城市空间结构演化分析——以印度艾哈迈达巴德为例外文翻译资料

 2022-11-03 18:13:59

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

城市空间结构演化分析——以印度艾哈迈达巴德为例

bhargav adhvaryu

马丁建筑与城市研究中心，建筑系，剑桥大学，1-5 Scroope Terrace，剑桥CB2 1px，英格兰和丘吉尔学院；电子邮件：bhargav@cantab.net,ba247@yahoo.com

于2009年7月21日收到；在2010年12月21日修订表格

摘要：本文分析了艾哈迈达巴德市的城市空间结构演变（或城市形态），其中有两个主要目标：要对空间结构的演变产生一个定量的了解，并使用这种定量的了解，以告知未来的替代规划政策的制定。时间序列上的印度人口普查数据已经使用了超过三十年，通常可用在大多数的发展中国家。以艾哈迈达巴德为例，城市呈现扩散的渐进的趋势，但与其他一些中型的世界大都市相比它是相对紧凑的。讨论空间结构分析的应用包括替代规划政策的制定。并可以用于进行类似的城市在印度和发展中国家的一般分析，以产生一个有用的城市目录。然而，这不是本文的目的，但在适当的时候可以建立起相关文献。

1.引言

城市空间结构的分析有多种方法。然而，适应现有数据的分析包括三个关键值：密度梯度，分散指数和集散程度。它们每种测量方法的理论基础在艾哈迈达巴德的应用的有关解释在第3至第5节会提到。讨论此类空间指标在制定备选规划政策的参考建议和结论在最后一节提到。第二节是提供艾哈迈达巴德的简介。本文是基于我的博士工作（Adhvaryu，2009）。

2.艾哈迈达巴德简介

艾哈迈达巴德是印度西部的古吉拉特邦州最大的城市（见图1）。根据2001次人口普查，艾哈迈达巴德是印度的第七大城市（350万）考虑2001市边界内的人口（191平方公里），与5.08的平均家庭规模。在2001年其城市综合区（约510平方公里）的人口约为450万。直到上世纪80年代，艾哈迈达巴德被称为东方的曼彻斯特，但纺织行业下降在上世纪80年代末。根据2001次人口普查数据（AMC，2007），经济以服务为主（三）包括约三分之二的份额部门。在过去的十年左右，信息技术支持的服务（呼叫中心，医疗转录等）和银行和金融部门都在迅速增长。制造业（二级）拥有近三分之一的份额，主要由化学和制药行业。主要部门的份额低于1%。

图1。[有色线]艾哈迈达巴德的位置。（源：该图是由作者基于维基百科获得的图像。这些图像有被复制，分布，修改的权限。包括GNU自由文档许可证条款。）

人口普查区的人口数据为1971年，1981，1991，和2001已被用于分析（AMC，1979；1990；2007）。主要城市区域,称为艾哈迈达巴德市政公司(AMC)由43个人口普查区(191km2)组成(1)。以外的地区至城市的边界,这是城市的就业和其他连接的一部分,正在经历高速增长的压力,由47个人口普查区(319km2)组成。这周围地区与AMC称为艾哈迈达巴德城市综合体（AUC）地区（见图2）。

3.密度梯度（1951）

克拉克（1951）在他的开创性论文《城市人口密度》中介绍了非常有用的密度梯度概念。他的研究显示两个非常重要的概括:（一）随着远离城市中心人口密度呈指数下降和（二）随着时间的流逝,在人口最多的近郊人口密度会下降但在其他郊区上升,而且整个城市往往“摊开本身”。克拉克表示住宅密度与城市中心距离的数学关系如下：

Dx=D0 exp(-gx)， (1)

（1）AMC的边界扩展至2006年占地面积为464平方公里。然而，本研究采用2006年前AMC边界避免与2001次人口普查数据空间不兼容。

图2。[有色线]在线，艾哈迈达巴德市公司（AMC）及艾哈迈达巴德城市综合体（AUC）。

其中：

Dx 表示常住人口密度（单位面积人口）；

x 表示离市中心的距离；

D0 表示一个系数，表明理论密度（或换句话说，市民能容忍的在城市的中心最大拥挤程度）；

g 表示衡量密度下降率的一个系数。

系数D0 和g是利用线性回归方程（1）确定转化为线性形式如下：

lnDx = lnD0-gx (2)

