Určování dopravní dostupnosti pro dojížďku do zaměstnání při individuální neveřejné dopravě Ing. Tomáš Peňáz, Ph.D. - Doc.Dr.Ing. Jiří Horák Institut geoinformatiky VŠB - Technická univerzita Ostrava tř. 17. listopadu 708 33 Ostrava - Poruba E - mail:
[email protected],
[email protected]
Abstract Transport accessibility of employers from the living areas of their employees is one of many ways how to characterize the situation in the labour-market in a specific region or land area. Transport accessibility can be evaluated by many methods. One of them is based on the spatial analysis of time accessibility specifying within the laboratory conditions. This paper deals with the target of the shortest path finding. The beginning hypothesis thought about the employee’s travelling to work by his own car. This analysis was applied to the finding of the time accessibility of all evaluated areas, which are in fact the parts of municipalities. The shortest route values found by this method were summarized for each locality in the chosen area and thanks to this operation the complex indicator of the traffic accessibility quality was done. Finding values of the shortest route that was assessed as to the time consuming level, and then they were summarized for each locality of the selected area. By this the time accessibility was reached and it can be considered as the complex indicator which shows the level of the traffic accessibility of an appropriate locality. Following analysis should compare found data to values describing an unemployment level or to the other labour-market indicators.
Abstrakt Dopravní dostupnost zaměstnavatelů z míst výskytu disponibilní pracovní síly je jedním z mnoha způsobů charakterizování stavu trhu práce v určitém územním celku. Dopravní dostupnost lze hodnotit řadou metod. Jedna z nich předpokládá zhodnocení časové dostupnosti v laboratorních podmínkách metodami prostorové analýzy. Z možných způsobů zjišťování časové dostupnosti rozpracovává příspěvek úlohu hledání nejkratší cesty. Ta byla aplikována pro předpoklad, že zaměstnanec dojíždí do zaměstnání formou individuální neveřejné dopravy, tedy osobním automobilem. Analýza byla aplikována pro stanovení nejkratší cesty mezi všemi hodnocenými lokalitami, jimiž jsou části obcí. Takto nalezené hodnoty nejkratší cesty, posuzované z hlediska času, pak byly pro každou lokalitu ve vybraném území sumarizovány a tím byla získána časová dostupnost - souhrnný ukazatel, vypovídající o úrovni dopravní dostupnosti jednotlivých zpracovávaných lokalit. Následná analýza by měla zjištěná data porovnat s hodnotami vypovídajícími o míře nezaměstnanosti a případně s dalšími ukazateli popisujícími trh práce.
Dopravní dostupnost ve vztahu k situaci trhu práce Velmi důležitými atributy trhu práce jsou umístění zaměstnavatelů a výskyt disponibilní pracovní síly. Jak zaměstnavatelé tak také pracovní síla jsou vázány k určitým geografickým objektům, nacházejícím se v odpovídající lokalitě. Těmito objekty jsou nejčastěji sídla, případně i jiné lokality uvnitř někdy i vně sídel. Dosažitelnost zkoumaných lokalit s nabídkou práce, posuzovaná s ohledem na možný přesun pracovní síly z lokalit s poptávkou po práci, spoluvytváří obraz o situaci na pracovním trhu. Určitá část přesunu
pracovní síly do zaměstnání a zpět se děje s využitím individuální neveřejné dopravy. Pod pojmem individuální neveřejná doprava rozumějme dopravu, kterou využívají občané při cestování soukromými dopravními prostředky, především osobními automobily. S ohledem na nepříznivý vývoj reformy veřejné hromadné dopravy a s tím spojené dopravní obslužnosti v celé řadě regionů, který se projevil v období ekonomické a společenské transformace v posledních 14 letech, získala individuální neveřejná doprava nebývale významné postavení. To se projevuje rovněž při dopravě zaměstnanců do zaměstnání. Pro celou řadu zaměstnanců sehrává tento způsob dopravy do zaměstnání významnou roli.
Cílem tohoto příspěvku je blíže představit jeden z možných způsobů hodnocení vzájemné dosažitelnosti většího množství lokalit rozmístěných v zájmovém území. Takové hodnocení je jedním z mnoha možných způsobů, kterými lze kvantitativně vyjádřit ukazatele, mající vliv na stav trhu práce ve zkoumaném území.
