ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ

DIPLOMOVÁ PRÁCE

PRAHA 2013

Bc. Darek HORNÍK

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE

DIPLOMOVÁ PRÁCE PROSTOROVÉ ZMĚNY VE VYBRANÝCH URBANIZOVANÝCH ÚZEMÍCH ČESKÉ REPUBLIKY

Vedoucí práce: doc. Ing. Lena HALOUNOVÁ, CSc. katedra mapování a kartografie

červen 2013

Bc. Darek HORNÍK

Čestné prohlášení Prohlašuji, že jsem předloženou práci vypracoval samostatně a že jsem uvedl veškeré použité informační zdroje v souladu s Metodickým pokynem o etické přípravě vysokoškolských závěrečných prací. V Rybitví dne _________________

______________________ Bc. Darek Horník

Poděkování Na tomto místě bych rád poděkoval za trpělivé vedení práce paní doc. Ing. Leně Halounové, CSc., zejména za její optimistický přístup ke všem nastalým problémům. Dále bych chtěl poděkovat Ing. Vladimíru Holubcovi a Ing. Miroslavu Těhlemu z katedry mapování a kartografie za poskytnutí statistických dat pro zadaný soubor měst. Za pomoc se zpracováním statistickými metodami patří díky paní prof. RNDr. Daniele Jaruškové, CSc. z katedry matematiky a Ing. Janě Kučerové, CSc. z katedry inženýrské informatiky. V neposlední řadě bych rád poděkoval rodičům a přátelům z mého okolí za podporu, jíž se mi od nich po celou dobu vysokoškolského studia dostávalo.

Obsah Úvod

10

1

Zpracovávaná města 11 1.1 Historický kontext ………………………………………………...………. 11 1.2 Charakteristika zpracovávaného období …………………………………. 15 1.3 Popis zadaného souboru měst ………………………………………….. 17

2

Statistická data 20 2.1 Data o dopravě …………………………………………………….……... 20 2.2 Data ÚHDP a land use …………………………………………….…….. 24 2.2.1 Úhrnné hodnoty druhů pozemků …………………………………. 24 2.2.2 Plochy land use ………………………………………………...… 25 2.3 Data o obyvatelstvu ……………………………………………………….. 27 2.4 Data o znečištění ovzduší ……………………………………………….… 28

3

Zpracování 29 3.1 Výpočet korelačního koeficientů ……………………………………….… 29 3.2 Multilineární regrese ……………………………………………………… 29 3.3 Postup zpracování v software Microsoft Office Excel ……………………. 31 3.4 Zpracování v software ArcGIS ………………………………………….... 32

4

Výsledky 33 4.1 Korelační koeficienty ……………………………………………………... 33 4.1.1 Korelační koeficient KKD1 ………………………………………. 33 4.1.2 Korelační koeficient KKD2 ………………………………………. 36 4.1.3 Korelační koeficient KKOD ……………………………………… 38 4.1.4 Korelační koeficient KKND ……………………………………… 39 4.1.5 Hodnoty korelačních koeficientů pro jednotlivé roky ………….… 40 4.1.6 Závislost parametrů na dopravě v obdobích 1970 – 1990 a 1995 – 2005 …………………………………………………….. 41 4.2 Vícerozměrná analýza atributů ……………………………………………. 44 4.2.1 Vícerozměrná analýza vztahu mezi hodnotami ÚHDP, údaji o obyvatelstvu (bez atributu P) a dopravou ………………… 44 4.2.2 Vícerozměrná analýza vztahu mezi hodnotami ÚHDP, údaji o obyvatelstvu (včetně atributu P) a dopravou ……………... 45 4.2.3 Vícerozměrná analýza vztahu mezi hodnotami land use, údaji o obyvatelstvu (bez atributu P) a dopravou ………………… 46 4.2.4 Vícerozměrná analýza vztahu mezi hodnotami land use, údaji o obyvatelstvu (včetně atributu P) a dopravou ……………... 47 4.3 Popis závislosti parametrů ………………………………………………… 48 4.3.1 Popis závislosti atributů „F“ a „J“ (nejvýznamnější dle korelace s intenzitou dopravy) …………………………………………..…. 49 4.3.2 Popis závislosti atributů „N“ a „I“ (nejvýznamnější dle četností

4.4

u korelace s intenzitou dopravy) …………………….…………… 51 4.3.3 Popis závislosti atributů „G“ a „P“ (nejvýznamnější dle korelace počtu vozidel na příjezdu) ………………………………….…….. 52 4.3.4 Popis závislosti atributů „H“ a „J“ (nejvýznamnější dle počtu osobních vozidel) ……………………………………….………... 53 4.3.5 Popis závislosti atributů „F“ a „H“ (nejvýznamnější dle počtu nákladních vozidel) …………………………………….………… 55 4.3.6 Popis závislosti atributů „D“ a „O“ (nejvýznamnější dle první multiregresní analýzy) ………………………………………..…... 56 4.3.7 Popis závislosti atributů „A“ a „O“ (nejvýznamnější dle druhé multiregresní analýzy) ……………………………………..……... 58 4.3.8 Popis závislosti atributů „K“ a „O“ (nejvýznamnější dle třetí multiregresní analýzy) ………………………………………..…... 59 4.3.9 Popis závislosti atributů „I“ a „K (nejvýznamnější dle čtvrté multiregresní analýzy) …………………………………..………... 60 Posouzení vzájemných vazeb statistických indikátorů a dopravy s vývojem měst ………………………………………………………………….……. 61

Závěr

62

Zdroje

64

Seznam příloh 66 A Vstupní data ………………………………………………………………. 67 B Výsledky ………………………………………………………………….. 90 C Elektronické přílohy na CD ……………………………………………….. 92

Abstrakt Diplomová práce je součástí projektu Ministerstva školství (projekt OC 10011 MŠMT s názvem Modelování urbanizovaných území s cílem snížit negativní vlivy lidské činnosti). Práce se zabývá zejména vlivem dopravy na vývoj měst. Mezi cíle práce patří vyjádřit vzájemný vztah mezi dopravou a dalšími statistickými ukazateli popisujícími vývoj měst, jako jsou například výměry funkčních ploch nebo socioekonomické ukazatele. Tento vztah byl zkoumán jak pro zadaných 50 měst obecně, tak i pro jednotlivá města. Dále se autor snaží provést základní klasifikaci měst do příbuzných skupin na základě získaných výsledků. Dalším z cílů práce je také popis vývoje jednotlivých měst ve sledovaném období mezi lety 1970 a 2005, také jeho zobrazení za pomoci grafů a ukazatele pro přehlednost také formou map. KLÍČOVÁ SLOVA: regresní analýza, korelační koeficient, korelace, multilineární regrese, intenzita silniční dopravy, funkční plochy, GIS, ÚHDP, DPZ, land use, časové změny, vývoj měst

Abstract The master thesis is a part of a project of the Ministry of Education (projekt OC 10011 MŠMT called “Modelling of urban areas in order to reduce the negative impacts of human activities”). The thesis deals with impact of traffic on urban development. The aim of the thesis is to express the relationship between transport and other statistical indicators describing the development of cities, such as assessments of land use areas or socioeconomic indicators. This relationship was studied both in given 50 towns in general and in each city. Furthermore, the author tries to make the basic classification of towns into related groups based on achieved results. Another goal of this work is a description of the development of cities in the period between 1970 and 2005, in the form of graphs and also – for several indicators - in maps. KEYWORDS: regression analysis, correlation coefficient, correlation, multilinear regression, road traffic intensity, functional areas, GIS, aggregate value of land types, remote sensing, land use, temporal changes, urban development

Seznam obrázků 1.1 1.2 1.3 1.4 1.5 1.6 1.7 2.1 2.2a 2.2b 2.2c 2.3 2.4 2.5a 2.5b 2.5c 2.6 2.7 4.1 4.2 4.3 4.4 4.5 4.6a 4.6b

Města Frýdek a Místek na mapě ze II. vojenského mapování (na Moravě a ve Slezsku mezi lety 1836 – 1840) ………………………………………………………..…… 11 Města Frýdek a Místek na mapě III. vojenského mapování (70. a 80. léta 19. století) ………………………………………………………………………….. 12 Město Frýdek – Místek na aktuální vojenské topografické mapě …………………. 12 Pardubice na mapě II. vojenského mapování (v Čechách v letech 1842 – 1852) .… 14 Pardubice na mapě III. vojenského mapování (80. a 90. léta 19. století) ……….… 14 Pardubice na aktuální vojenské topografické mapě ……………………………….. 15 Mapa se zpracovávanými městy v rámci České republiky ………………………... 17 Ukázka pentagramu ze sčítání dopravy (v roce 2005) pro Chrudim. Hodnoty udávají intenzitu dopravy v jednotkových vozidlech. ……………………………………... 21 Průměrná intenzita dopravy v intravilánu pro velká krajská města ……………….. 22 Průměrná intenzita dopravy v intravilánu pro velká okresní města + Jihlava + Třinec ..................................................................................................................... 23 Průměrná intenzita dopravy v intravilánu pro menší okresní města a významná regionální centra …………………………………………………….………...…… 23 Časový vývoj průměrných výměr statistických ukazatelů ÚHDP ………………… 24 Časový vývoj průměrných výměr statistických ukazatelů funkčních ploch (land use) ................................................................................................................... 25 Zastavěná plocha (intravilán) jádrového území v hektarech pro velká krajská města ………………………………………………………………………………. 26 Zastavěná plocha (intravilán) jádrového území v hektarech pro velká okresní města + Jihlava + Třinec …. ……………………………………………………………… 26 Zastavěná plocha (intravilán) jádrového území v hektarech pro menší okresní města a významná regionální centra ……………………………………………………….. 26 Časový vývoj průměrných hodnot socioekonomických ukazatelů ………………... 27 Časový vývoj průměrných hodnot emisí velkých zdrojů CO2 a prachových částic . 28 Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli a průměrnou intenzitou dopravy v intravilánu jádrového území ………………….. 35 Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli a průměrným počtem vozidel na příjezdových komunikacích ………………….… 38 Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli a počtem osobních vozidel v intravilánu jádrového území ………………………... 39 Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli a počtem nákladních vozidel v intravilánu jádrového území ……………………… 40 Průměrná hodnota korelačního koeficientu pro jednotlivé atributy v období 1970 – 2005 ……………………………………………………………………...… 41 Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro velká krajská města …………………. 42 Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro velká okresní města + Jihlava + Třinec 43

4.6c

4.7

4.8

4.9

4.10

4.11

4,12

4.13

4.14

4.15

Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro menší okresní města a významná regionální centra …………………………………………………………………… 43 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent F a J, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra …………. 50 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent N a I, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra ……….… 51 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent G a P, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. ……........ 52 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent H a J, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. ……….... 54 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent F a H, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra …………. 55 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent D a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra …………. 57 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent A a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra …………. 58 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent K a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. Města ležící na ose Y nemají spočteny hodnoty parametru O. …………………………………. 59 Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent I a K, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. Města ležící na ose X nemají spočteny hodnoty parametru O. …………………………………. 60

Seznam tabulek v textu Tabulka 1 Tabulka 2 Tabulka 3 Tabulka 4a

Tabulka 4b

Tabulka 4c

Tabulka 5a

Tabulka 5b

Tabulka 5c

Tabulka 6 Tabulka 7 Tabulka 8 Tabulka 9 Tabulka 10:

Seznam zpracovávaných měst (seřazený dle počtu obyvatel v roce 2005) .. 18 Seznam statistických ukazatelů ………………………….………….…….. 20 Posouzení závislosti mezi dvěma veličinami dle hodnoty korelačního koeficientu …….…………………………………………………………... 29 Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, velká krajská města) ………………………………………………………. 33 Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, velká okresní města, Jihlava a Třinec) ……………………………………. 34 Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, menší okresní města a významná regionální centra) ……………………… 34 Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, velká krajská města) ……………………………………………... 36 Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, velká okresní města, Jihlava a Třinec) ………………………...… 36 Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, menší okresní města a významná regionální centra) ………..…… 37 Výsledné P-hodnoty jednotlivých atributů po analýze dat ÚHDP, atributů L, N, O a intenzity dopravy v období 1970 -2005 …………………………… 45 Výsledné P-hodnoty jednotlivých atributů po analýze dat ÚHDP, atributů L, N, O, P a intenzity dopravy pro období mezi lety 1970 – 2005 …………... 46 P-hodnoty jednotlivých atributů po analýze dat land use, atributů L, N, O a intenzity dopravy pro období mezi lety 1970 – 2005 ………………..…… 47 Výsledné P-hodnoty jednotlivých atributů po analýze dat land use, atributů L, N, O, P a intenzity dopravy mezi lety 1970 a 2005 …………………….… 48 Seznam dvojic porovnávaných parametrů a metody, ze které vyšly jako nejvýznamnější …………………………………………………………… 49

ČVUT v Praze

ÚVOD

Úvod Téma diplomové práce vychází ze zpracování širšího projektu laboratoře dálkového průzkumu Země (DPZ) financovaného z Ministerstva školství (projekt OC 10011 MŠMT s názvem Modelování urbanizovaných území s cílem snížit negativní vlivy lidské činnosti). V rámci tohoto projektu byla získána a následně zpracována statistická data pro vybraná města v České republice. Tato diplomová práce navazuje na předchozí studentské práce pod vedením doc. Ing. Leny Halounové, CSc., které byly zaměřeny zejména na sběr a prvotní zpracování uvedených statistických dat pro jednotlivá města (osobně jsem zpracovával město Pardubice). Takto získaná statistická data pro soubor přibližně 70 měst (v rámci této práce byla zpracována data pro 50 měst) jsou cenným zdrojem informací, který umožňuje zkoumat vztahy mezi dopravou a vývojem měst od 70. let do roku 2005. Znalost vzájemných vztahů mezi dopravou a změnami v území města jsou jedním ze základních předpokladů pro efektivní územní plánování. Zároveň lze dle závislosti intenzity dopravy na konkrétních ukazatelích města „roztřídit“ do několika skupin, v rámci kterých budou mít podobné vlastnosti. Vzhledem k delší časové řadě (alespoň pro některá města) je možné také srovnání parametrů měst před „Sametovou revolucí“ a jejich vývojem po roce 1989. Rozpad centrálně plánovaného hospodářství a nástup liberálního kapitalismu se projevily nejen ve společnosti, ale například i na prostorové struktuře měst [12] a tyto změny lze vypozorovat i na získaných statistických datech.

Cíle práce Cíle této diplomové práce lze shrnout do několika následujících bodů: -

-

popsat vývoj dopravy a vybraných parametrů od roku 1970 do roku 2005 a v dílčích obdobích 1970-1990 a 1990-2005 vyčíslit závislost mezi dopravou a vybranými parametry určit vliv jednotlivých parametrů na dopravu zařadit města do typových skupin

10

ČVUT v Praze

1 ZPRACOVÁVANÁ MĚSTA

1 Zpracovávaná města 1.1 Historický kontext Za první státní útvar na území České republiky je považována Sámova říše. Ta vznikla (i zanikla) v 7. století našeho letopočtu a je tedy prvním doloženým státním útvarem Slovanů ve střední Evropě. Dalším doloženým státem na našem území je až o 200 let později Velkomoravská říše. V tomto případě se již jedná o státní útvar v moderním slova smyslu, s organizací vlády, církve (příchod Cyrila a Metoděje v roce 863), obchodu a společnosti jako celku. Do této doby lze datovat základy osídlení i na místech některých dnešních měst na Moravě, například Znojma, Olomouce nebo Uherského Hradiště. V době vrcholného středověku za vlády prvních Přemyslovců v 11. – 13. století dochází k velkému rozvoji měst a právě z této doby pochází základy mnoha měst v Čechách. Z měst zpracovávaných v této práci jsou to například Děčín, Most (myšleno tím původní město), Boleslav, Plzeň, Praha, Mělník, Hradec Králové, Chrudim a další. Za vlády Karla IV. ve 14. století již existovala prakticky všechna dnešní významnější města, alespoň jako menší obce. Podle jejich polohy se následně mohla rozvíjet – buď jako správní centra (Praha, Olomouc), nebo u obchodních stezek (České Budějovice například), u nalezišť nerostných surovin (v případě stříbra například Jihlava, Příbram či Kutná Hora) a podobně. Do vývoje měst poté zasáhly silně husitské války, kdy záleželo, na čí stranu se obyvatelé města přidali. Mnoho měst muselo po dobytí či vypálení začít téměř od základů. Podobný osud čekal mnoho měst také během Třicetileté války (například Pardubice). Od konce 18. století, mimo jiné i v souvislosti se zrušením nevolnictví císařem Josefem II. (1781), se začíná v celé rakouské monarchii pomalu prosazovat průmyslová revoluce. Ta znamená další významné období pro česká města. V tomto období probíhají také velké změny ve společnosti, zejména v revolučním roce 1848.

Obr. 1.1: Města Frýdek a Místek na mapě ze II. vojenského mapování (na Moravě a ve Slezsku mezi lety 1836 – 1840) [14]

11

ČVUT v Praze


Obr. 1.2: Města Frýdek a Místek na mapě III. vojenského mapování (70. a 80. léta 19. století) [14]

Obr. 1.3: Město Frýdek – Místek na aktuální vojenské topografické mapě [14]

Nástup a vrchol průmyslové revoluce lze ohraničit koncem 18. století, s vrcholem ve století 19. a s postupným koncem ve vřavě 1. světové války. S nástupem průmyslu a potřebou přepravovat osoby a materiál na větší vzdálenosti a také rychleji, souvisela výstavba císařských silnic a železnice. V této době většina měst získává (či ztrácí) význam až do úrovně, již si udržují do dnešních dní. Týká se to nejvíce oblasti Slezska, kde těžba černého uhlí a návazně na ní zakládání železáren a oceláren, znamenala rozmach měst jako je Ostrava, Třinec, Frýdek – Místek nebo Karviná. Naopak z významného centra vzdělanosti a kultury, Opavy, se stává jen regionální sídlo. Podobně třeba Těšín svůj rozvoj průmyslu v tomto období zameškal a jeho význam klesl na úkor okolních měst (Bílsko / Bialsko Biala, Frýdek – Místek) [5], ovšem 12

ČVUT v Praze


posledním velkým zásahem bylo až jeho rozdělení mezi Československou republiku a Polskou republiku v roce 1920. Města na Valašsku (Rožnov pod Radhoštěm, Valašské Meziříčí a Vsetín) zase zažila období rozvoje ve druhé polovině 19. století v souvislosti se vznikem skláren a tkalcovských manufaktur. Železnici pak za svůj dnešní význam vděčí například Pardubice, které během několika let od projetí prvního vlaku předehnaly počtem obyvatel Chrudim i Hradec Králové. Tato města přitom do té doby jednoznačně dominovala východním Čechám. Nové možnosti průmyslové výroby (například sklářství, hutní průmysl, později i chemický průmysl) umožnily rozmach měst, která byla do té doby spíše na periferii monarchie, například Jablonec nad Nisou nebo Ústí nad Labem. První světová válka přinesla českým zemím nejen ohromné ztráty na životech (mobilizace se týkala celých ročníků 1865 – 1900 [6]) a poškození hospodářství v důsledku válečného zásobování, ale především pak rok 1918 přinesl vznik samostatného Československa. V souvislosti s tím vzniklo nové správní uspořádání a mnohá města tak získala nově status okresních měst, čímž výrazně stoupl jejich regionální vliv. V poválečném období zaznamenávala města velký rozvoj v souvislosti s budováním nové infrastruktury a obnovy průmyslu, nyní konečně orientovaného na jiné než válečné potřeby. Na území Československa se před 1. světovou válkou nacházelo 77% rakousko – uherského průmyslu, po válce tedy měl nově vzniklý stát poměrně dobré počáteční postavení pro další rozvoj. Československo díky tomu se brzy dostalo mezi nejvyspělejší země světa. Mezi významnými produkty byly československé automobily (např. Praga), letadla (značka Avia), strojírenské výrobky (Českomoravská Kolben – Daněk) nebo produkty chemické a hutní výroby. Ve Zlíně dochází v tomto období k masivnímu zvýšení počtu obyvatel v souvislosti s rozšiřováním obuvnického gigantu Tomáše Bati. Významný podíl na exportu v tomto období udržel a zvýšil také sklářský průmysl. Na území Čech, Moravy a Slezska žilo v roce 1921 dohromady 9920043 obyvatel a mezi největší města v době 1. republiky patřila dle údajů z roku 1930 Praha (849 tisíc obyvatel), Brno (265 tisíc obyvatel), Moravská Ostrava (125 tisíc obyvatel), Plzeň (115 tisíc obyvatel), Olomouc (66 tisíc obyvatel), Ústí nad Labem (44 tisíc obyvatel), České Budějovice (44 tisíc obyvatel) a Liberec (39 tisíc obyvatel). S nástupem hospodářské krize v první polovině 30. let přišel útlum ekonomiky a Československo se s jejími následky těžce potýkalo zejména vlivem poklesu vývozu a následným poklesem výroby a na to navázaným propouštěním. Objem průmyslové výroby klesl v roce 1933 na pouhých 60% stavu z roku 1929 [6]. Na hospodářské problémy státu plynule navázaly problémy s německou menšinou v českém pohraničí, podporované ze zahraničí nacistickým Německem. Ty vyvrcholily v roce 1938 nuceným odstoupením pohraničních oblastí Sudet a v březnu 1939 rozpadem Československa a vznikem Protektorátu Čechy a Morava. Odstoupení Sudet neznamenalo jen ztrátu území, ale v pohraničí se nacházely některé významné průmyslové podniky, zejména v Ústí nad Labem, Podkrušnohoří a na Liberecku. Také se v Německu ocitly přibližně 2 miliony původně československých obyvatel (nejen německé národnosti). Nemalou komplikací bylo i náhlé přerušení dopravních tras. Části hlavních silnic a železnic najednou ležely na území cizího státu. Výroba v Protektorátu Čechy a Morava byla nově nucena zajišťovat i zásobování Německa. S postupem 2. světové války se však v Protektorátu musela veškerá výroba více a více přizpůsobovat armádním potřebám. Do Protektorátu byla postupně kvůli hrozícím náletům Spojenců přesunuta velká část válečné výroby (zbraní, letadel i munice). To mělo za následek, 13

ČVUT v Praze


že i území Protektorátu Čechy a Morava bylo často bombardováno při spojeneckých náletech. Nálety opakovaně zasáhly významná průmyslová centra na našem území (i v Sudetech). Jen Praha se stala cílem amerických nebo britských náletů třikrát (jednou zřejmě omylem), Ústí nad Labem pětkrát, Plzeň osmkrát, ale cílem opakovaného bombardování se stala i další významná města jako Pardubice, Brno, České Budějovice nebo Zlín. Sovětské letectvo na samém konci války podniklo bombardování Mělníka, Mladé Boleslavi nebo Děčína.

