Известия Русского географического общества, 2023, T. 155, № 1, стр. 43-58

ВВЕДЕНИЕ

Города играют важную роль в жизни общества и эта роль продолжает расти по мере роста урбанизации в мире: в 2020 г. в городах проживало уже более 56%, а к 2030 г. доля горожан в мире увеличится до 60% или 5.2 млрд чел. [43]. Развитие городов и их эффективность зависит от множества факторов: экономико-географического положения; влияния экономической ситуации на уровне региона, страны, мира; смена технологических укладов и, не в последнюю очередь, от пространственной структуры города [17]. Функциональные (варианты землепользования) и морфологические (этажность застройки, взаиморасположение домов и др.) элементы пространства города влияют на комфортность городской среды и эффективность организации пространства, что, в конечном счете, влияет на социально-экономическое развитие города [33].

Актуальность исследований пространственной структуры возрастает и не в последнюю очередь это связано с увеличением количества, качества и особенно доступностью данных, позволяющих применять новые или эффективнее использовать старые методы исследования. К таким данным относятся материалы спутникового зондирования (например, изменения в землепользовании по территории) [35]), данные сотовых операторов [1, 2], реестров субъектов экономической деятельности (например, на основе базы данных СПАРК-Интерфакс [18]), материалы открытых картографических основ (например, данные проекта Open Street Map (OSM) [36]), данные о точках интересов [44], данные о возрасте домов (например, данные реформы ЖКХ [10] и другие, а также их интеграция (например, интеграция данных дистанционного зондирования и данных OSM для выделения типов новой застройки [41]). Особенностью обозначенных данных является то, что они игнорируют административно-территориальное деление (АТД), позволяющие получить более объективную картину пространственных явлений и исключить ошибку модифицируемых площадных ареалов [42].

Однако большинство данных (в целом это не касается только данных дистанционного зондирования), которыми пользуются исследователи, обладают своими индивидуальными особенностями. Например, данные о субъектах экономической деятельности исследователи извлекают из реестров, формируемых с разной полнотой и в том же контексте они могут включать или только юридических лиц [18], но и физических лиц (индивидуальных предпринимателей) [27]. Здесь в пример можно поставить данные о жилом фонде, когда исследователи из Польши применяют только информацию о местоположении зданий и годе их постройки [39], а в России, в рамках проекта реформы ЖКХ, имеются данные по этажности, жилой и нежилой площади зданий [20]. Имеются и варианты, когда исследователи создают уникальные наборы данных, которые сложно сформировать для других территорий (например, данные о жилищных проектах) [11]. Обозначенные различия в целом связаны с различиями в темпах цифровизации, доступности открытых данных, что с одной стороны является препятствием для абсолютно точного повторения исследований для любой территории, а с другой стороны дает возможности для улучшений или создания нового.

Индивидуальность данных обуславливает необходимость актуализации методики и эмпирической базы в контексте исследования Санкт-Петербурга. Это позволит рассмотреть пространственную структуру Санкт-Петербургской агломерации по-новому, получить более объективную картину тех или иных элементов пространства агломерации.

МЕТОДЫ И ДАННЫЕ ИССЛЕДОВАНИЯ

Для актуализации методов и источников данных для исследования городских агломераций были рассмотрены современные географические и социально-экономические работы, на основе общей междисциплинарной пространственной парадигмы, по городской проблематике, опубликованные в высокорейтинговых зарубежных и отечественных журналах. Разобранные методы были разбиты на группы в зависимости от применяемых данных и были адаптированы для целей исследования Санкт-Петербургской городской агломерации с учетом имеющейся обеспеченности данными.

На основе анализа современного опыта изучения пространственной структуры городских агломераций можно в целом выделить 4 группы методов исследования, в зависимости от используемых типов данных:

1) данные дистанционного зондирования Земли (ДДЗЗ);

2) данные о зданиях, данные о местоположении экономических акторов (юридические лица и розничные сети);

3) данные сотовых операторов;

4) данные о дорожной сети.

Обозначенный перечень не является исчерпывающим, однако в контексте Санкт-Петербургской агломерации является наиболее применимым, т.к. эти группы методов уже прошли определенную апробацию и могут быть использованы в ближайших исследованиях.

