WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Géomarketing : localisation commerciale multiple

( Télécharger le fichier original )
par Jérôme Baray
Université de Rennes I - Doctorat 2002
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3.6 Utiliser toutes les sources d'informations commerciales disponibles

L'intérêt du traitement du signal associé à un modèle de localisation-allocation tel que le p- médian réside aussi pour le manager dans les nouvelles perspectives offertes pour manipuler

de façon souple des informations de sources d'extraction variées. Les bases de données d'adresses de consommateurs potentiels construites par enquête ou déduites des modes de paiement servent comme on l'a vu, à alimenter le modèle après une phase de géocodage et de délimitation. Mais rien n'empêche non plus d'introduire des informations déjà mises en forme comme des cartes de données statistiques en format électronique ou même sur support imprimé. L'exemple suivant nous montrera qu'il est possible d'effectuer une étude d'implantation sans même passer par la fastidieuse étape de géocodage d'adresses, mais

simplement en reprenant des documents glanés au fil de ses lectures.

Exemple de l'implantation d'activités commerciales au niveau national

Le traitement du signal peut aussi s'attaquer à traiter des informations issues de sources variées comme par exemple des cartographies sur support papier, qui seront directement intégrées dans un modèle p-médian. En témoigne l'exemple de cette carte représentant des densités de population en 2000, carte publiée dans le supplément "l'atlas des régions"630 du magazine les Echos.

Une première phase consiste à acquérir l'information, c'est-à-dire à scanner le document de la même manière que précédemment. Les données d'enquête ont été saisies pour constituer une base de données, puis ont été géocodées. Le procédé consiste alors à appliquer à ces données scannées le même traitement de filtrage et de convolution par un filtre Sobel pour en extraire

les contours les plus marquants, en l'occurrence ceux des bassins de population. Cet exemple illustre bien la souplesse et la rapidité du traitement du signal qui permet d'intégrer n'importe quel document dans une logique p-médian (ou autre modèle de localisation-allocation) sans

même ici perdre de temps ou d'énergie à saisir les données !

630 LES ECHOS (2000) L'atlas des Régions Tome 1, Les Echos, réalisé en collaboration avec l'Insee.

Fig. 3.60 - Carte de France des densités de population en 2000 631

Fig. 3.61 - La carte traitée par un filtre médian, Fig. 3.62 - puis délinée par filtre Sobel

631 LES ECHOS (2000) L'atlas des Régions Tome 1, Les Echos, réalisé en collaboration avec l'Insee.

Fig. 3.63 - Les zones numérotées et analysées

Nous obtenons tout de suite les caractéristiques de bassins de population en terme de

localisation de leur centre d'inertie et de leur étendue (voir tableau 3.3). Il est à noter que nous avons pris comme exemple une carte de densité de population, mais que n'importe quelle autre carte issue d'une quelconque source électronique ou papier aurait pu convenir, cela en fonction des besoins de l'analyse.

Supposons que la France ne compte pas encore d'hypermarchés et qu'un grand groupe décide

d'y créer 10 magasins. Où faudrait-il les installer compte tenu des bassins de population ? Le

p-médian (ou plutôt 10-médian) va nous donner ici encore une fois rapidement la réponse

grâce à l'étape précédente de délimitation des zones par traitement du signal. La résolution du modèle avec les paramètres X, Y et la superficie, pour une distance limite raisonnable de parcours pour les consommateurs de 50 miles, nous apprend très rapidement que les meilleures implantations sont en : 1 (Lille-Roubaix), 6 (Paris et Région Parisienne), 9 (Strasbourg), 18 (Tours), 24 (Lyon), 33 (Bordeaux), 35 (Nice), 36 (Montpellier et la côte), 37 (Marseille et Région) et 38 (la distance maximale à parcourir est alors en théorie 645 pour une fonction objective de 10 253 440). Dans le cas où un nouvel hypermarché viendrait à s'installer, il lui faudrait se placer en 5. Les premiers hypermarchés ont en effet été créés dans

ces régions fortement peuplées à partir des années 60.

Tableau 3.3 : Les caractéristiques des 43 aires de population détectées par traitement du signal

