Rapports sur la santé
Données sur l’accessibilité à la vie active dans les milieux de vie au Canada 2.0 : élaboration d’un pipeline à code source ouvert pour la répétition et l’extension de la mesure des données sur l’accessibilité à la vie active dans les milieux de vie au Canada

Résumé

Contexte

Le projet de base de données sur l’accessibilité à la vie active dans les milieux de vie au Canada (AVA-Can) a été élaboré en 2019 pour fournir un indicateur normalisé et pancanadien de la mesure dans laquelle l’environnement bâti des quartiers est favorable à l’activité physique et au transport actif, ce qui a rendu possible des comparaisons entre les lieux et au fil du temps. L’AVA-Can 1.0 a permis de produire des mesures pour les années de recensement 2006 et 2016, mais n’incluait pas 2011 ni 2021. De plus, les données et les étapes de traitement n’ont pas été regroupées dans un format entièrement reproductible, ce qui limite les analyses longitudinales et la répétition. Dans cette étude, la mesure initiale a été reproduite et élargie en élaborant l’AVA-Can 2.0, un flux de travail à code source ouvert à la fois reproductible et fondé sur R, qui vise à générer des mesures de l’AVA-Can pour les années de recensement 2011, 2016 et 2021.

Données et méthodes

L’AVA-Can 2.0 a été calculé pour toutes les aires de diffusion (AD) canadiennes à l’aide de quatre mesures clés : la densité de logements pondérée, le nombre d’arrêts de transport en commun, la densité des intersections (intersections de trois rues ou plus) et une mesure pondérée des points d’intérêt. Pour mieux représenter où les résidents vivent réellement dans chaque AD, ces composantes ont été calculées à l’aide d’un centroïde pondéré selon la population (en fonction des lieux où les gens sont concentrés) plutôt que du centroïde géométrique (le centre de la zone). Les AD ont ensuite été classées en cinq catégories ordonnées en fonction du caractère favorable du milieu à la vie active au moyen de grappes à k-médianes selon l’indice global.

Résultats

Au cours de la décennie de 2011 à 2021, la répartition nationale des AD a évolué, une plus grande proportion d’entre elles se trouvant désormais dans des milieux de vie plus favorables à la vie active : la proportion des AD classées dans les deux catégories les moins favorables a diminué, tandis que celle des AD classées dans les catégories modérément et fortement favorables a augmenté. Lorsque la disponibilité des arrêts de transport en commun a été intégrée pour créer une version incluant le transport en commun de l’AVA-Can 2.0 (disponible pour 2016 et 2021), la proportion des AD classées dans la catégorie de au caractère favorable le plus élevé est passée de 6,6 % à 12,2 % en 2016 et de 6,0 % à 10,3 % en 2021, ce qui indique que l’accès au transport en commun modifie de manière significative la façon dont l’accessibilité des quartiers à la vie active est caractérisée.

Interprétation

La présente étude a permis d’élaborer une méthodologie actualisée, à code source ouvert et reproductible pour générer AVA-Can 2.0, qui vise à étendre la couverture d’AVA-Can à 2011, 2016 et 2021 et à améliorer la précision géographique au moyen des centroïdes pondérés selon la population. En fournissant un ensemble de données longitudinal normalisé (et une version comprenant le transport en commun pour 2016 et 2021), AVA-Can 2.0 peut être utilisé dans des études futures pour examiner les liens entre les changements dans l’environnement bâti des quartiers et les résultats en matière d’activité physique et de santé, et pour orienter les politiques et les investissements visant à réduire l’inactivité physique, l’obésité et le diabète.

Mots-clés

accessibilité à la vie active dans les milieux de vie, transport actif, environnement bâti, se rendre au travail à pied, données ouvertes, santé publique

Auteurs

Daniel Fuller et Meisam Ghasedi travaillent au Département de la Santé communautaire et de l’Épidémiologie à l’Université de la Saskatchewan. Gorham Achot et Nancy A. Ross travaillent au Département des sciences de la santé publique à l’Université Queen’s.

Introduction

La façon dont on conceptualise et opérationnalise le potentiel piétonnier a évolué au fil du temps : d’une vision centrée sur l’utilité et l’infrastructure, on est passé à une définition plus complète du concept, qui comprend des facteurs comme l’accessibilité, la sécurité et la connectivité des destinations^Note 1. La mesure du potentiel piétonnier repose sur le fait que ces caractéristiques relatives aux quartiers peuvent avoir une incidence sur la facilité avec laquelle les gens intègrent la marche et d’autres modes de transport actifs à leur vie quotidienne, ce qui a des répercussions sur la santé de la population. Ces caractéristiques sont étroitement liées à l’amélioration de la santé publique et à la création de communautés plus dynamiques où il fait bon vivre^Note 2. Cependant, les environnements piétonniers ne sont pas une panacée : les liens avec les résultats sanitaires et sociaux ne sont pas toujours forts ou cohérents et des facteurs socioéconomiques et d’autres facteurs contextuels peuvent avoir une incidence sur ces liens. De plus, les secteurs très propices à la marche peuvent présenter une exposition plus élevée à la pollution atmosphérique liée à la circulation, ce qui peut compenser certains avantages cardiométaboliques dans des contextes particuliers. Au fur et à mesure que les villes continuent de croître, l’accent mis sur la création de milieux de vie davantage propices à la marche est devenu plus répandu. Les milieux qui favorisent la marche et le transport actif offrent un moyen accessible de maintenir une activité physique régulière ainsi que la cohésion sociale et le bien-être^{Note 3Note 4}.

Les premières recherches sur la marche se concentraient sur sa fonction utilitaire, un moyen de se déplacer vers des destinations dictées par l’infrastructure des routes et des trottoirs. Mais bien sûr, la marche peut être considérée comme une fin en soi, appréciée comme une forme de loisir, de récréation et d’interaction sociale^{Note 5Note 6Note 7}. Cette perspective élargie qui inclut à la fois la marche utilitaire et la marche de loisir ou de plaisir peut être assez bien résumée par le terme « accessibilité à la vie active dans les milieux de vie » (AVA), défini comme « les propriétés naturelles, construites et sociales émergentes des quartiers qui favorisent l’activité physique et la santé et permettent un accès équitable aux ressources bénéfiques pour santé^Note 1. » Des études sur la population canadienne — qui reposent sur le couplage de l’ensemble de données sur l’accessibilité à la vie active dans les milieux de vie au Canada (AVA-Can) et des données tirées de l’enquête nationale sur la santé —, montrent que des milieux de vie plus favorables à la vie active sont associés à une augmentation de la marche et de l’activité physique^{Note 8Note 9}. De plus, une activité physique accrue est fortement associée à des résultats positifs pour la santé, comme un risque plus faible d’obésité et une incidence réduite du diabète^{Note 10Note 11}.

