В 2008 году, впервые в истории, большинство населения на Земле являлось городским. Половина населения Азии будет жить в городах к 2020 году; половина населения Африки будет жить в городах к 2035 году. Население в городах, как ожидается, вырастет с 3,6 млрд до 6,3 млрд к 2050 году. Для реализации потенциальной роли городов в качестве двигателей развития, необходимо устранить барьеры, препятствующие образованию инклюзивных городов, то есть, городов, способных содействовать росту капитала. Городская сегрегация является одним из этих барьеров, поскольку в городах развивающегося мира имеет место усиленная социальная изоляция. Существуют различные типы городского разделения, в том числе по доходам, расовой и этнической сегрегации, в зависимости от контекстных механизмов в пределах города. Данная статья фокусируется на сегрегации по уровню доходов, которая определяется как разделение по месту проживания различных групп населения.
В данной статье представлена эмпирически обоснованная модель сегрегации по доходам MASUS - мульти-агентный симулятор городской сегрегации. Целью MASUS является создание виртуальной лаборатории для изучения влияния различных механизмов на возникновение шаблонов сегрегации. В работе представлена концептуальная основа MASUS и спецификация модели, также проиллюстрирован ее потенциал на трех экспериментах по сегрегации в Сан-Жозе-дус-Кампус, среднего размера городе, расположенном в штате Сан-Паулу, Бразилия.
Первый эксперимент сравнивает выходные данные с эмпирическими, и тестирует, может ли модель обеспечивать адекватное представление сегрегации, наблюдаемой в Сан-Жозе-дус-Кампус. Целью второго эксперимента было продемонстрировать, как MASUS может быть использован для тестирования теоретических вопросов сегрегации, исследуя отношения между неравенством доходов, рассматриваемых как продукт рынка труда, и конфигурацией шаблонов сегрегации. Третий эксперимент демонстрирует способность MASUS обеспечить понимание в отношении воздействия на сегрегацию социальной политики.
Концептуальная основа модели
Концептуальная основа модели имеет три основных компонента: городское население, городской ландшафт и экспериментальные факторы. На рис. 1 представлены эти компоненты и их взаимосвязи.
Рис.1. Концептуальная основа MASUS
Городской ландшафт - это среда, в которой расположены агенты-домохозяйства и в которой они действуют. Эта среда обеспечивает пространственно явный контекст для принятия решения агентом о том, переместиться ему или оставаться на месте. Городской ландшафт представляет собой сетку ячеек с собственными состояниями и промежуточной динамикой. Состояние ячейки описывается списком пространственных переменных, имеющих отношение к поведению домохозяйств, а именно: тип землепользования, стоимость земли, инфраструктура. В модели MASUS основная динамика городской системы ландшафта производится четырьмя подмоделями: разрастание города, предложение жилья, качество инфраструктуры, стоимость земли. Эти ландшафтные процессы функционируют параллельно с мобильностью домохозяйств. Например, когда агент решает переехать в другое место, то предложение жилья изменяется в двух местах, и на новом месте жительства, и на старом. Экспериментальные факторы представляют собой экзогенные параметры и входные данные, которые могут быть изменены для проверки теорий и подходов к политике сегрегации.
Спецификация модели
Модуль "Городское население"
Рис.2. Архитектура модуля "Городское население"
Домохозяйство - минимальная единица системы городского населения. Она состоит из:
• профиля агента, который включает в себя переменные, имеющие отношение к выбору агентом местоположения;
• подмодель перемещения домохозяйства (Н-переход), которая является внутренней моделью агента, имитирующей естественную динамику его профиля;
• представление агента о жилых объектах в городе, в том числе о его собственном;
• подмодель принятия решений (решения), которая управляет выбором агента местоположения.
Группа домохозяйств обеспечивает конкретные групповые функции и параметры, благодаря чему формируется представление агента о жилых объектах и подмодель принятия решений агента.