Dopravní dostupnost s využitím individuální neveřejné dopravy Mezi často používané geografické analýzy patří nepochybně zjišťování dopravní dostupnosti geografických objektů. S ohledem na možnosti a potřeby zpracovatele takové analýzy lze vzdálenosti měřit s využitím tradiční metriky, ale též s ohledem na další parametry, jimiž jsou čas a cena dopravy či přesunu z jedné lokality do lokality druhé. Předpokládá se, že člověk cestující pravidelně mezi dvěma místy s využitím osobního automobilu, volí ze všech možností takovou trasu, která je nejkratší jednak s ohledem na ujeté kilometry, ale především s ohledem na spotřebovaný čas. Relativně přesné experimentální zjišťování cestní i časové vzdálenosti je v reálných podmínkách možné, avšak z ekonomických důvodu se prakticky uskutečňuje pouze v omezeném rozsahu a to většinou jako komplementární činnost spojená s přesuny probíhajícími ve skutečné dopravní síti. Jako příklad zjišťování lze uvést zjišťování údajů o tzv. dojezdových časech bezpečnostních a záchranných složek (záchranné služby, hasiči, policie) na místo události. Zaznamenávání dojezdových časů se uskutečňuje na základě statistických šetření, přičemž povinnost sledování výše uvedených časových údajů zpravidla vyplývá z legislativy. Při znalosti podmínek, za nichž se dojezd na místo události uskutečnil, je možno tato data použít pro srovnání s údaji získanými vyhodnocením s pomocí analytických metod popisovaných v dalších pasážích tohoto příspěvku. Tímto konkrétním srovnáním se však příspěvek nezabývá. Tyto typy geografických analýz však lze s výhodou provést v prostředí vektorového modelu dopravní sítě s využitím teorie grafů. V uvedené souvislosti se často hovoří o síťových analýzách, opírajících se o propracovanou teorii a odpovídající matematický aparát [1]. Síťové analýzy patří do početné a rozmanité skupiny metod pro prostorovou analýzu dat. Funkčnost založenou na principech síťové analýzy nabízí případnému zájemci řada programových produktů, které se v současnosti využívají pro manipulaci s prostorovými daty. Důležitými parametry používanými při tomto typu analýz jsou zpravidla tzv. vzdálenostní operátory, které umožňuji odvodit dostupnost objektu či lokality na základě způsobu měření vzdálenosti v používaném typu prostoru. S ohledem na zadání, se tento příspěvek dále zabývá analyzováním časové dostupnosti.
Časová dostupnost lokality se hodnotí mírou časové dostupnosti, která vyjadřuje celkovou dobu potřebnou pro cestování ze zkoumané lokality do všech cílů hvězdicovým způsobem. Časová dostupnost se zjišťuje zpravidla pro více zkoumaných lokalit současně a význam pak má především srovnání tohoto ukazatele pro tyto lokality. Nejnižší hodnota vyjadřuje nejlepší časovou dostupnost [1].
kde:
D it
míra časové dostupnosti v místě i
tij
doba nejkratšího přesunu z místa i do místa j
j
index cíle
Metody analýzy dopravní dostupnosti Dopravní dostupnost a uvedené ukazatele její kvality je možno analyzovat v prostředí programových produktů, podporujících síťové analýzy nad liniovým modelem dopravní sítě. Vzhledem k tomu, že princip zjišťování obou ukazatelů je podobný, lze je analyzovat s využitím některé z následujících úloh: z z
alokace zdrojů hledání nejkratší cesty
Výsledkem úlohy alokace zdrojů je nalezení a vyznačení části síťové struktury (dopravní, energetické, produktovodní, …) v okolí tzv. centra, tedy v okolí požadované lokality. Nalezená a vyznačená část sítě musí splňovat primární požadavek, spočívající ve schopnosti absorbovat nabídku určitého množství specifické komodity, kterou centrum produkuje (elektrická energie, pitná voda, kapacita školního zařízení, apod.). To však není podstatná funkce uvedené úlohy, která by vypovídala o časové dostupnosti. V některých implementacích algoritmu pro řešení úlohy alokace zdrojů je však možno zadat doprovodný parametr, který omezuje vzdálenost od centra, při jejímž dosažení se výběr segmentů sítě v tomto směru ukončí. Tato omezující podmínka reflektuje způsob ohodnocení segmentů a uzlů grafu, tedy například určuje maximální možný čas akceptovatelný pro dopravu komodity z centra na místo spotřeby a zpět. Některé implementace algoritmu umožňují eliminovat primární parametr vyjadřující kvantitu produkované komodity. Tím se stává dominantní parametr omezující vzdálenost, čehož lze využít při analyzování dopravní dostupnosti, například z hlediska času. Výše uvedenými možnostmi disponují například programový modul Network Analyst patřící k ArcView GIS 3.x a modul Network, který je součástí rozsáhlého produktu ArcGIS 8.x Workstation a další). Tento příspěvek se využitím alokačních algoritmů pro hodnocení dopravní dostupnosti dále nezabývá.