Une part importante de la population canadienne, tous âges et groupes démographiques confondus, ne respecte pas les Directives canadiennes en matière de mouvements sur 24 heures; moins de 1 adulte sur 10^Note 12 et moins de 1 enfant ou adolescent sur 5 respectent les trois recommandations^Note 13. Le respect des directives est associé à de meilleurs résultats en matière de santé, à une meilleure capacité aérobique et à un indice de masse corporelle plus faible, pourtant la plupart des Canadiens de 5 ans et plus n’atteignent pas leur objectif hebdomadaire d’activité physique^{Note 12Note 14}. Parce que la marche quotidienne et le transport actif sont des moyens clés par lesquels les gens cumulent des périodes d’activité physique, le potentiel piétonnier et d’autres caractéristiques de l’environnement bâti des quartiers peuvent jouer un rôle important pour permettre une activité régulière à l’échelle de la population. L’environnement bâti peut donc contribuer de façon déterminante du caractère favorable du milieu à l’activité physique, en particulier en favorisant les types d’activités quotidiennes qui ont une incidence sur une grande partie de la population^{Note 4Note 15}.

L’AVA-Can 1.0 a été élaboré en 2019 pour permettre une mesure normalisée de l’AVA à l’échelle nationale dans les villes canadiennes. La mesure a été élaborée pour les années de recensement 2006 et 2016^Note 2.

L’objectif global du présent article était de reproduire et d’élargir l’AVA-Can 1.0 en élaborant et en documentant l’AVA-Can 2.0, un ensemble de scripts R reproductibles et à code source ouvert ainsi que des étapes de traitement pouvant être utilisées pour générer systématiquement des mesures de l’AVA-Can au fil des années de recensement. Les mesures originales de l’AVA-Can ont été élargies et reproduites à l’aide de trois approches. Tout d’abord, les données et le flux de traitement (c.-à-d. le code et les étapes utilisés pour produire les mesures) pour l’AVA-Can ont été remaniés parce que les données originales des points d’intérêt utilisées pour élaborer l’AVA-Can pour 2006, un fichier public, ne restent pas statiques au fil du temps. Pour évaluer l’incidence des différences attribuables aux changements apportés aux sources de données et aux méthodes de traitement, les données de 2016 précédemment calculées à l’aide de PostGIS et de QGIS ont été traitées de nouveau au moyen de la nouvelle mise en œuvre fondée sur un script R, et les résultats ont été comparés pour détecter des différences quantitatives. Deuxièmement, l’AVA-Can a été élaboré pour des années de recensement qui n’étaient pas disponibles auparavant : 2011 et 2021. Le fait de compléter ces années signifie que l’AVA-Can est disponible pour 2011, 2016 et 2021 et peut être utilisé pour une analyse longitudinale. Troisièmement, les associations entre la mesure de l’AVA-Can et les proportions des modes de navettage à pied (marcher pour se rendre au travail) et par transport actif ont été examinées pour 2011, 2016 et 2021. Même si le transport actif est généralement défini comme des déplacements effectués à pied, à vélo ou au moyen d’autres options de mobilité émergentes, cette étude permet d’élargir la définition pour inclure le transport en commun. Cet ajout a été fait pour créer une variable plus exhaustive pour le transport actif et durable qui élargit l’utilité de l’ensemble de données AVA-Can.

Données et méthodes

Collecte et préparation des données

La présente étude vise à créer un pipeline à code source ouvert de la mesure de l’AVA-Can 1.0 conçue précédemment, qui était disponible pour les années de recensement 2006 et 2016. L’indice de l’AVA mis à jour pour 2011, 2016 et 2021 a été calculé à l’aide de quatre mesures principales : la densité de logements pondérée, le nombre d’arrêts de transport en commun, la densité des intersections (trois voies ou plus) et un point d’intérêt (PI) pondéré (tableau 1). L’ensemble du code, des données originales et des données de l’AVA-Can est disponible à l’adresse https://can-ale.ca.

Toutes les mesures ont été calculées à l’intérieur d’une zone tampon de 1 km centrée sur le centroïde pondéré en fonction de la population de chaque aire de diffusion (AD), plutôt que sur le centroïde géométrique de l’AD utilisé dans l’AVA-Can 1.0. Cette méthode garantit que les mesures reflètent plus précisément où les gens vivent réellement à l’intérieur des limites normalisées du recensement. Pour estimer les mesures de l’AVA-Can dans chaque zone tampon, une méthode précise d’interpolation surfacique au niveau de l’îlot de diffusion (ID) — la plus petite unité géographique du recensement à l’intérieur d’une AD — a été utilisée. Cette méthode suppose une répartition uniforme de la population à dans les ID plutôt que l’unité d’analyse plus grande (les AD). L’annexe supplémentaire 1, disponible dans l’annexe en ligne sur GitHub, fournit les définitions d’AD et d’ID, y compris leur rôle en tant qu’unités géographiques normalisées utilisées par Statistique Canada pour la diffusion des données du recensement.

Bien que toutes les mesures soient résumées au niveau de l’AD, les ID ont été utilisés pour calculer le centroïde pondéré en fonction de la population de l’AD et attribuer les chiffres de population et des logements à la zone tampon de 1 km autour de l’AD. L’analyse permet de déterminer tous les ID qui intersectent et chevauchent une zone tampon et de calculer la proportion de la superficie de chaque ID qui se trouve à l’intérieur de la zone tampon. Ce centroïde pondéré sert de « centre de masse » de la population à l’intérieur de l’AD et a été calculé à l’aide des moyennes pondérées des centroïdes des ID qui la composent, en fonction de la population de chaque îlot comme poids. Pour les AD à population nulle, le centroïde géométrique a été utilisé afin de garantir que toutes les zones avaient été couvertes.

Densité de logements pondérée

Le calcul de la densité de logements est fondé sur l’analyse d’une zone tampon de 1 km autour du centroïde pondéré en fonction de la population de chaque DA, au moyen des données du recensement obtenues grâce à l’ensemble de données cancensus dans R^Note 16. Reposant sur le centroïde pondéré en fonction de la population, les chiffres de population pour chaque AD ont ensuite été attribués proportionnellement selon ce chevauchement. Ces valeurs agrégées ont par la suite été divisées par la superficie de la zone tampon pour obtenir les estimations finales de la densité pour chaque AD.

