شکل 1 توزیع فضایی پارک ها و مسکن عمومی را برای سایت مطالعه نشان می دهد. به نظر می‌رسد که پارک‌ها در سراسر منطقه مورد مطالعه پراکنده شده‌اند، با این حال به نظر می‌رسد مسکن عمومی در اطراف مناطق غربی و جنوبی سایت مورد مطالعه، مانند Mangere East و Sandringham/New Windsor قرار گرفته است. به نظر می رسد تراکم کمتری از مسکن اجتماعی در بخش شمالی منطقه مورد مطالعه (ساحل شمالی) وجود دارد.
تعداد زیر مجموعه کاربران منحصر به فرد در محله های PH و محله های NPH به ترتیب 5329 و 2372 بود. تعداد سلول های شبکه در محله های PH و NPH به ترتیب 2213 و 947 بود. تفاوت در اندازه نمونه بین دو محله، PH و NPH وجود دارد، و این باید در هنگام تفسیر نتایج این مقاله در نظر گرفته شود.
نتایج حاصل از تجزیه و تحلیل فاصله در جدول 1 ارائه شده است . هم برای اندازه‌گیری فاصله از نقاط موقعیت مکانی کاربر و هم برای مرکز شبکه، میانگین و میانگین حداقل فاصله برای نقاطی که در همسایگی‌های PH قرار دارند بیشتر از نقاط واقع در مناطق NPH است ( جدول 1 )، به استثنای تحلیل شبکه مرکز گرید. فاصله تا نزدیکترین پارک مرکز مرکز همه تفاوت ها از نظر آماری معنی دار هستند (p-value <0.05). این نتایج نشان می‌دهد که مرکز شبکه، و نقاط مکان خانه کاربر، واقع در محله‌های PH، نسبت به محله‌های NPH، دسترسی بدتری به فضاهای سبز دارند، همانطور که در شکل 4 نشان داده شده است . صرف نظر از محاسبه فاصله مورد استفاده، به نظر می رسد دسترسی مشابهی به فضاهای سبز بین دو زیر مجموعه محله وجود دارد.
میز 1 . آمار خلاصه برای محاسبات مبتنی بر فاصله برای A) امتیاز کاربر (همه نقاط قبل از میانگین به سلول های شبکه). ب) مرکز شبکه.
| الف) امتیاز کاربر | فاصله تا نزدیکترین مرکز پارک (فاصله اقلیدسی) (متر) | فاصله تا نزدیکترین مرکز پارک (تحلیل شبکه) (متر) | فاصله تا نزدیکترین لبه پارک (فاصله اقلیدسی) (متر) | |||
|---|---|---|---|---|---|---|
| آمار خلاصه | PH | NPH | PH | NPH | PH | NPH |
| حداقل | 9.51 | 17.03 | 0.00 | 0.00 | 0.00 | 0.00 |
| منظور داشتن | 251.99 | 238.94 | 426.28 | 407.02 | 158.36 | 138.53 |
| میانه | 231.96 | 203.91 | 385.27 | 351.12 | 139.16 | 112.91 |
| حداکثر | 1,413.10 | 1,868.77 | 5,311.50 | 5,380.24 | 1,309.43 | 1,725.21 |
| انحراف معیار | 133.80 | 170.43 | 309.89 | 351.43 | 114.77 | 127.96 |
| # نکته ها | 5,329 | 2,372 | 5,329 | 2,372 | 5,329 | 2,372 |
| ب) مرکز شبکه | فاصله تا نزدیکترین مرکز پارک (فاصله اقلیدسی) (متر) | فاصله تا نزدیکترین مرکز پارک (تحلیل شبکه) (متر) | فاصله تا نزدیکترین لبه پارک (فاصله اقلیدسی) (متر) | |||
|---|---|---|---|---|---|---|
| آمار خلاصه | PH | NPH | PH | NPH | PH | NPH |
| حداقل | 11.91 | 6.64 | 0.00 | 0.00 | 0.00 | 0.00 |
| منظور داشتن | 283.20 | 281.78 | 475.40 | 490.30 | 177.99 | 162.00 |
| میانه | 246.98 | 219.50 | 402.20 | 353.70 | 138.20 | 105.80 |
| حداکثر | 1,807.29 | 2,133.71 | 3,809.80 | 12,364.50 | 1,701.61 | 1,852.20 |
| انحراف معیار | 194.65 | 268.45 | 402.47 | 653.62 | 169.87 | 227.47 |
| # شبکه | 2213 | 947 | 2213 | 947 | 2213 | 947 |
شکل 4 . نقشه های 1) فاصله (متر) تا نزدیکترین پارک از مرکز شبکه، برای فاصله اقلیدسی تا لبه پارک. 2) میانگین فاصله (متر) تا نزدیکترین پارک از مکانهای خانه کاربر توسط سلولهای شبکه. برای فاصله اقلیدسی تا لبه یک پارک؛ 3) محرومیت پنجک IMD18. 4) اندازه گیری دسترسی، مدل جاذبه، برای منطقه پارک جمع شده. همه نقشه ها برای الف) محله های PH هستند. ب) محله های NPH.