Alokace zdrojů Výsledkem úlohy alokace zdrojů je nalezení a vyznačení části síťové struktury (dopravní, energetické, produktovodní, …) v okolí tzv. centra, tedy v okolí požadované lokality. Nalezená a vyznačená část sítě musí splňovat primární požadavek, spočívající ve schopnosti absorbovat nabídku určitého množství specifické komodity, kterou centrum produkuje (elektrická energie, pitná voda, kapacita školního zařízení, apod.). To však není podstatná funkce uvedené úlohy, která by vypovídala o časové dostupnosti. V některých implementacích algoritmu pro řešení úlohy alokace zdrojů je však možno zadat doprovodný parametr, který omezuje vzdálenost od centra, při jejímž dosažení se výběr segmentů sítě v tomto směru ukončí. Tato omezující podmínka reflektuje způsob ohodnocení segmentů a uzlů grafu, tedy například určuje maximální možný čas akceptovatelný pro dopravu komodity z centra na místo spotřeby a zpět. Některé implementace algoritmu umožňují eliminovat primární parametr vyjadřující
kvantitu produkované komodity. Tím se stává dominantní parametr omezující vzdálenost, čehož lze využít při analyzování dopravní dostupnosti, například z hlediska času. Výše uvedenými možnostmi disponují například programový modul Network Analyst patřící k ArcView GIS 3.x a modul Network, který je součástí rozsáhlého produktu ArcGIS 8.x Workstation a další). Tento příspěvek se využitím alokačních algoritmů pro hodnocení dopravní dostupnosti dále nezabývá.
Hledání nejkratší cesty Různé implementace algoritmů pro hledání nejkratší cesty poskytují výstupy poněkud jiné, neboť najdou v síti nejkratší spojení mezi dvěma předem specifikovanými místy (nejčastěji mezi uzly sítě), cestu označí a zjistí celkovou vzdálenost mezi uzly. Při analýze uskutečněné jak v tradičním tak také v „časovém“ prostoru je tato zjištěná vzdálenost vyjádřena délkou nalezené cesty nebo časem, potřebným pro její překonání. Z pohledu zadání byla úloha hledání nejkratší cesty klíčovou a dopravní dostupnost pro dojížďku do zaměstnání při individuální neveřejné dopravě byla zjišťována s jejím využitím. Programové prostředky disponující výše popsanou funkčností umožňují zadávat vstupní parametry buď interaktivně prostřednictvím menu, což je vhodné především pro hledání cesty mezi relativně malým počtem lokalit, nebo dávkově pomocí vstupních dat – parametrů ve formě textového nebo databázového souboru. Při počtu obcí v řádech jednotek se jedná o úlohu, kterou je možno zvládnout posloupností interaktivně prováděných dílčích analýz bez automatizovaného zpracování. V případě, že počet obcí je v řádech desítek, stává se úloha prakticky neproveditelnou bez značného podílu automatizace především při přípravě souboru se vstupními parametry.
Použité programové vybavení Zpracování dat a experimenty, na základě nichž byl zpracován tento příspěvek, byly prováděny v prostředí programových produktů: z z
ArcGIS 8.2 (Workstation) ArcView GIS 3.3
Programový balík ArcGIS 8.2 Workstation (dříve ARCINFO), konkrétně jeho moduly ARC, ARCPLOT, ARCEDIT a NETWORK, byly využity pro k vyhledání nejkratšího spojení mezi požadovanými částmi obcí, potažmo tedy ke zkoumání dopravní dostupnosti. Modul Network využívá k řešení úlohy hledání nejkratší cesty Dijkstrova algoritmu [8]. Produkt ArcView 3.2a byl využíván především k operativní kontrole výsledků analýz a pro editaci popisné složky vstupních geodat.
Použitá geodata Klíčovou roli v procesu popisované prostorové analýzy sehrála geodata, představující lokality s umístěním zaměstnavatelů a pracovní síly. Tyto lokality byly reprezentovány bodovými daty, kde jednotlivé geoprvky vyjadřují části obcí okresu Bruntál. Souřadnice těchto bodů odpovídaly těžištím polygonů představujícím části obcí. Rozhodující význam pro provádění síťových analýz mají data reprezentující síť pozemních silničních komunikací. Tato data byla převzata z databáze DMÚ25 a následně upravena pro další analýzy.
