Logements Sociaux à Montréal: Une analyse à partir des données de Montréal Données Ouvertes
Onat Ekinci
Mars 4, 2021
Introduction
Il existe un besoin criant de logements sociaux au Québec (Crise du logement social - Radio Canada) et les besoins ne cessent d’augmenter en raison de la spéculation immobilière des derniers décennies (Spéculation Immobilière - IRIS)
Une analyse créée à partir des données dans le site web: Montréal Données Ouvertes
Les données sont catégorisées par type de projet, soit:
HLM : Logements publics gérés par l’Office municipal d’habitation de Montréal, dont le loyer est fixé à 25 % des revenus du ménage. Cette catégorie inclut la Corporation des Habitations Jeanne-Mance.
OMHM : Logements publics abordables issus de projets de l’Office municipale d’habitation de Montréal hors programme HLM et gérés sous une forme s’apparentant aux OBNL avec la participations des résidents.
SHDM : logements locatifs publics et abordables appartenant à la Société d’habitation et de développement de Montréal et dont certains projets peuvent être gérés par un OBNL.
OBNL : Logements locatifs possédés et gérés par un organisme à but non lucratif et qui visent une clientèle ayant des difficultés à se loger convenablement. Les OBNL offrent parfois du soutien communautaire à leurs locataires.
Coop : Logements appartenant à une coopérative qui les louent à ses membres. Les coopératives voient à offrir des logements de qualité à prix abordables tout en favorisant une mixité socio-économique dans les projets.
Dans l’analyse, on utilise les librairies sf, tidyverse et ggtext:
library(sf)## Linking to GEOS 3.8.0, GDAL 3.0.4, PROJ 6.3.1library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.0.6 v dplyr 1.0.4
## v tidyr 1.1.2 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(ggtext)
library(leaflet)Il faut téléchager les fichiers shape du site web de Montréal Données Ouvertes:
setwd("C:\\Users\\O4000\\Documents\\r_geospatial\\logement_social")
mtl_hlm <- st_read("logsoc_donneesouvertes_20191231.shp")## Reading layer `logsoc_donneesouvertes_20191231' from data source `C:\Users\O4000\Documents\r_geospatial\logement_social\logsoc_donneesouvertes_20191231.shp' using driver `ESRI Shapefile'
## Simple feature collection with 2754 features and 20 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 269255.9 ymin: 5029845 xmax: 305647.3 ymax: 5061670
## projected CRS: NAD83 / MTM zone 8head(mtl_hlm)## Simple feature collection with 6 features and 20 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 290573 ymin: 5034017 xmax: 300052.5 ymax: 5053772
## projected CRS: NAD83 / MTM zone 8
## numero nom_projet nom_rue nb_log hlm_famill hlm_pa hlm_autres
## 1 3 Saint-Sulpice Louvain 150 148 0 2
## 2 6 Adrien Trudeau 10e 32 0 32 0
## 3 7 Montmorency Grand Trunk 80 0 74 6
## 4 16 Place Normandie Chartrand 168 167 0 1
## 5 19 Étienne-Desmarteaux 13e 117 0 108 9
## 6 22 Parc-Royal Elizabeth 33 0 32 1
## projettype type_prog an_orig an_effect arrond villelie qr
## 1 HLM <NA> 1971 NA Ahuntsic-Cartierville <NA> 5
## 2 HLM <NA> 1994 NA Lachine <NA> 70
## 3 HLM <NA> 1978 NA Le Sud-Ouest <NA> 47
## 4 HLM <NA> 1972 NA Montréal-Nord <NA> 61
## 5 HLM <NA> 1978 NA Rosemont–La Petite-Patrie <NA> 17
## 6 HLM <NA> 1979 NA Saint-Laurent <NA> 57
## localisati aired_id longitude latitude xnad83 ynad83
## 1 Aire de diffusion 24662617 -73.64593 45.55639 293406.7 5046286
## 2 Aire de diffusion 24663149 -73.67244 45.44596 291311.1 5034017
## 3 Aire de diffusion 24661252 -73.56073 45.48607 300052.5 5038462
## 4 Aire de diffusion 24662813 -73.62353 45.62378 295167.3 5053772
## 5 Aire de diffusion 24662089 -73.58012 45.55837 298545.0 5046498
## 6 Aire de diffusion 24660563 -73.68213 45.52477 290573.0 5042778
## geometry
## 1 POINT (293406.7 5046286)
## 2 POINT (291311.1 5034017)
## 3 POINT (300052.5 5038462)
## 4 POINT (295167.3 5053772)
## 5 POINT (298545 5046498)
## 6 POINT (290573 5042778)Nous observons qu’il y a 15 champs, dont le type du projet, le nombre de logements par projet, le nom de l’arrondissement.
