تحلیل فضایی جدایی‏‌گزینی اجتماعی- فضایی در بافت‌‏های ناکارآمد شهری‌ موردکاوی: محلۀ قیطریه کلان‌شهر تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 پژوهشگر دکتری شهرسازی، دانشکدۀ معماری و شهرسازی، دانشگاه علم و صنعت ایران، تهران‌

2 استاد، گروه شهرسازی، دانشکدۀ معماری و شهرسازی، دانشگاه علم و صنعت ایران، تهران‌

3 دانشیار، گروه شهرسازی، دانشکدۀ معماری و شهرسازی، دانشگاه علم و صنعت ایران، تهران‌

چکیده

مقدمه
تصمیم‌های عجولانه مدیریتی، مدیریت شهری غیرمتخصص و نبود مطالعات دقیق در طرح‌های توسعه، در شهرها و به‌خصوص کلان‌شهرها، منجر به به وجود آمدن محله‌هایی با بافت ناکارآمد شده است. یکی از عواقب این تصمیم‌ها، ایجاد مسئله‌ای به نام جدایی‌گزینی در محله‌های شهری است که به جدایی گروه‌های مختلف جمعیتی منتج شده است که این مسئله می‌تواند باعث کاهش تعاملات اجتماعی - اقتصادی ساکنان محله‌های اطراف آن، کاهش ورود بخش سرمایه‌گذاری برای توسعۀ این بافت‌ها، تغییر نگرش در بیشتر شهروندان نسبت به انتخاب فضای سکونتی خود، مهاجرت ساکنان اصلی و ورود جمعیت غیربومی به بافت و ایجاد مشکلات فراوان برای ساکنان بافت یادشده می‌شود. در نتیجۀ این جدایی‌گزینی، تماس‌های میان اعضای این طبقۀ فقیر، زیاد و ارتباط بین طبقه‌ای، کاهش می‌یابد و با کاهش طبقۀ متوسطِ ساکن در بافت ناکارآمد، نابهنجاری‌های اجتماعی در محله‌ها شدید می‌شود. بافت فرسودۀ واقع در محلۀ قیطریه با جمعیتی حدود 3 هزار نفری، واقع در بافت قدیمی این محله است. دلیل انتخاب محلۀ قیطریه، وجود فرسودگی بافت در بخشی از محله و هستۀ مرکزی آن و وجود ویژگی‌های اقتصادی – اجتماعی یکسان در دو قسمت محله (محدودۀ بافت ناکارآمد و بقیه محله) است. البته، توجه به اهمیت محله به عنوان عنصر پایۀ نظام شهرسازی در مبانی و مباحث برنامه‌ریزی شهری و میزان رضایت شهروندان از محل سکونت و مشارکت آن‌ها در روند بهبود محله‌ها و نبود توجه کافی در این زمینه، اهمیت و ضرورت انجام این تحقیق را چندین برابر می‌کند. در این راستا، با وجود مسائل متعدد در این بافت‌ها، بررسی مسئلۀ ارتباط این نوع بافت‌ها با مسئلۀ جدایی‌گزینی فضایی – اجتماعی، می‌تواند از مهم‌ترین مسائل محله‌های شهری تلقی شود. بنابراین، در این پژوهش، به بررسی جدایی‌گزینی کالبدی و اجتماعی در بافت فرسوده و ناکارآمد محلۀ قیطریه تهران پرداخته می‌شود.
مواد و روش
روش تحقیق در مطالعۀ حاضر از نظر هدف کاربردی و از نظر روش انجام توصیفی- تحلیلی است. برای گردآوری داده‌های تحقیق از اطلاعات موجود در بلوک‌های آماری سال 1395 شهر تهران، داده‌های طرح تفصیلی و پرسشنامه استفاده شده است. برای بررسی نحوۀ توزیع و پراکنش پدیده‌های اجتماعی و فضایی‌ـ کالبدی در محیط سیستم اطلاعات جغرافیایی مدل‌های مختلفی تعریف شده‌اند. مدل میانگین نزدیک‌ترین همسایگی، مدل خودهمبستگی فضایی محلی موران و مدل تحلیل لکه‌های داغ و سرد از جملۀ این مدل‌ها هستند که در این پژوهش به کار گرفته شده‌اند. 
