Az általam végzett vizsgálat is azt bizonyítja, hogy a közúti hálózati hányados alapján a gyorsforgalmi útvonalak folyosószerűen jelölik ki a fekvésükhöz képest legkedvezőbb elérhetőségű területeket (27. ábra). A számítás elvi és matematikai hátteréből következően a mutató jellegzetessége, hogy az ország középpontjától távolabb eső gyorsforgalmi utak vég-pontjaira adódnak a legalacsonyabb fajlagos elérési időértékek, s csak ezeket követik a földrajzi és közlekedési centrum települései (Szalkai 2006). A különbség Szalkai eredményeihez képest annyi, hogy 2010-ben a legkedvezőbb helyzetű települések már nem az M3–M30-as végpontja környékén helyezkednek el, hanem egyrészt Szabolcs-Szatmár-Bereg megyében az M3-as je-lenlegi végpontjától az országhatárig, másrészt az M7-es, M70-es végpontjai környékén.
A két számítás azonos eredményének tekinthetjük, hogy mindkettő hátrányos helyzetű területeket jelez a Magas-Bakonyban (e térségben a legrosszabb helyzetű település Fenyőfő), a Balaton-felvidéken, valamint Szobtól északkeletre a szlovák határ mentén. Egyetértek Szalkainak azon megállapításával, miszerint e térségek mindegyikénél természeti akadályo-kon (Baakadályo-kony, Balaton, Ipoly-Duna, Tisza) és a szlovák határ lezáró hatásán múlik a rossz há-lózati fekvés.
Az M7–M5-ös és a déli országhatár által közrezárt terület hátrányos voltát ugyanakkor a valós elérési időket használó számításommal Szalkai eredményeihez képest némileg ponto-sabban tudtam jellemezni. Egyrészt jelentős anomáliát tudtam kimutatni a Duna-Tisza közén (Szabadszállástól délre). E térség legrosszabb elérhetőségű települése Kiskunhalas. A hátrá-nyos közúti helyzet itt egyértelműen a kevés Duna-híd, illetve a (Budapestet elkerülő, transz-verzális) gyorsforgalmi úthálózat hiányával magyarázható.
Tolna és Baranya megyékben (Pécs vonalától északra) egy újabb negatív anomália fe-dezhető fel. Ebben a térségben Gyulaj község rendelkezik a legrosszabb értékekkel. Kimutat-ható még egy-egy kisebb, szigetszerű anomália Martfű, illetve Vésztő térségében. Az előbbi kapcsán annyi az eltérés Szalkai számításaihoz képest, hogy a teljes Közép-Tisza vidék hátrá-nyos helyzete kutatásom szerint immár nem igazolódott, csak annak egy kisebb települési körére.
Amennyiben olyan közúthálózati adatokon végzem el az elemzést, amelyben a forgal-mat nem, csak az úttípust veszem figyelembe, akkor eredményeim a legfontosabb összefüg-gések tekintetében egyeznek bár az előzőkkel, viszont a finom területi különbségek pontos lehatárolása kevésbé megtehető. Ennek a számításnak az eredménye nagyban hasonlít a Szalkai által végzett, előzménynek tekintett számításéhoz, igaz, ő a forgalmi viszonyokat „kor-rigált sebességértékek” használatával igyekezett munkája során tekintetbe venni (36. ábra).
A két érték, vagyis a valós és az elméleti adatokon végzett közúti hányadosok különbsé-geivel kimutatható, hogy melyek a hazai közúthálózat gyenge pontjai, mely térségekben, tele-püléseken vannak közúthálózati problémák.
35. ábra
Átlagos közúti elérési idők Magyarországon, 2010
21,5 – 130,7 Perc
130,8 – 149,4 149,5 – 167,4 167,5 – 187,7 187,8 – 229,3
Forrás: Bauconsult adatai alapjánsaját szerkesztés.
36. ábra
Közúti hálózati hányados a valós elérhetőségi idők használatával, 2010
0,163 – 1,256 1,257 – 1,328 1,329 – 1,392 1,393 – 1,451 1,452 – 1,503 Főútvonalak
1,667 – 1,822 1,563 – 1,666 1,504 – 1,562 Gyorsforgalmi utak Úttípusok
Hálózati hányados
Forrás: Bauconsult adatai alapjánsaját szerkesztés.
Az elérési időket befolyásoló forgalmi viszonyok hatása
A közúti hálózati hányadossal az előbbiekben már jellemeztem a hazai közúthálózat által nyújtott szolgáltatási szintet, amelyet egyszerűbben megközelíthetőségnek nevezek.
Ezen eredményeimet mélyebben vizsgálva fontos kérdés, hogy melyek azok a térségek, települések ahol a forgalom nagysága – függetlenül a közút típusától – jelentősen gátolja a társadalmi és gazdasági fejlődést. Így célszerűnek éreztem megvizsgálni, hogy az elméleti megközelítési viszonyok hol és milyen mértékben különböznek az analitikus forgalom előre-becslési módszerrel meghatározott értékektől.
Ennek érdekében a 3495 F/Ny pont között térinformatikai szoftverrel is előállítottam az elérési időket. Úthálózati alapadatbázisként a GEOX Kft. DTA-50-es katonai alaptérképről digitalizált, 1:250 000 mértékarányú digitális út-adatbázisait használtam, amely az országos közúthálózat szakaszait a 2010. január 1-jei állapotban tartalmazta. Igy eredményeim össze-hasonlíthatók az előzőekben kapottakkal. Kiszámítottam ebben az esetben is a hálózati há-nyadost.
A forgalmi problémák kimutatására az elméleti (vagyis a GEOX adataival számolt) há-lózati hányados értékeiből kivontam a várható (vagyis az analitikus előrebecslési eljárással meghatározott) hálózati hányados értékeit.