Данные дистанционного зондирования Земли (ДДЗЗ). Использование мультиспектральных космических снимков для изучения пространственной структуры городов является крайне распространенным методом исследования, особенно в развивающихся странах [35, 37]. Наиболее часто для таких работ используются космоснимки проекта Landsat, имеющие продолжительный временной ряд, но данные космические снимки, с пространственным разрешением до 30 м, не позволяют учесть функциональную неоднородность города и его новых территорий [40]. Конечно, часть исследователей в целом используют возможности и получают космические снимки очень высокого разрешения (1–10 м), которые позволяют выделить функциональные особенности территории [35]. Однако получить аналогичные данные могут не все. В целом качественная классификация космоснимков зачастую является трудоемким процессом, воспроизводимость которого для других территорий последующими исследователями затруднена (особенно не профильными специалистами в области ДДЗЗ) [31].

Исходя из этого использование данных дистанционных зондирования можно адаптировать для Санкт-Петербургской агломерации путем использования уже обработанных ДДЗЗ. Это позволит задействовать такие материалы для большего круга исследователей, а также упростит возможность повторения такого исследования для других территорий. Наиболее качественным вариантом обработанных ДДЗЗ, по мнению авторов, являются данные из проекта Global Human Settlement Layer (GHSL) [41].

Летом 2022 г. был выпущен обновленный набор материалов, содержащий данные на 2018 год о городской застройке в пространственном разрешении 10 м (классификация на основе машинное обучения снимков Sentinel-2), этажности (на основе интеграции с цифровой моделью рельефа) и функциональном назначении (на основе интеграции с функциональным зонированием в проекте OSM), застройки в пространственном разрешении 100 м для исследования пространственной структуры в моменте. Для исследования динамики застройки можно использовать более старые данные с пространственным разрешением 30 м (снимки Landsat) на 1975–2015 гг. (рис. 1). Также возможно извлечение количественных характеристик на основе агрегирования данных по регулярной сетке (например, 250 м или 1 км [31]) по административно-территориальным единицам.

Рис. 1.

Период появления городской застройки, 1 – застройка отсутствует, 2 – была в 1975 г., 3 – с 1975 по 1990 гг., 4 – с 1990 по 2000 гг., 5 – с 2000 по 2015 гг., на основе данных проекта GHSL, пространственное разрешение 30 м. Fig. 1. Built-Up dynamics based on GHSL data, spatial resolution 30 m.

Данный способ оценки пространственного развития агломерации применим для выявления и описания практически всех процессов в агломерации. Возможно охарактеризовать урбанизацию, выражающуюся в данном способе появлением новых ячеек городской застройки, примыкающих к городскому ядру, или субурбанизацию, выра-жающуюся в появлении городских ячеек.

Преимуществами данной методики является полное игнорирование данных статистических служб, т.к. они абсолютно не используются при дистанционном зондировании Земли. Также эти данные обладают таким важным свойством как запечатление полноценного временного среза: космоснимок представляет однозначную информацию о пространстве в исследуемом периоде, в отличие от данных по возрасту зданий, когда неизвестно, что было на этом месте до года постройки. Недостатком данного способа можно считать создание новой ошибки модифицируемых площадных ареалов в виде ячеек космоснимка (в целом не столь критична при разрешении 30 на 30 м). Также недостатком является отсутствие учета наполнения пространства ячейки с застройкой: т.к. ячейки с размером 30 × 30 м просто делятся на застройку и не застройку (без учета той же этажности), то ячейка застройки может являться, например, индустриальным центром, зоной исторического центра, многоэтажными новостройками и т.д., в то время как по ДДЗЗ определить это будет невозможно.

Данные о зданиях. Исследование застройки на основе данных о большинстве зданий города стали значительно доступнее в наши дни за счет развития геоинформационных средств и доступности данных [32]. Качество доступных данных влияет на то, что можно исследовать: наличие данных о возрасте построек позволяет исследовать динамику пространственной структуры города, а наличие данных по этажности и особенно жилой площади позволяет косвенно рассмотреть плотность населения в пространстве города [39]. Также возможно изучение жилищного строительства, основанное на картографировании крупных жилищных проектов и их анализе [11].

