Wpływ sieci powiązań funkcjonalnych na kształtowanie struktury policentrycznej Polski – badanie symulacyjne

2016

3(47)

DOI: 10.5277/arc160302

Magdalena Mlek-Galewska*

Wpływ sieci powiązań funkcjonalnych na kształtowanie

struktury policentrycznej Polski – badanie symulacyjne

Influence of functional connections network

on polycentric structure of Poland – simulation research

Policentryczna struktura Polski

Struktura osadnicza Polski charakteryzuje się wyso-

kim poziomem policentryczności [1, s. 5]. Ocenę taką za-

wdzięcza przede wszystkim zrównoważonym proporcjom

wielkości obszarów miejskich (Functional Urban Areas –

FUA), co przeważyło nad niedoskonałością pozostałych

czynników badanych w ramach projektu ESPON (cech

rozmieszczenia miast na obszarze i jakości powiązań mię-

dzy nimi). Nierównomierne rozmieszczenie miast i zalud-

nienia na obszarze Polski niesie konsekwencje związane

ze zróżnicowaniem natężenia procesów rozwojowych

pozostawiających w szczególności krańce północno-za-

chodnie i północno-wschodnie poza polem korzystnych

oddziaływań. Jakość powiązań transportowych systema-

tycznie się poprawia, niemniej nadal wzajemna dostęp-

ność polskich metropolii jest bardzo ograniczona

Mię-

dzymetropolitalne dojazdy do pracy drogami lub koleją,

dobrze diagnozujące rzeczywiste powiązania funkcjonal-

ne, możliwe są na bardzo niewielu relacjach [2].

Koncepcje rozwoju struktury przestrzennej kraju, nie-

zależnie od czasu ich powstawania, akcentują potrzeby

integracji i równoważenia potencjałów wzrostu regio-

nów, wskazując różne metody realizacji tych celów [3].

Nieodmiennie jednak pewne obszary kraju doświadczają

* Wydział Architektury Politechniki Wrocławskiej/Faculty of Ar -

chi tecture, Wrocław University of Science and Technology.

Znamienny jest przypadek Szczecina, z którego siecią drogową

szybciej można dostać się do Berlina niż do Poznania.

Polycentric structure of Poland

Settlement structure of Poland is characterised by

a high level of polycentricism [1, p. 5]. This assessment

results from balanced proportions of the size of urban ar-

eas (Functional Urban Areas – FUA), which outweighed

the imperfections of other factors that were studied wit hin

the framework of ESPON project (features of distribution

of cities in an area and the quality of the links between

them). Irregular distribution of towns and population in

Poland brings about consequences of diversication of

intensication of development processes which leaves

particularly the north-west and north-east areas of Poland

beyond the sphere of favourable impingements. The qual-

ity of transportation interactions has systematically been

improving, nevertheless mutual accessibility of Polish

me tropolises is still very limited

. Possibilities to com-

mute by road or by rail between metropolises, which are

a good diagnosis of real functional links, can be noticed

only in very few relations [2].

Concepts of development of the national spatial structure,

independently of the time of their origin, emphasize the need

for integration and balancing potentials of regional growth

by indicating various methods of achieving these objec tives

[3]. Invariably, however, some areas of the country are ex-

periencing restrictions on growth processes, which indi ca -

tes the low efciency of the existing policy in this respect.

A significant example here is the case of Szczecin from where

you can get to Berlin faster than to Poznań using the road network.

16 Magdalena Mlek-Galewska

ograniczeń procesów wzrostu, co wskazuje na niską efek-

tywność dotychczasowej polityki w tym zakresie.

Koncepcja Przestrzennego Zagospodarowania Kraju

2030 (KPZK 2030) [4] proponuje policentryczny model

rozwoju, który ma przyczyniać się do zwiększenia inte-

gracji przestrzeni Polski i rozprzestrzeniania procesów

wzrostu. Dokument KPZK 2030 identykuje hierarchicz-

ną strukturę ośrodków węzłowych powiązanych układem

relacji funkcjonalnych […] w zakresie funkcji gospo-

darczych, społecznych, edukacyjnych, kulturalnych oraz

sektora badawczo-rozwojowego, a także […] efektywną

(na poziomie co najmniej średnim w skali UE) siecią

transportową i teleinformatyczną [4, s. 37]. Opracowanie

KPZK 2030 przedstawia diagnozę stanu struktury Polski

w 2010 r. oraz wizję tej struktury na 2030 r. [4, s. 36–45].

Prezentowane badanie symulacyjne zmierza do oceny

wizji proponowanej w KPZK 2030 w kontekście uwa-

runkowań utrzymania i umacniania policentryczności

struktury osadniczej Polski, które stają się celem polityki

rozwojowej państwa [4, s. 36]. Proponowane sieci po-

wiązań funkcjonalnych pomiędzy ośrodkami miejskimi

zostały wprowadzone do modelu pośrednich możliwości,

co pozwoliło na ocenę ich wpływu na tendencje do kon-

centracji. Zadano pytanie, na ile obecne pozycje poszcze-

gólnych ośrodków miejskich wynikają z ich ulokowania

w strukturze osadniczej i powiązań funkcjonalnych w kra-

ju oraz jak przewidywane zmiany relacji międzymiejskich

wpłyną na owe pozycje.

Wykorzystanie modelu pośrednich możliwości

do oceny zjawisk osadniczych

Czynniki wpływające na rangę ośrodków

w kontekście zastosowanych metod symulacyjnych

W omawianych modelowaniach wpływu sieci powią-

zań funkcjonalnych na kształtowanie struktury policen-

trycznej Polski wykorzystano mechanizm pośrednich

możliwości wprowadzony do analiz osadniczych przez

T. Zipsera w latach 70. XX w. [5]. Stosowany model alo-

kacyjny należy do modeli koncentracji, co sprawia, że jest

doskonałym narzędziem do analizy stawianych proble-

mów

. Dotychczasowe liczne doświadczenia w stosowa-

niu metod symulacyjnych z wykorzystaniem mechanizmu

pośrednich możliwości do badania struktur osadniczych

różnych skal przestrzennych wykazują wysoką skutecz-

ność i wiarygodność takiego podejścia w odwzorowy-

waniu naturalnych procesów i tendencji osadniczych.

Do najważniejszych dla niniejszego opracowania badań

należą modelowania dla Polski kontynuowane od lat 70.

XX w. [6]. Model pośrednich możliwości wykorzystuje

się także do analiz miejskich [7], regionalnych [8] i kon-

tynentalnych [9].

Sieć powiązań, porządkująca kolejność penetracji ce-

lów zgrupowanych w rejonach obliczeniowych, ma nie-

Do modelowań wykorzystano aplikację przygotowaną w Ka te-

drze Planowania Przestrzennego Wydziału Architektury Politech niki

Wrocławskiej przez J. Sławskiego, na podstawie założeń T. Zipsera.

The Concept of National Spatial Development 2030

(Kon cepcja Przestrzennego Zagospodarowania Kraju –

KPZK 2030) [4] proposes a polycentric development mo-

del which is supposed to contribute to the improve ment

of the in tegration of Poland and to spread growth pro-

cesses. The document KPZK 2030 identies a hierarchic

struc ture of nodal centres linked by means of a functio-

nal rela tions system […] in the scope of economic, so-

cial, edu cati onal, cultural functions as well as research

and de velop ment sector and […] an effective (at least on

an average EU level) transportation and ICT network [4,

p. 37]. The study KPZK 2030 presents a diagnosis of the

state of the structure of Poland in 2010 and a vision of this

structure for the year 2030 [4, pp. 36–45].

The presented simulation research is aimed at assessing

the vision proposed in KPZK 2030 in the context of con-

ditions of maintaining and strengthening the polycentric

character of the settlement structure of Poland, which are

becoming an objective of the national development policy

[4, p. 36]. The proposed networks of functional connec-

tions between urban centres have been introduced to the

model of intervening opportunities, which enabled us to

assess their inuence on tendencies to concentrate. A ques-

tion was formulated as to the extent to which the current

positions of the particular urban centres result from their

location in the settlement structure and functional rela-

tionships in the country and how the expected changes of

intercity relations shall inuence these positions.

Using the model of intervening opportunities of

settlement phenomena

Factors influencing the rank of centres

in the context of the applied simulation methods

In the discussed modelling of the inuence of func-

tional connections network on the formation of the poly-

centric structure of Poland the mechanism of intervening

opportunities was applied which was introduced to the

settlement analyses by T. Zipser in the 1970s [5]. The ap-

plied allocation model belongs to concentration models,

which makes it a perfect tool for the analysis of the prob-

lems in question

. The existing numerous experiences in

the use of simulation methods with the application of the

mechanism of intervening opportunities to study settle-

ment structures of different spatial scales show high effec-

tiveness and credibility of this approach in mapping natu-

ral processes and settlement trends. For the present study,

the most important research comprises cases of modelling

for Poland which has been continued from the 1970s [6].

A model of intervening opportunities is also often used for

urban [7], regional [8] and continental analyses [9].

The network of links which orders the sequence of pe -

netration of destinations grouped in the calculation zones

has a considerable inuence on the simulation results. By

For the purposes of modelling we used an application that was

pre pared in the Faculty of Spatial Planning by J. Sławski on the basis of

T. Zipser’s assumptions.

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 17

using transportation networks we bring the baggage of

historical layers and mutual conditions to the method of

mapping reality. Historically determined network systems

emphasize specic junctions which are usually equivalent

to the locations of large real concentrations. This results in

a high level of consistency of the concentration locations

with their actual positions obtained by simulation, never-

theless there are some possible shifts within the limits of

interpretation of model parameters

The method of the initial distribution of the origin and

destination activities is one of the parameters affecting

concentration trends of nodes, which is especially impor-

tant when considering higher values of selectivity. Analy-

ses which are based on uniform distributions expose the

impact of link networks on the locations of concentra-

tions. By taking into consideration the initial differentia-

tion of the activities distribution in the case of the applied

general displacement here (allocation of origins and desti-

nations), the rst impulse to concentrate is given in bigger

nodes, however, this effect does not have to be maintained

if other factors (network, selectivity) do not facilitate such

a location of concentration.

The use of the model of intervening opportunities en-

ables the analysis of concentration properties of indivi-

dual link networks. In our study the modelling results are

compared to the polycentric settle ment structure on the

national scale. This polycentrism means a relatively high

number of the obtained concentrations by simulation. The

key model parameter, which is the selectivity of contact,

in this case is supposed to imitate, coherently and compre-

hensively, the spectrum of different types of relationships

at a given level of the space organisation. Two values of

the parameter were applied, i.e. the higher one which was

responsible for the intra-regional relations and the lower

one which dened national inter-regional relations. In our

research all calculation areas were described by the same

value of the selectivity parameter.

Allocation modelling is carried out in the iterative pro-

cess usually to a state close to achieving the balance of

contact exchanges between nodes, which corresponds,

among other things, to very small or disappearing allo-

ca tion of activities in the subsequent modelling steps.

