MENDELOVA UNIVERZITA V BRNĚ. Spádovost obcí Jihomoravského kraje s ohledem na vybrané služby

Transkript

1 MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií Spádovost obcí Jihomoravského kraje s ohledem na vybrané služby Bakalářská práce Vedoucí práce: RNDr. Aleš Ruda, Ph.D. Autorka práce: Monika Schindlerová Brno 2014

2 Anotace Předložená práce se zabývá vymezováním spádovostí obcí v Jihomoravském kraji s ohledem na vybrané služby. V teoretické části jsou popsány metody výběru obslužných středisek a možnosti vymezování spádových oblastí. Zvláště je zde kladen důraz na gravitační modely a vzdálenostní analýzy s využitím geografických informačních systémů. Praktická část hodnotí rozmístění vybraných služeb v obcích Jihomoravského kraje. Pomocí Thiessenových polygonů a Reillyho modelu je vymezována spádovost obcí za vybranými službami. Závěrem jsou diskutovány nedostatky rozmístění služeb v obcích Jihomoravského kraje a omezení použitých modelů pro určování spádovosti. Klíčová slova spádovost, Reillyho model, Thiessenovy polygony, obec s rozšířenou působností, dopravní dostupnost, nodální region, Jihomoravský kraj Annotation This thesis deals with catchment area of communities in South Moravian Region for selected services. In theoretical part gravity model and proximity analysis in Geographic information systems are present. Other part evaluate distribution of selected services in communities in the South Moravian region. With Thiessen polygons and Reilly s model are defining catchment area. In final part of thesis problems about distribution of selected services in communities and the limitations of models used for determinig the catchment area are discussed. Key words catchment area, Thiessen polygons, accessibility, municipality with extended powers, nodal region, South Moravian Region

3

4 Poděkování Na tomto místě bych ráda poděkovala vedoucímu práce, RNDr. Aleši Rudovi, Ph.D. nejen za odborné vedení, ale také za povzbuzení, motivaci a věnovaný čas mé práci.

5 Čestné prohlášení Prohlašuji, že jsem práci: vypracoval/a samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědom/a, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne:.. podpis

6 OBSAH 1 ÚVOD CÍL A METODY PRÁCE Cíl Metody práce AKTUÁLNÍ STAV ŘEŠENÉ PROBLEMATIKY REGION TEORIE CENTRÁLNÍCH MÍST OBSLUŽNÁ STŘEDISKA Spádová oblast v obslužné sféře Metody výběru obslužných středisek Dynamické charakteristiky DOPRAVNÍ DOSTUPNOST PROSTOROVÁ DATA A GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY Vzdálenostní analýzy Analýzy sousedství Síťové analýzy a Teorie grafu JIHOMORAVSKÝ KRAJ SPÁDOVOST OBCÍ V JIHOMORAVSKÉM KRAJI S OHLEDEM NA VYBRANÉ SLUŽBY Maloobchod s potravinami a smíšeným zbožím Pošta Banka a bankomat DISKUZE A VÝSLEDKY ZÁVĚR ZDROJE SEZNAM POUŽITÝCH ZKRATEK... 56

7 SEZNAM OBRÁZKŮ A TABULEK SEZNAM PŘÍLOH... 59

8 1 ÚVOD Spádovost obcí za službami je významný regiontvorný proces, který utváří podobu sídelního systému. S rozvojem společnosti dochází i k rozšiřování potřeb obyvatelstva v oblasti statků a služeb. Služby se koncentrují jen v určitých místech, a proto jsou obyvatelé nuceni za uspokojením svých potřeb dojíždět do hierarchicky vyšších míst, kde se nachází zařízení občanské vybavenosti. Občanská vybavenost obcí je klíčová pro růst a rozvoj obce. Obec, na jejímž území se nachází služby základní občanské vybavenosti, je lákává pro nové, mladé obyvatele, kteří se do této obce stěhují. Pokud obec nemá dostatečnou kapacitu na provoz zařízení občanské vybavenosti, je nutné pro její obyvatelé zajistit dostupnost za těmito službami do nejbližší spádové obce. Předložená práce se zabývá prostorovým rozmístěním vybraných služeb v Jihomoravském kraji. Tato práce také analyzuje spádovost obcí v Jihomoravském kraji za vybranými službami (maloobchod s potravinami a smíšeným zbožím, pošta, banka a bankomat). Služby byly vybrány podle důležitosti pro obyvatele obce. Maloobchod s potravinami a smíšeným zbožím je služba využívaná každodenně a nachází se i v některých menších obcích Jihomoravského kraje. Pošta je také široce užívanou institucí, která kromě listových služeb nabízí také finanční služby a služby egovernmentu ( 2014). Banka, není občany využívaná tak často, zatímco bankomat je pro některé občany denní potřebou. První část bakalářské práce se věnuje charakteristice a vymezením obslužných středisek a také možností určování spádových oblastí jako regionalizačního procesu a také v prostředí geografických informačních systémů. Praktická část hodnotí rozmístění služeb v Jihomoravském kraji a pomocí Thiessenových polygonů a Reillyho modelu jsou určeny spádová území k střediskům Jihomoravského kraje. Výsledky těchto modelů jsou porovnány se správními obvody obcí s rozšířenou působností, kam jednotlivé zkoumané obce patří. 8

9 2 CÍL A METODY PRÁCE 2.1 Cíl Cílem bakalářské práce je zhodnotit přístupy k vyhodnocování spádovosti obcí k službám a na základě získaných dat také zhodnotit prostorového rozmístění vybraných služeb v obcích Jihomoravského kraje. Dílčím cílem je identifikace případných nedostatků v dostupnosti vybraných služeb. 2.2 Metody práce V praktické části bakalářské práce bylo pracováno s prostorovými daty v prostředí geografických informačních systémů (GIS). Hlavním zdrojem dat k této práci byl dotazník sestavený Odborem regionálního rozvoje, Krajského úřadu Jihomoravského kraje (viz příloha 1). Garantem tohoto dotazníku byl Jihomoravský kraj. Dotazník byl poslán všem obcím Jihomoravského kraje a věnuje se především otázkám občanské vybavenosti, technické infrastruktury, kultury, cestovního ruchu a rekreace v jednotlivých obcích Jihomoravského kraje. Dotazníkové šetření probíhalo v období březen 2013 až červen Z 673 obcí Jihomoravského kraje dotazník vyplnilo 542 obcí, což představuje návratnost 81 % (viz Tabulka 1). 9

10 Tabulka 1 Návratnost dotazníků dle okresů Jihomoravského kraje Počet obcí, které vyplnily dotazník Okres Počet obcí celkem abs. % Blansko ,6 Brno-venkov ,1 Břeclav ,0 Hodonín ,8 Vyškov ,3 Znojmo ,1 Jihomoravský kraj ,7 Zdroj: Vyhodnocení komplexního dotazníkového šetření v obcích Jihomoravského kraje k , GaREP 2013 Z tohoto dotazníku byly vybrány služby maloobchod s potravinami a smíšeným zbožím, pošta, banka a bankomat. Tyto služby v dotazníku vyplňovali pouze obce do obyvatel, proto bylo nutné tyto chybějící informace dohledat. Pomocí map v aplikaci Google Maps, byly vyhledány jednotlivé obce Jihomoravského kraje, pro které chyběli údaje o občanské vybavenosti. Na těchto mapách byly vyhledány vybrané služby a chybějící údaje byly doplněny Dotazníkové šetření neproběhlo v jednotlivých městských částech města. Situace ve městě Brně a jeho městských částech je v oblasti technické infrastruktury a občanské vybavenosti naprosto rozdílná ve srovnání s ostatním územím. Vyhodnocení dotazníkového šetření provedla společnost GaREP, spol s r.o. (GaREP, 2013). Základní metodou pro hodnocení prostorově rozložených jevů je kartografická metoda. Součástí kartografické metody je vědecká syntéza a analýza kartografických informací obsažených v mapách. Pomocí těchto analýz kartografická metoda využívá mapy pro výzkum a poznání objektů, jevů a jejich charakteristik (Terminologický slovník zeměměřičského katastru a nemovitostí, 2014). Dále je v této metodě zahrnuta problematika matematického a logického zpracování a vyhodnocení map, s ohledem na geografickou podrobnost, uživatelské aplikace, obsahovou úplnost a strukturu vzájemných vazeb (Čerba, 2007). 10

11 Pro tvorbu výsledných map byla použita podkladová data z geografické informační databáze ArcČR 3.0, jejímž obsahem jsou přehledné geografické informace o České republice. Konkrétně se jedná o polygonovou vrstvu Jihomoravského kraje a o bodovou vrstvu jednotlivých obcí v Jihomoravském kraji. Tyto data byla zpracována v programu ArcGIS Desktop V programu ArcGIS Desktop 10.2 byly pomocí aplikace ArcToolbox a nástroje Proximity (Vzdálenostní analýzy) sestaveny funkcí Create Thiessens Polygon Thiessenovy polygony. Tyto polygony rozdělují dané území a vymezují tak ideální spádová území. Takto bylo sestrojeno několik map, které vymezují spádovost obcí za vybranými službami. Thiessenovy polygony pracují pouze s tzv. euklidovskou metrikou, která je určená převážně pro určování vzdáleností v prostorech s kontinuálními souřadnicovými systémy (Ruda, 2012). Určování spádovosti závisí na mnoha faktorech. Proto byl pro území Jihomoravského kraje vypočítán Reillyho model, který zohledňuje jak vzdálenost dvou center, ale také velikost těchto center (Redlichová, 2013). Pro výpočet Reillyho modelu bylo pro každou obslužnou oblast vybráno obcí, které leží na hranici Thiessenových polygonů. Z výsledků Reillyho modelu a Thiessenových polygonů bylo vytvořeno grafické znázornění polohy mezi 2 body (centry). Získaná data z obou modelů byla porovnána se správními obvody obcí s rozšířenou působností (SO ORP), kam zkoumané obce spadají. Závěrem je zhodnocení rozmístění daných služeb na území Jihomoravského kraje a diskutovány nedostatky vybraných modelů pro určování spádovosti. 11

12 3 AKTUÁLNÍ STAV ŘEŠENÉ PROBLEMATIKY Klasifikací a vymezováním regionů se ve svých dílech zabývá Toušek a kol. (2008) anebo také Wokoun (1984) a mnoho jiných autorů. Nejen Anděl (1996) ve své práci poukazuje na vztah střediska a jeho zázemí, které je typické pro nodální regiony. Hampl (1978) vymezuje sociálně geografické procesy a jako první využívá termín sociálněgeografická regionalizace. Významnými autory v oblasti geografie maloobchodu, jsou například Sczyrba (2006), Wokoun (1984) nebo také Maryáš (2013), který se věnuje vývoji spádovosti za službami v zázemí Brna. Vztahy mezi místem bydliště a místem maloobchodu a služeb řadí mezi základní socioekonomické vztahy. Autoři Klapka (2010) a Vystoupil (2008), podrobně popisují obslužná střediska a metody jejich výběru. Jednou z těchto metod je i široce používaný Reillyho model, který Halás a Klapka (2010) využívají ve své studii regionalizace Česka. Regionalizaci České socialistické republiky provedl už Hůrský (1978) na základě spádu osobní dopravy. Toušek a spol. (2008) se zabývá i geografií dopravy. Jelikož právě dojížďka za obchodem a službami je považována jako jeden z regiontvorných procesů. Mirvald (1999) dopravní dostupnost neboli akcesibilitu chápe jako proces, který vyjadřuje prostorovou, časovou a frekvenční dostupnost dopravních uzlů. Určení významného postavení dopravních uzlů pak z hlediska jejich dostupnosti umožňuje rozhodovat o optimálním rozmístění socioekonomických aktivit v prostoru a provádět geografickou regionalizaci. Horák (2002) dopravní dostupnost definuje podobně jako Mirvald (1999), ale zabývá se také celkově prostorovými vztahy, vazbami mezi těmito vztahy a vzdálenostními analýzy. Poměrně podrobně se dopravou a hierarchizací středisek na základě dopravní dostupnosti zabývá Marada (2010). Ze zahraničních autorů, kteří se zabývají problémem dopravní dostupnosti a geografii dopravy můžeme zmínit Rodrigueho (2012), který se zabývá problémem dopravy v běžném životě, vlivem dopravy na ekonomiku, životní prostředí a také se věnuje otázce, jak doprava ovlivňuje prostorové členění území. Hudeček (2011) využívá tzv. modely dostupnosti pro určování dopravní dostupnosti Prahy při využívání silniční dopravy. Tyto modely jsou základem pro výpočet dostupností. Maier (2008) hodnotí dostupnost funkčních městských zón a urbanizovaných zón na základě časové dostupnosti. Naproti tomu Šeděnková (2005) se ve své práci zabývá hodnocením dopravní dostupnosti na základě analýzy jízdních řádů. 12

