De meilleurs paramètres de transport en commun pourraient combler les écarts d’équité. Voici comment


  • Les systèmes de transport ne parviennent souvent pas à répondre aux besoins des communautés à faible revenu, des femmes, des personnes handicapées et des communautés sujettes au racisme systémique;
  • De meilleures données peuvent aider les entreprises de transport et les dirigeants à combler les lacunes en matière de transit;
  • La manière dont les données sont capturées et analysées est cruciale pour construire des systèmes de transport plus équitables.

Les systèmes de transport actuels ne répondent pas aux besoins de tout le monde. De nombreux groupes, y compris les communautés à faible revenu, les femmes, les personnes handicapées et les communautés sujettes au racisme systémique, ne peuvent pas se rendre au travail ou à l’école. En conséquence, des millions de personnes sont tenues à l’écart même de l’essentiel, comme subvenir aux besoins de leur famille.

Encore plus choquant? Traditionnellement, il n’y avait aucun moyen de vraiment mesurer l’efficacité ou le succès des initiatives de mobilité équitable au moyen d’indicateurs de performance clés (KPI) et de mesures stratégiques. De meilleures analyses sont essentielles pour combler les lacunes des transports en commun et aider les collectivités à prospérer.

Quel est le problème avec les données de transport en commun modernes?

Les données modernes dans les entreprises et autres organisations sont une source d’informations vitale. Il aide à définir des objectifs et des indicateurs de performance clés, et à repérer les tendances importantes. Le secteur du transport en commun n’a pas pleinement profité de l’analyse des données car dans de nombreux cas, les données n’existent pas et il n’y a personne pour les suivre ou les analyser.

Le problème avec les données sur les transports en commun est qu’elles généralisent les besoins de la population et servent donc généralement le public. D’autres données de transport recueillies par les opérateurs de mobilité privés se concentrent sur leurs consommateurs cibles, qui sont souvent des personnes plus riches avec des revenus plus élevés. Tout cela pour dire qu’il existe peu d’informations sur les populations mal desservies, qu’il s’agisse de femmes, de communautés à faible revenu, de personnes âgées, de communautés historiquement marginalisées ou d’immigrants et de réfugiés.

Par conséquent, le manque de données sur les transports en commun sur les populations mal desservies entraîne un manque de services de transport en commun accessibles, abordables, sûrs et efficaces pour ces collectivités. Les communautés mal desservies sont ingénieuses et comprennent souvent très bien leurs besoins; c’est le manque de communication de ces besoins aux opérateurs et prestataires de mobilité qui pose problème.

Comment de meilleures données pourraient être transformatrices

Bien que nous ne disposions pas de données sur les impacts socio-économiques d’un manque d’accès au transport, nous connaissons les implications réelles de la façon dont les communautés sont touchées lorsqu’elles ne peuvent pas se rendre à l’école ou au travail. Dans une étude sur la mobilité économique ascendante, les chercheurs de Harvard ont conclu que le transport était le facteur le plus important des chances d’échapper à la pauvreté. L’accès aux transports offre également des avantages pour la société, chaque dollar investi dans les transports en commun générant 5 dollars de rendement économique.

De meilleures données pourraient également aider d’autres manières. LA Metro, par exemple, a constaté que 20% des femmes évitent une nouvelle ligne de métro léger par crainte de harcèlement et d’autres problèmes de sécurité. En fait, le Forum international des transports (ITF) a également constaté que le sexe est un déterminant important du choix des modes de transport, souvent plus que l’âge et le revenu dans les villes en développement comme dans les villes développées. Ces informations éclairent mieux la stratégie et l’approche pour fournir un transport équitable aux populations mal desservies.



Une nouvelle approche pourrait aider les dirigeants à tirer parti de ce que les données modernes peuvent offrir. Par exemple, nous voyons des villes demander des données à des opérateurs fournissant des services de mobilité dans leur région et analysant les données sur des points chauds d’accidents supplémentaires et des tendances de transport. Une fois cela en place, les dirigeants pourraient partager des leçons sur les objectifs et les résultats en matière d’équité, en créant un processus «comment faire» pour définir et réaliser des mesures d’équité.

Mesurer ce qui compte

Pour combler les lacunes en matière de transport en commun, des données plus globales doivent être collectées. Certaines questions éclairant la collecte de données pourraient inclure: comment atteindre au mieux un éventail de communautés et comment financer de telles initiatives de transport. De plus, les communautés doivent comprendre le coût du transport en pourcentage du revenu disponible. À partir de là, des données vitales peuvent être systématiquement collectées et utilisées pour informer les modèles commerciaux, les indicateurs et les objectifs annuels afin de suivre les progrès vers les objectifs d’équité.

Au Forum économique mondial, nous avons créé une initiative-cadre, le projet de quotient d’inclusivité (QI), pour faire progresser la mobilité équitable grâce à un leadership éclairé et à la mise en œuvre de politiques et à des projets pilotes. Notre vision globale pour le projet IQ est de mettre en œuvre des mesures, des indicateurs et des indicateurs de performance clés clairs pour faire progresser notre vision du transport équitable.



Les travaux du Forum international des transports, un groupe de réflexion sur les transports axé sur l’OCDE, montrent ce qui est possible. Son axe de travail sur le genre dans les transports souligne l’importance de poursuivre les recherches dans ce domaine, en particulier la nécessité de s’attaquer aux limites des données ventilées par sexe, ainsi que la poursuite d’un dialogue politique solide avec toutes les parties prenantes.

La nouvelle initiative de l’ITF sur le développement d’une boîte à outils d’analyse de genre pour les politiques de transport aidera les pays et d’autres parties prenantes à identifier les lacunes de données, à développer des indicateurs, à concevoir des processus de collecte de données et à construire un cadre d’analyse de genre, afin de mettre en œuvre des politiques qui amélioreront l’équité et l’égalité. .

La collecte de meilleures données profitera à tous les utilisateurs et travailleurs des transports, d’autant plus que le pourcentage moyen mondial de femmes dans la main-d’œuvre des transports n’est que de 17% et diminue dans certains pays. L’ITF collabore directement avec les pays de l’OCDE pour collecter des données à des fins d’analyse sexospécifique.

Évolution des taux de participantes dans la main-d'œuvre des transports 2008-18

Évolution des taux de participation féminine dans la main-d’œuvre des transports 2008-2018

Image: Wei-Shiuen Ng et Ashley Acker (2020), «The Gender Dimension of the Transport Workforce», Documents de travail du Forum international des transports, Éditions OCDE, Paris

Le changement ne viendra pas du jour au lendemain. Pour parvenir à une mobilité équitable, l’équité doit passer d’un objectif à des mesures pratiques et mesurables afin que nous puissions suivre le succès, comprendre l’échec et garantir la responsabilité.

Ces solutions ne sont que des premières étapes; aspirer à l’équité est un processus continu. Pourtant, ils sont nécessaires si nous voulons éviter une inégalité croissante, la pauvreté et l’isolement socio-économique. Nous devons agir afin de faire tout type de progrès vers la réalisation de l’équité, en décomposant notre vision plus large en objectifs tangibles. C’est notre appel à l’action.

Le projet IQ organise une série d’ateliers sur la mobilité équitable axée sur la collecte d’une liste de leviers politiques stratégiques. Les conclusions de l’atelier seront présentées dans une feuille de route de collecte de données pour une mobilité inclusive.

Laisser un commentaire