Příprava geodat V případě analýzy popisované v dalším textu, byla zkoumána časová dostupnost 165 částí obcí a to, metodou hledání nejkratší cesty mezi dvojicemi částí obcí. Uvedené zadání napovídá, že při vzájemném zjišťování časové dostupnosti mezi 165 částmi obcí bude třeba nalézt značné množství spojení.
Výpočtem jednoduché kombinatorické úlohy lze zjistit, že se jedná o 13530 jednosměrných spojení, která mají být algoritmem vyhledávána. To ovšem vyžaduje zadání velkého počtu (rovněž 13530) N-tic vstupních parametrů, které by nebylo reálné bez odpovídající automatizace při přípravě vstupních dat.
Obr.1 Znázornění částí obcí v okresu Bruntál S ohledem na postup při zjišťování časové dostupnosti je možné přípravu geodat rozdělit do dvou stadií: z
výběr a ohodnocení liniových segmentů modelu dopravní sítě
z
příprava vstupních parametrů pro dávkové zpracování geodat
Výběr a ohodnocení liniových segmentů modelu dopravní sítě Analýza časové dostupnosti částí obcí okresu Bruntál byla provedena pro předpoklad využití individuální dopravy, tedy dopravy zaměstnanců vlastním automobilem. Z této podmínky vychází rovněž ohodnocení segmentů grafu impedancí, vyjadřující čas potřebný pro osobní automobil k překonání tohoto segmentu rychlostí, která se co nejvíce přibližuje realitě a zároveň je v souladu s dopravními předpisy. Data pro model dopravní sítě byla nejprve připravována na základě dříve vyzkoušeného postupu [4] a výběr požadovaných liniových segmentů z vrstvy komunikací byl proveden na základě dotazu s využitím číselníku „kom.tuc“, který vypovídá o dopravním využití jednotlivých liniových segmentů. Do výsledného
modelu byly vybrány linie s dopravním využitím, které je zvýrazněno v níže uvedeném číselníku (tabulka č.1). Takto vybrané liniové segmenty však nedostatečně reprezentují silniční síť, na níž měla být analýza prováděna, neboť výběr neobsahuje například mosty a tunely. V důsledku těchto nedostatků se nepodařilo zajistit spojitost grafu, což se projevovalo nemožností zjistit dopravní spojení mezi většinou dvojic požadovaných lokalit. Některé části sítě byly tedy izolované. Kvalita údajů tematické složky popisu liniových geoprvků (katalog topografických objektů) tedy neumožňovala jednoznačný a úplný výběr chybějících segmentů sítě. Příprava dat pro liniový model dopravní sítě by tedy vyžadovala dlouhodobou práci, spočívající v detailní kontrole linií a v manuálním výběru chybějících segmentů.
Kód
Způsob využití komunikace
002
dálniční typ
003
železnice
006
ulice
007
hlavní průjezd
020
letiště
201
pouliční dráha
202
vlečka
203
metro
204
účelová komunikace
205
zpevněná cesta
206
silnice 1. kategorie
207
silnice 2. kategorie
999
jiné
Tabulka 1. Číselník „kom.tuc“ způsobů využití komunikací. Pro účely dalších analýz měla být proto převzata liniová vrstva připravená, v rámci diplomové práce [6], ing. Ondřejem Rennerem. Tato data vznikala po dobu dvou let, ze stejných zdrojových dat (DMÚ 25) pro účely síťových analýz realizovaných pro potřeby integrovaného záchranného systému. Za dobu zpracování prošla tato data kontrolou, která umožnila odstranit mnoho chyb a zajistit tak spojitost grafu především výběrem segmentů, představujících (v tabulce č.1) popsané způsoby využití komunikací. Liniová vrstva, zpracovaná Rennerem, obsahuje navíc i zpevněné a účelové komunikace, které měly být z větší části snadno odstraněny na základě dotazu. Hodnoty identifikátorů takto upravených geoprvků však z neznámých důvodů neodpovídaly všem hodnotám původních identifikátorů a proto nebylo možno všem geoprvkům přiřadit odpovídající způsob využití, uvedený v číselníku „kom.tuc“ a následně stanovit průměrnou dopravní rychlost. Pro účely dalších analýz v řešeném území byl proto převzat kompletní soubor pozemních komunikací z databáze DMÚ 25. Ohodnocení liniových segmentů bylo provedeno na základě výběrů požadovaných linií (tabulka č.1). S ohledem na způsob využití komunikace byl každé linii vypočten a přiřazen čas (v sekundách), potřebný na překonání vzdálenosti – délky linie, při průměrné dopravní rychlosti stanovené tabulkou č. 2. Ostatní typy komunikací, u nichž se nepředpokládalo, že by byly algoritmem vybrány do nejkratší cesty, byly ohodnoceny časovým údajem odpovídajícím průměrné dopravní rychlosti 30 km.h-1.