Con centration properties of the model – reaching the state

close to the balance – allow us to observe the key ten -

den cies which characterise the system with the particular

model parameters. Numerous trials, inter alia expe ri ments

in the analyses of the structure of Poland [6] showed that

the results which were closest to the real distri butions

of activities in nodes are obtained already at the initial

stage of simulation when the postulate of balancing the

exchange of contacts in the system still has not been satis-

ed

. Indirectly, this indicates the properties of real struc-

As it was shown in the conducted modelling with low value of

selectivity for some national systems, the most advantageous location is

achieved by the most accessible node that is characterised by the lowest

sum of the length of the shortest distances between nodes [10].

Following in the footsteps of the past simulation research, 10 first

mo delling iterations were calculated, while some selected results were

discussed.

mały wpływ na wyniki symulacji. Posługując się sieciami

transportowymi, wnosimy do sposobu odwzorowania rze-

czywistości bagaż jej historycznych nawarstwień i wza-

jemnych uwarunkowań. Zdeterminowane historycznie

uk łady sieciowe eksponują określone węzły, najczęściej

rów noznaczne z lokalizacjami dużych rzeczywistych kon -

centracji. Wynika z tego wysoki poziom spójności uzy -

ski wanych symulacyjnie lokalizacji koncentracji z ich

rze czy wistym położeniem, niemniej możliwe są pewne

prze su nięcia mieszczące się w granicach interpretacji pa-

ra met rów modelowych

Sposób początkowego rozmieszczenia mas źródło-

wych i celowych jest jednym z parametrów wpływających

na tendencje koncentrujące rejonów, szczególnie ważnym

przy łagodniejszych wartościach selektywności. Analizy

bazujące na rozmieszczeniach równomiernych eksponują

oddziaływania sieci powiązań na lokalizacje koncentracji.

Uwzględnienie wstępnego zróżnicowania rozkładu mas

potencjałowych, w przypadku stosowanego tu przesunię-

cia ogólnego (alokacja źródeł i celów), nadaje pierwszy

impuls do koncentracji w dużych rejonach, jednak efekt

ten nie musi się utrzymywać, jeśli inne czynniki (sieć, se-

lektywność) nie sprzyjają takiej lokalizacji skupienia.

Wykorzystanie modelu pośrednich możliwości poz-

wala na analizę koncentrujących właściwości poszczegól-

nych sieci powiązań. W opracowaniu wyniki modelowań

odnoszone są do policentrycznej struktury osadnictwa

w skali kraju. Owa policentryczność oznacza odpowied-

nio wysoką liczbę uzyskanych symulacyjnie koncentracji.

Kluczowy parametr modelowy, jakim jest selektywność

kontaktu, ma w tym przypadku za zadanie odwzorowy-

wać, spójnie i całościowo, spektrum różnego typu relacji

na danym poziomie organizacji przestrzeni. Stosowano

dwie wartości parametru, złagodzoną odpowiadającą za

relacje wewnątrzregionalne, i zaostrzoną – wyznaczającą

krajowe relacje międzyregionalne. W badaniu wszystkie

rejony obliczeniowe opisywane są taką samą wartością

parametru selektywności.

Modelowania alokacyjne prowadzi się w procesie itera-

cyjnym zazwyczaj do stanu bliskiego uzyskania równowa-

gi wymiany kontaktów pomiędzy rejonami, co odpowiada

m.in. bardzo małej lub zanikającej aloka cji mas potencja-

łowych w kolejnych krokach modelowań. Koncentrujące

właściwości modelu pozwalają, przy osiągnięciu stanu

bliskiego równowagi, zaobserwować kluczo we tendencje

cechujące układ przy zadanych paramet rach modelowych.

Jak wykazały liczne próby, między innymi doświadczenia

w analizach struktury Polski [6], wyniki najbliższe rze-

czywistym rozkładom wielkości mas w rejonach uzyskuje

się już na początkowym etapie symulacji, gdy niespełnio-

ny jest jeszcze postulat zrówno ważenia wymiany kontak-

tów w układzie

. Pośrednio wska zu je to na właściwości

Jak wykazały modelowania z ostrą selektywnością dla kilku uk -

ła dów krajowych, szczególnie uprzywilejowaną pozycję uzyskuje re jon

najbardziej dostępny, który cechuje najniższa suma długości naj krót-

szych odległości międzyrejonowych [10].

Idąc śladem dotychczasowych doświadczeń symulacyjnych, ob -

li czono i poddano analizie 10 pierwszych iteracji modelowań, omówio-

no zaś wybrane wyniki.

18 Magdalena Mlek-Galewska

struktur rzeczywistych, w których układ czynników i re-

lacji niezakodowanych w parametrach modelowych po-

większa koszty funkcjonowania systemu.

Dane i parametry wykorzystane w modelowaniach

Jak zaznaczono, modelowania odwołują się do zawar-

tej w KPZK 2030 koncepcji kształtowania powiązań funk -

cjonalnych głównych ośrodków miejskich. Wykorzysta-

no schematy obrazujące stan takich powiązań w 2010 r.

oraz wizję na 2030 r.

Odpowiadają im sieci powiązań

umownie określane jako „sieć pf2010” i „sieć pf2030”

(il. 1C, D).

Jako bazową zastosowano jednorodną sieć transporto-

wą (sieć „jednorodna”), w której wszystkie odcinki dro-

gowe opisane są jednakową prędkością (50 km/godz.)

(il. 1B). Kolejne warianty sieci wzbogacono o prostoli-

niowe odcinki odpowiadające sieciowym powiązaniom

funkcjonalnym pomiędzy uprzywilejowanymi ośrodka-

mi miejskimi kraju. Odcinkom tym przypisano zawrotne

prędkości przemieszczania w zestawieniu z odcinkami

sieci jednorodnej (powiązania podstawowe 600 km/godz.

i powiązania uzupełniające 450 km/godz.).

Zdecydowano się na nakładanie na sieć jednorodną pro-

stoliniowych wiązek połączeń funkcjonalnych z dwóch

względów. Zakodowanie takich powiązań na istniejącej

sieci drogowej nastręczało bardzo wiele problemów inter-

pretacyjnych. Co więcej, powiązania funkcjonalne mogą

być realizowane przez przepływy odbywające się po sie-

ciach infrastruktury transportowej, jednak nie wyczerpuje

to bogactwa relacji, które w dużej mierze w policentrycz-

nej strukturze ośrodków osadniczych utożsamiać można

z przepływem informacji, wartości, decyzji itp., a więc

ze związkami o charakterze niematerialnym, za którymi

w dalszej kolejności następuje zyczny przepływ. Na-

stępny argument związany jest z charakterystyką me-

chanizmów obliczeniowych, które porządkują przestrzeń

penetrowanych przez kontakty celów według kolejności

dostępności wzajemnej rejonów obliczeniowych. Wyko-

rzystanie nałożenia sieci jednorodnej i prostoliniowych

wersji sieci funkcjonalnych pozwoliło na utrzymanie re-

gionalnych, małoskalowych relacji oraz dodanie do nich

relacji wielkoskalowych funkcjonalnych powiązań uprzy-

wilejowanych ośrodków. Dzięki temu większość uprzy-

wilejowanych rejonów znalazła się w początkowych stre-

fach penetracji

. Uzyskano tym samym obraz powiązań

Bazowe dla opracowania symulacyjnego były dwie kores pon-

dujące ze sobą ilustracje KPZK 2030, jedna przedstawiająca „Powiązania

funkcjonalne głównych ośrodków miejskich 2010 i 2030” [4, rys. 5,

s. 40], kolejna zaś „Kierunki integracji polskiej przestrzeni 2010 i 2030”

[4, rys. 10, s. 50].

Zestawienie tabel definiujących rejony przypisane do kolejnych

stref dostępności wykazuje skuteczność zabiegu nałożenia prosto li nio-

wych sieci funkcjonalnych na sieć jednorodną w celu uzyskania pierw-

szeństwa penetracji rejonów uprzywilejowanych. Na przykład

w zakresie dostępu do 45 minut (10 początkowych stref) od Warszawy

(nie licząc tego ośrodka) w sieci jednorodnej mieści się 5 innych re -

jonów obliczeniowych (Pruszków, Piaseczno, Otwock, Wołomin, Nowy

Dwór Mazowiecki). W sieci pf2010 mieści się 20 spośród 32 oś rod ków

uprzywilejowanych oraz 13 innych rejonów obliczeniowych (w tym

tures in which the system of factors and not encoded re-

lationships in model parameters increases the costs of the

system functioning.

Data and parameters used in modelling

As noted, the modelling refers to the concept of form-

ing functional connections of the main urban centres,

which is contained in KPZK 2030. The schemes which

depicted such connections in 2010 as well as a vision for

2030 were applied

. They correspond to the link networks

referred to as “pf2010 network” and “pf2030 network”

(Fig. 1C, D).

A uniform transportation network (“uniform” network)

where all road sections were described by means of the

same speed (50 km/h) was used as a base (Fig. 1B). The

sub sequent variants of the network were enriched with

straight sections corresponding to the functional network

connec

tions between the main urban centres in the coun-

try. Extre mely high speeds were assigned to these sections

in com pari son to the sections for the uniform network

(primary functional links 600 km/h and supplementary

functio nal links 450 km/h).

There were two reasons why straight beams of func-

tional connections were imposed on the uniform network.

Encoding such links on the existing road network caused

numerous interpretation problems. Moreover, func tional

relations can be realised by ows that occur along the

transportation infrastructure networks, however, this does

not exhaust the richness of relationships which in the

polycentric structure of settlement centres can be large ly

associated with the ow of information, values, de ci sions,

etc. hence non-material relationships which are then fol-

lowed by a physical ow. The next argument is connected

with the characteristic of calculation mechanisms that or-

der the space of destinations penetrated by contacts ac-

cording to the sequence of mutual accessibility of calcula-

tion zones. The use of imposition of the uniform network

and straight versions of functional networks maintained

regional, small-scale relations and enabled the addition

of the relations of the main centres large-scale functional

connections. As a result, most of the main nodes were

found in the initial zones of penetration

. At the same

time, we arrived at an image of connections that to some

extent corresponded to the concept postulated by T. Zipser

Two corresponding KPZK 2030 figures were taken as a base for

our simulation research, i.e. “Functional connections of the main urban

centres 2010 and 2030” [4, Fig. 5, p. 40], and “Directions of Polish

spatial integration in 2010 and 2030” [4, Fig. 10, p. 50].

The tables defining nodes assigned to subsequent zones of

accessibility show the effectiveness of the procedure of imposing the

straight functional networks on the uniform network in order to obtain

the priority of penetration of the main nodes. For instance, within the

range of accessibility up to 45 minutes (10 initial spheres) from Warsaw

(except for this centre) in the uniform network there are another five

main nodes included (Pruszków, Piaseczno, Otwock, Wołomin, Nowy

Dwór Mazowiecki). In pf2010 network there are 20 out of 32 main

centres as well as 13 more nodes (including 5 known from the uniform

network, thus in the case of 8 nodes we deal with additional benefits

coming from the functional network). In pf2030 network we deal

respectively with 24 centres out of 32 and the same 13 additional ones.

