Пиво против кофе. Влияет ли градостроительство на потребление.

Введение

В сентябре 2016 тюменские СМИ и соцсети бурлили в полемике после критики от блогера Аркадия Гершмана. Съездив в Тюмень, он посетил новые жилмассивы и в резких тонах раскритиковал их. Вот цитата из его поста с сокращениями:

Просто 27 одинаковых 17-этажных свечек в асфальтовом поле. Хочется ли выходить за пределы квартиры в таком месте? Нет, хочется купить дверь потолще и парковаться перед подъездом, чтобы не видеть этого ада. Не мудрено, что товар первой необходимости здесь, по мнению рынка, спиртное.

Далее он приводит фотографию распространённых во многих местах пивных магазинов:

Фотография из Тюмени

Заглянув в карту 2ГИС можно заметить, что, действительно, магазинов разливного пива много на периферии в Тюмени, Новосибирске и любом другом крупном городе. В новостройках 2010-х годов они есть почти в каждом доме, спасибо строящимся теперь торговым помещениям на первых этажах. Значит ли это, что есть серьёзная проблема или закономерность?

Повод для беспокойства точно есть, потому что квартиры в новостройках покупают в основном люди в начале карьеры или на пике, уж точно не деградировавшие алкоголики, и откуда там столко потребителей разливного пива - большой вопрос.

Пивные магазины в микрорайоне Акатуйский (слева) и в Затулинском жилмассиве (справа), Новосибирск. Жилые дома там же

Пивные магазины в микрорайоне Акатуйский (слева) и в Затулинском жилмассиве (справа), Новосибирск.
Красные круги - дома 2010-х годов, жёлтые - хрущёвской эпохи (1957-1969).
Размер круга - число жителей.

Сторонники нового урбанизма давно критиковали советскую и постсоветскую микрорайонную застройку. Вот что пишет Александр Ложкин в “Очерках о городской среде”:

Очевидно явное противоречие между их желанием создать в проектах качественную архитектурную среду и теми результатами, который мы имеем в итоге реализации их градостроительных проектов спальных микрорайонов и центров городов. Качество получающейся городской среды оказывается запредельно низким, несравнимым с качеством среды центров исторических городов.

Европа с большим отрывом лидирует по числу приезжающих в нее туристов из других частей света. Это единственный регион мира, в который едут не из-за природных достопримечательностей, а для того, чтобы окунуться в городскую среду. Даже иконические модернистские столицы, сразу строившиеся с претензией на то, чтобы стать памятниками градостроительного искусства – Чандигарх и Бразилиа – не стали местами массового паломничества туристов, при том что эти искусственно созданные города оказались не слишком удобны и для жизни местного населения.

Никому, кроме блогеров-экстремалов, не придёт в голову ехать в советские микрорайоны в качестве туристов, да и живут в них люди чаще всего только из-за отсутствия достойной альтернативы. И даже когда в благоустройство таких районов вкладываются многомиллионные средства, что происходит нечасто, они не получают уровень комфорта, хоть в малой мере сопоставимый с качеством среды старых европейских городов.

Возвращаясь к “наливайкам” - Аркадий Гершман в своём посте сразу сделал вывод, что их слишком много и упомянул те же причины: агрессивную некомфортную среду, отсутствие работы и какой-либо уличной жизни. Я же решил проверить этот тезис на данных.

Кофейный центр

Весной 2016 года мы с Дарьей Кисельниковой сделали работу по определению границ центра Новосибирска. Задача оказалась сложной: если наносить все фирмы из справочника, их максимальная концентрация будет в мелко поделенных офисах и на рынках. Пришлось выбирать отрасли, которые характерны для центра, а затем использовать сразу несколько методик - число фирм в расчёте на площадь, число фирм на периметре квартала (аналог рейтинга активности фасада Яна Гейла) и разнообразие фирм в квартале. Архитектор Дмитрий Ощепков предположил, что если нанести на карту только кофейни, они “подсветят” центр, а из пивных получится карта периферии.

Наиболее интенсивные зоны города, которые можно считать центром

Кофейни занимают специфическую нишу — в отличие от столовых, в кофейню ходят не столько ради еды или напитков, а устраивают встречи либо просто выходят в люди. Поэтому кофейни очень чувствительны к «центральности» места и качеству среды. Ещё одна их ниша — напитки, которые берут с собой на прогулку (в качестве так называемого ритуального потребления). Значит часть кофеен находится возле мест прогулок — красивых и уютных улиц или парков, которые обычно находятся тоже возле центра. Хотя некоторые есть и на окраинах и задворках районов, там слишком мало гуляющих, чтобы генерировать достаточную выручку.