Arrêts de transport en commun

Pour calculer le nombre d’arrêts de transport en commun à l’intérieur de chaque AD, les données de transport en commun ont été téléchargées pour les années de recensement 2016 et 2021 à l’aide d’un script R automatisé à partir du site TransitFeeds, un répertoire ouvert de fichiers en format GTFS (General Transit Feed Specification) accessibles au public^Note 17. Les fichiers GTFS fournissent des renseignements normalisés sur les emplacements, les itinéraires et les horaires des arrêts. TransitFeeds a été choisi parce qu’il offre un moyen centralisé d’accéder aux flux GTFS de nombreuses agences de transport en commun au Canada. Cependant, la disponibilité et l’exhaustivité des données GTFS varient selon la région et l’agence, et certaines régions disposent d’une couverture GTFS limitée ou inexistante, ce qui entraîne des AD non classifiées dans les analyses incluant le transport en commun. Il convient de mentionner que le nombre d’arrêts de transport en commun pour 2011 n’était pas disponible en raison de l’absence de données GTFS en 2011. Le code a été conçu pour pouvoir sélectionner des jours de semaine représentatifs en excluant les fins de semaine, les jours fériés et certains jours non fériés. Les emplacements des arrêts de transport en commun obtenus ont été organisés selon la province et l’agence de transport, puis classés en régions métropolitaines de recensement (RMR) ou à l’extérieur des RMR pour des analyses ultérieures. Il s’agit d’une amélioration par rapport à l’AVA-Can 1.0, car les arrêts situés dans les RMR et dans les régions autres que des RMR sont désormais inclus. Enfin, le nombre d’arrêts de transport en commun dans chaque AD a été calculé en comptant le nombre d’arrêts situés dans un rayon de 1 km autour du centroïde pondéré en fonction de la population de chaque AD.

Densité des intersections (trois voies ou plus)

Les mesures de densité des intersections ont été générées au moyen des fichiers shapefile du Fichier du réseau routier de Statistique Canada de 2011, de 2016 et de 2021. Les routes à accès limité (p. ex. les autoroutes et les voies rapides) ont été retirées de chacun des fichiers routiers avant le calcul de la densité des intersections, puis un script R a été conçu pour calculer les intersections comportant trois voies — les segments de route reliant l’intersection — ou plus. Pour accélérer le temps de traitement et optimiser le processus d’exécution du script R servant au calcul de la densité des intersections, les provinces ont été subdivisées en sections plus petites de 10 km carrés afin d’optimiser le traitement spatial. Dans chaque section, les intersections comprenant trois voies ou plus ont été cernées, comptées et attribuées à chaque zone tampon de l’AD. Enfin, les densités des intersections ont été agrégées et exportées séparément pour chaque province.

Points d’intérêt

OpenStreetMap (OSM) fournit des points d’intérêt (PI) pour l’ensemble de données de l’AVA-Can pour les années de recensement 2011, 2016 et 2021. OSM comprend une grande variété d’éléments cartographiés (p. ex. écoles, magasins, parcs, bancs, guichets automatiques, terrains de soccer) qui incluent à la fois des points et des entités polygonales^Note 18. Bien que le caractère incomplet des données d’OSM puisse constituer un obstacle potentiel pour la recherche sur des types précis d’éléments, son utilisation est bien justifiée dans des études antérieures^{Note 19Note 20Note 21Note 22}. OSM fournit des données utiles sur des caractéristiques environnementales uniques et à petite échelle, comme les bancs et les fontaines, qui sont traditionnellement difficiles à cartographier, mais conceptuellement importantes pour les études sur la vie active. Cependant, en raison d’un manque de données suffisantes pour l’année de recensement 2006, il n’a pas été pris en compte dans le projet AVA-Can 2.0 pour l’indice de calcul de l’AVA. Pour les années de recensement 2011, 2016 et 2021, dans la première étape, les PI de type polygone ont été convertis en centroïdes afin de normaliser la représentation des données et ont été joints au fichier de points en format shapefile afin de produire un fichier unique de points d’intérêt. Ensuite, les catégories de PI non pertinentes pour les variables d’AVA ont été exclues à l’aide de codes de classification OSM prédéfinis. Enfin, deux types de méthodes ont été mises en œuvre pour pondérer les PI dans le processus de calcul. Le premier poids a été appliqué pour garantir que les PI situés plus près du centroïde pondéré en fonction de la population d’une AD étaient plus susceptibles d’être utilisés que ceux situés plus loin. Cette méthode impliquait l’application de la fonction de décroissance exponentielle négative (1,0126e^-0,0013x) utilisée par Zhao et coll.^Note 23, où x représente la distance en mètres jusqu’au seuil de 1 000 mètres des PI. La deuxième méthode de pondération, mise en œuvre pour augmenter la robustesse et la validité des PI comptés, consistait à pondérer chaque type de PI sur une échelle de 1 à 4 (1 = relation moindre avec le comportement d’AVA; 4 = relation plus forte). L’annexe supplémentaire 2, disponible dans l’annexe en ligne sur GitHub, fournit les coefficients de pondération utilisés. Le nombre de PI situés à moins de 1 km du centroïde pondéré en fonction de la population a été calculé à l’aide des méthodes d’intersection spatiale, pour les PI pondérés et non pondérés.

L’évaluation et la démonstration de l’AVA-Can 2.0 reposent sur cinq analyses.

Premièrement, une analyse comparative a permis d’évaluer la reproductibilité grâce à la comparaison des résultats d’AVA-Can 2.0 et des mesures précédemment générées à partir du flux de travail PostGIS et QGIS pour une région géographique et une année partagées. Pour déterminer l’efficacité des calculs et l’exhaustivité des données, cette comparaison a été réalisée en Alberta (2016).

Deuxièmement, une analyse longitudinale a permis de résumer les tendances temporelles des principales mesures composantes de l’AVA-Can à partir de la comparaison des valeurs moyennes des AD longitudinalement comparables pour 2011, 2016 et 2021.

Troisièmement, une analyse d’association a permis d’examiner les corrélations entre les mesures d’AVA-Can 2.0 et les indicateurs de navettage dérivés du recensement pour 2011, 2016 et 2021. Plus précisément, l’analyse visait à évaluer les corrélations avec la part modale des gens déclarant se rendre au travail à pied, définie comme la proportion de personnes occupées de 15 ans et plus qui se déplacent principalement à pied, et avec la part modale du transport actif pour se rendre au travail, définie comme la proportion de personnes occupées de 15 ans et plus ayant une adresse de travail fixe et qui se déplacent principalement à pied, à vélo ou en utilisant les transports en commun^Note 2.

Quatrièmement, les AD ont été classées en cinq catégories ordonnées au moyen des grappes à k-médianes selon la mesure globale de l’AVA-Can, ce qui permet de rendre compte du degré d’accessibilité de chaque zone à la vie active et au transport. La répartition spatiale de ces catégories a ensuite été cartographiée pour certaines villes.

Enfin, pour évaluer l’incidence des choix méthodologiques sur les résultats de classification, des matrices de confusion ont été utilisées. Elles ont permis de comparer les attributions de catégories d’AD en 2016 entre les versions non pondérée et pondérée en fonction des PI pour a) la catégorie de l’AVA globale et b) la catégorie de l’AVA disposant d’un système de transport en commun (figure 4).

