ΣΥΝΔΥΑΣΤΙΚΗ ΧΩΡΟΘΕΤΙΚΗ ΑΝΑΛΥΣΗ ΑΣΤΙΚΩΝ ΠΕΡΙΟΧΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΩΝ ΔΗΜΟΣΙΩΝ ΥΠΗΡΕΣΙΩΝ ΣΤΗΝ ΠΟΛΗ ΤΟΥ ΒΟΛΟΥ. Φωτεινή Αθανασίου, Γεώργιος Ν.

E3K034 ΣΥΝΔΥΑΣΤΙΚΗ ΧΩΡΟΘΕΤΙΚΗ ΑΝΑΛΥΣΗ ΑΣΤΙΚΩΝ ΠΕΡΙΟΧΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΤΩΝ ΔΗΜΟΣΙΩΝ ΥΠΗΡΕΣΙΩΝ ΣΤΗΝ ΠΟΛΗ ΤΟΥ ΒΟΛΟΥ Φωτεινή Αθανασίου, Γεώργιος Ν. Φώτης Πανεπιστήμιο Θεσσαλίας, Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης, Εργαστήριο Χωρικής Ανάλυσης, GIS & Θεματικής Χαρτογραφίας Περίληψη Η επαρκής εξυπηρέτηση των πολιτών από τις δημόσιες υπηρεσίες αποτελεί παράγοντα που συμβάλλει στη βελτίωση της ποιότητας ζωής μέσω της διευκόλυνσης των καθημερινών μετακινήσεων αλλά και της διασφάλισης ίσων ευκαιριών στην πρόσβασή τους. Η παρούσα εργασία έχει ως στόχο τον προσδιορισμό ενός μεθοδολογικού πλαισίου για τη συνδυαστική χωροθετική αξιολόγηση των δημοσίων υπηρεσιών αστικών περιοχών με τη χρήση μεθόδων Χωρικής Ανάλυσης και Γεωγραφικών Συστημάτων Πληροφοριών (ΓΣΠ). Η διαδικασία αξιολόγησης περιλαμβάνει τον υπολογισμό ενός δείκτη που συσχετίζει τη χωροθετική αξία κάθε οικοδομικού τετραγώνου που προκύπτει από το βαθμό προσβασιμότητάς του στις υπηρεσίες και με την αντικειμενική αξία γης. Η προτεινόμενη μεθοδολογική προσέγγιση εφαρμόστηκε στην πόλη του Βόλου, όπου σύμφωνα με τα αποτελέσματα της αναλυτικής διαδικασίας, το μεγαλύτερο ποσοστό των οικοδομικών τετραγώνων εμφανίζει συγκριτικά μικρότερη χωροθετική αξία από την αντίστοιχη αντικειμενική. COMBINATORIAL LOCATIONAL ANALYSIS IN URBAN AREAS: THE CASE OF PUBLIC SERVICES IN THE CITY OF VOLOS, GREECE Fotini Athanasiou, Yorgos N. Photis University of Thessaly, Department of Urban Planning & Regional Development, Laboratory of Spatial Analysis, GIS & Thematic Mapping Abstract The sufficient service of citizens from the public services constitutes a factor contributing in the improvement of quality of life by facilitating daily transportations but also by providing equal accessibility. The current paper aims at the determination of a methodological framework for the combinatorial locational evaluation of public services in urban areas with the use of Spatial Analysis methods and Geographic Information Systems (GIS). ). The evaluation process includes the calculation of an index correlating the locational value of each building block resulting from his accessibility in the services with the land value. The proposed methodological approach was applied in the city of Volos (Greece) where, according to the results, the higher percentage of building blocks presents comparatively lower locational value from the corresponding land value. Λέξεις κλειδιά: χωρική ανάλυση, χωροθετική αξιολόγηση, δείκτης, προσβασιμότητα, Γεωγραφικά Συστήματα Πληροφοριών Key words: spatial analysis, locational evaluation, index, accessibility, Geographic Information Systems 1. Εισαγωγή Η ανάλυση του χώρου και η μελέτη των χωρικών φαινομένων αποτελεί επιστημονική κατεύθυνση με ξεχωριστό ενδιαφέρον, ιδιαίτερα μάλιστα όταν επικεντρώνει τους ερευνητικούς της στόχους στον άνθρωπο και την ποιότητα ζωής του. Ειδικότερα στις αστικές περιοχές η ποιότητα ζωής εξαρτάται και επηρεάζεται από πληθώρα παραγόντων όπως ο κυκλοφοριακός φόρτος και η ρύπανση του περιβάλλοντος, η πυκνή δόμηση και η έλλειψη πρασίνου καθώς και η αναποτελεσματική χωροθέτηση υπηρεσιών. Από αυτή την άποψη, η πρόσβαση η οποία έχει καθοριστεί ως η ποιότητα αλληλεπίδρασης με, ή διέλευση σε, μία συγκεκριμένη υπηρεσία ή υπηρεσία παροχής αγαθών (Talen, 2002: 259) αναδεικνύεται ως μία από τις πρώτες προτεραιότητες της διαδικασίας του σχεδιασμού. Με ποιο τρόπο όμως είναι δυνατόν να αξιολογηθεί η προσβασιμότητα στις δημόσιες υπηρεσίες και σε ποιο βαθμό συνδέεται με την αντίστοιχη αντικειμενική αξία; Το εν λόγω ερώτημα αφορά στη διερεύνηση 1