克拉克在不同时间点对近二十个城市的研究表明，上述关系在任何时候都是正确的。g值的高（绝对）值意味着密度随着距城市中心距离的增加而急剧下降，也就是说，代表一个紧凑的城市；而低g值则意味着密度下降得越慢，即城市越“扩散”。他得出结论，g在很大程度上依赖于城市内的运输成本，或者更确切地说，运输成本与市民的平均收入有关（这个假设在第4节讨论）。如果运输成本低，城市是可以“扩散”。值得注意的是，D0是一个假设而非实际的系数，因为事实上，这个城市的中心是由很少或没有居住区的。然而他认为D0仍然是一个用于阐明密度趋向的有用的计算系数，应由城郊住宅区的密度推算至城中心。

克拉克认为，g和D0值能够使我们给城市及其增长趋势做出一个简化的分类。如果一个城市有运输成本相当高，然后它会有一个相当高的g值，随着其总人口增长，D0值（即城市中心的拥挤度）必然上升。相反，如果一个城市的总人口很高，它要么必须忍受相当程度的过度拥挤，要么必须扩散它自己。

密度梯度是一个用来描述城市人口的空间格局的趋势功能的强大的工具。克拉克坚持认为，着眼于研究g值随着时间的推移的城市，使我们能够知晓其中城市的空间结构是由运输成本的变化的影响。为了更好地理解这一点，最好考虑一个假设的情况随着人口的增加随着时间的推移，唯一的其他变量是运输成本。如果我们想象一个情景，随着时间的推移，运输成本会降低，城市会随着密度曲线的旋转而展开（参见图3（a））。另一方面[图3（b）），如果运输成本随时间增加，那么在所有点的密度增加，导致曲线上移。当然，在这个例子中，假定在

图3。假设随着时间的推移密度梯度的变化：同一城市，两种情况：（一）运输成本降低，城市扩张；（二）运输成本增加，密度在所有点增加。

这两种情况下的所有其他的东西，除了运输费用，是相同的。然而，在现实世界中，除了交通费用，其他因素包括地形、社会和文化因素也可以影响一个城市的形状。这一点在第4节的结尾被会重新提到。

密度梯度g随着AMC的R2值和D0在表1和图4给出了。可以看出，艾哈迈达巴德的密度梯度多年来变得趋于平坦，并与克拉克所提出的指数模型有一个合理的拟合（1951）。另外，如克拉克所预言的，在艾哈迈达巴德密度梯度的变

表1。艾哈迈达巴德市公司面积密度梯度和密度。

图4。艾哈迈达巴德市公司地区密度梯度。

化是显而易见的。换句话说，这表明城市中心密度逐渐下降：也就是说，随着城市的扩展，人们从更多的中心地区迁移到郊区。通过观察数据我们可以得到有力的支持（见表1），其中被视为中心，即区域2（见图2）甚至整个城市中心(2)的区域的实际密度一直在下降。应该指出的是，理论密度会大于作为一个相当比例的中心非活动的实际价值。

（2）城市的中心是由1-6区域组成的（面积约7.2平方公里；见图2）俗称寨城（老艾哈迈达巴德城）。

图5。艾哈迈达巴德城市复杂的人口密度（AUC），1971至2001（AMC艾哈迈达巴德市公司区）。

通过这一测量方式，艾哈迈达巴德已表现出`扩张”的形式。在一般情况下，这可能是由于普遍的减少运输的成本。米尔斯和谭（1980）研究了发达国家和发展中国家的几个城市的密度梯度，并得出结论，发展中国家的城市也确实表现出密度梯度的下降，尽管由于收入较低和交通基础设施不发达而不像发达国家的城市一样快速下降。其他较强的观察可以从图4得出上述观点：在从CBD向外4 -6公里带的密度梯度线大多对应艾哈迈达巴德东部较贫穷的地区，那里的居民通常居住在高密度中（见图5中1971到2001的密度图）。应该指出的是，在图4中一些数据点，超过6公里的 lnDx值大约为1.0（1971）。一个关键的原因是人口普查区边界的变化造成的数据在随后几年的差异。

克拉克指出，密度梯度很大程度上取决于城市内部运输成本，或者更确切地说是与普通公民收入有关的旅行成本，后者的减少意味着密度梯度的拉平。车辆所有权的增加（表示由间接测定每1000人口的车辆所有权）可以归结为广义的运输成本减少。因此，它与密度梯度的关系应该是紧密的。而且，从图6中可以看出，密度梯度g（即在等式（1）和表1）和车辆所有权之间表现出非常强的关系。

图6。密度梯度和艾哈迈达巴德市公司区的车辆所有权。

4.分散指数

1999年Bertaud和Malpezzi（Bertaud，2001）提出了一个方法来描述一个城市的“形状特征”。Bertaud（2001）认为，一个城市的空间结构可以由两个互补组件定义：（一）人口在空间上的分布及（二）居民从居所到其他目的地的出行方式。在一个城市的人口普查区的数据可以简单地映射人口的空间分布。这个图示可以通过创建一个含有每个区域的高度被缩放至人口的三维图像进一步增强（例如，见Bertaud，2001，页3，图1）。