ابزار تحلیل خودهمبستگی فضایی آمارۀ موران نیز الگوی توزیع فضایی عوارض و پدیده‌ها را با در نظر گرفتن هم‌زمان موقعیت مکانی و خصیصه‌های درونی این عوارض ارزیابی می‌کند. مدل میانگین نزدیک‌ترین همسایگی هم از جمله آزمون‌های خوشه‌بندی است که برای تعیین الگوی پراکندگی پدیده‌ها از آن استفاده می‌شود. براساس این روش، شاخصی به نام Rn (میزان مجاورت) به دست می‌آید که دامنۀ آن بین عدد صفر تا 2/15 متغیر است. این شاخصِ پراکندگی، نحوه و چگونگی الگوی توزیع فضایی پدیده‌ها و عناصر را در محدودۀ مطالعاتی بیان می‌کند. 
یافته‏ها
در این قسمت از پژوهش برای سنجش جدایی‌گزینی، از 30 شاخص در سه بُعد اقتصادی با شش شاخص، بعد اجتماعی- جمعیتی با 15 شاخص و بعد کالبدی- فیزیکی با نه شاخص استفاده شده است. شاخص‌های مورد استفاده برای سنجش جدایی‌گزینی بعد اقتصادی از بلوک‌های آماری سرشماری نفوس و مسکن 1395 استفاده شده، عبارت‌اند از: نرخ اشتغال، بار تکفل، نرخ فعالیت، نرخ اجاره‌نشینی، نرخ مالکیت و نسبت جنسی اشتغال. برای سنجش طبقات بعد اقتصادی از مدل تاپسیس استفاده شده است که خروجی مدل به بلوک‌های آماری در Arcgis Pro 3.0 پیوست شد و با استفاده از روش طبقه‌بندی چندکی طبقه‌بندی گروه‌های جمعیتی انجام شد که 34/6 بلوک در طبقۀ پایین، 32/7 درصد در طبقۀ متوسط و 32/7 درصد نیز در طبقۀ بالا واقع شده‌اند. طبق مدل موران، به طور کلی الگوی توزیع بُعد اقتصادی به صورت خوشه‌ای است و میزان شاخص هم برابر 0/142 است. برای جداشدگی بُعد اجتماعی 15 شاخص استفاده شده است، که چهار شاخص حس تعلق، آرامش و سکون، روابط اجتماعی و اعتماد، از طریق پرسشنامه محاسبه شده و 11 شاخص دیگر (نرخ سواد، بعد خانوار، نسبت جنسی، تراکم جمعیت، نسبت مهاجرنشینی، نسبت طلاق، نسبت جنسی سواد، نسبت جنسی جمعیت محصل، درصد سالمندان، نسبت جنسی سالمندان، نسبت زنان سرپرست خانوار) از طریق محاسبۀ شاخص‌ها روی بلوک‌های آماری سرشماری نفوس و مسکن محاسبه شده‌اند. برای سنجش طبقات بُعد اجتماعی- جمعیتی از مدل تاپسیس استفاده شده است که خروجی مدل تاپسیس به بلوک‌های آماری در Arcgis Pro 3.0 متصل و با استفاده از روش طبقه‌بندی چندکی اقدام به طبقه‌بندی گروه‌های جمعیتی شده است که 34/6 بلوک در طبقۀ پایین، 32/7 درصد در طبقۀ متوسط و 32/7 درصد نیز در طبقۀ بالا واقع شده‌اند. میزان شاخص موران جهانی برابر 0/007 و الگوی توزیع نیز تصادفی است. برای سنجش طبقات بُعد کالبدی‌ـ فضایی از مدل تاپسیس استفاده شده است که خروجی مدل تاپسیس به بلوک‌های آماری در Arcgis Pro 3.0 مرتبط و با استفاده از روش طبقه‌بندی چندکی، اقدام به طبقه‌بندی گروه‌های جمعیتی شده است؛ که 34/6 بلوک در طبقۀ پایین، 32/7 درصد در طبقۀ متوسط و 32/7 درصد نیز در طبقۀ بالا واقع شده‌اند. بر اساس مدل موران جهانی الگوی توزیع بعد کالبدی- فضایی خوشه‌ای است و شاخص موران برابر 0/008 است.