E3K034 της σχέσης μεταξύ κατανομής των δημοσίων υπηρεσιών και οικονομικών χαρακτηριστικών του χώρου που εμφανώς απουσιάζει από τη σχετική βιβλιογραφία (Talen, 1998: 24). Η συσχέτιση των δύο μέτρων επιτυγχάνεται μέσω ενός δείκτη ο οποίος υπολογίζεται σε επίπεδο οικοδομικού τετραγώνου και αποδίδει το βαθμό στον οποίο η χωροθετική αξία συμβαδίζει με την εκάστοτε αντικειμενική. Προηγούμενες εργασίες που εστιάζουν στη μέτρηση της προσβασιμότητας στις δημόσιες υπηρεσίες είναι των Ikporukpo (1987), Talen (1998) και των Jahan και Oda (1999). Στην παρούσα εργασία προσδιορίζεται ένα μεθοδολογικό πλαίσιο χωροθετικής αξιολόγησης δημοσίων υπηρεσιών σε συνδυασμό με παραμέτρους όπως η αντικειμενική αξία, η δε περιοχή εφαρμογής είναι η πόλη του Βόλου. 2. Χωροθετικός σχεδιασμός ανάλυση και επιλογή θέσης Η χωροθέτηση λειτουργιών και δραστηριοτήτων αποτελεί ένα κρίσιμο ζήτημα σε κάθε πρωτοβουλία σχεδιασμού με κέντρο τον άνθρωπο. Όταν μάλιστα το ζήτημα αφορά αποκλειστικά το δημόσιο τομέα και τη χωροθέτηση σχετικών υπηρεσιών, ο χωροθετικός σχεδιασμός (Locational planning) καλείται να επιλέξει τη βέλτιστη λύση με γνώμονα πάντα έναν θετικό αντίκτυπο στο ευρύ κοινωνικό σύνολο. Ο βαθμός στον οποίο ο άνθρωπος νιώθει ευχάριστα στο περιβάλλον του (person environment fit) εξαρτάται και από τον περιβάλλοντα χώρο (Environment) που φαίνεται να επηρεάζει τον άνθρωπο μέσα από ένα πλήθος παραμέτρων ανάμεσα στις οποίες βρίσκεται και η προσβασιμότητα στις δημόσιες υπηρεσίες (Public services accessibility). (Van Kamp et al., 2003:13). Τα βασικά ζητήματα που πρέπει να εξετάζονται στο πλαίσιο του χωροθετικού σχεδιασμού για την εύρυθμη λειτουργία ενός δικτύου υπηρεσιών είναι η γεωγραφική προσιτότητα, η χωρική κάλυψη και η διαχρονική αποδοτικότητα. Με τον όρο γεωγραφική προσιτότητα περιγράφεται η εγγύτητα των υπηρεσιών βάσει χωρικών παραμέτρων όπως είναι για παράδειγμα η απόσταση των πολιτών από αυτές. Παράλληλα με τη γεωγραφική προσιτότητα, πρέπει να εξετάζεται και το ζήτημα της χωρικής κάλυψης που ειδικά για τις υπηρεσίες του δημόσιου τομέα αποκτά ιδιαίτερη βαρύτητα εφόσον αυτές καλούνται να λειτουργήσουν σε μία λογική πέρα από κάθε κερδοσκοπία με κύριο γνώμονα την ίση εξυπηρέτηση όλων. Οι όροι της γεωγραφικής προσιτότητας και της χωρικής κάλυψης αποτελούν δύο από τις βασικές παραμέτρους που διαμορφώνουν την έννοια της προσβασιμότητας δεδομένου ότι «η προσβασιμότητα καθορίζεται από τη χωρική κατανομή των δυνητικών προορισμών [και] την ευχέρεια προσέγγισης κάθε προορισμού» (Handy et al., 1997: 1175). Η διαδικασία που ακολουθείται για την εξέταση των παραπάνω ζητημάτων υποστηρίζεται από χρήσιμες μεθόδους και εργαλεία όπως είναι: η χωρική ανάλυση (spatial analysis), οι Μέθοδοι Χωροθέτησης Λειτουργιών (Location Methods), οι Δείκτες (Indices) και τα Γεωγραφικά Συστήματα Πληροφοριών (Geographic Information Systems). 2.1. Χωρική Ανάλυση Τα βασικά ζητήματα που εξετάζονται στη χωρική ανάλυση είναι η Θέση και η Χωρική Οργάνωση. Η Θέση ουσιαστικά σχετίζεται με την υπάρχουσα γεωγραφική κατανομή φαινομένων, δραστηριοτήτων ή πληθυσμών ενώ Χωρική Οργάνωση αποτελεί ένα πιο σύνθετο ζήτημα όπου εξετάζονται περισσότερα του ενός αντικείμενα και κυρίως οι σχέσεις που τα συνδέουν με σκοπό πάντα την εξήγηση της δομής του χώρου. (Κουτσόπουλος, 1990: 7). Οι μέθοδοι που χρησιμοποιούνται στη χωρική ανάλυση είναι διαφόρων ειδών και εστιάζουν σε διαφορετικά πεδία. Ένα από αυτά είναι και η σύνθεση της πληροφορίας που παρέχεται από ένα σύνολο χαρακτηριστικών ενός στατιστικού πληθυσμού και πραγματοποιείται