به نظر می رسد از نظر فضایی، محله های PH در جنوب سایت مورد مطالعه از دسترسی به پارک شهری محروم تر باشند ( شکل 4 ). این منطقه دارای تراکم بالای مسکن عمومی است و پارک ها در حاشیه شبه جزیره ها قرار دارند و فقط از یک طرف قابل دسترسی هستند. این منطقه به شدت صنعتی است و فرودگاه بین المللی نیز در اینجا قرار دارد. این بدان معنی است که جاده های مسکونی زیادی وجود ندارد، بنابراین دسترسی به پارک محدود است. شبه جزیره ته آتاتو همچنین دسترسی ضعیفی به پارک دارد زیرا این محله در یک شبه جزیره واقع شده است و دسترسی به آن به دلیل جغرافیا محدود است. هر دو منطقه جنوبی سایت مورد مطالعه و محله شبه جزیره ته آتاتو بر اساس شاخص محرومیت چندگانه 2018 (IMD18) عمدتاً به عنوان مناطق بسیار محروم (Q4/5) طبقه بندی می شوند، که ضرر یا محرومیت نسبی افرادی را که در یک منطقه زندگی می کنند اندازه گیری می کند. حوزه.
با نگاهی به محله های NPH، این مناطق عمدتاً به عنوان دارای کمترین دسترسی به پارک شهری طبقه بندی می شوند ( شکل 4 ، نقشه 1). به نظر می رسد دو منطقه با بهترین دسترسی به پارک شهری، محله های پوینت انگلستان و تامکی شرقی باشند. هر دوی این حومه‌ها فاقد مسکن عمومی هستند و دارای پارک‌های کوچک زیادی هستند که در سراسر حومه شهر پراکنده شده‌اند و دسترسی خوبی دارند ( شکل 4 ، نقشه 1 و 2 را ببینید). این نتیجه توسط تجسم مدل‌های گرانشی دسترسی منطقه پارک جمع‌شده ( شکل 4 ، نقشه 4) پشتیبانی می‌شود که دسترسی خوبی به پارک‌ها برای این مکان‌ها، به ویژه پوینت انگلستان را نشان می‌دهد. بر اساس IMD18 ( شکل 4 ، نقشه 3)، اکثر مناطق در محله های NPH به عنوان دارای محرومیت کم (افزایش ثروت) طبقه بندی می شوند، به استثنای Point England که دارای محرومیت بالا است. تجسم فضایی میانگین فاصله تا نزدیکترین پارک از مکانهای خانه کاربر توسط سلولهای شبکه ( شکل 4 ، نقشه 2) پراکندگی دسترسی ضعیف و خوب به پارک شهری را نشان می‌دهد.
تجزیه و تحلیل دسترسی به پارک و استفاده از پارک تفاوت در نتایج بین محله های PH و NPH در جدول 2 ارائه شده است . تمام تفاوت‌های بین محله‌های PH و NPH با استفاده از میانگین و میانه از نظر آماری معنی‌دار است. برای مدل گرانشی با استفاده از مساحت مجموع، مقادیر میانگین بسیار مشابه هستند، با این حال مقدار میانه برای محله‌های NPH بیشتر از محله‌های PH است. برای مدل گرانش با استفاده از تعداد پارک، هر دو مقدار میانگین و میانه برای محله‌های NPH بیشتر از محله‌های PH هستند. به طور کلی، این نتایج نشان می‌دهد که پارک‌ها برای محله‌هایی که مسکن عمومی ندارند نسبت به محله‌هایی که مسکن عمومی دارند در دسترس‌تر هستند.