13 Problém vymezování spádových území jednoznačně souvisí s prostorovými daty. S těmito daty pracují geografické informační systémy. Přínos GIS zmiňuje Ruda (2013), který také popisuje jednotlivé analýzy v GIS, které lze využít pro vymezování spádových území a také pro hodnocení dopravní dostupnosti. Pravděpodobně nejpoužívanější analýzou pro určování dopravní dostupnosti a obslužnosti je síťová analýza. Tuto analýzu využívá Horák (2002) při určování dopravní dostupnosti pro dojížďku do zaměstnání v okrese Nový Jičín v roce Švec (2006) vymezuje dopravně geografické regiony taktéž pomocí nástrojů v GIS, kdy tyto regiony vymezuje na základě převažujícího počtu přímých spojů z jednotlivých sídel zkoumané oblasti do všech potencionálních středisek. Centrum pro regionální rozvoj Masarykovy Univerzity (2013) jednou za 3 roky hodnotí a zpracovává analýzu maloobchodní sítě města Brna, kdy pomocí nástroje GIS vymezuje ideální spádové oblastí vybraných velkých maloobchodních jednotek (či jejich shluků) s použitím tzv. Thiessenových polygonů. V českém prostředí mnoho výzkumů či studií, které by využívali Thiessenových polygonů k vymezování spádových území nenajdeme. Ze zahraničních autorů, kteří ve své práci využívají Thiessenovy polygony lze zmínit Kevina M. Curtina a Richarda L. Churche (2007), kteří prezentují výzkum optimálních modelů rozptylu a jejich uplatnění na teorii centrálních míst. Dále byly Thiessenovy polygony uplatňovány Lars Brabynem a Chris Skellym (2002) při řešení geografické dostupnosti veřejných nemocnic na Novém Zélandu. Thiessenovy polygony byly také využity pro prostorové vymezení vlivu urbanizovaných center pro aproximaci vlivu migračních toků z venkovských oblastí v bývalé Německé demokratické republice (Tiefelsdorf, 2000). Nadine Schuurman (2006) definuje spádovost nemocničních zařízení pro venkovská území pomocí časové dostupnosti. V této práci uvádí i možnost použití Thiessenových polygonů a zmiňuje některé z nevýhod při využití Thiessenových polygonů pro určování spádovosti. Jedním z těchto nedostatků je, že Thiessenovy polygony neberou v potaz velikost daného zařízení či kapacitu tohoto zařízení. Thiesenovy polygony také nezohledňují dopravní podmínky a vzdálenost měří pouze vzdušnou čarou. Další prací, která významně využívá Thiessenových polygonů je analýza spádovosti dopravních stanic v Pekingu (Wang Shu Wei, 2013). Studií a analýz, které využívají Thiessenových polygonů existuje celá řada. Pro aktuální přehled této problematiky byly využity stěžejní práce od kvalifikovaných odborníků. 13

14 4 REGION Region (z latinského regio) lze definovat různě, konkrétní definice záleží na tom, pro jakou potřebu region vymezujeme. Dle Touška (2008) můžeme region považovat za omezený složitý dynamický prostorový systém, který vznikl na základě interakce přírodních a sociálně ekonomických jevů a procesů. Regiony lze vymezovat podle různých hledisek. Pro potřeby výkonu veřejné správy jsou vytvářeny administrativní regiony. Účelové regiony vymezujeme pro řešení určitých problémů. Na základě HDP (Hrubý domácí produkt) můžeme regiony dělit na růstové, stagnující a problémové. Podle tzv. charakteru regionalizačního kritéria vymezuje regiony homogenní a heterogenní (Krejčí, 2010). Homogenní regiony jsou regiony se stejnými, či podobnými vlastnostmi. Heterogenní regiony vymezujeme na základě vazeb mezi prvky (Toušek a kol., 2008). Těmito vazbami jsou zejména toky služeb, zboží nebo osob. Příkladem heterogenního regionu je region nodální neboli funkční. Nodální regiony jsou založeny na polarizaci prostoru v rámci vztahu jádro a periferie. Jedním ze základních předpokladů pro vymezení nodálního regionu je existence jádra (nodus), které je chápáno jako středisko komunikace celého regionu. Toto jádro, bývá nositelem pokroku a většinou v rozhodující míře ovlivňuje své zázemí (Krejčí, 2010). V zázemí je zřejmý vliv střediska, neboť zázemí středisko obklopuje. Tento vliv se však mění s rostoucí vzdáleností a projevuje se pak vliv sousedních regionů. Proto jsou hranice regionů měkké a okrajové části označujeme jako oscilující (Anděl, 1996). Nodální regiony studuje humánní geografie, kde interakce probíhá prostřednictvím dopravní sítě. Se vzrůstající vzdáleností intenzita těchto interakcí klesá. Toky mají tendenci uskutečňovat se v určitých kanálech či komunikacích což posléze vede k vytváření sítí. Většina toků v sítích se řídí principem minimálního úsilí. Interakce tedy musí probíhat nekratší, nejrychlejší nebo co nejlevnější cestou ze zázemí do centra (Toušek a kol., 2008). Hampl (1978) sociálně geografické regionální procesy definuje jako: vztahy mezi sociálně geografickými jevy, při nichž jsou formou přemisťování osob a materiálu a přenosu informací zajišťovány a uspokojovány vzájemné potřeby sociálně geografických regionů. Nejvíce pozornosti věnuje procesům migrace obyvatelstva a obslužným procesům. Dle Hampla (1978) základní sociálně geografický komplex 14

15 představuje rámec, v němž jsou relativně uzavřeny nejpodstatnější a nejfrekventovanější potřeby individuálních obyvatel, tedy vztahy mezi bydlištěm, pracovištěm a základními službami. Hampl (1978) stanovil základní obecná kritéria pro určení řádu a významu regionálních procesů: a) Územní rozsah procesu, který vyjadřuje velikost rámce, v němž je daný regionální proces relativně uzavřen. b) Intenzita procesu je základním kritériem pro určení různého významu jednotlivých procesů, c) dalším kritériem je přirozenost procesu, neboť v řadě konkrétních příkladů byla zjištěna výrazná determinace územní diferenciace procesů administrativních organizací. Regionální procesy jsou tedy rozhodující pro sociálněgeografickou regionalizaci (Hampl, 1978). 5 TEORIE CENTRÁLNÍCH MÍST Pro lokalizaci zařízení služeb v území jsou rozhodující lokalizační faktory: strukturní, demografické, ekonomické, technologické, společenské a politické. Podle frekvence využívání určitých druhů služeb vysvětluje lokalizaci strukturní faktor. Na základě tohoto faktoru byla zařízení služeb rozdělena do tří kategorií: základní (uspokojují každodenní potřeby), vyšší (uspokojují potřeby na určité časové období), nejvyšší (uspokojují potřeby jen někdy). Základem pro první teorii rozmístění služeb v území teorie centrálních míst jsou faktory demografický a strukturní. (Toušek a kol., 2008). Principem teorie centrálních míst je hierarchický princip a princip poklesu poptávky se vzdáleností. Každé obslužné středisko (centrální místo) vytváří a poskytuje zboží a služby (centrální funkce). Cena poskytovaného zboží a služeb je zde pro spotřebitele diferencována pouze dopravními náklady, které se zvyšují se vzdáleností od centrálního místa. Čím více roste vzdálenost, tím více klesá poptávka a pro každé zboží nebo služby můžeme sestrojit tzv. kužel poptávky. Promítnutím tohoto kuželu do území vzniká kruhová obslužná oblast. Problémem těchto kruhových oblastí je, že nepokryjí beze zbytku rovinu a vzniknou místa, kde obyvatelé nebudou obslouženi, nebo bude docházet k překryvům obslužných oblastí. V územích, kde k překryvům dochází, budou mít spotřebitelé snahu minimalizovat dopravní náklady. Zvolí tedy takové obslužné 15

16 středisko, které uspokojí jejich potřeby a zároveň bude nejblíže. Tím vznikne pravidelná šestiúhelníková síť obslužných oblastí, zobrazená na obrázku 1 (Toušek a kol., 2008). Obrázek 1 Geometrické modely sítě centrálních míst (Zdroj: Krejčí, 2012) Síť šestiúhelníků odráží základní parametry teorie: minimální počet zákazníků a maximální vzdálenosti. Spodní hranici prostorového rozšíření příslušné služby představuje minimální počet zákazníků. Maximální vzdálenost od střediska, ze kterého je zákazník ochoten dojet za danou službou představuje horní hranici. Prostor vymezený horní hranicí tvoří spádové území střediska. Každá služba má jiný minimální počet zákazníků k udržení služby, proto velikost spádových území závisí právě na typu služby (Krejčí, 2012). Tím, že se služby soustřeďují ve střediscích, vzniká prostorová hierarchie center. Středisko má v hierarchii center tím vyšší postavení, čím vetší rozsah služeb poskytuje. Christaller vychází z 3 možných způsobů vytváření prostorové hierarchie center - tržní, dopravní a administrativní. Každý z těchto způsobů je definován tzv. K funkcí, která udává, kolikrát menší území obsluhuje středisko nižšího řádu oproti centru o řád vyššímu. Tržní princip k=3 vychází z předpokladu na minimální počet středisek, potřebných k obsluze území Dopravní princip k=4 předpokládá minimální délku komunikací ke spojení středisek Administrativní princip k=7 uvažuje jednoznačnou příslušnost nižších středisek ke středisku vyššímu, proto jsou všechna střediska nižšího řádu umístěna uvnitř území hierarchicky vyššího centra. Christallerova teorie byla ve své době velice inspirativní a prošla mnoha modifikacemi (Krejčí, 2012). 16

17 6 OBSLUŽNÁ STŘEDISKA Na základě vyjížďky za službami jsou konstruovány obslužné regiony. Existuje zde určitá hierarchie určená na základě vzdálenosti, do které jsou služby poskytovány (nebo zboží prodáváno) a na základě počtu spotřebitelů, které potřebují, aby byly ještě ekonomické. Vystoupil (2003) rozlišuje obslužné aktivity "nižšího řádu" zásobující spotřebitele na malé vzdálenosti, ale o vysoké frekvenci a obslužné aktivity "vyššího řádu" zásobující spotřebitele na velké vzdálenosti komoditami s malou frekvencí využívání. Poptávka obyvatel po určitém středisku je považována za rozhodující pro stanovení role střediska v maloobchodním obslužném systému. Důležité jsou nákupní proudy za nepotravinářským zbožím. Prodejny nabízející nepotravinářské zboží bývají označovány jako střediskotvorný činitel, jelikož obsluhují nejen obyvatelé vlastního střediska, ale také obyvatelé v jeho zázemí (Szczyrba, 2006). Podle toho kde maloobchod působí, rozlišujeme maloobchodní síť urbánní (městskou) a síť rurální (venkovskou). Každá z těchto sítí se vyznačuje odlišnými provozněsortimentními, prostorovými a organizačními parametry. Místně soustředěná poptávka a širokosortimentní nabídka je typická pro síť urbánní. Zatímco venkovská síť uspokojuje místně málo koncentrovanou poptávku a je spojena s vysokými náklady oběhu zboží s porovnáním s městskou sítí (Szczyrba, 2006). 6.1 Spádová oblast v obslužné sféře Tvar spádové oblasti podléhá prostředí geografické sféry, ve kterém se daná oblast nachází. Jestliže je dopravní dostupnost v této oblasti ve všech směrech stejná, tvar spádových oblastí představují koncentrické kružnice kolem centra prostředí má tedy izotopický charakter. U tzv. anizotropického charakteru prostředí, je tvar spádové oblasti ovlivněn prostorovým rozložením dopravní sítě, kdy se koncentrické kružnice protahují kolem dopravních linií. Při Christallerově teorii centrálních míst, kdy jsou kolem středisek obslužnosti vymezovány už zmiňované pravidelné hexagony, které definují spádové oblasti je vymezován izotropní neboli homogenní charakter, který je charakteristický pro regionalizaci obslužné sféry (Rodrigue, 2012). 17

18 Centrum spádové oblasti je charakterizované nabídkou a zázemí poptávkou. Poptávka je ochota nakupujících zaplatit za nabízené zboží a služby za danou cenu. Nabídka potom představuje množství zboží a služeb, které centrum poskytuje. Cenou rozumíme součet nabízené ceny a také ceny přepravních nákladů, která je nutná k překonání prostoru (Rodrigue, 2012). 6.2 Metody výběru obslužných středisek Při výběru středisek obslužné sféry a hodnocení jejich hierarchické úrovně můžeme použít následující metodické přístupy: a) Výběr středisek na základě statických charakteristik vymezení na základě údajů o funkci, kapacitě a využití zařízení služeb v sídlech, b) Výběr středisek na základě dynamických charakteristik vymezení na základě velikosti obsluhovaného území, tj. na základě obslužných procesů mezi sídly. Statické charakteristiky využívají data běžně zjišťovaná statistickými úřady nebo různými resortními soupisy. Dynamické charakteristiky používají data o spádovosti obyvatelstva za obslužným vybavením sídel (Toušek a kol., 2008) Dynamické charakteristiky Pro určení rozsahu spádových území jednotlivých středisek a pro zjištění intenzity vztahu střediska a jeho zázemí se využívají metody založené na dynamických charakteristikách (Toušek a kol., 2008). Při obslužných regionalizacích (vymezování zázemí středisek maloobchodu a služeb) jsou používány metodické přístupy založené jak na využití interakčních modelů, tak na využití údajů z anketárních šetření. Při použití interakčních modelů patří mezi nejčastěji užívané gravitační modely a modely mezilehlých příležitostí (Maryáš, 2013). Vymezení sfér vlivů na základě anketárních šetření Při zajišťování spádovosti za službami pomocí anketárního šetření se nejčastěji používají 2 způsoby: a) Anketa ve vybraných zařízeních obslužné sféry určitého střediska, b) Anketa ve všech sídlech zkoumané oblasti (Toušek a kol., 2008). 18

19 Jak uvádí Řehák (2009): anketární šetření bývá realizačně velmi náročné a nelze ho prakticky provést na větších územích. Vymezení sfér vlivu středisek obslužnosti na základě prostorových interakčních modelů Prostorové interakční modely vychází z principu maximalizace entropie, kdy při respektování vložených omezeních hledáme nejpravděpodobnější stav systému. Tyto modely nachází uplatněné převážně v geografii maloobchodu (Toušek, 2008). Výhoda těchto modelů spočívá v tom, že mohou být uplatněny prakticky na jakémkoliv území. (Halás, Klapka, 2010). Gravitační modely Počátky použití gravitačních modelů pro vymezení spádového území obslužných středisek se datují už ve 20. letech minulého, kdy Reilly formuloval na základě anketárního šetření prováděného v Texasu tzv. zákon maloobchodní gravitace. (Maryáš, 2013). Toušek a kol. (2008) uvádí původní vyjádření gravitačního modelu jako interakci mezi dvěma středisky, kde se koncentrace obyvatelstva mění přímo úměrně s počtem obyvatel těchto středisek a nepřímo úměrně se vzdáleností mezi nimi. Tento vztah lze vyjádřit následovně:, (1) kde: I ij interakce mezi střediskem i a střediskem j, P i, P j populace střediska i, resp. J, d ij vzdálenost mezi středisky i a j, (Toušek a kol., 2008). Pozdější vývoj modelu vedl k zevšeobecnění proměnných. Například místo počtu obyvatel sídla se zavádí tzv. produkční proměnná, což je v podstatě úroveň poptávky v sídle a tzv. proměnnou atraktivity, což je úroveň nabídky v jiném sídle a rovněž vzdálenost je nahrazována tzv. generalizovanou dopravní funkcí (Toušek a kol., 2008). 19

