Dans la phase I d’ETHEL, l’approche était restreinte aux transports de personnes et à l’habitat résidentiel. C’est pourquoi il est proposé dans ETHEL – phase II d’élargir l’approche au cas des transports de marchandises. Deux activités ont donc été proposées, la première relative au transport de marchandises en ville, la seconde relative à l’affinement des modèles énergétiques des logements et de leurs morphologies spatiales. L’équipe TMV du LET a donc participé) la première activité.
Le transport de marchandises est un élément important dans la chaîne d’approvisionnement des ménages : en milieu urbain, si l’on considère l’ensemble des livraisons des commerces et des déplacements d’achats des ménages, il est à l’origine de plus de 20% des flux urbains motorisés et d’environ un quart des émissions de gaz à effet de serre du transport. La contribution principale au projet, en plus de la connaissance sur le sujet, a été de modéliser les déplacements d’achats et d’effectuer une simulation de scénarios comprenant les flux d’approvisionnement des commerces et ceux des ménages.
L’observation des évolutions des activités économiques de l’aire urbaine de Lyon entre 1989 et 2006, montre deux tendances : une explosion de l’emploi dans les services, la grande distribution et le commerce de gros, ainsi qu’une augmentation de la taille des établissements commerciaux et des entrepôts. Il en résulte une rationalisation progressive de la distribution amont des commerces, qui s’accompagne d’une externalisation des trajets terminaux envers les consommateurs finaux, notamment les particuliers qui réalisent plus de la moitié de leurs achats (en poids et en valeur) dans les grandes surfaces de distribution.
La méthode de simulation que nous avons développée a la particularité d’articuler les deux maillons de la chaîne d’approvisionnement liée aux activités de commerce de détail (« dernier kilomètre » de l’approvisionnement et déplacements liés aux achats des ménages). Les transports d’approvisionnement des activités commerciales sont estimés à l’aide du modèle FRETURB. Les déplacements d’achat des ménages et les flux liés aux nouvelles formes de distribution à proximité du lieu de consommation sont estimés avec une méthode de simulation bâtie à cet effet. En intégrant ces deux types de flux, les kilomètres correspondants à chaque type de déplacement sont estimés, ainsi que les émissions correspondantes de gaz à effet de serre (à l’aide du logiciel Impact ADEME). Nous simulons deux familles de scénarios extrêmes qui permettent d’étudier les tendances de différentes politiques d’urbanisme commercial et de développement de nouvelles formes de distribution urbaine. Ces scénarios ont été construits en considérant comme fixes tous les autres facteurs (essentiellement la population et sa localisation résidentielle, ainsi que le parc de véhicules tant pour les voitures particulières que pour les véhicules de transport de marchandises) afin de pouvoir isoler les effets de ces scénarios. Deux scénarios sont aussi différenciés à l’intérieur de chaque famille :

• Famille 1 : scénarios d’urbanisme commercial
• Scénario 1a : Tous les achats sont effectués en hypermarché ou en centre commercial. Afin de répondre à la demande, l’offre commerciale est complétée par de nouveaux établissements du même type localisés dans les mêmes zones.
• Scénario 1b : Tous les achats sont effectués en petit commerce de proximité. L’offre commerciale est localisée au prorata de la population.
• Famille 2 : scénarios de formes de distribution de proximité
• Scénario 2a : Les achats ne sont effectués qu’à travers la livraison à domicile (LAD, généralisée à l’ensemble des ménages de l’aire urbaine.
• Scénario 2b : Les achats ne sont effectués qu’à travers de systèmes de points relais (PR).

En outre, pour cette dernière famille, deux variantes sont proposées pour chaque scénario. La première variante suppose une mutualisation de toutes les ressources des différents acteurs de la distribution de proximité, tandis que la seconde variante simule un système de distribution restant fortement concurrentiel.
Notons quelques limites de l’exercice, puisqu’il n’est pas proposé ici d’évaluation sociale (comme par exemple l’impact sur l’emploi dans la filière transport-logistique) et économique (coût de la transformation logistique) de ces scénarios. Ils permettent toutefois d’esquisser des pistes – à creuser – d’amélioration gagnant-gagnant au moins en termes de kilomètres parcourus, et donc d’économies réalisées par les entreprises de transport et les ménages, et de réduction des émissions de GES.