Было решено проверить, как связана планировка города и районов с количеством кофеен.

Постановка задачи

Итого, мы имеем два тезиса для проверки:

  1. В спальных районах выше концентрация пивных магазинов
  2. В центральных частях, или где хорошая городская среда - скопления кофеен

В принципе, если нанести на карту точки, где находятся эти магазины и кофейни, получается именно то, что и ожидалось. Однако это легко может оказаться ложной корреляцией. Пример ложной корреляции - чем больше в разных городах врачей, тем там больше смертей. Очевидно, что оба значения зависят от населения.

Чтобы исключить влияние плотности населения, было решено считать число магазинов на 10 тысяч жителей или квартир.

Так же число пивных магазинов может объясняться просто удобством их открывать, то есть торговыми помещениями на первых этажах. Чтобы исключить этот фактор я сравнивал число пивных магазинов с магазинами товаров повседневного спроса, то есть продуктовыми и аптеками.

Фундаментально тезис исследования, конечно, несколько отличается. Я приведу его полностью, но замечу, что пока такие факторы не доступны в чистом виде.

Качественная городская среда формирует городской и благополучный образ жизни, потребления, и стимулирует появление соответствующих фирм в этом месте (кофейни). Некачественная удерживает только плохой образ жизни и сопутствующее потребление (магазины разливного пива, микрокредитование).

При этом мне хотелось проверить на этих данных и то, является ли модернистский микрорайон неблагополучным по сравнению с традиционной городской застройкой.

Средства для классификации типологий уже появились, но пока недостаточно тонкие, как хотелось бы: архитектор Роман Кучуков 8 апреля 2017 опубликовал отчёт о классификации кварталов.

Обзор методики

Методика исследования такова:

  1. Для каждого дома есть исходные показатели - число жителей, год постройки, время поездки до центра города.
  2. Для каждого дома подсчитываем число объектов в радиусе 500 м - число квартир, число объектов торговли - пивных магазинов, кафе, аптек и продуктовых магазинов.
  3. Получаем удельные показатели (очищаем от фактора плотности населения), деля число объектов на число квартир в радиусе.

В принципе, можно было попытаться очистить показатели от экономической активности, то есть поделить число пивных магазинов на число продуктовых и аптек. Но т.к. оба показателя сильно неравномерны и колеблются в любом разрезе, результат трудно интерпретировать, и, скорее всего, статистически он будет не значимым, т.к. дисперсии ошибок умножаются и будут доходить до десятков процентов.

  1. Для уровня квартала или года постройки считаем средние показатели, взвешенные по квартирам.
  2. Время поездки округляем до 5 минут, а годы постройки делим по эпохам - дореволюционная, раннесоветская и т.д.
  3. Для каждой пары <округлённое время> и <эпоха застройки> мы тоже рассчитываем средние и агрегированные показатели так же, как для квартала.

По сути пункты 4 и 6 - это просмотр сводной таблицы (по-другому - куба OLAP) в разных разрезах по разным уровням иерархии.

Построив график по одной оси (например, год или время поездки до центра), мы проверяем, есть ли на нём заметные тенденции. Другой вариант - таблица (время + год застройки, либо год застройки + размер квартала), тоже выявляет заметные тенденции. По таблице мы сравниваем колонки и строки.

Наилучший разрез, на котором были заметны тенденции - это эпоха застройки на одной оси и время поездки до центра на другой.

Эпоха застройки как фактор

Для удобства классификации годы постройки зданий были поделены на эпохи. В каждую из них жилые дома строились значительно иначе чем в предыдущую и последующую.

Дореволюционная застройка

До наших дней в основном дошли жилые дома не раньше 19 века, за редкими исключениями. Самое важное, что города до революции строились по европейской традиции - если город был достаточно плотным и активным, фасад здания выходил на тротуар, витрины и входы в магазины (не выше пары ступенек) оживляли улицы. С революцией и отъёмом собственности всё это строительство прекратилось. Конец этой эпохи для надёжности можно установить как 1919 год.

Раннесоветская - 1920-е и эпоха конструктивизма.

Здания той эпохи в основном находятся в центрах городов, и архитекторы той эпохи ещё продолжали работать в старой традиции градостроительства. Эпоха эта продолжалась до примерно середины 1930-х.

Сталинская застройка

Эта эпоха объединяет 1930-е и начало 1950-х. В это время жилые дома (дошедшие до наших дней) строились в основном для партийной элиты, на центральных улицах, с высокими потолками и больших площадей. Однако в эту эпоху были построены и большие рабочие посёлки, как правило по обходным технологиям - деревянные, шлакоблочные, и каркасно-насыпные (между деревянными рамами насыпался шлак). Снаружи часто эти дома штукатурились и выглядели как приличные каменные, но уже в 1990-е годы они были в плохом состоянии, а сейчас уже в аварийном.