Carte interactive des logements sociaux à Montréal
Nous publions la carte interactive en utilisant Leaflet.
hlm_map <- leaflet() %>% addProviderTiles("OpenStreetMap") %>% addCircleMarkers(lng = mtl_hlm$longitude,
lat = mtl_hlm$latitude, label = mtl_hlm$nom_projet, radius = 2) %>% setView(lng = mtl_hlm$longitude[1],
lat = mtl_hlm$latitude[1], zoom = 10)
hlm_mapLes données GIS sont sous format point. Pour ajouter la carte de Montréal dans l’arrière-plan, on doit aussi télécharger le fichier shape pour des régions administratives (Montréal Polygone)
mtl_adm <- st_read("LIMADMIN.shp")## Reading layer `LIMADMIN' from data source `C:\Users\O4000\Documents\r_geospatial\logement_social\LIMADMIN.shp' using driver `ESRI Shapefile'
## Simple feature collection with 34 features and 9 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -73.9966 ymin: 45.3854 xmax: -73.47387 ymax: 45.70758
## geographic CRS: WGS 84ggplot(mtl_adm) +
geom_sf(color = "black") +
geom_point(data = mtl_hlm, aes(x = longitude , y = latitude, size = nb_log), fill = "red", color = "blue", alpha = 0.2)
On observe une concentration de logements sociaux dans le sud de l’ile de Montréal.
Carte interactive des logements sociaux à Montréal selon le nombre des logements
hlm_map <-
leaflet() %>%
addProviderTiles("OpenStreetMap") %>%
addCircleMarkers(lng = mtl_hlm$longitude, lat = mtl_hlm$latitude, label = mtl_hlm$nom_projet, radius = 0.05*mtl_hlm$nb_log) %>%
setView(lng = mtl_hlm$longitude[1], lat = mtl_hlm$latitude[1], zoom = 10)
hlm_mapOn peut également spécifier le type de logement social sur la carte:
ggplot(mtl_adm) +
geom_sf(color = "black") +
geom_point(data = mtl_hlm, aes(x = longitude , y = latitude, size = nb_log, color = projettype), alpha = 0.2) +
scale_fill_gradient(low = "green", high = "red", na.value = NA)
Carte interactive sur les logements sociaux à Montréal selon le type de projet
Nous utilisons encore Leaflet pour créer la carte. On peut observer le type de projet en passant le curseur sur les cercles dans la carte.
pal <- colorNumeric(
palette = "YlGnBu",
domain = mtl_hlm$nb_log
)
hlm_map <-
leaflet() %>%
addProviderTiles("OpenStreetMap") %>%
addCircleMarkers(lng = mtl_hlm$longitude, lat = mtl_hlm$latitude, label = paste0(mtl_hlm$nom_projet, " (", mtl_hlm$projettype, ")"), radius = 0.05*mtl_hlm$nb_log, color = mtl_hlm$projettype) %>%
setView(lng = mtl_hlm$longitude[1], lat = mtl_hlm$latitude[1], zoom = 10)%>%
addLegend("bottomright", pal = pal, values = mtl_hlm$nb_log,
title = "Nombre de logements")
hlm_mapLa distribution par type de projet sur l’ile de Montréal:
ggplot(mtl_adm) +
geom_sf(color = "black") +
geom_point(data = mtl_hlm, aes(x = longitude , y = latitude, size = nb_log), alpha = 0.5, color = "steelblue") +
facet_wrap(~projettype, nrow = 2) +
theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
La présence des HLM selon l’arrondissement à Montréal
Si on voulait voir la distribution des HLM selon l’arrondissement:
projet_hlm <- filter(mtl_hlm, projettype == "HLM")
ggplot( data = projet_hlm ) +
geom_bar( mapping = aes( x = arrond, fill = arrond)) +
theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
On observe qu’une grande majorité des HLM se trouve dans le Sud-Ouest de Montréal. Et il y a une grande concentration dans le sud, avec le Sud-Ouest, Mercier-Hochelaga-Maisonneuve, Verdun et Ville-Marie constituant le top 4.
