Last data update: 17 sept. 2026, 21:26
Last compile: 18 sept. 2026, 02:53
Figure 1 : caractéristiques des ménages selon leur exposition aux prix des carburants
Code
fig1 |>
filter(section == "Indicateur clé", caracteristique != "Nombre de ménages") |>
pivot_longer(c(ensemble, exposes), names_to = "groupe", values_to = "valeur") |>
mutate(groupe = recode(groupe, ensemble = "Ensemble des ménages véhiculés",
exposes = "Ménages particulièrement exposés"),
caracteristique = fct_reorder(caracteristique, valeur)) |>
ggplot(aes(x = caracteristique, y = valeur, fill = groupe)) +
geom_col(position = position_dodge(width = 0.75), width = 0.7) +
coord_flip() +
facet_wrap(~ caracteristique, scales = "free", ncol = 2) +
scale_fill_manual(values = c("Ensemble des ménages véhiculés" = "#8FB0DE",
"Ménages particulièrement exposés" = "#1B3F8B"), name = NULL) +
theme_minimal(base_size = 12) +
labs(x = NULL, y = NULL,
title = "Caractéristiques des ménages selon leur exposition aux prix des carburants") +
theme(legend.position = "bottom",
strip.text = element_text(size = 9),
axis.text.y = element_blank(),
panel.grid.minor = element_blank(),
panel.grid.major.y = element_blank())
Répartition géographique et par situation d’activité
Code
fig1 |>
filter(section != "Indicateur clé") |>
pivot_longer(c(ensemble, exposes), names_to = "groupe", values_to = "valeur") |>
mutate(groupe = recode(groupe, ensemble = "Ensemble des ménages véhiculés",
exposes = "Ménages particulièrement exposés")) |>
ggplot(aes(x = caracteristique, y = valeur, fill = groupe)) +
geom_col(position = position_dodge(width = 0.75), width = 0.7) +
coord_flip() +
facet_wrap(~ section, scales = "free_y", ncol = 1) +
scale_fill_manual(values = c("Ensemble des ménages véhiculés" = "#8FB0DE",
"Ménages particulièrement exposés" = "#1B3F8B"), name = NULL) +
theme_minimal(base_size = 12) +
labs(x = NULL, y = NULL,
title = "Répartition des ménages selon l'intercommunalité de résidence et la situation d'activité",
subtitle = "en %") +
theme(legend.position = "bottom",
panel.grid.minor = element_blank(),
panel.grid.major.y = element_blank())
Figure 2 : ménages particulièrement exposés aux prix des carburants par intercommunalité
Code
epci |>
ggplot(aes(x = part_exposes)) +
geom_histogram(binwidth = 1, fill = "#1B3F8B", color = "white") +
geom_vline(xintercept = tc1_summary$part_exposes[tc1_summary$intercommunalite == "Ensemble"],
linetype = "dashed", color = "#E8737A", linewidth = 1) +
theme_minimal(base_size = 13) +
labs(x = "Part de ménages particulièrement exposés (%)", y = "Nombre d'intercommunalités",
title = "Distribution de la part de ménages exposés par intercommunalité, en 2021",
subtitle = "1 250 EPCI ; ligne pointillée = moyenne nationale (10,6 %)") +
theme(panel.grid.minor = element_blank())
Intercommunalités les plus et les moins exposées
Code
bind_rows(
epci |> slice_max(part_exposes, n = 15) |> mutate(groupe = "Les plus exposées"),
epci |> slice_min(part_exposes, n = 15) |> mutate(groupe = "Les moins exposées")
) |>
mutate(nom_epci = str_trunc(nom_epci, 40),
nom_epci = fct_reorder(nom_epci, part_exposes)) |>
ggplot(aes(x = nom_epci, y = part_exposes, fill = groupe)) +
geom_col() +
coord_flip() +
facet_wrap(~ groupe, scales = "free", ncol = 2) +
scale_fill_manual(values = c("Les plus exposées" = "#E8737A", "Les moins exposées" = "#1B3F8B"), guide = "none") +
theme_minimal(base_size = 11) +
labs(x = NULL, y = NULL,