Хрущёвская - 1958 и до конца 1960-х

Большой перегиб в сторону пышных дворцов и бараков обернулся перегибом в обратную сторону - избавления от излишеств и дешёвого, но надёжного массового жилого строительства. Эпоха 1960-х дала максимальное количество квадратных метров жилья из того, что есть в России сейчас.

Позднесоветская. 1970-е и до 1993

Граница между хрущёвской и брежневской эпохой в домостроении не чёткая. “Хрущёвки” в СССР продолжали строиться в 70-е годы, а последние были построены уже в конце 80-х. Начало “брежневской” эпохи стоит отсчитывать с 1975 года, когда средняя площадь квартир начала расти благодаря вводу новых серий (“Возвращение к хрущёвкам”, Д. Лебедев, Д. Кисельникова).

90-е годы

В эти годы резко упал ввод жилья, и в Москве даже появились здания новых типологий. В остальных городах в этот период только достраивались немногочисленные дома, заложенные ещё в советские годы.

“Нулевые”

Экономический рост начала 2000-х ещё не стимулировал массового платежеспособного спроса на жильё, но обеспеченный класс уже мог позволить себе новостройки, которые в это время в основном строились в центрах городов. Микрорайоны на окраинах появлялись, но не так массово, как в 2010-е. В Москве ситуация была несколько иная, массовое строительство при капитализме произошло именно в нулевые. Конец эпохи “нулевых” положил кризис 2008 года.

2010-е

После кризиса 2008-`09 годов строительный сектор получил огромные стимулы в виде губернаторских программ субсидий на ипотеку. Кроме того крупные участки земли в городах уже были распроданы, и власти городов и областей стали выдавать на окраинах землю под застройку по очень низким ценам. Именно эти годы произошло массовое строительство новых микрорайонов на окраинах. Новосибирск - единственный из миллионников, который в эти годы побил хрущёвский рекорд сдачи квадратных метров. Впрочем, возможно, этот рекорд был побит и в московской агломерации, просто эти стройки уже велись за административной границей Москвы.

График объёмов строительства жилья, Новосибирск

Частные дома

Цель классификации по эпохам - не установить точный возраст домов, а скорее выделить разные типологии застройки. Поэтому частные дома можно отнести в отдельную группу, наравне с эпохами для многоквартирных домов.

Поскольку данных по частным домам в публичном доступе нет, я разработал алгоритм, который расставляет на улицах точки, близкие к реальному расположению домов. Алгоритм описан в разделе “Интерполяция частных домов”.

Источники

Всего в расчётах использовано 3 типа данных:

  1. геометрия городов (кварталов)
  2. жители
  3. торговые объекты

Данные по населению получены из сайта “Реформа ЖКХ”, причём в расчётах используется число квартир, как показатель менее подверженный социальным искажениям (например, в центре города или в новых микрорайонах число квартир может быть меньше, чем прописанных жильцов).

Во многих местах студенты вносят большой вклад в численность населения и создают большой спрос на товары, в том числе алкоголь. В базе данных Реформа ЖКХ их нет. С 2013 ВУЗы публикуют стандартный отчёт “Мониторинг размера и структуры платы за проживание в общежитии”, в котором указывают много показателей, в том числе площади и количество жильцов.

Общежития Общежития Общежития в сравнении с жилыми домами. Площадь круга = число жителей.

Геометрические объекты были скачаны из OpenStreetMap при помощи API Overpass.

Данные для схем получены из онлайн-справочника 2ГИС по состоянию на 5 октября 2016 года. Из существующего рубрикатора справочника отобраны организации специализирующиеся на торговле кофейными напитками и разливным пивом. Рубрики, включающие организации с расширенным ассортиментом торговли не рассматривались.

Полнота наполнения справочника не оценивалась, хотя в городах, где он присутствует давно (Сибирь, Урал и остальные миллионники), уровень проникновения его почти стопроцентный.

Точки расположения кофеен взяты из подрубрик «Кафе-кондитерские/Кофейни» и «Фреш-бары/Точки безалкогольных коктейлей/горячих напитков» (в которые входят места по продаже кофейных напитков без посадочных мест).

Пивные магазины взяты из рубрики «Магазины разливного пива».

Список городов, вошедших в расчёты: Волгоград, Воронеж, Екатеринбург, Иркутск, Казань, Краснодар, Красноярск, Москва, Нижний Новгород, Новосибирск, Омск, Пермь, Ростов-на-Дону, Санкт-Петербург, Тверь, Тольятти, Томск, Тюмень, Уфа, Челябинск, Чита.