Население - совокупность всех домохозяйств. Этот уровень состоит из:
• социально-демографического состояния населения (PSOC), в том числе размер и другие статистические данные;
• подмодели перемещения населения (Р-переход), которая держит социально-демографическую ситуацию населения на ожидаемом уровне, предусмотренном пользователем;
• состояние сегрегации населения (PSEG).
Модуль "Городской ландшафт"
Рис.3. Архитектура модуля "Городской ландшафт"
Участок ландшафта- это часть окружающей среды, которая соответствует минимальной единице городской системы ландшафта. Она включает в себя: 1) состояние участка (Lstate), которое включает в себя переменные среды, имеющие прямое или косвенное отношение к локальному поведению домашних хозяйств; 2) подмодель разрастания города (U-sprawl); 3) подмодель предложения жилья (D-offer); 4) подмодель стоимости земли (L-VALUE); и 5) подмодель инфраструктуры (INFRA).
Подмодель разрастания города (U-sprawl) имитирует расширение урбанизированных районов города. Эта модель адаптирует методологический подход, представленный в работе Jean-Philippe Antoni Urban sprawl modelling: A methodological approach. In Cybergeo – 12th European Colloquium on Quantitative and Theoretical Geography (2001). Он имеет две фазы: первая – фаза перехода, которая измеряет разрастание; вторая - этап распределения, которая определяет местоположения новых городских участков. Для оценки вероятности глобального перехода в первой фазе используются цепи Маркова (используются для вычисления количества участков, преобразованных из не городских в городские). Фаза распределения опирается на бинарную логистическую регрессию для оценки вероятности того, что не городские участки станут городскими. На основе этих вероятностей подмодель выделяет новые городские участки. Эти городские участки представляют собой новые альтернативы, которые могут быть рассмотрены домохозяйствами во время процесса принятия решения.
Подмодель предложения жилья (D-offer) также имеет фазы перехода и распределения. Фаза перехода обновляет общее количество жилья, которым является число занятого жилья плюс доля hstock этого числа (жилищного фонда). Фаза распределения выделяет общее количество жилья на основе двух линейных регрессионных моделей: одна модель оценивает потери предложения жилых участков из-за расширения нежилого фонда (например, расширение коммерческой недвижимости в жилых районах); другая модель оценивает увеличение жилых участков. Подмодель ценности земли (L-VALUE) основана на гедонистической ценовой модели для оценки стоимости ячейки земли, в то время как подмодель инфраструктуры (INFRA) опирается на линейные регрессионные модели для оценки качества инфраструктуры каждой клетки.
Модуль экспериментов
Модуль экспериментов состоит из шаблонов различных спецификаций, которые могут быть установлены для изучения воздействия определенного контекстного механизма на формы сегрегации. Такие контекстные механизмы включают в себя персональные предпочтения, уровень неравенства доходов, социальную политику и инвестиции в инфраструктуру. Шаблоны спецификаций, реализованные в текущей версии MASUS, могут влиять на поведение системы четырьмя способами:
-
Изменение глобальных переменных в подмодели Р-перехода влияет на социальный состав населения. Например, можно проверить теории о взаимосвязи между сегрегацией и неравенством доходов путем имитации альтернативных сценариев, в которых состав доходов населения показывает различные уровни неравенства.
-
Изменение параметров вложенных логит-функций, управляющих поведением агентов-домохозяйств (подмодель Decision). Например, можно проверить, влияют ли предпочтения богатых домохозяйств относительно социального состава окрестностей на участки сегрегации.
-
Изменение структуры подмодели Decision. Можно смоделировать политику распространения бедности, в которой бедные домохозяйства получают жилищные ваучеры для выхода из проблемных районов.
-
Изменение состояния окружающей среды (URBAN-LANDSCAPE). Можно изучить как инвестиции, упорядочивающие все нелегальные поселения города и обеспечивающие равное распределение инфраструктуры, могут изменить участки сегрегации.
Было проведено три эксперимента.
Первый эксперимент: сравнение результатов с эмпирическими данными.