με τη βοήθεια των πολυμεταβλητών μεθόδων. Οι μέθοδοι αυτές διακρίνονται σε δύο μεγάλες κατηγορίες: τις παραγοντικές και τις ταξινομικές. Η βασική διαφορά τους έγκειται στο γεγονός ότι οι παραγοντικές μέθοδοι «ανιχνεύουν τις παρεμφερείς μεταβλητές, [ενώ] οι ταξινομικές έχουν ως στόχο την ομαδοποίηση παρεμφερών παρατηρήσεων» (Rogerson, 2001:197). Οι ταξινομικές μέθοδοι διακρίνονται επιπλέον σε ιεραρχικές (agglomerative ή hierarchical methods) και διαχωριστικές (nonagglomerative ή nonhierarchical methods) (Rogerson, 2001:200). Στις διαχωριστικές ανήκει και η μέθοδος ομαδοποίησης K-Means που χρησιμοποιείται στην παρούσα εργασία και είναι επίσης γνωστή ως nearest centroid sorting pass ή reassignment pass (Aldenderfer et al., 1984:47). Η ολοκλήρωση κάθε διαδικασίας ταξινόμησης δεδομένων αποδίδει μία ομαδοποίηση αυτών βοηθώντας στη διάκριση του χώρου σε ενότητες με συγκεκριμένα χαρακτηριστικά. 2

2.2. Δείκτες Ένα από τα σημαντικότερα ζητήματα που εξετάζονται σε κάθε μελέτη αποτελεί και η ποσοτικοποίηση της μεταβολής ενός φαινομένου δια μέσου του χρόνου και του χώρου και η σύγκριση των διαφόρων μεταβολών που τελικά θα εντοπιστούν. Η απόδοση αυτών των τάσεων γίνεται με τη βοήθεια δεικτών που «χτίζονται» βάσει μεταβλητών σχετικών με τη μέτρηση των μεταβολών που εξετάζονται κάθε φορά και γι αυτόν ακριβώς το λόγο οι μορφές που παίρνουν είναι ποικίλες. Αναμφισβήτητα όμως, «οι δείκτες είναι ένα αναγκαίο τμήμα της ροής της πληροφορίας που χρησιμοποιούμε για να κατανοήσουμε τον κόσμο, να πάρουμε αποφάσεις και να σχεδιάσουμε τις δράσεις μας» (Meadows, 1998:1). Ειδικά στη Χωρική Ανάλυση οι δείκτες αποτελούν ευρέως χρησιμοποιούμενα εργαλεία που παρέχουν πλήθος πλεονεκτημάτων όπως: α. η σύγκριση φαινομένων ή μεγεθών επί κοινής βάσης και απεικόνιση των αποτελεσμάτων σε θεματικούς χάρτες και β. η αξιολόγηση περιοχών βάσει των τιμών του δείκτη. 2.3. Γεωγραφικά Συστήματα Πληροφοριών Οι δυνατότητες που παρέχουν τα Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) είναι πλέον αναγνωρισμένες σε πολλούς επιστημονικούς τομείς και ιδιαίτερα στο πλαίσιο του χωροθετικού σχεδιασμού έχουν αλλάξει άρδην όλη τη σχετική διαδικασία. Ο συνδυασμός πλούσιας βάσης περιγραφικών δεδομένων με αντικείμενα πλήρως καθορισμένα ως προς τις χωρικές τους ιδιότητες αποτελεί ένα από τα βασικά πλεονεκτήματα των ΓΣΠ. Ιδιαίτερα ενδιαφέρουσα μάλιστα είναι η δυνατότητα που παρέχεται σχετικά με την «αναπαράσταση κάποιων απόψεων του πραγματικού κόσμου με ψηφιακά μέσα παρέχοντας ένα περιβάλλον για [υποβολή] ερωτημάτων και πειραματισμό που θα ήταν υψηλού χρηματικού κόστους ή μη πρακτικό να πραγματοποιηθεί» (Martin, 1991: 161) καθώς επίσης και η δυνατότητα δημιουργίας σύνθετων αναζητήσεων αντικειμένων σύμφωνα με λογικές συναρτήσεις που συνδυάζουν περισσότερα του ενός κριτήρια. Τέλος, πρέπει να επισημανθεί ο καταλυτικός ρόλος που διαδραματίζουν τα ΓΣΠ στη χαρτογράφηση του χώρου. Βέβαια, η εισαγωγή των ΓΣΠ στις επιστήμες του χώρου «δεν επισκιάζει αναγκαστικά το ρόλο της χαρτογραφίας στην απεικόνιση της χωρικής γνώσης αλλά, ως μέσο αποθήκευσης, διαχείρισης και ανάλυσης αυτής της γνώσης, τα ΓΣΠ παρέχουν τεράστια οφέλη συγκρινόμενα με την ανάλογη τεχνολογία των συμβατικών χαρτών» (Jones, 1997:4) 3. Μεθοδολογία Στο κεφάλαιο αυτό περιγράφεται το προτεινόμενο μεθοδολογικό πλαίσιο της παρούσας εργασίας και αναλύονται οι επιμέρους φάσεις της. Η σχηματική απόδοση του μεθοδολογικού πλαισίου φαίνεται στο Σχήμα 1: ΣΥΛΛΟΓΗ & ΚΑΤΑΧΩΡΗΣΗ ΔΕΔΟΜΕΝΩΝ ΚΑΤΗΓΟΡΙΟΠΟΙΗΣΗ ΔΗΜΟΣΙΩΝΥΠΗΡΕΣΙΩΝ ΔΗΜΙΟΥΡΓΙΑ & ΧΡΗΣΗ ΓΣΠ ΟΜΑΔΟΠΟΙΗΣΗ ΑΠΟΣΤΑΣΕΩΝ ΥΠΟΛΟΓΙΣΜΟΣ ΑΠΟΣΤΑΣΕΩΝ ΥΠΟΛΟΓΙΣΜΟΣ ΠΟΣΟΣΤΩΝ ΥΠΗΡΕΣΙΩΝ ΣΕΑΚΤΙΝΑ R ΟΜΑΔΟΠΟΙΗΣΗ ΠΟΣΟΣΤΩΝ ΥΠΗΡΕΣΙΩΝ ΥΠΟΛΟΓΙΣΜΟΣ ΔΕΙΚΤΗ ΧΑΡΤΟΓΡΑΦΗΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Σχήμα 1. Μεθοδολογικό Πλαίσιο 3