Résultats

Analyse comparative

Comme le montre la figure 1, les estimations d’AVA-Can 1.0 et d’AVA-Can 2.0 étaient en grande partie semblables en ce qui concerne la densité des logements et le nombre d’arrêts de transport en commun, des différences ayant été observées pour la densité des intersections et les points d’intérêt.

Description pour la figure 1

Court texte

Nuage de points en quatre volets comparant les anciennes et les nouvelles mesures d’AVA-Can pour la densité de logements, la densité des intersections, les points d’intérêt et les arrêts de transport en commun en Alberta en 2016.

Description longue

Le titre de la figure 1 est « Comparaison des anciennes et des nouvelles mesures de l’ensemble de données sur l’accessibilité à la vie active dans les milieux de vie au Canada, Alberta, 2016 ».

La figure représente un nuage en quatre volets disposés deux par deux qui permettent de comparer les anciennes valeurs (axe vertical) et les nouvelles valeurs (axe horizontal). Dans chaque volet, l’axe des X indique « Nouvelle valeur » et l’axe des Y indique « Ancienne valeur ». Chaque volet comprend 1) de nombreux points semi-transparents (un par observation), 2) une ligne de référence noire en pointillé 1:1 (où les anciennes valeurs sont égales aux nouvelles), et 3) une ligne de tendance ajustée colorée.

Volet supérieur gauche de la figure : Densité de logements (logements/km²)

L’axe horizontal va d’environ 0 à 7 000 et l’axe vertical, d’environ 0 à 6 000. Les points forment une bande étroite en pente ascendante près de la ligne 1:1, ce qui indique une forte concordance entre l’ancienne et la nouvelle densité des logements. La grappe de points se situe légèrement sous la ligne 1:1 sur une grande partie de la plage, ce qui suggère que la nouvelle densité de logements est souvent légèrement plus élevée que celle de l’ancienne. Un petit nombre de points dévient vers le bas par rapport à la bande principale aux valeurs plus élevées.

Volet supérieur droit de la figure : Densité des intersections (intersections/km²)

L’axe horizontal va d’environ 0 à 100 et l’axe vertical, d’environ 0 à 300. Les points forment un vaste angle en pente ascendante, la grappe la plus dense se situant autour des nouvelles valeurs intermédiaires. La ligne de tendance ajustée se situe généralement au-dessus de la ligne 1:1, ce qui indique que les anciennes valeurs de densité des intersections sont souvent plus élevées que les nouvelles valeurs pour les mêmes observations. Plusieurs points atteignent des valeurs anciennes relativement élevées (bien supérieures à 200), tandis que les nouvelles valeurs restent généralement inférieures à environ 100.

Volet inférieur gauche de la figure : Points d’intérêt (nombre dans une zone tampon de 1 km)

L’axe horizontal va d’environ 0 à 250 et l’axe vertical, d’environ 0 à 400. Le nuage de points montre une tendance à la hausse avec une répartition notable, surtout lorsque les valeurs augmentent. La ligne de tendance ajustée se situe principalement au-dessus de la ligne 1:1, ce qui indique que le nombre de points d’intérêt (PI) était généralement plus élevé auparavant comparativement aux nouveaux chiffres qui se situent à des niveaux comparables. Il y a quelques points de grande valeur pour lesquels les anciens nombres de PI sont nettement supérieurs à 300.

Volet inférieur droit de la figure : Arrêts de transport en commun (nombre dans un rayon de 1 km)

L’axe horizontal s’étend d’environ 0 à 220 et l’axe vertical, d’environ 0 à 220. La plupart des points suivent une forte tendance diagonale, ce qui indique une étroite concordance entre les anciennes et les nouvelles mesures du nombre d’arrêts de transport en commun. Il y a également un groupe vertical visible de points près d’une nouvelle valeur proche de 0, qui couvrent une gamme d’anciennes valeurs, tandis que les points restants augmentent régulièrement vers le coin supérieur droit.

Une légende sous les panneaux identifie la ligne 1:1 (noir en pointillé) et la ligne de tendance (pleine), ainsi que les quatre mesures par couleur : la densité de logements (rose ou rouge), la densité des intersections (vert), les points d’intérêt (sarcelle) et les arrêts de transport en commun (violet).

Les notes et les sources sous la figure se lisent comme suit :

Notes : Les unités sont indiquées dans le titre de chaque volet. Une ligne de référence en pointillé représente l’endroit où les anciennes et les nouvelles valeurs sont égales, tandis qu’une ligne de tendance continue montre la relation linéaire réelle observée dans les données.

Sources : Calculs des auteurs; Statistique Canada, recensement et Fichier du réseau routier; OpenStreetMap; et spécification générale pour les flux relatifs aux transports en commun ou General Transit Feed Specification.

Bien que plusieurs facteurs puissent contribuer aux différences entre les résultats du nouveau script R et les anciennes méthodes PostGIS et QGIS, la principale raison est le passage de l’utilisation des centroïdes géométriques aux centroïdes pondérés en fonction de la population, qui sont plus précis. Le nombre d’arrêts de transport en commun était généralement semblable entre les estimations d’AVA-Can 1.0 (PostGIS et QGIS) et d’AVA-Can 2.0 (fondées sur R). Les différences mineures peuvent être attribuées aux sources de données utilisées : le projet de base de données AVA-Can précédent reposait sur les données GTFS de 2017 uniquement pour les arrêts dans les RMR, tandis que la version actuelle est fondée sur les données de 2016 pour les arrêts dans les RMR et les régions autres que des RMR. La densité de logements plus élevée obtenue grâce aux nouveaux scripts est le résultat attendu de l’utilisation de centroïdes pondérés en fonction de la population et d’une zone tampon de 1 km, puisque les logements sont forcément situés dans les parties les plus densément peuplées d’une AD.

Comme le montre la figure 1, une plus grande différence est observée entre les résultats de la mesure de densité des intersections obtenus à partir du nouveau script conçu au moyen de R et ceux de la méthode précédente fondée sur PostGIS et QGIS. Bien que de légères différences soient attendues lors de l’utilisation des centroïdes pondérés en fonction de la population et du réseau routier de Statistique Canada dans la nouvelle méthode, au lieu des données OSM, les différences notables observées dans certaines AD proviennent probablement de nœuds ou d’arêtes en double générés lors de plusieurs étapes de traitement spatial dans la méthode PostGIS.