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 19

called “hierarchical network chain” [10], [11]. In the ana-

lysed cases, we deal with a group of the main nodes that

are rst of all in mutual contact. The remaining nodes must

rst “reach” their regional node of the functional network

in order to participate in relations of the main group. Such

“dissection” of accessibility systems facilities concentra-

tion in the main nodes, however, it favours more those

nodes that are well connected with their regional centres

The number of calculation zones in the particular net-

works is the same – 338. They correspond to the admin-

istrative division of Poland into counties, nonetheless in

a few cases some additional divisions were used in con-

nection with the need to obtain a uniform density of nodes

as far as possible and to isolate county towns. 32 cities

mentioned in the document KPZK 2030 (Fig. 1B) are in-

cluded in the main nodes group, namely:

1. Warsaw: the capital, a metropolis of European sig-

nicance.

In modelling we can also make use of other methods of mapping

various types of relationships between calculation zones, for example

differentiation of the selectivity parameter value in nodes [12].

w pewien sposób korespondujący z proponowaną przez

T. Zipsera koncepcją „łańcucha sieci hierarchicznej”

[10], [11]. W analizowanych przypadkach otrzymujemy

grupę uprzywilejowanych rejonów w pierwszej kolejno-

ści wzajemnie się kontaktujących. Pozostałe rejony naj-

pierw muszą „dotrzeć” do swojego regionalnego węzła

sieci funkcjonalnej, aby uczestniczyć w relacjach grupy

uprzywilejowanej. Takie „rozwarstwienie” systemów do -

stępności sprzyja koncentracji w rejonach uprzywilejo-

wanych, zarazem jednak zyskują na nim rejony dobrze

połączone ze swoim centrum regionalnym

Liczba rejonów obliczeniowych w poszczególnych sie-

ciach jest taka sama – 338. Odpowiadają one podziałowi

obszaru Polski na powiaty, niemniej w kilku przypadkach

5 znanych z sieci jednorodnej, a więc w przypadku 8 rejonów może być

mowa o dodatkowych korzyściach z sieci funkcjonalnej). W sieci

pf2030 ulokowały się odpowiednio 24 ośrodki na 32 oraz 13 tych sa -

mych dodatkowych.

W modelowaniach można także posłużyć się innymi metodami

odwzorowania różnych typów relacji między rejonami obliczeniowymi,

na przykład różnicowaniem wartości parametru selektywności w rejo-

nach [12].

Il. 1 Rzeczywiste rozmieszczenie

mas źródłowych (por. przyp. 11) (A),

32 miasta uprzywilejowane na

tle podziału administracyjnego

Polski na województwa oraz

sieci jednorodnej (klucz legendy

tak jak zapisano w tekście,

wartość 0 w legendzie

– po zostałe rejony obliczenio -

we) (B), sieć pf2010 (C), oraz

sieć pf2030 (D)

Fig. 1. Real initial distribution

of origin activities (see foot-

note 11) (A), 32 main cities

against the background of

administrative division of Poland

and uniform network (key of the

legend can be found in the text

explanation, the value 0 repre-

sents the rest of calculation

zones) (B), pf2010 network (C)

and pf2030 network (D)

20 Magdalena Mlek-Galewska

wykorzystano dodatkowe podziały związane z potrzebą

uzyskania w miarę możliwości jednolitej gęstości rejo-

nów oraz wyodrębnienia miast powiatowych. Do rejo-

nów uprzywilejowanych zaliczono 32 miasta wymieniane

w dokumencie KPZK 2030 (il. 1B):

1. Warszawa: stolica, metropolia o znaczeniu europej-

skim.

2. Bydgoszcz, Katowice, Kraków, Lublin, Łódź, Po-

znań, Szczecin, Trójmiasto, Wrocław: metropolie krajo-

we, ośrodki liczące powyżej 300 tys. mieszkańców.

3. Białystok, Gorzów Wielkopolski, Kielce, Olsztyn,

Opole, Rzeszów, Toruń, Zielona Góra: ośrodki krajowe

pełniące niektóre funkcje metropolitalne

4. Bielsko-Biała, Częstochowa, Koszalin, Płock, Ra-

dom, Rybnik, Słupsk: najważniejsze ośrodki regionalne

[4, przyp. 66 na s. 72].

5. Elbląg, Grudziądz, Kalisz, Legnica, Tarnów, Wał-

brzych, Włocławek: najważniejsze ośrodki regionalne

(uwi docznione na rys. 5 w KPZK 2030 [4, s. 40]), przy

czym ośrodki wymienione w punktach: 4 i 5 tworzą spój-

ną listę ze spisem obszarów funkcjonalnych ośrodków re-

gio nalnych [4, s. 189].

W modelowaniach posłużono się liczbą ludności (we-

dług danych GUS

) powiatów i innych jednostek repre-

zentowanych przez rejony obliczeniowe (il. 1A)

. Sto-

sowano dwa typy początkowego rozmieszczenia mas

źródłowych: rzeczywiste oraz równomierne, gdy każdy

rejon obliczeniowy uzyskuje potencjał równy średniej

liczbie ludności przypadającej na jeden rejon obliczenio-

wy (11 300). Masy celowe zawsze rozkładane były w spo-

sób równomierny między rejony.

Badano dwa podstawowe poziomy selektywności,

0,000 020 (wartość zaostrzona, relacje międzyregional ne)

oraz 0,000 100 (wartość złagodzona, relacje wewnątrz-

regionalne). Ogółem omówione zostanie 12 wariantów

ob liczeń, wykorzystujących trzy typy sieci, dwa typy roz-

mieszczeń mas i dwie wartości selektywności (tab. 1).

W tekście zamieszczono graczne przedstawienia wy-

ników uzyskanych na wybranych etapach symulacji

(il. 2–7)

W tekście KPZK 2030 [4] mowa o aglomeracji bydgosko-to ruń-

skiej, niemniej rys. 5 w KPZK 2030 [4, s. 40] wskazuje w 2010 r. Toruń

jako ośrodek niższej rangi niż Bydgoszcz.

Bank Danych Lokalnych, Główny Urząd Statystyczny, Ludność

według faktycznego miejsca zamieszkania, stan na 31 grudnia 2005 r.

http://www.stat.gov.pl/bdl/app/strona.html?p_name=indeks [data dostę-

pu: 10.06.2008].

W modelowaniach ujęto pełną populację mieszkańców Polski,

nie tylko ludność miejską. Ze względów technicznych w modelowaniach

stosowano rzeczywiste wartości dzielone przez 10 i dla tak skalowanych

mas obliczano parametr selektywności (suma mas wynosi wówczas

3 819 399).

Ilustracje początkowego rzeczywistego rozmieszczenia mas

źródłowych (il. 1A) oraz uzyskanych symulacyjnie rozmieszczeń mas

ce lowych (il. 2–7) operują symbolami o polu powierzchni propor cjo nal-

nym do wielkości reprezentowanych mas. Stosowana rampa ko lo rys-

tyczna odpowiada kierunkowi zmian wartości mas celowych w rejonach

w kolejnych iteracjach symulacji, barwy ciepłe oznaczają wzrost kon cen-

tracji, kolory chłodne – spadek koncentracji. Kolor zielony odpo wia da

brakowi znaczących zmian wielkości mas celowych (zmiany do 10%)

oraz stosowany jest do zilustrowania początkowego rozmieszczenia.

2. Bydgoszcz, Katowice, Kraków, Lublin, Łódź, Poz-

nań, Szczecin, Trójmiasto, Wrocław: national metropo-

lises, with populations exceeding 300 thousand residents.

3. Białystok, Gorzów Wielkopolski, Kielce, Olsztyn,

Opole, Rzeszów, Toruń, Zielona Góra: national centres

per forming some metropolitan functions

4. Bielsko-Biała, Częstochowa, Koszalin, Płock, Ra-

dom, Rybnik, Słupsk: the most important regional centres

[4, footnote 66 on p. 72].

5. Elbląg, Grudziądz, Kalisz, Legnica, Tarnów, Wał-

b rzych, Włocławek: the most important regional centres

(shown in Fig. 5 in KPZK 2030 [4, p. 40]), wherein the

centres mentioned in items 4 and 5 constitute a coher-

ent list including functional areas of regional centres [4,

p. 189].

For the purposes of modelling we used the populations

(according to the GUS

) of the counties and other areas

represented by calculation zones (Fig. 1A)

. Two types

of initial distribution of origin activities were applied, i.e.

real and uniform where each calculation zone is given

an origin activity that is equal to the average population

assigned to one calculation zone (11 300). Destination ac-

tivities were always distributed evenly (in a uniform way)

between nodes.

Two basic levels of selectivity were studied, namely

0,000 020 (lower value, inter-regional relations) and

0,000 100 (higher value, intra-regional relations). In total

12 simulation variants shall be discussed, including three

network types, two activity distribution types and two se-

lectivity values (Table 1). Graphic representations of the

results obtained on the chosen stages of simulation are in-

cluded in the text (Fig. 2–7)

Results of modelling and partial conclusions

Variants on the uniform network

The use of higher selectivity enabled us to obtain many

capitals of regions (apart from Kielce and Olsztyn) and it

indicated some sub-regional concentrations (Fig. 2). Small

In KPZK 2030 [4] Bydgoszcz & Toruń agglomeration is men-

tioned, however Fig. 5 in KPZK 2030 [4, p. 40] in 2010 indicates Toruń

as a centre of a lower rank than Bydgoszcz.

Local Data Bank, Główny Urząd Statystyczny (Main Statistical

Office), Ludność według faktycznego miejsca zamieszkania, stan na

31 grud nia 2005 r. http://www.stat.gov.pl/bdl/app/strona.html?p_name

=indeks [accessed: 10.06.2008].

In the modelling the full population of Poland is taken into

account, not only city residents. Due to technical reasons, while mo -

delling the real values were used and they were divided by 10 and for

such scalable activities the selectivity parameter was calculated (in that

case, the sum of activities amounts to 3 819 399).

Illustrations of the initial real distribution of origin activities

(Fig. 1A) and distribution of destination activities obtained by simulation

(Fig. 2–7) use symbols of the area proportional to the size of the re pre-

sented activities. The applied colour ramp corresponds to the direction

of changes of destination activities in the nodes in subsequent si mul ation

iterations; warm colours mean the increase of concentration while cool

colours – the decrease of concentration. Green colour corresponds to

a lack of significant changes in destination activities (changes up to

10%) and it is used to illustrate the initial distribution.

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 21

Wyniki modelowań i wnioski cząstkowe

Warianty na sieci jednorodnej

Zastosowanie złagodzonej selektywności pozwala uzy-

skać wiele stolic regionów (poza Kielcami i Olsztynem)

oraz wskazuje pewne subregionalne koncentracje (il. 2).

Zaostrzona selektywność przy obu typach rozmieszczeń

początkowych wykazuje dwie grupy ośrodków regional-

nych. Pierwszą z nich stanowią ośrodki silnie koncentru-

jące i zarazem dobrze umocowane w sieci powiązań, któ-

re pojawiają się także w kolejnych modelowaniach. Drugą

grupę tworzą ośrodki zanikające lub słabo reprezentowa-

ne w wynikach symulacji, nieznajdujące w zadanej skali

oddziaływań odpowiedniego zaplecza, jak Kielce, Opole,

Zielona Góra, Gorzów Wielkopolski, Olsztyn i Białystok.

W skali powiązań międzyregionalnych miasta te nie są

w stanie skoncentrować potencjałów i tracą własne na

rzecz pobliskich dużych ośrodków (il. 3).