20 Nejznámějším gravitačním modelem je tzv. Reillyho zákon maloobchodní gravitace. Tento zákon uvádí skutečnost, kdy v normálních podmínkách dvě města, která jsou středisky maloobchodu, přitahují nakupující z okolních sídel přímo úměrně síle počtu obyvatel těchto měst a nepřímo úměrně síle vzdálenosti každého z těchto měst k okolním sídlům (Toušek a kol., 2008). Reillyho zákon maloobchodní gravitace: ) N *( n, (2) kde: B i, B j síla atraktivity měst i, j, přitahující nakupující ze sídla k, P i, P j počet obyvatel měst i a j, D ij,d jk vzdálenost měst i a j od sídla k, N exponent počtu obyvatel (N=1), n exponent vzdálenosti (n=2), (Toušek a kol., 2008). Podle způsobu územního vymezení Halás a Klapka (2010) určují 3 základní verze Reillyho modelu - Geometrickou, topografickou a oscilační. Geometrická verze Reillyho modelu je považována za nejjednodušší, jelikož pracuje v prostoru pouze se vzdušnými vzdálenostmi a není zde zohledněna žádná komunikační síť. Tato verzi je využívána v případech předběžného posuzování možných vlivů středisek, při zkoumání rozsáhlejších území, která jsou komunikačně dobře vybavena a bez velkých přírodních bariér. Topografická verze Reillyho modelu pracuje s konkrétními geografickými charakteristikami území, např. s dopravní sítí, která v sobě do jisté míry zohledňuje i fyzicko-geografické podmínky zkoumaného prostoru. Tato verze pracuje také s územními zónami a se silničními vzdálenostmi mezi centry těchto územních zón. Topografickou verzi lze použít nejen ke klasickým regionalizačním úlohám, ale také k testování vhodnosti prostorového členění území (Halás, 2010). 20

21 Problém Reillyho modelu je spatřován v určování spádových oblastí, kdy tím, že sféry vlivu jsou považovány za uzavřené a navzájem se vylučující, mohou zkreslovat skutečnost (Maryáš, 1983). Z těchto důvodů jsou do modelu zaváděna jakási přechodná pásma, tedy regiony, jejichž příslušnost k vyšším hierarchickým střediskům může oscilovat. S těmito přechodnými pásmy, pracuje tzv. oscilační verze Reillyho modelu (Řehák, 2009). Tato verze určuje regiony, jejichž regionální příslušnost se pohybuje někde na pomezí sfér vlivu středisek. Tuto verzi můžeme uplatnit na počátku detailnějšího studia spádovosti, ale také v závěrečné fázi, na případné korekce výsledných regionalizacích (Halás, 2010). Výběr středisek, je důležitou fází aplikace Reillyho modelu. Tento výběr může probíhat na základě vícero kritérií. Nejjednodušším kritériem je výběr podle velikostního kritéria, kde je možné zohlednit počet obyvatel samotného střediska i možný počet obyvatel zóny jeho vlivu (Halás, 2010). U Reillyho modelu můžeme vypočítat tzv. bod rovnováhy mezi středisky. Pomocí tohoto bodu je možné vymezit spádové oblasti středisek. Pro tento bod platí, že pravděpodobnost cestování za nákupy do jednoho střediska je rovna pravděpodobnosti cestování za nákupy do konkurenčního střediska (Toušek a kol., 2008). Reillyho model prošel mnoha modifikacemi, jednou z nich je modifikace Reillyho modelu, která upravuje vztah mezi střediskem a městem ve spádové oblasti města - Nový zákon maloobchodní gravitace. Podle tohoto modelu si spádové středisko a město ležící vně nebo na hranici spádové oblasti rozdělují maloobchodní obrat menšího sídla zhruba přímo úměrně počtu obyvatel a nepřímo úměrně tzv. faktoru netečnosti a vzdálenosti. Faktor netečnosti potom představuje netečnost, která musí být překonána, aby se uskutečnila návštěva obchodu. Tento model byl nejčastěji používán pro hodnocení vztahu měst a satelitních sídel ve spádové oblasti velkoměsta. 21

22 Nový zákon maloobchodní gravitace: )*( 2, (3) kde: B i, B k velikost nákupu obyvatel sídla k, ve středisku i a v místě bydliště, P i, P k počet obyvatel střediska i a sídla k, D ik - vzdálenost mezi sídlem k a střediskem i, X faktor netečnosti, (Toušek a kol., 2008). Zajímavou modifikací je i tzv. Huffův model, kdy Huff upravil klasickou formu modelu vzájemné interakce dvou sídel vzdálených od sebe do podoby:, (4) kde: P(C ij ) pravděpodobnost, že obyvatelé sídla budou i budou nakupovat ve středisku j, S j velikost střediska j vyjádřena prodejní plochou, T ij časová dosažitelnost střediska j ze sídla i, λ parametr, který se mění s hierarchickou úrovní střediska (stanoven empiricky), (Toušek a kol. 2008). Tento model bere v úvahu fakt, kdy jednoznačné rozdělení území mezi jednotlivá střediska lze použít zvláště tam, kde je vzdálenost ke střediskům rozhodujícím faktorem spádu a možnosti výběru jsou malé zejména ve venkovských oblastech. V daleko více urbanizovaných územích působí na jednotlivá sídla více středisek a tím rostou i možnosti výběru (Toušek a kol., 2008). V tomto modelu je zohledňována velikost prodejny, která je dána určitou prodejní plochou a časovou dosažitelnost této prodejny. Huffův model aplikoval ve své práci Maryáš (1983) při vymezování spádových oblastí za službami v okresu Jihlava. 22

23 Model má tedy široké uplatnění v praxi a dodnes je nejčastěji využívaným modelem (Toušek a kol., 2008). Model mezilehlých příležitostí Zatímco gravitační modely měří rozdělení prostoru v pojmech času nebo vzdálenosti, modely mezilehlých příležitostí měří rozdělení prostoru pojmy mezilehlých příležitostí. Podle tohoto modelu by měl vyjíždějící brát v úvahu každou příležitost, které dosáhne, pokud existuje určitá pravděpodobnost, že jeho potřeby budou uspokojeny. Model mezilehlých příležitostí lze využít v územích s vysokou hustotou obslužných zařízení, tedy převážně ve velkoměstech a aglomeracích. (Toušek a kol., 2008). 7 DOPRAVNÍ DOSTUPNOST Szczyrba (2006) dostupnost maloobchodních prodejen označuje za podstatnou v územních obslužných procesech. Považuje ji také za nedílný prvek základní sítě občanské vybavenosti. Územní organizace zařízení maloobchodní sítě definuje souvislost mezi prostorovým uspořádáním služeb a formování sídelní sítě. Popis a průzkum dopravní dostupnosti je jedním z nástrojů zkoumání prostorové interakce mezi zdroji a cíli (Horák, 2012). Pojem dostupnosti geografických objektů byl rozpracován již v 50. a 60. letech. K popisu dostupnosti se používají různé míry dostupnosti, významně se uplatňuje teorie grafů (Horák, 2012). Dopravní dostupnost neboli akcsesibilita dle Mirvalda (1999): vyjadřuje prostorovou, časovou, frekvenční dostupnost dopravních uzlů. Určení významného postavení dopravních uzlů z hlediska jejich dostupnosti umožňuje rozhodovat o optimální rozmístění socioekonomických aktivit v prostoru a provádět geografickou regionalizaci. Dopravu lze označit za jednu z nejvýznamnějších lidských činností. Je to záměrně prováděná činnost orientovaná na přemisťování osob, nákladů, energie a informací. Doprava sehrává důležitou roli ve formování a rozvoji jednotlivých regionů. 23

24 Horák (2002) míry dostupnosti podle použité metriky dělí na: a) Metrické b) Časové c) Topologické d) Cenové (nákladové) e) Ostatní Příkladem posledně jmenované míry je např. fyziologický index únavnosti, který hodnotí jakost přepravy a zohledňuje délku pěších cest k dopravnímu prostředku. K termínu dostupnost má relativně blízko pojem dopravní obslužnost, která je vztahována k veřejné hromadné dopravě (Horák, 2002). Významným faktorem ovlivňujícím dopravní dostupnost je těsnost vazeb mezi dopravními uzly. Kvalitnější dopravní dostupnost vyvolává potřeba zvýšené dojížďky do zaměstnání a vzájemného využívání služeb. Dopravní dostupnost je takto určována geografickou polohou a prostorovým uspořádání dopravních uzlů (Mirvald, 1999) 8 PROSTOROVÁ DATA A GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY Většina informací, se kterými se setkáváme během určování spádovosti, má prostorový charakter. Tyto informace jsou jistým způsobem vázány k určitému místu a reprezentují ho. Toto místo je třeba chápat v širším slova smyslu - může to být bod, sada bodů, linie, sada linií, areál (Horák, 2002). Dle Rudy (2013): jsou prostorová data polohou lokalizována data, která jsou určena svým geometrickým tvarem a polohou v prostoru. Prostorové analýzy jsou souborem technik pro analýzu a modelování lokalizovaných objektů, kde výsledky analýz závisí na prostorovém uspořádání těchto objektů a jejich vlastností (Horák, 2002). Při optimalizaci služeb v prostoru jsou využívány nástroje Geografických informačních systémů (GIS). 24

25 GIS se staly základním nástrojem pro správu a zpracování prostorových dat i pomocníkem pro poskytování a využívání prostorových informací. Jedním z hlavních cílů vytvářených geografických informačních systémů je podpora uživatelů při rozhodování, ke kterému využívají zprostředkování prostorových informací ve vhodné formě, často jako výsledek prostorových analýz ve smyslu společné analýzy geometrické a tematické složky dat (Horák, 2012). Znalost GIS a prostorových analýz je nedílnou součástí pro práci nejen v geografii a regionálních vědách. V 60. letech 20 století kanadská vláda vyvinula první geografický informační systém CGIS (Canada Geographical Informational Systems), tento obor je tedy poměrně mladý. GIS je popisován různými definicemi, většinou by ale měla každá definice obsahovat základní prvky GIS hardware, software, data a organizační strukturu (Ruda, 2013). Ruda (2013) uvádí definici kde: GIS je organizovaný, počítačově založený systém hardwaru, softwaru a geografických informací určený ke vstupu, správě, analytickému zpracování a prezentaci dat s důrazem na jejich prostorové analýzy a vyvinutý pro potřeby popisu, analýzy, simulace a modelování okolního světa s cílem získat potřebné informace pro racionální správu a využívání tohoto světa. Ruda (2013) chápe GIS v několika rovinách: GIS jako software Zde je GIS brán jako programový produkt pro budování GIS. GIS jako aplikace GIS jako aplikace se využívá pro rozhodování a zjednodušení plánování na úrovni organizační jednotky. Můžeme jej tedy považovat za informační systém geografického typu. GIS jako technologie či nová vědecká disciplína Prostředí, v němž vznikají aplikace GIS, vytváří se systém standardů, připravují se odborníci, provádí se základní i aplikovaný výzkum. 25

26 8.1 Vzdálenostní analýzy V prostředí GIS jsou důležitou skupinou vzdálenostní analýzy. Termín vzdálenostní analýzy označuje prostorové analýzy využívající vzdálenostní charakteristiky analyzovaných objektů v daném geografickém prostoru. V geografických systémech pojem vzdálenosti může být různě chápán. Můžeme vytvářet vzdálenosti délkovou, ale také časovou či nákladovou. Základem pro výpočet vzdálenosti se využívá euklidovská vzdálenost a metrika ( 2011). Mezi vzdálenostní analýzy se zařazují: analýzy přímé vzdálenosti analýzy vážené vzdálenosti analýzy sousedství síťové analýzy ( 2011) 8.2 Analýzy sousedství Analýzy sousedství se opírají o vytvoření tzv. individuálních ploch kolem každého ze vstupních bodů. Tyto plochy pak definují příslušnost dané lokality k nejbližšímu z objektů. Pro vlastní výpočet se používá metody Thiessenových polygonů (Voronoi diagramy, Dirichletova teselace). (Vašek, 2013) Pro vymezování spádových regionů můžeme využít právě Thiessenovy polygony. Tvorba Thiessenových polygonů je založena na přeměně vstupní bodové vrstvy do výsledné polygonové vrstvy (viz obrázek 2). Každý polygon potom obsahuje právě jeden měřený bod. Ostatní body uvnitř polygonu jsou blíže tomuto měřenému bodu než kterémukoliv jinému měřenému bodu (Ruda, 2013). 26