Neodmyslitelnou činností spojenou s přípravou modelu sítě je ohodnocení linií impedancemi představujícími časy potřebné pro překonání délky segmentu. Průměrná rychlost pro jízdu na jednotlivých úsecích byla převzata na základě informace poskytnuté ing. Jiřím Datinským z oddělení dopravní a technické koncepce útvaru hlavního architekta na Magistrátu města Ostravy.
Způsob využití komunikace
Průměrná dopravní rychlost [km.hod-1]
dálniční typ
85
silnice 1. kategorie
75
silnice 2. kategorie
55
hlavní průjezd
40
ulice
35
jiné
30
Tabulka 2. Rychlosti jízdy použité na vybraných typech komunikací Datový model, používaný pro síťové analýzy v prostředí produktu ArcGIS Workstation, umožňuje ohodnotit každý segment dvěma odlišnými hodnotami impedance, kde první hodnota impedance se vztahuje ke směru od počátku ke konci segmentu a druhá hodnota impedance platí pro směru opačném. Tím je možno do určité míry zohlednit anizotropii, která se v praxi projevuje například odlišnou rychlostí jízdy po silnici ve směru z kopce od rychlosti dosažitelné na stejném segmentu sítě při jízdě ve směru do kopce. Možnost uplatnění anizotropie prozatím nebyla využita, neboť by to vyžadovalo znalost podstatně většího množství relevantních údajů o použitelné dopravní rychlosti. Impedance, tedy časy vypočtené z průměrné rychlosti a z délky odpovídající linie byly uloženy do atributové tabulky linií (AAT) do pole „seconds“.
Příprava vstupních parametrů pro dávkové zpracování geodat V modelu dopravní sítě je možno zohlednit také čekání na některých zastávkách včetně zástavky na níž cesta začíná. Tato doba je spolu s dobou jízdy a s dobou zdržení při odbočování na křižovatkách důležitým kriteriem pro vyhledání časově nejvýhodnější cesty a v součtu je jako tzv. kumulativní impedance zapisována do speciální tabulky (STP), obsahující vstupní a výstupní informace pro hledané cesty. Poloha tzv. zastávek, tedy bodů, mezi nimiž se v síťovém modelu hledá nejkratší cesta, musí být určena polohou uzlu sítě, neboť nejkratší cesta se zjišťuje mezi dvěma uzly. Body, představující části obcí (vrstva „cobj“), je tedy možno použít k orientaci při vyhledávání uzlů sítě, které budou části obcí následně reprezentovat. Tuto činnost je nutno provést postupným vyhledáním vhodných uzlů sítě a zapsáním identifikátoru uzlu do atributové tabulky bodové vrstvy představující části obcí. V tomto případě se jedná o zjištění identifikátorů vhodných uzlů a jejich zapsaní do atributové tabulky pro 165 bodů. Popsané zpracování není možno provádět automatizovaně, protože nalezení nejbližšího vhodného uzlu vyžaduje vizuální posouzení. Jednotlivá pole atributové tabulky „Cobj.pat“ mají následující význam: z
Area – rozloha – výměra (pro bodové geoprvky nulová),
z
Perimeter – obvod plochy (pro bodové geoprvky nulový),
z
Cobj# – systémový (vnitřní) identifikátor geoprvku,
z
Cobj-id – uživatelský identifikátor geoprvku,
z
Kodob – identifikátor obce,
z
Kodcob – identifikátor části obce,
z
Nazcob – název části obce,
z
Kodok – identifikátor okresu,
z
Bruntal-id– identifikátor (z atributové tabulky uzlů „bruntal.nat“) zastupujícího uzlu na síti,
V modelu dopravní sítě je možno zohlednit rovněž čekání resp. zpoždění při odbočování vlevo resp. vpravo na některých křižovatkách a také v uzlu zablokovat vstup do některého segmentu sítě (impedance se záporným znaménkem - „zákaz vjezdu“). To lze provést ohodnocením všech nebo jen části uzlů impedancemi, představujícími dobu čekání. Uplatnění těchto možností vyžaduje vygenerování souboru odbočení (TRN – z angl. „turn file“) a ohodnocení příslušných uzlů hodnotami impedance. Tyto možnosti byly použity pouze ve velice omezené míře, a to pro zablokování