Porównując wyniki uzyskane przy dwóch typach roz-

mieszczeń początkowych, zauważymy, że rzeczywiste

niedobory mas osłabiają potencjalnie duże oddziaływa-

nie koncentrujące miast na zachodzie oraz na północnym

wschodzie Polski, co widoczne jest przy zaostrzonej se-

lektywności.

Warianty na sieci pf2010

Łagodna selektywność 0,000 100 akcentuje powiąza-

nia wewnątrzregionalne, dlatego wyniki są bardzo po-

dobne do uzyskanych w sieci jednorodnej (il. 4). Wpływ

sieci funkcjonalnej widoczny jest poprzez zwiększenie

koncentracji w uprzywilejowanych węzłach. Przy roz-

mieszczeniu równomiernym nie udaje się uzyskać sku-

pień w przypadku Koszalina, Olsztyna i Kielc. Koszalin

traci potencjał na rzecz Szczecina, z którym powiązany

jest funkcjonalnie. Rozmieszczenie rzeczywiste daje po-

selectivity at both initial distribution types produces two

groups of regional centres. The former comprises highly

concentrating centres and at the same time rmly estab-

lished in the network of connections, which also appear

in subsequent modelling. The latter includes the centres

which are disappearing or are insignicantly represented

in the simulation results without an adequate source of

activities necessary to grow in a given scale of impin-

gements such as Kielce, Opole, Zielona Góra, Gorzów

Wiel kopolski, Olsztyn and Białystok. In the inter-regional

scale these cities are unable to concentrate activities and

lose their own to the nearby major centres (Fig. 3).

Comparing the results obtained from two types of ini-

tial distributions we can see that real deciencies of ac-

tivities weaken a potentially large concentrating impact of

the cities in the west and in north-eastern Poland, which is

visible with a lower selectivity.

Variants on pf2010 network

High selectivity 0,000 100 emphasizes intraregional

connections, therefore the results are very similar to those

obtained in the uniform network (Fig. 4). The impact of

the functional network is visible by increasing the concen-

tration of the main nodes. With the uniform distribution

it is not possible to achieve concentrations in the case of

Koszalin, Olsztyn and Kielce. Koszalin loses its potential

for Szczecin with which it is connected functionally. The

real distribution gives similar results (the correlation co-

efcient of both variants of distribution is 0.835). There is

a bigger concentration of activities in Koszalin, Olsztyn

and Kielce.

The use of selectivity corresponding to the interregion-

al relations results in the dominance of main centres at the

expense of smaller nodes (Fig. 5). The results obtained at

the initial uniform and real distribution of activities are

very similar (correlation co-efcient is 0.979). Functional

Typ sieci

Type of network

Typ rozmieszczenia

Type of distribution

Selektywność

Selectivity

Nazwa wariantu

Name of variant

źródła

sources

cele

destinations

Jednorodna

Uniform

równomierne

uniform

równomierne

uniform

0,000 020 jedn_rr_000020_sim.dbf

0,000 100 jedn_rr_000100_sim.dbf

rzeczywiste

real

0,000 020 jedn_05r_000020_sim.dbf

0,000 100 jedn_05r_000100_sim.dbf

pf2010

równomierne

uniform

równomierne

uniform

0,000 020 pf2010_rr_000020_sim.dbf

0,000 100 pf2010_rr_000100_sim.dbf

rzeczywiste

real

0,000 020 pf2010_05r_000020_sim.dbf

0,000 100 pf2010_05r_000100_sim.dbf

pf2030

równomierne

uniform

równomierne

uniform

0,000 020 pf2030_rr_000020_sim.dbf

0,000 100 pf2030_rr_000100_sim.dbf

rzeczywiste

real

0,000 020 pf2030_05r_000020_sim.dbf

0,000 100 pf2030_05r_000100_sim.dbf

Tabela 1. Tabela wariantów obliczeń

Table 1. Table of simulation variants

22 Magdalena Mlek-Galewska

dobne rezultaty (współczynnik korelacji obu wariantów

rozmieszczeń wynosi 0,835). Następuje większe skupie-

nie mas w Koszalinie, Olsztynie i Kielcach.

Zastosowanie selektywności odpowiadającej między-

regionalnym relacjom wywołuje dominację uprzywile-

jowanych ośrodków kosztem mniejszych rejonów (il. 5).

Wyniki uzyskane przy początkowym równomiernym

i rzeczywistym rozmieszczeniu mas są bardzo podobne

(wartość współczynnika korelacji wynosi 0,979). Połą-

czenia funkcjonalne mają duże znaczenie dla poszerzania

obszaru oddziaływań centrów peryferyjnych, na co wska-

zuje przypadek Szczecina i Gorzowa Wielkopolskiego,

które uzyskują dynamicznie rosnące skupienia. Wśród

uprzywilejowanych miast najmniejszą i zanikającą kon-

centrację uzyskały Kielce.

Porównanie z wynikami modelowań na sieci jednorod-

nej wskazuje ponadto na braki zasobów potencjałowych

warunkujących wzrost ośrodków uprzywilejowanych we

wschodniej Polsce. Następuje krystalizacja ich lokalizacji

w węzłach sieci funkcjonalnej, jednak wykazują one niską

dynamikę wzrostu. Z kolei południowy pas koncentracji

od Wrocławia po Rzeszów opiera się dominacji Górno-

śląskiego Okręgu Przemysłowego (GOP), uzyskując do-

datkowe skupienia w Opolu, Częstochowie i Tarnowie.

connections are very important for extending the area of

peripheral centres inuences, which is shown in the case

of Szczecin and Gorzów Wielkopolski which obtain dy-

namically growing concentrations. Among the main cities

Kielce achieved the smallest and vanishing concentration.

Comparing the results of modelling on the uniform

network also highlights the shortcomings of activities re-

sources which determine the growth of main centres in

eastern Poland. We can observe crystallisation of their

locations in the nodes of the functional network, how-

ever, they show low dynamics of the growth. In turn, the

southern belt of concentration from Wrocław to Rzeszów

resists the domination of the Upper Silesian Industrial Re-

gion (GOP) obtaining additional concentrations in Opole,

Częstochowa and Tarnów.

Variants on pf2030 network

Modelling with a higher selectivity show almost iden-

tical results as in the case of pf2010 network in spite

of introducing, as it might have seemed, fundamental

changes in the availability of nodes in the functional net -

work (Fig. 6). The most important changes in relation

to pf2010 net work with the uniform distribution com-

Il. 2. Warianty symulacji na sieci

jednorodnej ze złagodzoną

selekt ywnością przy po cząt-

kowym równomiernym

(4 iteracja) (A) oraz rzeczywis-

tym (3 iteracja) (B) rozmiesz-

czeniu źródeł (por. przyp. 11)

Fig. 2. Simulation variants of

uniform network and higher

value of selectivity parameter,

calculated with initial uniform

distribution of origins (4

itera-

tion) (A) and initial real distribu-

tion of origins (3

iteration) (B)

(see footnote 11)

Il. 3. Warianty symulacji na sieci

jednorodnej z zaostrzoną

selektywnością przy począt-

kowym równomiernym

(4 iteracja) (A) oraz rzeczywis-

tym (3 iteracja) (B) rozmiesz-

czeniu źródeł (por. przyp. 11)

Fig. 3. Simulation variants of

uniform network and lower

value of selectivity parameter,

calculated with initial uniform

distribution of origins (4

itera-

tion) (A) and initial real distribu-

tion of origins (3

iteration) (B)

(see footnote 11)

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 23

Warianty na sieci pf2030

Modelowania ze złagodzoną selektywnością prowadzą

do wyników nieomal identycznych jak w przypadku sieci

pf2010, pomimo wprowadzonych, jak by się wydawało,

zasadniczych zmian dostępności rejonów w sieci uprzy-

wilejowanej (il. 6). Do ważniejszych zmian w stosunku

do sieci pf2010, przy rozmieszczeniu równomiernym, na-

leży nieznacznie mniejsza koncentracja w Warszawie, co

może wynikać z rozproszenia jej wcześniejszego poten-

cjału pomiędzy najbliższe ośrodki. Kolejnym efektem jest

zanikanie Poznania, który w dalszym przebiegu symulacji

reprezentowany jest przez skupienie we Wrześni, pomimo

uprzywilejowania sieciowego węzła poznańskiego. Włą-

czenie funkcjonalne Rybnika do aglomeracji GOP pozwala

mu na uzyskanie znacznego skupienia. Nieco większą masę

uzyskuje Rzeszów. Na Pomorzu pojawiają się koncentra-

cje w Koszalinie i Słupsku. Nadal nie udaje się uzyskać

skupienia w Kielcach. Podobnie rozmieszczenie rzeczywi-

ste ponawia zasadnicze wyniki uzyskane w sieci pf2010,

w tym przypadku zmiany są bardzo niewielkie, np. zwięk-

szenie koncentracji w Słupsku, Kielcach i Rzeszowie.

prise an insi gni cantly smaller concentration in Warsaw,

which may result from the division of its former concen-

tration between the nearest centres. Another effect is the

disappearance of Poznań, which in the further course

of the simulation is represented by the concentration in

Września, despite the main Poznań network node. The

functional inclusion of Rybnik to the GOP agglomeration

allows for the achievement of a signicant concentration.

Rzeszów achieves a few more activities. In the area of

Pomerania concentrations appear in Koszalin and Słupsk.

It is still not possible to obtain the concentration in Kielce.

Similarly, the real distribution reiterates the basic results

obtained in pf2010 network and in this case the changes

are really insignicant, e.g. an increase in the concentra-

tion in Słupsk, Kielce and Rzeszów.

Sizes of concentrations obtained with a lower selectiv-

ity and various initial activity distributions do not show

signicant differences (value of the correlation co- ef-

cient amounts to 0.978) (Fig. 7). A large range of impinge-

ments and a dense network of connections eliminate the

impact of the initial activity distribution. Unlike the mod-

elling on pf2010 network the concentration in Gorzów

Il. 4. Warianty symulacji na sieci

pf2010 ze złagodzoną selek-

tywnością przy począt ko wym

równomiernym (4 iteracja) (A)

oraz rzeczywistym (4 iteracja)

(B) rozmieszczeniu źródeł

(por. przyp. 11)

Fig. 4. Simulation variants of

pf2010 network and higher value

of selectivity parameter, calcu-

lated with initial uniform distri-

bution of origins (4

iteration) (A)

and initial real distribution of

origins (4

iteration) (B)

(see footnote 11)

Il. 5. Warianty symulacji na sieci

pf2010 z zaostrzoną selek-

tywnością przy początkowym

równomiernym (2 iteracja) (A)

oraz rzeczywistym (2 iteracja)

(B) rozmieszczeniu źródeł

(por. przyp. 11)

Fig. 5. Simulation variants of

pf2010 network and lower value

of selectivity parameter, calculat-

ed with initial uniform distribu-

tion of origins (2

iteration) (A)

and initial real distribution of

origins (2nd iteration) (B) (see

footnote 11)

24 Magdalena Mlek-Galewska

Obrazy koncentracji uzyskiwane przy ostrzejszej selek-

tywności i przy różnych początkowych rozmieszczeniach

mas nie różnią się zasadniczo (wartość współczynnika

korelacji wynosi 0,978) (il. 7). Duży zasięg oddziaływań

i gęsta sieć powiązań funkcjonalnych niwelują wpływ

początkowego rozmieszczenia mas. W odróżnieniu od

modelowań na sieci pf2010 wzrasta koncentracja w Go-

rzowie Wielkopolskim kosztem Szczecina. Zestawienie

wyników z efektami modelowań na sieci pf2010 wskazu-

je także na umocnienie się osi A4, gdzie kształtują się dwa

duże węzły, wrocławski i rzeszowski, ankujące centralną

koncentrację GOP.