نتیجه‌گیری
در بُعد اقتصادی، بین شش شاخص مورد مطالعه وزن نرخ اجاره‌نشینی برابر 0/354 دارای بیشترین وزن و نرخ فعالیت با وزن 0/052 دارای کمترین وزن است. بر اساس شاخص‌های اقتصادی 34/6  بلوک در طبقۀ پایین، 32/7  درصد در طبقۀ متوسط و 32/7 درصد نیز در طبقۀ بالا واقع شده‌اند و طبق مدل موران به طور کلی الگوی توزیع بُعد اقتصادی به صورت خوشه‌ای است و میزان شاخص هم برابر 0/142 است. بر اساس خروجی وزن‌دهی مدل AHP از شاخص‌های مورد بررسی در بُعد اجتماعی- جمعیتی، نسبت مهاجرنشینی با وزن 0/171 دارای بیشترین وزن و شاخص بُعد خانوار با وزن 0/019 دارای کمترین امتیاز است. در بُعد کالبدی- فیزیکی 11 شاخص بررسی شد، که شاخص فرسودگی قطعات دارای بیشترین امتیاز و اثر آن برابر 0/224  است و خانوار در واحد مسکونی با ارزش 0/028  دارای کمترین ارزش در جدایی‌گزینی شده است. از مجموع بلوک‌های محله که 34/6  بلوک در طبقۀ پایین، 32/7  درصد در طبقۀ متوسط و 32/7 درصد نیز در طبقۀ بالا واقع شده‌اند و بر اساس مدل موران جهانی الگوی توزیع بُعد کالبدی- فضایی خوشه‌ای است و شاخص موران برابر 0/008 است.
جدایی‌گزینی بعد اجتماعی- جمعیتی شاخص‌های تک‌گروهی در بُعد یکنواختی برابر میانگین آن در سطح محله برابر 0/6 است، در واقع در مرز ورود به جداشدگی بالا واقع شده است. از نظر سطح جداشدگی طبقۀ متوسط با امتیاز 0/6964 در رتبۀ اول و طبقۀ بالا با امتیاز 0/6776 در رتبۀ دوم و طبقۀ پایین با امتیاز 0/658  در رتبۀ سوم جداشدگی قرار دارند. به طور کلی، میانگین این شاخص برای هر سه طبقه برابر 0/67 است. از نظر دسته‌بندی ایسلند و همکاران در طبقۀ بالا واقع شده است؛ اما چون فاصلۀ کمی با 0/6 دارد، کمی فراتر از حد آستانه قرار دارد. اما بر اساس شاخص آنتروپی که میانگین آن برابر 0/18 است و چون کمتر از 0/3 است، جدایی‌شدگی در سطح پایینی اتفاق افتاده است. شاخص جینی نیز برابر 0/683 است و چون بالاتر از 0/6 است، جداشدگی در سطح بالا اتفاق افتاده است. بیشترین جداشدگی در طبقۀ متوسط با امتیاز 0/697 و در رتبۀ دوم طبقۀ بالا با امتیاز 0/68  و طبقۀ پایین به نسبت با میزان کمتر جداشدگی مقدار آن برابر 0/66 است و در تمامی سطوح شاخص آتکینسون نیز جداشدگی در سطح بالا اتفاق افتاده و میانگین شاخص نیز برابر 0/678 است. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis of Social-Spatial Separation Space in Inefficient Urban Contexts (Case Study: Qaitarieh Neighborhood of Tehran Metropolis)

نویسندگان [English]

  • Amirhasan Yazdanniaz 1
  • Mostafa Behzadfar 2
  • Abdolhadi Daneshpour 3
1 Ph. D. Candidate, Department of Urban Planning, School of Architecture and Environmental Design, Iran University of Science and Technology, Tehran, Iran
2 Professor, Department of Urban Planning, School of Architecture and Environmental Design, Iran University of Science and Technology, Tehran, Iran
3 Associate Professor, School of Architecture and Environmental Design, Iran University of Science and Technology, Tehran, Iran
چکیده [English]

Introduction 
Hasty management decisions, non-specialist urban management, and the lack of detailed studies in development plans in cities and especially metropolises have led to the creation of neighborhoods with inefficient textures. One of the consequences of these decisions is the creation of a problem called segregation in urban neighborhoods, which has resulted in the separation of different population groups, which can reduce the socio-economic interactions of the residents of the neighborhoods. Around it, there is a decrease in the entry of the investment sector for the development of these contexts, a change in the attitude of most citizens towards choosing their residential space, the migration of the main residents, and the entry of non-native population into the context and creating many problems for the residents of the said context. As a result of this separation, the contacts between the members of this poor class are high and inter-class communication decreases, and with the decrease of the middle class living in the inefficient context, the social anomalies in the neighborhoods become severe. The dilapidated fabric located in Qaitarieh neighborhood with a population of more than 3 thousand people is located in the old fabric of this neighborhood. The reason for choosing Qaytarieh neighborhood is the existence of fabric deterioration in a part of the neighborhood and its central core and the existence of the same socio-economic characteristics in two parts of the neighborhood (inefficient fabric area and the rest of the neighborhood). Of course, paying attention to the importance of the neighborhood as the basic element of the urban planning system in the basics and issues of urban planning and the level of satisfaction of citizens with their residence and their participation in the improvement process of neighborhoods and the lack of sufficient attention in this field, multiplies the importance and necessity of doing this research. In this regard, despite the existence of many problems in these contexts, investigating the relationship between these types of contexts and the issue of social-spatial segregation can be considered one of the most important issues of urban neighborhoods. Therefore, in this research, physical and social separation is investigated in the worn-out and inefficient context of Qaitarieh neighborhood of Tehran.