27 Obrázek 2 Thiessenovy polygony (Zdroj: Ruda, 2013) Síťové analýzy a Teorie grafu Síťová analýza v GIS zkoumá a určuje vlastnosti sítě a vztahy mezi jejími prvky. Teorie grafů zase zkoumá vlastnosti struktur zvaných grafy. Graf si lze představit jako zjednodušení reálného světa, kde studovaný problém znázorníme pomocí bodů a čar, které je spojují, a tím popisují vlastnosti. Takovým bodům pak v teorii grafů říkáme vrcholy grafu a čáry, které je spojují, nazýváme hrany grafu (Jirovský, 2010). Síť je podle Sladkého (2009) množinou vzájemně propojených linií, reprezentujících možnou cestu zdrojů z jednoho umístění do druhého. Konce nebo křížení linek se nazývají síťové uzly. Zjednodušeně můžeme říci, že se jedná o hledání nejrychlejší nebo nejkratší cesty z jednoho místa do druhého. Kvalita výsledných dat je ovlivněná kvalitou vstupních dat a kapacitě softwaru, ve kterém jsou data zpracována. Pro tuto analýzu potřebujeme znát data silniční nebo uliční sítě s vhodnými znaky jako je délka, průměrná rychlost, jednosměrnost, odbočitelnost, omezení a bariéry (Jirovský, 2010). V rámci síťových analýz můžeme řešit úlohy typu: hledání konektivity, strom minimálního rozpětí, modelování zatížení sítě, hledání optimální trasy, hledání cesty do nejbližšího zařízení a alokace zdrojů (Ruda, 2013). 9 JIHOMORAVSKÝ KRAJ Na území Jihomoravského kraje se nachází sedm okresů Blansko, Brno - město, Brno - venkov, Břeclav, Hodonín, Vyškov a Znojmo. Jihomoravský kraj je tvořen 673 obcemi, které jsou soustředěny do 34 obvodů obcí s pověřeným obecním úřadem a do je překrývajících 21 obvodů obcí s rozšířenou působností. Správním centrem kraje je 27

28 město Brno, které je také druhým největším městem v České republice. Na území kraje se nachází 49 obcí se statutem města, město Brno je statutárním městem. Jihomoravský kraj leží na jihovýchodě České republiky. Je příhraničním regionem, na jihu sousedí s rakouskou spolkovou zemí Dolní Rakousko a na jihovýchodě se slovenskými kraji Trnavským a Trenčínským. Dále od západu na východ sousedí s Jihočeským krajem, s krajem Vysočina, Pardubickým Olomouckým a Zlínským krajem ( 2013). Jihomoravský kraj je region s průmyslovo zemědělský charakterem. Zemědělství patří díky příznivým přírodním podmínkám v kraji k činnostem, které významně ovlivňují krajinu. Pro kraj je typické intenzivní zemědělství se zaměřením na obiloviny, technické plodiny, ovoce a zeleninu. Významnou část v zemědělství tvoří vinná réva. V kraji se nachází více jak 90 % vinic České republiky. Vinařství je významným faktorem kraje pro budoucí rozvoj, ekonomický a turistický růst (Tematický atlas Jihomoravského kraje, 2013). Průmysl je lokalizován ve větších městech kraje nebo v lokalitách s výhodnou dopravní polohou. Větší zastoupení průmyslové výroby kromě Brna je především v severních oblastech kraje (Blansko) a na jihovýchodě (Břeclavsko, Hodonínsko). Nižší význam průmyslu je na jihovýchodě a jihu (Znojemsko, Hrušovansko), což zřejmě souvisí s tradičním zemědělským charakterem těchto oblastí (Tematický atlas Jihomoravského kraje, 2013). Z pohledu dopravy je spádovost mnohdy určována pomocí mapy časové dostupnosti, tak zvaných izochron. Izochrony jsou linie na mapě či grafu spojující místa se stejnou časovou dostupností ( 2011). Z dopravního hlediska má Jihomoravský kraj důležitou tranzitní funkci, jelikož se nachází na křižovatce význačných evropských dopravních tras. Kostru dopravního systému tvoří dálnice D1, D2, R52 (s pokračováním jako komunikace první třídy I/52) a I/43. Dálnice D1 spojuje Vyškov, Rosice a Brno na západě s Prahou a na východě s Ostravou. Přes Břeclav vede dálnice D2, která spojuje Brno s Bratislavou. Rychlostní silnice R52 představuje komplexní silniční propojení Brna a Vídně (Tematický atlas Jihomoravského kraje, 2013). Nejhustší pokrytí silnicemi je v okresech Brno město, Blansko a Brno venkov. Naopak nejnižší v okrese Hodonín, Břeclav a Vyškov (Program rozvoje 28

29 Jihomoravského kraje , 2013). Centrum kraje, může nabídnout i veřejné mezinárodní letiště Brno Tuřany (Tematický atlas Jihomoravského kraje, 2013). Kraj je protkán vzájemně provázanou sítí dopravních linek. Je zde zřízen Integrovaný dopravní systém Jihomoravského kraje (IDS JMK). Realizaci a provoz IDS JMK zajišťuje společnost KORDIS JMK, kterou vlastní z 51 % Jihomoravský kraj a ze 49 % Statutární město Brno. Obslužnost území a obyvatel IDS JMK zobrazuje tabulka 2. Tabulka 2 Současný stav obslužnosti území a obyvatel IDS JMK celkem z toho v JMK podíl na JMK JMK počet obyvatel % rozloha (v ha) % počet obcí % Zdroj: Program rozvoje Jihomoravského kraje , 2013 V Jihomoravském kraji nejpočetnější věkovou skupinu zastupují lidé ve věku let. Snižující se úmrtnost nejen v Jihomoravském kraji, ale v celé České republice a růst naděje na dožití má za následek stárnutí populace. Jihomoravský kraj patří v rámci republiky ke krajům se starší věkovou strukturou obyvatelstva (Analýza socioekonomického rozvoje Jihomoravského kraje se specifikací potřeb po roce 2013 z hlediska kohezní politiky, 2010). Vzdělanostní struktura Jihomoravského kraje je v porovnání s ostatními kraji České republiky příznivá (měřeno podílem vysokoškolsky vzdělaného obyvatelstva na obyvatelstvu starších 15 let). Druhá pozice hned za Prahou je dána především dobrým postavením města Brna a jeho zázemím. V podílu osob s úplným středoškolským vzděláním je Jihomoravský kraj až na 6. místě (33,7 %) a podíl obyvatel se základním vzděláním je naopak ve srovnání s ostatními kraji nízký (15,6 %, 4. místo) (Analýza socioekonomického rozvoje Jihomoravského kraje se specifikací potřeb po roce 2013 z hlediska kohezní politiky, 2010). Okresem s nevyšším podílem vysokoškolsky vzdělaného obyvatelstva staršího patnácti let je okres Brno-město s 25,1%. Nejvyšší podíl obyvatelstva s nižším stupněm vzdělání (bez vzdělání, základní a středoškolské bez maturity) vykazují jižní okresy regionu (Hodonín, Břeclav a Znojmo), mezi nimiž okres Znojmo vykazuje vůbec nejvyšší podíl 29

30 takto vzdělaného obyvatelstva staršího patnácti let (Program rozvoje Jihomoravského kraje , 2013). Osídlení v Jihomoravském kraji se v průběhu posledních let nijak výrazně neměnilo. Sídelní struktura kraje je charakterizována silným zastoupením velkých venkovských obcí, malým zastoupením menších a středně velkých města a silnou dominancí města Brna (viz Tabulka 3). V Jihomoravském kraji se nachází 88% obcí (při respektování hranice do obyvatel) a tři čtvrtiny obcí má méně než obyvatel. Poloha ovlivňuje konkrétní situace jednotlivých venkovských obcí. Poloha také vyjadřuje vztahy těchto venkovských obcí k větším městům i pozici v systému dopravních sítí. V kraji se nachází 14% venkovských obcí v zázemí měst (města do obyvatel), dalších 16% obcí má relativně velmi dobrou polohu a 43% venkovských obcí se v tomto směru nachází ve špatné poloze. Tento faktor ovlivňuje celkové rozvojové předpoklady obce a je jím také do určité míry ovlivněn život jejich obyvatel (Analýza socioekonomického rozvoje Jihomoravského kraje se specifikací potřeb po roce 2013 z hlediska kohezní politiky, 2010). 30

31 Tabulka 3 Počet obcí v Jihomoravském kraji podle velikostní skupiny k v tom podle počtu obyv. Jihomoravský kraj abs. v % Blansko Brnoměsto v tom okres Brnovenkov Břeclav Hodonín Vyškov Znojmo celkem , , , , , , , , , Zdroj: převzato z Z hlediska hustoty zalidnění je Jihomoravský kraj (159 obyv./km) na třetím místě v ČR po Praze (2 350 obyv./ km2) a Moravskoslezském kraji (228 obyv./km2). V kraji jsou značné regionální disparity. V rámci kraje je to rozdíl mezi Brnem a jeho blízkým zázemím s vysokou hustotou zalidnění oproti ostatním okresům kraje, kde je hustota zalidnění podstatně menší. Vysoká hustota zalidnění je kvůli přítomnosti několika městských center i velkých venkovských sídel také v okrese Hodonín. Ve všech okresech kraje je potom hustota zalidnění pod průměrem České republiky. Nejnižší je v okrese Znojmo (Strategie rozvoje Jihomoravského kraje, 2012). Jedním z nejviditelnějších procesů, který utváří podobu krajského sídelního procesu je dojížďka za prací. Nejvýraznější je zde silná pozice Brna jako dominantního centra pracovních příležitostí vytvářejícího plošně rozsáhlý spádový region. Podobně i Znojmo hraje roli vedoucího pracovního centra pro příslušnou spádovou oblast jihozápadní části Jihomoravského kraje. Na druhou stranu lze identifikovat také řadu drobnějších mikroregionálních pracovních center a jejich zázemí, která vytvářejí pomyslný prstenec kolem brněnského pracovního regionu (Tematický atlas Jihomoravského kraje, 2013). 31

32 10 SPÁDOVOST OBCÍ V JIHOMORAVSKÉM KRAJI S OHLEDEM NA VYBRANÉ SLUŽBY Praktická část bakalářské práce se zaměřuje na zhodnocení prostorového rozmístění vybraných služeb v obcích Jihomoravského kraje. Jsou zde sledovány vztahy mezi jednotlivými centry a jejich zázemím. Vybranými službami jsou maloobchod s potravinami a smíšeným zbožím, pošta, banka a bankomat. I když ne všechny tyto služby jsou využívány dennodenně, pro život v dnešní době jsou nezbytné. Občanská vybavenost obcí je jedním ze základních předpokladů pro rozvoj a růst obce. Hlavním zdrojem dat k této části bakalářské práce je dotazník zpracovaný Odborem regionálního rozvoje (ORR), jehož garantem byl Jihomoravský kraj. Vybrané služby v tomto dotazníku vyplňovali pouze obce do obyvatel, proto bylo nezbytné tato data doplnit pomocí aplikace Google Maps o ostatní obce nacházející se v Jihomoravském kraji. Pomocí Thiessenových polygonů je dané území rozděleno na jednotlivé polygony, které se soustředí okolo centra a vymezují tak ideální spádová území. Thiessenovy polygony počítají pouze se vzdušnou vzdáleností daných obcí a neberou v potaz další faktory, které ovlivňují spádovost obcí. Proto jsou v praxi těžko aplikovatelné (Ruda, 2013). Z těchto důvodů byla vypočítána geometrická verze Reillyho modelu, která stejně jako Thiessenovy polygony pracuje v prostoru pouze se vzdušnými vzdálenostmi, ale je zde zohledňována velikost obce. Pro výpočet Reillyho modelu bylo vybráno obcí, které leží na hranici těchto polygonů či v jejich blízkosti. Jedním z předpokladů pro určení Reillyho modelu je homogenita prostoru, to znamená stejné náklady na ujetí dané vzdálenosti, stejná kvalita dopravy apod. U Reillyho modelu jsou brána pouze 2 centra, mezi kterými se určuje vyšší gravitační síla, kterou je dané zázemí přitahováno (Redlichová, 2013). Maryáš (1983) tento model označuje za ne snadno aplikovatelný v praxi a uvádí, že tento model může zkreslovat danou skutečnost. S touto výhradou se ale neztotožňuje Řehák a kol. (2009), kteří všechny 3 verze Reillyho modelu (geometrickou, topografickou a oscilační) aplikují na území České Republiky. Pro území Jihomoravského kraje je vypočítána geometrická verze Reillyho modelu, kdy vztah mezi 2 centry a zázemím byl vyjádřen následovně: 32

33 , (5) kde: P významnost lokality i nebo j (počet obyvatel v lokalitě), d i,j vzdálenost mezi lokalitami, D I(i) indiferentní vzdálenost od destinace i, (Redlichová, 2013) Maloobchod s potravinami a smíšeným zbožím Maloobchod s potravinami a smíšeným zbožím je služba, která uspokojuje každodenní potřeby obyvatel, proto tuto službu řádíme mezi základní služby. Do této obslužné oblasti jsou brány údaje o výskytu maloobchodních jednotek s potravinami a smíšeným zbožím v obci. Supermarkety, hypermarkety či specializované prodejny nejsou v této práci zohledňovány. Obce, na jejichž území se maloobchod s potravinami a smíšeným zbožím nevyskytují, se nacházejí především ve velikostní kategorii a Největší koncentrace obcí, na jejichž území nenajdeme maloobchod s potravinami a smíšeným zbožím se nachází v ORP Tišnov, Znojmo, Bučovice a Vyškov. Naopak obce v ORP Břeclav či v ORP Židlochovice a Pohořelice jsou na tom ohledně vybavenosti maloobchodem s potravinami a smíšeným zbožím podstatně lépe. Jsou to tedy ORP s poměrně velkými obcemi, které jsou často lépe občansky vybaveny a ORP nacházející se v blízkosti města Brna. Podle společnosti GaREP (2013) je na území kraje nejvíce zastoupen právě maloobchod. Kde je v přepočtu na obyvatel 18,0 provozoven a z toho 11,4 tvoří prodejny potravin a smíšeného zboží. Nabídku služeb v obci považuje za dostačující 37,4 % obcí do obyvatel (GaREP, 2013). Na obrázku 3 jsou znázorněné spádové oblasti za maloobchodem potravin a smíšeného zboží. Tyto spádové oblasti jsou určeny pomocí Thiessenových polygonů. 33

34 Obrázek 3 Vymezení ideálních spádových oblastí maloobchodu potravin a smíšeného zboží Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Zeleným bodem jsou označeny obce, na jejichž území se nachází alespoň jeden maloobchod s potravinami a smíšeným zbožím. Červený bod značí obce, které nemají maloobchod s potravinami a smíšeným zboží. Proto jsou tyto obce v polygonu vždy s 1 centrální obcí, která danou službu poskytuje. Ze všech míst polygonu je k této centrální obci blíže než k bodu v sousedním polygonu (Ruda, 2013). Některé obce se nachází na hranici dvou polygonů. Pro tyto obce je vypočítán Reillyho model, jehož výsledek je srovnán se spadovými oblastmi, které vymezují Thiessenovy polygony a se SO ORP. Jednou z obcí, pro kterou je Reillyho model vypočítán, je obec Heroltice. Tato obec leží na hranici vytvořených polygonů, mezi obcemi Lažánky a Tišnov. Podle vzorce (5), 34