Wpływ sieci powiązań funkcjonalnych na

kształtowanie struktury policentrycznej Polski

Wpływ sieci funkcjonalnych na atrakcyjność miast

Wykonane modelowania bazują na wyrażonej w KPZK

2030 koncepcji policentrycznej struktury osadniczej Pol-

ski i wymienionych tam kierunków rozwoju powiązań

funkcjonalnych. Porównania statystyczne uzyskanych sy-

mulacyjnie układów koncentracji z rzeczywistymi wiel-

kościami rejonów (2005 r.) wykazują zrozumiałe gorsze

dopasowanie w przypadku początkowych równomier-

nych rozmieszczeń mas. Rozmieszczenie rzeczywiste za-

daje dużym rejonom bodziec do dalszego wzrostu w pro-

cesie iteracyjnym, co przekłada się na wysokie wartości

współczynników korelacji (w sieci pf2010: 0,927 przy

łagodniejszej selektywności, oraz 0,904 przy ostrzejszej

selektywności). Tak wysoki stopień podobieństwa wska-

zuje na zwerykowaną symulacyjnie poprawność diagno-

zy stanu powiązań funkcjonalnych w 2010 r. przedstawio-

nej w KPZK 2030. Obraz uzyskany w sieci funkcjonalnej

pf2030 jest statystycznie nieco bardziej odległy od rze-

czywistego, czego należało oczekiwać (współczynniki

korelacji do stanu rzeczywistego 2005 r.: 0,884 przy ła-

godniejszej selektywności i 0,817 przy zaostrzonej).

W skali oddziaływań wewnątrzregionalnych (selek-

tywność łagodna 0,000 100) powiązania funkcjonalne

wpływają głównie na rangę uprzywilejowanych miast,

nie naruszając układów uzyskiwanych w sieci jedno-

rodnej. Zarazem wyniki wykazują dużą grupę ośrodków

rangi niższej niż krajowa, pojawiających się niezależnie

od stosowanego typu sieci i rozmieszczenia mas. Miej-

sca takie mają korzystne predyspozycje lokalizacyjne

do koncentracji procesów wzrostowych, które wzmagać

się mogą wraz z postępem procesu umacniania policen-

trycznej struktury kraju. Ma to niemałe znaczenie dla

kształtowania policentrycznej struktury wewnętrznej re-

gionów. Warto wyróżnić w tym przypadku miejsca takie

jak: Elbląg oraz rejon reprezentujący powiat olsztyński

(woj. warmińsko-mazurskie), Zambrów–Łomża, Grajewo

(woj. podlaskie), Sokołów Podlaski, Radom–Zwoleńsk

(woj. mazowieckie), Radzyń Podlaski, Zamość (woj.

lubelskie), Jarosław, Krosno, Tarnobrzeg, Nisko, Dębi-

ca (woj. podkarpackie), Ostrowiec Świętokrzyski (woj.

świętokrzyskie), Tarnów, Wadowice, Nowy Targ (woj.

małopolskie), Bielsko-Biała, Częstochowa (woj. śląskie),

Piotrków Trybunalski (woj. łódzkie), Kędzierzyn-Koźle,

Wielkopolski increases at the expense of Szcze cin. Com-

parison of the results with the effects of the modelling

on pf2010 network indicates the strengthening of the A4

axis where two large nodes are formed, i.e. Wrocław and

Rzeszów that ank the central concentration of the GOP.

Influence of functional connections network

on the formation of polycentric structure of Poland

Influence of functional networks

on the attractiveness of cities

The performed modelling is based on the concept of

the polycentric settlement structure of Poland as ex-

pressed in KPZK 2030 and the directions of development

of functional connections contained therein. Statistical

com parisons of the systems of concentration obtained by

simu lation with real sizes of nodes (2005) show under-

standably worse adjustment in the case of uniform initial

activity distributions. Real distribution gives large nodes

a stimulus for further growth in the iteration process which

is reected in high values of the correlation co-efcient

(in pf2010: 0.927 at higher selectivity and 0.904 at lower

selectivity). This high degree of similarity shows the cor-

rectness of the diagnosis of the state of the functional

connections in 2010 presented in KPZK 2030 that was

veried by simulation. The image obtained in functional

network pf2030 is slightly more different from the actual

state which could be expected (correlation co-efcient to

the actual state 2005: 0.884 at higher selectivity and 0.817

at lower selectivity).

On the scale of intraregional impingements (higher

selectivity 0,000 100) functional connections inuence

mainly the rank of the main cities without affecting the

systems obtained in the uniform network. At the same

time the results show a large group of the centres whose

rank is lower than national, which appear independently

of the applied type of network or activity distribution.

These places are located advantageously and as such they

are predisposed to the concentration of growth processes

which may intensify along with the progress of the process

of strengthening of the polycentric structure of Poland.

This is of considerable importance for the formation of the

polycentric internal structure of particular regions. In this

context it is worth mentioning such places as Elbląg along

with the node representing Olsztyn county (Warmińsko-

Mazurskie Province), Zambrów–Łomża, Gra je wo (Pod-

laskie Province), Sokołów Podlaski, Radom–Zwo leńsk

(Ma zowieckie Province), Radzyń Podlaski, Za mość (Lu -

bel skie Province), Jarosław, Krosno, Tar no brzeg, Nisko,

Dę bica (Podkarpackie Province), Ostro wiec Świętokrzys-

ki (Świę tokrzyskie Province), Tarnów, Wadowice, No wy

Targ (Małopolskie Province), Bielsko-Biała, Czę sto cho-

wa (Śląskie Province), Piotrków Trybunalski (Łódz kie

Province), Kędzierzyn-Koźle, Brzeg (Opol skie Province),

Świdnica–Dzierżoniów, Legnica, Lu bań, (Dol

no śląs kie Pro-

vince), Leszno, Kępno, Kalisz, Ko nin, Wrześ nia,

Pi ła (Wiel-

kopolskie Province), Wło cławek, Świe cie (Ku jaw sko-

Po morskie Province), Koszalin–Bia ło gard (Za chodnio -

pomorskie Province), Słupsk, Wej he ro wo, Mal bork (Po -

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 25

Brzeg (woj. opolskie), Świdnica–Dzierżoniów, Legnica,

Lubań (woj. dolnośląskie), Leszno, Kępno, Kalisz, Konin,

Września, Piła (woj. wielkopolskie), Włocławek, Świecie

(woj. kujawsko-pomorskie), Koszalin–Białogard (woj.

zachodniopomorskie), Słupsk, Wejherowo, Malbork (woj.

pomorskie). Wśród wymienionych nie pojawiają się Gru-

dziądz, Wałbrzych, Rybnik i Płock, wskazywane w KPZK

2030 jako ośrodki regionalne. Należy jednak pamiętać, że

modelowe uproszczenie struktury osadniczej może powo-

dować pewne przesunięcia lokalizacji. W tym kontekście

jako reprezentację Grudziądza można traktować Świecie,

zaś Wałbrzych może być reprezentowany przez skupienie

w Świdnicy, z którą jest zresztą silnie powiązany

Bardziej widoczne oddziaływania sieci funkcjonalnej

realizowane są w skali powiązań międzyregional nych

Wymieniona lista nie zawiera miast: Ostróda, Płońsk, Jędrzejów,

Proszowice, Myślenice, Oborniki, które pojawiają się tylko w sieci jed-

norodnej. Wskazuje to na wzmocnienie oddziaływań koncentrujących

w ramach relacji wewnątrzregionalnych wynikające z nałożenia sieci

funkcjonalnych, gdy potencjały tych miast są przejmowane przez po -

bliskie ośrodki uprzywilejowane.

mor skie Province). Among the above men tioned centres

Grudziądz, Wałbrzych, Rybnik and Płock do not appear,

although they are indicated in KPZK 2030 as regional

centres. It should be noted, however, that the model sim-

plication of the settlement structure may cause some

displacement of locations. In this context Świecie can

be treated as a representation of Grudziądz, whereas

Wałbrzych can be represented by the concentration in

Świdnica with which it is strongly connected anyway

More visible impacts of functional networks are re-

alised on a scale of interregional connections (selectiv-

ity 0,000 020), when activities are concentrated in main

centres which are advantageously located within the net-

work. In all networks stable concentrations are achieved

in Warsaw, Łódź, cities of the GOP, Cracow, Rzeszów and

This list does not include the cities of Ostróda, Płońsk, Jęd rze -

jów, Proszowice, Myślenice, Oborniki, which appear only in the uni-

form network. This indicates strengthening of concentrating impin ge-

ments within the frame of intraregional relations resulting from

im posing functional networks when activities of these cities are taken

over by the nearby main centres.

Il. 6. Warianty symulacji na sieci

pf2030 ze złagodzoną

selektywnością przy

początkowym równomiernym

(4 iteracja) (A) oraz

rzeczywistym (4 iteracja) (B)

rozmieszczeniu źródeł

(por. przyp. 11)

Fig. 6. Simulation variants of

pf2030 network and higher value

of selectivity parameter, calculat-

ed with initial uniform distribu-

tion of origins (4

iteration) (A)

and initial real distribution of

origins (4

iteration) (B)

(see footnote 11)

Il. 7. Warianty symulacji na sieci

pf2030 z zaostrzoną

selektywnością przy

początkowym równomiernym

(4 iteracja) (A) oraz rzeczywistym

(4 iteracja) (B) rozmieszczeniu

źródeł (por. przyp. 11)

Fig. 7. Simulation variants of

pf2030 network and lower

value of selectivity parameter,

calculated with initial uniform

distri bution of origins (4

itera-

tion) (A) and initial real distribu-

tion of origins (4

iteration) (B)

(see footnote 11)

26 Magdalena Mlek-Galewska

(selektywność 0,000 020), gdy dochodzi do skupiania

mas w uprzywilejowanych centrach korzystnie zlokalizo-

wanych sieciowo. We wszystkich sieciach uzyskuje się

stabilne koncentracje w Warszawie, Łodzi, Gdańsku, Byd -

goszczy–Toruniu, Poznaniu, Wrocławiu, miastach GOP,

Krakowie, Rzeszowie oraz – pomimo ich skrajnego po-

łożenia – Szczecinie i Lublinie, co wiązać można z od-

działywaniem sieci funkcjonalnej, umacniającej efekty

koncentrujące obecne w sieci jednorodnej. Obok nich

znajdziemy ośrodki zanikające lub słabiej reprezentowa-

ne w wynikach symulacji. Sieci funkcjonalne, w stosunku

do jednorodnej, zdecydowanie zwiększają koncentrującą

siłę Gorzowa Wielkopolskiego i Opola, pozwalają także

zaistnieć niezbyt dużym skupieniom w Zielonej Górze,

Olsztynie i Białymstoku

. Kielce uzyskują odpowiednio

duże rozmiary dopiero przy udziale pełnej sieci funkcjo-

nalnej pf2030.