جدول 2 . آمار خلاصه برای اقدامات دسترسی (برای سلول های شبکه، تقاطع مرکزی) و تجزیه و تحلیل استفاده از پارک (برای سلول های شبکه، میانگین).
| اقدامات دسترسی | منطقه مجموع پارک های جاذبه | پارک های جاذبه به حساب می آیند | ||
|---|---|---|---|---|
| آمار خلاصه | PH | NPH | PH | NPH |
| حداقل | 0 | 0 | 0.00 | 0.00 |
| منظور داشتن | 256,409 | 256,541 | 6.19 | 8.94 |
| میانه | 86217 | 116698 | 5.00 | ساعت 8.00 |
| حداکثر | 3,189,738 | 3,189,738 | ساعت 21.00 | ساعت 26.00 |
| انحراف معیار | 602,328.40 | 399,870.50 | 3.61 | 5.22 |
| # نکته ها | 2,123 | 947 | 2,123 | 947 |
| تجزیه و تحلیل بهره برداری از پارک | DAT (شبکه) | UPO (1 کیلومتر، چند ضلعی) | LPV (1 کیلومتر) | NPVR (شبکه) | ||||
|---|---|---|---|---|---|---|---|---|
| آمار خلاصه | PH | NPH | PH | NPH | PH | NPH | PH | NPH |
| حداقل | -373.11 | -322.47 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| منظور داشتن | 4,768.49 | 3,479.62 | 0.03 | 0.05 | 0.21 | 0.24 | 0.10 | 0.16 |
| میانه | 2,963.38 | 2,066.43 | 0.01 | 0.04 | 0.12 | 0.20 | 0.00 | 0.00 |
| حداکثر | 78,898.40 | 32,036.90 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| انحراف معیار | 5,869.84 | 4,027.12 | 0.05 | 0.07 | 0.26 | 0.23 | 0.23 | 0.28 |
| # نکته ها | 2,123 | 947 | 2,123 | 947 | 2,123 | 947 | 2,123 | 947 |
برای تجزیه و تحلیل استفاده از پارک، DAT با استفاده از رویکرد تحلیل شبکه دارای میانگین و مقدار متوسط بالاتری برای محله‌های PH نسبت به NPH است. این نشان می‌دهد که کسانی که در محله‌هایی با بیشترین مسکن عمومی زندگی می‌کنند، تمایل دارند از پارک‌هایی که دورتر از نزدیکترین پارک به محل زندگی‌شان قرار دارند، بازدید کنند. این نشان می دهد که این کاربران تمایل دارند مسافت بیشتری را برای دسترسی به فضاهای سبز شهری طی کنند. به طور مشابه، UPO (1 کیلومتر، چند ضلعی بافر) میانگین و مقدار متوسط بالاتری برای محله‌های NPH نسبت به PH دارد. این نشان می‌دهد که کسانی که در محله‌هایی زندگی می‌کنند که مسکن عمومی ندارند، تمایل دارند از فرصت‌های پارک موجود در فاصله ۱ کیلومتری بیشتر از کسانی که در محله‌هایی با بیشترین مسکن عمومی زندگی می‌کنند، استفاده کنند. مقادیر میانگین و میانه برای محله‌های NPH نیز بالاتر از محله‌های PH برای LPV (1 کیلومتر) و NPVR با استفاده از رویکرد تحلیل شبکه است. این نشان می‌دهد که کسانی که در محله‌هایی زندگی می‌کنند که مسکن عمومی ندارند، تمایل دارند از پارک‌هایی دیدن کنند که محلی‌تر هستند (در فاصله ۱ کیلومتری)، و عموماً در مقایسه با کسانی که در محله‌هایی با بیشترین جمعیت زندگی می‌کنند، به احتمال زیاد از نزدیکترین پارک به محل زندگی خود دیدن می‌کنند. مسکن به ترتیب.
به طور کلی، تحلیل‌های بهره‌برداری از پارک نشان می‌دهد که کسانی که در محله‌هایی با بیشترین مسکن عمومی زندگی می‌کنند، تمایل دارند از پارک‌هایی که دورتر از محل زندگی‌شان واقع شده‌اند بازدید کنند و تمایل دارند از فرصت‌های پارکی که دورتر از محل زندگی‌شان قرار دارند، استفاده کنند. زندگی در محله هایی بدون مسکن عمومی کسانی که در محله های PH هستند تمایل دارند به تعداد کمتری از پارک ها دسترسی داشته باشند که از نظر اندازه کوچکتر از محله های NPH هستند، به این معنی که این کاربران تمایل دارند برای دسترسی به تعداد بیشتری از پارک ها مسافت بیشتری را نسبت به نزدیکترین پارک خود طی کنند. اندازه بزرگتر، که ممکن است امکانات بیشتری در دسترس داشته باشد.