3.1. Δεδομένα Η πρώτη φάση του μεθοδολογικού πλαισίου περιλαμβάνει τρία επιμέρους στάδια. Αρχικώς, πρέπει να συλλεχθούν και να καταχωρηθούν τα δεδομένα. Ειδικότερα, απαιτούνται: α. η διεύθυνση και η ακριβής ονομασία των υπηρεσιών, κατάλληλα καταχωρημένα σε πίνακες με σαφή κωδικοποίηση, β. τα στοιχεία πληθυσμού ανά οικοδομικό τετράγωνο της πιο πρόσφατης απογραφής και γ. τα στοιχεία των αντικειμενικών αξιών γης. Ακολουθεί η κατηγοριοποίηση των στάσεων Αστικής Συγκοινωνίας ανά πλήθος εξυπηρετούμενων γραμμών καθώς και κατηγοριοποίηση των υπολοίπων υπηρεσιών ανά ομάδες εξυπηρετούμενων ηλικιών και ανά συχνότητα χρήσης. Το τρίτο στάδιο περιλαμβάνει τη δημιουργία και χρήση ενός ΓΣΠ προϋποθέτοντας την ύπαρξη των ψηφιακών υποβάθρων των οικοδομικών τετραγώνων και του οδικού δικτύου, απαραίτητου για τη διαδικασία της γεωκωδικοποίησης (geocoding). 3.2. Επεξεργασία Στη δεύτερη φάση του μεθοδολογικού πλαισίου περιλαμβάνονται τρία επιμέρους στάδια. Στο πρώτο στάδιο γίνεται ο υπολογισμός της ελάχιστης και μέσης απόστασης (ευκλείδειας, παραλληλογραμμικής ή δικτύου) των κεντροειδών των οικοδομικών τετραγώνων από κάθε υπηρεσία και στο δεύτερο στάδιο υπολογίζονται τα ποσοστά υπηρεσιών που βρίσκονται σε ακτίνα R για κάθε κατηγοριοποίηση υπηρεσιών. Το τρίτο στάδιο της φάσης αυτής περιλαμβάνει την ομαδοποίηση των αποστάσεων και των υπηρεσιών σύμφωνα με τη μέθοδο K-Means οπότε και προκύπτουν ομάδες οικοδομικών τετραγώνων με συγκεκριμένα χαρακτηριστικά που καθορίζουν την προσβασιμότητά τους στις δημόσιες υπηρεσίες. 3.3. Συμπεράσματα Η τελευταία φάση της μεθοδολογίας περιλαμβάνει δύο επιμέρους στάδια τα οποία βοηθούν στη εξαγωγή συμπερασμάτων από τη διαδικασία εφαρμογής. Αρχικώς, υπολογίζεται ο Δείκτης Χωροθετικής Σύγκλισης (ΔΧΣ) που αποτελεί μέτρο σύγκρισης της χωροθετικής αξίας (ΧΑ ΟΤ ) όπως αυτή προέκυψε από την προηγούμενη διαδικασία ομαδοποίησης των δεδομένων και της αντικειμενικής αξίας κάθε οικοδομικού τετραγώνου (ΑΑ ΟΤ ) που ταυτίζεται με την αντικειμενική αξία γης. Οι τιμές του δείκτη ομαδοποιούνται σε <1, 1 και >1 και η μαθηματική του έκφραση είναι: XAΟΤ max XAΟΤ ΧΣ = (1) AAΟΤ max AAΟΤ Το τελευταίο στάδιο του μεθοδολογικού πλαισίου είναι η χαρτογράφηση των αποτελεσμάτων της ομαδοποίησης αλλά και των τιμών του δείκτη ανά οικοδομικό τετράγωνο. 4. Εφαρμογή Η περιοχή μελέτης περιλαμβάνει τους Δήμους Βόλου και Νέας Ιωνίας καθώς και τον οικισμό των Νέων Παγασών. Στη συνέχεια περιγράφονται αναλυτικά οι επιμέρους φάσεις της εφαρμογής. 4.1. Συλλογή καταχώρηση δεδομένων Τα στοιχεία που συλλέγονται για την πραγματοποίηση της παρούσας εργασίας είναι τα εξής: α. ψηφιακά υπόβαθρα οδικού δικτύου και οικοδομικών τετραγώνων που αποτελούν τη βάση για την επεξεργασία των δεδομένων και έχουν τη μορφή ArcView shapefiles, β. στοιχεία υπηρεσιών και συγκεκριμένα, δημοσίων υπηρεσιών (Εκπαίδευση, Υγεία-Πρόνοια, Αθλητισμός, Γενικές Υπηρεσίες) καθώς και στάσεις αστικών λεωφορείων, γ. πληθυσμός ανά οικοδομικό τετράγωνο της απογραφής του 1991 που πραγματοποιήθηκε από την ΕΣΥΕ και δ. αντικειμενικές αξίες γης ανά οικοδομικό τετράγωνο ισχύουσες μέχρι και το 2004. 4.2. Κατηγοριοποίηση δημοσίων υπηρεσιών Οι υπηρεσίες κατηγοριοποιούνται σύμφωνα με δύο τρόπους (μη συμπεριλαμβανομένων των στάσεων αστικών λεωφορείων): α. ανά ομάδες ηλικιών του εξυπηρετούμενου πληθυσμού (Πίνακας 1) και β. σύμφωνα με τη συχνότητα χρήσης τους από τον πληθυσμό (Πίνακας 2), οι δε στάσεις των αστικών λεωφορείων σύμφωνα με το πλήθος των εξυπηρετούμενων γραμμών (Πίνακας 3). 4