En ce qui concerne la comparaison des PI présentée à la figure 1, il y avait une différence entre l’ancien et le nouveau nombre de PI pour l’Alberta en 2016. À part l’utilisation de centroïdes pondérés en fonction de la population, ces différences pourraient être principalement liées à deux aspects de l’analyse des données spatiales. Premièrement, le flux de travail PostGIS et QGIS utilisé dans l’AVA-Can 1.0 tirait parti des coordonnées géographiques avec des tampons géodésiques, ce qui a légèrement augmenté la taille de la zone tampon. Cette dernière est devenue environ 1 % à 3 % plus grande que la zone tampon planaire plus précise de 1 km utilisée dans le travail actuel. Ce résultat pourrait entraîner un nombre plus élevé de PI. Deuxièmement, le flux de travail précédent reposait fortement sur des opérations manuelles dans QGIS et PostGIS, et de petites différences ou erreurs dans le processus, comme lors de la fusion des couches, de la mise en tampon ou de la réalisation de jointures spatiales, pouvaient entraîner de petites variations et incohérences. Ces améliorations rendent la nouvelle méthode plus précise et entraînent généralement un nombre inférieur de PI par rapport à l’ancienne méthode. Les résultats obtenus en utilisant des scripts conçus au moyen de R ont été vérifiés une seconde fois au moyen d’ArcGIS Pro, ce qui confirme qu’ils sont conformes aux résultats de l’analyse ArcGIS.

Analyse longitudinale

La compréhension de l’évolution des caractéristiques de l’environnement bâti au fil du temps est une étape clé pour évaluer les progrès globaux réalisés en matière de convivialité pour la vie active du milieu environnant. Comme le montre la figure 2, la densité des logements privés a augmenté au fil du temps : le nombre moyen de logements par kilomètre carré est passé d’environ 968 en 2011 à plus de 1 054 en 2021. Le nombre moyen d’arrêts de transport en commun est passé d’environ 26 en 2016 à plus de 28 en 2021. Bien que ces constatations indiquent une croissance, la pandémie de COVID-19 à la fin de 2020 a fortement influé sur le service de transport en commun et son utilisation, et les effets ont perduré en 2021, ce qui suggère que la tendance de croissance sous-jacente pourrait être plus importante. Il est convient de mentionner que le nombre d’arrêts de transport en commun pour 2011 n’était pas disponible en raison de l’absence de données GTFS.

Description pour la figure 2

Court texte

Graphique à barres à plusieurs volets montrant la densité moyenne de logements pondérée, la densité des intersections, les points d’intérêt pondérés et les arrêts de transport en commun pour 2011, 2016 et 2021.

Description longue

Le titre de la figure 2 est « Densité moyenne de logements pondérée, densité des intersections, points d’intérêt pondérés et arrêts de transport en commun, 2011, 2016 et 2021. »

La figure contient quatre petits panneaux de graphiques en barres. Chaque panneau montre les valeurs moyennes par année en utilisant trois couleurs : vert pour 2011, bleu pour 2016 et rouge pour 2021 (comme indiqué par la légende intitulée Année). Les valeurs sont affichées au-dessus des barres. Les unités sont indiquées dans le titre de chaque panneau.

Volet supérieur gauche de la figure : Densité de logements pondérée (logements/km²)

Trois graphiques montrent une légère augmentation de la densité de logements au fil du temps : 968,63 (2011), 1 007,13 (2016) et 1 054,13 (2021).

Volet supérieur droit de la figure : Arrêts de transport en commun (nombre dans une zone tampon de 1 km )

Ce volet de la figure montre deux barres visibles : 26,58 (2016) et 28,17 (2021). Une barre de 2011 n’est pas affichée dans ce volet.

Volet inférieur gauche de la figure : Densité des intersections (intersections/km²)

Trois graphiques montrent une augmentation de la densité des intersections au fil du temps : 28,06 (2011), 31,42 (2016) et 32,16 (2021).

Volet inférieur droit de la figure : Points d’intérêt pondérés (nombre dans une zone tampon de 1 km)

Trois barres montrent une augmentation substantielle des points d’intérêt au fil du temps : 27,96 (2011), 53,87 (2016) et 97,25 (2021).

Les notes et les sources sous la figure se lisent comme suit :

Notes : Les valeurs sont des moyennes par année; les unités sont indiquées dans le titre de chaque volet.

Sources : Calculs des auteurs; Statistique Canada, recensement et Fichier du réseau routier; OpenStreetMap; et spécification générale pour les flux relatifs aux transports en commun ou General Transit Feed Specification.

La densité des intersections comportant trois voies ou plus au sein des AD a augmenté régulièrement de 2011 à 2021, pour passer d’environ 28 à près de 32 intersections par kilomètre carré. Dans l’ensemble, ces tendances descriptives indiquent une croissance constante des environnements urbains bâtis au Canada au fil du temps; des améliorations à la fois dans la connectivité du réseau routier et la disponibilité du transport en commun ont été observées, ainsi qu’une augmentation de la densité des logements.

Les PI provenant d’OSM ne pouvaient pas être analysés de manière fiable sur le plan longitudinal, car l’ensemble de données est disponible publiquement depuis un peu plus de 10 ans et évolue continuellement^Note 2. L’absence de PI dans les premières années n’indique pas nécessairement qu’ils n’existaient pas, mais plutôt qu’ils ont été enregistrés plus tard à mesure que la qualité et la précision des données s’amélioraient. Le nombre de PI dans l’ensemble de données d’OSM augmente, ce qui suggère que l’exhaustivité des données s’améliore avec le temps. Jusqu’à ce que les PI d’OSM atteignent une saturation nationale, ils peuvent ne pas être une source fiable pour une analyse longitudinale^{Note 2Note 24}; néanmoins, ils peuvent être utilisés efficacement pour élaborer l’indice de l’AVA pour chaque année de recensement de manière indépendante.

Analyse de corrélation

Les mesures de l’AVA ont révélé des niveaux variés et distincts d’association avec les taux de recours à la marche et au transport actif pour se rendre au travail (tableau 2). Parce que l’AVA-Can mesure l’environnement bâti autour du lieu de résidence, ces corrélations reflètent l’exposition résidentielle plutôt que l’environnement de travail ou la route de navettage. Ce décalage peut être moindre pour le déplacement à pied, qui se fait généralement sur des distances plus courtes que le navettage par vélo ou transport en commun. Bien que les corrélations avec le transport actif global aient été systématiquement plus fortes, elles sont restées en grande partie stables ou n’ont affiché que des variations mineures au cours de la décennie. Inversement, les associations avec le navettage à pied, bien que plus faibles, ont affiché des changements plus importants au fil des recensements et sont généralement devenues plus fortes avec le temps. Cette tendance est évidente pour la densité de logements pondérée, dont la corrélation avec le navettage à pied a augmenté, pour passer de r = 0,35 en 2011 à r = 0,40 en 2016 et r = 0,49 en 2021, tandis que sa corrélation avec le navettage par transport actif est restée élevée et stable, avec r = 0,80 en 2011, r = 0,82 en 2016 et r = 0,80 en 2021. Une tendance semblable a été observée pour les mesures fondées sur les points d’intérêt. Pour les PI pondérés, le navettage à pied a augmenté, pour passer de r = 0,34 (2011) à r = 0,48 (2016) et r = 0,56 (2021), tandis que le navettage par transport actif est resté relativement stable (r = 0,68 en 2011, r = 0,68 en 2016 et r = 0,70 en 2021). Parce que la couverture des PI par OSM s’est améliorée au fil du temps, une partie de cette augmentation peut refléter des changements quant à l’exhaustivité des données plutôt que des changements dans l’environnement bâti uniquement. Inversement, les corrélations pour la densité des intersections et les arrêts de transport en commun avaient tendance à diminuer pour le transport actif tout en restant stables ou en augmentant légèrement pour la marche. Cette situation pourrait être attribuable aux défis opérationnels liés au transport en commun pendant la pandémie. L’annexe supplémentaire 3, disponible dans l’annexe en ligne sur GitHub, présente des résumés des taux de navettage actif parmi les catégories d’AVA.