Однако, по мнению авторов, наиболее значимыми являются данные реформы ЖКХ, которые являются открытыми и доступными для скачивания с сайта [23]. Они содержат данные о площади жилых помещений многоквартирных домов, годе и серии постройки, инфраструктуре многоквартирного дома и самое главное, адрес в соответствии с федеральной информационно-адресной системой (ФИАС). Это позволяет сделать географическую привязку данных реформы ЖКХ в виде точек при помощи геокодирования и в дальнейшем использовать для анализа жилищного строительства, с отрывом от АТД. Данные реформы ЖКХ уже активно используются в исследованиях градостроителей, планировщиков и архитекторов [10], урбанистов [20], или картографов [3] и другие. Жилищное строительство является важным элементом. масштабное жилищное строительство вызывает изменения пространственной структуры расселения, рабочих мест, маятниковой миграции, транспортных потоков в агломерации, а через миграционный приток связано с национальной системой расселения и межрегиональным неравенством [12].

Данный метод можно адаптировать для Санкт-Петербургской агломерации, из-за того, что в целом жилой фонд представлен, прежде всего, многоквартирными домами: недооценка жилищного фонда из-за отсутствия данных по индивидуальному жилищному строительству по Санкт-Петербургу составляет 7.8%, а по Ленинградской области 31.8% (рис. 2).

Рис. 2.

Площадь жилого фонда Ленинградской области и Санкт-Петербурга, млн. м², по данным Росстата (сплошные линии) и оценка на основе данных реформы ЖКХ (пунктирная линия), составлено автором по [23]. Fig. 2. The area of the housing stock in the Leningrad Oblast and St. Petersburg, million m², according to Federal State Statistics Service (solid lines) and an estimate based on based on Housing and Utilities reform data (dashed lines), compiled by the author based on.

В качестве примера можно привести использование сетки гексагонов, для отображения пространственных закономерностей о вводе жилого фонда в 2000–2008 гг. (рис. 3), периода, по которому затруднены количественные оценки из-за преобладания точечной, уплотнительной застройки [7].

Рис. 3.

Объем ввода жилого фонда многоквартирных домов в 2000–2008 гг., тыс. м² в гексагоне 0.25 км²: 1 – отсутствует, 2 – 1–50, 3 – 50–100, 4 – 100–150, 5 – 150–250, 6 – 250–400, на основе данных реформы ЖКХ. Fig. 3. Spatial distribution of housing stock apartment house in 2000–2008, based on Housing and Utilities reform data.

Данные реформы ЖКХ позволяют исследовать косвенное распределение населения в агломерационном пространстве, как напрямую, через показатель жилищной обеспеченности, так и косвенно, за счет перераспределения данных статистики по домам на основе их площади (основа дазиметрического метода отображения пространственных явлений [38]). Также за счет данных о годе постройки следует рассматривать пространственно-временную динамику жилищного строительства.

Что касается недостатков, то следует отметить невозможность фиксации полноценного временного среза (данные просто обновляются, а архивных версий еще не предусмотрено), т.к. невозможно установить, что было на месте многоквартирного дома, до его постройки (станет особенно актуально в случае полноценной реновации в Санкт-Петербурге). Недостатком также является отсутствие данных по немногоквартирным домам, из-за чего использование данного метода для исследования пригородных территорий за пределами городского ядра может быть затруднительно.

Данные о местоположении экономических акторов. Базы данных по юридическим лицам, активно используемые при изучении экономики предприятий, также начинают активно использовать в экономико-географических исследованиях [18, 27, 34].

Данные о локализации и выручке юридических лиц являются первичными статистическим данными, которые агрегируются на уровне АТД. Соответственно исследователь за счет этих данных получает возможность игнорировать АТД и самостоятельно преобразовывать первичные данные. Развитие данного направления во многом стало возможно за счет увеличения доступности инструментов геокодирования, позволяющих перевести огромное количество адресов юридических лиц в географические координаты. Также данные о размещении экономических акторов предоставляются картографическими справочниками, причем компания 2ГИС в конце 2022 г. представила свой продукт “2ГИС Про”, являющийся инструментом для анализа и визуализации данных на карте [28], который можно использовать в городских исследованиях.