Πίνακας 1. Κατηγοριοποίηση υπηρεσιών σύμφωνα με τις ομάδες ηλικιών εξυπηρετούμενου πληθυσμού Εκπαίδευση Υγεία-Πρόνοια Αθλητισμός Γενικές Υπηρεσίες Κατηγοριοποίηση υπηρεσιών ανά ομάδες ηλικιών Κωδικός Υπηρεσία 0-14 15-29 30-59 60-85+ 101 Νηπιαγωγεία 102 Δημοτικά 103 Γυμνάσια 104 Λύκεια 105 Πανεπιστήμιο 201 Νοσοκομείο 202 Δημοτικά Ιατρεία 203 Κρατικοί Παιδικοί Σταθμοί 204 ΚΑΠΗ 205 Κέντρα Νεολαίας 206 Πλατείες 207 Παιδικές Χαρές 301 Εθνικά & Δημοτικά Στάδια 302 Κλειστά Γυμναστήρια 303 Κολυμβ. & Ναυταθλ. Εγκατ. 304 Αθλητικά Κέντρα 305 Γήπεδα 401 Αστυνομία 402 Πυροσβεστική 403 Δικαστήρια 404 Δ.Ο.Υ. 405 Λιμενικές Αρχές 406 Δασικές Αρχές 407 Ταχυδρομεία Πίνακας 2. Κατηγοριοποίηση υπηρεσιών σύμφωνα με τις ομάδες συχνότητας χρήσης Εκπαίδευση Υγεία-Πρόνοια Αθλητισμός Γενικές Υπηρεσίες Κατηγοριοποίηση υπηρεσιών σύμφωνα με τη συχνότητα χρήσης τους Κωδικός Υπηρεσία Συχνότερα Συχνά Λιγότερο Συχνά 101 Νηπιαγωγεία 102 Δημοτικά 103 Γυμνάσια 104 Λύκεια 105 Πανεπιστήμιο 201 Νοσοκομείο 202 Δημοτικά Ιατρεία 203 Κρατικοί Παιδικοί Σταθμοί 204 ΚΑΠΗ 205 Κέντρα Νεολαίας 206 Πλατείες 207 Παιδικές Χαρές 301 Εθνικά & Δημοτικά Στάδια 302 Κλειστά Γυμναστήρια 303 Κολυμβ. & Ναυταθλ. Εγκατ. 304 Αθλητικά Κέντρα 305 Γήπεδα 401 Αστυνομία 402 Πυροσβεστική 403 Δικαστήρια 404 Δ.Ο.Υ. 405 Λιμενικές Αρχές 406 Δασικές Αρχές 407 Ταχυδρομεία Πίνακας 3. Κατηγοριοποίηση στάσεων αστικών λεωφορείων σύμφωνα με το πλήθος εξυπηρετούμενων γραμμών 1 η κατηγορία Στάσεις με 1 εξυπηρετούμενη γραμμή 2 η κατηγορία Στάσεις με 2-4 εξυπηρετούμενες γραμμές 3 η κατηγορία Στάσεις με 5-10 εξυπηρετούμενες γραμμές 4.3. Δημιουργία και χρήση ΓΣΠ Η δημιουργία του ΓΣΠ γίνεται με τη βοήθεια των λογισμικών Arc View 3.2 και Arc GIS 8.3. Για την κατασκευή της βάσης δεδομένων του ΓΣΠ πρέπει εκτός από τις χωρικές πληροφορίες των αντικειμένων που μελετώνται να δίνονται και περιγραφικές πληροφορίες που χαρακτηρίζονται ως γεωγραφικά δεδομένα και είναι τα εξής: ο πληθυσμός ανά οικοδομικό τετράγωνο, οι αντικειμενικές αξίες και οι υπηρεσίες. Ο πληθυσμός πρέπει να έχει καταχωρηθεί εξ αρχής σε ένα αρχείο βάσης δεδομένων όπου πρέπει να υπάρχει ο κωδικός που η ΕΣΥΕ έχει αποδώσει σε κάθε οικοδομικό τετράγωνο παράλληλα με την πληροφορία για τον πληθυσμό ανά οικοδομικό τετράγωνο. Οι υπηρεσίες για τις οποίες τα στοιχεία είναι πλήρη δηλαδή περιλαμβάνουν και την ακριβή διεύθυνσή τους εισάγονται στο ΓΣΠ με τη μέθοδο 5

της Γεωκωδικοποίησης (Geocoding) σύμφωνα με την οποία οι υπηρεσίες απεικονίζονται ως σημεία πάνω στο οδικό δίκτυο στη θέση που αντιστοιχεί στη διεύθυνσή τους. 4.4. Yπολογισμός αποστάσεων Το ζητούμενο είναι η μέτρηση της απόστασης μεταξύ κάθε οικοδομικού τετραγώνου (πολύγωνο) από τις υπηρεσίες (σημεία) με δεδομένη την παραδοχή ότι το οικοδομικό τετράγωνο αντιπροσωπεύεται από το κέντρο βάρους του (κεντροειδές centroid). Ως απόσταση μεταξύ δύο σημείων 1 και 2 υπολογίζεται η παραλληλογραμμική r m (Manhattan distance) που θεωρείται ικανοποιητική προσέγγιση της διανυόμενης δικτυακής και δίνεται από τον τύπο: = x x + y (2) r m 1 2 1 y2 4.5.Υπολογισμός υπηρεσιών σε ακτίνα R Η διαδικασία αυτή πραγματοποιείται δύο φορές, για δύο διαφορετικές ακτίνες R A = 500μ. και R B = 700μ. Που προκύπτουν από τον μέσο όρο των μέγιστων αποστάσεων που μπορούν να διανύσουν μαθητές για τη μετάβασή τους σε νηπιαγωγεία (400μ.) και δημοτικά σχολεία (800μ) με αντίστοιχη απόκλιση ± 100μ. 4.6. Ομαδοποίηση αποστάσεων Η ομαδοποίηση των ελάχιστων και μέσων αποστάσεων για κάθε κατηγοριοποίηση υπηρεσιών πραγματοποιείται με τη χρήση του στατιστικού λογισμικού SPSS 11.0. Τα αποτελέσματα της ομαδοποίησης που πραγματοποιήθηκε με τη βοήθεια του SPSS δίνουν πληροφορίες για τις τιμές των μεταβλητών στα κέντρα των clusters, τη συμμετοχή κάθε οικοδομικού τετραγώνου σε cluster καθώς και την απόσταση κάθε οικοδομικού τετραγώνου από το κέντρο του cluster στο οποίο ανήκει. Η διαβάθμιση των clusters γίνεται βάσει των τιμών των κέντρων και συγκεκριμένα για την ομαδοποίηση βάσει των ελάχιστων και μέσων αποστάσεων γίνεται σύμφωνα με τις τιμές των ελάχιστων αποστάσεων. 