Groupes de grappes d’accessibilité à la vie active dans les milieux de vie

Le tableau 3 présente les statistiques descriptives pour les cinq groupes de grappes à k-médianes (très faible à très élevé) en fonction du score global standardisé de l’indice de l’AVA, pour les années 2011, 2016 et 2021. L’analyse par grappes à k- médianes est une méthode fondée sur les données qui permet de regrouper automatiquement les zones en un nombre défini (k) de catégories selon la similarité de leurs valeurs d’indice, le centre de chaque groupe étant défini par les médianes. Pour chaque année et chaque catégorie, il rapporte le nombre d’AD (dénombrement) ainsi que les valeurs moyennes, minimales et maximales de l’indice global. Le tableau 3 montre également les résultats relatifs à l’AVA disposant d’un système de transport en commun, une version de l’indice qui comprend le transport en commun, présenté séparément, car il est calculé uniquement pour le sous-ensemble des AD pour lesquelles on dispose de données sur les arrêts de transport en commun (2016 et 2021).

Les AD du groupe 1 représentent les milieux de vie les moins favorables à la vie active et les AD du groupe 5 représentent les plus favorables. Près de la moitié de toutes les AD ont été classées dans les deux catégories d’AVA les plus faibles. Le pourcentage total d’AD dans ces groupes était de 49,1 % en 2011, avant de diminuer légèrement pour s’établir à 47,1 % en 2016 et à 46,6 % en 2021. Cette tendance semble indiquer un changement lent et progressif vers des quartiers plus favorables à un la vie active au fil du temps, un plus petit nombre d’AD étant classées dans les catégories les moins favorables au cours de la décennie. De plus, la part combinée des AD dans les catégories modérée et élevée (groupes 3 et 4) a augmenté, pour passer de 45,2 % en 2011 à 47,4 % en 2021. Dans l’ensemble, ces changements descriptifs indiquent un léger changement dans la répartition des AD vers des catégories d’accessibilité plus élevée à la vie active au cours de la décennie. Cependant, des tests statistiques formels de ces différences n’ont pas été effectués, car l’analyse rend compte de l’ensemble des AD incluses dans l’étude (plutôt qu’un échantillon), et avec des chiffres aussi élevés, on s’attendrait à ce que même de petites différences soient statistiquement significatives.

Après avoir ajouté des arrêts de transport en commun pour créer l’indice de l’AVA disposant d’un système de transport en commun, les résultats pour 2016 et 2021 ont révélé une diminution notable du nombre d’AD classifiables, 26 124 étant non classifiés en 2016 et 24 235 en 2021. Ces résultats découlent du fait que les AD sans arrêt ont été traitées comme manquantes pour assurer la cohérence entre 2016 et 2021, ainsi que les limites des données GTFS pour certaines AD en 2016, comme mentionné précédemment. Parmi les zones pouvant être classées selon l’indice de l’AVA disposant d’un système de transport en commun, la part des AD dans le groupe d’accessibilité très faible (groupe 1) a diminué pour s’établir à 2,4 % en 2016 et à 2,3 % en 2021, une différence marquée par rapport à plus de 26 % selon l’AVA originale. Les AD dont l’accessibilité est modérée et élevée (groupes 3 et 4) représentaient la majorité des zones non classifiées, soit 68,8 % en 2016 et 69,6 % en 2021. De plus, pour les deux années, la proportion des AD dans la catégorie d’accessibilité très élevée (groupe 5) a augmenté avec l’intégration du transport en commun, pour passer de 6,6 % (AVA) à 12,2 % (AVA disposant d’un système de transport en commun) en 2016, et de manière similaire de 6,0 % (AVA) à 10,3 % (AVA disposant d’un système de transport en commun) en 2021. En revanche, en comparant les catégories de l’AVA disposant d’un système de transport en commun de 2016 et de 2021, la proportion d’AD dans les catégories caractérisant les milieux les moins favorables à la vie active (groupes 1 et 2) est demeurée constante, s’établissant à environ 20 % pour les deux années. Le changement le plus notable s’est produit au sommet de l’échelle, où la part des AD dans le groupe très élevé (groupe 5) a diminué de 12,2 % en 2016 et à 10,3 % en 2021. Une raison possible de ce changement pourrait être les répercussions de la pandémie sur le transport en commun, puisque les données GTFS de 2021 reflètent probablement des réductions de service et des changements d’horaire plutôt qu’un changement fondamental dans l’environnement bâti.

Répartition spatiale des catégories d’accessibilité à la vie active dans les milieux de vie dans quatre villes canadiennes

L’analyse spatiale des catégories d’AVA dans les villes à l’étude (Montréal, Hamilton, Calgary et Saskatoon) présente des tendances semblables en 2016 et en 2021. Ces villes ont été retenues pour fournir des exemples illustratifs dans différentes régions canadiennes et différents contextes urbains (grande région métropolitaine, ville de taille moyenne et plus petite ville) tout en maintenant une couverture de données suffisante pour la cartographie. Comme le montre la figure 3, les régions urbaines centrales, en particulier les centres-villes et les zones résidentielles densément peuplées, appartiennent principalement aux catégories d’AVA élevée (groupes 4 et 5). Les quartiers dans la périphérie urbaine et les marges rurales appartiennent généralement aux catégories d’AVA les plus faibles (groupes 1 et 2). Cette répartition spatiale semble indiquer une association entre la forme urbaine (p. ex. la densité résidentielle, la connectivité et la disponibilité des commodités) et les modèles de catégories d’AVA-Can.

Description pour la figure 3

Court texte

Quatre cartes de ville montrent les catégories 2021 de l’ensemble de données sur l’accessibilité à la vie active dans les milieux de vie au Canada 2.0 (de la catégorie caractérisant le milieu le moins favorable à la vie active à celle caractérisant le milieu le plus favorable) à Montréal, à Hamilton, à Calgary et à Saskatoon; les catégories plus élevées sont concentrées près des centres-villes.