35 kde za d i,j je dosazena vzdálenost mezi obcí Lažánky a Tišnov, za P j je dosazen počet obyvatel obce Lažánky a P i značí počet obyvatel obce Tišnov. Je vypočítán Reillyho model. 1 km Tento výsledek značí situaci, kdy je spotřebitel ochoten nakupovat ve městě Tišnov, pokud se toto město nachází méně než 6,41 km od spotřebitele (obce Heroltice). Pokud by se obec Lažánky, nacházela méně než 1,79 km od obce Heroltice, spotřebitel preferuje pro svůj nákup obec Lažánky. Vzdušná vzdálenost mezi obcí Heroltice a Tišnovem je 4,24 km a mezi obcí Heroltice a Lažánky je 4,03 km. Vyplývá tedy, že obec Heroltice dle Reillyho modelu spadá pod obec Tišnov. Podle Českého statistického úřadu (2013) správním obvodem obce s rozšířenou působností (SO ORP) obce Heroltice je obec Tišnov. V tomto případě Reillyho model odpovídá skutečnému stavu. Kdežto na obrázku 3 je znázorněno, že dle Thiessenových polygonů obec Heroltice spadá pod obec Lažánky. Daná situace je i znázorněna graficky na obrázku 4. Lažánky Heroltice (SO ORP Tišnov) Tišnov Obrázek 4 Grafické znázornění polohy obce Heroltice mezi 2 body (Zdroj: vlastní tvorba) Tento výsledek, kdy Reillyho model odpovídá skutečnosti, není běžný. Maloobchod se nachází i v menších obcích, které nejsou SO ORP. V Jihomoravském kraji se nachází 21 obcí s rozšířenou působností. Jedná se především o města s více jak obyvateli 1 ( 2014). Jelikož velikost obce Thiessenovy polygony nezohledňují, v žádném ze zkoumaných měst, se výsledek Thiessenových polygonů neshoduje 1 Počet obyvatel obce Židlochovice 35

36 s reálným stavem. I když Reillyho model bere v potaz velikost obcí, aby výsledek Reillyho modelu odpovídal skutečnosti, musela by být mezi vybranými středisky i obec s rozšířenou působností, jako je tomu u obce Heroltice. Proto je častější výsledek, kdy spádovost obce je definována jinak Thiessenovými polygony, Reillyho modelem a skutečným stavem. Příkladem může být obec Pasohlávky, která patří pod SO ORP Pohořelice, Thiessenovy polygony vymezují její spádovost k obci Brod nad Dyjí a Reillyho model obec řadí k spádové oblasti obce Ivaň (viz obrázek 5). Brod nad Dyjí Pasohlávky (SO ORP Pohořelice) Ivaň Obrázek 5 Grafické znázornění polohy obce Pasohlávky mezi 2 body (Zdroj: vlastní tvorba) U zkoumaných obcí nastala situace, kdy vymezení Thiessenových polygonů shoduje s výsledkem Reillyho modelu. Příkladem je obec Křtěnov (viz obrázek 6). Olešnice Křtěnov (SO ORP Boskovice) Louka Obrázek 6 Grafické znázornění polohy obce Křtěnov mezi 2 body (Zdroj: vlastní tvorba) Z 27 obcí, pro které byl vypočítán Reillyho model, se 10 obcí shoduje s vymezením spádovosti Thiessenovými polygony. Zatímco ve srovnání s reálným stavem je shodnost spíše ojedinělá. Důvodem může být rozšířenost maloobchodu s potravinami a smíšeným zbožím na území Jihomoravského kraje, kdy i na území malých obcí je tato služba poskytována. Přesto v Jihomoravském kraji najdeme poměrně velké množství obcí, které na svém území maloobchod s potravinami a smíšeným zboží nemají (130 obcí) a jejichž obyvatelé musí dojíždět za nákupy základních potřeb do vedlejších obcí či do větších center, kde je nabídka služeb širší a specializovaná. 36

37 10.2 Pošta Pošta je veřejnou službou, která zajišťuje dostupnost poštovních služeb i v odlehlých částech území (GaREP, 2013). Pošta dnes zajišťuje nejen listovní služby, ale také platební a finanční služby nebo služby egovernment ( 2014). V dotazníkovém šetření prováděném Jihomoravským krajem, vyplňovaly přítomnost pošty obce do obyvatel, proto bylo nutné zbývající data dohledat pomocí aplikace Google Maps. Ve všech obcích, které mají více, jak obyvatel se nachází poštovní služby. podíl obcí do obyvatel (%) 90,0 80,0 70,0 60,0 82,4 62,5 50,0 40,0 30,0 32,0 34,9 29,2 29,7 20,0 10,0 0,0 okres Obrázek 7 Graf znázorňující podíl obcí do obyvatel s poštou v okresech Jihomoravského kraje v roce 2012 (Zdroj: Vyhodnocení dotazníkového šetření, Garep 2013) Na obrázku 7 jsou uvedeny pouze obce do obyvatel a ty, které vyplnili dotazník sestrojený Jihomoravským krajem. Stejně jako pro službu maloobchod byly sestrojeny Thiessenovy polygony rozdělující území Jihomoravského kraje, dle přítomnosti pošty v obcích. 37

38 Obrázek 8 Vymezení ideálních spádových oblastí za poštovními službami Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Obrázek 8 znázorňuje všechny obce Jihomoravského kraje. Podobně jak je znázorněno na obrázku 7 jsou nejlépe provozovnami pošty vybaveny obce v ORP Břeclav, Hustopeče a Mikulov, které patří do okresu Břeclav. Dále jsou dobře poštovně vybaveny obce v ORP Veselí nad Moravou, které se nachází v okrese Hodonín. Nejhůř jsou na tom obce v ORP Bučovice a Tišnov, které leží v okresech Vyškov a Brno venkov. Na obrázku 8 je zobrazen Jihomoravský kraj, který je rozdělen Thiessenovými polygony na ideální spádová území dle obslužnosti poštovními službami. Stejně jako u maloobchodu potravin a smíšeného zboží byl vypočítán Reillyho model pro vybrané obce, na jejichž území nenajdeme poštu a které se nacházejí na hranici Thiessenových polygonů. Obec Chrudichromy leží na hranici polygonu, jehož centrem je obec Svitávka a mezi polygonem, kde je centrálním místem obec Boskovice. Podle vzorce (5), 38

39 byla vypočítána geometrická verze Reillyho modelu, kde za d i,j je dosazena vzdálenost mezi obcí Svitávka a Boskovice, za P j je dosazen počet obyvatel obce Svitávka a P i značí počet obyvatel obce Boskovice. Vzdálenost mezi obcí Chrudichromy a obcí Boskovice by musela být menší než 3,41 km, aby obyvatelé z obce Chrudichromy byli ochotní za poštovními službami dojíždět do obce Boskovice. Mezi obcemi Svitávka a Chrudichromy by vzdálenost, kterou by spotřebitelé z obce Chrudichromy byli schopni urazit za danou službou je maximálně 1,36 km. Vzdušná vzdálenost mezi obcí Chrudichromy a Boskovice je 2,89 km, tedy menší než 3,41 km. Znamená to tedy, že obyvatelé obce Chrudichromy dle Reillyho modelu preferují dojížďku za poštovními službami do obce Boskovice před obcí Svitávka, jelikož vzdušná vzdálenost mezi obcemi Svitávka a Chrudichromy je 2,18 km, tedy větší než předpokládá Reillyho model. Obec Chrudichromy spadá pod SO ORP Boskovice. V tomto případě Reillyho model odpovídá skutečnému stavu (viz obrázek 9). Svitávka Chrudichromy (SO ORP Boskovice) Boskovice Obrázek 9 Grafické znázornění polohy obce Chrudichromy mezi 2 body (Zdroj: vlastní tvorba) Obdobně jako u maloobchodu a potravin je tato situace, kdy Reillyho model odpovídá skutečnému stavu u zkoumaných obcí výjimečná. Reillyho model je shodný s určením SO ORP pouze pro 3 obce z 30 zkoumaných obcí. Opět je to díky mnoha faktorům, kterými je Reillyho model omezován. Především je to díky tomu, že Reillyho model určuje spád obce pouze mezi 2 centry a předpokládá homogenitu prostoru. Thiessenovy 39

40 polygony se ani v jednom případě neshodují s SO ORP ke kterým zkoumané obce spadají. Shodu Thiessenových polygonů a Reillyho modelu můžeme najít u obce Černvír. Obec Černvír patří do SO ORP Tišnov, ale Thiessenovy polygony a Reillyho model shodně určili, že co se spádovosti za poštovními službami týče, obyvatelé obce Černvír preferují obec Nedvědice před obcí Doubravník (viz obrázek 10). Nedvědice Černvír (SO ORP Tišnov) Doubravník Obrázek 10 Grafické znázornění polohy obce Černvír mezi 2 body (Zdroj: vlastní tvorba) Častější je situace, kdy se ani jeden z použitých modelů neshodují se skutečností. Jendou ze 17 takových obcí, kdy skutečnost neodpovídá výsledkům Reillyho modelu ani Thiessenovým polygonům je obec Hajany. Obec Hajany dle Thiessenových polygonů spadá pod obec Ořechov (viz obrázek 8), podle Reillyho modelu obyvatelé obce Hajany jezdí za službami do obce Želešice. Podle Českého statistického úřadu (2013) obec Hajany patří do SO ORP Šlapanice (viz obrázek 11). Ořechov Hajany (SO ORP Šlapanice) Želešice Obrázek 11 Grafické znázornění polohy obce Hajany mezi 2 body (Zdroj: vlastní tvorba) Služby pošty jsou pro obyvatele Jihomoravského kraje snadno dostupné. Téměř pro všechny obce v Jihomoravském kraji je pošta dostupná do 5 km. Pouze pro 19 obcí z 382 obcí, které nemají poštu, je dostupnost této služby větší než 5 km. Tyto obce se nachází v ORP Boskovice, Tišnov, Znojmo, Vyškov, Slavkov u Brna a Rosice. Tedy v okresech, které jsou poštovním zařízením vybaveny nejhůře. 40

41 10.3 Banka a bankomat Banky a bankomaty patří k více specializovaným službám a najdeme je především v obcích s větším počtem obyvatel (GaREP, 2013). Stejně jako u předchozích dvou služeb (viz kapitola 10.1 a 10.2) vyhodnocovala společnost GaREP (2013) obslužnost bank a bankomatů pouze pro obce do obyvatel. Z vyhodnocení dotazníku sestaveným Jihomoravským krajem se na území kraje nachází 27 obcí do obyvatel s bankou a 35 obcí do obyvatel s bankomatem (GaREP, 2013). Tato čísla nejsou přesná, jelikož ne všechny dotázané obce dotazník zodpověděli. Na obrázku 12 je území Jihomoravského kraje rozděleno Thiessenovými polygony. Obec, kde se nachází banka, obsluhuje více obcí, než jak tomu bylo u předchozích dvou služeb (maloobchod s potravinami a smíšeným zbožím, pošta). Obrázek 12 Vymezení ideálních spádových oblastí za bankovními službami (banka) Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Z obrázku 12 vyplývá, že nejvíce bank najdeme v okrese Hodonín a nejméně potom v okrese Znojmo. Banky se většinou nacházejí v obcích s rozšířenou působností a v obcích s více jak obyvateli. V tomto případě Thiessenovy polygony pro 3 obce z Jihomoravského kraje (okres Znojmo) vymezují spádovost ke kraji Vysočina. Jedná se o obce Lubnice, Vratěnín a Uherčice. Obci Nové Sady v okrese Vyškov vymezují 41

42 Thiessenovy spádovost za bankovními službami k Olomouckému kraji. Stejné vymezení najdeme i u služeb bankomatu. Na hranici 2 či více polygonů se nachází poměrně velký počet obcí. (viz obrázek 12). Obec Krhov se nachází na hranici polygonu, jehož centrem je obec Boskovice a na hranici polygonu, kde je centrem obec Lysice. Vzdálenost mezi těmito centry je 9, 89 km (d i,j ), počet obyvatel v obci Boskovice je (P j ) a v obci Lysice 1912 (P i ) ( 2013). Pomocí těchto dat vypočítáme Reillyho model. Aby obyvatelé obce Krhov byli ochotní dojíždět za službami banky do obce Lysice, maximální vzdálenost mezi obcí Krhov a Lysice by musela být 2,87 km. Zatímco mezi obcí Krhov a Boskovice by tato vzdálenost musela být 7,02 km. Vzdušná vzdálenost měřena v programu ArcGIS 10.2 je mezi Krhovem a Lysicemi 3,50 km, tedy více než určil Reillyho model. Obyvatelé obce Krhov tedy bankovní služby využijí v obci Boskovice, kde je euklidovská vzdálenost do obce Krhov 6,29 km. Boskovice mají tedy větší gravitační sílu. SO ORP Boskovice zahrnuje do své působnosti i obec Krhov. Reillyho model v tomto případě souhlasí se skutečným stavem. Podle Thiessenových polygonů by obyvatelé obce Krhov měli využívat bankovních služeb v obci Lysice (viz obrázek 13). 42

