ce processus assure une répartition plausible des emplois masqués, fondée sur la capacité d’accueil du bâti réel.
Étape 5 : Attribution des emplois aux bâtiments
Cette étape constitue le cœur de la désagrégation et se découpe selon trois configurations rencontrées dans les données
Cas 1 AD comportant des bâtiments avec codes SCIAN cohérents
Les emplois d’un AD sont distribués :
- par code SCIAN → seulement aux bâtiments correspondants ;
- selon le poids relatif de la superficie de travail estimée (superficie × étages) ;
- puis les emplois résiduels sont redistribués sur tous les bâtiments proportionnellement à leur surface de plancher.
Cas 2 AD sans bâtiment correspondant au SCIAN mais avec d’autres bâtiments
Lorsqu’aucun bâtiment de l’AD n’a un code SCIAN pertinent :
- on utilise tous les bâtiments disponibles ;
- on sélectionne les plus grands bâtiments jusqu’à atteindre une capacité compatible avec le total d’emplois ;
- la distribution interne se fait proportionnellement à leur surface de plancher.
Cas 3 AD sans aucun bâtiment
Cas rare (p. ex. : L’Épiphanie).
La redistribution repose sur :
- les polygones d’usage du sol non résidentiels (commerces, industries, services, etc.) ;
- l’échantillonnage aléatoire de points à l’intérieur de ces zones, mais à moins de 250 m d’une route ;
- une densité moyenne d’emploi par unité bâtie estimée à partir des bâtiments connus.
Ces points fictifs agissent comme « bâtiments synthétiques » pour obtenir une répartition raisonnable.
Étape 6 : Lissage spatial
L’attribution directe au bâtiment crée une localisation trop précise (sur-ajustement).
Pour y remédier :
- une densité à noyau adaptative (adaptive kernel density) est calculée pour chaque AD dans un buffer allant jusqu’à 600 m ;
- un raster de 25 m de résolution est produit ;
- la densité pondérée par le nombre d’emplois attribués aux bâtiments sert d’estimation locale ;
- les valeurs sont ensuite recentrées pour que la somme par AD corresponde exactement au total officiel.
Cette approche produit une distribution continue, réaliste et spatialement cohérente.
Étape 7 : Simplification des pixels avec peu d’emplois
Le lissage peut générer des pixels contenant moins d’un emploi.
Pour éviter l’interprétation erronée de micro‑valeurs :
- les pixels sont ordonnés par nombre d’emplois croissant ;
- ceux ayant moins de 2 emplois transfèrent leur valeur au pixel le plus proche ;
- l’opération est répétée jusqu’à ce que tous les pixels aient soit 0 emploi, soit ≥ 2 emplois.
Cela améliore la lisibilité cartographique et réduit le bruit spatial.
Résultats et recommandations d’usage
Le produit final est une estimation du nombre d’emploi en 2016 :
- spatialement détaillée à 250 m × 250 m ;
- lissée localement pour limiter les discontinuités non réalistes ;
- cohérente avec les totaux par AD de Statistique Canada.
Recommandations
Les emplois désagrégés aux pixels de 250m sont davantage une donnée analytique plutôt que cartographique. En effet, la densité d’emploi varie énormément à cette échelle, ce qui complique la représentation cartographique. Ces données sont plus pertinentes pour analyse l’impact locaux de projets, la forme urbaine, l’accessibilité spatiale, etc.