Environment and Planning B (2022), Volume 49 Issue 1, January 2022, pp. 114-130
Présentation (FED) : Le développement urbain est confronté à des défis substantiels, car il faut répondre aux urgences climatiques et environnementales. De, de nombreuses recherches ont été menées sur l'identification des déterminants de l'urbanisation et sur le développement de politiques favorisant des modes d'urbanisation plus durables, tels que la réduction de la consommation foncière et la densification. Il s’agit de contenir et réorienter la croissance vers les structures urbaines existantes. Cependant, des obstacles subsistent pour mesurer les effets de ces politiques. Dans le même temps, les technologies de la géoinformation ont donné naissance à un large éventail d'approches pour mesurer et décrire la forme urbaine, qui ne sont pas encore pleinement exploitées. L'objectif de cette recherche est d'étudier de nouvelles méthodes d'analyse spatiale pour analyser la forme urbaine dans une perspective de politique foncière. Pour ce faire, des méthodes d’intelligence artificielle (apprentissage automatique) permettent de formuler des hypothèses sur les relations causales entre la politique foncière et la forme urbaine dans deux pays où les politiques de planification urbaine et de réajustement foncier sont différentes. Un algorithme dit « de forêt aléatoire » permet de classer le parc immobilier de la ville-région franco-allemande de Strasbourg, en utilisant des données OpenStreetMap. Les zones résidentielles sont ensuite extraites, car ce sont celles où se trouvent des maisons unifamiliales, pour lesquelles les effets de la politique sont considérés comme les plus visibles. Dans une étape suivante, nous utilisons la forêt aléatoire pour prédire la nationalité, française ou allemande, d'un bâtiment. Cela permet d’identifier et de tester les différences morphologiques urbaines entre les deux pays et de tester des hypothèses sur les effets des politiques foncières. Les résultats montrent des différences significatives dans les ratios de couverture des bâtiments, qui ont tendance à être plus élevés en Allemagne. Cela peut être lié à des différences des règlements d'urbanisme. En outre, les zones résidentielles allemandes semblent présenter une plus grande diversité de formes urbaines. Les différences dans les politiques foncières s'avèrent ici plausibles, les politiques françaises favorisant les acteurs forts qui développent les zones résidentielles de manière plus uniforme. En Allemagne, les politiques favorisent un développement des zones résidentielles axé sur la propriété fragmentée. La métrique et l'algorithme appliqué pour la classification des bâtiments se sont avérés robustes en termes d'hétérogénéité des données et ont montré des niveaux élevés de précision. Ils pourraient également être utilisés avec succès pour retracer les relations causales.
Abstract (authors) : Against the backdrop of rapidly expanding urban structures, land policies in many countries have been adapted to contain and redirect growth to existing urban structures. However, obstacles remain to measure the effects of policies. In the meantime, geoinformation technologies have given rise to a wide range of approaches to measure and describe urban form. Nevertheless, its application for the assessment of land policy has a high, but not yet fully exploited, potential. It is thus the aim of this research to address and investigate the options of spatial analysis and machine learning in particular to analyse urban form from a land policy perspective. To do so, we develop urban metrics informed by urban planning and land readjustment policies of two countries describing urban form on different spatial levels. We therefore formulate hypotheses on causal relations between policy and form. Based on the metrics, we apply the random forest algorithm to classify the building stock of the region. We then extract the residential areas, those with single-family houses, as this is where the effects of the policy are considered most visible. In a next step, we use random forest to predict the nationality of a building. Through variable importance measures, we identify and discuss urban morphological differences between the two countries and test the hypotheses on effects of land policies. We develop and test the approach for the French-German city-region of Strasbourg using OpenStreetMap data. We identify significant differences in the building coverage ratios, which tend to be higher in Germany. This can be linked to differences in planning regulations. Furthermore, German residential areas appear to be more diverse in urban form. Differences in land readjustment policies have proven to be plausible here, as French policies favour strong actors that develop residential areas more uniformly. In Germany, policies favour fragmented ownership-oriented development of residential areas. The metrics and the applied algorithm for building classification have proven to be robust in terms of data heterogeneity and have shown high levels of accuracy. They could also be successfully used for tracing causal relations.
Lien : https://journals.sagepub.com/doi/full/10.1177/2399808321995818
Site ressource et débats sur la question foncière
