Analiza rozwoju jako narzędzie wspierania projektowania obszarów mieszkaniowych o wysokiej jakości zamieszkania dla starzejącego się społeczeństwa

• Autorzy: Janusz Jan

Identyfikatory

DOI

10.21008/j.2658-2619.2020.2.11

Warianty tytułu

EN

Development analysis as a tool to support the design of high-quality residential areas for an aging population

• Języki publikacji: PL

Abstrakty

PL

Rozlewanie się miast powoduje pogorszenie jakości zamieszkania, utrudnia dostęp służb ratowniczych, a także wpływa na zanieczyszczenie środowiska. Osiedla podmiejskie rozwijają się chaotycznie i pochłaniają ogromne obszary, co przekłada się na jakość infrastruktury. Brak sieci wodociągowej i kanalizacyjnej oznacza indywidualne ujęcia wody i zbiorniki szczelne, często nielegalnie zamieniane na przydomowe oczyszczalnie ścieków. Brak sieci gazowej i ciepłowniczej oznacza korzystanie z paliw stałych i ciekłych, a w praktyce smog. Obraz dopełnia długotrwałe czekanie w korku. Rozlewanie się miast ma zatem bezpośredni wpływ na aspekty zdrowotne. W tym kontekście badanie skoncentrowane jest na stworzeniu modelu analitycznego, którego zastosowanie pozwala określać parametry warunkujące tempo rozwoju, a przez to wspomagać proces planowania przestrzennego. Badania przeprowadzono na wybranych terenach mieszkaniowych objętych planami miejscowymi w granicach aglomeracji poznańskiej.

EN

Urban sprawl causes a deterioration in the quality of housing, hinders access to emergency services, and also influences the environmental pollution. Suburban development is chaotic and absorbs huge areas. In turn, it leads to the low quality of infrastructure. Lack of water supply and sewage treatment results in individual water intakes and septic tanks, often illegally turned into individual sewage treatment plants. Lack of gas and heating network causes the usage of solid and liquid fuels, and in practice smog emission. The picture is completed with traffic jams. Therefore, urban sprawl has also a direct impact on the public health issues. In this context, the research is focused on establishing a regression model. Its application will allow to determine the parameters indicating the future development. This model can be used as the spatial planning supporting. The study was conducted in selected residential areas covered by local spatial development plans according to within the Poznan urban agglomeration out of city area.

Słowa kluczowe

PL

planowanie; planowanie przestrzenne; suburbanizacja; rozwój zrównoważony; aglomeracja poznańska; regresja

EN

planning; spatial planning; suburbanization; sustainable development; Poznań agglomeration; regression

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Architektura, Urbanistyka, Architektura Wnętrz
• Rocznik: 2020
• Tom: Z. 2
• Strony: 169--190
• Opis fizyczny: Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Janusz Jan