В контексте агломерации Санкт-Петербурга возможны исследования пространственной структуры на основе базы данных “СПАРК-Интерфакс”, к которой получают доступ все большее количество университетов России [5] и, следовательно, исследователей. Данная система позволяет получать информацию о показателях бухгалтерской отчетности, в том числе о выручке, через которую косвенно оценивался валовый внутренний продукт (ВВП) муниципальных образований [25, 27] и, соответственно, также можно оценить произвольные территории города. Это позволяет получить представление о пространственном распределении экономической активности в городе. Также на основе данных реестров юридических лиц, возможно, исследовать дачную субурбанизацию, которую исследуют преимущественно по муниципальным образованиям на основе сельскохозяйственных переписей [9, 13]. Из реестров юридических лиц, возможно, сформировать пространственные данные по некоммерческим товариществам (основной форме существования дачников) и получить картину их распространения в пригородах.

Достоинств у методик, опирающихся на базу данных СПАРК-Интерфакс, несколько.

Во-первых, исследователи получают возможность оценить экономическую активность той или иной территории без привязки к АТД.

Во-вторых, временной ряд базы данных СПАРК-Интерфакс существенно длиннее, чем у большинства данных из базы данных показателей муниципальных образований: 1999 год против 2009–2011 гг.

В-третьих, данные реестров юридических лиц включают строки из бухгалтерской отчетности, из которых можно самостоятельно вычислить макроэкономические показатели для анализа (например, [25, 27]).

Однако имеется ряд недостатков в данных реестров по юридическим лицам. Во-первых, база данных СПАРК-Интерфакс использует постоянно обновляемую базу данных единого государственного реестра юридических лиц (ЕГРЮЛ), из-за чего адреса организаций в выборках являются актуальным на сегодняшний день. Поэтому, например, в выборке данных за 2000 г. адрес у ПАО “Газпром” уже будет “г. Санкт-Петербург, вн. тер. г. муниципальный округ Лахта-Ольгино, пр-т Лахтинский, д. 2, к. 3, стр. 1” или Лахта-Центр, что не соответствует действительности. Это существенно ограничивает пространственно-временные исследования на основе данных реестра юридических лиц. Во-вторых, в выгрузках указывается адрес только главного подразделения, без адресов филиалов, из-за чего нельзя получить полную картину распределения экономической активности на территории. Последний недостаток, в целом, можно решить за счет интеграции с данными справочников, такими как 2ГИС для наших дней или “Желтые страницы” для более ранних периодов.

Данные сотовых операторов активно используются в исследованиях пространственной структуры городов, их суточных ритмов, позволяя рассматривать перемещения и размещение населения [1]. В России исследования на основе сотовых данных проводятся, прежде всего, в Москве [2]. К сожалению, подобное исследование для других городов России не может быть реализовано по причине отсутствия доступа к данным мобильных операторов. В контексте Санкт-Петербурга данное направление является пока лишь перспективным и декларированным, т.к. только недавно была получена данная система [4], а крупные исследования отсутствуют.

Данные сотовых операторов позволяют оценить ночное и дневное население с последующей делимитацией городской агломерации [15], оценивать реальное население в агломерации [16], изучать особенности дачного населения [14] и т.д. Важнейшим преимуществом данных сотовых операторов является возможность рассмотрения не просто годовой, но и сезонной, месячной и суточной динамики, выделить ночное и дневное население территории. Недостатком же является вопрос доступности данных, из-за которого повторять исследования на основе данных операторов другими исследователями и в других городах пока невозможно.

Данные о дорожной сети. Транспортная инфраструктура является важнейшим элементом любой городской агломерации. Е.Н. Перцик сформулировал следующее определение понятия “городская агломерация”: “Система территориально сближенных и экономически взаимосвязанных населенных мест, объединенных устойчивыми трудовыми, культурно-бытовыми и производственными связями, общей социальной и технической инфраструктурой, а также интенсивными маятниковыми передвижениями” [19]. Очевидно, что даже в самом определении этого понятия заложена определяющая роль транспортной инфраструктуры: именно с ее помощью осуществляются все виды связей, а также маятниковые передвижения населения.

Транспортная инфраструктура городской агломерации выполняет три основные функции [8]:

1. Обеспечение внутригородских связей. Эту роль выполняет улично-дорожная сеть городов, входящих в агломерацию.

2. Обеспечение агломерационных связей. Эту роль выполняют автодороги, связывающие между собой населенные пункты, входящие в состав городской агломерации.