vybraných komunikací ve směru do Polska a zpět, neboť se předpokládá, že časová dostupnost obcí bude zkoumána bez možnosti vedení cesty přes Polsko. Takový počet dílčích hledání nejkratší cesty je možno provést dávkově za předpokladu, že použitý programový produkt možností dávkového zpracování disponuje a jestliže jsou připravena vstupní data. Ta se zadávají prostřednictvím tzv. souboru zastávek (zkr. STP podle angl. „stop file“), který je nutno vytvořit podle doporučených požadavků na strukturu a naplnit jej povinnými a případně i nepovinnými údaji o počátečních a koncových zastávkách hledaných tras. Mezi povinné údaje patří čísla zastávek, čísla hledaných tras a pořadí v němž jsou dvě zkoumané zastávky algoritmem zpracovávány. Další pole této tabulky mohou obsahovat nepovinné údaje, které jsou patrné z ukázky tabulky č. 3. Mezi ně patří další byly využity impedance pro zastávky a příprava pole pro kumulovanou impedanci (celkový čas pro cestu z počáteční do koncové zastávky [s]). Počáteční obsah souboru se generuje programovou aplikací GenerZastavek.aml, která je uvedena v příloze č.1.
Bruntal-id In_order Route_id Stop_imp Transfer Out_order Cumul_imp Cumul_trans 31397
1
1
0
0
0
0
0
10659
2
1
0
0
0
5888
0
31397
1
2
0
0
0
0
0
19707
2
2
0
0
0
2273
0
31397
1
3
0
0
0
0
0
35783
2
3
0
0
0
935
0
31397
1
4
0
0
0
0
0
8232
2
4
0
0
0
5444
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Tabulka 3. Ukázka souboru zastávek - tabulka „spojení.stp“ Jednotlivá pole atributové tabulky „spojení.stp“ mají následující význam: z
Bruntal-id– identifikátor uzlu v síti zastupujícího konkrétní část obce,
z
In_order – pořadí zastávek (počáteční a koncová),
z
Route_id – číslo nalezeného nejkratšího spojení (nejrychlejší trasy),
z
Stop_imp – zpoždění v počátečním bodu (v analýze nebylo zohledněno),
z
Transfer – množství naloženého nákladu (komodity),
z
Cumul_imp– kumulativní hodnota vyjadřující dobu jízdy (pro nejrychlejší trasu),
z
Cumul_trans– celkové množství přepraveného nákladu (komodity),
Vyhledání nejkratších cest Příprava tabulky se vstupními parametry (tabulka č.3) vyžadovala čas řádově desítek minut běhu programové aplikace speciálně vytvořené k tomuto účelu. Nalezení a označení 13530 nejkratších cest proběhlo řádově v jednotkách minut. Toto velice jednoduché srovnání platí s ohledem na použitou techniku. Jednalo se o PC, Pentium 4 (2,4 GHz), 256 MB RAM, s operačním systémem Windows 2000 Professional, nezatížené jinými úlohami. Jako příklad následuje postup pro spuštění úlohy v prostředí ArcGIS 8.3 workstation: Arcplot: NETCOVER bruntal spojeni Arcplot: STOPS bruntal.stp in_order route_id stop_imp transfer # cumul_imp Arcplot: IMPEDANCE from_to_imp to_from_imp turn_imp Arcplot: PATH STOPS
Parametry použité v příkazech představují: z
bruntal – datová vrstva (coverage) reprezentující model silniční sítě,
z
spojeni – pojmenování datové struktury pro uložení výsledku analýzy hledání nejkratší cesty resp. nejkratších cest,
z
bruntal.stp– soubor pro zadaní vstupních parametrů zastávek uživatelem a pro uložení části výstupních hodnot programem provádějícím analýzu,
z
in_order – pole tabulky bruntal.stp pro zadání pořadí zastávek při hledání nejkratší cesty,
z
route_id – pole tabulky bruntal.stp pro zadání čísla hledané nejkratší cesty mezi dvěma zastávkami,
z
stop_imp – pole tabulky „bruntal.stp“ pro zadání hodnoty zpoždění na každé ze zastávek (zvolena hodnota 0),
z
transfer – pole tabulky bruntal.stp pro zadání hodnoty týkající se množství přepravované komodity mezi dvěma zastávkami,
z
cumul_imp– pole tabulky bruntal.stp pro zapsání výsledku analýzy týkajícího se celkového zpoždění při přesunu z jedné zastávky do druhé.