Obr. 1.4: Pardubice na mapě II. vojenského mapování (v Čechách v letech 1842 – 1852) [14]

Obr. 1.5: Pardubice na mapě III. vojenského mapování (80. a 90. léta 19. století) [14]

14

ČVUT v Praze


Obr. 1.6: Pardubice na aktuální vojenské topografické mapě [14]

Po 2. světové válce byla snaha co nejrychleji obnovit válkou poničené hospodářství. Měla k tomu přispět pomoc zejména Sovětského svazu a to výměnou za to, že Československo bude patřit do jeho sféry vlivu. Prezident Edvard Beneš sice nesouhlasil, ale když ve volbách v květnu 1946 zvítězila Komunistická strana Československa a předsedou vlády se stal Klement Gottwald, nebylo jiné volby. Po vládní krizi a komunistickém převratu v roce 1948 se Klement Gottwald stal prezidentem. Hospodářství se zaměřilo na těžký průmysl, který zdevastoval rozsáhlé oblasti české krajiny (Sokolovsko, Ostravsko), zemědělství poznamenala násilná kolektivizace v 50. letech. Přestože byla provedena řada hospodářských reforem, oživení hospodářství se nedařilo a ekonomika upadala. Hospodářský pokles se nedařilo zastavit ani masívním znárodňováním, ani násilnou kolektivizací. Prvním „úspěchem“ při oživení ekonomiky byla až měnová reforma v roce 1953, která připravila statisíce lidí o jejich celoživotní úspory. Životní úroveň se na poměry před reformou vrátila přibližně až v roce 1960.

1.2 Charakteristika zpracovávaného období V rámci této práce jsou využívána a analyzována data z období mezi lety 1970 a 2005. Období do roku 1990 bylo obdobím vlády komunistické strany, která prosazovala po vzoru Sovětského svazu centrálně plánované hospodářství dělené na pětileté plány s hlavním důrazem na těžký průmysl (a z něj velkou část tvořil zbrojní průmysl). Zemědělství bylo řízeno přes jednotná zemědělská družstva, která spravovala velké celky zemědělské půdy. V souvislosti s postupným zvyšováním životní úrovně obyvatel a s přirozeným přírůstkem populace bylo nutné, aby se rozšiřovaly plochy pro bydlení a také zastavěné plochy pro průmysl, aby bylo možné jim nabídnout pracovní příležitosti. V návaznosti na to vznikal od konce 60. let tlak na zlepšení dopravní infrastruktury nejen ve městech, ale i mezi nimi. Proto byla zahájena výstavba dálnic (začátek stavby dálnice D1 v roce 1967) a například v Praze byla pro lepší průjezdnost během 70. let vybudována Severojižní magistrála. V 70. a 80. letech vznikají ve městech rozsáhlá sídliště a průmyslové areály, které obývaly a zaměstnávaly desítky tisíc lidí, avšak řešení dopravní obslužnosti nebo rekreačních funkcí měst nebyla věnována dostatečná pozornost. V rámci své bakalářské práce měl autor možnost 15

ČVUT v Praze


podrobně sledovat vývoj města Pardubice na základě leteckých snímků od 50. let až do roku 2008, kde je absence řešení dopravy nebo ploch k rekreaci velmi dobře patrná. V období mezi lety 1970 a 1990 vznikla rozsáhlá sídliště Polabiny a Dubina, která však v době svého vzniku (a v případě Dubiny dodnes) neměla vyřešeno odklonění tranzitní dopravy mimo zastavěná území. V posledních desetiletích se u většiny velkých měst podařilo zanést alespoň do územních plánů (a v mnoha případech i připravit realizaci) obchvaty ve směru hlavních silničních tahů. Po roce 1990 (po sametové revoluci) dochází k demokratizaci politického systému a k přechodu od centrálně plánovaného hospodářství k modelu volného trhu. Kvůli deregulaci cen výrobků, nájmů a cen energií ale skokově vzrůstají náklady na život obyvatel i provoz měst. Úpadek těžkého průmyslu a celkově zastaralé vybavení průmyslových podniků (zejména v oblasti energetické náročnosti) vede k tomu, že toto dosud dominantní odvětví hospodářství ztrácí konkurenceschopnost v evropském měřítku (vyjma několika úzce specializovaných oborů) a masivně propouští. To se projevuje na vývoji měst, která se musela vypořádat s vysokou nezaměstnaností a vznikem opuštěných průmyslových areálů, mnohdy přímo v centrech měst (tzv. brownfields). „Brownfields“ jsou staré nevyužívané zóny nebo objekty uvnitř zástavby měst, které představují překážku v dalším rozvoji měst [15]. Jsou to území často kontaminovaná po předchozí neekologické výrobě a města neměla v 90. letech (často ani dodnes) peníze na jejich sanaci, čímž bylo znemožněno jejich nové využití nebo revitalizace. Obyvatelé si jako symbol nové doby pořizují automobily a v této souvislosti skokově narůstá intenzita dopravy. Stávající dopravní infrastruktura však na tento nárůst nebyla projektována, čímž došlo ke značnému přetížení řady komunikací a na výstavbu nových nebyly dostatečné finance. Tento nepoměr trvá stále, byť nárůst dopravy v posledních letech není již tak výrazný. Výstavba nových komunikací zejména dálničního typu nebo obchvatů měst naráží na nedostatek financí na jedné straně a na neúměrné náklady na výstavbu jednoho kilometru na straně druhé. V současné době optimistické předpovědi nepředpokládají dostavbu kompletní dálniční sítě (včetně silnic pro motorová vozidla) před rokem 2030. Ve druhé polovině 90. let se ekonomika pomalu zotavila a lidé začínají investovat do vlastního bydlení. Buď samostatnou výstavbou, nebo prostřednictvím prvních developerských společností. V okolí větších měst (nejdříve v okolí Prahy) vznikají tzv. satelitní městečka. To vede k odlivu části obyvatel z měst do jejich okolí (tzv. suburbanizace). [9] V této době také začíná éra výstavby velkých center s občanskou vybaveností na okrajích měst na „zelené louce“. Vznikají rozsáhlá obchodní centra soukromých společností, která do budoucna po nasycení trhu představují riziko vzniku nových „brownfields“. K tomu v několika případech již došlo po ekonomické krizi v letech 2008-2009. Výstavba center s občanskou vybaveností na periferii má za následek odliv služeb z center měst, kde poté tato vybavenost chybí, což může vést k poklesu cen nemovitostí a umrtvení ve středu měst. Na konci 90. let a na začátku nového tisíciletí se stává Česká republika cílem pro mnoho zahraničních investorů, kteří využívají nabízené daňové úlevy od státu. Výstavba továren a montoven (především souvisejících s automobilovým průmyslem) znamená další zábor zemědělské půdy namísto využití stávajících průmyslových areálů, které mají dopravní napojení jak silniční, tak i prostřednictvím železničních vleček. Výstavba „satelitních městeček“ a rozšiřování měst do okolí („urban sprawl“) namísto zahušťování stávající zástavby [13], „brownfields“ po těžkém průmyslu, nedostatečná dopravní infrastruktura, to jsou hlavní problémy, se kterými se řada českých měst dnes potýká. [10]

16

ČVUT v Praze


1.3 Popis zadaného souboru měst Ke zpracování v rámci této diplomové práce bylo vybráno celkem 50 měst. Sběr dat a jejich vyhodnocení v rámci každého města byl předmětem bakalářských a diplomových prací vedených doc. Ing. Lenou Halounovou, CSc. v letech 2010, 2011 a 2012. V rámci těchto prací byly také vymezeny pro každé město plochy jádrového a přidruženého území města. Jádrovým územím se myslí ta katastrální území, která dané město tvořila v 70. letech (a plynule navazují na historickou zástavbu města) a přidruženým územím pak ta katastrální území, která se k němu připojila v následujících letech. Tato vymezení jsou neměnná v čase. Co se však měnilo v čase, je správní území města, které je v každém období tvořeno různým počtem katastrálních území podle toho, jak se k městu některá území připojovala či od něj odpojovala. Území, která se po roce 1990 osamostatnila, jsou označována periferní území. Pojmy a jejich definice zavedl Ing. arch. Karel Vepřek, spoluřešitel projektu, v rámci něhož se zde používaná data připravila a zpracovala. Je důležité tyto pojmy nezaměňovat, protože by tím mohlo dojít ke špatné interpretaci získaných údajů. Například Pardubice mají v roce 2013 správní území zahrnující 20 katastrálních území. Z toho je 11 katastrálních území tvořících jádrové území a 9 katastrálních území, která tvoří přidružené území. V roce 1976 tvořilo správní území města 17 katastrálních území, jádrové území zahrnovalo stále stejných 11 katastrálních území a přidružené území tvořila ostatní katastrální území, která nesousedí zástavbou s centrálními katastry. [citace z BP] Pro některá z měst není k dispozici souvislá řada dat, ale pro provedení analýz to nepředstavuje zásadní problém. V závislosti na tom, který atribut u města chybí (nebo v jaké míře) jsou města z některých analýz vynechána (podrobněji je o tomto pojednáno v části zabývající se popisem a rozsahem dat pro příslušné statistické ukazatele).

Obr. 1.7: Mapa se zpracovávanými městy v rámci České republiky

17

ČVUT v Praze


Tabulka 1: Seznam zpracovávaných měst (seřazený dle počtu obyvatel v roce 2005) Užitá Počet obyvatel zkratka města v roce 2005 PHA 1181610 BRN 366757 OST 310078 PLZ 162759 OLO 100381 LIB 97950 CEB 94653 HRK 94431 UNL 94298 PCE 88260 ZLN 78285 KLA 69329 MOS 67805 KAR 63385 F-M 59682 OPA 59426 DEC 51875 TEP 51010 JIH 50859 CHO 50027 PRE 46858 JAB 44748 MLB 43162 TRE 38654 CLI 38489 TRI 38218 ZNO 35032 PRI 34884 CHE 33681 KOL 30175 PIS 29877 VSE 28261 VAM 27362 LIT 27056 CTE 25913 BRE 25652 SOK 24579 HBR 24296 ZDA 23841 CHR 23385 STR 23256 KLT 22898 KUH 21142 JIR 21093 NAC 21079 MEL 19124 KAD 17807 ROZ 17129 CTR 16533 UNO 14918

ID Město 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí

18

ČVUT v Praze


Vybraná města zahrnují většinu největších měst (podle počtu obyvatel) v České republice. Města byla pro přehlednější zpracování (zejména pro grafické výstupy) rozdělena do 3 kategorií dle počtu obyvatel v roce 2005: Velká krajská města (města s více než 70 000 obyvateli řazená sestupně dle počtu obyvatel): Praha, Brno, Ostrava, Plzeň, Olomouc, Liberec, České Budějovice, Hradec Králové, Ústí nad Labem, Pardubice a Zlín. Velká okresní města + Jihlava a Třinec (města s 30 000 až 69 999 obyvateli řazená sestupně dle počtu obyvatel): Kladno, Most, Karviná, Frýdek – Místek, Opava, Děčín, Teplice, Jihlava, Chomutov, Přerov, Jablonec nad Nisou, Mladá Boleslav, Třebíč, Česká Lípa, Třinec, Znojmo, Příbram, Cheb a Kolín. Menší okresní města a významná regionální centra (města s méně než 30 000 obyvateli řazená sestupně dle počtu obyvatel): Písek, Vsetín, Valašské Meziříčí, Litvínov, Český Těšín, Břeclav, Sokolov, Havlíčkův Brod, Žďár nad Sázavou, Chrudim, Strakonice, Klatovy, Kutná Hora, Jirkov, Náchod, Mělník, Kadaň, Rožnov pod Radhoštěm, Česká Třebová a Ústí nad Orlicí.

19

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

2 Statistická data V rámci této diplomové práce bylo zpracováváno 18 statistických ukazatelů popisujících jednotlivá města a 4 typy intenzit dopravy popisujících průměrné dopravní zatížení v každém městě. Jedná se o 11 údajů o plochách ve městech, 5 ukazatelů popisujících obyvatelstvo měst a 2 ukazatele související se stavem ovzduší ve městě. Tabulka 2: Seznam statistických ukazatelů Pro kolik měst je k dispozici (alespoň v jedné epoše)

Ukazatel A. Výměra zemědělské půdy ve správním území

49

B. Výměra lesní půdy ve správním území

49

C. Výměra vodních ploch ve správním území

49

D. Výměra zastavěných ploch a nádvoří ve správním území

49

E. Výměra ostatních ploch a neplodné půdy ve správním území

49

F. Výměra dopravních ploch v jádrovém území

46

G. Výměra intravilánu (zástavby) jádrového území

48

H. Výměra výrobních ploch v jádrovém území

46

I. Výměra obytných ploch v jádrovém území

46

J. Výměra rekreačních ploch v jádrovém území

46

K. Výměra ostatních ploch land use v jádrovém území

46

L. Počet obyvatel města

50

M. Počet obyvatel denně využívajících systém hromadné dopravy

23

N. Celkový přírůstek populace

49

O. Ekonomicky aktivní populace

48

P. Počet osob vyjíždějících za prací

22

Q. Emise CO2 z velkých zdrojů

23

R. Emise prachových částic z velkých zdrojů

23

Průměrná intenzita dopravy na komunikacích v jádrovém území

48

Průměrný počet vozidel na příjezdových komunikacích

48

Průměrný počet osobních vozidel na komunikacích v jádrovém území

48

Průměrný počet nákladních vozidel v jádrovém území

48

2.1 Data o dopravě Informace o intenzitách dopravy (respektive počtu vozidel) pochází ze sčítání dopravy v letech 1973 (slouží k porovnávání s daty v epoše 1970), 1980, 1990, 1995, 2000 a 2005. Sčítání dopravy probíhá na předem definovaných úsecích vybraných komunikací. Data pro jednotlivé úseky silnic jsou potom k dispozici buď ve formě tabulek a nebo pentlogramů (schematických map měřených úseků s naměřenými hodnotami). Pro novodobá sčítání dopravy (od roku 1995 včetně) lze údaje nalézt na stránkách Ředitelství silnic a dálnic [16] V rámci sběru dat pro 20

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

jednotlivá města bylo vždy několik reprezentativních úseků v rámci města vybráno, aby byl následně na nich znázorněn vývoj dopravy a jeho souvislost s výměrou jednotlivých druhů ploch nebo počtu obyvatel. Z těchto intenzit dopravy (nebo počtu vozidel) pro jednotlivé úseky byl pro každou ze sledovaných období vypočten průměr, který tak zastupuje intenzitu dopravy v daném městě v daném roce. Informace o intenzitě dopravy v jádrovém území jsou k dispozici alespoň pro tři období u 46 měst (všech s výjimkou Prahy, Třince, České Lípy a Břeclavi) a ve dvou obdobích pro Českou Lípu a Břeclav. Data o počtu vozidel na příjezdových komunikacích jsou k dispozici alespoň pro tři období u 47 měst (tj. bez Prahy, Třince a Karviné) a pro dvě období v případě Karviné.

Obr. 2.1: Ukázka pentagramu ze sčítání dopravy (v roce 2005) pro Chrudim. Hodnoty udávají intenzitu dopravy v jednotkových vozidlech.

21

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

V rámci jádrového území je uváděna v tabulce intenzita dopravy. Jedná se o hodnotu, kterou lze vypočítat jednoduchým vzorcem jako: JV = 2 * NA + OA + 0,5 * M kde JV je intenzita dopravy vyjádřená v tzv. jednotkových vozidlech, NA znamená počet nákladních automobilů, OA je počet osobních automobilů a M je počet motocyklů. Nejde tedy o prostý součet vozidel, vzorec totiž částečně zohledňuje různý vliv nákladních a osobních vozidel a motocyklů na dopravní zatížení území. Hodnota intenzity dopravy se může od prostého počtu vozidel značně lišit (a zpravidla bývá vyšší). Na příjezdových komunikacích nebylo ve většině epoch k dispozici podrobné rozepsání druhů vozidel, a tudíž nebylo možné spočítat hodnotu intenzity dopravy. Pro příjezdové komunikace jsou tedy hodnoty v tabulce prostý počet všech vozidel bez rozlišení druhu. V tabulkách s počty osobních a nákladních vozidel se samozřejmě jedná o pouhý počet vozidel. Jak bylo uvedeno výše, tyto údaje byly k dispozici jen pro komunikace v jádrovém území. Data byla převzata z tabulky od doc. Ing. Leny Halounové CSc., která obsahuje intenzity dopravy na vybraných úsecích silnic v jednotlivých městech. Data byla následně upravena pro potřeby dalšího zpracování v rámci této diplomové práce.

Průměrná intenzita dopravy v intravilánu [JV] 21000 19000 17000 15000 13000 11000 9000 7000 5000

BRN

OST

PLZ

OLO

Roky 1970 - 1990

LIB

CEB

Roky 1995 - 2005

HRK

UNL

PCE

Roky 1970 - 2005

Obr. 2.2a: Průměrná intenzita dopravy v intravilánu pro velká krajská města

22

ZLN

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

Průměrná intenzita dopravy v intravilánu [JV] 21000 19000 17000 15000 13000 11000 9000 7000 5000

KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL Roky 1970 - 1990

Roky 1995 - 2005

Roky 1970 - 2005

Obr. 2.2b: Průměrná intenzita dopravy v intravilánu pro velká okresní města + Jihlava + Třinec

Průměrná intenzita dopravy v intravilánu [JV] 20000 18000 16000 14000 12000 10000 8000 6000 4000 2000

Roky 1970 - 1990

Roky 1995 - 2005

Roky 1970 - 2005

Obr. 2.2c: Průměrná intenzita dopravy v intravilánu pro menší okresní města a významná regionální centra

23

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

2.2 Data ÚHDP a land use 2.2.1 Úhrnné hodnoty druhů pozemků Úhrnné hodnoty druhů pozemků (ÚHDP) jsou hodnoty získané z katastru nemovitostí, který eviduje 5 druhů pozemků. Jedná se o hodnoty: -

výměru zastavěných ploch a nádvoří výměra zemědělské půdy výměra lesní půdy výměra vodních ploch výměra ostatních ploch a neplodné půdy

Tyto údaje jsou k dispozici pro 49 měst (tj. bez Prahy), z toho pro některá města pouze ve dvou obdobích, což má vliv na výpočet korelačního koeficientu mezi dopravou a konkrétním ukazatelem. Toto bude dále vysvětleno v kapitole 3.1 Výpočet korelačního koeficientu. Hodnoty ÚHDP jsou uvedeny za celé správní území města v daném roce.