Ahhoz, hogy az egyes F/Ny pontok értékeiből településszintű információkat nyerhes-sünk, szükség volt további térinformatikai munkára is. Az eredményeket ezért Spatial Analyst segítségével raszterré interpoláltam. A kapott raszterértékeket ezután ugyanezen modul segít-ségével valamennyi település közigazgatási területére átlagoltam. Eredményeim a 37. ábrán láthatók.
37. ábra
Az elméleti és a várható hálózati hányados különbségei
< –1,5-szeres –1,5 – –0,5-szeres
Főútvonalak Gyorsforgalmi utak Úttípusok
Átlagtól való eltérések Alsóbbrendű útvonalak
–1,5 – ,5-szeres–2 –0,5 – 1,5-szeres– –0,5 – 0,5-szeres–
> 2,5-szeres– Forrás: saját szerkesztés.
A két hálózati hányados különbségét az átlagtól való átlagos eltérés mértékében ábrázol-tam. Kékkel azok a települések láthatók, ahol a valós értékekkel számított hálózati hányados magasabb (vagyis kedvezőtlenebb), mint az elméleti. Pirossal ennek az ellenkezőjét figyelhet-jük meg.
Általánosságban elmondható, hogy a közúthálózaton tapasztalt forgalom elsősorban az ország, illetve megye határ menti külső és belső perifériákon gátolja a közúti közlekedést.
Néhány gócpontot érdemes kiemelni. Ilyen térségek: Szarvas–Mezőtúr–Gyomaendrőd, Püs-pökladány–Nádudvar–Hajdúszoboszló, Fehérgyarmat, Telkibánya, Körmend, valamint Her-cegszántó térsége. Hazai összevetésben természetesen kedvező helyzetű települések is ki-emelhetők. Ezek elsősorban Budapest agglomerációjában (Csömör, Pilisszántó), valamint annak tágabb környezetében (Mór, Cegléd) találhatók. Térképemen a jelenlegi hálózat elemeit is feltüntettem, hogy ezzel is érzékeltessem, mely hálózati elemek fejlesztésére, illetve bővíté-sére lenne szükség a jövőben vizsgálatom eredményei alapján.
A fejlettség és a közúti hálózati hányados kapcsolata
Fontos kérdésnek tekintettem, hogy a közúthálózat által nyújtott szolgáltatás szintjét – ame-lyet jelen esetben a valós időkön számított hálózati hányadossal modelleztem – összevessem a fejlettséggel. Kérdés lehet természetesen, hogy milyen mutatóval is próbáljam a fejlettséget kimutatni.
Jelen vizsgálatban úgy tartottam célszerűnek, hogy az egy főre jutó jövedelem, illetve a munkanélküliségi arány legyen a fejlettséget kifejező két mutató. Az összehasonlításhoz ter-mészetesen arra is szükség volt, hogy a hálózati hányadosra vonatkozó raszteradatokat telepü-lési szintre átszámítsam, amelyet a fentebb részletezett módon végeztem el.
Az összehasonlítás elvégzésénél az Espon (2003) által már elvégzett módszert, illetve klasszifikációt követtem.
Ez alapján a települések négy csoportba sorolhatók. Az első csoportba azok a települé-sek tartoznak, ahol mind a hálózati hányados, mind pedig a fejlettség az átlagosnál kedve-zőbb. A jövedelemnél csak 190, míg a munkanélküliség tekintetében 531 ilyen település van.
Mindkét esetben Budapest agglomerációja, Győr térsége és néhány jelentősebb, elsősorban regionális központ emelkedik ki.
A második csoportba azok a települések kerültek, amelyek megközelítése az országos átlagnál ugyan kedvezőbb, de fejlettségük elmarad attól. Jövedelem vonatkozásában 1241, míg a munkanélküliség esetében csak 900 település esik ebbe a kategóriába.
A harmadik csoporthoz olyan települések tartoznak, amelyek megközelíthetőségi hely-zete elmarad az átlagostól, fejlettségük viszont átlag feletti. Jövedelem esetében 123, munka-nélküliség tekintetében 582 település került ebbe a csoportba.
Végül a negyedik csoport azoké a településeké, amelyeknél a megközelíthetőség és a fejlettség is átlag alatti. Jövedelemnél 1611, munkanélküliségnél pedig 1161 település sorol-ható ebbe a kategóriába.
A fejlettség és a megközelíthetőség térbeli képe kapcsán megállapítható (38., 39. ábra), hogy a két jelenség között alapvető kapcsolat mutatható ki. A fejlett és kedvező megközelíthetőségű, illetve a fejletlen és kedvezőtlen megközelíthetőségű települések cso-portjai a legnagyobb csoportok. Együttesen e két csoport a települések közel kétharmadát teszik ki.
38. ábra
A közúti hálózati hányados és az egy főre jutó jövedelem, 2010
Átlagosnál kedvezőbb/átlagosnál kedvezőbb Hálózati hányados/egy főre jutó jövedelem
Átlagosnál kedvezőbb/átlagosnál kedvezőtlenebb Átlagosnál kedvezőtlenebb/átlagosnál kedvezőtlenebb Átlagosnál kedvezőtlenebb/átlagosnál kedvezőbb
Forrás: saját szerkesztés.
39. ábra
A közúti hálózati hányados és a munkanélküliségi arány, 2010
Átlagosnál kedvezőbb/átlagosnál kedvezőbb Hálózati hányados/munkanélküliség
Átlagosnál kedvezőbb/átlagosnál kedvezőtlenebb Átlagosnál kedvezőtlenebb/átlagosnál kedvezőtlenebb Átlagosnál kedvezőtlenebb/átlagosnál kedvezőbb
Forrás: saját szerkesztés.