Интерполяция частных домов

В публичных базах данных нет полных перечней частных домов (индивидуальное жилое строительство, ИЖС). Хотя доля их жителей в городах чаще всего менее 15%, во многих местах городов они составляют бóльшую часть потребителей. Если вести расчёты только по данным многоквартирных домов, возникают “выбросы” с зашкаливающими удельными показателями. Например, если одинокий многоквартирный дом с 50 квартирами стоит посреди частных домов, и рядом есть два магазина разливного пива, то на 10000 квартир приходится

2 / 50 * 10`000 = 400

400 торговых точек, что примерно в 50 раз выше средних показателей и в 20 раз выше показателей в явно проблемных районах.

Если же учесть, что в радиусе 500 метров есть 950 квартир в частных домах (около 10 соток на квартиру, включая улично-дорожную сеть), то показатель становится

2 / 1`000 * 10`000 = 20

20, то есть высокий, но не зашкаливающий.

Алгоритм расчётов следующий: территории ИЖС обводятся полигонами вручную. Из OpenStreetMap берутся дороги (линии с тегом highway, любое значения кроме footway, steps, track, path, pedestrian, service). Эти линии объединяются в объект multilinestring (множество ломаных линий). Вокруг этого множества линий строится буфер 30 метров (это примерно как обвод линии полигоном-колбасой). Границы буфера превращаются в линии, из которых оставляются только те, что входят в полигоны ИЖС. Вдоль оставшихся линий (то есть по обе стороны вдоль дорог и внутри территорий ИЖС) расставляются точки с шагом 25 или 30 метров. Эти точки и есть интерполированные частные дома.

Частный сектор в Ленинском районе Новосибирска Сгенерированные дома поверх этого же снимка Частный сектор в Ленинском районе Новосибирска и результат расчётов

Всё население частного сектора (то есть население города минус население многоквартирых домов) делится поровну между домами. По Новосибирску один дом с таким алгоритмом имел ~4 жителя.

Суть алгоритма в том, чтобы распределить расчётных жителей частного сектора пропорционально плотности расселения. Она, конечно, зависит от этажности домов, но ещё сильно отличается в зависимости от типа территории: городской частный сектор очень плотный, один участок бывает 6-10 соток. В сёлах, которые включены в городской округ, дома вдоль улицы расположены примерно с тем же шагом, а площадь участков большая за счёт глубокого огорода. Таким образом, плотность жителей сильно коррелирует с количеством дорог на территории.

Частный сектор в Центральном районе Красноярска, обведённый полигонами Сгенерированные дома поверх этого же снимка Пример исходной карты с полигонами ИЖС и расставленными точками домов в Красноярске.

Формулы расчётов

Исходные показатели домов:

$ y_i $ - год постройки, $ h_i $ - число жителей, $ a_i $ - число квартир, $ t_i $ - время поезки до центра на общественном транспорте.

Показатели объектов радиусе 500 метров:

Число квартир:

$$ a_{ri}=\sum_r^j a_j \space если \space (g_j \leftrightarrow gi) \le 500 м \qquad (1) $$

Число пивных магазинов:

$$ b_{ri}=\sum_r^j 1 \space если \space (g_j \leftrightarrow gi) \le 500 м \qquad (2) $$

Число кофеен:

$$ c_{ri}=\sum_r^j 1 \space если \space (g_j \leftrightarrow gi) \le 500 м \qquad (3) $$

Число продуктовых магазинов и аптек:

$$ f_{ri}=\sum_r^j 1 \space если \space (g_j \leftrightarrow gi) \le 500 м \qquad (4) $$

Показатели обеспеченности торговыми объектами

Число объектов на 10 тыс. квартир в радиусе 500 м:

пивные: $ b_i=\frac{b_{ri}}{a_{ri}} \qquad (5) $

кофейни: $ c_i=\frac{c_{ri}}{a_{ri}} \qquad (6) $

продуктовые магазины и аптеки: $ f_i=\frac{f_{ri}}{a_{ri}} \qquad (7) $

Получаются значения, очищенные от влияния плотности населения.

Агрегированные показатели

Поскольку мы работаем уже с удельными значениями, их не получится суммировать или рассчитать как простое среднее. Мы взвешиваем среднее по числу жителей в самих домах, то есть для квартала q:

$$ b_q=\frac{\sum_i b_i a_j}{\sum_i a_i} \space \forall i: g_i \subset g_q \qquad (8) $$

Для годов застройки так же мы можем посчитать показатель числа квартир, это даёт сведения о том, сколько вообще в городе есть жилья из этой эпохи:

$$ a_m=\sum_i a_i \space \forall i: y_i \subset y_m \qquad (9) $$

$ y_m $ - номер года, $ y_i $ - год постройки здания, $ a_m $ - число квартир построенных за год. Аналогично мы агрегируем показатель обеспеченности пивных $ b_i $ для года застройки $ y_m $:

$$ b_m=\sum_i \frac{b_i a_i}{a_m} \space \forall i: y_i \subset y_m \qquad (10) $$

Так же мы рассчитываем показатели для эпохи застройки и удалённости от центра.