title = "Les 15 intercommunalités les plus et les moins exposées, en 2021",
subtitle = "part de ménages particulièrement exposés aux prix des carburants (%)") +
theme(panel.grid.minor = element_blank(),
panel.grid.major.y = element_blank())
Figure 3 : typologie des intercommunalités selon leur exposition
Code
epci |>
mutate(type_exposition = factor(type_exposition, levels = type_exposition_levels)) |>
ggplot(aes(x = type_exposition, y = part_exposes, fill = type_exposition)) +
geom_boxplot(show.legend = FALSE) +
coord_flip() +
scale_x_discrete(labels = scales::label_wrap(35)) +
scale_fill_brewer(palette = "RdYlBu", direction = -1) +
theme_minimal(base_size = 12) +
labs(x = NULL, y = "Part de ménages particulièrement exposés (%)",
title = "Caractérisation des intercommunalités selon leur type d'exposition",
subtitle = "distribution de la part de ménages exposés, par type, en 2021") +
theme(panel.grid.minor = element_blank())
Figure encadré 2 : consommation moyenne du véhicule selon le revenu
Code
fig_encadre2 |>
select(decile_revenu, `Consommation réelle` = conso_reelle_l100km,
`Consommation standardisée (poids constant)` = conso_standardisee_l100km) |>
pivot_longer(-decile_revenu, names_to = "serie", values_to = "conso") |>
ggplot(aes(x = decile_revenu, y = conso, color = serie, group = serie)) +
geom_line(linewidth = 1) +
geom_point(size = 2) +
scale_color_manual(values = c("Consommation réelle" = "#1B3F8B",
"Consommation standardisée (poids constant)" = "#E8737A"), name = NULL) +
theme_minimal(base_size = 13) +
labs(x = NULL, y = "Litres / 100 km",
title = "Consommation moyenne du véhicule principal selon le revenu, en 2021",
subtitle = "ménages véhiculés, véhicule à énergie thermique") +
theme(legend.position = "bottom",
axis.text.x = element_text(angle = 30, hjust = 1),
panel.grid.minor = element_blank())
Tableau complémentaire 3 : effet d’une stabilisation des prix des carburants
Code
tc3 |>
select(`Type d'intercommunalité` = type_intercommunalite,
`Part exposée, prix 2021 (%)` = part_exposes_reel,
`Part exposée, prix stabilisés à 2,0€/2,2€ (%)` = part_exposes_simule,
`Ménages exposés, prix stabilisés` = nb_menages_exposes_simule) |>
gt() |>
tab_header(title = "Effet d'une stabilisation des prix des carburants sur l'exposition des ménages") |>
fmt_number(columns = where(is.numeric), decimals = 1) |>
fmt_number(columns = `Ménages exposés, prix stabilisés`, decimals = 0)| Effet d'une stabilisation des prix des carburants sur l'exposition des ménages | |||
| Type d'intercommunalité | Part exposée, prix 2021 (%) | Part exposée, prix stabilisés à 2,0€/2,2€ (%) | Ménages exposés, prix stabilisés |
|---|---|---|---|
| Intercommunalités urbaines | 9.0 | 18.8 | 2,555,050 |
| Pôles urbains | 8.4 | 17.4 | 1,760,490 |
| Couronnes urbaines | 10.8 | 22.7 | 794,560 |
| Intercommunalités rurales | 13.5 | 29.0 | 2,188,890 |
| Rural périurbain | 13.1 | 28.6 | 1,958,470 |
| Rural non périurbain | 16.7 | 32.9 | 230,420 |
| Ensemble | 10.6 | 22.4 | 4,743,930 |
Tableau complémentaire 4 : motorisation selon le revenu
Code
tc4 |>
select(decile_revenu, part_essence, part_diesel, part_hybride, part_electrique) |>
pivot_longer(-decile_revenu, names_to = "carburant", values_to = "part") |>
mutate(carburant = recode(carburant, part_essence = "Essence", part_diesel = "Diesel",
part_hybride = "Hybride", part_electrique = "Électrique"),
carburant = factor(carburant, levels = c("Essence", "Diesel", "Hybride", "Électrique"))) |>