نتایج استفاده از پارک (UPO، LPV و NPVR) در شکل 5 ترسیم شده است . برای UPO، به نظر می‌رسد که مقادیر بالاتری برای محله‌های NPH در شمال سایت مطالعه وجود دارد، که نشان می‌دهد برای این منطقه، تعداد بیشتری از پارک‌های موجود در فاصله ۱ کیلومتری واقعاً توسط کاربران ساکن در این منطقه بازدید می‌شوند. در محله های PH به نظر می رسد به طور کلی مقادیر کمتری برای UPO وجود دارد ( شکل 5 ، نقشه 1)، که نشان می دهد کاربران ساکن در این مناطق تمایل دارند کمتر از پارک های موجود در فاصله 1 کیلومتری استفاده کنند. یک الگوی مشابه برای LPV ( شکل 5 ، نقشه 2) و NPVR ( شکل 5 ، نقشه 3) مشهود است. برای NPVR، خوشه‌بندی واضح‌تری از مقادیر بالاتر در شمال محل مطالعه برای محله‌های NPH نسبت به LPV وجود دارد، و خوشه‌بندی مقادیر بالاتر در شرق محل مطالعه برای محله‌های NPH وجود دارد. به طور کلی مقادیر کوچکتری برای محله های PH وجود دارد، با سلول های شبکه پراکنده با مقادیر بالاتر. مقدار LPV بالاتر نشان می‌دهد که برای حومه‌های شمالی محله‌های NPH، تعداد بیشتری از پارک‌هایی که در مجموع توسط کاربران ساکن در این مناطق بازدید شده‌اند، در 1 کیلومتری محل زندگی‌شان قرار دارند. برعکس برای مقادیر پایین تر LPV در محله های PH صادق است. برای حومه‌های شمالی و شرقی محله‌های NPH، یک مقدار NPVR بالاتر نشان می‌دهد که تعداد بیشتری از کاربرانی که مکان منزلشان در سلول شبکه است، از نزدیکترین پارک خود بازدید کرده‌اند. باز هم، برعکس برای مقادیر پایین تر NPVR در محله های PH صادق است.
شکل 5 . تجزیه و تحلیل بهره برداری پارک، 1) UPO; 2) LPV؛ 3) NPVR. همه نقشه ها برای الف) محله های PH هستند. ب) محله های NPH.
نتایج تحلیل همبستگی برای متغیرهای انتخاب شده در شکل 6 نشان داده شده است . یک همبستگی مثبت متوسط و معنی‌دار بین تحلیل‌های بهره‌برداری پارک از UPO، LPV و NPVR برای هر دو محله PH و NPH مشهود است (PH: UPO & LPV 0.47، UPO و NPVR 0.53، LPV و NPVR 0.43؛ NPH: UPO و LPV0). ، UPO و NPVR 0.43، LPV و NPVR 0.33). همبستگی مثبت به این معنی است که اگر کاربر احتمال بیشتری دارد که از فرصت‌های پارک در دسترس خود استفاده کند (UPO)، به احتمال زیاد از پارک‌های محلی در فاصله 1 کیلومتری (LPV) نیز استفاده می‌کند و به احتمال زیاد از پارکی که نزدیکترین پارک قرار دارد بازدید می‌کند. خانه آنها با توجه به محاسبات فاصله (NPVR). قدرت همبستگی (متوسط) نشان می دهد که احتمال متوسطی از وقوع این رابطه در واقعیت وجود دارد.
شکل 6 . تجزیه و تحلیل همبستگی، برای متغیرهای خروجی انتخاب شده برای A) همسایگی PH. ب) محله های NPH.
یک همبستگی منفی معنی‌دار بین میانگین مسافت واقعی طی شده تا نزدیکترین پارک از محل منزل کاربر، با استفاده از اندازه‌گیری فاصله تحلیل شبکه، و تحلیل‌های استفاده از پارک UPO، LPV و NPVR یافت می‌شود (PH: actdist & UPO -0.30، actdist & LPV -0.37، actdist & NPVR -0.26; یک همبستگی منفی به این معنی است که اگر کاربر احتمال بیشتری دارد که مسافت بیشتری را برای دسترسی به پارک طی کند (میانگین فاصله واقعی)، آنگاه این عکس برای تجزیه و تحلیل استفاده از پارک صادق است، پس از آن کاربر احتمال کمتری دارد که از فرصت های پارک در دسترس استفاده کند. آنها (UPO)، کمتر از پارک‌های محلی در فاصله 1 کیلومتری (LPV) استفاده می‌کنند و با توجه به محاسبات فاصله (NPVR) کمتر از پارکی که نزدیکترین فاصله به خانه‌شان قرار دارد بازدید می‌کنند. این رابطه برای هر دو محله PH و NPH مشهود است و احتمال وقوع آن در واقعیت متوسط است. با این حال، قدرت همبستگی برای محله های NPH کمی قوی تر است. این بدان معنی است که احتمال وقوع این رابطه در واقعیت برای محله های NPH بیشتر از محله های PH است.