Description longue

Le titre de la figure 3 est « Répartition spatiale des catégories de l’AVA-Can 2.0 (de la catégorie caractérisant le milieu le moins favorable à la vie active à celle caractérisant le milieu le plus favorable à la vie active) dans quatre régions urbaines canadiennes, 2021 ».

La figure contient quatre cartes, une pour chaque ville : Montréal, Hamilton, Calgary et Saskatoon. Chaque carte montre l’ensemble de la zone urbaine de la ville. La ville est divisée en plusieurs petites zones, et chaque zone est colorée en fonction de sa catégorie d’Accessibilité à la vie active dans les milieux de vie au Canada 2.0.

Une légende en bas montre cinq catégories, de la catégorie caractérisant le milieu le moins favorable à la vie active à celle caractérisant le milieu le plus favorable à la vie active : très faible, faible, modéré, élevé et très élevé. Les couleurs plus claires représentent des catégories inférieures, et les teintes de violet foncé correspondent aux catégories supérieures.

Dans les quatre villes, les couleurs plus foncées (élevé et très élevé) se trouvent principalement dans les parties centrales de la ville, en particulier autour du centre-ville et des quartiers bâtis à proximité. Les couleurs plus claires (très faible et faible) sont plus courantes vers les limites extérieures de la région urbaine. Des zones modérées apparaissent souvent entre le centre et les zones extérieures.

De fines lignes noires indiquent les routes principales pour aider le lecteur à reconnaître la disposition de la ville.

La source sous la figure se lit comme suit :

Sources : Accessibilité à la vie active dans les milieux de vie au Canada 2.0 et calculs des auteurs.

Incidence des changements méthodologiques sur l’accessibilité à la vie active dans les milieux de vie et les classifications de l’accessibilité à la vie active dans les milieux de vie disposant d’un système de transport en commun

La figure 4 résume la façon dont la pondération des PI a modifié les attributions des catégories d’AVA et de l’AVA disposant d’un système de transport en commun en 2016. La plupart des AD ont conservé leur attribution de catégorie d’origine après la pondération des PI, en particulier dans les catégories à plus faible accessibilité, ce qui indique une classification relativement stable pour l’indice de l’AVA global (figure 4a). En revanche, comme on peut le voir dans la figure 4b, davantage de changements sont observés dans la matrice de confusion de la catégorie de l’AVA disposant d’un système de transport en commun. Un plus grand nombre d’AD dans les catégories 2 et 3 se sont déplacées vers des catégories adjacentes après l’incorporation des PI pondérés. Cette constatation souligne que la densité et la pertinence des PI varient davantage dans les milieux axés sur le transport en commun, car l’accès au transport en commun est directement lié à la répartition spatiale et à l’importance relative des destinations environnantes. Dans l’ensemble, la pondération des PI a entraîné des ajustements modérés de l’indice de l’AVA et une certaine reclassification de l’indice de l’AVA disposant d’un système de transport en commun.

Description pour la figure 4

Court texte

Deux cartes thermiques de matrices de confusion (2016) permettent de comparer les attributions de catégories non pondérées et pondérées selon les points d’intérêt pour a) l’accès à la vie active (AVA) et b) l’AVA disposant d’un service de transport en commun (catégories 1 à 5). La plupart des valeurs se trouvent sur la diagonale, mais on observe davantage de décalages hors diagonale pour l’AVA disposant d’un service de transport en commun.

Description longue

Le titre de la figure 4 est « Matrices de confusion comparant les classifications non pondérées et pondérées selon le point d’intérêt pour a) l’accessibilité à la vie active dans les milieux de vie et b) l’accessibilité à la vie active dans les milieux de vie disposant d’un service de transport en commun, 2016 ».

La figure comporte deux volets : a) à gauche et b) à droite. Chaque volet correspond à une carte thermique de matrice de confusion de cinq par cinq, la classe non pondérée étant représentée sur l’axe vertical et la classe pondérée selon le point d’intérêt sur l’axe horizontal. Les deux axes sont définis selon des catégories allant de 1 à 5. Chaque cellule contient un nombre et est ombragée (un ombrage plus foncé indique des nombres plus élevés). Une barre de couleur intitulée « Nombre » apparaît sous chaque volet.

Volet a) : AVA

• Axe des Y : Catégorie d’AVA (non pondérée)
• Axe des X : Catégorie d’AVA (pondérée)

La plupart des observations se situent sur la diagonale principale (même catégorie avant et après la pondération), les plus grands totaux diagonaux étant 14 959 (Catégorie 1→1), 11 252 (Catégorie 2→2), 15 636 (Catégorie 3→3), 10 072 (Catégorie 4→4) et 3 655 (Catégorie 5→5).

Les changements hors diagonale sont relativement faibles et se produisent principalement entre des catégories adjacentes, telles que 353 (Catégorie 3→2), 183 (Catégorie 2→3), 207 (Catégorie 4→3), 99 (Catégorie 5→4) et 74 (Catégorie 4→5). Très peu d’observations changent de plus d’une catégorie — par exemple, 15 (Catégorie 5→3).

La barre de couleur sous le volet a) va de 0 à environ 12 000 (marques de pointage à 0, 4 000, 8 000 et 12 000).

Volet b) : AVA disposant d’un système de transport en commun

• Axe des Y : catégorie de l’AVA disposant d’un de transport en commun (non pondérée)
• Axe des X : catégorie de l’AVA disposant d’un de transport en commun (pondérée)

Le volet b) montre également de nombreuses observations sur la diagonale, y compris 6 403 (Catégorie 1→1), 6 407 (Catégorie 2→2), 3 028 (Catégorie 3→3), 2 823 (Catégorie 4→4) et 1 607 (Catégorie 5→5).

Comparativement au volet a), le volet b) montre plus de décalages hors diagonale, en particulier entre les catégories 2 et 3 et entre les catégories 3 et 4. Les changements notables entre catégories adjacentes incluent 3 129 (Catégorie 3→2) et 1 239 (Catégorie 2→3), ainsi que 3 386 (Catégorie 4→3) et 1 087 (Catégorie 5→4). Des changements supplémentaires plus petits incluent 1 250 (Catégorie 1→2) et 58 (Catégorie 2→4).

La barre de couleur sous le volet b) va de 0 à environ 6 000 (marques de graduation à 0, 2 000, 4 000 et 6 000).

La note et la source sous la figure se lisent comme suit :

Note : AVA = accessibilité à la vie active dans les milieux de vie
Source : Accessibilité à la vie active dans les milieux de vie au Canada 2.0 et calculs des auteurs.