Wpływ sieci funkcjonalnych na obszary peryferyjne

Porównanie wyników modelowań w sieci jednorod-

nej i sieciach funkcjonalnych ujawnia korzystny wpływ

tych ostatnich na umacnianie pozycji uprzywilejowanych

miast, co sprzyjać powinno policentryczności rozwoju

struktury osadniczej Polski. Kolejny wniosek płynie z za-

uważalnego podobieństwa wyników symulacji stosują-

cych różne rozmieszczenia początkowe mas na sieciach

funkcjonalnych przy ostrej selektywności. Świadczy ono

tym, że sieć uprzywilejowana nakłada na jednorodną

datkowe bodźce kształtujące strukturę regionalnych

centrów kraju, które zmniejszają oddziaływanie począt-

kowego rozkładu mas potencjałowych. Interpretacja tej

obserwacji w kontekście struktury osadniczej kraju może

sugerować, że efektywna sieć powiązań funkcjonalnych

może skutecznie dopełniać niedostatki wynikające z nie-

równomiernego poziomu zagospodarowania i zaludnie-

nia regionów, ograniczającego wzrost ich stolic. Zarazem

podobień stwo efektów symulacji sieci pf2010 i pf2030

wskazuje na niewielką, w świetle wyników modelowań,

skuteczność zabiegów mających w wizji na 2030 rok re-

alizować założenie umacniania policentryczności w odnie-

sieniu do obszarów peryferyjnych w skali krajowej. Mo-

delowania diagnozują tu trzy kluczowe strefy o słabszym

potencjale wzrostowym – północno-wschodnią Polskę, Po-

morze Zachodnie oraz obszar kielecki – omówio ne niżej.

Obszar północno-wschodniej Polski nie ujawnia w mo-

delowaniach silnie koncentrujących właściwości. Obrazy

koncentracji uzyskane w różnych sieciach przy łagodnej

selektywności są nieomal identyczne, co wskazuje na

niewielki wpływ sieci funkcjonalnych na kształtowanie

wewnątrzregionalnej struktury ośrodków osadniczych tej

Zielona Góra uzyskuje mniejszą niż Gorzów Wielkopolski, ale

dość stabilną koncentrację.

Porównanie wielkości rejonów uzyskanych w modelowaniach

sieci pf2010 i pf2030 pozwala wykazać bardzo wysokie wartości

współczynników korelacji: zestawienie według łagodniejszej selek tyw-

ności daje 0,970 (rozmieszczenie równomierne) i 0,986 (rozmieszcze nie

rzeczywiste), natomiast przy ostrzejszej selektywności odpowied nio

0,938 i 0,944.

– despite their extreme locations – Szczecin and Lublin,

which can be associated with the impact of the functional

network strengthening the concentration effects exist-

ing in the uniform network. In the vicinity we can nd

disappearing centres or insignicantly represented in the

simulation results. Functional networks in relation to the

uniform network denitely increase the concentration

power of Gorzów Wielkopolski and Opole as well as they

also make it possible to form moderate concentrations in

Zielona Góra, Olsztyn and Białystok

. Kielce gets a rel-

atively large size only with the participation of the full

pf2030 functional network.

The influence of functional networks

on peripheral areas

A comparison of the modelling results in the uniform

net work and functional networks reveals a positive impact

of the latter on strengthening the position of main cities,

which should be conducive to polycentrism of the settle-

ment structure development of Poland. Another conclusion

is drawn from noticeable similarities of simulation results

which apply different initial distributions of activities on

the functional network with a lower selectivity. It shows

that the functional links impose additional stimuli on the

uniform network, which shape the structure of regional

centres of the country. These additional stimuli reduce the

impact of the initial distribution of activities. The interpre-

tation of this observation in the context of the settle ment

structure of the country may suggest that the effective net-

work of functional connections can efciently complement

deciencies resulting from the uneven level of develop-

ment and population of regions, which limit the growth of

their capital cities. At the same time, the similarity of simu-

lation effects of pf2010 and pf2030 networks

in the light

of modelling results, indicates insignicant effec tiveness of

actions in the vision for the year 2030, which are supposed

to carry out the idea of strengthening poly centrism with re-

gard to peripheral areas on the national scale. The model-

ling diagnoses three key areas of a weaker growth potential

– north-eastern Poland, Western Pomerania and the region

of Kielce – which are discussed below.

The area of north-eastern Poland does not show any

strongly concentrating properties in modelling. Sizes of

concentrations that were obtained in different networks

with higher selectivity are almost identical, which indi-

cates an insignicant inuence of functional networks on

the formation of the intraregional structure of settlement

centres in this part of Poland

. Modelling with a smaller

Zielona Góra has a rather stable but smaller concentration than

Gorzów Wielkopolski.

A comparison of sizes of nodes obtained in modelling pf2010

and pf2030 networks makes it possible to demonstrate very high values

of correlation co-efficients: a comparison with a higher selectivity gives

0.970 (uniform dist ribu tion) and 0.986 (real distribution), whereas with

a lower selectivity 0.938 and 0.944 respectively.

This area can count on four intraregional centres: Białystok re in-

forced by the real number of residents, the surroundings of Olsztyn and

Olsztyn itself indicated by the influence of the functional network,

Łomża along with Zambrów and the surroundings of Grajewo along with

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 27

części kraju

. Modelowania z zaostrzoną selektywnością

w sieci jednorodnej ignorują lokalizacje Białegostoku

i Olsztyna. Koncentracje lokowane przy rozmieszczeniu

równomiernym w okolicach Grajewa i Łomży nie poja-

wiają się przy rozmieszczeniu rzeczywistym, co diagno-

zuje wysokie niedobory rzeczywistych mas zdolnych zbu-

dować koncentrację na tym obszarze. Sieci funkcjonalne

z trudnością pozwalają utrzymać się koncentracjom w Bia-

łymstoku i Olsztynie. Sieć pf2030 potęguje efekty prze-

pływu potencjału z obszaru do pobliskich dużych skupień

w Trójmieście, Warszawie i Lublinie, co osłabia pozycję

Olsztyna i Białegostoku. Obszar ten stanowi ciekawe pole

do badań nad optymalizacją połączeń funkcjonalnych dla

zwiększenia poziomu policentryczności struktury kraju.

Modelowania wskazują na brak odpowiednio dużego po-

tencjału obszaru, który mógłby zasilać centra regionalne

zdolne do współistnienia z pobliskimi koncentracjami.

Źródeł takiego potencjału poszukiwać można we wpływie

szerszego, transgranicznego otoczenia.

Sieć transportowa Pomorza Zachodniego sprzyja kon -

centracji w Szczecinie, co potwierdzają modelowania na

sieci jednorodnej przy łagodnej selektywności. W odróż-

nieniu od układu północno-wschodniej Polski brakuje tu

ukształtowanych koncentracji subregionalnych, poza Ko-

szalinem, co potwierdzają także wyniki symulacji

. Cie-

kawym wynikiem modelowań jest pojawiająca się konku-

rencyjna pozycja Gorzowa Wielkopolskiego względem

Szczecina. W modelowaniach z zaostrzoną selek tywnością

w sieci jednorodnej Szczecin koncentruje potencjał, jed-

nak nałożenie sieci funkcjonalnej stawia go wobec no-

wych relacji, które nie zawsze mu sprzyjają. Nałożenie

na sieć jednorodną sieci powiązań drugorzędnych skon-

centrowanych w Szczecinie, a sięgających po Koszalin,

Poznań, a przez Gorzów Wielkopolski także do Zielonej

Góry (sieć pf2010) wywołuje skuteczne skupienie przez

to miejsce mas, na czym korzysta również Gorzów Wiel-

kopolski stojący jednak na nieco niższej pozycji wzglę-

dem Szczecina. Niemniej wprowadzenie powiązania pod-

stawowego między Szczecinem a Poznaniem oraz dodanie

powiązań drugorzędnych wiążących Poznań z Gorzowem

Wielkopolskim i Zieloną Górą, a Szczecin z Bydgoszczą

(sieć pf2030) przesuwa punkt skupienia w stronę Gorzo-

wa Wielkopolskiego. Wynik taki związany jest zapewne

z umocnieniem peryferyjnego położenia Szczecina wzglę-

dem Poznania w sieci pf2030, a rolę Szczecina przejm uje

właśnie Gorzów Wielkopolski. Efekt ten jest widocz ny

zarówno przy początkowym rozmieszczeniu równomier-

nym, jak i rzeczywistym mas. Jeśli więc powiększa-

my zasięg „regionalnego” oddziaływania Szczecina, to

Obszar ten może liczyć na cztery centra wewnątrzregionalne:

Białystok wzmacniany rzeczywistą liczbą ludności, okolice Olsztyna

i sam Olsztyn wskazywany wpływem sieci funkcjonalnych, Łomża

wraz z Zambrowem oraz okolice Grajewa wraz z Ełkiem i Augustowem.

Os tatnie z wymienionych można interpretować jako modelową repre-

zentację Ostrołęki i Suwałk, i w tym kontekście jest to obraz zgodny

z rzeczywistością.

Łobez pojawia się tylko przy rozmieszczeniu równomiernym,

co wskazuje na braki potencjałowe obszaru zdolne do wygenerowania

koncentracji subregionalnej oraz silne koncentrujące właściwości węzła

szczecińskiego.

selectivity in the uniform network ignores locations of

Białystok and Olsztyn. Concentrations located with the

uniform distribution in the vicinity of Grajewo and Łomża

do not appear with the real distribution, which forecasts

high shortages of real activities which would be able to

build a concentration in this area. Functional networks

hardly permit concentrations to maintain in Białystok and

Olsztyn. The pf2030 network enhances the effects of the

activities ow from the area to the nearby large concentra-

tions in Trójmia sto, Warsaw and Lublin, which weakens

the position of Olsztyn and Białystok. This area is an inter-

esting eld of research on the optimization of functional

connections to increase the level of structure polycentrism

of the country. Modelling shows the lack of a sufciently

large amount of activities of the area, which could sup-

ply regional centres capable of coexistence with nearby

concentrations. Sources of such a supply can be searched

in the impact of broader and cross-border surroundings.

The transportation network of Western Pomerania pro-

motes concentration in Szczecin, which is conrmed by

modelling on the uniform network with a higher selectivi-

ty. Unlike the north-eastern system of Poland, there are no

formed sub-regional concentrations, apart from Koszalin,

which is also conrmed by the simulation results

. An in-

teresting result of the modelling is the emerging competi-

tive position of Gorzów Wielkopolski in relation to Szcze-

cin. In modelling with lower selectivity in the uniform

network Szczecin concentrates the potential, however, the

imposition of the functional network brings new relations,

which are not always favourable for the city. The imposi-

tion of supplementary functional connection concentrated

in Szczecin on the uniform network, which extend to Ko-

szalin, Poznań and through Gorzów Wielkopolski also to

Zielona Góra (pf2010 network) results in the effective

concentration of activities through this place and in bene-

ts for Gorzów Wielkopolski which has a slightly lower

position in relation to Szczecin. However, the introduction

of primary functional connections between Szczecin and

Poznań as well as addition of supplementary functional

links connecting Poznań with Gorzów Wielkopolski and

Zielona Góra as well as Szczecin with Bydgoszcz (net-

work pf2030) shifts the concentration point towards Gor-

zów Wielkopolski. This result is most probably connected

with strengthening the peripheral location of Szczecin

in relation to Poznań in pf2030 network and the role of

Szczecin is taken over just by Gorzów Wielkopolski. This

effect is seen both at the initial uniform and real distri-

bution of activities. Therefore, if we extend the scope of

the “regional” impact of Szczecin, then it gains more at-

tractiveness as a regional centre. Entering it in the system

of primary functional interregional relations emphasises

the peripheral character and promotes the node of Gorzów

Wielkopolski which is better situated in such a network of

Ełk and Augustów. The latter can be interpreted as a model repre senta -

tion of Ostrołęka and Suwałki, and in this context it is a realistic picture.