4.7. Ομαδοποίηση υπηρεσιών σε ακτίνα R A και R B Η ομαδοποίηση των υπηρεσιών σε ακτίνα R A και R B γίνεται όπως για τις αποστάσεις και για κάθε κατηγοριοποίηση υπηρεσιών. Στις ομαδοποιήσεις αυτές ο καθορισμός των clusters υψηλής, μέτριας και χαμηλής προσβασιμότητας γίνεται σύμφωνα με τη μεταβλητή που παρουσιάζει κοινή διαβάθμιση με τις περισσότερες μεταβλητές. Για παράδειγμα, από την ομαδοποίηση των υπηρεσιών σε ακτίνα R A ανά ομάδες συχνότητας χρήσης προκύπτουν οι Πίνακες 4 και 5: Πίνακας 4. Κέντρα των clusters ομαδοποίησης υπηρεσιών σε ακτίνα R A Clusters Συχνότητα χρήσης υπηρεσιών 1 2 3 Συχνότερα 3,5% 3,2% 3,3% Συχνά 4,5% 2,6% 6,7% Λιγότερο συχνά 11,1% 0,9% 26,1% Πίνακας 5. Διαβάθμιση των κέντρων των clusters για ομαδοποίηση υπηρεσιών σε ακτίνα R A Διαβάθμιση Συχνότητα χρήσης υπηρεσιών Υψηλά Μέτρια Χαμηλά Συχνότερα 1 3 2 Συχνά 3 1 2 Λιγότερο συχνά 3 1 2 Αφού γίνει και η διαβάθμιση των κέντρων των clusters επιλέγεται εκείνη η διαβάθμιση η οποία είναι κοινή για τις περισσότερες μεταβλητές. Ως υψηλής προσβασιμότητας λοιπόν θεωρείται το cluster 3, μέτριας το cluster 1 και χαμηλής το cluster 2. 6

4.8. Υπολογισμός ΔΧΣ Η δημιουργία ενός δείκτη προέκυψε από την ανάγκη ύπαρξης ενός μέτρου σύγκρισης μεταξύ χωρικών ενοτήτων αλλά και αξιολόγησής τους σύμφωνα με την ιδανική τιμή του δείκτη. Για τον υπολογισμό της τιμής του ΔΧΣ για κάθε οικοδομικό τετράγωνο είναι απαραίτητο κάθε οικοδομικό τετράγωνο να βαθμολογηθεί ως προς τη ΧΑ ΟΤ σύμφωνα με τη συμμετοχή του στα clusters των παρακάτω ομαδοποιήσεων (Πίνακας 6): Πίνακας 6. Στάθμιση βαθμολογίας ανά ομαδοποίηση Κατηγοριοποίηση υπηρεσιών Ομαδοποίηση σύμφωνα με Βάρος Ανά ομάδες ηλικιών Ανά συχνότητα χρήσης Στάσεων αστικών λεωφορείων ελάχιστη και μέση απόσταση 8/33 ποσοστά υπηρεσιών σε ακτίνα 500μ. 2/33 ποσοστά υπηρεσιών σε ακτίνα 700μ. 1/33 ελάχιστη και μέση απόσταση 8/33 ποσοστά υπηρεσιών σε ακτίνα 500μ. 2/33 ποσοστά υπηρεσιών σε ακτίνα 700μ. 1/33 ελάχιστη και μέση απόσταση 8/33 ποσοστά στάσεων σε ακτίνα 500μ. 2/33 ποσοστά στάσεων σε ακτίνα 700μ. 1/33 Η συμμετοχή ενός οικοδομικού τετραγώνου στο 1 ο cluster μιας ομαδοποίησης βαθμολογείται με 3, στο 2 ο cluster με 2 και στο 3 ο cluster με 1 και στη σταθμίζεται με τα αντίστοιχα βάρη που ορίζονται στον Πίνακα 6. Η ΧΑ ΟΤ κάθε οικοδομικού τετραγώνου προκύπτει τελικά από το άθροισμα των σταθμισμένων βαθμολογιών του για κάθε ομαδοποίηση και η μέγιστη χωροθετική αξία ανά οικοδομικό τετράγωνο προκύπτει από το άθροισμα των μέγιστων βαθμολογιών που θα μπορούσαν να εμφανιστούν για κάθε ομαδοποίηση (βαθμολογία 3 για κάθε ομαδοποίηση). 4.9. Χαρτογράφηση αποτελεσμάτων Τα αποτελέσματα των παραπάνω ομαδοποιήσεων χαρτογραφήθηκαν με σκοπό την απόκτηση μιας εποπτικής εικόνας του χώρου και φυσικά την εξαγωγή συμπερασμάτων. Στον Πίνακα 7 καταγράφονται τα ποσοστά των οικοδομικών τετραγώνων της περιοχής μελέτης που συμμετέχουν στα clusters κάθε ομαδοποίησης: Πίνακας 7. Συγκεντρωτικά αποτελέσματα των ομαδοποιήσεων για τις τρεις κατηγοριοποιήσεις Ποσοστό οικοδομικών τετραγώνων ανά cluster προσβασιμότητας για κάθε ομαδοποίηση Ομαδοποίηση ανά ηλικίες Ομαδοποίηση ανά συχνότητα χρήσης Ομαδοποίηση ανά στάσεις αστικών λεωφορείων Προσβασιμότητα ελάχιστης και μέσης απόστασης υπηρεσιών σε ακτίνα R A υπηρεσιών σε ακτίνα R B ελάχιστης και μέσης απόστασης υπηρεσιών σε ακτίνα R A υπηρεσιών σε ακτίνα R B ελάχιστης και μέσης απόστασης στάσεων