Materials and Methods 
The research method in the present study is applied in terms of purpose and descriptive-analytical in terms of method. The information available in the statistical blocks of Tehran city in 2015, detailed plan data, and the questionnaire were used to collect the research data. Different models have been defined to investigate the distribution of social and physical-spatial phenomena in the geographic information system environment. The nearest neighborhood average model, Moran’s local spatial autocorrelation model, and hot and cold spot analysis model are the models that are used in this research. The spatial autocorrelation analysis tool of Moran’s statistic also evaluates the spatial distribution pattern of complications and phenomena by simultaneously considering the spatial location and internal characteristics of these complications. The nearest neighborhood average model is one of the clustering tests used to determine phenomena’ distribution patterns. Based on this method, an index called Rn (proximity rate) is obtained, the range of which varies between zero and 2.15. This index of dispersion expresses the manner and pattern of the spatial distribution of phenomena and elements in the study area.
Findings
In this part of the research, 30 indicators have been used in three economic dimensions with six indicators, a social-demographic dimension with 15 indicators, and a physical dimension with nine indicators. The indicators used to measure the separation of the economic dimension from the statistical blocks of the population and housing census of 2015 are employment rate, sponsorship burden, activity rate, rental rate, ownership rate, and employment sex ratio. In order to measure the classes of the economic dimension, the TOPSIS model has been used, the output of the model was added to the statistical blocks in ArcGIS Pro 3.0, and by using the quantitative classification method, the classification of the population groups was done, which included 34.6 blocks in the lower class, 32.7% in the middle class, and 32.7% in the upper class. According to Moran’s model, in general, the distribution pattern of the economic dimension is clustered, and the index value is equal to 0.142. 15 indicators have been used to separate the social dimension, of which four indicators of the sense of belonging, peace, and tranquility, social relations, and trust were calculated through a questionnaire and 11 other indicators (literacy rate, household dimension, sex ratio, population density, immigrant ratio, Divorce ratio, sex ratio of literacy, sex ratio of the student population, percentage of the elderly, sex ratio of the elderly, the proportion of female heads of households) were calculated by calculating the indicators on the statistical blocks of the population and housing census. In order to measure the socio-demographic classes, the TOPSIS model has been used, and the output of the TOPSIS model is connected to the statistical blocks in ArcGIS Pro 3.0, and by using the quantitative classification method, the demographic groups have been classified, which is 34.6 blocks per class. Below, 32.7% are in the middle class and 32.7% are in the upper class. The global Moran index is equal to 0.007 and the distribution pattern is also random. In order to measure physical-spatial dimension classes, the TOPSIS model has been used, and the output of the TOPSIS model is linked to the statistical blocks in ArcGIS Pro 3.0, and population groups have been classified using the quantitative classification method; 34.6 blocks are located in the lower floor, 32.7% in the middle floor and 32.7% in the upper floor. According to the global Moran’s model, the distribution pattern of the physical-spatial dimension is clustered and the Moran’s index is 0.008. 