Łobez appears only with the uniform distribution, which shows

real activity distribution deficiencies of the area capable of generating

a sub-regional con centration and strong concentrating properties of the

Szcze cin node.

28 Magdalena Mlek-Galewska

connections. Taking into account the numerous and strong

relationships of Szczecin with German centres, including

Berlin, strengthening its position in the functional net-

work structure of Poland should take into consideration

these directions.

The modelling indicates the limited concentration pow-

er of Kielce. In intraregional relations this city appears

only with real distributions, which constitutes a proof of

the size dominance of this city in the region, conditioning

its attractiveness. On the other hand, in interregional rela-

tions only the functional networks allow for the formation

of concentration in Kielce. In this case the most favour-

able is the full functional network connecting Kielce with

a bigger number of centres, which strengthens the city’s

position, and makes it possible to expand its impact range

beyond the insufcient regional resource. A non-peripher-

al location of the city in the national scale makes it possi-

ble to include it as a link in the chain of ows between the

main centres, which promotes concentration and reduces

the effects of the potential loss despite the fact that Kielce

is the smallest city among the modelled concentrations.

In the context of the presented in PKZK 2030 urbanism

processes which are supposed to contribute to the growth

of cities in eastern Poland the modelling conrmed very

high predispositions to concentrate activities in Lublin

and Rzeszów. Both cities, in spite of their peripheral loca-

tions, have stable concentrations in the uniform network

at both types of selectivity. The introduction of functional

connections in pf2030 network insignicantly increases

the concentration of Lublin, however, it has a huge impact

on Rzeszów which uses an excellent connection with the

GOP, Lublin and Warsaw. Taking into consideration addi-

tional cross-border relationships of Rzeszów, its potential

as a national centre should be considered as very big.

In modelling interregional relationships Rzeszów anks

the belt of concentrations distributed along the axis of

A4 motorway from the eastern side. This axis comprises

respectively Tarnów, Cracow, the GOP (extended longitu -

dinally from Bielsko-Biała to Częstochowa), Opole and

a large concentration in Wrocław on the western ank.

Extreme centres of this belt clearly gain benets from the

functional connections of pf2030 although the relation-

ships of Wrocław are enriched only with the primary

functio nal link to Poznań and the supplementary one to

Zie lona Góra. The existence of both these strong extreme

centres and many smaller ones between them, in spite of

the enormous concentration force of the GOP, corresponds

with the assumptions of the polycentric development of the

country. In this context, the inuence of the full functional

net work (pf2030) contributes to KPZK 2030 assumptions.

Polycentric development & demographic

and cross-border stimuli

The system of cities belonging to the network of func-

tional relationships, which was presented in KPZK 2030,

signicantly corresponds to the current proportions of

the city sizes. According to current trends, increasing the

share of the urban population which contributes to the

development of the polycentric structure, will primarily

zyskuje on na atrakcyjności jako centrum regionalne. Wpi-

sanie go w układ podstawowych funkcjonalnych relacji

międzyregionalnych akcentuje peryferyjność i sprzyja le-

piej położonemu w takiej sieci powiązań węzłowi Gorzo -

wa Wielkopolskiego. Biorąc pod uwagę liczne i silne

związki Szczecina z ośrodkami niemieckimi, w tym z Ber -

linem,

umocnienie jego pozycji w strukturze sieci funkcjo -

nalnej Polski powinno uwzględniać owe kierunki.

Modelowania wskazują na ograniczoną siłę koncen-

trującą Kielc. W relacjach wewnątrzregionalnych miasto

pojawia się tylko przy rozmieszczeniach rzeczywistych,

co stanowi świadectwo dominacji wielkościowej tego

miasta w regionie, warunkującej jego atrakcyjność. Z ko-

lei w relacjach międzyregionalnych tylko sieci funkcjo-

nalne pozwalają na powstanie koncentracji w Kielcach.

Najbardziej korzystna jest w tym przypadku pełna sieć

funkcjonalna wiążąca Kielce z większą liczbą ośrodków,

co umacnia pozycję miasta, pozwalając na poszerzenie

jego pola oddziaływań poza niewystarczający zasób re-

gionalny. Nieperyferyjna w skali kraju lokalizacja miasta

pozwala je włączyć jako ogniwo w łańcuch przepływów

między ośrodkami uprzywilejowanymi, co sprzyja kon-

centracji i ogranicza efekty utraty potencjału, choć nadal

Kielce pozostają najmniejszym spośród wymodelowa-

nych skupień.

W kontekście wskazywanych w KPZK 2030 procesów

urbanizacji mających przyczynić się do wzrostu miast

wschodniej Polski modelowania potwierdziły bardzo wy-

sokie predyspozycje do koncentracji mas w Lublinie oraz

Rzeszowie. Oba miasta, pomimo swojego skrajnego poło-

żenia, uzyskują stabilne skupienia już w sieci jednorodnej

przy obu selektywnościach. Wprowadzenie uzupełnień

funkcjonalnych zawartych w sieci pf2030 nieznacznie

powiększa skupienie w Lublinie, ma natomiast ogromny

wpływ na Rzeszów, który korzysta z doskonałego powią-

zania z GOP, Lublinem i Warszawą. Biorąc pod uwagę

dodatkowe transgraniczne relacje Rzeszowa, jego poten-

cjał jako ośrodka krajowego uznać należy za bardzo duży.

W modelowaniach relacji międzyregionalnych Rze-

szów ankuje od strony wschodniej pasmo koncentracji

wzdłuż osi autostrady A4, obejmujące kolejno Tarnów,

Kraków, GOP (rozciągnięty południkowo od Bielska-Bia-

łej po Częstochowę), Opole i dużą koncentrację we Wro-

cławiu na ance zachodniej. Skrajne ośrodki tego pasma

wyraźnie zyskują na powiązaniach funkcjonalnych sieci

pf2030, chociaż relacje Wrocławia wzbogacają się tylko

o podstawowy odcinek do Poznania i uzupełniający do

Zielonej Góry. Utrzymywanie się obu silnych skrajnych

ośrodków oraz wielu pośrednich ogniw pasma pomimo

ogromnej siły koncentrującej GOP bardzo dobrze kore-

sponduje z założeniami policentrycznego rozwoju kraju.

W tym kontekście oddziaływanie pełnej sieci funkcjonal-

nej (pf2030) służy założeniom KPZK 2030.

Rozwój policentryczny

a bodźce demograficzne i transgraniczne

Układ miast należących do sieci powiązań funkcjo-

nalnych przedstawiony w KPZK 2030 bardzo mocno

koresponduje z obecnymi proporcjami wielkości miast.

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 29

affect large urban centres and metropolitan areas [4, p. 36].

According to KPZK 2030 this phenomenon brings espe-

cially benecial consequences for Białystok, Lublin and

Rzeszów, which will become centres that attract migrat-

ing rural population from certain areas of eastern Poland.

This corresponds to the forecasts of growth in the share of

the Polish urban population from 61% in 2014 up to 70%

in 2050 [13, pp. 22–23]

. At the same time the growth

processes of cities and their functional areas (metropoli-

tan and regional) may be limited by the choice of foreign

migration directions and depletion [...] of the last big spa-

tial mobility wave of citizens of Poland in modern times

[2, p. 188]. It should be noted that according to ESPON

eva luations [1], the countries with a high polycentrism

struc ture rate are characterized by a large diversity of the

urban population share from 50% in Slovenia to 90% in

the Netherlands [13]

In the context of including peripheral zones of Poland

in the polycentric structure, we can expect a rise in the

share of the urban population in the centres located just

there. In the light of the results of simulation Lublin has

high predispositions to concentrate the activity, also in

the networks of functional connections. Strengthening of

functional connections (pf2030 network) denitely im-

proves the attractiveness of Rzeszów. The impact of road

network connections only allows for the formation of sta-

ble and large concentrations in these cities on the basis

of the national activity resource. Białystok remains under

a highly competitive inuence of the nearby major cen-

tres – Trójmiasto, Warsaw and Lublin – which take over

the regional activity resource. Maintaining its position

would require the participation of strong external stimuli

in the form of, for example, signicantly intensied cross-

border connections. On the other hand, the position of

Szczecin is paradoxically endangered by the introduction

of stricter functional connections. This may indicate the

fact that the external relations of the city with a German

neighbourhood are able to balance its peripheral location

in the national system.

The image of functional relationships presented in KPZK

2030 includes, in addition to national, cross-border rela-

tionships which were not taken into consideration in the

simulations. They become intensied in the relationships

with German and Czech neighbourhoods, whereas the east-

ern directions are of supplementary relationship charac ter

and they are the ones which can contribute to the poten-

tial growth of the centres on the eastern border of Poland.

Summary

The evolution processes of regional settlement struc-

tures are burdened with phenomena of inertia. Overcom-

ing these tendencies requires a strong structural inuence.

Assessments and forecasts contained in the UN report [13] were

prepared on the basis of the GUS data, however, according to the

assessment of KPZK 2030, the GUS data are significantly underestimated

(in 2010 by about 8%).

In two other countries with a high rate of polycentrism the share

of urban population is as follows: Ireland 63%, Denmark 88%.

Zwiększanie udziału ludności miejskiej przyczyniające

się do rozwoju struktury policentrycznej, zgodnie z obec-

nymi trendami, stanie się udziałem przede wszystkim

dużych ośrodków miejskich i obszarów metropolital-

nych [4, s. 36]. W ocenie KPZK 2030 to zjawisko niesie

szczególnie korzystne konsekwencje dla Białegostoku,

Lublina i Rzeszowa, które staną się centrami przyciąga-

jącymi migrującą ludność wiejską z niektórych obszarów

wschodniej Polski. Odpowiada to prognozom wzrostu

udziału ludności miejskiej Polski z 61% w 2014 r. do 70%

w 2050 r. [13, s. 22–23]

. Zarazem procesy wzrostu miast

i ich obszarów funkcjonalnych (metropolitalnych i regio-

nalnych) mogą być ograniczane przez wybór zagranicz-

nych kierunków migracji oraz wyczerpywanie się […]

ostatniej dużej fali mobilności przestrzennej mieszkańców

Polski w czasach współczesnych [2, s. 188]. Warto przy

tym zaznaczyć, że kraje o wysokim wskaźniku policen-

tryczności struktury według ocen ESPON [1] cechuje

duże zróżnicowanie udziału ludności miejskiej, od 50%

w Słowenii do 90% w Holandii [13]

W kontekście włączania peryferyjnych stref Polski do

struktury policentrycznej należy liczyć na wzrost udziału

ludności miejskiej właśnie w zlokalizowanych tam ośrod-

kach. W świetle wyników symulacji Lublin posiada wyso-

kie predyspozycje do koncentracji potencjału, także w sie-

ciach powiązań funkcjonalnych. Umocnienie powiązań

funkcjonalnych (sieć pf2030) zdecydowanie poprawia

atrakcyjność Rzeszowa. Oddziaływanie tylko istniejącej

sieci drogowej pozwala na ukształtowanie się w tych mia-

stach stabilnych i dużych koncentracji, na bazie krajowe-

go zasobu potencjałowego. Białystok pozostaje pod silnie

konkurencyjnym wpływem pobliskich dużych ośrodków

– Trójmiasta, Warszawy i Lublina – przejmujących re-

gionalny potencjał. Utrzymanie jego pozycji wymagało-

by udziału silnych bodźców zewnętrznych w postaci na

przykład wydatnie zintensykowanych powiązań trans-

granicznych. Z kolei pozycja Szczecina paradoksalnie

zagrożona zostaje wprowadzeniem ściślejszych powiązań

funkcjonalnych. Wiele wskazuje na to, że zewnętrzne rela-

cje miasta z niemieckim sąsiedztwem są w stanie zrówno-

ważyć jego peryferyjne położenie w systemie krajowym.