Эпоха постройки дома $ i: e_i=n \Leftrightarrow y_i \in E_n $ где $ E_n $ - интервал эпохи (см. ниже).

Эпохи выбраны по годам и названы не по датам событий или времени правления генсеков СССР, а по эпохам, когда типология строительства или экономические условия были схожими.

  • дореволюционная: (-∞, 1919 ]
  • раннесоветская: [1920, 1931]
  • сталинская: [1933, 1955]
  • хрущёвская: [1956, 1969]
  • позднесоветская: [1970, 1992]
  • 90-е годы: [1993, 1999]
  • нулевые: [2000, 2009]
  • десятые: [2010, ∞)

Побочные и неудачные расчёты

Бары и микрокредиты

Бары тоже могут быть признаком повышенного потребления алкоголя, и я тоже нанёс их на карту. Однако большинство баров оказалось там же, где и кофейни - в центре. Посетители баров не привязаны к своему дому и назначают в баре встречи далеко от дома. Поэтому концентрация баров в каком-либо районе характеризует не местных жителей, а транзитный трафик и центральность места.

Микрокредитные офисы, распространившиеся в последние годы, тоже в основном находятся в центрах городов или на транспортных узлах.

Остановка в Омске, где 4 из 11 киосков принадлежат микрокредитным организациям

Остановка в Омске на панорамах Google.
Жёлтые круги означают микрофинансовые организаии, синие - все остальные.

Их концентрация не всегда означает, что жители окрестностей ими пользуются.

Теплокарта

Теплокарта очень распространена в визуализациях данных. Однако не всем понятно, что она из себя представляет математически. Теплокарта считает все показатели просто по радиусу, не учитывая характер территории, например, пересекает водоёмы, хотя за рекой может быть совсем другая ситуация, или показывает конкретные значения на воде.

Проблема с удельными показателями - в том, что она создаёт артефакты из-за колебаний делителя, и артефакты кажутся какими-то сущностями, хотя ничего в реальности не представляют.

Проблема остаётся даже если использовать гладкую функцию.

Очевидно, что теплокартой стоит пользоваться только для суммарных показателей и то с небольшими радиусами размытия.

Теплокарта из крупных клеток

Теплокарта с частным двух показателей. Синие серпы - точки, где число пивных на квартиру выше. Но на местности эта форма ничего из себя не представляет.

Теплокарта без клеток (одна клетка = 1 пиксель)

Теплокарта с простой суммой

Влияет ли запрет продавать алкоголь возле школ?

Получив первые результаты, иллюстрирующие места расположения пивных магазинов, возникло предположение, что на «пустоты» в ареалах их обитания влияют школы, детские сады и другие учреждения, отступ от которых является обязательным. Для проверки я нанёс школы и вузы на карту и нарисовали радиусы, на которые должны отступать заведения, продающие алкоголь. Оказалось, что ограничения по расстоянию слабо влияют на пивные магазины: в микрорайонах, где этих магазинов мало, есть много пустых мест даже при стандартном расстоянии 100 метров.

Карта с пивными магазинами и кругами в точках школ

Скорее всего, магазины, попавшие в розовые круги на этой карте, оценивают расстояние не по прямой, а по пешеходным дорожкам.

Во многих регионах нормативные расстояния и того меньше — в Алтайском крае 40 метров, в Томске — 20 метров от социальных учреждений. По сути это значит, что магазин можно разместить если не в соседнем здании, то через одно.

В общем, это ограничение не влияет на количество пивных магазинов существенно. Вытесненные из ближайших окрестностей школы, магазины всё равно находят места возле жилых домов.

Расчёты по кварталам

В отличие от растра, при группировке данных по кварталам получаются удобные для восприятия карты. При анализе числовых показателей есть одна проблема: кварталы очень разнородны, и их свойства мало коррелируют с какими-либо показателями. Но для визуализации и оценки состояния места карта кварталов удобнее.

