Révéler la polarisation économique d'une ville à partir de traces GPS de camions. Le cas de Liège

Avec la multiplication des capteurs, nous disposons désormais de quantités massives de données à l’échelon individuel. Dans cette contribution, nous illustrons comment une nouvelle source de données issue du système de prélèvement kilométrique des camions en Belgique peut présenter une plus-value pour le géographe. Dans ce cas précis, le suivi spatio-temporel quasi-exhaustif des camions est utilisé afin de dessiner une géographie précise des circulations de camions en Belgique et d’explorer la place spécifique de Liège dans ce réseau. La quasi-exhaustivité de ces données nous permet-elle réellement de dépasser les biais classiques telles l’agrégation ou la représentativité des données ? En quoi révèlent-elles l’ADN des territoires? Tout en discutant l’apport des «big-data», en particulier en géographie des transports, nous présentons la méthodologie mise en oeuvre pour passer des données GPS brutes à une matrice origines-destinations plus classique. Plusieurs méthodologies sont appliquées à cette matrice pour révéler comment les big-data peuvent nous aider à révéler une facette de la polarisation économique d’une ville.

(eng) With the multiplication of sensors, we now have access to a large volume of individual data. In this contribution, we illustrate how a new source of data – the kilometre charge system of trucks in Belgium – can be useful for geographers. More deeply, the spatio-temporal tracking of nearly every truck is used to elaborate an accurate geography of the trucks movements within Belgium, as well as exploring the specific position of the city of Liège within this network. Can this massive dataset help us to overcome classical biases in geography as aggregation or representativeness? Do these data reveal the “DNA” of territories? By discussing the contribution of “big-data”, and more particularly in geography, we present the methodology applied to transform the original raw GPS data into a more classical origin-destination matrix. Diverse methodologies are applied on this matrix to reveal how big-data are useful to explore an aspect of the economic polarization of a city.