43 Lysice Krhov (SO ORP Boskovice) Boskovice Obrázek 13 Grafické znázornění polohy obce Krhov mezi 2 body (Zdroj: vlastní tvorba) V případě maloobchodu potravin a smíšeného zboží a pošty se ani v jednom případě Thiessenovy polygony neshodovali se skutečnou spádovou obcí. Obec Křižanovice spadá do SOORP Bučovice, kam ji přiřazují i Thiessenovy polygony. Stejně tak dle Reillyho modelu má obec Bučovice vyšší gravitační sílu, než sousední centrální obec. V tomto případě jak Reillyho model, ale i Thiessenovy polygony určují stejnou spádovou obec, která je zároveň i SO ORP (viz obrázek 14). Kromě obce Křižanovice, tato shoda nastala i u dalších vybraných obcí, jako je obec Vnorovy (SO ORP Veselí nad Moravou), Blažovice (SO ORP Šlapanice) a obec Branišovice (SO ORP Pohořelice). Bučovice Křižanovice (SO ORP Bučovice) Slavkov u Brna Obrázek 14 Grafické znázornění polohy obce Křižanovice mezi 2 body (Zdroj: vlastní tvorba) I zde je více pravděpodobné, že Reillyho model ani Thiessenovy polygony se neshodují se SO ORP. Obec Archlebov se nachází ve SO ORP Kyjov, kam patří také obce Žarošice a Ždánice, na jejichž území najdeme služby banky. Reillyho model určil, že obyvatelé obce Archlebov by měli dojíždět za těmito službami do obce Ždánice, zatímco dle Thiessenových polygonů obec spadá k obci Žarošice (viz obrázek 15). 43

44 Žarošice Archlebov (SOORP Kyjov) Ždánice Obrázek 15 Grafické znázornění polohy obce Archlebov mezi 2 body (Zdroj: vlastní tvorba) Zde se opět projevují určitá omezení, která má jak Reillyho model a Thiessenovy polygony, tak samotné reálné určení SO ORP. Pokud by obyvatelé chtěli využít pouze služby banky, předpokládáme, že využijí nejkratší cestu, do města Žarošice. Nejkratší cesta ne vždy musí být nejvýhodnější, jelikož může být časově náročná díky horší dopravní dostupnosti apod. SO ORP Kyjov se od obce Archlebov nachází nejdál, za to nabídka služeb je zde širší, nachází se zde nejen více možných finančních služeb, ale také jiných specializovaných služeb. Navíc dopravní dostupnost do větších obcí bývá většinou lépe zajištěná (např. větší intenzita veřejné dopravy). Více než samotná banka jsou v dnešní době více využívány bankomaty, které slouží pro výběr či vklad peněžní hotovosti. U obcí, kde se nachází banka, předpokládáme, že najdeme i bankomat. V obci Moravský Písek, ale bankomat nenajdeme, i když obec v dotazníku Jihomoravského kraje uvedla, že na svém území poskytuje bankovní služby. V této obci se nachází finanční instituce AXIGON, která neposkytuje bankovní služby, tak je známe ( 2013). Ve většině obcí Jihomoravského kraje tedy platí předpoklad, že tam kde se nachází banka, najdeme i bankomat. Jednou z těchto obcí je obec Lipov, která se nachází v SO ORP Veselí nad Moravou. Tato obec leží na hranici dvou polygonů, které tvoří střediska Veselí nad Moravou a Velká nad Věličkou. Thiessenovy polygony tuto obec řadí k polygonu se střediskem Velká nad Věličkou (viz obrázek 16). 44

45 Obrázek 16 Vymezení ideálních spádových oblastí za bankovními službami (bankomat) Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Kdežto při výpočtu Reillyho modelu, obec spadá do SO ORP Veselí nad Moravou (viz obrázek 17). Veselí nad Moravou Lipov (SOORP Veselí nad Moravou) Velká nad Věličkou Obrázek 17 Grafické znázornění polohy obce Lipov mezi 2 body (Zdroj: vlastní tvorba) Poměrně mnoho obcí Jihomoravského kraje má na svém území bankomat, aniž by se zde nacházela banka. V okrese Brno venkov jsou to například Modřice nebo obec Zastávka, v okrese Blansko je to obec Černá Hora, dále obec Ratíškovice nacházející se v okrese Hodonín anebo Velké Bílovice v okrese Břeclav. Právě obec Modřice je dle Thiessenových polygonů spadovou obcí pro obec Moravany. Moravany se nachází na hraně Thiessenových polygonů, mezi centry Modřice a Brno. Vzdálenost mezi těmito 45

46 centry je 7,03 km (d (i,j) ). Počet obyvatel města Brna je (Pj) a počet obyvatel obce Modřice je (P i ), ( 2013). Podle Reillyho modelu obec Moravany spadá k městu Brnu, jelikož vzdušná vzdálenost mezi Brnem a Moravany je 5,74 km, tedy méně než 6,31 km. Obec Moravany spadá pod SO ORP Šlapanice, i když můžeme předpokládat, že vliv města Brna zde bude značný (viz obrázek 18). Brno Moravany (SOORP Šlapanice) Modřice Obrázek 18 Grafické znázornění polohy obce Moravany mezi 2 body (Zdroj: vlastní tvorba) Dostupnost bankomatů je pro většinu obyvatel v Jihomoravském kraji dostupná do 10 km od jejich bydliště. Výjimku tvoří několik obcí v SO ORP Tišnov, Znojmo a také v SO ORP Vyškov či Bučovice. Banky požadují pro umístění bankomatu v obci spoluúčast obce, což je mnohdy pro obec nepřijatelné. Jelikož banky si kladou podmínky, jako je třeba minimální počet výběrů z bankomatu za měsíc. Mnohé obce v kraji, mají počet obyvatel méně než nebo se v obcích nachází starší skupina obyvatel, kteří tyto služby využívají minimálně nebo vůbec. Obec poté musí bankomat dotovat, což může být zátěž pro rozpočet obce ( 2013). 46

47 11 DISKUZE A VÝSLEDKY Rozmístění jednotlivých služeb v kraji je závislé na dané službě. Služby, které jsou využívány obyvateli často, téměř každodenně (maloobchod s potravinami a smíšeným zbožím) se v kraji nachází nejčastěji. Služby, které jsou obyvateli využívány zřídka (pošta, banka, bankomat) najdeme spíše ve větších obcí. Tyto služby jsou v kraji rozmístěny rovnoměrně. Nejhůře jsou na tom ve vybavenosti vybranými službami obce v ORP Tišnov, Bučovice, Vyškov a Znojmo. Také obce, které se nachází na periferii kraje, převážně na hranici s krajem Vysočina, nejsou příliš dobře občansky vybaveny. Maloobchod s potravinami a smíšeným zbožím a poštu většinou nenajdeme v menších obcích ve velikostní skupině a Jsou to především menší obce, nacházející se ve velikostní skupině a V případě banky a bankomatu jsou to navíc i některé obce ve velikostní skupině a V Jihomoravském kraji je celkem 382 obcí, které na svém území nemají služby jako je pošta, banka a bankomat. Z toho 51,83 % obcí je nespokojeno s dopravní dostupností do spádového města. Dle Vyhodnocení komplexního dotazníkového šetření v Jihomoravském kraji k (GaREP, 2013) je spokojenost obcí s dopravním spojením do spádové obce největší v ORP Mikulov a Kuřim, kde všechny obce označily situaci za vyhovující. Dále vyhovující spojení do spádové obce je i v ORP Bučovice, Hustopeče a Šlapanice. Nejméně jsou spokojeny obce v ORP Židlochovice a Slavkov u Brna (viz tabulka 4). Tabulka 4 Obce s vyhovujícím dopravním spojením do spádové obce ORP - název Počet obcí celkem Vyhovující spojení Do spádové obce Počet obcí Podíl obcí (%) Blansko ,1 Boskovice ,9 Břeclav ,5 Bučovice ,8 Hodonín Hustopeče ,9 Ivančice ,7 Kuřim

48 Kyjov ,8 Mikulov Moravský Krumlov ,8 Pohořelice ,9 Rosice ,4 Slavkov u Brna ,3 Šlapanice ,6 Tišnov ,4 Veselí nad Moravou Vyškov ,3 Znojmo ,1 Židlochovice ,9 Jihomoravský kraj ,5 Zdroj: GaREP, 2013 Pro vymezování spádovosti za vybranými službami byly využity základní modely. Pomocí Thiessenových polygonů bylo území Jihomoravského kraje rozděleno na ideální spádová území. Tyto polygony, jak je zmíněno již v předchozích odstavcích pracují pouze s euklidovskou vzdáleností mezi 2 centry a neberou v ohled další faktory a omezení, která jsou pro určování spádovosti typická. Tento model znázorňuje spíše pravděpodobnostní mapu obslužnosti, jelikož vzdálenost má pro výběr služeb klesající význam (Mulíček, 2009). I z těchto důvodů byla pro vybrané obce vypočítána geometrická verze Reillyho modelu. Ten stejně jako Thiessenovy polygony pracuje s izomorfní rovinou, ale také zohledňuje velikost střediska, ke kterému obec spadá. Kritériem pro výběr středisek bylo umístění zázemí. Pokud obec, na jejímž území se nenacházela vybraná služba, ležela na hranici 2 polygonů (mezi 2 středisky) byl pro ni vypočítán Reillyho model. Tyto střediska byla různých velikostí a počty obyvatel se v jednotlivých střediscích mnohdy lišily o desítky tisíc (viz obrázek 18, kapitola 10.3). Dalším omezením při využití Reillyho modelu a Thiessenových polygonů jsou preference spotřebitelů. Oba tyto modely totiž předpokládají racionální jednání spotřebitelů. Nabídka a kvalita vybraných služeb může být v každé obci jiná, proto spotřebitel může preferovat dojížďku za službami do jiné obce, než jak určily 48

49 Thiesssenovy polygony či Reillyho model. Velkým nedostatkem obou použitých modelů je to, že nezohledňují komunikační síť a dopravní dostupnost do dané obce. Nezbytné je zde zmínit také postavení města Brna, jelikož ani jeden z použitých modelů nezohledňuje vliv Brna v jihomoravském sídelním systému. Brno je metropolí Jihomoravského kraje, které dominuje sídelnímu systému kraje. Vybavenost Brna nejen vybranými službami je jednoznačně na nejvyšší úrovni v celém kraji. Celkově je situace ve městě Brně a jeho městských částech v oblasti občanské vybavenosti naprosto rozdílná ve srovnání s ostatním územím (GaREP, 2013). Tuto významnost Brna v jihomoravském sídelním systému ukazuje studie Vymezení funkčního území Brněnské metropolitní oblasti a Jihlavské sídelní aglomerace, kde je do brněnské metropolitní oblasti zahrnuto celkem 235 obcí (Mulíček a kol., 2013). (viz Příloha 6) I přes tato značná omezení, které oba modely mají, se u vybraných obcí Reillyho model častěji shoduje s danou skutečností (se SO ORP) než Thiessenovy polygony. Ze všech zkoumaných obcí (111) se u 40 případů Reillyho model shoduje se SO ORP. Zatímco u Thiessenových polygonů je to pouze 9 případů. Můžeme tedy konstatovat, že Reillyho model je pro vymezování spádovosti vhodnější než Thiessenovy polygony. Tento výsledek je ovlivněn výběrem středisek. Pokud by bylo pro výpočet Reillyho modelu vybrané jiné kritérium výběru středisek, výsledek by mohl být odlišný. Spádovost obcí je třeba brát jako komplexní problém a musíme počítat se všemi faktory, které spádovost obcí ovlivňují. 49

50 12 ZÁVĚR Spádovost obcí lze určit různými způsoby a modely. Thiessenovy polygony nacházejí své uplatnění především meteorologii, hydrologii apod. (Hang, 2014). Pro určování spádovosti obcí je jejich využití spíše ojedinělé. Mnohem častěji je využíván Reillyho model, který aplikuje Řehák a kol. (2009) na území České republiky. Ve své práci Řehák a kol. (2009) využívá geometrickou verzi Reillyho modelu pro zachycení historického vývoje sídelního systému vybraného státu/regionu a změny pozice jednotlivých středisek v sídelním systému (Řehák a kol. 2009). Pro určení spádovosti lze použít i jiné modely. U Reillyho modelu lze vypočítat verzi topologickou či oscilační, které na rozdíl od geometrické verze, která je v této práci využívána, pracují s dopravní sítí. Proto tyto verze Reillyho modelu mohou být pro určování spádovosti vhodnější než geometrická verze. Dalším modelem, který lze pro určování spádovosti použít je Huffův model (kapitola 6.2.1). Tento model na rozdíl od Reillyho modelu lze aplikovat na více lokalit a nepracuje pouze s jednou trasou mezi obcemi. Počítá pravděpodobnost, s jakou bude spotřebitel cestovat do obce A, B, C, atd. (Redlichová, 2013). Metod a analýz pro určování spádovosti, nejen za službami je celá řada. V úvodu této práce (viz kapitola 3) jsou zmíněny některé studie, které se věnují určování spádovosti. Nejvíce je spádovost určována pomocí dostupnosti, kde je mimo jiné využíváno izochron časové dostupnosti (viz kapitola 9) nebo také analýz jízdních řádů. Analýzy založené na dostupnosti služeb jsou pro určování spádovosti stěžejní, jelikož pro dosahování služeb má vzdálenost klesající význam. Vymezení spádových oblastí k vybraným službám při použití modelů pro určování spádovosti představuje těžko proveditelnou analýzu s odpovídajícími výsledky. Pro hlubší analýzy vymezování spádovosti je potřeba do budoucna vycházet z podrobnější datové základny a zohledňovat veškeré faktory, které mohou spádovost obcí ovlivnit 50