3. Обеспечение внешних связей. Эту роль выполняют автодороги, связывающие транспортную инфраструктуру агломерации с внешним миром.

Связующие функции выполняют автодороги различных классов. Классификация улично-дорожной сети города регламентируется СНиП 2.07.01-89 [26]. В рамках данного документа выделяются различные классы автомобильных дорог, среди которых: скоростные дороги, магистрали непрерывного движения, магистрали городского значения регулируемого движения I и II классов, магистрали районного значения.

Пространственный анализ данных о дорожной сети, в совокупности с использованием прочих видов данных, позволяет сделать выводы об уровне развития отдельных территорий городской агломерации, а также степени связности их между собой и с ядром агломерации. Кроме того, возможен анализ внешних связей, выявление контактных зон на пересечении границ городской агломерации и основных внешних магистралей, которые обладают особой значимостью и часто являются промышленными и логистическими центрами.

Особую роль играют данные о перспективном развитии дорожной сети, которые позволяют получить информацию о направлениях пространственного развития городской агломерации. Источников таких данных могут являться документы территориального планирования, среди которых можно выделить: схемы территориального планирования (региональные и муниципальные), генеральные планы, прочие документы (например “Концепция совместного градостроительного развития Санкт-Петербурга и территорий Ленинградской области”, “Концепция развития транспортной системы Санкт-Петербурга”). В таких документах содержится информация о важнейших проектах в области транспортной инфраструктуры.

Однако строительство и реконструкция транспортной инфраструктуры зачастую является сложным и дорогостоящим мероприятием, в связи с чем далеко не всегда даже самые важные проекты удается быстро воплотить в жизнь. Поэтому особую роль играют документы, содержащие информацию о первоочередных проектах в области транспортной инфраструктуры, реализация которых намечена на ближайшее время. Источниками данных могут служить региональные инвестиционные программы в области транспорта, материалы национального проекта “Безопасные качественные дороги”, утвержденные проекты планировки территории (для линейных объектов).

Использование данных о перспективном развитии дорожной сети позволяет определить направления пространственного развития агломерации, предсказать возможную трансформацию роли отдельных территорий агломерации и динамику связей между ними.

Важным плюсом использования данных о дорожной сети является их универсальность, доступность, простота обработки и интерпретации. Важно помнить, что наибольших результатов можно достичь при использовании данных о дорожной сети в комплексе с прочими видами данных.

Обозначенные группы методов являются крайне актуальными при исследовании Санкт-Петербургской агломерации (табл. 2) как по одиночке, так и в комплексе. Проведенная их полная или частичная апробация показывает возможность их применения, а балльная оценка применимости и полезности рассмотренных методов для Санкт-Петербургской городской агломерации дала возможность понять применимость именно здесь (см. табл. 1).

Тренд на использование новых данных и, соответственно, подходов и методов к исследованию городов очевиден. Современный уровень развития информационных технологий позволяет взглянуть на пространственную структуру агломераций по-новому. Арсенал этих новейших методов и источников данных, в целом, достаточно широк, но в контексте Санкт-Петербургской агломерации применима часть данных методов. Связано это в целом с доступностью данных на современном развитии в стране и городе, в частности цифровизации, от которой зависит спектр доступных данных.

Несомненным преимуществом рассмотренных подходов и методов является возможность рассмотрения пространственной структуры города без привязки к АТД, т.к. оно перекрывает собой или не полностью вмещает в себя те или иные пространственные явления в городе.

Также важно понимать, что на рассмотренные методы и подходы имеется спрос в практике городского планирования и управления.

Данные не о размещении населения, объектов ритейла, рекреации и др. не по АТД активно используются предпринимателями при принятии решении о размещении бизнеса [28].

Однако использование описанных авторами методов обладает рядом недостатков. В первую очередь это касается информативности и полноты данных. Например, данные о жилом фонде многоквартирных домов или выручке юридических лиц все-таки менее информативны для исследователя, чем просто данные о численности населения или фонде заработной платы, которые предоставляются Росстатом [29]. С другой стороны, на основе данных сотовых операторов можно получить куда более информативные данные о ночном и дневном населении территории, увидеть суточные пульсации в городском пространстве. Однако в большинстве своем данные не статистических служб уступают по своей информативности. В целом обозначенная проблема в перспективе может исчезнуть, т.к. обозначился тренд на предоставление обезличенных микроданных статистических служб [24]. Соответственно и данные статистических служб в целом будут использоваться исследователями аналогично новейшим подходам и методам.