Bertaud（2001）认为，运输模式可以概括成在每个人距离中心的平均距离(3)。这是使用人口加权平均得到每个区域的比重。Bertaud（2001）认为,在其他条件保持不变的情况下，在一个面积较小的城市的区域人均到中心的距离将会短于一个大面积的城市。因此，为了进行城市间的形状比较测量，必须建立一个与城市面积大小无关的方法。这可以通过每个人到城市中心的平均距离和每个人到面积等于城区面积的圆形的圆心的平均距离的比例实现。这样的方法称为分散指数(4)rho;，在数学上表示为：

（3）指在一个单中心城市的中心CBD，或在一个多中心城市的情况下，重力的中心（即整个城市的几何中心）。

其中：

di 表示第i 个区域的质心到CBD的平均距离，加权人口份额omega;i ；

A 表示城市建成区面积；

r 表示A 区域的半径；

在方程（3）中的分子（即实际距离）是每人距中心（CBD或几何中心视情况而定）的实际距离和分母（即理论距离）是距一个具有等效面积和均匀人口密度的圆（或单位高度的圆柱）的中心的平均距离。[参见图形描述Bertaud和 Malpezzi（2003，64页，图6）]。

分散指数反映了一个城市的“形状特征”：也就是说，一个城市是多么集中或分散。因为它是与城市的面积和密度无关的，所以它可以用来比较同一时间的不同形状，大小和密度的城市或同一个城市随着时间的推移的变化(4)。Bertaud（2001）当然不认为这一个圆形的城市是最优的，但只是表明，一些城市会更集中（其中有一个较低的rho;值），一些会更分散（那些有较高的rho;值），这意味着1.0这个值是集中性和分散性的分水岭。

AUC面积的分散指数如表2所示。方程的分母（3），这是每个人距中心为AUC面积的圆的等效半径的平均距离为中心，原来是8.49公里。因此，虽然绝对而言，城市是集中的，它确实直到2001年的三十年间表现出分散的趋势。显然，这种趋势很可能会在未来继续，但从百分比变化来看，这个比率正在下降。面积从1972至1996的增长率为每年3.1%，1971至2001期间的人口增长率约为每年2.7%（二者的空间比较如图7所示）。这两个数的比值定义为Rusk蔓延指数(5)，算得为1.15，证实艾哈迈达巴德趋向分散。相比之下，分散指数（连同其他相关项目）的世界七大城市列于表3。尽管用于分析的人口值的确切日期不是Bertaud（2001）在论文中提及的，从出版日期可以被假定为2001或之前，并因此与艾哈迈达巴德2001值0.63相媲美。然而，与其他大城市的世界相比，艾哈迈达巴德（2001）仍然是更分散的。巴特（2001）从表3得出一个重要的结论：高密度城市并不总是导致较低的平均出行长度（到中心）。对表3中列出的城市密度剖面图形，见Bertaud（2001，第14页，图6）。

（4）分散指数（早期称为压实度指标）最初是由Bertaud和Malpezzi在1999年提出：“在其他条件相同情况下的，一个减少人们的住宅和工作和消费的主要场所之间的距离的城市形状将更有利于劳动力和消费市场的运作。对于一个给定的建筑面积，每个人的主要工作场所或主要商业区的平均距离越短，最好的表现是城市的形状”（Bertaud，2001年，第7- 8页）。

（5）“Rusk蔓延指数，定义为百分比变化在城市用地面积除以城市地区人口的百分比变化，它容易计算并且解释简单。表面看来，指数大于1似乎是人口密度下降、跨越式发展、城乡土地流转的明显证据——嗯，蔓延”（Bogart，2006年，第57页）。

表2。艾哈迈达巴德城市复杂分散指数（AUC）。

表3。世界七大城市分散指数[来源：Bertaud（2001），从表2除去艾哈迈达巴德的数值 ]。

克拉克（1951）提出的居住人口密度和到城市中心距离的指数关系。Bertaud（2001）在七个特大城市研究概括得出当远离城市中心会遵循一般模式的密度下降。然而这不是一定正确的。举个例子，纽约的峰值距市中心约13公里，同样的柏林大约是21km。在伦敦周边地区似乎有更高的密度。更激进的是，莫斯科呈现完全颠倒的格局。可以用这样的方式得出一个重要的一点是，（人口）密度和距离（从城市中心）的关系是由地形条件，政治环境、社会文化，和计划政策的约束（包括土地市场的性质）共同影响的，除了克拉克假设的运输成本。然而，目前的研究并

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[141026]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章