51 ZDROJE Knihy a odborné časopisy ANDĚL, Jiří. Sociogeografická regionalizace. Vyd. 1. Ústí nad Labem: Univerzita J.E. Purkyně, 1996, s. 85. ISBN CURTIN, Kevin, CHURCH, Chris. Optimal dispersion and central places. Journal of Geographical Systems. 2007, č. 2. DOI: /s HALÁS, Marián, KLAPKA, Pavel: Regionalizace Česka z hlediska modelovaní prostorových interakci. Geografie, 115, č. 2, 2010, s HAMPL, Martin, JEŽEK, Josef, KÜHNL, Karel. Sociálněgeografická rajonizace ČSR. Praha: Čs. demografická společnost při ČSAV, 1978, s , 3 s. příl. HUDEČEK, T., CHURAŇ, R., KUFNER, J: Dostupnost Prahy při využití silniční dopravy v období Geografie, 116, č. 3, 2011 s HŮRSKÝ, Josef. Regionalizace České socialistické republiky na základě spádu osobní dopravy. Brno: Geografický ústav ČSAV, 1979u1978, 80, 182 s. JIHOMORAVSKÝ KRAJ. Tematický atlas Jihomoravského kraje. 2. vydání. Šumperk: JENA, ISBN KREJČÍ, Tomáš. Regionální rozvoj:teorie, aplikace, regionalizace. 1. vyd. v Brně: Mendelova univerzita, 2010, s ISBN MARYÁŠ, Jaroslav. K metodám výběru středisek maloobchodu a sfér jejich vlivu. In Zprávy Geografického ústavu ČSAV. 1. vyd. Brno: Československá akademie věd Geografický ústav, 1983, roč. 20. č. 3, s ISSN MARADA, Miroslav. Doprava a geografická organizace společnosti v Česku. 1. vyd. Praha: Česká geografická společnost, 2010, 165 s. ISBN MIRVALD, Stanislav. Geografie dopravy I. 2. upr. vyd. Plzeň: Západočeská univerzita, 1999, 71 s. ISBN

52 REDLICHOVÁ, Radka. Regionální ekonomika. 1. vyd. Mendelova univerzita v Brně, ISBN RUDA, Aleš. GIS v regionálním rozvoji. Mendelova univerzita v Brně, ISBN SZCZYRBA, Zdeněk, Geografie obchodu se zaměřením na současné trendy v maloobchodě. 1. Vyd. Olomouc: Univerzita Palackého, 2006, 90 s. ISBN TOUŠEK, Václav, KUNC, Josef, VYSTOUPIL, Jiří. Ekonomická a sociální geografie. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, 2008, s ISBN VAŠEK, Lubomír. Geografické informační systémy: Analýzy geografických dat - část 2. Zlín, Studijní materiál. Univerzita Tomáše Bati ve Zlíně. VYSTOUPIL, Jiří. Prognózy a modely v regionálním rozvoji. Brno, Studijní materiál. Masarykova univerzita v Brně. WOKOUN, René. Základy regionální geografie. 1.vyd. Brno:Univerzita J. E. Purkyně, 1984, 31 s. 5 příl. XVI. mezinárodní kolokvium o regionálních vědách. In: MARYÁŠ, CSC., RNDr. Jaroslav. VÝVOJOVÉ TENDENCE VE SPÁDOVOSTI ZA SLUŽBAMI NA PŘÍKLADĚ ZÁZEMÍ BRNA. Valtice, 2013, s DOI: /CZ.MUNI.P Internetové zdroje Analýza socioekonomického rozvoje Jihomoravského kraje se specifikací potřeb po roce 2013 z hlediska kohezní politiky. In: [online] [cit ]. Dostupné z: Česká pošta [online] [cit ]. Dostupné z: Česká televize. Některá města a obce doplácejí na provoz bankomatů. [online] [cit ]. Dostupné z: 52

53 ČERBA, Otakar. Úvod do kartografie. [online] Slidy z přednášek TKa. FaV ZČU Plzeň. Poslední úpravy: [cit ] Dostupné z WWW: GIS portal [online] [cit ]. Dostupné z: HANG, Jin-Cheng. Effects of watershed subdivision level on semi-distributed hydrological simulations: case study of the SLURP model applied to the Xiangxi River watershed, China. HYDROLOGICAL SCIENCES JOURNAL-JOURNAL DES SCIENCES HYDROLOGIQUES. 2014, č. 1. Dostupné z: &qid=3&sid=w1sk8tfhg72umdu1esx&page=1&doc=2 HORÁK, Jiří. Posouzení vlivu veřejné dopravy na nezaměstnanost v obcích okresu Nový Jičín s využitím GIS. Institut Geoinformatiky Dostupné z: HORÁK, Doc. Dr. Ing. Jiří. Prostorová analýza dat. [online] [cit ]. Dostupné z: 1_1.htm JIROVSKÝ, Lukáš. Teorie grafů. [online] [cit ]. Dostupné z: MAIER, Karel. Rozbor udržitelného rozvoje území v kontextu územního plánování a příklady pro hospodářský a sociální pilíř. [online] [cit ]. Dostupné z: kypilir_ pdf MULÍČEK, Ondřej a Robert OSMAN. Průzkum maloobchodní sítě na území města Brna. Magistrát města Brna Dostupné z: Program rozvoje Jihomoravského kraje Jihomoravský kraj [online] [cit ].dostupnéz: 53

54 Prostorové analýzy. [online] [cit ]. Dostupné z: RODRIGUE, Jean-Paul. The Geography of Transport Systems. Hofstra, University New York [online] [cit ]. Dostupné z: ŘEHÁK, Stanislav, HALÁS, Marián, KLAPKA, Pavel. Několik poznámek k možnostem aplikace Reillyho modelu.geographia Moravica [online]. 2009, č. 1, [cit ]. Dostupné z: SCHUURMAN, Nadine. Defining rational hospital catchments for non-urban areas based on travel-time. International Journal of Health Geographics [online]. 2006, č. 10 [cit ]. DOI: / X Dostupné z: SKELLY, Chris, BRABYN, Lars. Modeling population access to New Zealand public hospitals. International Journal of Health Geographics [online]. 2002, č. 12 [cit ]. DOI: / X Dostupné z: SLADKÝ, Jakub. Síťové analýzy GIS pro složky IZS. Plzeň, Diplomová práce. Západočeská univerzita v Plzni. ŠEDĚNKOVÁ, Monika. Simulační přístup k hodnocení dopravní dostupnosti na příkladu dojížďky do zaměstnání. Arcrevue, 14. konference GIS Esri a Leica Geosystem [online]. 2005, 4. [cit ]. Dostupné z: ŠVEC, Pavel. Dopravně geografické regiony Karlovarského kraje a jejich aplikace v prostředí GIS. In: Miscellanea Geographica : Kadedra geografie ZČU v Plzni, s Dostupné z: Teoretický slovník zeměměřičství a katastru nemovitostí. Výzkumný ústav geodetický [online] [cit ]. Dostupné z: 54

55 TIEFELSDRORF, Michael. Modelling spatial processes:the identification and analysis of spatial relationship in regression residuals by means of Moran s. Berlín: Springer- Verlag, řada Lecture notes in earth science, 2000,167 s. ISBN Vyhodnocení komplexního dotazníkového šetření v obcích Jihomoravského kraje k GaREP.Jihomoravský kraj, 2013, 89 s. Dostupné z.: WANG, Shu-Wei, Sun-Li SHAN, Jian RONG. Catchment Area Analysis of Beijing Transit Stations. Journal of Transportation Systems Engineering [online]. 2013, č. 3 [cit ]. Dostupné z: Použitá data Český statistický úřad [online] [cit ]. Dostupné z: Český statistický úřad [online] [cit ]. Dostupné z: 12 Jihomoravský kraj, Odbor Regionálního rozvoje: Dotazníkové šetření Jihomoravského kraje k Dostupné z: 55

56 SEZNAM POUŽITÝCH ZKRATEK GIS HDP IDS JMK JMK ORP ORR SO ORP Geografický informační systém Hrubý domácí produkt Integrovaný dopravní systém Jihomoravského kraje Jihomoravský kraj Obec s rozšířenou působností Odbor regionálního rozvoje Správní obvod obce s rozšířenou působností 56

57 SEZNAM OBRÁZKŮ A TABULEK Obrázek 1 Geometrické modely sítě centrálních míst (Zdroj: Krejčí, 2012) Obrázek 2 Thiessenovy polygony (Zdroj: Ruda, 2013) Obrázek 3 Vymezení ideálních spádových oblastí maloobchodu potravin a smíšeného zboží Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba) Obrázek 4 Grafické znázornění polohy obce Heroltice mezi 2 body (Zdroj: vlastní tvorba) Obrázek 5 Grafické znázornění polohy obce Pasohlávky mezi 2 body (Zdroj: vlastní tvorba) Obrázek 6 Grafické znázornění polohy obce Křtěnov mezi 2 body (Zdroj: vlastní tvorba) Obrázek 7 Graf znázorňující podíl obcí do obyvatel s poštou v okresech Jihomoravského kraje v roce 2012 (Zdroj: Vyhodnocení dotazníkového šetření, Garep 2013) Obrázek 8 Vymezení ideálních spádových oblastí za poštovními službami Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Obrázek 9 Grafické znázornění polohy obce Chrudichromy mezi 2 body (Zdroj: vlastní tvorba) Obrázek 10 Grafické znázornění polohy obce Černvír mezi 2 body (Zdroj: vlastní tvorba) Obrázek 11 Grafické znázornění polohy obce Hajany mezi 2 body (Zdroj: vlastní tvorba) Obrázek 12 Vymezení ideálních spádových oblastí za bankovními službami (banka) Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Obrázek 13 Grafické znázornění polohy obce Krhov mezi 2 body (Zdroj: vlastní tvorba) Obrázek 14 Grafické znázornění polohy obce Křižanovice mezi 2 body (Zdroj: vlastní tvorba)

58 Obrázek 15 Grafické znázornění polohy obce Archlebov mezi 2 body (Zdroj: vlastní tvorba) Obrázek 16 Vymezení ideálních spádových oblastí za bankovními službami (bankomat) Thiessenovými polygony (Zdroj: Dotazníkové šetření v obcích Jihomoravského kraje 2012, Odbor regionálního rozvoje, vlastní tvorba v ArcGIS 10.2) Obrázek 17 Grafické znázornění polohy obce Lipov mezi 2 body (Zdroj: vlastní tvorba) Obrázek 18 Grafické znázornění polohy obce Moravany mezi 2 body (Zdroj: vlastní tvorba) Tabulka 1 Návratnost dotazníků dle okresů Jihomoravského kraje Tabulka 2 Současný stav obslužnosti území a obyvatel IDS JMK Tabulka 3 Počet obcí v Jihomoravském kraji podle velikostní skupiny k Tabulka 4 Obce s vyhovujícím dopravním spojením do spádové obce

59 SEZNAM PŘÍLOH Příloha 1 Ukázka dotazníku sestaveným Odborem Regionálního rozvoje Jihomoravského kraje (Zdroj: Odbor regionálního rozvoje Jihomoravského kraje, 2013) Příloha 2 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají maloobchod s potravinami a smíšeným zbožím (Zdroj: vlastní tvorba).. 63 Příloha 3 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají poštu (Zdroj: vlastní tvorba) Příloha 4 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají banku (Zdroj: vlastní tvorba) Příloha 5 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají bankomat (Zdroj: vlastní tvorba) Příloha 6 Vymezení brněnské metropolitní oblasti (Zdroj: Mulíček a kol., 2013)

60 Přílohy Příloha 1 Ukázka dotazníku sestaveným Odborem Regionálního rozvoje Jihomoravského kraje (Zdroj: Odbor regionálního rozvoje Jihomoravského kraje, 2013) Jihomoravský kraj, Žerotínovo náměstí 3/5, Brno odbor regionálního rozvoje, tel , , : dotaznik@kr-jihomoravsky.cz A. OBEC Dotazník pro obce (uvádějte skutečnost k ) Název obce:... IČ:. Telefon (na obec)... (na obec).. Starosta obce. Mobil.... Kontaktní osoba k dotazníku (jméno, , telefon) www stránky obce. D. DOSTUPNOST SLUŽEB Služba Počet Počet Služba Počet Poč. provozove n pracov. provozoven pracov. pohřebnictví hřbitova) (včetně stavební řemesla 60

61 zahradnictví krejčí, švadlena opravy a výr. obuvi a kož. předmětů malíř natěrač pokojů, instalatér, topenář čalounictví opravny vozidel motorových stolařství, truhlářství opravny prům. zboží (TV, elektro apod.) zámečnictví, kovářství (vyplňují obce do 5 tis. obyvatel) V řádku uveďte vždy počet provozoven, v první tabulce i orientační počet pracovníků; jestliže daný typ služby není v obci zastoupen, řádek proškrtněte. Služba Počet Služba Počet provozoven provozoven obchodní střediska pálenice maloobchodní prodejna potravin květinářství nebo smíšeného zboží specializované prodejny: kadeřnictví, kosmetika ovoce-zelenina fotograf, fotosběrna maso - uzeniny restaurace s možností stravování (vč. bufetu) drogerie pohostinství bez možnosti stravování (včetně barů) průmyslové zboží jiné kavárna / cukrárna vinotéka banka bankomat cestovní kancelář realitní kancelář 61

62 pošta advokátní kancelář, právní poradenství veterinář projekční kancelář benzinová čerpací stanice účetnictví; finanční, daňové poradenství posilovna wellnes masáže půjčovna čeho) půjčovna čeho) (uveďte (uveďte pojišťovací služby jiné jiné jiné jiné 2. Považujete nabídku služeb v obci za dostačující? ANO - NE 3. Spádovost za službami, které nejsou v obci zajištěny (uveďte obec,obce): 1. Potraviny. 2. Specializované prodejny. 3. Restaurace, pohostinství 4. Banka. 4. Které druhy služeb jsou pro občany vaší obce obtížně dostupné: Druh služby: Obce, do kterých občané za těmito službami dojíždí :

63 Příloha 2 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají maloobchod s potravinami a smíšeným zbožím (Zdroj: vlastní tvorba) Lažánky Heroltice (SO ORP Tišnov) Tišnov Brod nad Dyjí Pasohlávky (SO ORP Pohořelice) Ivaň Louka Suchov Blatnička (SO ORP Veselí nad Moravou) Olešnice Křtěnov (SO ORP Boskovice) Louka 63

64 Křetín Prostřední Poříčí (SO ORP Boskovice) Horní Poříčí Křetín Lazinov (SO ORP Boskovice) Vranová Zbraslavec Lhota u Lysic (SO ORP Boskovice) Bedřichov Osiky Strhaře (SO ORP Tišnov) Rašov Olší Skyryje (SO ORP Tišnov) Újezd u Tišnova 64