Bezprostředním výsledkem provedené analýzy je vygenerování tzv. systému spojení či systému tras (angl. route system), který v popsaném případě nese název „spojeni“. Tento systém obsahuje 13530 komplexních geoprvků, z nichž každý představuje jednu, časově nejvýhodnější možnost spojení mezi dvěmi částmi obcí.
Obr.2 Znázornění tras individuální dopravy do zaměstnání v okresu Bruntál Výsledkem analýzy je rovněž naplnění souboru „bruntal.stp“ kumulovanou impedancí pro počáteční a koncovou zastávku každé trasy. Výsledná doba jízdy (uvedená v sekundách) mezi dvěma částmi obcí je uvedena u druhé (tedy cílové) zastávky. Čas zaznamenaný v poli „cumul_imp“ pro první zastávku je nulový, neboť při analýze nebylo simulováno zpoždění při výjezdu. Následným zpracováním byly vypočteny délky jednotlivých tras a výsledek byl uložen do atributové tabulky„spojeni“ (tabulka č. 4).
Spojeni# Odkud_id
Kam_id
Cas_vzdal
Metr_vzdal
1
31397
10659
6213
63734,897
2
31397
19707
2420
27039,478
3
31397
35783
956
9093,511
4
31397
8232
5744
58756,614
5
31397
6646
6030
63089,867
6
31397
35047
2740
22941,679
7
31397
15308
2964
35349,150
8
31397
9329
6758
68411,895
.
.
.
.
.
.
.
.
.
.
Tabulka 4. Ukázka tabulky „spojeni“, obsahující popis nalezených nejkratších tras Názvy polí v tabulce představují: z
Route_id – datová vrstva
z
Odkud_id – pojmenování da
z
Kam_id – soubor pro
z
Cas_vzdal – pole tab
z
Metr_vzdal – pol.
Vizualizace a interpretace výsledků analýzy Takto zjištěné hodnoty nejkratší časové vzdálenosti pak byly pro každou lokalitu resp. část obce ve vybraném území sumarizovány a tím byl získána míra časové dostupnosti [3], vypovídající o úrovni dopravní dostupnosti jednotlivých zpracovávaných lokalit vzhledem k ostatním lokalitám v zájmovém území. Výsledky byly zobrazeny metodou izolinií resp. izoploch (obrázky č. 4 a 5). Transformace hodnot bodového pole do ploch spočívala v převedení dat do rastrového datového modelu gridováním, přičemž byla uplatněna interpolační metoda spline (obrázek č. 3). Izoplochy resp. izolinie obsažené ve výsledném gridu byly vizualizovány za použití klasifikace hodnot do 6 tříd. Hranice třídních intervalů byly stanoveny variantně jednak s využitím Janksovy optimalizační metody (natural breaks) a následně zaokrouhleny na tisíce. Druhou metodou stanovující třídní intervaly s ohledem na stejný počet hodnot v intervalech. Autoři přistoupili k variantnímu zpracování kartografické vizualizace s ohledem na specifikum dat. Janksova optimalizační metoda je vhodná pro klasifikaci statistických souborů s nenormálním, vícevrcholovým rozdělením a často se používá ke zpracování dat vztahujících se k socioekonomickým jevům. Následná analýza by měla zjištěná data porovnat s hodnotami vypovídajícími o míře nezaměstnanosti a případně s dalšími ukazateli popisujícími trh práce [7]. Očekávaným výsledkem takového zpracování by mělo být vyslovení hypotézy o podobě a míře závislosti ukazatelů trhu práce na dopravní dostupnosti částí obcí. Z mapek na obrázcích č. 4 a 5 je patrné, že v rámci zkoumaného území mají nejhorší časovou resp. dopravní dostupnost především oblasti na severu okresu Bruntál (Osoblažsko) a dále též části území na jihu okresu. V širším kontextu, z něhož není možné jeden okres zcela vyjmout a zkoumat izolovaně, však dopravní dostupnost jižní části není možno hodnotit tak negativně jako dopravní dostupnost Osoblažska. Na jižní část okresu Bruntál bezprostředně navazují sousední okresy ČR, kde probíhá intenzívní osobní automobilová doprava. Osoblažsko je od severu a od východu izolováno státní hranicí s Polskou republikou, která představuje barieru pro tento způsob využití individuální dopravy.
