36 Tomasz Ossowicz
in Opportunity Network) [7]. Polega to na „uwolnieniu”
ustalonych części skupisk aktywności w stanie istnie-
jącym. Na przykład w każdym rejonie obliczeniowym
dopuszcza się, że 30% mieszkańców może opuścić dany
rejon. Te 30procentowe udziały w liczbie mieszkańców
poszczególnych rejonów sumuje się i dodaje do przewidy-
wanego przyrostu liczby mieszkańców w całym mieście,
o ile taki się zakłada. Utworzoną w ten sposób aktywność
niezdeterminowaną rozmieszcza się przy wykorzystaniu
modelu ORION na obszarze całego miasta. W miejscach,
gdzie „uwolniono” mieszkańców, „otwiera” się również
teren, który dotąd zajmowali. Mogą na nim lokować się
rozmieszczani w trakcie symulacji mieszkańcy lub inne
rodzaje aktywności. O powierzchnię „uwolnionego” tere-
nu zwiększa się chłonność poszczególnych rejonów, czyli
obszar na nowe inwestycje. Osoby opuszczające swoje
dotychczasowe miejsca zamieszkania mogą zatem prze-
nieść się do istniejących domów w innych miejscach lub
do nowo wznoszonych domów jeszcze gdzie indziej.
Po zakończeniu rozmieszczania mieszkańców można
stwierdzić, czy w rejonach, w których „uwolniono” część
mieszkańców, wrócili oni do tych rejonów i czy w pełnej
liczbie, czy tylko w części. W ten sposób identykuje-
my rejony, w których można się spodziewać „ucieczki”
mieszkańców do innych miejsc w mieście. Można rów-
nież zobaczyć, czy w miejsce mieszkańców, którzy opu-
ścili swoje tereny, ulokowały się inne rodzaje aktywno-
ści. Oznaczałoby to, że zabudowa mieszkaniowa została
„wypchnięta” przez inne aktywności. Jeżeli nie wszyscy
„uwolnieni” mieszkańcy „powrócili” do danego rejonu,
a całość jego chłonności jest wypełniona, to oznacza, że
prawdopodobne część zabudowy mieszkaniowej zosta-
nie wyparta z jego granic przez inne rodzaje aktywności.
„Uwolnieni” mieszkańcy mogą się przenieść do innych
rejonów, co będzie oznaczało, że prawdopodobnie po-
wstanie tam nowa zabudowa.
W podobny sposób można prognozować opuszczanie
terenów przez inne rodzaje aktywności, jak na przykład
handel detaliczny, biura czy produkcję.
Symulacja dla miasta Łódź
Łódź jest miastem kurczącym się z powodu ujemnego
przyrostu naturalnego przy jednoczesnym stopniowym
wzroście zamożności mieszkańców. Miasto w latach 1988–
2014 utraciło 145 tys. mieszkańców, czyli około 17% całej
ludności i nadal traci około 6 tys. mieszkańców średnio-
rocznie. W 2015 r. liczba ludności spadła do 703 186 [7].
W roku 2015 przeprowadzono dla miasta Łodzi symu-
lacje rozwoju zagospodarowania przestrzennego na okres
2013–2025 uwzględniające proces opuszczania przez
różnego rodzaju aktywności miejsc dotychczas przez nie
zajmowanych [7, s. 16–113]. Symulacje objęły rozmiesz-
czenie 10 rodzajów aktywności, każdy w podziale na
aktywność zdeterminowaną i niezdeterminowaną. Były
to: zabudowa mieszkaniowa wielorodzinna, zabudowa
mieszkaniowa jednorodzinna, handel wielkopowierzch-
niowy, handel osiedlowy, biura, uczelnie wyższe, produk-
cja, zabudowa przemysłowousługowa, logistyka i zieleń
rekreacyjna.
if they have come back to these zones and if so how many:
all or only a part of them. In this way we can identify
zones, were the “escape” of inhabitants to other parts of
the city may be expected. It is also visible, if in the sites
abandoned by inhabitants, other activities have moved in.
This would mean that housing was “forced out” by other
activities. If not all “released” inhabitants have “came
back” to a given zone, and its capacity is fully used, this
means that probably some housing will be “forced out”
from the zone by other activities. The “released” inhabit-
ants can move to other zones, and this likely results in the
development of new housing there.
In the same way it is possible to forecast the moving
out of other activities, as for example: retail, ofces or
production.
Simulations for the city of Łódź
Łódź is a shrinking city which is caused by a long time
negative natality, while wealthiness increases moderately.
In the period of 1988–2014 the city lost 145 thousand
inhabitants, i.e. about 17% of the population. Each year it
loses about on average of 6 thousand inhabitants. In 2015
the city population fell to 703 186 [7].
In 2015 a series of simulations for urban development
was carried out for Łódź for the period of 2013–2025, tak-
ing into account the process of movement out of various
activities from their foregoing locations [7, pp. 16–113].
10 kinds of activities were allocated, each divided into
two parts: determined and undetermined. They were: mul-
tifamily housing, singlefamily housing, large scale retail,
local retail, ofces, universities, production, manufactur-
ing, logistics and, recreation in greenery.
Forecasting of the process of movement out comprised:
multifamily housing, local retail, ofces, production, man-
ufacturing. 30% of each existing concentration of these ac-
tivities were “released” and added to undetermined activi-
ties. Although population each year is diminished, it was
assumed that each quantity of activity will be increased.
Three simulations were performed in which the city
was divided into 325 calculative zones. In the rst one
only contacts between various activities were taken into
account, in the second one – only predispositions, and in
the third one – both contacts and predispositions, while the
importance of contacts was assumed at 0.30 and predis-
positions – 1.00. Analyses showed, that these values give
an equilibrium between these factors. The last simulation,
taking into account the most number of factors for alloca-
tion, was considered as a basis for conclusions and plan-
ning, while the rst and second ones – as a support to better
explain the third one. Figures 1 and 2 present results of the
simulation in which merely contacts were location factors;
Figures 3 and 4 – results from simulations where both con-
tacts and predispositions were taken into account. 15 types
of contacts (positive connections) between various kinds
of activities were also taken into account. The values of
predispositions expressing the attractiveness of zones in
relation to their usefulness in various activities regarding
their specic terrain features, separately for each activity,
were aggregated into a diversity of 27 partial appraisals.