Discussion

L’objectif principal de la présente étude était de reproduire et d’élargir les mesures de l’AVA-Can précédemment élaborées pour les années de recensement 2006 et 2016. En créant un pipeline accessible et transparent fondé sur R et en intégrant des mesures détaillées de l’environnement bâti, comme la connectivité des intersections, la densité de logements pondérée, la disponibilité des arrêts de transport en commun et les PI, le projet permet d’analyser l’évolution des quartiers canadiens au cours de trois périodes de recensement distinctes (2011, 2016 et 2021). Cette répétition a impliqué d’accéder de nouveau aux données du projet original et de concevoir un nouveau pipeline de code en R pour rationaliser le processus des calculs. Il a alors été possible d’inclure les années de recensement auparavant indisponibles (2011 et 2021) et de valider les changements longitudinaux des indicateurs de l’environnement bâti au fil du temps. À cet égard, quatre mesures clés ont été choisies et extraites au niveau des secteurs de diffusion pour cette analyse, en fonction de leur pertinence par rapport aux comportements relatifs à la vie active et de leur disponibilité au moyen des données à code source ouvert pour les trois années de recensement de 2011, 2016 et 2021. Il convient de mentionner qu’en raison de l’indisponibilité des données OSM et GTFS pour 2006, les estimations de 2006 n’ont pas fait l’objet d’autres analyses. En conséquence, AVA-Can 2.0 fournit une série méthodologiquement cohérente pour 2011, 2016 et 2021, tandis que les valeurs de 2006 provenant d’AVA-Can 1.0 doivent être utilisées séparément et ne sont pas directement comparables à la série AVA-Can 2.0.

Plusieurs études de synthèse montrent des associations entre l’AVA ou le potentiel piétonnier et les résultats en matière de santé^{Note 25Note 26Note 27}. Un examen systématique et une méta-analyse visant à examiner les associations longitudinales entre les caractéristiques de l’environnement bâti, y compris le potentiel piétonnier, et l’hypertension ont montré que, bien que 36 études longitudinales aient été incluses dans l’examen, la majorité (64 %) des études reposaient uniquement sur des mesures ponctuelles du potentiel piétonnier^Note 28. Ces travaux ont conduit à l’élaboration et à la validation de l’AVA-Can 2.0, un outil longitudinal standardisé qui peut être couplé à des ensembles de données sur la santé de la population pour permettre des études futures sur le lien entre les changements dans les ensembles de données sur l’accessibilité à la vie active dans les milieux de vie au Canada, l’activité physique et les résultats en matière de santé, y compris la recherche étiologique.

Les analyses comparatives et l’examen de l’impact des changements méthodologiques suggèrent qu’AVA-Can 2.0 peut être utilisé dans le cadre d’analyses longitudinales, en particulier à l’aide de la note globale pour l’AVA (indice composite) ou la catégorie d’AVA (regroupement des milieux de vie en cinq catégories, de la catégorie caractérisant le milieu le moins favorable à la vie active à celle caractérisant le milieu le plus favorable à la vie active). Il convient de noter que les scores et les catégories de l’AVA disposant d’un système de transport en commun ne sont disponibles que pour les années de recensement 2016 et 2021. De plus, l’analyse montre des différences dans les données sur les PI au fil des ans. Ces différences sont particulièrement évidentes de l’année de recensement 2011 à celle de 2016. Bien qu’il soit possible d’effectuer des analyses longitudinales, il est recommandé d’utiliser le score global AVA ou la catégorie d’AVA pour l’analyse longitudinale, plutôt que de se fier à des mesures individuelles, comme les PI ou la densité des intersections, qui peuvent être plus sensibles aux différences dans les données d’entrée au fil des ans. Les utilisateurs qui souhaitent une perspective tenant compte du transport en commun devraient utiliser l’AVA disposant d’un système de transport en commun (2016 et 2021 uniquement); les utilisateurs ayant besoin des données de 2006 devraient utiliser AVA-Can 1.0 séparément, car les données de 2006 ne sont pas directement comparables à la série AVA-Can 2.0.

Points forts et limites

La principale force de cette étude réside dans l’applicabilité de son code source ouvert complet fondé sur des données librement accessibles et offrant une accessibilité et une reproductibilité à grande échelle pour d’autres chercheurs. L’élaboration d’un pipeline de codage informatique optimisé fondé sur R a considérablement augmenté la précision et l’efficacité du traitement par rapport à la méthodologie d’AVA-Can 1.0. Cependant, des limites ont été constatées lors de la collecte et de l’analyse des données. Remonter jusqu’en 2006 s’est avéré peu fiable pour calculer les points d’intérêt à partir d’OSM. Bien que Geofabrik^Note 18 ait fourni des ensembles de données pour les années de recensement antérieures, les données de 2006 se sont révélées en grande partie manquantes. Par conséquent, le calcul de l’indice de l’AVA repose sur les années de recensement 2011, 2016 et 2021. Il y a également quelques limites liées à la mesure des arrêts de transport en commun dans cette étude. Puisque les données en format GTFS n’étaient disponibles que pour 2016 et 2021, l’indice de l’AVA disposant d’un système de transport en commun n’a pu être calculé que pour ces deux années de recensement. De plus, certaines AD présentaient des enregistrements vides ou nuls pour les arrêts de transport en commun, et il n’était pas possible de distinguer les données manquantes d’avec les zéros réels (c.-à-d. l’absence d’arrêts de transport en commun) en raison de l’indisponibilité des données GTFS pour ces AD précises. À cet égard, toutes les valeurs nulles ont été traitées comme des valeurs manquantes afin de maintenir la cohérence entre les années de recensement 2016 et 2021. Enfin, les données en format GTFS utilisées dans le cadre de cette étude comprenaient uniquement les arrêts de transport en commun réguliers, comme ceux des autobus, des métros et des tramways. Elles ne contenaient pas les emplacements des arrêts pour combiner le transport en commun avec des options de mobilité émergentes comme les programmes de vélopartage ou de trottinettes électriques.

Conclusion

L’AVA-Can 2.0 représente une avancée importante dans l’évolution des mesures de l’accessibilité à la vie active au Canada; elle permet d’offrir la première analyse longitudinale pancanadienne entièrement réalisée grâce à un pipeline R fondé sur des données ouvertes qui est mis à disposition du public et reproductible. Cette ressource améliorée offre de nouvelles possibilités aux chercheurs et aux décideurs politiques de suivre et d’évaluer les progrès vers des communautés plus saines et plus actives à l’échelle nationale. Le travail a permis de reproduire largement AVA-Can 1.0 et d’élargir avec succès les mesures pour les années de recensement 2011 et 2021, qui n’étaient pas disponibles auparavant. Ce travail permet des études futures en couplant AVA-Can 2.0 aux ensembles de données sur la santé de cohortes et de la population afin d’examiner les liens entre l’AVA, les changements dans les milieux de vie favorables à la vie actives et les résultats en matière de santé chez les Canadiens.