Časový vývoj průměrných hodnot ÚHDP [ha] A. Výměra zemědělské půdy ve správním území B. Výměra lesní půdy ve správním území C. Výměra vodních ploch ve správním území D. Výměra zastavěných ploch a nádvoří ve správním území E. Výměra ostatních ploch a neplodné půdy ve správním území 4000 3500 3000 2500 2000 1500 1000 500 0 1970

1980

1990

1995

2000

Obr. 2.3: Časový vývoj průměrných výměr statistických ukazatelů ÚHDP

24

2005

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

2.2.2 Plochy land use Data land use (též funkční plochy nebo plochy dle využití území) byla získána zpracováním leteckých snímků, územních plánů a satelitních snímků v prostředí GIS (geografických informačních systémů). Díky tomu bylo možné rekonstruovat historické stavy území od roku 1970 (v některých případech i starší, ale ty nejsou zahrnuty do zpracování pro účel této diplomové práce). Takto vytvořené modely měst, mnohem lépe než ÚHDP, vystihují charakter zástavby nebo využití volných prostranství. Zpracování satelitních snímků navíc bylo možno do jisté míry automatizovat díky použití metod dálkového průzkumu Země (DPZ), které umožňují klasifikovat satelitní snímky. [2][17] S ohledem na rozlišení satelitních snímků (zejména ze starších období) je nutné počítat s určitou nepřesností. K určení typu zástavby potom sloužily především dostupné územní plány. V rámci tohoto projektu bylo sledováno 5 funkčních typů ploch land use: -

rozloha obytných ploch rozloha výrobních ploch rozloha rekreačních ploch rozloha dopravních ploch rozloha ploch s jiným využitím (ostatní plochy land use)

Časový vývoj průměrných hodnot land use [ha] F. Výměra dopravních ploch v jádrovém území H. Výměra výrobních ploch v jádrovém území I. Výměra obytných ploch v jádrovém území J. Výměra rekreačních ploch v jádrovém území K. Výměra ostatních ploch land use v jádrovém území 900 800 700 600 500 400 300 200 100 0 1970

1980

1990

1995

2000

2005

Obr. 2.4: Časový vývoj průměrných výměr statistických ukazatelů funkčních ploch (land use)

Výměry těchto ploch se vztahují pouze na oblast jádrových území měst (viz kapitola 1). Kromě těchto ploch byla ještě pro jednotlivé epochy zaznamenána výměra intravilánu v jádrovém území. 25

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

Zastavěná plocha jádrového území [ha] 1970

1980

1990

1995

2000

2005

2200 2000 1800 1600 1400 1200 1000 800 600 400 200 0 BRN

OST

PLZ

OLO

LIB

CEB

HRK

UNL

PCE

ZLN

Obr. 2.5a: Zastavěná plocha (intravilán) jádrového území v hektarech pro velká krajská města


1980

1990

1995

2000

2005

600 500 400 300 200 100 0 KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL Obr. 2.5b: Zastavěná plocha (intravilán) jádrového území v hektarech pro velká okresní města + Jihlava + Třinec


1980

1990

1995

2000

2005

250 200 150 100 50 0

Obr. 2.5c: Zastavěná plocha (intravilán) jádrového území v hektarech pro menší okresní města a významná regionální centra

26

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

Data o využití území byla převzata z tabulky od Ing. Stolbenkové, která obsahuje hodnoty land use pro vybraná města. Hodnoty ÚHDP byly převzaty z tabulky od Ing. Holubce, kde jsou uvedeny hodnoty pro některá ze zpracovávaných měst. Data byla následně upravena pro potřeby dalšího zpracování v rámci této diplomové práce.

2.3 Data o obyvatelstvu Obyvatelstvo měst je charakterizováno 5 statistickými ukazateli: počtem obyvatel, počtem osob denně využívajících hromadnou dopravu, celkovým přírůstkem obyvatelstva, počtem ekonomicky aktivních osob a počtem osob denně vyjíždějících z měst za prací (zajímavým údajem by také byl počet lidí dojíždějících do vybraných měst za prací, tato data však nejsou k dispozici v dostatečné hustotě ani pro zlomek sledovaných měst). Tato statistická data lze nalézt většinou na stránkách Českého statistického úřadu [18] Počet obyvatel je k dispozici pro všechna období a všechna města. Lze tedy pro něj provést kompletní analýzu vzájemné závislosti s dopravou a to i pro dílčí období. Naproti tomu údaje o počtu osob denně využívajících hromadnou dopravu jsou velmi řídké a jsou k dispozici alespoň částečně jen pro 23 měst. Celkový přírůstek obyvatel je hodnota získaná prostým odečtením počtu zemřelých osob od nově narozených. Vztahuje se vždy ke konkrétnímu roku, pro který je uvedena, nejedná se tedy o rozdíl mezi obdobími. Ekonomicky aktivní populace je počet pracujících osob. Tato data jsou ale opět pro rozsáhlejší zpracování příliš řídká, pro více než jednu epochu jsou k dispozici jen u 24 měst. Počet osob denně vyjíždějících za prací je zajímavý ukazatel z toho hlediska, že se jedná údaj, který by se mohl do určité míry projevit na dopravě. Údaj o počtu osob denně vyjíždějících z měst za prací je k dispozici pro 22 měst Všechny údaje o obyvatelstvu byly převzaty z tabulek připojených k práci Ing. Stolbenkové a následně byly využity jako jeden z podkladů pro analýzy. Zdrojem dat jsou internetové stránky Českého statistického úřadu [18].

Časový vývoj průměrných hodnot socioekonomických ukazatelů [osob]

120000 109000 98000 87000 76000 65000 54000 43000 32000 21000 10000 -1000

L. Počet obyvatel města M. Počet obyvatel denně využívajících systém hromadné dopravy N. Celkový přírůstek populace O. Ekonomicky aktivní populace

1970

1980

1990

1995

2000

Obr. 2.6: Časový vývoj průměrných hodnot socioekonomických ukazatelů

27

2005

ČVUT v Praze _____________________

2 STATISTICKÁ DATA

2.4 Data o znečištění ovzduší Do této kategorie spadají jen dva ukazatele. Jedná se o objem emisí oxidu uhličitého vypouštěného z velkých zdrojů znečištění a o množství pevných částic z velkých zdrojů, tedy typicky z těžkého průmyslu. Tyto údaje byly vzhledem k tomu, že přímo nepopisují stav města a ani přímý vztah k dopravě (doprava se z hlediska těchto ukazatelů považuje za malý zdroj), zařazeny spíše proto, aby se dala potvrdit či vyloučit souvislost s dopravou. Navíc se jedná opět o data, která jsou k dispozici pouze pro omezený počet měst (27). Údaje o emisích oxidu uhličitého a pevných částic z velkých zdrojů byly převzaty z tabulek připojených k práci Ing. Stolbenkové a následně byly použity jako doplněk k analýzám vztahů mezi dopravou a ostatními ukazateli.

Časový vývoj průměrných hodnot emisí [t] Q. Emise CO2 z velkých zdrojů 8000 7000 6000 5000 4000 3000 2000 1000 0 1970

1980


1990

1995

2000

2005

Obr. 2.7: Časový vývoj průměrných hodnot emisí velkých zdrojů CO2 a prachových částic

28

ČVUT v Praze _____________________

3 ZPRACOVÁNÍ

3 Zpracování 3.1 Výpočet korelačního koeficientu Korelační koeficient je číselné vyjádření lineární závislosti mezi dvěma veličinami. Hodnota korelačního koeficientu se pohybuje v rozmezí <-1; +1>. Hodnota korelačního koeficientu -1 značí silnou lineární závislost nepřímou, tj. čím více se zvětší hodnota jedné veličiny, tím více se zmenší hodnota druhé veličiny. Hodnota korelačního koeficientu 0 značí, že porovnávané veličiny nejsou lineárně závislé. Hodnota korelačního koeficientu +1 značí silnou lineární závislost přímou, tj. čím více vzroste hodnota jedné veličiny, tím více vzroste hodnota druhé veličiny. Tabulka 3: Posouzení závislosti mezi dvěma veličinami dle hodnoty korelačního koeficientu Závislost

Absolutní hodnota korelačního koeficientu

Velmi silná

0,800 - 1,000

Silná

0,600 - 0,799

Neprůkazná

0,400 - 0,599

Slabá

0,200 - 0,399

Velmi slabá

0,000 - 0,199

Pro všechna města nebylo možné určit hodnotu korelačního koeficientu, neboť v případě, že není k dispozici dostatek dat, nelze tuto analýzu provést. Je nezbytné znát hodnotu obou porovnávaných veličin alespoň ve dvou obdobích. V případě, že jednu z veličin známe pouze ve dvou obdobích, vychází hodnota korelačního koeficientu vždy -1 nebo +1, což však nevypovídá o intenzitě závislosti, ale pouze o její orientaci (nepřímá nebo přímá úměra). Analýza dat spočívala v určení dvou korelačních koeficientů pro každé město, u kterého to bylo možné. První mezi intenzitou dopravy v intravilánu a všemi zvolenými statistickými veličinami (v tabulkách označen jako KKD1, tedy korelační koeficient s dopravou 1) a druhý korelační koeficient mezi počtem vozidel na příjezdových komunikacích a všemi zvolenými veličinami (v tabulkách označen jako KKD2). Oba korelační koeficienty jsou pro období mezi lety 1970 – 2005. Pro některé statistické ukazatele byl také vypočten korelační koeficient mezi daným ukazatelem a osobní nebo nákladní dopravou (KKOD, KKND). Pokud to množství dostupných dat pro dané město umožňovalo, byla vypočtena také hodnota korelačního koeficientu pro období 1970 – 1990 a 1995 – 2005.

3.2 Multilineární regrese Pro pomoc při rozhodování, který statistický ukazatel nejvíce koresponduje s vývojem dopravy, lze kromě jednotlivých korelačních koeficientů použít také metody multilineární regrese. Použitím této metody se určuje závislost jedné proměnné na množině nezávislých proměnných (MS Excel umožňuje zpracovávat až 16 nezávislých proměnných). 29

ČVUT v Praze _____________________

3 ZPRACOVÁNÍ

Při tomto zpracování bylo použito i několik poznatků ze statistických metod snižování dimenze, konkrétně „metody hlavních komponent“. Pro názornější představu, srozumitelnou interpretaci a zjednodušení výpočtů je velmi často vhodné vyjádřit každé pozorování jako vektor o rozměru podstatně nižším než je výchozí počet znaků. Přitom je možné původní znaky zachovat, nebo je utvořit z původních podle libovolného pravidla (například jako jejich lineární kombinace). Jde přitom o co největší informativnost z hlediska třídění souboru a zároveň je požadavek na to, aby vybrané prvky byly vzájemně nezávislé a nejlépe vystihovaly strukturu výchozích pozorování. V mnohých úlohách týkajících se aplikace metod vícerozměrných pozorování (zejména pak v klasifikačních úlohách) zajímají řešitele především ty znaky, které vyjadřují největší kolísání při přechodu od jednoho objektu ke druhému. Tedy takové znaky, které způsobují největší změnu určitého závislého prvku. Řešení klasifikačních úloh může velmi usnadnit grafické znázornění pomocí hlavních komponent. Grafické znázornění na plochu prvních dvou hlavních komponent (buď převzatých z původních znaků, anebo vypočtených kombinací původních znaků) podstatně usnadní řešení těchto úloh, neboť řešení se lépe hledá ve dvourozměrné ploše, než například v (našem případě) osmnáctirozměrném prostoru. [19, str. 144 – 145, 167 - 168] Podobně jako v [19, str. 235 - 245] se tato práce pokusila i o určení nejcharakterističtějších rysů a zákonitostí ve vývoji dopravy na základě prostorových a sociálních ukazatelů. Na základě několika nejcharakterističtějších rysů potom byla snaha zpracovávaná města rozčlenit do několika skupin. Ze zpracování pomocí multilineární regrese byly předem vyloučeny sloupce M - počet obyvatel denně přepravených MHD (data dostupná pro málo měst), Q – emise CO2 z velkých zdrojů a R – emise prachových částic z velkých zdrojů, které nemají přímou souvislost s dopravou. Nebylo možné provést analýzu všech zpracovávaných statistických ukazatelů najednou, neboť proměnné musejí být vzájemně nezávislé. Tuto podmínku data ÚHDP a land use nesplňují (jsou na sobě více či méně závislé). Byly tedy provedeny analýzy zvlášť s daty ÚHDP (ve sloupcích A, B, C, D, E) a zvlášť s daty land use (sloupce F, G, H, I, J, K). Při první analýze byla jako závislá proměnná zvolena intenzita dopravy v jádrovém území a jako nezávislé proměnné byly zvoleny parametry A, B, C, D, E, L, N, O (popis viz tabulka 2, str. 20). Jako vstupní hodnota intenzity dopravy pro každé město byl zvolen průměr intenzit dopravy v letech 1970 – 2005. Jako vstupní hodnoty nezávislých parametrů byly použity jejich průměrné hodnoty za období let 1970 – 2005. V tomto zpracování byla pro nedostatečný soubor dat vynechána města Praha, Třinec, Jirkov, Brno, Břeclav a Strakonice. Celkem tedy analýza proběhla pro 44 měst. Pro druhou analýzu byla závislou proměnnou opět intenzita dopravy v jádrovém území a jako nezávislé proměnné byly zvoleny parametry F, G, H, I, J, K, L, N, O (popis viz tabulka 2, str. 20). Vstupní hodnotou byla průměrná intenzita dopravy mezi lety 1970 - 2005 (jako závislá proměnná) a jako nezávislé proměnné byly vzaty průměrné hodnoty vybraných parametrů mezi lety 1970 - 2005. Pro nedostatečný soubor dat byla opět vynechána stejná města jako v prvním případě, tedy Praha, Třinec, Jirkov, Brno, Břeclav a Strakonice. Analýza byla provedena pro 44 měst. Třetí regresní analýza proběhla pro intenzitu dopravy v jádrovém území jako závislou proměnnou, mezi nezávislé proměnné byl přidán sloupec P – počet osob vyjíždějících za prací. Jelikož je tento údaj k dispozici jen pro omezený počet měst, bylo přistoupeno k tomu, že se pro tato města udělala třetí analýza zahrnující i tento parametr. Nezávislými proměnnými tedy byly 30

ČVUT v Praze _____________________

3 ZPRACOVÁNÍ

sloupce A, B, C, D, E, L, N, O, P (popis viz tabulka 2, str. 20), ve kterých byly průměrné hodnoty parametrů za období 1970 – 2005. Tato analýza proběhla pro 21 měst a ze zpracování byla vynechána následující města: Praha, Třinec, Jirkov, Brno, Břeclav, Strakonice, Most, Karviná, Frýdek – Místek, Opava, Česká Lípa, Písek, Vsetín, Valašské Meziříčí, Litvínov, Český Těšín, Sokolov, Děčín, Teplice, Jihlava, Přerov, Mladá Boleslav, Třebíč, Havlíčkův Brod, Náchod, Kadaň, Rožnov pod Radhoštěm, Česká Třebová a Ústí nad Orlicí. Čtvrtá provedená regresní analýza je analogií ke druhé analýze, pouze je přidán do zpracování parametr P - počet osob vyjíždějících za prací, který ovlivní množství měst zahrnutých do zpracování. Jako závislá proměnná je tedy opět průměrná intenzita dopravy v jádrovém území (mezi lety 1970 -2005) a nezávislými proměnnými byly zvoleny parametry A, B, C, D, E, L, N, O, P (popis viz tabulka 2, str. 20), zastoupené průměrnými hodnotami za období mezi lety 1970 a 2005. Z důvodu chybějících dat pro ukazatel „P“, analýza byla spuštěna pro 21 měst a ze zpracování byla vynechána následující města: Praha, Třinec, Jirkov, Brno, Břeclav, Strakonice, Most, Karviná, Frýdek – Místek, Opava, Česká Lípa, Písek, Vsetín, Valašské Meziříčí, Litvínov, Český Těšín, Sokolov, Děčín, Teplice, Jihlava, Přerov, Mladá Boleslav, Třebíč, Havlíčkův Brod, Náchod, Kadaň, Rožnov pod Radhoštěm, Česká Třebová a Ústí nad Orlicí.

3.3 Postup zpracování v software Microsoft Office Excel Kancelářský software Microsoft Office Excel (dále jen „MS Excel“) obsahuje již ve své základní verzi mnoho nástrojů sloužících pro práci s daty v tabulkové formě a vytváření výstupů ve formě tabulek, grafů nebo diagramů. Samozřejmostí jsou funkce pro usnadnění práce s daty v tabulkách, ať se již jedná o výpočty průměrů, absolutní hodnoty, sumy sloupců a podobně. V základní verzi obsahuje MS Excel také velké množství nástrojů, které umožňují provádět statistické analýzy. Toho bylo využito při výpočtech korelačních koeficientů. Pro jejich výpočet poslouží funkce CORREL. Její použití je velmi jednoduché – vstupem jsou dvě pole – jedno obsahující sloupec s hodnotami první veličiny a druhé s hodnotami druhé veličiny. Funkce jako výsledek vrací hodnotu korelačního koeficientu. Jedinou podmínkou pro jeho výpočet je nutné, aby každé z obou vstupních polí obsahovalo nejméně dvě hodnoty. Po doinstalování knihovny obsahující pokročilejší nástroje („Analýza dat“) se množství dalších nástrojů značně rozšíří. A to zejména o funkce, které umožňují práci s většími bloky. Zatímco funkce CORREL umožňuje vždy zpracování dvou sloupců, další použitá funkce Analýza dat / Regrese povoluje zpracování celé sady dat a to až do počtu 16 nezávislých proměnných. Vstupem pro tuto funkci jsou hodnoty závislé proměnné a dále sada nezávislých proměnných, jejichž vliv na závislou proměnnou chceme analyzovat. Pro výpočet lze zvolit libovolnou hladinu spolehlivosti, implicitně je nastaveno 95%. Výstupem je vždy tabulka, která obsahuje výsledky regresní statistiky – hodnotu R (korelačního koeficientu pro původní parametry), hodnotu R2 (čtverec korelačního koeficientu mnohonásobné korelace, koeficient determinace), chybu střední hodnoty, z důležitých výsledků potom dále hodnoty lineárních členů pro jednotlivé parametry, chybu střední hodnoty parametru, hodnotu t Studentova rozdělení a hodnotu P (pravděpodobnost dosažení hodnoty t). Další výsledky nejsou pro účely zpracování v rámci této práce důležité.

31

ČVUT v Praze _____________________

3 ZPRACOVÁNÍ

3.4 Zpracování v software ArcGIS V software ArcGIS byly zhotoveny mapy se zobrazením zpracovávaných měst v rámci ČR. Zdrojovými daty v tomto případě byl soubor ArcCR, který obsahuje základní územní jednotky ve vektorové podobě. Z vrstvy obcí bylo vybráno 50 měst zpracovávaných v rámci této práce a z nich byla následně vytvořena nová vrstva (funkce „Create layer from selected features“). Pomocí funkce „Joins and Relates“ byla následně přes sloupec „ID_N“ (id města při seřazení podle názvu) připojena tabulka se statistickými údaji o městech. Díky tomu bylo možné vytvořit mapy se vztahem ke statistickým údajům zpracovaných v software Microsoft Office Excel. Jako rastrové podklady pro historické mapy byly užity mapy z národního geoportálu INSPIRE [14], které byly připojeny pomocí služby WMS. Připojeny byly vrstvy historických map II. vojenského mapování, III. vojenského mapování a také aktuální vojenské topografické mapy. Pro města Frýdek – Místek a Pardubice byla následně demonstrována velmi výrazná změna v rozloze těchto měst v období průmyslové revoluce a v průběhu 20. století.

32

ČVUT v Praze _____________________

4 VÝSLEDKY

4 Výsledky 4.1 Korelační koeficienty Výpočty korelačních koeficientů proběhly pomocí základních funkcí v software MS Excel (viz kapitola 3.3). Hodnota korelačního koeficientu vyjadřuje, nakolik silná je lineární závislost mezi dvěma veličinami (viz kapitola 3.1).

4.1.1 Korelační koeficient KKD1 Korelační koeficient statistického ukazatele s průměrnou intenzitou dopravy v intravilánu je označen jako koeficient KKD1. Hodnoty koeficientu KKD1 pro jednotlivá města jsou uvedeny v příloze C. Pro každé město lze v přiložené tabulce lze tedy vyhledat, které parametry mají na dopravu v daném městě největší vliv a jak velká je korelace. Pro které ukazatele byl v daném městě vypočten a pro které ne, případně, zda byl vypočten jen z minimálního počtu epoch, je uvedeno v tabulce 4.