65 Zbraslav Litostrov (SO ORP Rosice) Říčky Zbýšov Babice u Rosice (SO ORP Rosice) Zastávka Tetčice Omice (SO ORP Šlapanice) Popůvky Dolní Kounice Nové Bránice (SO ORP Ivančice) Moravské Bránice 65

66 Olbramovice Suchohrdly u Miroslavi Nasiměřice (SO ORP Moravský Krumlov) Hodonice Krhovice (SO ORP Znojmo) Strachotice Božice Velký Karlov (SO ORP Znojmo) Dyjákovice Mašovice Podmolí (SO ORP Znojmo) Lukov Mackovice Břežany (SO ORP Znojmo) Pravice 66

67 Žarošice Násedlovice (SO ORP Kyjov) Želetice Žádovice Kelčany (SO ORP Kyjov) Vlkoš Brankovice Malínky (SO ORP Bučovice) Kožušice Brťov-Jeneč Zhoř (SO ORP Tišnov) Rašov Vranov Šebrov - Kateřina (SO ORP Blansko) Lipůvka 67

68 Deblín Úsuší (SO ORP Tišnov) Dolní Loučky Svitávka Míchov (SO ORP Boskovice) Vísky Olešnice Křtěnov (SO ORP Boskovice) Louka Křetín Prostřední Poříčí (SO ORP Boskovice) Horní Poříčí 68

69 Křetín Lazinov (SO ORP Boskovice) Vranová Zbraslavec Lhota u Lysic (SO ORP Boskovice) Bedřichov Osiky Strhaře (SO ORP Tišnov) Rašov Olší Skyryje (SO ORP Tišnov) Újezd u Tišnova 69

70 Zbraslav Litostrov (SO ORP Rosice) Říčky Zbýšov Babice u Rosic (SO ORP Rosice) Zastávka Tetčice Omice (SO ORP Šlapanice) Popůvky Dolní Kounice Nové Bránice (SO ORP Ivančice) Moravské Bránice 70

71 Olbramovice Nasiměřice (SO ORP Moravský Krumlov) Suchohrdly u Miroslavi Hodonice Krhovice (SO ORP Znojmo) Strachotice Božice Velký Karlov (SO ORP Znojmo) Dyjákovice Mašovice Podmolí (SO ORP Znojmo) Lukov 71

72 Mackovice Břežany (SO ORP Znojmo) Pravice Žarošice Násedlovice (SO ORP Kyjov) Želetice Žádovice Kelčany (SO ORP Kyjov) Vlkoš Brankovice Malínky (SO ORP Bučovice) Kožušice Brťov-Jeneč Zhoř (SO ORP Tišnov) Rašov 72

73 Vranov Šebrov - Kateřina (SO ORP Blansko) Lipůvka Deblín Úsuší (SO ORP Tišnov) Dolní Loučky Svitávka Míchov (SO ORP Boskovice) Vísky 73

74 Příloha 3 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají poštu (Zdroj: vlastní tvorba) Svitávka Chrudichromy (SO ORP Boskovice) Boskovice Nedvědice Černvír (SO ORP Tišnov) Doubravník Ořechov Hajany (SO ORP Šlapanice) Želešice Olešnice Ústup (SO ORP Boskovice) Křetín 74

75 Šeletov Světlá (SO ORP Boskovice) Cetkovice Doubravice nad Svitavou Jabloňany (SO ORP Boskovice) Skalice nad Svitavou Milonice Lažany (SO ORP Blansko) Lipůvka Čebín Chudčice (SO ORP Kuřim) Veverská Bítýška 75

76 Kanice Řícmanice (SO ORP Šlapanice) Bílovice nad Svitavou Rousínov Habrovany (SO ORP Vyškov) Račice-Pístovice Šlapanice Ponětovice (SO ORP Šlapanice) Prace Němčičky Bratčice (SO ORP Židlochovice) Syrovice 76

77 Višňové Trstěnice (SO ORP Moravský Krumlov) Skalice Grešlové Mýto Prokopov (SO ORP Znojmo) Hostim Vranov nad Dyjí Onšov (SO ORP Znojmo) Šumná Znojmo Kuchařovice (SO ORP Znojmo) Únanov Uherčice Podhradí nad Dyjí (SO ORP Znojmo) Šafov 77

78 Velké Němčice Křepice (SO ORP Hustopeče) Nikolčice Sudoměřice Petrov (SO ORP Hodonín) Strážnice Lovčice Nechvalín (SO ORP Kyjov) Bukovany Ruprechtov Podomí (SO ORP Vyškov) Krásensko Němčice Ludíkov (SO ORP Boskovice) Žďárná 78

79 Jedovnice Vilémovice (SO ORP Blansko) Ostrov u Macochy Louka Crhov (SO ORP Boskovice) Olešnice Lomnice Ochoz u Tišnova (SO ORP Tišnov) Doubravník Milonice Malá Lhota (SO ORP Blansko) Černá Hora Drnovice Zbraslavec (SO ORP Boskovice) Kunštát 79

80 Dolní Loučky Úsuší (SO ORP Tišnov) Deblín Lelekovice Česká (SO ORP Kuřim) Jinačovice Lažánky Heroltice (SOORP Tišnov) Tišnov Šeletov Světlá (SO ORP Boskovice) Cetkovice Doubravice nad Svitavou Jabloňany (SO ORP Boskovice) Skalice nad Svitavou 80

81 Milonice Lažany (SO ORP Blansko) Lipůvka Čebín Chudčice (SO ORP Kuřim) Veverská Bítýška Kanice Řícmanice (SO ORP Šlapanice) Bílovice nad Svitavou Rousínov Habrovany (SO ORP Vyškov) Račice-Pístovice 81

82 Šlapanice Ponětovice (SO ORP Šlapanice) Prace Němčičky Bratčice (SO ORP Židlochovice) Syrovice Višňové Trstěnice (SO ORP Moravský Krumlov) Skalice Grešlové Mýto Prokopov (SO ORP Znojmo) Hostim Vranov nad Dyjí Onšov (SO ORP Znojmo) Šumná 82

83 Znojmo Kuchařovice (SO ORP Znojmo) Únanov Uherčice Podhradí nad Dyjí (SO ORP Znojmo) Šafov Velké Němčice Křepice (SO ORP Hustopeče) Nikolčice Sudoměřice Petrov (SO ORP Hodonín) Strážnice Lovčice Nechvalín (SO ORP Kyjov) Bukovany 83

84 Ruprechtov Podomí (SO ORP Vyškov) Krásensko Němčice Ludíkov (SO ORP Boskovice) Žďárná Jedovnice Vilémovice (SO ORP Blansko) Ostrov u Macochy Louka Crhov (SO ORP Boskovice) Olešnice Lomnice Ochoz u Tišnova (SO ORP Tišnov) Doubravník 84

85 Milonice Malá Lhota (SO ORP Blansko) Černá Hora Drnovice Zbraslavec (SO ORP Boskovice) Kunštát Dolní Loučky Úsuší (SO ORP Tišnov) Deblín Lelekovice Česká (SO ORP Kuřim) Jinačovice Lažánky Heroltice (SOORP Tišnov) Tišnov 85

86 Příloha 4 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají banku (Zdroj: vlastní tvorba) Letovice Nýrov (SO ORP Boskovice) Kunštát Adamov Olomoučany (SO ORP Blansko) Blansko Lysice Krhov (SO ORP Boskovice) Boskovice Kyjov Žádovice (SO ORP Kyjov) Vracov 86

87 Veselí nad Moravou Lipov (SOORP Veselí nad Moravou) Velká nad Věličkou Žarošice Archlebov (SOORP Kyjov) Ždánice Bučovice Křižanovice (SOORP Bučovice) Slavkov u Brna Kyjov Stavěšice (SOORP Kyjov) Žarošice 87

88 Kyjov Ostrovánky (SOORP Kyjov) Ždánice Veselí nad Moravou Vnorovy (SOORP Veselí nad Moravou) Strážnice Bzenec Domanín (SOORP Kyjov) Moravský Písek Velké Bílovice Čejkovice (SOORP Hodonín) Čejč 88

89 Znojmo Oleksovice (SO ORP Znojmo) Miroslav Znojmo Milíčovice (SO ORP Znojmo) Vranov nad Dyjí Šlapanice Blažovice (SO ORP Šlapanice) Slavkov u Brna Brno Modřice (SO ORP Šlapanice) Rajhrad 89

90 Tišnov Šerkovice (SO ORP Tišnov) Lomnice Brno Ostopovice (SO ORP Šlapanice) Troubsko Troubsko Omice (SO ORP Šlapanice) Rosice Ivančice Bohutice (SO ORP Moravský Krumlov) Miroslav 90

91 Znojmo Božice (SO ORP Znojmo) Hrušovany nad Jevišovkou Slavkov u Brna Velešovice (SO ORP Slavkov u Brna) Rousínov Boskovice Míchov (SO ORP Boskovice) Letovice 91

92 Hodonín Josefov (SO ORP Hodonín) Velké Bílovice Suchohrdly u Miroslavi Lesonice (SO ORP Moravský Krumlov) Moravský Krumlov 92

93 Příloha 5 Grafické znázornění polohy mezi 2 body pro vybrané obce, které na svém území nemají bankomat (Zdroj: vlastní tvorba) Veselí nad Moravou Lipov (SOORP Veselí nad Moravou) Velká nad Věličkou Brno Moravany (SOORP Šlapanice) Modřice Letovice Nýrov (SO ORP Boskovice) Kunštát Kyjov Žádovice (SO ORP Kyjov) Vracov 93

94 Bzenec Veselí nad Moravou Moravský Písek(SO ORP Veselí nad Moravou) Vracov Vacenovice (SO ORP Kyjov) Ratíškovice Břeclav Ladná (SO ORP Břeclav) Podivín Lanžhot Tvrdonice (SO ORP Břeclav) Moravská Nová Ves Podivín Rakvice (SO ORP Břeclav) Velké Pavlovice 94

95 Mikulov Sedlec (SO ORP Mikulov) Valtice Valtice Hlohovec (SO ORP Břeclav) Lednice Velké Pavlovice Bořetice (SO ORP Hustopeče) Kobylí Velké Pavlovice Starovičky (SO ORP Hustopeče) Hustopeče Židlochovice Velké Němčice (SO ORP Hustopeče) Hustopeče 95

96 Mikulov Pavlov (SO ORP Mikulov) Hustopeče Mikulov Nový Přerov (SO ORP Mikulov) Hrušovany nad Jevišovkou Jevišovice Hluboké Mašůvky (SO ORP Znojmo) Znojmo Brno Podolí (SO ORP Šlapanice) Šlapanice Újezd u Brna Kobylnice (SO ORP Šlapanice) Šlapanice 96

97 Brno Adamov Babice nad Svitavou (SO ORP Šlapanice) Adamov Olomoučany (SO ORP Blansko) Blansko Blansko Spešov (SO ORP Blansko) Rájec - Jestřebí Rájec - Jestřebí Sloup (SO ORP Blansko) Žďárná Jedovnice Šošůvka (SO ORP Blansko) Žďárná 97

98 Černovice Bedřichov (SO ORP Boskovice) Lysice Kunštát Sebranice (SO ORP Boskovice) Boskovice Lysice Krhov (SO ORP Boskovice) Boskovice Žďárná Valchov (SO ORP Boskovice) Boskovice 98

99 Čejkovice Bantice (SO ORP Znojmo) Znojmo Čejč Nenkovice (SO ORP Kyjov) Ždánice Hodonín Rohatec (SO ORP Hodonín) Ratíškovice Pohořelice Kubšice (SO ORP Moravský Krumlov) Moravský Krumlov 99

100 Bzenec Moravský Písek (SO ORP Veselí nad Moravou) Veselí nad Moravou Vracov Vacenovice (SO ORP Kyjov) Ratíškovice Břeclav Ladná (SO ORP Břeclav) Podivín Lanžhot Tvrdonice (SO ORP Břeclav) Moravská Nová Ves Podivín Rakvice (SO ORP Břeclav) Velké Pavlovice 100

101 Mikulov Sedlec (SO ORP Mikulov) Valtice Valtice Hlohovec (SO ORP Břeclav) Lednice Velké Pavlovice Bořetice (SO ORP Hustopeče) Kobylí Velké Pavlovice Starovičky (SO ORP Hustopeče) Hustopeče Židlochovice Velké Němčice (SO ORP Hustopeče) Hustopeče 101

102 Mikulov Pavlov (SO ORP Mikulov) Hustopeče Mikulov Nový Přerov (SO ORP Mikulov) Hrušovany nad Jevišovkou Jevišovice Hluboké Mašůvky (SO ORP Znojmo) Znojmo Brno Podolí (SO ORP Šlapanice) Šlapanice Újezd u Brna Kobylnice (SO ORP Šlapanice) Šlapanice 102

103 Brno Babice nad Svitavou (SO ORP Šlapanice) Adamov Adamov Olomoučany (SO ORP Blansko) Blansko Blansko Spešov (SO ORP Blansko) Rájec - Jestřebí Rájec - Jestřebí Sloup (SO ORP Blansko) Žďárná 103

104 Jedovnice Šošůvka (SO ORP Blansko) Žďárná Černovice Bedřichov (SO ORP Boskovice) Lysice Kunštát Sebranice (SO ORP Boskovice) Boskovice Lysice Krhov (SO ORP Boskovice) Boskovice 104

105 Žďárná Valchov (SO ORP Boskovice) Boskovice Čejkovice Bantice (SO ORP Znojmo) Znojmo Čejč Nenkovice (SO ORP Kyjov) Ždánice Hodonín Rohatec (SO ORP Hodonín) Ratíškovice 105

106 Pohořelice Kubšice (SO ORP Moravský Krumlov) Moravský Krumlov 106

107 Příloha 6 Vymezení brněnské metropolitní oblasti (Zdroj: Mulíček a kol., 2013)