Результат выглядит примерно так:

Карта кварталов с показателем числа пивных магазинов

Пример карты кварталов в Омске

Можно спросить, почему показатели кварталов расчитываются в 2 этапа? Сначала удельные показатели дома: $ (5) \space b_i=\frac{b_{ri}}{a_{ri}} $, затем $ (8) \space b_q=\frac{\sum_i b_i a_j}{\sum_i a_i} $. Почему просто не поделить сумму пивных на сумму квартир внутри квартала? Ответ прост: если в небольших кварталах здания будут в одних кварталах, а магазины в других, получится, что в жилых кварталах показатель bq будет равен нулю, а в соседнем нежилом - бесконечности или сильно зашкаливать.

Кварталы с жилыми домами и пустой квартал с пивным магазином

Подсчёт по радиусу доступности снимает эту проблему и сглаживает показатель по территории.

Кластеры кофеен вне торговых центров

Некоторое беспокойство вызывало то, что множество кофеен концентрируются внутри ТРЦ. Европейский новый урбанизм давно критикует моллы за высасывание жизни из города. Поэтому я попробовал построить карту кофеен, которые находятся вне ТРЦ. Для этого я выбирал те кофейни, которые распределены по территории сколько нибудь близко, но не находятся в одном здании. Вот карта одного и того же места со всеми кофейнями и только с теми, что находятся в кластерах. Сами точки (всех кофеен) тоже отображены в виде маркеров для понимания.

Ростов-на-Дону: все кофейни Ростов-на-Дону: кофейни, у которых есть соседи на некотором расстоянии

Можно ли решить, что там, где есть соседи на улице - это центр, а где нет - не центр? На карте видно, что в Ростове-на-Дону при таких расчётах центром становятся вокзалы, даже разделённые веткой железной дороги.

Другие подходы к отделению кофеен в ТЦ от уличных не дали значимого результата.

  • Подход №1: если кофейни на геокодере оказались в одной точке, значит они в ТЦ. В Новосибирске этот метод сработал. Но в других городах, например, на Кузнецком мосту в Москве или в Нижнем на Большой Покровской есть периметральные здания, где кофеен 5 штук и больше, и они помечаются как входящие в ТЦ. Если брать выше порог, то больше 5 кофеен в здании - совсем редкость, их единицы штук на всю Россию. Итого: порог >4 даёт ложные срабатывания, порог >6 и выше - много ложных несрабатываний.

  • Подход №2: смотрим, где кофейни в одном здании, и рядом в каком-то радиусе нет других - значит это ТЦ. Оказалось, в Тольятти и ещё кое-где есть ТЦ с кофейнями внутри, но рядом в 50 метрах киосочек “кофе с собой” и своим присутствием нарушает это условие, они все становятся “не в тц”. В общем, такой метод тоже не работает.

  • Подход №3: ищем по справочнику моллы и фильтруем здания по ним. К сожалению, оказывается, что рубрикация совсем непредсказуемая, и, например, в Новосибирске на площади Маркса крупный ТЦ Версаль - это не молл, а вот бизнес-центр Сан-Сити в моллы как раз входит. Рубрикатор даёт слишком много ложных решений в обе стороны.

Если же в моллы внести объекты из других рубрик, окажется, моллами будет считаться всё, что угодно, например, пристройки к выходам из метро. Даже если входы в кофейни там - уличные и оживляющие улицу. Слишком много ложных срабатываний.

В итоге было решено, что автоматические методы определения кофеен в моллах не надёжны, а сама постановка задачи не требует такого. Между кофейней внутри здания и кофейней снаружи трудно провести чёткую границу, есть много переходных форм. Если исключать моллы как искуственную среду, можно задаться вопросом, является ли естественной средой пешеходная улица, или модернистская улица свободной планировки. Все они, конечно, искуственные в некоторой степени. И раз мы пытались мерить, считать, сколько кофеен создаёт та или иная городская среда, то надо сравнивать их все.

Разнообразие застройки

Ещё одна характеристика оживлённых улиц, которую мы предполагали с Дарьей - разнообразие функций и объектов. Если квартал застроен зданиями в разные годы, то теоретически он может быть “живее”, чем кварталы микрорайона, построенные в один год, а значит и показатели пивных и кофеен там будут отличаться.

График от дисперсии годов

Посчитав среднеквадратическое отклонение в каждом квартале, я построил график, но закономерностей на нём не было видно.

Теплокарта кофеен

Теплокарты были первым средством изучения, и в этой работе не использовались для расчётов, а скорее стали побочным продуктом, но их любопытно изучать.

По количеству кофеен можно примерно оценить размеры активного центра города.