Obraz relacji funkcjonalnych przedstawiony w KPZK

2030 ujmuje, obok krajowych, właśnie relacje transgranicz-

ne, które nie zostały uwzględnione w symulacjach. Nasilają

się one w relacjach z niemieckim i czeskim sąsiedztwem,

natomiast wschodnie kierunki mają charakter powiązań

uzupełniających, a właśnie one mogą przyczynić się do

wzrostu potencjału ośrodków na wschodnim skraju Polski.

Podsumowanie

Procesy ewolucji regionalnych struktur osadniczych

obciążone są zjawiskami inercji. Przełamanie tych ten-

dencji wymaga silnego oddziaływania strukturalnego. Za-

Oceny i prognozy zawarte w raporcie ONZ [13] określono na

podstawie danych GUS, przy czym według oceny KPZK 2030 dane

GUS są znacznie zaniżone (w 2010 r. o mniej więcej 8%).

W dwóch pozostałych krajach o wysokim wskaźniku policen-

tryczności udział ludności miejskiej wynosi: Irlandia 63%, Dania 88%.

30 Magdalena Mlek-Galewska

leżnie od układu wielkościowego jednostek osadniczych

oraz wiążących je zależności różny może być zakres i siła

zadawanych stymulatorów oczekiwanych procesów i in-

hibitorów obecnych w układzie negatywnych tendencji.

Efektywność takich działań może być werykowana me-

todami symulacyjnymi.

Proponowana w KPZK 2030 struktura sieci funkcjo-

nalnej na 2030 r. skutecznie integruje ośrodki uprzywi-

lejowane na obszarach najbardziej zagospodarowanych.

Benecjentami oddziaływań takiej sieci funkcjonalnej są

także miasta ulokowane na skraju trzonu układu: Wro-

cław, Rzeszów, Lublin, oraz Kielce i Gorzów Wielkopol-

ski. Ośrodki bardziej oddalone, jak Szczecin, utrzymują

status peryferyjnych. Sieć ta odpowiada za kon centrujące

właściwości Białegostoku i Olsztyna, zarazem jed nak nie

lokuje w tych miastach centrów o sile kon cen tra cji porów-

nywalnej z pozostałymi miastami uprzywilejowanymi.

Idea policentrycznego modelu rozwoju struktury prze-

strzennej Polski realizowanego przez połączenia funk-

cjonalne między uprzywilejowanymi ośrodkami, w kon-

tekście ocen symulacyjnych przeciwdziała tendencji do

nadmiernej koncentracji i – w efekcie – polaryzacji roz-

woju. Przeprowadzone badania symulacyjne wskazują, że

połączenia funkcjonalne diagnozowane oraz proponowa-

ne w KPZK 2030 przyczyniają się do utrzymania i umac-

niania policentrycznej struktury Polski, w niewielkim

jednak stopniu poprawiają status centrów na obszarach

peryferyjnych.

Depending on the quantity system of settlement units as

well as the relations between them, the scope and strength

of the particular stimulators of the expected processes and

inhibitors of negative tendencies which are present in the

system can be different. The effectiveness of such actions

can be veried by means of simulation methods.

The structure of the functional network for the year

2030 proposed in KPZK 2030 effectively integrates the

main centres in the areas which are most invested. The

beneciaries of the effects of the functional network of

this type are also the cities which are located on the edge

of the system core: Wrocław, Rzeszów, Lublin as well as

Kielce and Gorzów Wielkopolski. The cities which are

situated a bit further such as Szczecin maintain the status

of peripherals. This network is responsible for the concen-

tration properties of Białystok and Olsztyn but at the same

time, however, in these cities it does not locate centres

with the concentration power comparable to that of other

main cities.

The idea of a polycentric model of the spatial structure

development of Poland, which is carried out by means

of functional connections between the main cities, in the

context of simulation assessments counteracts a tendency

for excessive concentration and – as a result – polarization

of development. The conducted simulation studies show

that functional connections which were diagnosed and

proposed in KPZK 2030 contribute to maintaining and

strengthening the polycentric structure of Poland, never-

theless, they improve the status of centres in the periph-

eral areas only to a small extent.

Translated by

Bogusław Setkowicz

Bibliografia /References

[1] NORDREGIO, 2004–2005. ESPON 1.1.1 Potentials for polycen-

tric development in Europe, https://www.espon.eu/export/sites

/default/Documents/Projects/ESPON2006Projects/ThematicPro-

jects/Polycentricity/fr-1.1.1_revised-full.pdf [accessed: 4.06.2012].

[2] Komornicki T., Korcelli T., Siłka P., Śleszyński P., Świątek D.,

Powiązania funkcjonalne pomiędzy polskimi metropoliami, PAN

IGiPZ, Wydawnictwo Akademickie SEDNO, Warszawa 2013.

[3] Bański J., Koncepcje rozwoju struktury przestrzennej w Polsce – po-

laryzacja czy równoważenie?, „Przegląd Geograczny” 2007, T. 79,

z. 1, 45–77.

[4] Koncepcja Przestrzennego Zagospodarowania Kraju 2030, Uchwa-

ła Nr 239 Rady Ministrów z dnia 13 grudnia 2011 r. w sprawie przy-

jęcia Koncepcji Przestrzennego Zagospodarowania Kraju 2030,

MP 2012, nr 0, poz. 252, http://mr.bip.gov.pl/fobjects/download/

48478/kpzk_uchwala_zal_do240_13042012-pdf.html [accessed:

12.03.2016].

[5] Zipser T., A Simulation Model of Urban Growth Based on the Model

of the Opportunity Selection Process, „Geographia Polonica” 1972,

Vol. 27, 119–132.

[6] Zipser T., Dobrowolski M., Głogowski K. et al., Prognoza symu-

lacyjna struktury przestrzennej Polski na lata 1990–2000. Etap I,

Etap II (końcowy), Raporty Instytutu Architektury Politechniki

Wrocławskiej 1976, Nr 101, Wrocław 1972–1976.

[7] Ossowicz T., Metoda ustalania kolejności przedsięwzięć polityki

przestrzennej miasta wielkiego, Ocyna Wydawnicza PWr, Wro-

cław 2003.

[8] Zipser T., Brzuchowska J., Mlek M., Sławski J., Zipser W., Prze-

strzenne determinanty, szanse i stymulatory w makroregionie inno-

wacyjnym, [w:] Prognozy rozwoju województwa dolnośląskiego do

2020 r. Materiały konferencyjne, Wrocław 2008, 37–59.

[9] Zipser T., Mlek M., Zipser W., Interdependence of Population

Concentrations and Their Activities as a Dynamic Factor of Conti-

nental Cohesion, „Review of Economics & Finance” 2012, Vol. 2,

No. 4, 131–149.

[10] Zipser T., Mlek M., Modelowe próby interpretacji prawa Zip-

fa w systemie osadniczym, Studia KPZK PAN, T. 114, Warszawa

2005.

[11] Zipser T., Mlek M., Zipser W., Zipf ’s law in hierarchically ordered

open system, „Jahrbuch für Regionalwissenschaft” 2011, Vol. 31,

Iss. 2, 93–112.

[12] Mlek-Galewska M., Generowanie struktur hierarchicznych w mo-

delowaniach alokacyjnych, Raporty Katedry Planowania Prze-

strzen nego Politechniki Wrocławskiej 2011, Raport Serii Sprawoz-

dania Nr I12/2011/S-015.

[13] United Nations, Department of Economic and Social Affairs, Popu la tion

Division, World Urbanization Prospects: The 2014 Revision, Highlights,

http://esa.un.org/unpd/wup/Publications/Files/WUP2014-Highlights.pdf

[accessed: 23.02.2016].

Sieć powiązań funkcjonalnych a struktura policentryczna Polski/Functional connections network and polycentric structure of Poland 31

Streszczenie

Koncepcja Przestrzennego Zagospodarowania Kraju 2030 (KPZK 2030) odwołuje się do idei policentryczności jako głównego mechanizmu

zwiększającego integrację przestrzeni Polski i służącego rozprzestrzenianiu procesów wzrostu. W dokumencie KPZK 2030 identykowane są

ośrodki węzłowe, wyznaczane na różnych poziomach hierarchicznych, powiązane układem relacji funkcjonalnych. Modele takich struktur poddano

analizie symulacyjnej mechanizmem pośrednich możliwości. Oceniono wpływ sieci funkcjonalnych na atrakcyjność poszczególnych miast oraz

obszarów peryferyjnych. Wykazano efekty integracji policentrycznej struktury przestrzeni Polski na obszarach najbardziej zagospodarowanych oraz

słabe oddziaływania na obszarach peryferyjnych.

Słowa kluczowe: model pośrednich możliwości, struktura regionalna Polski, struktura policentryczna

Abstract

The National Spatial Development Concept 2030 relates to the polycentric development idea to be the main mechanism of strengthening the integrity

of Polish space and the diffusion of growth processes. It identies main cities on various levels of hierarchy, and the network of functional links

between them. Models of such settlement structures were examined using the simulation intervening opportunity model. The functional network

inuence on the attractiveness of main cities and peripheral areas was evaluated. In regard to the most invested areas the effects of integration of

polycentric Polish settlement structure were proven, moreover a weak inuence on peripheries was observed.

Key words: intervening opportunities model, regional structure of Poland, polycentric structure

Modelowe rozłożenie koncentracji celów w jed-

nym z typów sieci regularnych (trójkątowo-dwu-

siecznej)

Modelling distribution of the destination concen

tration in one of the regular network types (trian-

gular-bisector network)

Źródło/Source: Określenie wzorców sieci ośrodków usłu-

go wych na podstawie modelowania numerycz nego, praca

zbio rowa pod red. T. Zipsera, raport z prac Zespołu Ba -

daw czego nr 8 Instytutu Archi tektury i Urbanistyki Poli-

techniki Wrocław skiej, Wrocław 1978

Wpływ sieci powiązań funkcjonalnych na kształtowanie struktury policentrycznej Polski – badanie symulacyjne

Magdalena Mlek-Galewska

doi:10.5277/arc160302

Streszczenie