ID

*)

Město

Kod

Tabulka 4a: Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, velká krajská města) Pro které ukazatele je Pro které ukazatele je vypočten *) vypočten jen ze dvou epoch *) nebylo možné vypočítat pro nedostatek dat

1

Praha

PHA

2

Brno

BRN A,B,C,D,E,G,L,M,N,O,P,Q,R

3

Ostrava

OST F,H,I,J,K,L,M,N,O,P,Q,R

A,B,C,D,E,G

4

Plzeň

PLZ

P

5

Olomouc

OLO vypočten pro všechny

6

Liberec

LIB

7

České Budějovice

CEB vypočten pro všechny

8

Hradec Králové

HRK vypočten pro všechny

9

Ústí nad Labem

UNL vypočten pro všechny

10

Pardubice

PCE

11

Zlín

ZLN vypočten pro všechny

A,B,C,D,E,F,G,H,I,J,K,L,M,N,O,Q,R vypočten pro všechny

vypočten pro všechny

seznam ukazatelů je na str. 9 a 10

33

Pro které ukazatele nebylo možné vypočítat *) F,H,I,J,K

ČVUT v Praze _____________________

4 VÝSLEDKY

ID

Město

12 Kladno 13 Most 14 Karviná Frýdek15 Místek 16 Opava 17 Děčín 18 Teplice 19 Jihlava 20 Chomutov 21 Přerov Jablonec n. 22 Nisou Mladá 23 Boleslav 24 Třebíč 25 Česká Lípa 26 Třinec 27 Znojmo 28 Příbram 29 Cheb 30 Kolín *)

Kod

Tabulka 4b: Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, velká okresní města, Jihlava a Třinec) Pro které ukazatele je vypočten jen ze dvou epoch*)

Pro které ukazatele je vypočten*)

KLA vypočten pro všechny MOS A,B,C,D,E,F,G,H,I,J,K,L,N KAR A,B,C,D,E,F,G,H,I,K,L,N

M

Pro které ukazatele nebylo možné vypočítat*) O,P,Q,R J,M,O,P,Q,R

F-M

A,B,C,D,E,F,G,H,I,K,L,N,O

J,M,P,Q,R

OPA DEC TEP JIH CHO PRE

A,B,C,D,E,G,I,L,N F,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L,N vypočten pro všechny F,H,I,J,K,L,N

M A,B,C,D,E,G,M M M

F,H,J,K,O,P,Q,R O,P,Q,R O,P,Q,R O,P,Q,R

A,C,D,E,G

B,M,O,P,Q,R

JAB

F,H,I,J,K,L,N,O,Q,R

A,B,D,E,G

C,M,P

MLB A,B,C,D,E,F,G,H,I,J,K,L,N

M,O,P,Q,R

TRE CLI TRI ZNO PRI CHE KOL

M,O,P,Q,R F,H,I,J,K,M,O,P,Q,R

A,B,C,D,E,F,G,I,J,K,L,N

H A,B,C,D,E,G,L,N nebylo možné vypočítat pro nedostatek dat A,B,C,D,E,F,G,H,I,J,K,L,N,O,P,R Q F,H,I,J,K,L,N,O,P,Q,R A,B,D,E,G F,H,I,J,K,L,M,N,O,Q,R A,C,D,E,G,P A,B,C,D,E,F,G,H,I,J,K,L,N,O,P,Q,R

M C,M B M


ID

Město

Kod

Tabulka 4c: Tabulka s přehledem, pro které ukazatele byl vypočten korelační koeficient s průměrnou intenzitou dopravy v intravilánu v jednotlivých městech (KKD1, menší okresní města a významná regionální centra)

31 32 33 34 35

Písek Vsetín Valašské Meziříčí Litvínov Český Těšín

PIS VSE VAM LIT CTE

36 Břeclav

BRE

37 Sokolov 38 Havlíčkův Brod

SOK HBR

39 Žďár nad Sázavou ZDA 40 Chrudim

CHR

41 Strakonice

STR

42 Klatovy

KLT

43 Kutná Hora

KUH

Pro které ukazatele je vypočten*) F,H,I,J,K,L,N F,H,I,J,L,N A,B,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,L,N F,H,I,J,K,L,N

Pro které ukazatele je vypočten jen ze dvou epoch*)

A,B,C,D,E,G A,B,C,D,E,G M A,B,C,D,E,G A,B,C,E,L,N

A,B,C,D,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L, N,O,P,Q,R A,D,E,F,G,H,I,J,K,L,N,O, P,Q,R A,B,D,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L, P M,N,O,Q,R A,B,C,D,E,G,H,I,J,L,N,O, P,Q,R

34

Pro které ukazatele nebylo možné vypočítat*) M,O,P,Q,R K,M,O,P,Q,R C,D,M,O,P,Q,R K,O,P,Q,R M,O,P,Q,R D,F,G,H,I,J,K,M,O,P,Q, R M,O,P,Q,R M,O,P,Q,R M B,C,M C,M,O,P,Q,R

F,K,M

ČVUT v Praze _____________________ 44 Jirkov

JIR

45 Náchod

NAC

46 Mělník

MEL

4 VÝSLEDKY A,B,C,D,E,F,G,H,I,J,K, M,O,P,Q,R

L,N A,B,C,D,E,F,G,H,I,J,K,L, N,O,P,R A,B,C,D,E,F,G,H,I,J,K,L, N,O,P,Q,R F,H,I,J,K,L,N

Q,M M

47 Kadaň KAD Rožnov pod 48 ROZ A,D,E,F,G,H,I,J,L,N Radhoštěm 49 Česká Třebová CTR F,H,I,J,K,L,N 50 Ústí nad Orlicí UNO F,H,I,J,K,L,N *) seznam ukazatelů je na str. 9 a 10

A,B,C,D,E,G,M,O,P,Q,R B,C,K,M,O,P,Q,R A,B,D,E,G A,B,C,E,G

C,M,O,P,Q,R D,M,O,P,Q,R

Z hodnot koeficientu KKD1 byla dále provedena analýza za účelem zjištění, které parametry mají obecně největší vliv na dopravu. Byly pro každé město vybrány 3 parametry s největší kladnou a zápornou korelací (6 parametrů pro každé město s dostatečným souborem dat) a podle hodnoty korelace v daném městě byly ohodnoceny vahou (3 - nejvíce závisí, 1 - nejméně závisí). Váhy se pro každý parametr sečetly, parametr s největším součtem vah byl tímto postupem vyhodnocen jako ten, který má na intenzitu dopravy v intravilánu největší vliv. Parametr, který měl nejčastěji nejvyšší zápornou korelaci, byl „N:- Celkový přírůstek populace“ (25 měst z 50, tj. 50%) a atributem, který měl nejčastěji nejvyšší kladnou hodnotu korelace je indikátor „K:- Výměra ostatních ploch land use v jádrovém území“ (8 měst z 50, tj. 16%). Četnosti výskytu všech ukazatelů jsou v grafu v příloze B2. Největší součet vah má ukazatel „N:- Celkový přírůstek populace“, dále pak „I:- Výměra obytných ploch v jádrovém území“ a „R:- Emise prachových částic z velkých zdrojů“. Nejvyšší součet kladných vah má ukazatel I a naopak nejnižší záporný součet vah má ukazatel N. Tento způsob analýzy je částečně zavádějící, neboť nezohledňuje míru závislosti, jen pořadí parametrů pro každé město. Z tabulky 4 je také patrné, že ne všechny parametry mají stejné postavení, protože v některých městech nebyly vypočítány hodnoty korelačních koeficientů s těmito ukazateli. Z průměrných hodnot korelačního koeficientu pro jednotlivé ukazatele vychází jako nejvýznamnější atribut „výměra dopravních ploch v jádrovém území“ (F, hodnota 0,813), na druhém místě pak „výměra rekreačních ploch v jádrovém území“ (J, hodnota 0,800) a jako třetí nejvýznamnější vychází (alespoň dle tohoto kritéria) „výměra obytných ploch v intravilánu“ (I, hodnota 0,799).

Průměrná hodnota korelačního koeficientu KKD1 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

P

Q

R

Obr. 4.1: Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli (viz str. 20, tabulka 2) a průměrnou intenzitou dopravy v intravilánu jádrového území

35

ČVUT v Praze _____________________

4 VÝSLEDKY

4.1.2 Korelační koeficient KKD2 Pro města byl vypočten také korelační koeficient pro vztah mezi statistickými ukazateli a průměrným počtem vozidel na příjezdových komunikacích (koeficient KKD2). Pro které ukazatele byl v daném městě vypočten a pro které ne, případně, zda byl vypočten jen z minimálního počtu období, je uvedeno v tabulce 5. Hodnoty koeficientu KKD2 pro jednotlivá města jsou uvedeny v příloze C. Pro jednotlivá města lze zjistit, které statistické ukazatele nejvíce odpovídají vývoji dopravy na příjezdových komunikacích. Tabulka 5a: Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, velká krajská města)

1 2 3 4 5 6 7 8 9 10 11 *)

Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín

Kod

ID

Pro které ukazatele je KKD2 *) vypočten

PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN

Pro které ukazatele je KKD2 vypočten jen ze dvou epoch*)

nebylo možné vypočítat pro nedostatek dat A,B,C,D,E,G,L,M,N,O,P,Q,R F,H,I,J,K,L,M,N,O,P,Q,R A,B,C,D,E,G A,B,C,D,E,F,G,H,I,J,K,L,M,N,O,Q,R P vypočten pro všechny vypočten pro všechny vypočten pro všechny vypočten pro všechny vypočten pro všechny vypočten pro všechny vypočten pro všechny

Pro které ukazatele nebylo možné vypočítat KKD2*)

F,H,I,J,K


ID

Město

Kod

Tabulka 5b: Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, velká okresní města, Jihlava a Třinec) Pro které ukazatele je *) KKD2 vypočten


12 Kladno 13 Most

KLA vypočten pro všechny MOS A,B,C,D,E,F,G,H,I,J,K,L,N M

14 Karviná

KAR L,N

15 16 17 18 19 20 21

F-M OPA DEC TEP JIH CHO PRE

22 23 24 25 26

Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec

27 Znojmo 28 Příbram

A,B,C,D,E,F,G,H,I,J,L,N,O A,B,C,D,E,G,I,L,N F,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L,N A,B,C,D,E,F,G,H,I,J,K,L,N vypočten pro všechny F,H,I,J,K,L,N

JAB F,H,I,J,K,L,N,O,Q,R

M A,B,C,D,E,G,M M M

O,P,Q,R A,B,C,D,E,F,G,H, I,J,K,M,O,P,Q,R K,M,P,Q,R F,H,J,K,O,P,Q,R O,P,Q,R O,P,Q,R O,P,Q,R

A,C,D,E,G

B,M,O,P,Q,R

A,B,D,E,G

C,M,P

MLB A,B,C,D,E,F,G,H,I,J,K,L,N TRE A,B,C,D,E,F,G,I,J,K,L,N H CLI A,B,C,D,E,F,G,H,I,J,K,L,N TRI nebylo možné vypočítat pro nedostatek dat A,B,C,D,E,F,G,H,J,L,N,O, ZNO Q P,R PRI F,H,I,J,K,L,N,O,P,Q,R A,B,D,E,G

36

Pro které ukazatele nebylo možné vypočítat KKD2*)

M,O,P,Q,R M,O,P,Q,R M,O,P,Q,R I,K,M C,M

ČVUT v Praze _____________________ 29 Cheb 30 Kolín *)

4 VÝSLEDKY

CHE F,H,I,J,K,L,M,N,O,Q,R A,C,D,E,G,P A,B,C,D,E,F,G,H,I,J,K,L,N KOL ,O,P,Q,R

B M


ID

Město

Kod

Tabulka 5c: Přehled, pro které ukazatele byl vypočten korelační koeficient s průměrným počtem vozidel na příjezdových komunikacích v jednotlivých městech (KKD2, menší okresní města a významná regionální centra)

Pro které ukazatele je KKD2 *) vypočten

31 Písek PIS F,H,I,J,K,L,N 32 Vsetín VSE F,H,I,J,L,N Valašské 33 VAM A,B,C,D,E,F,G,H,I,J,K,L,N Meziříčí 34 Litvínov LIT A,B,C,D,E,F,G,H,I,J,L,N 35 Český Těšín CTE F,H,I,K,L,N 36 Břeclav BRE A,B,C,D,E,F,H,I,J,K,L,N 37 Sokolov SOK A,B,C,D,E,F,G,H,I,J,K,L,N 38 Havlíčkův Brod HBR A,B,C,D,E,F,G,H,I,J,K,L,N Žďár nad 39 ZDA A,B,C,D,E,F,G,H,I,J,K,L,N,O,P,Q,R Sázavou 40 Chrudim CHR A,D,E,F,G,H,I,J,K,L,N,O,P,Q,R 41 Strakonice STR A,B,D,E,F,G,H,I,J,K,L,N 42 Klatovy KLT A,B,C,D,E,F,G,H,I,J,K,L,M,N,O,Q,R 43 Kutná Hora KUH A,B,C,D,E,G,H,I,J,L,N,O,P,Q,R 44 Jirkov JIR A,B,C,D,E,G,L,M,N 45 Náchod NAC A,B,C,D,E,F,G,H,I,J,K,L,N,O,P,R 46 Mělník MEL A,B,C,D,E,F,G,H,I,J,K,L,N,O,P,Q,R 47 Kadaň KAD F,H,I,J,K,L,N Rožnov pod 48 ROZ A,B,C,D,E,F,G,H,I,J,L,N Radhoštěm 49 Česká Třebová CTR F,H,I,J,K,L,N 50 Ústí nad Orlicí UNO F,H,I,J,K,L,N *)


Pro které ukazatele nebylo možné vypočítat *) KKD2

A,B,C,D,E,G M,O,P,Q,R A,B,C,D,E,G K,M,O,P,Q,R M,O,P,Q,R M K,O,P,Q,R A,B,C,D,E,G J,M,O,P,Q,R G,M,O,P,Q,R M,O,P,Q,R M,O,P,Q,R M B,C,M C,M,O,P,Q,R P F,K,M F,H,I,J,K,O,P,Q,R Q,M M A,B,C,D,E,G M,O,P,Q,R K,M,O,P,Q,R A,B,D,E,G A,B,C,E,G

C,M,O,P,Q,R D,M,O,P,Q,R


Pro každý atribut byla vypočtena průměrná hodnota korelačního koeficientu. Podle průměrné hodnoty korelace bylo následně možné posoudit, který ukazatel nejlépe odpovídá vývoji počtu vozidel na příjezdových komunikacích. Nejvyšší hodnoty vykazují ukazatele „G - Výměra intravilánu (zástavby) jádrového území“ (0,788), „P - Počet osob vyjíždějících za prací“ (0,783) a „Q - Emise CO2 z velkých zdrojů“ (0,778).

37

ČVUT v Praze _____________________

4 VÝSLEDKY

Průměrná hodnota korelačního koeficientu KKD2 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

P

Q

R

Obr. 4.2: Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli (viz str. 20, tabulka 2) a průměrným počtem vozidel na příjezdových komunikacích

4.1.3 Korelační koeficient KKOD Pro vybrané ukazatele byl také zjišťován vztah se samotnou osobní dopravou. Statistické parametry pro toto porovnání byly vybrány autorem pro jejich předpokládaný vztah s osobní dopravou. Korelační koeficient s osobní dopravou (KKOD) bylo možné vypočítat pro stejná města jako koeficient KKD1 (intenzita dopravy se počítá ze součtu osobních vozidel, nákladních vozidel a motocyklů dle vzorce uvedeného v kapitole 2.1). Hodnoty koeficientu KKOD jsou uvedeny v příloze C. Pro výpočet KKOD byly vybrány následující ukazatele: -

výměra zastavěných ploch a nádvoří ve správním území (ukazatel D) výměra dopravních ploch v jádrovém území (ukazatel F) výměra intravilánu (zástavby) jádrového území (ukazatel G) výměra výrobních ploch v jádrovém území (ukazatel H) výměra obytných ploch v jádrovém území (ukazatel I) výměra rekreačních ploch v jádrovém území (ukazatel J) výměra ostatních ploch land use v jádrovém území (ukazatel K) počet obyvatel města (ukazatel L) počet osob vyjíždějících za prací (ukazatel P)

Nejvyšší průměrný korelační koeficient (z absolutních hodnot KKOD pro jednotlivá města) vychází pro ukazatel H (0,846), dále pro parametr J (0,835) a třetí nejvyšší hodnotu korelace má parametr I (0,822).

38

ČVUT v Praze _____________________

4 VÝSLEDKY

Průměrná hodnota korelačního koeficientu KKOD 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 D

F

G

H

I

J

K

L

P

Obr. 4.3: Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli (viz str. 20, tabulka 2) a počtem osobních vozidel v intravilánu jádrového území

4.1.4 Korelační koeficient KKND Korelační koeficient byl spočten i pro určení míry lineární závislosti mezi počtem nákladních vozidel a několika vybraných ukazatelů. Statistické parametry byly vybrány autorem dle předpokládaného vztahu s nákladní dopravou. Korelační koeficient s nákladní dopravou (KKND) bylo možné vypočítat pro stejná města jako koeficient KKD1 (intenzita dopravy se počítá ze součtu osobních vozidel, nákladních vozidel a motocyklů dle vzorce uvedeného v kapitole 2.1). Hodnoty koeficientu KKND jsou uvedeny v příloze C. Pro výpočet KKND byly vybrány následující ukazatele: -

výměra zastavěných ploch a nádvoří ve správním území (ukazatel D) výměra ostatních ploch a neplodné půdy ve správním území (ukazatel E) výměra dopravních ploch v jádrovém území (ukazatel F) výměra intravilánu (zástavby) jádrového území (ukazatel G) výměra výrobních ploch v jádrovém území (ukazatel H) výměra obytných ploch v jádrovém území (ukazatel I) výměra rekreačních ploch v jádrovém území (ukazatel J) výměra ostatních ploch land use v jádrovém území (ukazatel K) počet obyvatel města (ukazatel L) emise prachových částic z velkých zdrojů (ukazatel R)

Nejvyšší průměrný korelační koeficient (z absolutních hodnot KKND pro jednotlivá města) vychází pro ukazatel F (0,698), dále pro parametr H (0,693) a třetí nejvyšší hodnotu korelace má parametr I (0,683).

39

ČVUT v Praze _____________________

4 VÝSLEDKY

Průměrná hodnota korelačního koeficientu KKND 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 D

E

F

G

H

I

J

K

L

R

Obr. 4.4: Průměrná hodnota korelačního koeficientu mezi vybranými statistickými ukazateli (viz str. 20, tabulka 2) a počtem nákladních vozidel v intravilánu jádrového území

4.1.5 Hodnoty korelačních koeficientů pro jednotlivé roky Pro každé období (1970, 1980, 1990, 1995, 2000 a 2005) byla vypočtena hodnota korelačního koeficientu pro vztah mezi statistickým ukazatelem a průměrnou intenzitou dopravy v intravilánu jádrového území. Z takto získaných hodnot korelačních koeficientů lze porovnávat, jak moc se závislost jednotlivých parametrů na dopravě měnila mezi jednotlivými epochami. Přestože některé parametry v některých obdobích vykazovaly vysoké hodnoty korelačního koeficientu (parametry F, I, J v roce 2005 mají hodnotu korelačního koeficientu 0,800 a vyšší), průměrné hodnoty korelačního koeficientu vychází v 56% (10 parametrů z 18) v rozmezí 0,400 – 0,599 (tj. neprůkazná závislost), ve 22% (4 parametry z 18) v rozmezí 0,200 – 0,399 (tj. slabá nezávislost ukazatelů) a ve 22% (4 parametry z 18) v rozmezí 0,000 – 0,199 (tj. silná nezávislost). Intenzita dopravy tedy není jednoznačně ovlivněna jedním konkrétním parametrem, který by vykazoval stabilně vysoké hodnoty korelace. Nejvyšší průměrnou hodnotu korelačního koeficientu mají parametry: -

G:- Výměra intravilánu (zástavby) jádrového území, hodnota 0,561 L:- Počet obyvatel města, hodnota 0,554 C:- Výměra vodních ploch ve správním území, hodnota 0,509 D:- Výměra zastavěných ploch a nádvoří ve správním území, hodnota 0,498

40

ČVUT v Praze _____________________

4 VÝSLEDKY

Průměrná hodnota korelace v období 1970 - 2005 1,000 0,900 0,800 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 A

B

C

D

E

F

G

H

I

J

K

L

M N

O

P

Q

R

Obr. 4.5: Průměrná hodnota korelačního koeficientu pro jednotlivé statistické ukazatele (viz str. 20, tabulka 2) v období 1970 - 2005

4.1.6 Závislost parametrů na dopravě v obdobích 1970 – 1990 a 1995 – 2005 Vzhledem k tomu, že každé období obsahuje jen tři období, jsou k dispozici relevantní hodnoty (určené z více než dvou epoch pro oba porovnávané parametry) jen pro velmi málo měst. Vypočtené hodnoty jsou uvedeny v tabulce v příloze C. Pro porovnání s intenzitou dopravy v intravilánu jádrového území (KKD1) byly s ohledem na hustotu tabulky vybrány statistické parametry: - D:- Výměra zastavěných ploch a nádvoří ve správním území - G:- Výměra intravilánu (zástavby) jádrového území - L:- Počet obyvatel města Korelační koeficient parametru D je v období 1970 – 1990 vypočten pro 6 měst z 50 (12%) a v období 1995 – 2005 pro 31 měst z 50 (62%). Průměrná hodnota koeficientu pro období mezi lety 1970 – 1990 je 0,647 („slabá závislost“) a pro období mezi lety 1995 – 2005 je hodnota KKD1 0,775 („slabá závislost“). Hodnota korelace ukazatele G je mezi lety 1970 – 1990 vypočtena pro 8 měst z 50 (16%) a mezi lety 1995 – 2005 pro 22 měst z 50 (44%). Průměrná hodnota koeficientu pro období mezi lety 1970 – 1990 je 0,632 („slabá závislost“) a pro období mezi lety 1995 – 2005 je hodnota KKD1 0,766 („slabá závislost“). Počet obyvatel města je jediný ukazatel, pro který jsou hodnoty k dispozici pro všechna města ve všech obdobích, proto je hodnota korelačního koeficientu v období 1970 – 1990 určena pro 39 měst z 50 (78%) a pro období 1995 – 2005 je známa pro 42 měst z 50 (84%). Průměrná hodnota (z absolutních hodnot korelačních koeficientů pro jednotlivá města) korelačního koeficientu pro parametr „L:- Počet obyvatel města“ má pro období 1970 – 1990 „slabou závislost“ (0,766), v období 1995 – 2005 pak „silnou závislost“ (hodnota korelačního 41

ČVUT v Praze _____________________

4 VÝSLEDKY

koeficientu 0,847). Pro 32 měst (82% měst, pro která byla vypočtena hodnota) vychází korelace mezi dopravou a atributem „počet obyvatel města“ v období mezi lety 1970 – 1990 kladná. Naproti tomu v období mezi lety 1995 – 2005 vychází hodnota korelačního koeficientu mezi intenzitou dopravy v intravilánu a počtem obyvatel záporná pro 35 měst (90% měst, pro která byla vypočtena hodnota). Z toho vyplývá, že průměrné hodnoty korelačních koeficientů pro tato dvě období mají také odlišné „směry“ korelace.

Hodnoty korelačního koeficientu KKD1 ve dvou epochách pro velká krajská města L (1970 - 1990) BRN

OST

PLZ

OLO

LIB

L (1995 - 2005) CEB

HRK

UNL

PCE

ZLN

1,000 0,800 0,600 0,400 0,200 0,000 -0,200 -0,400 -0,600 -0,800 -1,000

Obr. 4.6 a): Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro velká krajská města Poznámka: Světle vybarvené sloupce jsou hodnoty KKD1 vypočtené z minimálního počtu údajů (dvou, tj. koeficient nevyjadřuje míru korelace, ale jen její směr).

