This study introduces a new measure of urban centrality. The proposed urban centrality index (UCI) constitutes an extension to the spatial separation index. Urban structure should be more accurately analyzed when considering a centrality scale (varying from extreme monocentricity to extreme polycentricity) than when considering a binary variable (monocentric or polycentric). The proposed index controls for differences in size and shape of the geographic areas for which data are available, and can be calculated using different variables such as employment and population densities, or trip generation rates. The properties of the index are illustrated with simulated artificial data sets and are compared with other similar measures proposed in the existing literature. The index is then applied to the urban structure of four metropolitan areas: Pittsburgh and Los Angeles in the United States; São Paulo, Brazil; and Paris, France. The index is compared with other traditional spatial agglomeration measures, such as global and local Moran's I, and density gradient estimations. El presente estudio introduce una nueva medida de centralidad. El índice de centralidad urbana propuesto (UCI, por sus siglas en inglés) es una extensión al índice de separación espacial (spatial separation index)(Midelfart‐Knarvik et al. 2000). El análisis de la estructura urbana resulta más preciso al usar el índice cuando se toma en cuenta una escala de continua de centralidad (que puede variar de un monocentrismo extremo a un policentrismo extremo) que cuando se considera una variable binaria (monocéntrica o policéntrica). El índex propuesto controla las diferencias de tamaño y forma de las áreas geográficas de las que se tienen datos, y puede ser calculada utilizando diferentes variables, como empleo y densidad poblacional, o tasas de generación de viajes. Las propiedades del índice se ilustran con conjuntos de datos artificiales simulados, y se comparan con otras mediciones similares en la literatura ya existente. Posteriormente, el índice es aplicado a la estructura urbana de cuatro áreas metropolitanas: Pittsburgh y Los Ángeles, en EEUU; San Pablo, en Brasil; y París, Francia. Finalmente, se compara el índice con otras mediciones tradicionales de aglomeración espacial, como el índice de Moran local y global, y estimaciones de gradiente de densidad. 本文介绍了一种度量城市中心性的新方法,提出的城市中心性指数(UCI)是对空间分离指数的扩展。当涉及到中心性规模(从极单中心到极多中心),不仅仅是二元变量(单中心或多中心),城市结构则需更加精确的测度。本文构建的指数可以通过数据可获取的不同大小和形状的地理单元控制,并通过不同变量(如就业与人口密度或者旅次产生率)测算得到。该指数的属性可以通过人工数据集的模拟示例说明,或者通过对比已有文献对相似指数的阐述加以说明。然后,通过将该指数应用于全球四个大都市区(美国匹兹堡和洛杉矶、巴西圣保罗和法国巴黎)的城市结构中进行检验。最后,将该指数与其他测度传统空间集聚指数如全局和局部Moran指数及密度梯度估计进行对比.
mento urbano desconcentrado, não denso e que deixa vazios dentro da mancha urbana. Para comprová-lo se propôs a construção de um índice de espraimento a partir da análise de mapas da área urbanizada, a evolução das densidades populacional e de empregos e a evolução dos gradientes de densidade. Seus determinantes são buscados em análise econométrica. Os resultados indicam que houve espraimento no período mais recente analisado e que esse fenômeno se dá a partir da ocupação das periferias por população de baixa-renda. palavras-chave | expansão urbana, crescimento urbano, periferia urbana, descentralização, morfologia urbana. abstract | The urban evolution of São Paulo Metropolitan Area, Brazil between the years of 1960 and 2000 indicates an urban sprawl process defined as leapfrogging, a not concentrated and not dense urban growth. To make evident its existence as an urban sprawl index it has been proposed an analyzing urban area maps, the evolution of population and jobs density and the evolution of density gradients. Its determinants are searched using econometric analysis. Results point out that there was urban sprawl in the most recent period of time and show the link between this phenomenon and the occupation of suburbs by low income families.
Os centros antigos das cidades são regiões internas às metrópoles que se destacam por seu valor simbólico e por estarem sujeitos à decadência e esvaziamento. Em geral, a configuração espacial da população e dos empregos determina a relevância locacional dos sítios urbanos, os fluxos de mobilidade e a própria vitalidade de cada porção urbana, inclusive o centro. Entretanto, informações de localização populacional intraurbana só são disponibilizadas a cada dez anos. Dados de localização de empregos, quando disponíveis, se encontram agregados e não estão georreferenciados. Nesse contexto, o presente trabalho analisa e identifica estruturas intraurbanas de população (1991, 2000 e 2010) e emprego (2002 e 2013), em 12 regiões metropolitanas brasileiras, utilizando áreas mínimas comparáveis para agregar dados populacionais censitários e geolocalização identificada de empregos. Os resultados indicam que há perda populacional nos centros metropolitanos no período 1991- 2000, parcialmente recuperada no decênio seguinte. Constata-se ainda desconcentração de empregos com migração para novas áreas centrais, em relação aos centros urbanos tradicionais. Todavia, o comportamento não é linear para cada uma das 12 RMs analisadas e o resultado espacial final é específico para cada uma. O artigo contribui com a construção inédita da espacialização dos empregos para as 12 RMs. Ademais, a metodologia desenvolvida permite análise urbana quantitativa padronizada como apoio a pesquisadores com conhecimento local.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.