Первый эксперимент имитирует динамику сегрегации Сан-Жозе-дус-Кампус в период 1991-2000 гг. Начальное состояние эксперимента повторяет характеристики города в 1991 году. Данные были получены из бразильской переписи, изображений со спутника Landsat, рекламных объявлений о недвижимости в местных газетах и из карт, предоставленных органами местного самоуправления. Начальное население представляет собой полное население города (106,591 домохозяйств в 1991 году), эти данные были получены непосредственно из бразильской переписи.
Рис.4. Эксперимент 1: сравнение результатов моделирования с эмпирическими данными.
После установки начального состояния, было выполнено девять годовых циклов, и результат был сопоставим с реальными данными 2000 года. Калибровка состояла из небольших изменений в параметрах подмодели принятия решений. На рис. 4 показаны индексы сегрегации, рассчитанные для начального состояния (1991), смоделированных данных (2000) и реальных данных (2000). Местные индексы сегрегации отображаются на карте более темными цветами, представляющими более высокие уровни сегрегации. Эксперимент проводился пять раз и, несмотря на стохастический характер модели, все репликации дали те же самые результаты.
В общем, моделируемые участки сегрегации демонстрируют хорошее соответствие с наблюдаемым участком в течение реального времени. В обоих случаях глобальный индекс расхождения немного увеличился с 1991 до 2000 (с 0,26 до 0,28). Карты локальной версии индекса (рис. 4 b и c) показывают, что это увеличение произошло в районах, близких к центру, к западной части и в южной области. Карты изоляции дополняют эту информацию, показывая, что высокое расхождение в центральных районах вызвано изоляцией богатых домохозяйств (рис. 4 h и i), а высокое расхождение на юге - изоляции бедных семей (рис. 4 e и f).
Интерпретация глобальных индексов изоляции требует осторожности, так как пропорции социальных групп города влияют на их значения. В период 1991-2000 гг доля семей с низкими доходами (до 4 минимальных зарплат) снизилась с 0,54 до 0,51, и их пространственная изоляция снизилась с 0,6 до 0,58 (оба значения и в модели, и в реальных данных). Эти изменения означают, что, в среднем, 58% соседей домохозяйств с низким уровнем дохода принадлежат к той же группе доходов. Это значение выше, чем общий процент этой группы в городе (51%). Индексы изоляции также варьируются в зависимости от концепции соседства, используемого для измерений: в этих экспериментах район домохозяйства включает в себя область в радиусе 700 м.
Согласно моделируемым картам (рис. 4 d-f), уменьшение изоляции бедности произошло, главным образом, в районах, приближенных к центру, сохраняя при этом высокую (или выше среднего) изоляцию на окраинах города. Такая пространственная конфигурация увеличивает расстояние между социальными группами и создает дополнительные трудности для повседневной жизни семей с низким уровнем дохода. Бедные районы на окраинах города, как правило, нелегальны. Эти области продаются частными застройщиками, которые делают это без официального рассмотрения или утверждения. Из-за отсутствия доступного жилья в "правовом городе", право собственности на землю в этих населенных пунктах и самостоятельное строительство домов стало единственной альтернативой для многих бедных семей. Эти семьи не получают преимуществ жизни в районах с базовой инфраструктурой и городскими услугами.
Глобальные индексы изоляции для домохозяйств с высоким уровнем дохода рассчитываются для реальных и моделируемых данных и показывают одинаковые тенденции, но с различными значениями. Доля домохозяйств с высоким уровнем дохода (более 10 минимальных зарплат) увеличилась с 0,15 до 0,19. Изоляция этих семей увеличилось с 0,33 до 0,38 в соответствии с реальными данными и 0,36 в соответствии с моделируемыми данными. Интересно, что разница между долей данной группы в городе и индексом изоляции гораздо выше для богатых домохозяйств (0,19 против 0,38/0,36), чем для семей с низким уровнем дохода (0,51 против 0,58). Эта разница предполагает, что наиболее богатые домохозяйства более склонны жить в изоляции от других социальных групп.