Obr.3 Znázornění časové dostupnosti částí obcí okresu Bruntál ve formě gridu
Obr.4 Znázornění časové dostupnosti částí obcí okresu Bruntál ve formě izolinií (intervaly se stejnou četností)
Obr.5 Znázornění časové dostupnosti částí obcí okresu Bruntál ve formě izolinií (Janksova optimalizační metoda)
Závěr Zkoumání časové dostupnosti založené na principu síťových analýz, je možno provádět s pomocí programových produktů, které disponují vhodnou funkčností. Úspěch analýz a důvěryhodnost jejich výsledků stojí především na kvalitě použitých dat a také na schopnosti zadavatele formulovat požadavky na prováděnou úlohu. Prostorové databáze, dostupné v současné době na trhu, není možno k takovým analýzám využít v původní podobě, neboť tomu brání jejich nedostatečná kvalita. Klíčová je především sémantická přesnost, která rozhoduje o výběru segmentů dopravní sítě a o rozlišení komunikací podle způsobu jejich využití a tedy o možnosti jejich správného ohodnocení. Vyžaduje-li uživatel či zpracovatel výsledky s velkou přesností, je třeba soustředit se na přípravu vstupních dat do odpovídající podoby. To je však reálné pouze na pracovišti, které se problematikou rutinně zabývá a je tedy schopno udržet data ve stavu, který co nejlépe odpovídá skutečnosti. Vždyť silniční síť a silniční doprava, o jejímž modelování hovoříme, tvoří velice dynamický fenomén. Takový systematický přístup vyžadující vyhraněnou specializaci na uvedenou problematiku, však reálný na pracovištích jakými jsou dispečinky záchranných služeb integrovaného záchranného systému.
Druhým aspektem, který má vliv na přesnost prováděné analýzy, je nepochybně schopnost zadavatele formulovat dostatečně precizně parametry, které budou před analýzou aplikovány formou ohodnocení grafu znázorňujícího dopravní síť. Jedná se především o odhadnutí rychlosti, které bude předpokládaný dopravní prostředek schopen dosáhnout na jednotlivých komunikací – tedy segmentech sítě. Významný vliv na přesnost modelu sítě může též sehrát ohodnocení uzlů grafu. Tím lze zohlednit zpoždění na křižovatkách či některé dopravní předpisy, jako například zákazy odbočení či vjezdu. Zajímavý je rovněž pohled na tento druh analýzy z pohledu výkonu výpočetní techniky a objemu použitých dat. Plošná velikost okresu Bruntál a tomu odpovídající množství prvků použitého grafu (řádově desítky tisíc linií a uzlů), představuje množství dat, s nimiž je možno uskutečnit popsanou finální síťovou analýzu za čas, který se pohybuje řádově v desítkách minut. To však za předpokladu, že použitá data nevykazují chyby, které by vyžadovaly opakování analýzy.
Literatura 1. Horák, J. (2002): Prostorová analýza dat. [on-line] Ostrava, 2002, 180 s. Dostupné na WWW:
2. Hůrský, J.: Metody grafického znázornění dojížďky do práce. Praha, Rozpravy československé akademie věd, řada matematických a přírodních věd, ročník 79, 1969, sešit 3, Academia, 85 s. 3. Kusendová, D.: Analýza dostupnosti obcí Slovenska. In Sbor. ref. konference Aktivity v kartografii ’96, Kartografická spoločnosť SR a Geografický ústav SAV, Bratislava, s. 29-49. 4. Peňáz, T., Horák, J: Využití DMÚ 25 pro prostorovou analýzu nezaměstnanosti na území okresu Nový Jičín. In: Sborník referátů z konference „GIS Ostrava 2000“. VŠB-TU Ostrava, 23.- 26. 1. 2000, ISSN 1211-4855, s. 48-52. 5. Peňáz, T., Horák, J., Horáková, B.: Analýza územní dostupnosti významných firem na území okresu Nový Jičín. In GIS ve státní správě 2000, Seč u Chrudimi, Univerzita Pardubice, 2000, s. 280-288. 6. Renner, O.: Geoinformační podpora návrhu hasebních obvodů. Diplomová práce, VŠB-TU Ostrava, 2003. 7. Růžička, L., Horák, J., Peňáz, T.: Dostupnost zaměstnavatelů v okrese Bruntál. [CD-ROM] In Sbor. ref. konference GIS Seč 2003 11.-13.6.2003, Seč, 2003, 11 s. 8. ----------: Network analysis. [CD-ROM] Elektronická dokumentace k produktu ArcGIS 8.3 Workstation, ESRI, Redland, 2003.