ZONE

Superficie

X

Y

Longueur

Majeur

Mineur

Angle

1

13272

1237

168

1050

177

98

155

2

740

1373

213

163

50

19

29

3

2443

952

420

371

69

45

96

4

870

1211

409

198

58

19

63

5

2680

1706

433

308

89

38

91

6

18179

1135

531

1324

165

145

102

7

1256

733

454

245

45

35

70

8

1435

1815

448

290

68

27

174

9

4594

1951

557

528

116

51

59

10

1356

1721

556

230

51

34

133

11

753

97

599

132

49

20

13

12

875

1908

680

142

45

25

42

13

1803

518

696

225

54

42

162

14

850

810

731

143

41

27

106

15

2021

1900

749

263

65

41

126

16

922

1076

753

134

41

29

4

17

1389

1837

811

307

55

32

89

18

1132

693

845

155

39

37

68

19

1495

885

874

198

44

43

12

20

805

1710

883

165

48

21

37

21

2452

532

896

253

61

51

159

22

831

827

1041

159

42

25

104

23

1065

1780

1108

301

55

24

63

24

7045

1553

1230

606

114

79

135

25

870

1746

1186

140

43

26

117

26

1770

1273

1229

239

69

33

107

27

1046

971

1218

161

43

31

38

28

827

1717

1249

160

51

21

100

29

706

792

1259

114

37

25

27

30

2390

1475

1293

339

64

48

20

31

2627

1690

1339

443

60

56

116

32

1046

1560

1410

201

54

25

112

33

3138

669

1436

300

76

53

180

34

2633

1579

1635

334

59

57

66

35

4155

1930

1690

522

149

36

41

36

4911

1434

1705

626

168

37

36

37

8558

1685

1766

870

162

67

148

38

3642

990

1731

303

77

60

58

39

1524

1594

1725

274

61

32

71

40

1547

1315

1782

306

68

29

8

41

893

696

1788

165

37

31

146

42

906

1266

1819

189

41

29

33

43

1992

1247

1936

254

53

48

111

Fig. 3.64- Pour 10 localisations: zones de potentiel commercial associées aux points de vente en gras

(en ignorant la distance limite de parcours des 50 miles)

Il est à noter cependant qu'avec 10 hypermarchés, seulement 40,6 % de la demande est couverte. D'autre part, on s'aperçoit que, compte-tenu d'une distance limite de 50 miles que les consommateurs seraient prêts à parcourir, les hypermarchés ne couvrent en terme d'offre que leur propre aire d'implantation soit 10 aires sur 43, ces aires étant en France parmi les plus peuplées. Si cette logique d'implantation préoccupait une activité pour laquelle les consommateurs sont prêts à parcourir une plus grande distance comme par exemple celle des parcs d'attraction qui doivent aussi se placer au plus près de leurs clients, nous aurions obtenu

les mêmes résultats mais avec un taux de couverture de 100 % (en supposant que les clients soient prêts à parcourir deux cents ou trois cents kilomètres) : les zones de population sont en

effet éloignées les unes des autres ce qui ne les met pas en concurrence.

Fig. 3.65 - Distance moyenne à parcourir en fonction du nombre de magasins ouverts

(en ignorant la distance limite de parcours des 50 miles)

Conclusion

Nous avons vu dans ce chapitre que les principes du traitement du signal pouvaient être introduits dans une problématique de gestion et en particulier la recherche de localisations commerciales optimales. Dans ce cadre, nous avons présenté un nouvel algorithme composé

de quatre étapes en l'occurrence :

- une phase d'acquisition des données constituées par les adresses des clients qui seront géocodées afin d'obtenir une cartographie représentant l'ensemble des clients potentiels.

- un pré-traitement des données destiné à éliminer par un filtrage les imperfections de la base

de données d'adresses entraînées par exemple par des adresses incomplètes, de mauvaises saisies, des erreurs d'échantillonnage,.... Cette étape comprend en deuxième lieu la phase de traitement ou la mise en forme des données à proprement parler qui s'attache dans notre problématique à détecter par une convolution avec un filtre du type Sobel et un sous- algorithme, les frontières de la zone de chalandise,

- l'exploitation des résultats qui permet de spécifier les caractéristiques propres de la zone de chalandise, c'est-à-dire les paramètres géométriques qui vont nous servir à construire le modèle p-médian (coordonnées des centres de gravité de chaque aire composant la zone de chalandise correspondant aux noeuds du réseau et la surface de ces aires mesurant la demande).

- la résolution du modèle ainsi élaboré par les heuristiques bien connues de résolution du p- médian.

Nous avons déjà laissé entrevoir à travers quelques exemples, les avantages d'un tel mode de recherche de localisations optimales à savoir la rapidité, la souplesse d'utilisation et la démonstrativité. La deuxième partie nous donnera l'occasion de vérifier ces avantages sur des exemples concrets portant sur la filière de distribution des produits biologiques, et en

particulier l'exactitude de la méthode, sa rapidité, sa précision et sa capacité à traiter de larges

bases de données d'adresses clients pour la recherche de localisations proches de l'optimal. Pour introduire ces exemples, nous allons dans un premier temps établir un bilan du marché des produits bio en France et dans le monde, puis présenter les différents modes de distribution de ces produits pour illustrer enfin le fonctionnement de notre algorithme avec le

cas particulier de la localisation de points de vente de produits biologiques dans l'Ouest

parisien.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Des chercheurs qui cherchent on en trouve, des chercheurs qui trouvent, on en cherche !"   Charles de Gaulle