Карты изоляции, рассчитанные для модели и для реальных данных (рис. 4 g-i) показывают, что изоляция домашних хозяйств с высоким уровнем доходов увеличилась в районах, близких к центру и по направлению к западной части. Такая картина разделения обычно наблюдается в бразильских городах, где растет самосегрегация средних и высших классов.
Второй эксперимент: тестирование теоретических аспектов сегрегации.
Второй эксперимент исследует влияние на участки сегрегации различных уровней неравенства доходов, рассматриваемых как продукт на рынке труда. В Соединенных Штатах в нескольких теоретических и эмпирических исследованиях говорится, что неравенство доходов способствует городской сегрегации (Майер, 2001; Рирдон и Бишофф, 2008; Ватсон, 2006). Однако в Латинской Америке этот вопрос вызвал споры: одни исследователи находят причинно-следственную связь между неравенством и сегрегацией (Kowarick, 1979; Лаго, 2000; Maricato, 1979), другие заявляют, что такие причинно-следственные отношения не всегда верны. Сабатини (2004) подверг критике аргумент, что неравенство отражается на городской сегрегации, он назвал этот аргумент ''гипотеза зеркального эффекта". Согласно автору, увеличение неравенства доходов может способствовать обратной прогрессии в сегрегации. В качестве примера он упомянул о дисперсии элит, которые произошли во многих городах Латинской Америки с 1980 года.
Целью второго эксперимента является попытка разрешить эти дебаты. Были проведены сравнения экспериментов, описанных выше, с двумя альтернативными сценариями: первый - где неравенство увеличивается в процессе моделирования и второй - где неравенство уменьшается. Все остальные характеристики модели оставались постоянными. Для изменения уровней неравенства в MASUS, пользователь может выбрать шаблоны с различными настройками для глобальных переменных, чтобы контролировать состав доходов населения.
Рис.5. Эксперимент 2: соотношения между сегрегацией и дифференциацией доходов
Однако, ожидаемый тренд индекса подвергается сомнению, согласно графикам показывая изоляцию семей с высоким уровнем доходов и долю этой группы в городе (рис. 5 е и f). По этой причине, результаты, представленные на этих графиках наиболее показательны. Сценарий низкого неравенства представляет более высокие пропорции богатых домохозяйств по сравнению с другими сценариями, но он по-прежнему отображает самые низкие уровни изоляции. Этот неожиданный результат дает дополнительное указание о причинно-следственной связи между неравенством доходов и сегрегацией, предполагая, что снижение уровня неравенства доходов способствует пространственной интеграции между различными социальными группами.
Эксперимент 3: тестирование антисегрегационной политики
В США и некоторых европейских странах смешение проживания благополучных и неблагополучных групп является главной темой многих научных и политических дискурсов. На практике, эти страны приняли различные стратегии для содействия социальному перемешиванию, использовали, в том числе, рассеивание бедности, обновление проблемных районов и регулировали новую застройку. Эксперимент, представленный в этом разделе, проверяет, каким образом политика борьбы с сегрегацией, основанная на рассеивании бедности может повлиять на динамику обособления латиноамериканского города, такого, как Сан-Жозе-дус-Кампус. Политика содействия интеграции через пространственную дисперсию бедности фокусируется на перемещении бедных домохозяйств из проблемных областей в окрестности районов среднего класса. Для реализации этой стратегии, семьи с низким уровнем дохода получают жилищные ваучеры, которые используются для аренды частного жилья в районах с низким уровнем бедности.
Рис.6. Эксперимент 3: последствия политики социального смешения, основанной на дисперсии бедности.
На рис. 6 показана эволюция глобального индекса расхождения и индексов изоляции в период 1991-2000 годов для трех сценариев: оригинальный (без ваучеров), альтернатива 1 (200-1700 ваучеров) и альтернатива 2 (2 500-4200 ваучеров). Индекс расхождения в 2000 г., который в исходном сценарии был 0,28, стал 0,27 в альтернативном сценарии 1. Это означает, что распределение жилищных ваучеров в 2,3% бедных домохозяйств в городе вызывает уменьшение на 3,5% в индексе расхождения. В альтернативном сценарии 2, распределение путевок в 5,8% бедных домохозяйств уменьшает индекс расхождения на 10,7% (с 0,28 до 0,25).