  • В Новосибирске центров целых 5 штук, и ещё 3 крупных ТРЦ в центральной части, в Челябинске центр ещё меньше, и кроме него все остальные кофейни тоже находятся в ТРЦ.
  • В Екатеринбуге и Перми есть и крупные ТРЦ, но площадь центральной части относительно всего города значительно больше, чем в Новосибирске или Челябинске.
  • В Ростове-на-Дону, несмотря на ровную сетку кварталов, “кофейный центр” есть только в половине центральной части, а за железными дорогами его нет совсем.
  • В Волгограде, растянутом на большие расстояния вдоль реки, есть один главный центр и второй локальный, остальные территории, можно сказать, захвачены пивными магазинами.
  • В Москве и Санкт-Петербурге есть много кофеен в исторической части, а в остальных районах - по 1-2 штуки у входов в метро, причём в Москве их больше на юго-западе, а меньше всего на юго-востоке, где больше всего пивных магазинов.

Главный вывод из карт плотности объектов - чем больше ровная и проходимая пешком сеть улиц, тем больше “центра” в городе. Впрочем, это утверждение - гипотеза и пока требует строгой статистической модели.

Ставка на метро и гигантские автомобильные магистрали в столицах разбивает город на много неполноценных микрогородов, живущих у станции на этой “дороге жизни”.

Положительные результаты

Как уже отмечено в части “Постановка задачи”, главная гипотеза исследования была в том, что характер застройки влияет на поведение и привычки, а значит и на потребление пива. Прямого значения “характер застройки” для домов или кварталов у нас нет, но есть косвенные, с которыми я и ищу корреляции:

  • Год постройки
  • Эпоха (года, поделённые на интервалы)
  • Площадь квартала
  • Время поездки на общественном транспорте.

Размер квартала и удалённость от центра

Центры городов, доставшиеся от дореволюционной России, планировались по европейским традициям, с прямоугольной сеткой кварталов. В Екатеринбурге и Новосибирске их размер был 125 на 250 метров, то есть площадью 3,125 га. В 20-30-е годы в СССР планировщики решили укрупнять кварталы, после чего часть улиц была перекрыта, образовались суперкварталы площадью 7,25 га. В хрущёвскую эпоху планировщики перешли к мегакварталам площадью 20-30 га, а позднее - и ещё больше.

Очевидно, что в мелких кварталах может быть более интенсивная уличная жизнь и меньше интереса пить дома. Поэтому моя гипотеза была в том, что неблагополучными должны оказаться большие кварталы.

Я построил графики показателей в зависимости от площади, а ещё по двум осям, площади и времени поездки до центра. По оси площади есть некое подобие тенденции, но всего в нескольких городах.

График: Доступность объектов по размерам кварталов, Красноярск

В Красноярске обеспеченность пивными магазинами растёт с ростом квартала, впрочем как и число продуктовых магазинов.

Аналогично в разрезе площадь-удалённость. Тенденция есть в 6 городах (Волгоград, Иркутск, Красноярск, Нижний Новгород, Омск, Ростов-на-Дону, Тольятти).

График: Доступность пивных от площади квартала и удалённости, Тольятти

Так же на площадях кварталов около 3 и 7 гектар, очень высокая обеспеченность кофейнями, потому что кварталы такой площади находятся в основном в центре города.

График: Доступность кофеен от площади квартала и удалённости, Новосибирск

Какой-либо другой зависимости от площади квартала не видно.

Год постройки дома

В зависимости от года постройки обеспеченность торговыми объектами (как по числу жителей, так и по квартирам) меняется, с некоторыми трендами. Дома 2010-х годов постройки имеют заметно больше пивных на жителя или квартиру, а вот среди более ранних зданий такой зависимости не наблюдается.

У домов дореволюционной и раннесовесткой эпох намного больше обеспеченность кофейнями, а в более новых зданиях число кофеен равномерно низкое, исключение составляю только дома 2000-х годов (кроме Москвы), которые строились точечно в центрах городов.

Удалённость от центра

Одной из гипотез было то, что живя на большом расстоянии от любых объектов в городе, будучи запертым в микрорайоне, человек меньше ездит куда-либо. Как замечают некоторые урбанисты, жители московской периферии настолько устают ездить на работу, что в субботу-воскресенье отлёживаются дома. Вполне возможно, что и с бутылкой пива.

Как указано выше, для всех домов посчитано время поездки до условного центра города на общественном транспорте. Центр выбран экспертно, ориентируясь на самое активное место в городе. (Координаты условных центров показаны в приложении.)

График: Доступность объектов в зависимости от удалённости, Москва

В Москве есть чёткая зависимость: на периферии намного больше пивных на одного человека. В начале исследования ожидалось, что эти показатели будут коррелировать с субъективным качеством среды, и в Москве между Садовым кольцом и ТТК оно очень низкое, однако там нет большого количества пивных магазинов - это можно объяснить тем, что в этих районах цены на недвижимость высокие, и живут в них горожане с высоким, которые находят себе занятие и всё-таки им не так далеко добираться до дома из пределов кольцевой линии метро.