ggplot(aes(x = decile_revenu, y = part, fill = carburant)) +
geom_col(position = position_stack(reverse = TRUE)) +
scale_fill_manual(values = c("Essence" = "#E8737A", "Diesel" = "#1B3F8B",
"Hybride" = "#8FB0DE", "Électrique" = "#B8860B"), name = NULL) +
theme_minimal(base_size = 13) +
labs(x = NULL, y = NULL,
title = "Type de motorisation du véhicule principal selon le revenu, en 2021",
subtitle = "répartition des ménages véhiculés (%)") +
theme(legend.position = "bottom",
axis.text.x = element_text(angle = 30, hjust = 1),
panel.grid.minor = element_blank())
Tableau complémentaire 2 : caractérisation par type d’exposition
Code
tc2 |>
rename(`Type d'exposition` = type_exposition,
`Nb d'intercommunalités` = nb_intercommunalites,
`Part exposée (%)` = part_exposes,
`Revenu moyen (€)` = revenu_moyen_avec_voiture,
`Déplacements moyens (km)` = deplacements_moyens_km,
`Part de cadres (%)` = part_cadres) |>
select(`Type d'exposition`, `Nb d'intercommunalités`, `Part exposée (%)`,
`Revenu moyen (€)`, `Déplacements moyens (km)`, `Part de cadres (%)`) |>
gt() |>
tab_header(title = "Caractérisation des intercommunalités selon leur type d'exposition") |>
fmt_number(columns = where(is.numeric), decimals = 1) |>
opt_interactive(use_search = TRUE, use_pagination = FALSE, use_compact_mode = TRUE,
use_resizers = TRUE) |>
tab_options(table.width = "100%")Caractérisation des intercommunalités selon leur type d'exposition
Tableaux complémentaires 5 et 6 : modélisations linéaires
Code
bind_rows(
tc5 |> mutate(modele = "Part de ménages exposés (intercommunalité)"),
tc6 |> mutate(modele = "Distance moyenne parcourue (intercommunalité)")
) |>
rename(Variable = variable, `Coefficient (écart-type)` = coefficient, Signif. = significativite) |>
gt(groupname_col = "modele") |>
tab_header(title = "Modélisations linéaires des déterminants de l'exposition et des distances parcourues") |>
tab_source_note("*** significatif au seuil de 0,1 % ; ** au seuil de 1 % ; * au seuil de 5 %.")| Modélisations linéaires des déterminants de l'exposition et des distances parcourues | ||
| Variable | Coefficient (écart-type) | Signif. |
|---|---|---|
| Part de ménages exposés (intercommunalité) | ||
| Constante | -49,5 (2,7) | *** |
| Revenu moyen annuel des ménages véhiculés de l’intercommunalité (en euros) | -0,00037 (0,00001) | *** |
| Part de ménages pauvres parmi les ménages véhiculés de l’intercommunalité (en %) | 0,47 (0,013) | *** |
| Moyenne des distances parcourues par les ménages véhiculés de l’intercommunalité (en km) | 0,0011 (0,00002) | *** |
| Moyenne de consommation de carburant pour 100 km, dans le parc de véhicules de l’intercommunalité (en litres) | 8,01 (0,42) | *** |
| Distance moyenne parcourue (intercommunalité) | ||
| Constante | 12023 (625) | *** |
| Distance hebdomadaire moyenne pour les déplacements domicile travail, tous moyens de transport confondus (en km) | 44 (1,1) | *** |
| Distance moyenne aux équipements1(en km) | 148 (11) | *** |
| Part de la population résidant à moins de 10 minutes à pieds d’un transport ferré (train, métro, tram) (en %) | -42,2 (3,1) | *** |
| Part des ménages dont la personne de référence a plus de 65 ans (en %) | -53,5 (9,1) | *** |
| Part des ménages comptant au moins 2 actifs en emploi (en %) | 83 (7,8) | *** |
| Revenu annuel moyen des ménages de l’intercommunalité (en euros) | 0,0124 (0,0068) | ** |
| *** significatif au seuil de 0,1 % ; ** au seuil de 1 % ; * au seuil de 5 %. | ||