Индекс пространственной изоляции домохозяйств с высоким уровнем дохода также значительно уменьшается с увеличением инвестиций в жилье по программе. Сравнивая базовый сценарий со вторым сценарием, распределение ваучеров в 2,3% бедных домохозяйств снизило изоляцию домохозяйств с высоким уровнем доходов на 5,7% (с 0.36 0.35). В третьем сценарии, распределение ваучеров в 5,8% бедных домохозяйств вызвало снижение на 8,3% изоляции домохозяйств с высоким уровнем дохода (от 0,36 до 0,33).
Несмотря на эти позитивные тенденции, жилищная программа не может способствовать существенному улучшению общего уровня изоляции семей с низким уровнем дохода. Сравнивая базовый сценарий с альтернативой 1, распределение ваучеров в 2,3% бедных домохозяйств снизило изоляцию домохозяйств с низким уровнем дохода лишь на 1,7% (с 0,58 до 0,57). Сравнивая базовый сценарий с альтернативой 2, распределение ваучеров в 5,8% бедных домохозяйств вызвало снижение изоляции домохозяйств с низким уровнем дохода на 3,4% (от 0,58 до 0,56). Это означает, что, в среднем, 58% соседей бедной семьи принадлежат к той же группе. По базовому сценарию на 2000 год этот процент снизился только до 56% в альтернативном сценарии 2, где были распределены 4200 жилищных ваучеров. Эти цифры демонстрируют ограничения жилищной политики такого типа в городах, где бедные домохозяйства составляют большую долю населения. Также такая политика не в состоянии способствовать изменению пространственного расположения социальных групп, сохраняя конфигурацию, в которой город распадается, социально и физически, по направлению к окраинам.
Для создания существенного изменения уровня изоляции бедных семей в Сан-Жозе-дус-Кампус, политика социального микса на основе распределения жилищных ваучеров будет требовать массовых и постоянных инвестиций. Так как такие инвестиции не являются реалистичными для городов в развивающихся странах, должны быть изучены другие стратегии социального микса. Для таких городов дисперсия богатых семей может быть более эффективным способом для изменения в сегрегации.
Выводы и рекомендации
Можно высказать несколько соображений относительно дальнейших направлений исследования. В текущей версии MASUS, смоделированный процесс принятия решений основан на вложенной логит-модели (NMNL) с тремя уровнями. Преимуществом NMNL является то, что принятие решения о мобильности домохозяйства (перемещаться или остаться) зависит от характеристик жилья, доступного на рынке. Тем не менее, существенным недостатком таких статистических моделей является невозможность обеспечить статистическое представление рассуждений агента. Таким образом, модель результатов вряд ли будет устойчивой при изменении поведения агента. Для решения этой проблемы, дальнейшие исследования должны использовать адаптивных и обучаемых агентов.
Кроме того, процесс принятия решений в MASUS функционирует, не принимая во внимание прошлые решения домохозяйств. Должно быть проведено больше эмпирических исследований о влиянии этих решений на поведение при выборе жилья домохозяйствами. При выборе жилья в модели игнорируется влияние поведения соседей на процесс принятия решений в домохозяйстве. Рассматривая этот пространственный компонент, можно охватить факторы или события, связанные с конкретной окрестностью, которые не были явно представлены в модели, но, тем не менее, влияли на мобильность домохозяйств, проживающих в районе. Для устранения этого недостатка можно включить в исследование использование пространственных дискретных моделей, которые включают в себя эффекты соседства.
Наконец, в MASUS возможно провести большое количество других экспериментов. Например, можно исследовать, как сегрегацией может быть затронута политика диверсификации землепользования или контроль спекуляции землей.
Оригинал статьи можно найти здесь
© Конькова Татьяна