42

ČVUT v Praze _____________________

4 VÝSLEDKY

Hodnoty korelačního koeficientu KKD1 ve dvou epochách pro velká okresní města + Jihlava + Třinec L (1970 - 1990) KLA MOS KAR F-M OPA DEC TEP

L (1995 - 2005)

JIH CHO PRE JAB MLB TRE

CLI

TRI ZNO PRI

CHE KOL

1,000 0,800 0,600 0,400 0,200 0,000 -0,200 -0,400 -0,600 -0,800 -1,000

Obr. 4.6 b): Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro velká okresní města + Jihlava + Třinec Poznámka: Světle vybarvené sloupce jsou hodnoty KKD1 vypočtené z minimálního počtu údajů (dvou, tj. koeficient nevyjadřuje míru korelace, ale jen její směr).

Hodnoty korelačního koeficientu KKD1 ve dvou epochách pro menší okresní města a regionální centra L (1970 - 1990) PIS VSE VAM LIT

L (1995 - 2005)

CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO

1,000 0,800 0,600 0,400 0,200 0,000 -0,200 -0,400 -0,600 -0,800 -1,000

Obr. 4.6 c): Hodnoty korelačního koeficientu KKD1 pro atribut „L. Počet obyvatel města“ ve dvou obdobích (1970 – 1990 a 1995 – 2005) pro menší okresní města a významná regionální centra Poznámka: Světle vybarvené sloupce jsou hodnoty KKD1 vypočtené z minimálního počtu údajů (dvou, tj. koeficient nevyjadřuje míru korelace, ale jen její směr).

43

ČVUT v Praze _____________________

4 VÝSLEDKY

Pro porovnání s počtem osobních vozidel v intravilánu jádrového území (KKOD) byl zvolen jen parametr „L:- Počet obyvatel města“. Hodnota korelačního koeficientu byla vypočtena pro 41 měst pro období 1970 – 1990 a pro 42 měst v období 1995 – 2005.

4.2 Vícerozměrná analýza atributů Vícerozměrná analýza (nebo multilineární regrese) byla provedena v software Microsoft Office Excel 2007 pomocí doinstalovaného modulu pro vícerozměrné statistické analýzy (postup a teorie viz kapitoly 3.2 a 3.3). Nejprve byly vypočteny průměrné hodnoty jednotlivých statistických ukazatelů za období mezi lety 1970 – 2005 pro každé zpracovávané město. K těmto ukazatelům byla přidána i průměrná intenzita dopravy v zastavěném území jádrových katastrů města mezi lety 1970 -2005. Vícerozměrná regresní analýza byla provedena pro různé ukazatele celkem čtyřikrát. Dvakrát pro vzorek 44 měst a dvakrát pro vzorek 21 měst, z toho pro oba vzorky jednou pro 8 atributů a jednou pro 9 atributů. Jako závislá proměnná byla zvolena průměrná intenzita dopravy v období mezi lety 1970 -2005. V nastavení vstupních parametrů byla pro výpočet zvolena hladina významnosti 95%. Míra vlivu jednotlivých atributů je vyjádřena pomocí P-hodnoty. Závislost je tím větší, čím menší je P-hodnota.

4.2.1

Vícerozměrná analýza vztahu mezi hodnotami ÚHDP, o obyvatelstvu (bez atributu P) a dopravou mezi lety 1970 - 2005

údaji

Pro první zpracování byly jako prostorová data vybrány plochy ÚHDP a k nim ukazatele o obyvatelstvu: -

A:- Výměra zemědělské půdy B:- Výměra lesní půdy C:- Výměra vodních ploch D:- Výměra zastavěných ploch a nádvoří E:- Výměra ostatních ploch a neplodné půdy L:- Počet obyvatel města N:- Celkový přírůstek populace O:- Ekonomicky aktivní populace

Průměrné hodnoty výše uvedených atributů jsou k dispozici pro 44 měst. Jako závislá proměnná, jejíž závislost na jednotlivých atributech měst byla zkoumána, byla zvolena průměrná intenzita dopravy na komunikacích v zástavbě jádrového území. Výsledná hodnota R2 je 0,717, což značí, že 71,7% variability hodnoty závislé proměnné je vysvětleno vypočteným regresním vztahem. V následující tabulce jsou uvedeny P-hodnoty jednotlivých atributů.

44

ČVUT v Praze _____________________

4 VÝSLEDKY

Tabulka 6: Výsledné P-hodnoty jednotlivých atributů po analýze dat ÚHDP, atributů L, N, O a intenzity dopravy v období 1970 -2005 Atribut

P-hodnota

D

0,028

O

0,117

A

0,131

E

0,162

B

0,423

N

0,435

L

0,472

C

0,969

Z tabulky 6 vyplývá, že kromě atributu D žádný z atributů nedosáhl nižší P-hodnoty, než byla zvolená hladina významnosti (α = 95%). Ukazatel „D. Výměra zastavěných ploch a nádvoří“ tedy má velmi významný vliv na intenzitu dopravy. První 4 atributy (D, O, A a E) mají výrazně nižší P-hodnoty, než ostatní a lze tedy pro tuto skupinku tvrdit, že ze zadaných parametrů mají rozhodující vliv na dopravu. Kompletní výstup ze zpracování je uveden v příloze C.

4.2.2 Vícerozměrná analýza vztahu mezi hodnotami ÚHDP, údaji o obyvatelstvu (včetně atributu P) a dopravou mezi lety 1970 -2005 Pro druhé zpracování byly vybrány plochy ÚHDP a k nim ukazatele o obyvatelstvu stejně jako v případě 4.2.1, ale navíc byl do zpracování zařazen ještě atribut P: -

A:- Výměra zemědělské půdy B:- Výměra lesní půdy C:- Výměra vodních ploch D:- Výměra zastavěných ploch a nádvoří E:- Výměra ostatních ploch a neplodné půdy L:- Počet obyvatel města N:- Celkový přírůstek populace O:- Ekonomicky aktivní populace P:- Počet osob vyjíždějících za prací

Parametr P má dostupná data v dostatečné míře jen pro omezený soubor měst, analýza tedy proběhla jen pro 21 měst. Jako závislá proměnná, jejíž závislost na jednotlivých atributech měst byla zkoumána, byla znovu zvolena průměrná intenzita dopravy na komunikacích v zástavbě jádrového území. Statistická hodnota R2 vychází 0,775, což značí, že 77,5% variability hodnoty závislé proměnné je vysvětleno vypočteným regresním vztahem. Je to jen o 5,8 procentního bodu více, než v případě 4.2.1. V následující tabulce jsou uvedeny vypočtené P-hodnoty jednotlivých atributů.

45

ČVUT v Praze _____________________

4 VÝSLEDKY

Tabulka 7: Výsledné P-hodnoty jednotlivých atributů po analýze dat ÚHDP, atributů L, N, O, P a intenzity dopravy pro období mezi lety 1970 - 2005 Atribut

P-hodnota

A

0,234

O

0,247

D

0,431

L

0,436

N

0,459

E

0,480

P

0,905

C

0,936

B

0,988

Z hodnot uvedených v tabulce 7 vyplývá, že žádný ze zahrnutých parametrů nedosáhl nižší P-hodnoty, než byla zvolená hladina významnosti (α = 95%). V tomto případě (tj. s uvažovaným atributem P) jsou P-hodnoty těch „nejvlivnějších“ parametrů mnohem vyšší, nežli tomu bylo v případě 4.2.1. V tomto případě není možné tvrdit, že by nějaké atributy byly samy o sobě významné a z tohoto případu žádný z ukazatelů nemá zásadní vliv na intenzitu dopravy. První 2 atributy (A, O) mají výrazně nižší P-hodnoty, nežli ostatní, a lze tedy pro tento pár tvrdit, že z uvažovaných parametrů mají významný vliv na dopravu. Kompletní výstup ze zpracování je uveden v příloze C. Přestože P-hodnoty jsou v případech 4.2.1 a 4.2.2 pro jednotlivé atributy zcela odlišné, přesto se na prvních třech pozicích (i když v různých pořadích) umístily stejné ukazatele. Jedná se o „A:- Výměra zemědělské půdy“, „D:- Výměra zastavěných ploch a nádvoří“ a „O:- Ekonomicky aktivní populace“.

4.2.3 Vícerozměrná analýza vztahu mezi hodnotami land use, o obyvatelstvu (bez atributu P) a dopravou mezi lety 1970 - 2005

údaji

Pro třetí zpracování byly vybrány ukazatele s hodnotami využití území a k nim ukazatele o obyvatelstvu stejně jako v případě 4.2.1: -

F:- Výměra dopravních ploch v jádrovém území G:- Výměra intravilánu (zástavby) jádrového území H:- Výměra výrobních ploch v jádrovém území I:- Výměra obytných ploch v jádrovém území J:- Výměra rekreačních ploch v jádrovém území K:- Výměra ostatních ploch land use v jádrovém území L:- Počet obyvatel města N:- Celkový přírůstek populace O:- Ekonomicky aktivní populace

Průměrné hodnoty zvolených atributů jsou vypočteny pro 21 sídel. Zkoumanou závislou proměnnou byla zvolena průměrná intenzita dopravy v intravilánu jádrového území měst.

46

ČVUT v Praze _____________________

4 VÝSLEDKY

Statistická hodnota R2 vychází 0,720, což značí, že 72% variability hodnoty závislé proměnné je vysvětleno vypočteným regresním vztahem. Odpovídá to hodnotě, která byla vypočtena ve zpracování v kapitole 4.2.1, která činila 0,717. V následující tabulce jsou uvedeny vypočtené P-hodnoty jednotlivých atributů. Tabulka 8: P-hodnoty jednotlivých atributů po analýze dat land use, atributů L, N, O a intenzity dopravy pro období mezi lety 1970 - 2005 Atribut

P-hodnota

K

0,037

O

0,170

N

0,231

H

0,288

L

0,365

G

0,517

I

0,593

J

0,598

F

0,971

Z hodnot uvedených v tabulce 8 vyplývá, že kritérium pro hladinu významnosti α = 95% splnil jen ukazatel „K:- Výměra ostatních ploch land use v jádrovém území“. Tento statistický ukazatel má oproti ostatním velmi výrazný vliv na intenzitu dopravy. Z ostatních parametrů už je významnější jen parametr O. První 4 atributy (K, O, N, H) mají nepříliš výrazně nižší P-hodnoty, nežli ostatní, přesto lze soudit, že tyto atributy z uvažovaných parametrů mají rozhodující vliv na dopravu. Kompletní výstup ze zpracování je uveden v příloze C. Přestože atributy zvolené v kapitolách 4.2.1 a 4.2.2 jsou částečně jiné, přesto se atribut „O:- Ekonomicky aktivní populace“ umístil ve všech případech jako druhý nejvýznamnější a vždy by splnil kritérium hladiny významnosti α = 75%.

4.2.4 Vícerozměrná analýza vztahu mezi hodnotami land use, o obyvatelstvu (včetně atributu P) a dopravou mezi lety 1970 - 2005

údaji

Pro čtvrté zpracování byly vybrány ukazatele s rozlohou funkčních a spolu s nimi ukazatele o obyvatelstvu stejně jako v případě 4.2.2 (tedy základní a parametr P): -

F:- Výměra dopravních ploch v jádrovém území G:- Výměra intravilánu (zástavby) jádrového území H:- Výměra výrobních ploch v jádrovém území I:- Výměra obytných ploch v jádrovém území J:- Výměra rekreačních ploch v jádrovém území K:- Výměra ostatních ploch land use v jádrovém území L:- Počet obyvatel města N:- Celkový přírůstek populace O:- Ekonomicky aktivní populace P:- Počet osob vyjíždějících za prací

47

ČVUT v Praze _____________________

4 VÝSLEDKY

Do zpracování bylo zahrnuto 21 měst, pro která byla předtím vypočtena průměrná hodnota všech parametrů pro období mezi lety 1970 – 2005. Zkoumanou závislou proměnnou byla zvolena průměrná intenzita dopravy v intravilánu jádrového území měst. Statistická hodnota R2 vychází 0,814, což značí, že 81,4% variability hodnoty závislé proměnné lze vysvětlit vypočteným regresním vztahem. Je to přibližně o 4 procentní body více než v případě analýzy 4.1.2. a téměř o 10 procentních bodů více než v případě analýz v kapitolách 4.1.1 a 4.1.3. V následující tabulce jsou uvedeny vypočtené P-hodnoty jednotlivých atributů. Tabulka 9: Výsledné P-hodnoty jednotlivých atributů po analýze dat land use, atributů L, N, O, P a intenzity dopravy mezi lety 1970 a 2005 Atribut

P-hodnota

I

0,321

K

0,445

G

0,620

H

0,696

L

0,708

F

0,768

N

0,789

O

0,810

P

0,875

J

0,961

Z hodnot uvedených v tabulce 9 vyplývá, že kritérium pro hladinu významnosti α = 95% nesplňuje žádný z ukazatelů. Žádný z nich dokonce nesplňuje ani kritérium pro α = 75%, což lze tedy považovat za případ, kdy na závislé proměnné se významně podílí společně více faktorů. Nelze tedy jednoznačně tvrdit, že by jeden z nich měl výraznou převahu nad ostatními. Částečně to snad lze říci jen o dvojici parametrů I a K, které mají výrazně nižší P-hodnoty, než ostatní vybrané ukazatele. Kompletní výstup ze zpracování je uveden v příloze C. Za povšimnutí stojí, že atribut „O:- Ekonomicky aktivní populace“ se při této analýze umístil až jako třetí nejvýznamnější od konce s velmi vysokou P-hodnotou. V rámci této analýzy tedy vychází jako atribut, který má zanedbatelný vliv na intenzitu dopravy a při jejím popisu může být vynechán.

4.3 Popis závislosti parametrů Popsání vzájemné závislosti dvojice parametrů využívá principu statistické metody hlavních komponent. Tato metoda spočívá ve snížení dimenze vícerozměrného prostoru pomocí lineárních kombinací a vhodného výběru atributů, které zachovají co nejvíce informací o nějakém prvku, ale zároveň se s ohledem na jejich nižší počet dá lépe pracovat se získanými výsledky. V předcházejících kapitolách 4.1 a 4.2 byly různými analýzami určeny parametry, které mají největší vliv na intenzitu dopravy v intravilánu jádrového území. Ať se již jednalo o porovnání každého atributu zvlášť (kapitola 4.1) nebo metodou vícerozměrné regrese (kapitola 4.2), vždy lze vybrat dvojici nejvlivnějších atributů. 48

ČVUT v Praze _____________________

4 VÝSLEDKY

Takové páry byly přepočteny jako procentuální podíly na celkové hodnotě (buď počtu obyvatel v roce 2005, nebo na celkové ploše správního území v roce 2005, podle toho zda se jedná o atribut související s obyvatelstvem nebo plochou města). Tyto podíly byly potom vyneseny do plošného grafu jako souřadnice X a Y jednotlivých měst. V každém grafu bylo zkoumáno, zda se některá města neshlukují do skupin. Pokud města vytvářela nějaké odlišitelné skupiny, potom byla snaha tyto skupiny nějak souhrnně charakterizovat podle nějaké geografické vlastnosti a pojmenovat je. Tabulka 10: Seznam dvojic porovnávaných parametrů a metody, ze které vyšly jako nejvýznamnější Ze kterého zpracování byly parametry vybrány

První nejvýznamnější parametr

Druhý nejvýznamnější parametr

Korelační koeficient KKD1 (dle hodnoty)

F:- Výměra dopravních ploch v jádrovém území

J:- Výměra rekreačních ploch v jádrovém území

Korelační koeficient KKD1 (dle vah)

N:- Celkový přírůstek populace

I:- Výměra obytných ploch v jádrovém území

Korelační koeficient KKD2 (dle hodnoty)

G:- Výměra intravilánu (zástavby) jádrového území

P:- Počet osob vyjíždějících za prací

Korelační koeficient KKOD(dle hodnoty)

H:- Výměra výrobních ploch v jádrovém území

J:- Výměra rekreačních ploch v jádrovém území

Korelační koeficient KKND(dle hodnoty)

F:- Výměra dopravních ploch v jádrovém území

H:- Výměra výrobních ploch v jádrovém území

1. multiregresní analýza (z ÚHDP, bez P)

D:- Výměra zastavěných ploch a nádvoří ve správním území

O:- Ekonomicky aktivní populace

2. multiregresní analýza (z ÚHDP, včetně P)

A:- Výměra zemědělské půdy ve správním území


3. multiregresní analýza (z land use, bez P)

K:- Výměra ostatních ploch land use v jádrovém území


4. multiregresní analýza (z land use, včetně P)

I:- Výměra obytných ploch v jádrovém území

K:- Výměra ostatních ploch land use v jádrovém území

4.3.1 Popis závislosti atributů „F“ a „J“ (nejvýznamnější dle korelace s intenzitou dopravy) Výměra dopravních ploch v jádrovém území (atribut F) a výměra rekreačních ploch v jádrovém území (atribut K) mají největší vliv podle průměrné hodnoty korelačního koeficientu KKD1. Ukazatel F má průměrnou hodnotu KKD1 0,813 a ukazatel J má průměrnou hodnotu KKD1 0,800.

49

ČVUT v Praze _____________________

4 VÝSLEDKY

Při vykreslení do grafu byl podíl hodnot parametru F na ploše správního území města na ose X a podíl hodnot parametru J na ploše správního území na ose Y. Tyto hodnoty (jak na ose X, tak na ose Y) jsou v procentech.

Obr. 4.7: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent F a J, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra

50

ČVUT v Praze _____________________

4 VÝSLEDKY

Na základě tohoto porovnání města netvoří nijak výrazně odlišené shluky. Města Chomutov a Teplice mají zcela individuální hodnoty, podíl atributů F a J na ploše správního území je mimořádně vysoký. Většina měst tvoří kompaktní skupinu s podílem dopravních ploch na správním území do 3% a s podílem rekreačních ploch na správním území také do 3%. Do této oblasti spadá 38 měst z 50. Především velká krajská města ale většinou (6 z 11) leží mimo tuto skupinu, neboť mají větší podíl dopravních ploch a zejména pak rekreačních ploch vůči rozloze správního území.

4.3.2 Popis závislosti atributů „N“ a „I“ (nejvýznamnější dle četností u korelace s intenzitou dopravy) V kapitole 4.1.1 byl mimo jiné popsán způsob určení významu parametrů vůči dopravě na základě vah přisouzených jednotlivým parametrům, podle pořadí parametrů při seřazení sestupně podle hodnoty korelačních koeficientů (jejich absolutní hodnoty). Touto metodou vyšly jako nejvlivnější parametry „N:- Celkový přírůstek populace“ a „I:- Obytné plochy v jádrovém území“. Parametr N, jako podíl na celkové populaci města v promile byl vynesen na osu X a parametr N, jako podíl na celkové ploše správního území města byl vynesen na osu Y.

Obr. 4.8: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent N a I, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra

51

ČVUT v Praze _____________________

4 VÝSLEDKY

Z tohoto zobrazení je na první pohled patrné, že Karviná se zcela vymyká srovnání s ostatními městy. Podíl obytných ploch na ploše správního území činí téměř 38%. Nějaké větší skupiny se z tohoto zobrazení vyčíst nedají. Relativně větší odlehlost od kompaktní skupiny má shluk měst s podílem obytných ploch větším než 14%, avšak druhý parametr je u nich v intervalu od 0 do +10 promile, nelze tedy zcela jednoznačně určit nějakou společnou vlastnost pro takto roztroušenou skupinu. Menší města vytvářejí ucelenější skupinu bez větších

extrémních rozdílů, opačný jev se vyskytuje u velkých krajských měst, která vykazují podstatně rozdílnější hodnoty. 4.3.3 Popis závislosti atributů „G“ a „P“ (nejvýznamnější dle korelace počtu vozidel na příjezdu) Statistické ukazatele G a P (zastavěná plocha jádrového území a počet obyvatel vyjíždějících za prací vyšly společně jako dva nejvýznamnější dle průměrné hodnoty korelačního koeficientu KKD2 (závislost dopravy na příjezdových komunikacích na statistických parametrech). Atribut G má průměrnou hodnotu KKD2 0,788 („slabá závislost“) a atribut P má průměrnou hodnotu korelačního koeficientu KKD2 0,783 („slabá závislost“).

Obr. 4.9: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent G a P, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra.