La présence des coopératives d’habitation selon l’arrondissement à Montréal
Qu’en est-il des coop?:
projet_coop <- filter(mtl_hlm, projettype == "Coop")
ggplot( data = projet_coop ) +
geom_bar( mapping = aes( x = arrond, fill = arrond))+
labs(
title = "Coopératives d'habitation selon l'arrondissement") +
theme_bw() +
theme(
axis.text.x=element_blank(),
axis.ticks.x=element_blank(),
plot.title = element_markdown(size = 12, lineheight = 2, hjust=0.5)
)
Cette fois-ci c’est le Mercier-Hochelaga-Maisonneuve qui vient en première, mais le constat est le même que pour les HLM, une concentration dans la partie sud de Montréal.
La construction des logements sociaux à Montréal dans les dernières années
ggplot( data = mtl_hlm ) +
geom_bar( mapping = aes( x = an_orig, fill = projettype)) +
facet_wrap(~projettype, nrow = 3)## Warning: Removed 2 rows containing non-finite values (stat_count).
On constate que la construction des logements sociaux a beaucoup diminué dans les derniers décennies. Ce sont seulement des OBNL qui semblent avoir une courbe de croissance constante, bien que limitée.
On pourrait aussi faire une analyse selon le type de projet:
La construction des HLM à Montréal
projet_hlm <- filter(mtl_hlm, projettype == "HLM")
ggplot( data = projet_hlm ) +
geom_bar( mapping = aes( x = an_orig), fill = "red") 
Dans la figure, on peut constater qu’il n’y a quasiment pas eu de construction de HLM depuis 1995.
La construction des coop d’habitation à Montréal
Le constat pour les coop est également décourageant, la construction reste assez faible, surtout dans les derniers décennies:
projet_hlm <- filter(mtl_hlm, projettype == "Coop")
ggplot( data = projet_hlm ) +
geom_bar( mapping = aes( x = an_orig), fill = "green") 
La construction des OBNL à Montréal
projet_hlm <- filter(mtl_hlm, projettype == "OBNL")
ggplot( data = projet_hlm ) +
geom_bar( mapping = aes( x = an_orig), fill = "blue") ## Warning: Removed 2 rows containing non-finite values (stat_count).
Le type de logements sociaux dans le Sud-Ouest de Montréal
arrondissement_sud_ouest <- filter(mtl_hlm, arrond == "Le Sud-Ouest")
ggplot( data = mtl_hlm) + geom_bar( mapping = aes( x = projettype, fill = projettype))
Clairement, les coopératives d’habitation constituent la majorité des logements sociaux, sans considérer le nombre de logements.
CONCLUSION
La pénurie de logements sociaux à Montréal peut facilement être observé à partir des données publiques. On constate aussi qu’Il y a eu très peu de construction dans les dernières décennies.
La priorité des politiques de logement au Canada a toujours été de favoriser l’accès à la propriété, plutôt que d’assister les locataires [Arsenault, 2018]. Selon [Londerville & Steele, 2014], les dépenses fiscales annuelles, comme la non-imposition du gain en capital sur les résidences principales, visant à soutenir les propriétaires, sont augmentés de 7 à 9 milliards de dollars entre 1993 et 2013.
REFERENCES
Gabriel Arsenault, L’Économie sociale au Québec. Une perspective politique, Presses de l’Université du Québec, coll. « Politeia », 2018, 256 pages
Jane Londerville, Marion Steele, https://homelesshub.ca/sites/default/files/attachments/SOHC2014-Backgrounder.pdf , 2018,