Conclusion
In the economic aspect, among the six indicators studied, the weight of the rental rate equal to 0.354 has the highest weight and the activity rate with the weight of 0.052 has the lowest weight. According to the economic indicators, 34.6 blocks are in the lower class, 32.7% are in the middle class, and 32.7% are in the upper class. Also, according to Moran’s model, the distribution pattern of the economic dimension is generally clustered and the amount of the index is also equal to 0.142. Based on the weighting output of the AHP model, among the investigated indicators in the socio-demographic dimension, the proportion of immigrants with a weight of 0.171 has the highest weight and the index of the household dimension with a weight of 0.019 has the lowest score. In the physical dimension, 11 indicators were investigated, the wear index of the parts has the highest score and its effect is equal to 0.224, and the household in the residential unit with a value of 0.028 has the lowest value in selection. From the total blocks of the neighborhood, 34.6 blocks are located on the lower floor, 32.7% on the middle floor, and 32.7% on the upper floor, and according to the global Moran model, the physical-spatial dimension distribution pattern is a cluster, and the Moran index is equal to 0.008. The selective segregation of the socio-demographic dimension of single-group indicators in the uniformity dimension is equal to its average at the neighborhood level of 0.6, in fact, it is located on the border of high segregation. In terms of the level of separation, the middle class is in first place with a score of 0.6964, the upper class is in second place with a score of 0.6776, and the lower class is in third place with a score of 0.658. In general, the average of this index for all three classes is equal to 0.67. According to Iceland et al.’s classification, it is located on the upper floor. However, since it is slightly away from 0.6, it is slightly beyond the threshold. Also, according to the entropy index, whose average is equal to 0.18 and because it is less than 0.3, separation has occurred at a low level. The Gini index is also equal to 0.683 and because it is higher than 0.6, separation has occurred at a high level. The highest level of separation is in the middle class with a score of 0.697, in the second place in the upper class with a score of 0.68, and in the lower class with a lower degree of separation its value is equal to 0.66 and in all levels of the Atkinson index, high-level separation has occurred and the average index is equal to It is 0.678.

کلیدواژه‌ها [English]

  • Inefficient Tissues
  • Qaytarieh Neighborhood
  • Selection-Separation
  • Spatial Analysis
[1] Ghaedrahmati S. and Zarghamfard M. “Housing policy and demographic changes: the case of Iran”, International Journal of Housing Markets and Analysis, Vol. ahead-of-print No. ahead-of-print. 2020. https://doi.org/10.1108/IJHMA-06-2019-0064
[2] UN Habitat. World cities report 2022. Envisaging the future of cities. Retrieved from. Nairobi: Kenya: United Nations Human Settlements Programme (UN-Habitat), 2022. https://unhabitat.org/sites/default/files/2022/06/wcr_2022.pdf
[3] Alavi S. A., Meshkini A., Ahmadi H., Zamani A. Spatial Analysis of Physical Poverty of Urban Housing (Case Study: District 17 of Tehran), Asian Journal of Water, Environment and Pollution, 3(16). 115-123. 2019. DOI:10.3233/AJW190040
[4] Storper, M., (2010), Why do regions develop and change? The challenge for geography and economics, Journal of Economic Geography 11, pp. 333–346. https://doi.org/10.1093/jeg/lbq033
[5] Hens L. The challenge of the sustainable city, Environ Dev Sustain, 12:875–876. 2010. DOI https://doi.org/10.1007/s10668-010-9259-3
[6] Garha N., S., & Azevedo A., B. Population and Housing (Mis)match in Lisbon, 1981-2018. A Challenge for an Aging Society, social sciences, 10(3), 102; 2021, https://doi.org/10.3390/socsci10030102.