Важнейшим недостатком обозначенных методов является то, что они не совсем пригодны с управленческой точки зрения, т.к. решения местных властей принимаются прежде всего на уровне АТД. Данная особенность в целом является проблемой в развитии городских агломераций, т.к. построение межмуниципального сотрудничества является отдельной трудностью [30]. Проблема межмуниципального сотрудничества активно рассматривается государством, о чем свидетельствует стратегия пространственного развития [25], проект федерального закона о городских агломерациях [21], появление горизонтальных межбюджетных трансфертов [22] и другие. Исходя из этого можно считать, что в ближайшем будущем ориентированность на АТД при принятии решений на муниципальном уровне снизится и рассмотренные современные подходы и методы будут все более актуальны и при управленческих решениях.

Еще одним недостатком можно считать известную трудность визуализации и количественных расчетов. В большинстве своем новые данные, используемые современными исследователями городского пространства, представляют собой совокупность точечных локализованных объектов: предприятия, жилые дома, абоненты сотовой связи и др. Их отображение на картах привычными методами картограмм или картодиаграмм является не совсем уместным, т.к. важнейшей задачей является избегание АТД в целом. Но возможно при коррекции территориальных единиц на основе дазиметрического метода [38]. К методам отображения точечных явлений и объектов, в целом, можно отнести: 1) так называемые теплокарты, где кластеризация точек происходит в группах, а агрегация происходит по территориальным единицам (например, АТД или городские кварталы); 2) искусственные регулярные сетки различной формы (квадраты, гексагоны и другие); 3) производные геометрии и их площади (полигоны Вороного или Триангуляции Делоне); 4) атрибуция точек через матрицу расстояний; 5) трехмерная визуализация (производные от карт-агрегаций и теплокарт) [6]. Однако несмотря на то, что описанные способы визуализации в целом могут сразу быть восприняты, количественные характеристики явлений проще анализировать по АТД.

В целом обозначенные недостатки не стоит считать критическими и причиной для отказа от использования рассмотренных методов исследования городских агломераций. Тем более что намечается тренд на минимизацию данных недостатков. В то же время преимущества являются значимым доводом к использованию новых методов.

ВЫВОДЫ

В современных исследованиях городских агломераций все активнее используются новые методы и источники данных в исследовании, имеющие ряд преимуществ и определенные недостатки. Их актуализация в контексте исследования Санкт-Петербургской агломерации крайне необходима, для получения все более комплексных и информативных данных о городском пространстве. Предложенная актуализация современных подходов и методов по критерию используемых данных и апробация части из них на примере Санкт-Петербургской агломерации существенно расширяет арсенал применимых инструментов для исследования городских агломераций авторами и другими исследователями, из-за возможности масштабирования и повторения другими исследователями на примере других агломераций.

На основе балльной оценки рассмотренных методов, источников данных в целях исследования пространственной структуры Санкт-Петербургской агломерации было выявлено, что данные о дорожной сети получили максимально возможный балл (14) в рамках полезности метода и максимальный балл (15) в рамках реалистичности применения метода для данной агломерации. Высокую полезность и реалистичность имеют: данные дистанционного зондирования Земли (ДДЗЗ); данные о зданиях (в том числе жилом фонде).

В апробированных методах обозначены основные преимущества, связанные, прежде всего: с возможностью избежать часто меняемое и далекое от реальных задач АТД, а также, в некоторых случаях, возможность анализа длительного временного ряда (например, данные дистанционного зондирования, отчасти данные реформы ЖКХ) или получение производных данных (например, ВВП по данным выручки юридических лиц). Однако имеются и недостатки, такие как: преимущественное использование АТД и данных по нему при управленческих решениях на местном уровне; сложность визуализации и количественных оценок и, конечно же, пониженная информативность большинства данных в сравнении с имеющимися данными у статистических служб. Однако влияние этих недостатков постепенно снижается в условиях развития информационных технологий, повышения качества государственного управления, повышения открытости и разнообразия данных. Исходя из этого можно считать, что применение новейших методов в исследовании городских агломераций крайне необходимо.