σε ακτίνα R A στάσεων σε ακτίνα R B Υψηλή 57,4% 8,9% 19,2% 57,3% 2,5% 1,7% 58,4% 10,2% 12,5% Μέτρια 34,9% 42,8% 53,7% 34,7% 16,4% 11,7% 36,1% 19,1% 27,0% Χαμηλή 7,6% 48,3% 27,1% 8,0% 81,1% 86,6% 5,5% 70,7% 63,5% Είναι προφανές ότι για τις ομαδοποιήσεις βάσει της ελάχιστης και μέσης απόστασης, το cluster υψηλής προσβασιμότητας συγκεντρώνει τα περισσότερα οικοδομικά τετράγωνα (57,4%, 57,3% και 58,4%). Όσον αφορά στις ομαδοποιήσεις βάσει των υπηρεσιών και στάσεων είναι εμφανής η αύξηση των οικοδομικών τετραγώνων που ανήκουν στο cluster υψηλής προσβασιμότητας ενώ αυξάνεται η ακτίνα από R A σε R B, κάτι που άλλωστε είναι αναμενόμενο. Μόνο για τις ομαδοποιήσεις ανά συχνότητα χρήσης δεν παρατηρείται η αύξηση αυτή αλλά απεναντίας εμφανίζεται μία μικρή μείωση των των οικοδομικών τετραγώνων στα δύο πρώτα clusters και μία μικρή αύξηση στο τελευταίο. 4.9.3. Συμπεράσματα από τη χαρτογράφηση των τιμών του συνδυαστικού χωροθετικού δείκτη Οι τιμές του συνδυαστικού χωροθετικού δείκτη υπολογίζονται για κάθε οικοδομικό τετράγωνο της περιοχής μελέτης και προκύπτουν τρεις ομάδες οικοδομικών τετραγώνων ανάλογα με τις τιμές του δείκτη που εμφανίζουν (<1, 1 και >1). Στη συνέχεια γίνεται μία συνδυαστική χαρτογραφική απεικόνιση των τιμών του δείκτη και του πληθυσμού ανά οικοδομικό τετράγωνο (Σχήμα 3). 7

Σχήμα 4. Χαρτογραφική απεικόνιση τιμών ΔΧΣ και πληθυσμού ανά οικοδομικό τετράγωνο Οι τιμές του δείκτη που κυμαίνονται μεταξύ 0,98 και 1,019 και υποδηλώνουν πως η σχετική χωροθετική αξία είναι σχεδόν ίση με τη σχετική αντικειμενική αξία εμφανίζονται σε μικρό τμήμα του κέντρου της πόλης και σε περιοχές που βρίσκονται πιο περιφερειακά. Στον Πίνακα 10 περιλαμβάνονται τα ποσοστά % των οικοδομικών τετραγώνων (επί του συνόλου της περιοχής μελέτης) που εμφανίζονται για κάθε συνδυαστική διαβάθμιση τιμών δείκτη και πληθυσμού: Πίνακας 10. Ποσοστά οικοδομικών τετραγώνων ανά ομάδες τιμών ΔΧΣ και πληθυσμού Πληθυσμός ανά οικοδομικό τετράγωνο (κάτοικοι) Τιμές δείκτη χωροθετικής σύγκλισης 0,010-0,979 0,980-1,019 τιμές > 1,019 0 6,3% 0,8% 3,0% 1-49 44,4% 9,9% 17,8% 50-98 9,0% 3,6% 3,7% 99-147 1,0% 0,3% 0,2% Το υψηλότερο ποσοστό οικοδομικών τετραγώνων παρουσιάζει τιμές δείκτη<0,98 και χαμηλό πληθυσμό (1-49 κατοίκους) ενώ το χαμηλότερο ποσοστό εμφανίζει τιμές δείκτη>1,019 και υψηλό πληθυσμό (99-147 κατοίκους). Επίσης, για τις τρεις πρώτες ομάδες τιμών πληθυσμού, τα χαμηλότερα ποσοστά εντοπίζονται στις τιμές του δείκτη 1 ενώ τα υψηλότερα σε τιμές<1. Το γεγονός αυτό δείχνει πως τα περισσότερα οικοδομικά τετράγωνα της περιοχής μελέτης παρουσιάζουν μικρότερη ΧΑ ΟΤ από τη σχετική τους ΑΑ ΟΤ και πως τα οικοδομικά τετράγωνα που παρουσιάζουν τιμές δείκτη 0,98 1,019 (σχεδόν ταύτιση της σχετικής ΧΑ ΟΤ με τη σχετική ΑΑ ΟΤ ) είναι τα λιγότερα για πληθυσμό μέχρι και 98 κατοίκους. 5. Συμπεράσματα-προοπτικές Το προτεινόμενο μεθοδολογικό πλαίσιο της παρούσας εργασίας στοχεύει στην ανάλυση της κατανομής προσβασιμότητας των πολιτών στις δημόσιες υπηρεσίες των αστικών περιοχών καθώς και στη συσχέτιση της με την κατανομή των αντικειμενικών αξιών γης. Η εστίαση στις υπηρεσίες του δημόσιου τομέα 8

γίνεται δεδομένου ότι πάντοτε η μελέτη φαινομένων που σχετίζονται με την ευημερία του ανθρώπου παρουσιάζουν ξεχωριστό ενδιαφέρον. Δεδομένου λοιπόν του ενδιαφέροντος των αρμοδίων σχεδιασμού των δημοσίων υπηρεσιών, τα αποτελέσματα της εργασίας αυτής αναμένεται να αποδειχθούν χρήσιμα ως βοήθημα στη διαδικασία λήψεως αποφάσεων. Το μεθοδολογικό πλαίσιο που εφαρμόζεται στην παρούσα εργασία εστιάζει στον υπολογισμό δύο στοιχείων τα οποία καταλήγουν τελικώς στη δημιουργία ενός δείκτη. Τα στοιχεία αυτά είναι η χωροθετική αξία και η αντικειμενική αξία