[7] Shirko A. Ahmad Pour A. Physical-spatial Analysis of the Structure of Urban Old Texture Using GIS (Case Study: the Central Core of Sardasht City, Human Geography Research, 2018. DOI:10.22059/JHGR.2017.61436. [I n Persian]
[8] Babakhanin M. Identify the role of community-based development in urban sustainable renewal (case study: renewal actions in Takhti neighborhood of Tehran 1388-92), Research and Urban Planning, Volume 9, Issue 32 - Serial Number 32, May 2018,Pages 185-196, 2018.]in Persian.[ DOR: 20.1001.1.22285229.1397.9.32.15.2
[9] Fani Z. Tavakolnia J. Amiri H. Biravandzade M. Factors affecting the stability of the inefficient texture of Khorram Abad against natural hazards, Journal of Geography, 2017, [in Persian]. 
[10] Cheshire, P (2007). Segregated neighbourhoods and mixed communities. London: Joseph Rowntree Foundation.
[11] Gordon D. et al., Poverty and social exclusion in Britain, Joseph Row Entrée, Foundation, York. 2003.
[12] Van der Wusten, it. And Musterd, s. ,Welfare state Effects on Inequality and Segregation. In: s. Musterd & W. Ostendorf in Western citiers, London: Routledge, pp: 238-248. 1998.
[13] Kaplan, H.D., Wheeler, O.J., Holloway, R. S., Urban Geography, US: Wiley publication, 2004.
[14] Jalilisadrabad. S., & Hashemi, S.Z. The Evolution of the Concept of Segregation in the Thinkers’ Opinions. Armanshahr Architecture & Urban Development Journal. 13(32), 253-267, 2020, .[in Persian].
[15] Afrogh, E. Space and social inequality: a model for spatial segregation and its consequences, Tehran, Tarbiat modares university, 1998, [in Persian].
[16] Sabatini, F., (2003), the Social Spatial Segregation in the Cities of Latin America, Inter-American Development Bank, No. 3418, Sustainable Development Department.
[17] Mirabadi, M., Mahdavi Hajilowi, M., Rajabi, A. Explanation and analysis of spatial imbalance and measurement of factors affecting concentration and segregation in Mahabad city, geographical-space journal, 2018, NO. 62, Page 253- 272. [in Persian].
[18] Yazdani M. H., Soltani A., Nazmfar H., Attar M. A., The Measure of Residential Segregation of Socio-Economic Groups by Using Multigroup Indices in Shiraz City, Scientific Journals Management System, Volume 16, Issue 42 (12-2016), [in Persian].
[19] Zahirnejad, A. Dadashpoor H., Examining Socio-Spatial Segregation of Educational and Occupational Groups in Isfahan Metropolitan Region, Journal of Physical Development Planning, Vol. 3, No. 1, (New Series), Spring 2018 (25-44).
[20] lotfi s. ,ghazaie m. Studying The Role of Segregation in the Emerging of Deteriorated Urban Fabrics Case Study: ‘Qāssem-Ābād’ District (Mashhad, Iran), Geography and Development, Volume 17, Issue 54 - Serial Number 54, March 2019, Pages 15-36. [in Persian]. DOI: 10.22111/GDIJ.2019.4349
[21] Rousta M. , Manzar, The role of social components in realizing urban renewal, Volume 2, Issue 10, September 2010, Pages 26-30. [in Persian].
[22] Ruiz-Tagle, Javier, (2013), A Theory of Socio-spatial Integration: Problems, Policies and Concepts from a US Perspective, International Journal of Urban and Regional Research, Volume 37.2, pp. 388-408. 
[23] Marques, Eduardo, (2012), Social Networks, Segregation and Poverty in São Paulo, International Journal of Urban and Regional Research, Volume 36.5, pp. 958-979.
[24] Roustaie Sh. Karimzadeh H. Rahmati Kh., Analysis of spatial inequalities based on social, economic and physical indices in medium-sized cities (Case study: Miyandoab City), Geographical Urban Planning Research (GUPR), Volume 4, Issue 3, October 2016, Pages 449-471, [in Persian].
[25] Hosseini A. Pourahmad A. Hataminejad H. Rezaeinia H., Bagh-e Nazar, Optimal Strategies in Ordering Blight Texture of Gheytariyeh Neighborhood, Using QSPM Method, Volume 10, Issue 24 - Serial Number 24, March 2013, Pages 79-90, [in Persian].