52

ČVUT v Praze _____________________

4 VÝSLEDKY

Z obrázku 4.9 je patrné, že od ostatních měst se odlišuje velmi výrazně Mělník, jehož podíl osob vyjíždějících za zaměstnáním vůči počtu obyvatel je velmi vysoký (16,6%). Vysoký (i když ne tolik jako u Mělníka) je tento poměr také u Chomutova, Kladna, Pardubic, Příbrami a Chrudimi. V těchto městech vyjíždí za prací více než 10% obyvatel (v Chrudimi 9,6%). Na takto vysoký podíl může mít vliv, že se jedná o města s dobrou dopravní dostupností do jiných významných měst v jejich okolí. Limitujícím faktorem je podle [8] časová vzdálenost pro dojíždění, která má smysl zhruba do 60 minut. Vyšší hodnota už je pro zaměstnance neefektivní. U Mělníka se jedná zejména o dojíždění do Prahy (cca 50 km, dobré dopravní spojení po dálnici D8) a do Neratovic (cca 13 km, po silnici I/9). Vzhledem k tomu, že Mělník patří k menším okresním městům, je u něj poměr obyvatel vyjíždějících za prací k počtu obyvatel o to markantnější. V případě Chomutova se lze domnívat, že vysoký podíl lidí vyjíždějících za prací, může být způsoben bezprostředním sousedstvím města Jirkov (mají dokonce společnou MHD) a také nepříliš velkou vzdáleností do sousedního okresního města Most (cca 25 km, po silnici I/13). Příčinou vysokého podílu osob dojíždějících za prací mimo město je u Kladna jednoznačně blízkost hlavního města Prahy (železniční doprava, autobusová doprava, po silnicích I/61 a R7 nebo R6, dobrá návaznost na metro). U Příbrami není jednoznačně určitelné, proč je poměr dojíždějících osob vůči počtu obyvatel takto vysoký, neboť Příbram je sama o sobě centrem svého okolí. Pravděpodobně zde ale ještě okrajově působí vliv hlavního města Prahy, na něž má Příbram velmi dobré dopravní napojení (železniční doprava, autobusová doprava, silnice pro motorová vozidla R4, cca 58 km). Pardubice a Chrudim jsou spolu s Hradcem Králové rozsáhlou aglomerací s velmi dobrým vzájemným dopravním propojením. Důvodem, proč ale vysoký podíl dojíždějících má hlavně Chrudim a Pardubice je pravděpodobně ten, že těžiště této aglomerace leží mezi nimi. Obyvatelé Pardubic mohou snadno dojíždět oběma směry (do Hradce Králové (20 km) i do Chrudimi (10 km)), zatímco obyvatelé Chrudimi dojíždějí za prací prakticky jen do Pardubic, které jsou snadno v dosahu. V souvislosti s tím, že vývoj počtu osob dojíždějících mimo město poměrně dobře koreloval s počtem vozidel na příjezdových komunikacích do města, lze tyto úvahy brát jako opodstatněné.

4.3.4 Popis závislosti atributů „H“ a „J“ (nejvýznamnější dle počtu osobních vozidel) Atributy „H:- Výrobní plochy v jádrovém území“ a „J:- Výměra rekreačních ploch v jádrovém území“ mají nejvyšší průměrný korelační koeficient při korelaci s počtem osobních vozidel v intravilánu jádrového území (koeficient KKOD). Parametr H má hodnotu KKOD 0,846 („silná závislost“) a parametr J má hodnotu KKOD 0,835 („silná závislost“).

53

ČVUT v Praze _____________________

4 VÝSLEDKY

Obr. 4.10: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent H a J, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra.

Souvislost mezi plochou výrobních areálů a osobní dopravou by naznačovala, že ve městech s rozsáhlými průmyslovými areály by se jednalo o obyvatele jezdící do zaměstnání osobní automobilovou dopravou. Většina měst však má nízký podíl ploch určených k výrobě na rozloze správního území (do 4%) a podobně většina měst má do 4% rekreačních ploch. V této skupině je celkem 29 měst ze 46, pro která jsou k dispozici potřebná data. Na druhé straně grafu než tato většinová skupina se nachází město Chomutov s vysokým podílem jak výrobních, tak rekreačních ploch (15,6% a 8%). V tomto městě dokonce i hodnoty korelačního koeficientu obou parametrů dosahují velmi vysokých hodnot (0,914 pro atribut H a 0,997 pro parametr J). Rozvoj průmyslu ve sledovaném období není příliš překvapivý, vzhledem k těžbě hnědého uhlí a k tradiční hutní výrobě (Válcovny trub a železa, Ferona). Rozvoj ploch určených k rekreaci pravděpodobně souvisí s rekultivacemi bývalých těžebních prostorů na území města (Velký Otvický rybník), využitím turistického potenciálu Kamencového jezera (vybudování kempů na břehu) a zřízením zooparku. Tyto změny se sice odehrávaly s odstupem času a nezávisle na sobě, oba jevy však byly doprovázeny nárůstem osobní dopravy, zejména díky blízkosti hraničního přechodu Hora Svatého Šebestiána (CZ) / Hirtstein (SRN). Patnáct měst tvoří oddělené uskupení (velmi řídké), které má oproti většině měst znatelné odchylky v hodnotách podílu výrobních ploch. Tato města mají společné to, že se jedná o města s velkými průmyslovými podniky (výrobní plochy zabírají od 5 do 11% správního území). 54

ČVUT v Praze _____________________

4 VÝSLEDKY

Korelace s dopravou v těchto městech může tedy souviset s vnitřním dojížděním obyvatel města do zaměstnání.

4.3.5 Popis závislosti atributů „F“ a „H“ (nejvýznamnější dle počtu nákladních vozidel) Tyto parametry (F a H) vyšly jako ukazatele s nejvyšší korelací vůči průměrnému počtu nákladních vozidel. Hodnoty těchto korelačních koeficientů nejsou příliš vysoké Pro „F:- Výměra dopravních ploch v jádrovém území“ je KKND roven 0,698 („slabá závislost“) a pro „H:- Výměra výrobních ploch v jádrovém území“ je hodnota koeficientu KKND 0,693 („slabá závislost“).

Obr. 4.11: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent F a H, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra

55

ČVUT v Praze _____________________

4 VÝSLEDKY

Na základě porovnání měst podle parametrů F a H je patrné, že města jako Chomutov, Teplice, Kladno, Sokolov, Ostrava a Pardubice leží mimo hlavní skupinu měst. S výjimkou Chomutova mají tato města také společné to, že hodnoty jejich koeficientů KKND jsou vysoce nadprůměrné (vyšší než 0,9). Vývoj nákladní dopravy v intravilánu jádrového území tedy u nich velmi dobře koresponduje s vývojem dopravních ploch i s vývojem rozlohy výrobních ploch. To by mohlo naznačovat souvislost s tím, že těmto městům ve sledovaném období chyběly kvalitní obchvaty v trase silnic I. třídy nebo dálničních obchvatů a zároveň jsou významnými průmyslovými centry. Poměrně homogenní skupinu tvoří města, která mají podíl dopravních ploch na rozloze správního území do 3% a podíl výrobních ploch do 4%. Do této skupiny patří 24 měst, převážně ze skupiny menších okresních měst (13 měst) a poté 10 měst označovaných jako velká okresní města a Liberec. Liberec se mezi tato města zařadil, jelikož jeho poměr výměry výrobních ploch na ploše území je ze všech krajských měst nejnižší (pouze 2,1%). Korelace obou ukazatelů s nákladní dopravou je většinou nižší než průměrná. Města, která se na grafu umístila mezi výše uvedenými skupinami, patří v 6 případech mezi krajská města, v 6 případech mezi velká okresní města a v 5 případech se jedná o menší okresní města. Mají společné to, že podíl dopravních ploch na jejich rozloze je od 1% do 4% (podobně jako skupina ve druhém odstavci) a podíl výrobních ploch je u nich vyšší než u druhé skupiny, přibližně od 3% do 8% rozlohy správního území. Korelace s vývojem počtu nákladních vozidel odpovídá průměrnému korelačnímu koeficientu.

4.3.6 Popis závislosti atributů „D“ a „O“ (nejvýznamnější dle první multiregresní analýzy) Pomocí metod vícerozměrné analýzy bylo 8 statistických parametrů posuzováno, jak velký mají vliv na intenzitu dopravy v zastavěném území jádrových katastrů (jednotlivě vyjádřen pomocí koeficientu KKD1, viz 4.3.1 a 4.3.2). V prvním případě byly posuzovány parametry vyjadřující úhrnné hodnoty druhů pozemků, ukazatele vztahující se k obyvatelstvu (bez parametru „P:- Vyjíždějící za prací“). Podrobněji k výsledkům viz kapitola 4.2.1. Největší vliv mají dle výsledků této analýzy parametry „D:- Zastavěné plochy a nádvoří ve správním území“ a „O:- Ekonomicky aktivní populace“. Rozložení měst při využití hodnot parametrů D a O (jako poměrů k ploše správního území, respektive počtu obyvatel) je vidět na obrázku 4.12.

56

ČVUT v Praze _____________________

4 VÝSLEDKY

Obr. 4.12: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent D a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra

Z obrázku 4.12 je vidět, že města jsou poměrně rovnoměrně rozprostřená, nelze jednoznačně vyčlenit nějakou skupinu měst. Odlehlá jsou jen města Mladá Boleslav, Teplice, Kladno, Frýdek – Místek a Chrudim.

57

ČVUT v Praze _____________________

4 VÝSLEDKY

4.3.7 Popis závislosti atributů „A“ a „O“ (nejvýznamnější dle druhé multiregresní analýzy) Pro multilineární regresní analýzu byly při druhém provedení použity parametry vyjadřující hodnoty ÚHDP a parametry týkající se obyvatelstva (včetně parametru P). Celkem se jedná o 9 parametrů. Výsledky analýzy jsou podrobněji popsány v kapitole 4.2.2. Dle výsledků této analýzy mají největší vliv na intenzitu dopravy v zastavěném jádrovém území atributy „A:- Zemědělská půda ve správním území“ a „O:- Ekonomicky aktivní populace“. Tyto parametry však mají mít dle výsledné p-hodnoty na intenzitu dopravy mnohem menší vliv, než parametry dle výsledku 4.3.6.

Obr. 4.13: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent A a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra

Z obrázku 4.13 na první pohled vyplývá, že atributy opět zpracovaná města nedovedou dostatečně odlišit do nějakých kategorií. Dále je také patrné, že mezi městy není velký rozdíl v podílu ekonomicky aktivních obyvatel na celkové populaci ve městech. Procento ekonomicky aktivních lidí se pro drtivou většinu měst (pro 43 ze 46) pohybuje mezi 48% a 56%. Velký rozdíl mezi městy však je v podílu zemědělské půdy na ploše správního území. Tento poměr vychází od 10% pro průmyslová města jako Litvínov nebo Most až po téměř 78% pro města v zemědělských oblastech jako Český Těšín, Chrudim nebo Kutná Hora.

58

ČVUT v Praze _____________________

4 VÝSLEDKY

4.3.8 Popis závislosti atributů „K“ a „O“ (nejvýznamnější dle třetí multiregresní analýzy) Pro třetí vícerozměrnou regresní analýzu byly použity pro změnu parametry popisující funkční plochy ve městech a statistické ukazatele o obyvatelstvu. Výsledky analýzy jsou podrobněji představeny v kapitole 4.2.3. Jako koeficienty s největším vlivem na intenzitu dopravy z této analýzy vyšel parametr „K:- Ostatní plochy land use v jádrovém území“ a jako druhý „O:- Ekonomicky aktivní populace“.

Obr. 4.14: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent K a O, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. Města ležící na ose Y nemají spočteny hodnoty parametru O.

59

ČVUT v Praze _____________________

4 VÝSLEDKY

Podíl ostatních ploch na ploše správního území je velmi malý (do 2%) u 37 ze 47 zpracovaných měst. Tento parametr tedy města příliš dobře necharakterizuje. Výjimku tvoří města jako Ostrava, Pardubice, Ústí nad Labem, Chomutov a Přerov, u nichž je poměr přes 4% rozlohy. Poměr ekonomicky aktivních obyvatel na počtu obyvatel města je jako spolučinitel u tří grafů. Z tohoto hlediska mají nejextrémnější hodnotu Frýdek – Místek a Chrudim, kde je poměr menší než 48%.

4.3.9 Popis závislosti atributů „I“ a „K (nejvýznamnější dle čtvrté multiregresní analýzy) Poslední multikriteriální analýza proběhla s daty o hodnotách ploch land use a datech o obyvatelstvu (včetně atributu P). Nejvyšší p-hodnotu ve výsledku (viz 4.2.4) měly parametry „I:- Výměra obytných ploch v jádrovém území“ a „K:- Výměra ostatních ploch land use v jádrovém území“. Hodnoty těchto ukazatelů byly následně přepočteny na relativní míru (podíl na rozloze správního území měst).

Obr. 4.15: Grafické znázornění měst jako bodů se souřadnicemi dle hlavních komponent I a K, červeně jsou znázorněna velká krajská města, žlutě velká okresní města (spolu s Jihlavou a Třincem) a zeleně menší okresní města a regionální centra. Města ležící na ose X nemají spočteny hodnoty parametru O.

Pro 34 měst (ze 46 znázorněných, tj. pro 74% měst) lze vymezit intervaly hodnot parametrů I a K mezi 0% - 15% a 0% - 4%. Nejvíce se této skupině vzdaluje Karviná s velmi vysokým podílem obytné zástavby (téměř 38% správního území). Hodnoty korelačního koeficientu ale pro obytné plochy nenaznačují korelaci s intenzitou dopravy (pro I je KKD1 -0,414). Města 60

ČVUT v Praze _____________________

4 VÝSLEDKY

Ostrava a Chomutov vykazují oproti většině vyšší podíl obytných i ostatních plocha na správním území. Ovšem zatímco pro Ostravu oba ukazatele velmi dobře korelují s intenzitou dopravy (KKD1 pro I je 0,990 a pro K 0,992), tak KKD1 pro Chomutov naznačuje silnou nepřímou úměrnost ve sledovaném období (pro parametr I je korelační koeficient -0,862 a pro parametr K dokonce -0,998).

4.4 Posouzení vzájemných vazeb statistických indikátorů a dopravy s vývojem měst Vývoj intenzity dopravy v jednotlivých městech většinou odpovídá průměru, tj. kontinuálně roste od roku 1970 do roku 1990 a po roce 1990 se prudce zvyšuje. U některých měst se může tento vývoj lišit (například v důsledku výstavby obchvatů či dálnic v okolí), proto je důležité vždy hodnoty korelačních koeficientů vypočtených pro jednotlivá města chápat konkrétně pro vztah intenzita dopravy – statistický indikátor v daném městě. Podobně není možné na všechna města univerzálně aplikovat výsledky analýz statistických ukazatelů. V jednotlivých městech lze vypozorovat významné rozdíly v hodnotách korelačních koeficientů pro jednotlivé ukazatele. Bylo provedeno porovnání vzájemné korelace mezi různými složkami dopravy a 18 vybranými statistickými indikátory. Význam statistických ukazatelů byl porovnáván na základě jednorozměrné regresní analýzy a také multilineární regrese. Pro dvojice nejvýznamnějších parametrů byla provedena vizualizace hodnot atributů. Z těchto vizualizací nebylo možné jednoznačně rozčlenit města do tříd, neboť většina měst tvoří v grafickém znázornění kompaktní shluky.

61

ČVUT v Praze _____________________

ZÁVĚR

Závěr Zhodnocení cílů práce Hodnoty statistických ukazatelů byly zpracovány do přehledných tabulek, z nichž byly následně vypracovány výstupy ve formě tabulek s korelačními koeficienty a grafy. V rámci výpočtu korelačních koeficientů byly vypracovány také analýzy dopravy jak za celé období mezi lety 1970 – 2005, tak i za dílčí období 1970 - 1990 a 1995 - 2005. Ve 45 městech (90%) je intenzita dopravy nižší v období 1970 – 1990 a naopak mnohem vyšší v období 1995 – 2005. V souvislosti s tím, že pro většinu měst (která mají dostupná data) je rozloha zastavěného území vyšší v roce 2005 než v roce 1970, tak i ostatní ukazatele týkající se ploch měst tento trend kopírují. Údaje o obyvatelstvu mají až do roku 1990 rostoucí tendenci, poté ale v mnoha městech dochází ke snížení počtu obyvatel a s tím je spojený trend v ostatních socioekonomických atributech, které v tomto období také vykazují mírný pokles. Závislost mezi dopravními ukazateli (intenzita dopravy v zastavěném území, počet vozidel na příjezdu, počet osobních a nákladních vozidel v zastavěném území) a 18 statistickými atributy byla číselně vyjádřena pomocí korelačního koeficientu nebo významu při multiregresní analýze. Získané hodnoty byly zpracovány ve formě tabulek a jsou uvedeny v přílohách. Z vypočtených hodnot korelačních koeficientů byly následně různými způsoby vybírány dvojice nejdůležitějších parametrů v závislosti na dopravním atributu, který byl zkoumán. Tyto dvojice parametrů byly následně aplikovány jako hlavní komponenty ve dvourozměrném zobrazení měst. Z dvourozměrných grafických výstupů pro nejvýznamnější statistické ukazatele určené metodou korelačních koeficientů nebo multiregresní analýzou, měly být definovány určité třídy měst. Tyto třídy by sdružovaly města, podle jejich společných vlastností. Bohužel dvourozměrná analýza na základě dvou silných nebo naopak slabých komponent nedokáže města od sebe dostatečně odlišit. Města tvoří jednu poměrně kompaktní skupinu, od které se v různých směrech oddělují nejvýše jednotlivá města, která mají jednu nebo obě z hlavních komponent výrazně odlišnou od ostatních. Tato města ležící mimo hlavní skupinu však netvoří sama homogenní skupinu s nějakou společnou charakteristikou.

Zhodnocení dosažených výsledků Hlavním výsledkem této práce je vyjádření míry korelace mezi jednotlivými ukazateli dopravy a statistickými indikátory pro jednotlivá města, ukazatele i pro jednotlivá období. Získané hodnoty jsou ovlivněny především rozsahem zdrojových dat, kterých bylo v některých případech málo. Z tohoto důvodu nemohla být například zkoumána vazba mezi většinou ukazatelů pro dílčí období let 1970 – 1990 a 1995 – 2005 (tato analýza byla provedena pouze pro atributy „D:- Výměra zastavěných ploch a nádvoří ve správním území“, „G:- Výměra intravilánu (zástavby) jádrového území“ a „L:- Počet obyvatel města“). Výsledky zpracované do tabulek a grafických výstupů (včetně map) poskytují přehled 18 základních parametrů popisujících 50 měst České republiky. Svým historickým rozsahem 62

ČVUT v Praze _____________________

ZÁVĚR

(období od roku 1970 do roku 2005) představují ucelený soubor historických dat, která lze využít i pro jiné analýzy.

Shrnutí Různými postupy byly nalezeny statistické ukazatele, které nejvíce ovlivňují vývoj dopravy v jednotlivých zkoumaných městech v období mezi lety 1970 – 2005. Nelze však získané výsledky aplikovat univerzálně, neboť stejný parametr měl často velmi rozdílný vliv na zkoumaná města. Vyhodnocení vlivu statistických ukazatelů může být částečně ovlivněno také tím, že doprava sama o sobě zpětně ovlivňuje hodnoty některých ukazatelů, byť nepřímo. Vliv na vzájemné ovlivnění má také časová variabilita jednotlivých ukazatelů, kdy intenzita dopravy je značně proměnlivá v čase, zatímco například rozlohy druhů ploch se nemohou měnit adekvátním tempem (viz nárůst intenzity dopravy po roce 1990). Nelze určit jediný indikátor, který by měl vliv na dopravu a ostatní parametry zanedbat. Intenzitu dopravy ovlivňují prakticky všechny zkoumané atributy (samozřejmě v různé míře). Podle grafických výstupů, kde jsou znázorněna města jako body ve dvourozměrném prostoru, v němž jsou osy tvořeny dvěma nejvýznamnějšími parametry určenými vybranou metodou, lze tvrdit, že parametry s nezanedbatelným vlivem na dopravu jsou více než dva. Z multiregresní analýzy vychází, že takové parametry budou pravděpodobně minimálně 4. Parametrem, který při použitých analýzách byl třikrát mezi dvěma nejvýznamnějšími, byl počet ekonomicky aktivních obyvatel ve městech. Tento ukazatel lze tedy považovat za jeden z nejdůležitějších. Získaná data zpracovaná do tabulek mohou i v budoucnu sloužit jako cenný zdroj dat pro podobné analýzy, jakými se zabývala tato práce. Vzhledem k poměrně dlouhé časové řadě se nabízí i doplnění již zpracovaných dat o nová období, například o data získaná ze sčítání dopravy v roce 2010 a ze sčítání lidí, domů a bytů z roku 2011.