ανά οικοδομικό τετράγωνο. Η έννοια της χωροθετικής αξίας υποδηλώνει το βαθμό πρόσβασης κάθε οικοδομικού τετραγώνου στις δημόσιες υπηρεσίες και η αντικειμενική αξία ουσιαστικά συμπίπτει με την αντικειμενική αξία γης. Ο δείκτης χωροθετικής σύγκλισης που χτίζεται βάσει αυτών των δύο στοιχείων υποδηλώνει τελικά σε ποιο βαθμό η χωροθετική αξία αναλογεί στην αντικειμενική αξία που εμφανίζεται ανά οικοδομικό τετράγωνο. Συνοψίζοντας, πρέπει να τονιστεί πως τα αποτελέσματα της εργασίας αυτής μπορούν να φανούν ιδιαίτερα χρήσιμα σε μία διαδικασία σχεδιασμού ή επανασχεδιασμού του δικτύου των δημοσίων υπηρεσιών παρέχοντας μία συνολική εικόνα η οποία μπορεί ανά πάσα στιγμή να αναλυθεί και να αποκτήσει διαφορετικό σημείο εστίασης καθώς επίσης και να επικαιροποιηθεί σε διαφορετικές χρονικές στιγμές παρέχοντας με αυτόν τον τρόπο ακόμη πιο πλούσια συμπεράσματα. Τέλος, θα πρέπει να τονιστεί πως μία ακόμη λεπτομερέστερη συλλογή και επεξεργασία δεδομένων όπως για παράδειγμα ο πληθυσμός ανά ομάδες ηλικιών για κάθε οικοδομικό τετράγωνο ή η μέτρηση αποστάσεων δικτύου μπορεί να αυξήσει το ενδιαφέρον της εργασίας και να αποδώσει αποτελέσματα που να προσεγγίζουν ακόμη περισσότερο την πραγματικότητα. Βιβλιογραφία Κουτσόπουλος, Κ., 1990: Γεωγραφία: Μεθοδολογία και Μέθοδοι Ανάλυσης Χώρου. Εκδόσεις Συμμετρία, Αθήνα. Aldenderfer, M.S. and Blashfield, R.K., 1984/1991: Cluster Analysis (Series: Quantitative Applications in the Social Sciences). SAGE Publications, California. Aronoff, S., 1989/1991/1993: Geographic Information Systems: A Management Perspective. WDL Publications, Ottawa. Bailey, T. and Gatrell, A., 1995/1996: Interactive Spatial Data Analysis. Longman, Essex. Birkin, M., Clarke, G.,Clarke, M. and Wilson, A., 1996: Intelligent GIS: Location decisions and strategic planning. Pearson Professional, Glasgow. Dueker, K. and McDonald Jampoler, S., 2002: Global Urban Quality: An Analysis of Urban Indicators Using Geographic Information Science. Final Report To U.S. Department of Housing and Urban Development Office of Policy Development and Research HUD Project H-21260CA (http://www.cobblestoneconcepts.com/ucgis2hud/finalhudrpt/ken-ver2.pdf) Fotheringham, S. and Rogerson, P., 1994: Spatial Analysis and GIS. Taylor & Francis, London. Ghosh, A. and Rushton, G., 1987: Spatial Analysis and Location Allocation Models. Van Nostrand Reinhold Company, New York. Ikporukpo, C. O., 1987: An analysis of the accessibility of public facilities in Nigeria. Socio-Economic Planning Sciences, 21, 61-69. Jahan, S. and Oda, T., 1999: Distribution of Public Facilities in Dhaka, Bangladesh: A Spatial Analysis (http://www2.kobe-u.ac.jp/~oda/jahan&oda.pdf) Jones, C., 1997: Geographical Information Systems and Computer Cartography. Longman, Essex. Martin, D., 1991: Geographic Information Systems and their Socioeconomic applications. Routledge, New York. Meadows, D., 1998: Indicators and Information Systems for Sustainable Development: A report to the Balaton Group, Hartland Four Corners: The Sustainability Institute Pizzolato, N. and Fraga Da Silva, H., 1997: The location of public schools: Evaluation of practical experiences, International Transactions in Operational Research, 4, 13-22. Rogerson, P., 2001: Statistical Methods for Geography. SAGE Publications, London. Van Kamp, I., Leidelmeijer, K., Marsman, G. and De Hollander, A., 2003: Urban environmental quality and human well-being: towards a conceptual framework and demarcation of concepts; a literature study, Landscape and Urban Planning, 65, 5-18. Worrall, L., 1991: Spatial Analysis and Spatial Policy using Geographic Information Systems. Belhaven Press, London. 9