Wykorzystanie statystycznych i pozastatystycznych (Big Data) źródeł informacji do wyznaczania kierunków rozwoju miast na przykładzie Rzeszowa

• Autorzy: Cierpiał-Wolan M.

Identyfikatory

DOI

10.7862/rb.2017.152

Warianty tytułu

EN

Use of statistical and non-statistical (Big Data) sources of information for determining the directions of urban development as illustrated by Rzeszow

• Języki publikacji: PL

Abstrakty

PL

Podejmując problematykę przestrzennego rozwoju miast powinniśmy uwzględnić wszystkie procesy społeczne i gospodarcze, które dotyczą danego obszaru. W praktyce występuje bardzo duże rozproszenie źródeł informacji, których gestorami jest wiele instytucji sektora prywatnego i publicznego. Celem artykułu jest próba integracji statystycznych i pozastatystycznych danych, które mogą być wykorzystane do wyznaczania kierunku rozwoju miast. Oprócz danych dotyczących procesów demograficznych, przedsiębiorczości czy inwestycji na szczególną uwagę zasługują informacje o miejscu pracy i zamieszkania pochodzące z administracji skarbowej oraz pomiary z czujników ruchu drogowego będące w dyspozycji Generalnej Dyrekcji Dróg Krajowych i Autostrad. W pracy wykorzystano metodę ekonometrii entropii nieekstensywnej do połączenia różnego rodzaju źródeł danych. W opracowaniu dokonano porównania Rzeszowskiego Obszaru Funkcjonalnego z Szerszą Strefą Miejską (LUZ – Larger Urban Zone). W artykule uwzględniono dojazdy do pracy, nasycenie przedsiębiorczością w podziale na: mikro, małe, średnie i duże przedsiębiorstwa oraz według wybranych sekcji Polskiej Klasyfikacji Działalności (przemysł, budownictwo, handel), a także nakłady inwestycyjne w układzie dwuwymiarowym: inwestycje pochodzące z sektora prywatnego oraz z sektora publicznego. Zastosowanie analizy dwuwymiarowej ujawniło cztery typy zachowań strategicznych w zakresie inwestycji: synergia inwestycji, budowanie potencjału inwestycyjnego, regres inwestycyjny oraz zbudowany potencjał inwestycyjny.

EN

In addressing the problems of spatial development of cities we should take into account all the social and economic processes that affect a given area. In practice there is a very large spread of information sources, whose holders are many private and public sector institutions. The purpose of this article is to attempt to integrate statistical and non-statistical data that can be used to determine directions of urban development. In addition to data on demographic processes, entrepreneurship and investment, special attention is paid to information on place of work and residence that are taken from the tax administration and measurements from traffic sensors that are at the disposal of the General Directorate for National Roads and Motorways. The paper uses the econometric method of non-extensive entropy to combine different types of data sources. The study compares Rzeszów Functional Area with the Larger Urban Zone (LUZ). The overview include commuting to work, entrepreneurship saturation which is broken down into micro, small, medium and large enterprises and by selected sections of the Polish Classification of Activities (industry, construction and trade) as well as two-dimensional investment expenditure: private and public sector investments, which we can treated as elements of a further and closer environment of city leaders. The use of two-dimensional analysis revealed four types of strategic investment behaviour: investment synergy, investment capacity building, investment recession and built investment potential.

Słowa kluczowe

PL

źródło danych; delimitacja; entropia; LUZ

EN

data source combining; delimitation; entropy; LUZ

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture
• Rocznik: 2017
• Tom: z. 64, nr 3/II
• Strony: 43--56
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Cierpiał-Wolan M.

• Urząd Statystyczny w Rzeszowie, ul. Jana III Sobieskiego 10, 35-959 Rzeszów

Bibliografia

• [1] Bwanakare S.: Tsallis Entropy for low frequency series: Modelling Ill-behaved National Accounts Tables, De Gruyter.
• [2] Bwanakare, S.: Greenhouse Emission Forecast as an Inverse Stochastic Problem: A Cross-Entropy Econometrics Approach. Acta Physica Polonica A 2015, 127, A-13.
• [3] Bwanakare, S., Cierpiał-Wolan M., Mantaj A.: Predicting Gross Domestic Product Components through Tsallis Entropy Econometrics [w:] Acta Physica Polonica A, Vol. 129, Number 5, Warsaw, May 2016, pp. 993.
• [4] Gorzelak, G.: Szic o wymiarach ładu przestrzennego, [w:] Społeczno-gospodarcze i przyrodnicze aspekty ładu przestrzennego, Komitet Przestrzennego Zagospodarowania Kraju, PAN Warszawa 2003, s. 55-68.
• [5] Praca zbiorowa pod redakcją Żuber P.; Koncepcja przestrzennego zagospodarowania kraju 2030, Wydawca Ministerstwo Rozwoju Regionalnego, Warszawa 2012.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018)