63

ČVUT v Praze _____________________

ZDROJE

Zdroje [1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

STOLBENKOVÁ, Petra. ANALYSIS OF VARIOUS INDICATOR INFLUENCES ON ROAD TRAFFIC IN GIS. Prague, 2012. Diplomová práce. ČVUT v Praze, Fakulta stavební, Katedra mapování a kartografie. Vedoucí práce doc. Ing. Lena Halounová, CSc. HORNÍK, Darek. ANALÝZA VZTAHU MEZI VYUŽITÍM ÚZEMÍ MĚSTA A SILNIČNÍ DOPRAVOU. Praha, 2011. Bakalářská práce. ČVUT v Praze, Fakulta stavební, Katedra mapování a kartografie. Vedoucí práce doc. Ing. Lena Halounová, CSc. Město: Vznik vrcholně středověkých měst. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2013-06-07 [cit. 2013-06-09]. Dostupné z: http://cs.wikipedia.org/wiki/M%C4%9Bsto#Vznik_ st.C5.99edov.C4.9Bk.C3.BDch_m.C4.9Bst_-_kontinuita_antick.C3.BDch_m.C4.9Bst Dějiny Česka. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2013-05-29 [cit. 2013-06-09]. Dostupné z: http://cs.wikipedia.org/wiki/D%C4%9Bjiny_%C4%8Ceska#Neolit Těšín. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2013-03-10 [cit. 2013-06-09]. Dostupné z: http://cs.wikipedihttp://cs.wikipedia.org/wiki/T%C4%9B%C5%A1%C3%ADn#Histori ea.org/wiki/M%C4%9Bsto#Vznik_ st.C5.99edov.C4.9Bk.C3.BDch_m.C4.9Bst__kontinuita_antick.C3.BDch_m.C4.9Bst První republika: Důležité události. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2013-04-16 [cit. 2013-06-09]. Dostupné z: http://cs.wikipedia.org/wiki/Prvn%C3%AD_republika#D.C5.AFle.C5.BEit.C3.A9_ud. C3.A1losti Průmysl v Česku. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2013-05-24 [cit. 2013-06-09]. Dostupné z: http://cs.wikipedia.org/wiki/Pr%C5%AFmysl_v_%C4%8Cesku MALER, Karel, Filip DRDA, Ondřej MULÍČEK a Luděk SÝKORA. Dopravní dostupnost funkčních městských regionů a urbanizovaných zón v České republice. Urbanismus a územní rozvoj [online]. 2007, X, číslo 3 [cit. 2013-06-09]. Dostupné z: http://www.uur.cz/images/publikace/uur/2007/2007-03/14_recenze.pdf SÝKORA, Luděk. Suburbanizace a její společenské důsledky. In: Suburbanizace a její společenské důsledky [online]. Praha: Sociologický ústav AV ČR, 2003 [cit. 2013-0609]. Dostupné z: http://sreview.soc.cas.cz/uploads/e88e472dbbe36d1bb0e40 baed8e7459faee0df1c_189_26syko16.pdf BERGATT JACKSON, Jiřina. Měření efektivnosti využívání urbanizovaného území. Envigogika - Měření efektivnosti využívání urbanizovaného území [online]. 2011 [cit. 2013-06-09]. Dostupné z: http://envigogika.cuni.cz/index.php/cz/inspirace/2012/ envigogika-2012-vii-2/692-mereni-efektivnosti-vyuzivani-urbanizovaneho-uzemi GISAT. Možnosti monitorování stavu a změn v okolí hlavních komunikací metodami dálkového průzkumu Země a laserového skenování a jejich využití pro realizaci udržitelného rozvoje dopravy: Část DPZ. In: Možnosti monitorování stavu a změn v okolí hlavních komunikací metodami dálkového průzkumu Země a laserového skenování a jejich využití pro realizaci udržitelného rozvoje dopravy [online]. 64

ČVUT v Praze _____________________

[12]

[13]

[14] [15]

[16]

[17]

[18] [19]

ZDROJE

2011 [cit. 2013-06-09]. Dostupné z: http://lfgm.fsv.cvut.cz/mdcr/publikace/2010/zpr%C3%A1va%20gisat.pdf BUBELA, Petr. Město a urbanizovaná lidská společnost [online]. Brno, 2007 [cit. 2013-06-09]. Dostupné z: http://www.google.cz/url?sa=t&rct=j&q=&esrc= s&source=web&cd=20&ved=0CG0QFjAJOAo&url=http%3A%2F%2Fis.muni.cz%2Ft h%2F40800%2Fprif_m%2FDiplomova_prace.doc&ei=M91RUeabIYGsOpDrgdAF&us g=AFQjCNH9DarBnO_NOq41c1IZJPIAZGgMsg&bvm=bv.44158598,bs.1,d.ZWU&c ad=rja. Diplomová práce. Masarykova univerzita, Fakulta filozofická HEROLD, Martin, Noah C. GOLDSTEIN a Keith C. CLARKE. The spatiotemporal form of urban growth: measurement, analysis and modeling. In: The spatiotemporal form of urban growth: measurement, analysis and modeling [online]. Elsevier, 2003 [cit. 2013-06-09]. Dostupné z: http://www.eo.unijena.de/~c5hema/pub/rse03_heroldetal.pdf Národní geoportál INSPIRE. CENIA. Národní geoportál INSPIRE [online]. 2013 [cit. 2013-06-09]. Dostupné z: http://geoportal.gov.cz/web/guest/home/ Revitalizace „brownfields“ v obcích ČR: metodika monitorování a nové využívání ploch a objektů. Revitalizace „brownfields“ v obcích ČR [online]. Praha, 2003 [cit. 2013-06-09]. Dostupné z: http://www.kniznica.hnutie.org/kniznica/knihy/ekologia/ environmentalistika/brownfields.pdf Ředitelství silnic a dálnic: Intenzita dopravy. ŘEDITELSTVÍ SILNIC A DÁLNIC. Ředitelství silnic a dálnic: Intenzita dopravy [online]. 2012 [cit. 2013-06-09]. Dostupné z: http://www.rsd.cz/Silnicni-a-dalnicni-sit/Intenzita-dopravy HARBULA, Jan a Jakub MIŘIJOVSKÝ. Využití snímků Landsat pro detekci změn urbanizovaného území. In: Využití snímků Landsat pro detekci změn urbanizovaného území [online]. 2009 [cit. 2013-06-09]. Dostupné z: http://pohos.upol.cz/uploads/files/Bratislava_Harbula.pdf ČESKÝ STATISTICKÝ ÚŘAD. Český statistický úřad [online]. 2013, 2013-06-05 [cit. 2013-06-09]. Dostupné z: http://www.czso.cz/ AJVAZJAN, S., Z. BEŽAJEVOVÁ, O. STAROVEROV a Jiří HUSTOPECKÝ. Klassifikacija mnogomernych nabljudenij: Metody vícerozměrné analýzy. Moskva / Praha: SNTL, 1974/1981.

65

ČVUT v Praze _____________________

SEZNAM PŘÍLOH

Seznam příloh A

Vstupní data 67 A.1 Průměrná intenzita dopravy v intravilánu …………………………………... 67 A.2 Grafy průměrných intenzit dopravy v intravilánu mezi lety 1970 – 2005 …. 68 A.3 Průměrný počet vozidel na příjezdových komunikacích …………………… 69 A.4 Průměrný počet vozidel na příjezdových komunikacích …………………… 70 A.5 Průměrný počet nákladních vozidel na komunikacích v intravilánu ……….. 71 A.6 Hodnoty ukazatele A:- Výměra zemědělské půdy ve správním území …….. 72 A.7 Hodnoty ukazatele B:- Výměra lesní půdy ve správním území ……………. 73 A.8 Hodnoty ukazatele C:- Výměra vodních ploch ve správním území ………... 74 A.9 Hodnoty ukazatele D:- Výměra vodních ploch ve správním území ………... 75 A.10 Hodnoty ukazatele E:- Výměra ostatních ploch a neplodné půdy ve správním území ………………………………………………………………………... 76 A.11 Hodnoty ukazatele F:- Výměra dopravních v jádrovém území …………….. 77 A.12 Hodnoty ukazatele G:- Výměra intravilánu v jádrovém území …………...... 78 A.13 Hodnoty ukazatele H:- Výměra výrobních ploch v jádrovém území ………. 79 A.14 Hodnoty ukazatele I:- Výměra obytných ploch v jádrovém území ………… 80 A.15 Hodnoty ukazatele J:- Výměra rekreačních ploch v jádrovém území ……… 81 A.16 Hodnoty ukazatele K:- Výměra ostatních ploch land use v jádrovém území . 82 A.17 Hodnoty ukazatele L:- Počet obyvatel města ………………………………. 83 A.18 Hodnoty ukazatele M:- Počet obyvatel denně využívajících systém hromadné dopravy ……………………………………………………………………... 84 A.19 Hodnoty ukazatele N:- Celkový přírůstek populace ………………………... 85 A.20 Hodnoty ukazatele O:- Ekonomicky aktivní populace ……………………... 86 A.21 Hodnoty ukazatele P:- Počet osob vyjíždějících za prací …………………... 87 A.22 Hodnoty ukazatele Q:- Emise CO2 z velkých zdrojů ………………………. 88 A.23 Hodnoty ukazatele R:- Emise prachových částic z velkých zdrojů ………… 89

B

Výsledky 90 B.1 Hodnoty korelačních koeficientů pro jednotlivé ukazatele v každém ze sledovaných období ………………………………………………………… 90 B.2 Graf s četností ukazatelů s nejvyšší zápornou a kladnou korelací s intenzitou dopravy v intravilánu jádrového území (koeficient KKD1) ………………... 91

C

Elektronické přílohy na CD

92

66

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A Vstupní data A.1 Průměrná intenzita dopravy v intravilánu Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí

Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD

1973

Průměrná intenzita dopravy - intravilán (bez příjezdu) [JV] 1980 1990 1995 2000 2005

9903 8596 8806 7815 5991 10083 10631 8884 8235 9238 5416 7618 6540 6598 9258 7411 9306 7311 9129 6811 4439 7761 5555

12233 9975 11594 9379 8561 15792 9716 10653 9112 9506 8042 8327 7301 6384 7041 5755 11745 9052 7795 7967 5000 7152 7770

11840 10965 11323 10063 10549

6834 7606 7027 8806 7185 5831 6734 7583 4627

7371 7201 8362 11690 8330 6786

4379 6463 4414 6638 5583 4189 3943 2378 3820 8816 3668

7170 7229 5042 6936 6406 5726 5940

ROZ

4297

CTR UNO

1855 2504

3930 5875

4182 9067

16278 14436 16647 12435 11836 15145 14469 13547 11782 16044 10393 11323 9012 12576 12539 8933 15029 10385 9010 9435 9311 9370 9881

20337 17237 20008 19641 14814 15938 19113 12480 11631 19128 13221 16065 9871 16066 15773 12616 19587 14007 10086 10662 10561 14688 11146 14975

24406 21057 21429 18857 18913 18059 19879 15832 13416 19667 12676 14141 11850 18764 16645 13589 25698 17945 13013 13155 14424 15229 11819 15706

10268 7808 7791 9531 8083 7075 8696 4594 6894

11622 8334 14011 11859 10079 7366

10349 8189 6642 7896 5516 7281 5330 10247 5472 8648 4918

9544 9218 7803 9396 8225 9756 5475

16801 10400 9247 14141 9551 7964 12473 8040 11999 18495 8763 11616 8306 12729 10974 11308 6014 4728 8683 8802 5221

17457 11009 11294 16476 10627 10058 17768 5944 11924 20164 10530 14561 11238 13511 12556 12367 6428

8755

10419

6434 5627

7863 8863

8916 11139 10517 11560 8170 11464 6982 9474 5806 11483 8749 7890 7744 8279 7929 8439

6780 8816

6030 8362

5856 3121

67

3915 2383

6276 3869

8935 15213 6069

A.2 Grafy průměrných intenzit dopravy v intravilánu mezi lety 1970 - 2005 Průměrná intenzita dopravy v intravilánu mezi lety 1970 až 2005 [JV] 1973

1980

1990

1995

2000

2005

25000 23000 21000 19000 17000 15000 13000 11000 9000 7000 5000 BRN

OST

PLZ

OLO

LIB

CEB

HRK

UNL

PCE

ZLN

Průměrná intenzita dopravy v intravilánu mezi lety 1970 až 2005 [JV] 1973

1980

1990

1995

2000

2005

26000 24000 22000 20000 18000 16000 14000 12000 10000 8000 6000 4000 KLA

MOS

KAR

F-M

OPA

DEC

TEP

JIH

CHO

PRE

JAB

MLB

TRE

CLI

TRI

ZNO

PRI

CHE

KOL

CTR

UNO

Průměrná intenzita dopravy v intravilánu mezi lety 1970 až 2005 [JV] 1973

21000 19000 17000 15000 13000 11000 9000 7000 5000 3000 1000 PIS

VSE

VAM

LIT

CTE

BRE

SOK

HBR

1980

ZDA

1990

CHR

1995

STR

2000

KLT

2005

KUH

JIR

NAC

MEL

KAD

ROZ

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.3 Průměrný počet vozidel na příjezdových komunikacích Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí

Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD

1973 5157

1980

Průměrný počet vozidel - příjezd 1990 1995 2000

3850 10830

4634 3857 4781 4621 4612 4200 6570 3287 5190 6990 3517 7316

4873 2913 3513 6334 3546 5533 2155 2129 5068 1847 3612

3776 3909 3993 4980 2762 4916 2956 2489 5974 1981 4300

7227 4995 7009 7131 7541 7669 7748 5209 7468 9236 4176 7830 6461 6581 5027 5989 6848 2930 10010 4228 3374 10886 2742 5693

2897 2563 4467 2502

2382 3409 3558 5543 3885 4417 4578 4231 1598 5510 4024 3165 1800 4058 3217 2522 3556 2876 2207 4146 3071

4254 3670 5191 6005 3807 3903 4564 4383 2985 3790 3526 2963 2443 3162 3460 2675 3899 4487 4310 4303 2670

5031 3897 6947 7273 5012 4388 5903 5519 5600 5634 4994 3588 2788 4500 3601 3570 4774 3555 6292 4573 3134

6193 5088 5822 10082 6418 6010 8175 6479 5846 8897 5679 4701 4181 6087 4791 5265 5273 4284 10349 5324 4556

7094 5795 6317 13601 5907 7585 9880 6445 7413 9399 7127 6260 5331 6860 5178 5771 6127 4959 6577 7744 4763

ROZ

4075

3690

4276

5358

6999

8092

CTR UNO

1787 1893

1812 1799

2195 2211

2944 3465

3635 4112

4859 5172

3898 4774 4830 6360 3226 4349 4936 6920 4756 3777 3252 5681 3536 4364 2701 1835 5113 2094 3611

3477 1990 5166 3495 3447 3193 3678 5472 3012 3516 2643 3878 2490 2508

4754 3470 3688 3708 4527 4209 7409 3556 5537

2005

69

10027 5818 8583 10413 9007 9088 10734 6625 8973 11454 6806 8845

11073 7031 8816 11019 13660 11864 13326 8863 10882 13514 8276 9547

6591 6250 6858 9341 3684 10157 4665 4081 6734 3629 7269

9079 7421 7366 11927 4705 12503 5716 5352 1806 3996 7701

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.4 Průměrný počet osobních vozidel na komunikacích v intravilánu Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí

Užitá zkratka

1973

PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD

1946 3900 2327 3069 3213 2175 2542 1113 2302 4546 1715

ROZ

2357

CTR UNO

916 1392

Průměrný počet osobních vozidel - intravilán 1980 1990 1995 2000

2005

4167 4285 5016 4013 3344 4960 5903 4692 4507 4810 2951 3306 3038 3715 4445 3939 5473 3774 3179 3164 2447 4822 3009

6841 5138 6644 5283 5137 7000 4970 5542 4907 5174 5215 4702 4017 3744 3684 3250 6847 4857 4126 3811 3109 4559 4870

7217 6008 7499 5767 6686 2232 5554 7009 5931 7176 5812 6060 3935 4925 5840 3578 6547 5175 4902 4397 5863 5133 5469

12260 10573 11791 8592 8775 11253 10041 8085 8427 10289 7620 6921 6523 9953 8354 6545 10548 7559 6851 6306 7464 7557 7627

16079 12830 14782 12680 10948 11485 12998 8468 9018 13670 10321 8562 7528 11872 11013 8930 12591 9910 8310 7068 8179 11943 8332 11151

17358 14730 15331 12816 12952 12752 13563 10337 10053 13700 9296 9180 8655 13033 11116 8878 14307 12655 9738 8141 10183 12268 8784 11043

3263 4326 3571 4640 3902 3065 3122 2827 2372

3773 4233 3854 6717 4886 3771

6517 5043 5305 5907 4991 4223 4754 2608 3987

9109 6456 9187 8162 7515 5547

12616 7808 6968 9691 7672 6106 7715 5702 8421 13117 6562 7842 5846 8910 7709 8247 4892 3801 6543 6484 3255

12445 8151 8460 10734 7911 7772 10360 4465 7315 14594 7432 9143 7526 8876 8746 8534 4694

6727

7485

4563 4165

4841 6169

2350 3692 3470 4046 2968 3942 4353 3272 3633 2712 4809

5975 4933 4344 4636 3753 4719 3861 5894 3665 5619 1784

5218 6844 7399 6219 5670 6866 6067 6960 4341 4553 6318

3473 1744

70

2507 1601

4343 3000

6207 9390 4598

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.5 Průměrný počet nákladních vozidel na komunikacích v intravilánu Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí

Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO

Průměrný počet nákladních vozidel - intravilán 1973

1980

1990

1995

2000

2005

2148 2070 1773 1793 1237 2406 2219 1954 1717 2075 1127 2040 1643 1300 2197 1579 1749 1616 1471 1698 914 1389 1086

2658 2390 2428 2009 1663 4327 2319 2505 2047 2126 1363 1780 1604 1277 1625 1217 2399 2042 1786 2037 919 1274 1365

2278 2454 1881 2114 1900 870 1637 2030 2245 2164 1147 2680 1500 1333 1769 1080 2448 1754 1463 1645 1171 1374 1441

1995 1919 2412 1905 1516 1906 2183 2719 1653 2856 1371 2191 1230 1287 2066 1179 2228 1387 1366 1541 1023 890 1095

2111 2192 2603 3463 1917 2193 3024 1996 1282 2713 1433 3742 1157 2079 2359 1831 3482 2030 877 1777 1178 1357 1374 1894

3507 3151 3036 3002 2960 2628 3139 2737 1662 2967 1677 2471 1588 2852 2759 2343 5676 2625 1625 2492 2101 1466 1496 2319

1580 1543 1604 1947 1507 1269 1696 2251 1027

1724 1462 2194 2440 1667 1475

1829 1357 1208 1771 1506 1404 1942 973 1436

1217 926 2393 1825 1259 892

1121 1123 899 1655 1024 920 607 577 649 1878 883

1794 1541 979 1452 933 1181 1110

2121 1576 1114 1596 839 1245 704 2148 866 1479 1560

1049 1473 1042 1233 1050 1365 548

2052 1287 1126 2206 920 915 2359 1156 1773 2635 1085 1861 1208 1872 1603 1513 545 458 1044 1143 973

2476 1417 1403 2853 1342 1130 3685 732 2298 2757 1537 2691 1841 2295 1876 1901 855

991 917 708

1450 1495 1333

873 377 472

761 1059

683 2087

1165 661 372

650

71

770 973

718 1006

941 417

1351 2890 730

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.6 Hodnoty ukazatele A:- Výměra zemědělské půdy ve správním území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO

Město Praha Brno Ostrava Plzeň Olomouc Liberec České Budějovice Hradec Králové Ústí nad Labem Pardubice Zlín Kladno Most Karviná Frýdek-Místek Opava Děčín Teplice Jihlava Chomutov Přerov Jablonec nad Nisou Mladá Boleslav Třebíč Česká Lípa Třinec Znojmo Příbram Cheb Kolín Písek Vsetín Valašské Meziříčí Litvínov Český Těšín Břeclav Sokolov Havlíčkův Brod Žďár nad Sázavou Chrudim Strakonice Klatovy Kutná Hora Jirkov Náchod Mělník Kadaň Rožnov pod Radhoštěm Česká Třebová Ústí nad Orlicí Průměr

1970

A. Výměra zemědělské půdy ve správním území [ha] 1980 1990 1995 2000 2005

4220 2342 2070 1857

7246 2876 2245 5174

1336 1534 3704 598 491

3490 7278 1148

1286 4236

7336

1837

5880

2100 1338

3055 5901

3877 853 1147

4430

1181

1446

1367

1970

1880

2547

2336

1700

827 1636

1990

3759

72

1460 1566

2484

8382 8679 5346 6157 3968 2494 5105 2970 3852 5136 850 1114 1660 2561 6655 2960 889 3927 672 2796 897 1184 3639 3597 4510 4784 1348 5286 1970 2480 1962 2584 440 2629 4146 604 4409 1884 2484 1974 4834 2247 632 1528 1559 2190 1398 2071 1863 3006

8228 8641 5294 5963 3945 2465 5116 2947 3807 5112 841 1077 1674 2530 6623 2974 874 4308 662 2809 888 1460 3630 3617 4526 4780 1344 5279 1972 2451 1963 2556 433 2594 4115 608 4393 1866 2482 1972 4810 2228 633 1517 1543 2311 1407 2054 1817 3003

8016 6108 5872 3886 2413 4905 2889 3729 4842 820 1104 1560 2507 6740 857 4264 673

1443 3622 3608 4207

1900

2526 419 4100 610 4368 1854 2471 1967 4800 2204 630 1505 1543 1402

2955

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.7 Hodnoty ukazatele B:- Výměra lesní půdy ve správním území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

2090 103 2510 61

B. Výměra lesní půdy ve správním území [ha] 1980 1990 1995 2000

423 2850 165 2259

426 468 3003 1114 413

874 5336 662

453 62

524

1106

3900

218 401

359 1558

1017 1277 739

2587

547

254

233

982

231

242

171

547 159

757

1254

73

276

1028

1106 148

1160

6380 2284 2364 1152 4189 292 2197 2405 1014 4858 1267 728 845 1181 506 7404 255 2290 576 534 1190 205 1055 1575 3359 1826 527 1501 274 3115 3894 1693 1226 502 2880 807 961 997 160 600 1933 244 596 1173 148 472 1936 2267 1058 1651

6353 2324 2367 1147 4197 291 2267 2423 1046 4850 1271 903 865 1176 505 7469 254 2583 573 534 1191 260 1052 1582 3367 1883 529 1501 274 3105 3910 1695 1226 545 2908 807 969 998 160 601 1985 252 599 1177 149 479 1937 2293 1093 1672

2005 6380 2595 1152 4196 296 2185 2422 1030 4745 1275 961 897 1168 507 253 2585 571

254 1051 1581 1122

273

1706 1225 2917 810 970 999 160 601 1986 258 598 1185 149 1937

1472

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.8 Hodnoty ukazatele C:- Výměra vodních ploch ve správním území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