• Wydział Architektury, Instytut Architektury, Urbanistyki i Ochrony Dziedzictwa

Bibliografia

• 1. Almeida C.M., Gleriani J.M., Castejon E.F., Soares-Filho B.S. (2013). Using neural networks and cellular automata for modelling intra-urban land-use dynamics. International Journal of Geographical Information Science, vol. 22, no. 9, 943-963.
• 2. Barełkowski R. (2014). FAST - Fast Simulation Tool for sustainable development of energy’ infrastructure in suburban areas. Energy Quest, At Ekaterinburg, Russia, 61-71.
• 3. Barełkowski R. (2015). FAST Matrix: depicting the time-related aspect of urban development, w: The Sustainable City X: Urban Regeneration and Sustainability, eds. C.A. Brebbia, W.F. Flores-Escobar, WIT Press, 3-10.
• 4. Beim M. (2007). Modelowanie procesu suburbanizacji w aglomeracji poznańskiej z wykorzystaniem sztucznych sieci neuronowych i automatów komórkowych, Zakład Ekonometrii Przestrzennej Instytut Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej UAM, 156-183 (praca doktorska pod kierunkiem prof. UAM dr. hab. Waldemara Ratajczaka).
• 5. Dz. U. 1994, nr 89, poz. 415. Ustawa z dnia 7 lipca 1994 r. o zagospodarowaniu przestrzennym, uchylona.
• 6. Dz. U. 2003, nr 80, poz. 717. Ustawa z dnia 27 marca 2003 r. o planowaniu i zagospodarowaniu przestrzennym, art. 1.13, art. 3.2, art. 10.1, art. 10.5, art. 15.1, art. 37.2, art. 47.1.
• 7. Dz. U. 2015, poz. 1777. Ustawa z dnia 9 października 2015 r. o rewitalizacji, art. 3.1.3.
• 8. Groat L., Wang D. (2002). Architectural Research Methods, John Wiley & Sons.
• 9. Idczak P. (2016). Peryurbanizacja w Poznańskim Obszarze Metropolitalnym. Studia i Prace WNEiZUS, nr 46/2, 244-253.
• 10. Irwin E.G., Bockstael N.E. (2007). The evolution of urban sprawl: Evidence of spatial heterogeneity and increasing land fragmentation (ed. L. Turner II). Proceddings of National Academy of Science of United States of America, vol. 104, no. 52, 20672-20677.
• 11. Kissling W.D, Carl G. (2007). Spatial autocorrelation and the selection of simultaneous autoregressive models. Global Ecology and Biogeography, vol. 17, no. 1, 59-71.
• 12. Krenker A., Bester J., Kos A. (2011). Introduction to the Artificial Neural Networks (ed. K. Suzuki). Artificial Neural Networks-Methodological Advances and Biomedical Applications, InTech, 5-7.
• 13. Lesage J.P., Fischer M.M. (2008). Spatial Growth Regressions: Model Specification. Estimation and Interpretation, Spatial Economic Analysis, vol. 3, no. 3, 278-280.
• 14. Luo J. (2008). Modeling Urban Growth with Geographically Weighted Multinomial Logistic Regression. Published in SPIE Proceedings, Geoinformatics 2008 and Joint Conference on GIS and Built Environment: The Built Environment and Its Dynamics, vol. 7144, 1-11.
• 15. Madsen H., Thyregod P. (2010). Introduction to General and Generalized Linear Models. Texts in Statistical Science Series, Taylor & Francis Group, 47.
• 16. Maithani S., Jain R.K., Arora M.K. (2007). An artificial neural network based approach for modeling urban spatial growth, ITPI Journal, vol. 4, no. 2, 43-51.
• 17. Małek J. (2016). Historyczne i współczesne uwarunkowania procesów suburbanizacji, przestrzeń i FORMa, 432-442.
• 18. Ossowicz T. (2003). Metoda ustalania kolejności przedsięwzięć polityki przestrzennej miasta wielkiego, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.
• 19. Sugumaran R., DeGroote J. (2010). Spatial Decision Support Systems, Principles and Practices, Taylor & Francis Group, New York, 197-199.
• 20. Szczepański P., Pyszny K., Zydroń A. (2013). Analiza zróżnicowania stopnia szczegółowości ustaleń polityk przestrzennych wybranych gmin aglomeracji poznańskiej. Rocznik Ochrona Środowiska, 15, 2768-2775.
• 21. Triantakonstantis D., Mountrakis G. (2012). Urban Growth Prediction: A Review of Computational Models and Human Perceptions. Journal of Geographic Information System, vol. 4, 555-587.
• 22. Wang S., Jiang H., Lu H. (2002). An Integrated Fuzzy Clustering Algorithm GFC for Switching Regressions. Journal of Software, vol. 13, no. 10, 1906-1910.
• 23. Welfe A. (2003). Ekonometria. Metody i ich zastosowanie, Polskie Wydawnictwo Ekonomiczne, Warszawa, 64-90.
• 24. Zipser T., Sławski J. (1988). Modele procesów urbanizacji: teoria i jej wykorzystanie w praktyce planowania, Państwowe Wydawnictwo Ekonomiczne, Warszawa, 5-15.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).