363 95 45 211

C. Výměra vodních ploch ve správním území [ha] 1980 1990 1995 2000 2005

220 70 548 292

135 122 73 11 16

214 141 85

152 105

156

66

188

60 46

86 133

253 13 285

191

43

126

200

202

49

28

89

61 77

100

161

74

154

202

68 76

170

447 973 414 252 100 545 304 310 252 143 13 272 574 189 150 313 33 127 114 68 58 47 100 187 136 118 36 1300 153 183 79 82 57 71 398 40 129 202 28 108 104 36 64 43 75 143 35 15 35 197

441 953 415 245 99 538 304 307 260 143 12 198 553 192 152 311 33 153 115 66 58 49 101 188 128 119 36 1302 153 179 71 83 55 70 400 40 130 207 28 108 101 36 63 43 73 156 36 15 36 195

447 438 243 96 536 312 311 258 140 13 198 546 196 157 31 156 152

49 100 192 115

151

83 56 402 72 133 208 28 108 100 36 62 48 73 36

175

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.9 Hodnoty ukazatele D:- Výměra vodních ploch ve správním území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


D. Výměra zastavěných ploch a nádvoří ve správním území [ha] 1970 1980 1990 1995 2000 2005

676 366 342 415 299 386 283 250 161

905 591 612 476

509 442 220

186 374

494

179

286

258 120

308 196

577 564 670 488 559 586 258

291

187

231

245

159

190

137

172 152

278

350

75

281

194 160

461

2126 2284 935 678 590 570 695 527 583 455 537 258 325 274 503 346 280 270 262 268 246 269 218 205 458 323 134 207 253 227 205 263 400 181 254 124 199 123 175 192 237 228 61 151 164 134 122 133 104 383

2128 2059 987 693 616 583 685 543 594 484 485 259 323 294 511 351 291 317 260 266 244 307 227 215 473 312 149 213 291 234 217 252 483 179 268 130 200 129 180 205 251 238 67 157 178 162 130 137 104 389

2087 965 709 628 580 714 544 620 493 461 255 390 301 500 290 328 264

320 226 217 285

296

252 185 268 126 205 130 181 209 255 239 67 158 178 131

390

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.10 Hodnoty ukazatele E:- Výměra ostatních ploch a neplodné půdy ve správním území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


E. Výměra ostatních ploch a neplodné půdy ve správním území [ha] 1970 1980 1990 1995 2000 2005

2118 1257 864 1172 1196 1081 1071 858 2867

3300 2128 1270 1439

1842 1679 4303

523 694

973

550

1605

711 321

1040 861

1740 1806 2271 3046 2053 968 5680

1372

417

515

595

544

528

436

314 473

955

1361

76

818

433 547

2003

5684 7179 3252 2197 1763 1653 2262 3180 2071 1661 1029 5942 2346 954 1076 1283 922 1195 1310 1144 659 782 748 1045 1094 907 685 1485 819 646 760 880 1949 571 1039 702 796 495 473 595 958 567 357 437 552 3425

5867 7131 3248 2288 1757 1679 2293 3175 2063 1651 1087 6257 2335 970 1100 1200 927 1425 1322 1135 669 813 750 1008 1059 867 671 1483 808 681 739 888 1872 565 1025 692 805 507 472 582 956 551 351 433 554 3265

6092

458

440

441

488 389 1487

475 403 1496

1542

3660 2360 1804 1731 2452 3229 2134 1665 1128 6176 2437 990 1157 947 1452 1267

829 761 1012 860

878

893 2185 1030 671 821 516 480 583 965 567 354 436 554

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.11 Hodnoty ukazatele F:- Výměra dopravních v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

F. Výměra dopravních ploch v jádrovém území [ha] 1980 1990 1995 2000 2005

300 380 200 227 133 295 200 275 200 63 9 75 50 250 180 102 210 75 100 50 30 65

385 600 267 262 141 309 250 290 275 69 10 80 60 91 280 193 158 235 85 120 68 34 100

400 700 267 276 157 309 300 310 350 69 10 80 70 91 310 195 159 240 95 140 68 40 110

50 26 20 94 30 15 37 40 83 70 25 61 35 35 53 65 38

87 34 30 95 31 20 45 40 83 80 30 61 63 43 55 70 38

90 34 30 95 50 25 60 45 85 85 35 61 70 50 58 75 38

91 31 25

100 49 32

102 61 35

10

15

15

68 45 100

71 50 121

71 60 132

77

300 157

268 315 160 315

70 12

160

34

34 96

69 74

77

64

67

62

109

146

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.12 Hodnoty ukazatele G:- Výměra intravilánu v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


G. Výměra intravilánu (zástavby) jádrového území [ha] 1970 1980 1990 1995 2000

656 366 342 415 363 299 416 283 250 161

720 350 411 464

783

393

436 510 585 396 478

185

539 197

186 374

227

219

179

219

234

258 120

237

187

162

231

245

127 169 132

137

269

251

160 157

169

172 152

172 160

284

78

366

2005

2067 2023 821 476 445 544 608 428 497 345

2058 1807 866 505 462 561 594 439 508 371

2009

194 313 240 430 260 257 233 262 193 217 269 190 171 348 227 119 169 256 201 192 201 102 142

197 311 257 436 264 266 230 260 191 214 296 197 181 362 212 129 175 262 207 204 186 103 140

111 151 114 149 184 178 188 61 135 164 86

122 150 120 154 196 191 199 67 140 178 96

120 154 121 156 201 194 201 67 142

122 118 88

130 122 89 328

131

505 464 553 643 440 548 419 300 145

263 264

312 197 185

266

184 110

332

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.13 Hodnoty ukazatele H:- Výměra výrobních ploch v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

1650 450 300 178 332 443 320 600 450 325 15 65 255

H. Výměra výrobních ploch v jádrovém území [ha] 1980 1990 1995 2000

150

2300 850 380 235 391 491 850 700 550 394 21 40 310 286 260 170 226 520 400 105 138 115 160

121 149 90 183 90 60 330 15 39 80 200 93 110 85 113 130 240

133 243 110 223 92 66 350 28 53 110 220 111 135 104 111 160 240

140 250 130 224 100 70 350 30 51 130 230 113 150 105 135 175 245

35 150 20 25

36 161 46 30

40 191 50 35

60 50 208

81 110 261

82 135 284

200 145 135 340 200 80 227 75 120

2200 474 376 235 364 485 500 660 516 381 20 50 280 286 240 160 207 510 350 100 235

79

238 394

2005

401 231 398 493

427 24

262

268

257 236

132 158

181

143

145

206

202

298

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.14 Hodnoty ukazatele I:- Výměra obytných ploch v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

I. Výměra obytných ploch v jádrovém území [ha] 1980 1990 1995 2000

3120 1350 1003 1119 1128 1209 1300 860 975 622 114 2250 600 790 700 400 383 510 510 580 325 310 315

3600 1690 1003 1214 1198 1284 1500 960 1100 707 107 2200 700 884 730 430 521 625 565 580 391 400 340

3800 1900 1020 1248 1295 1310 1640 1000 1140 726 100 2100 750 895 810 450 544 720 610 600 420 470 470

440 450 220 367 230 280 490 380 432 310 260 309 290 215 302 190 280

500 487 290 418 265 340 530 390 476 350 325 332 310 250 307 220 400

500 487 320 422 310 360 540 400 503 385 330 337 335 270 345 250 450

240 300 110

300 410 140

315 437 145

215

250

280

220 270 593

241 300 664

241 305 702

80

1396 1350

2005

1042 1510 1396 1415

762 114

587

484

503 455

378 360

380

414

437

458

635

836

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.15 Hodnoty ukazatele J:- Výměra rekreačních ploch v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


J. Výměra rekreačních ploch v jádrovém území [ha] 1980 1990 1995 2000

1970

175 670 240 299 209 315 300 330 100 143 46 80 100

300 1100 252 370 255 366 660 450 240 155 57 80 110

100 130 70 170 70 40 82 60 87

200 790 252 352 237 349 500 435 160 150 50 80 100 158 110 116 84 250 80 80 87 70 138

75 79 180 112 50 65 120 10 47 40 35 60 50 30 76 45 10

154 96 220 89 60 65 140 100 49 62 45 64 53 61 87 50 10

160 100 200 89 80 70 160 120 49 70 60 64 60 65 93 60 15

35 50 40

40 89 80

45 106 90

40

50

70

29 30 114

46 60 143

46 70 166

81

120 110 90 300 90 92 91 90 145

403 255

2005

232 401 258 380

157 78

90

145

150

85 60

60

116

116

106

154

207

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.16 Hodnoty ukazatele K:- Výměra ostatních ploch land use v jádrovém území Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


K. Výměra ostatních ploch land use v jádrovém území [ha] 1970 1980 1990 1995 2000 2005

400 50 366 82 91 105 400 250 10 49 24 100 140

3800 70 192 90 86 79 500 390 20 62 9 200 240

30 20 47 100 300 10 49 100 10

2000 60 203 75 105 90 450 370 15 64 10 150 240 25 50 30 196 250 360 15 49 115 10

55 24 120 27 150 15 20 10 33 5 10 45 90 10 22 55 10

166 10 170 26 194 15 25 10 32 10 15 39 110 15 22 60 10

166 21 250 38 100 15 25 10 38 10 20 38 110 30 25 70 10

5 69 100

10 70 125

10 75 130

10

10

10

27 5 81

23 10 133

24 15 179

82

80 40 190 250 360 15 32 110 15

120 90

215 109 99 75

100 3

163

22

7 36

41 121

113

55

51

82

77

89

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.17 Hodnoty ukazatele L:- Počet obyvatel města Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


L. Počet obyvatel města 1990 1995

1970

1980

2000

2005

1079898 334308 279209 148138 79416 72303 77337 77541 72684 71347 64969 57441 54336 76075 40056 50289 44074 50736 40864 40051 39520 33805 30642 21389 16625 30203 10292 28939 25332 26796 22784 22141 17527 22731 15820 13381 20107 17805 15247 17268 17563 17191 17943 11398 18783 15487 15224

1181834 371463 322318 170971 102112 97474 90415 95588 88447 92730 82983 71141 60121 78279 58070 59437 54626 53922 51245 51769 50289 38113 45956 30362 26168 34095 13776 35123 31039 30921 28157 29966 26549 22587 23392 24010 28597 24585 20015 20517 22980 21782 21277 11926 19892 18941 18423

1215327 388296 331466 174975 105537 101967 97243 99917 100002 94871 84736 71753 70706 68533 67070 63484 55155 53136 52188 53107 51400 45937 44457 39156 39551 45593 14108 36898 31847 31595 29475 31625 28244 29166 28667 26186 25240 24727 25599 23643 25431 23094 21871 18029 20712 19625 17826

1209830 388899 324813 171249 104845 100604 99872 100528 97164 93777 83026 72085 70874 67079 63049 62468 53938 52753 52751 52098 50447 46188 44807 39688 40186 41322 37288 36881 31931 31476 29917 30823 27960 28622 28243 27226 25904 24572 24462 24326 24785 23345 21863 20131 21388 19846 17864

1170476 381862 321041 166759 102702 99155 98926 98080 95491 91309 81061 71572 68347 65297 61322 61473 52572 51107 50766 51154 48409 45428 44267 39024 39351 39427 35778 36636 31511 30382 29836 29203 27585 27414 26456 26707 25124 24385 24387 24011 24290 23100 21455 20643 21256 19514 17585

1181610 366757 310078 162759 100381 97950 94653 94431 94298 88260 78285 69329 67805 63385 59682 59426 51875 51010 50859 50027 46858 44748 43162 38654 38489 38218 35032 34884 33681 30175 29877 28261 27362 27056 25913 25652 24579 24296 23841 23385 23256 22898 21142 21093 21079 19124 17807

9830

15539

17614

18077

17873

17129

14125 12062 68181

17223 15953 80062

17872 15319 84000

17732 15268 83885

17071 15191 81875

16533 14918 80639

83

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.18 Hodnoty ukazatele M:- Počet obyvatel využívajících systém hromadné dopravy Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


denně

M. Počet obyvatel denně využívajících systém hromadné dopravy 1970 1980 1990 1995 2000 2005 238908 224894 81800 38044 27754 31040 24957 1532 33254 35396 18050

287493 265830 98500 68326 37424 41542 39700 36087 50409 21802

309673 271059 128300 79463 50707 52036 44860 16803 37382 62775 25814

305906 238162 112000 58923 56302 50993 35804 29531 34687 54981 16024

13230

1885

732

58327

2435

743

79191

84

2856

697

83263

1049702 337836 190636 104025 47494 50840 44173 28020 62719 30316 59521

1232354 327933 182113 102584 58206 30817 42478 38589 49967 30827 38847

38718

32679

13883 12179 19405 16368 15983

13727 12355 13716 12477 15744

38718

32679

15983

15744

114554

120202

2447

676 58100

71184

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.19 Hodnoty ukazatele N:- Celkový přírůstek populace Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970 3427

1980

N. Celkový přírůstek populace 1990 1995 2000

2005

4183 1079 936 827 751 2468 284 1716 606 564 1061 1164 817 1004 655 584 866 784 532 749 863 457 -54

530 3630 1702 2214 1230 826 1563 1232 998 757 -288 837 807 193 1137 340 -29 -707 654 2704 356 697 744 1101 1548

1562 1521 247 309 715 91 1202 190 75 -88 46 -123 251 -587 704 64 -10 326 443 -711 -414 211 392 548 515

-4877 -1066 -857 -552 -120 -139 -85 -188 -84 -304 -435 23 -67 -256 -219 -234 -77 -21 -123 -247 -241 -179 -263 128 62

-10358 -1707 -1222 -775 -313 -433 -740 -620 -579 -772 -339 64 -257 -644 -332 -328 -239 -68 -389 -251 -421 -207 -426 -2 -133

6516 -972 -1324 132 -371 550 31 -263 439 79 -314 -26 -114 -340 -215 -270 290 36 57 -149 54 177 761 -58 -308

505 664 410 389 1020 501 520 337 18 541 1427 209 735 379 310 276 275 10 95 624 175

8 444 369 313 370 94 166 10 -13 121 486 285 611 104 342 281 233 -311 465 301 214

281 233 207 -251 246 64 -159 -196 -7 334 457 247 164 263 455 65 178 735 -46 230 -89

71 -93 -25 -148 59 33 3 -201 -52 -31 35 52 29 -103 -108 -8 -30 236 -36 -28 66

-72 -140 -98 -227 -103 -220 -41 -160 -147 -386 -156 -58 -41 -56 -91 -3 -97 143 -61 -30 -53

-145 -263 219 686 32 -186 -30 23 -133 -49 -123 -31 -135 -113 -91 5 33 -87 -118 71 -131

466 170 401 766

106 258 -19 613

250 113 -55 229

0 -2 -43 -219

-333 -195 -117 -495

-105 -107 -54 73

85

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.20 Hodnoty ukazatele O:- Ekonomicky aktivní populace Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

O. Ekonomicky aktivní populace 1980 1990 1995 2000 635105

37905 136662 78234 41533 41604 40846 41111 47286 38198 36242 31213

45700 164378 91308 53780 54365 49268 52985 48210 51689 45647 37633

44386 172268 93223 55265 56526 53631 54648 54908 52389 45364 38668

172268 91051

46420

36542 31798 19630

25590

31888 31533 27547 26333 27070

21382

27473

28910

19319

23733

26657

25442 24791 20473 21138 13162 14467 15120 14051

20098 20285 17165 16854

20198 19159 17630 17002 15505 15132 14044 14190 13231 14229 13420 12647

7964 8918

13241 11244

13673 12831

9754 8711

11483 10768

12447 11581

9641 8125

10816 10137

11086 10743

11486 12860

10547 11086 9426 9286

30878

38077

86

39795

38466

8666 7859 47990

2005

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.21 Hodnoty ukazatele P:- Počet osob vyjíždějících za prací Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970 24981 8561

P. Počet osob vyjíždějících za prací 1980 1990 1995 2000

7073 7141 3046 9114 6082 11819 4303 5532

25492 10270 5738 6034 5810 3643 4130 4391 8439 5195 7806

26758 12773 9539 6495 7303 6986 5127 4418 7313 7799 8699

4808

5655

7162 3757

2296 4004 1973

2358 3444 2280 2258

2725 3504 3061 2200

633 1809

1511 2156

1778 2742

1395

1269 1637

1630 1905

2558

3443

3529

5952

5379

6237

87

2005

ČVUT v Praze _____________________

A VSTUPNÍ DATA

A.22 Hodnoty ukazatele Q:- Emise CO2 z velkých zdrojů Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

1980

Q. Emise CO2 z velkých zdrojů 1990 1995 2000

4475 8193 9287 4035 769 298 521 821 46 631 604

2660 5216 819 3700 287 321 433 689 39 219 440

834 143097 2714 550 981 323 347 632 28 160 311

236

200

188

89

56

45

1261 163 136

16 44 210 141

23 305 240 231

118 32

83 9

355 16

9 231

38 59

61 113

212 92

53 54

5 39

1466

686

6591

88

1023

1023

2005

ČVUT v Praze _____________________

A.23 Hodnoty ukazatele z velkých zdrojů Užitá zkratka PHA BRN OST PLZ OLO LIB CEB HRK UNL PCE ZLN KLA MOS KAR F-M OPA DEC TEP JIH CHO PRE JAB MLB TRE CLI TRI ZNO PRI CHE KOL PIS VSE VAM LIT CTE BRE SOK HBR ZDA CHR STR KLT KUH JIR NAC MEL KAD ROZ CTR UNO


1970

R:-

A VSTUPNÍ DATA

Emise

prachových

R. Emise prachových částic z velkých zdrojů 1980 1990 1995 2000 7074 68647 27930 1393 1162 4610 1772 9433 248 11653 26433

1587 33748 7622 1956 449 2676 1372 5553 252 7452 19047

619 10881 1881 702 182 470 312 481 62 58 3094

1187

921

164

703

277

133

3 929 441 10689

54 598 272 6837

10 62 148 771

2875 783

1102 159

438 7

48 988

230 851

85 280

120 1451

432 852

4 493

7851

4100

928

89

372

372

částic

2005

ČVUT v Praze _____________________

B VÝSLEDKY

B Výsledky B.1 Hodnoty korelačních koeficientů pro ukazatele v každém ze sledovaných období 1970 1980 1990 1995 2000 2005

jednotlivé

Průměr (z absolutních hodnot) v období 1970 - 2005

A. Výměra zemědělské půdy ve správním území

0,346

-0,016

0,197

0,604

0,591

0,550

0,384

B. Výměra lesní půdy ve správním území

-0,014

0,027

-0,119

0,272

0,301

0,462

0,160

C. Výměra vodních ploch ve správním území

0,527

0,777

0,570

0,515

0,263

0,402

0,509

0,475

0,349

0,444

0,586

0,565

0,569

0,498

0,288

0,184

0,738

0,547

0,440

0,348

0,424

0,543

0,470

0,505

0,401

0,875

0,466

G. Výměra intravilánu (zástavby) jádrového území

0,563

0,634

0,447

0,576

0,561

0,561

H. Výměra výrobních ploch v jádrovém území

0,428

0,358

0,451

0,177

0,530

0,324

I. Výměra obytných ploch v jádrovém území

0,425

0,408

0,426

0,457

0,813

0,422

J. Výměra rekreačních ploch v jádrovém území

0,522

0,523

0,502

0,464

0,850

0,477

K. Výměra ostatních ploch land use v jádrovém území

0,336

0,229

0,256

0,006

0,437

0,211

L. Počet obyvatel města

0,483

0,524

0,522

0,630

0,569

0,595

0,554

M. Počet obyvatel denně využívajících systém hromadné dopravy

0,367

0,369

0,599

0,446

0,424

0,471

0,446

N. Celkový přírůstek populace

0,439

0,444

0,367

-0,526

-0,526

-0,185

0,415

O. Ekonomicky aktivní populace

0,429

0,464

0,605

0,981

0,458

P. Počet osob vyjíždějících za prací

0,428

0,396

0,605

Q. Emise CO2 z velkých zdrojů

0,366

0,451

0,208

0,171


0,285

0,314

0,252

0,142

D. Výměra zastavěných ploch a nádvoří ve správním území E. Výměra ostatních ploch a neplodné půdy ve správním území F. Výměra dopravních ploch v jádrovém území

90

0,585

0,346 0,096

ČVUT v Praze _____________________

B VÝSLEDKY

B.2 Graf s četností ukazatelů s nejvyšší zápornou a kladnou korelací s intenzitou dopravy v intravilánu jádrového území (koeficient KKD1) Četnost atributů na pozici ukazatele s nejvyšší zápornou a kladnou korelací četnost záporné korelace (včetně Q a R)

četnost kladné korelace (včetně Q a R)

četnost záporné korelace (bez Q a R)

četnost kladné korelace (bez Q a R)

25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 A

B

C

D

E

F

G

H

I

91

J

K

L

M

N

O

P

Q

R

ČVUT v Praze _____________________

C ELEKTRONICKÉ PŘÍLOHY NA CD

C Elektronické přílohy na CD Zde uvedené přílohy jsou nedílnou součástí výsledků této práce a jsou na přiloženém CD. Jsou to: - soubor MS Excel se vstupními daty o dopravě, statistickými ukazateli, výsledky analýz, grafickými výstupy - :\Elektronicke_prilohy_HORNIK.xlsx - zpracování v systému ArcGIS - :\Mesta_HORNIK.mxd

92

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

Recommend Documents