В остальных городах пик обеспеченности пивными магазинами достигается примерно там же, где и находятся большинство квартир. При этом обеспеченность продуктовыми магазинами там понижается.

График: Доступность объектов в зависимости от удалённости, Воронеж График: Доступность объектов в зависимости от удалённости, Екатеринбург

Хотя по некоторым городам есть закономерность, трудно из них сделать какой-то вывод. Тем более что во многих городах обеспеченность пивными падает по мере удаления от центра, что опровергает гипотезу о выпивании дома вдали от центра.

Эпоха постройки и удалённость от центра

В этом разрезе по двум измерениям результат оказался самым выразительным.

Время поездки округлено до 5 минут, а годы сгруппированы по эпохам, когда менялся характер строительства или экономическая ситуация вокруг него (см. раздел “Формулы расчётов”): дореволюционная (до 1919), раннесоветская (1920-1931), сталинская (1933-1955), хрущёвская (1956-1969), позднесоветская (1970-1992), 90-е годы (1993-1999), нулевые (2000-2009), десятые (с 2010).

График: Доступность пивных магазинов в зависимости от удалённости и эпохи застройки, Воронеж График: Доступность пивных магазинов в зависимости от удалённости и эпохи застройки, Ростов-на-Дону

Как видно на графиках, доступность пивных магазинов растёт к правому верхнему углу - чем дальше от центра и новее здания, тем пивных магазиов больше. Такая тенденция наблюдается в более половины обследованных городов: Воронеже, Екатеринбурге, Иркутске, Красноярске, Москве, Нижнем Новгороде, Омске, Ростове-на-Дону, Санкт-Петербурге, Твери, Томске и Тюмени. Есть небольшие исключения - например, в Иркутске есть неблагополучные старые кварталы близко к центру - но остальные кварталы полностью следуют тренду.

Не наблюдается эта тенденция в Волгограде, Казани и Уфе (возможно из-за низкой доли пива в потреблении алкоголя), Краснодаре, Новосибирске (где есть производитель оборудования для таких магазинов), Перми, Тольятти (равномерно проблемный город), Челябинске (тоже равномерно проблемный) и Чите.

Дома дореволюционной и сталинской эпохи выглядят здоровее, чем дома более поздних эпох с той же удалённостью от центра.

График: Доступность пивных магазинов в зависимости от удалённости и эпохи застройки, Челябинск

Историческая среда и кофейни

Было трудно найти города, где дореволюционная застройка находилась бы далеко от центра. Но они есть, и по ним видно, что дома дореволюционной эпохи и раннесоветской лучше обеспечены кофейнями на жителя. (Чем дома других эпох этом же удалении от центра) На графиках видно, что в каждом столбце (поясе удалённости) чаще всего дореволюционная сточка - самая тёмная.

График: Доступность кофеен в зависимости от удалённости и эпохи застройки, Нижний Новгород График: Доступность кофеен в зависимости от удалённости и эпохи застройки, Санкт-Петербург

Все графики

Выводы

  1. Аркадий Гершман был прав в своих наблюдениях. В домах 2010-х годов постройки на одного жителя приходится больше пивных, чем в зданиях других эпох на том же расстоянии от центра*. При этом число продуктовых магазинов и аптек на жителя - меньше. Чем это объясняется - вопрос к социологам и другим специалистам, но сам факт - повод для беспокойства.
  2. По отдельности факторы новизны и удалённости не так сильны, то есть, у зданий одной эпохи или на одинаковой удалённости это значение может сильно различаться.
  3. Дома дореволюционной и раннесоветской застройки лучше обеспечены кофейнями, чем дома более поздних эпох (на том же удалении от центра). Модернистские и советские микрорайоны плохо работают как центр.
  4. Города, где большая ровная сетка кварталов, судя по концентрации кофеен, имеют более просторный центр (этот вывод требует проверки на расчётах специальных показателей).
  5. Размер планировочной единицы на количество пивных магазинов или кофеен виляет слабо.
  • под удалением от центра имеется в виду время маятниковой поездки на общественном транспорте, включая пересадки и поход пешком до остановок.

Это исследование в итоге добралось до цели и показало правоту гипотезы в некоторых городах, пусть и на косвенных показателях. Как на благополучие жизни и потребление влияет непосредственно типология застройки (периметральная, свободная планировка, строчная), пока прямого ответа нет. Но с методами, аналогичными проекту CityClass можно будет получить такие данные.

Что касается застройки и того, как работает центр, здесь стоит процитировать Очерк о городской среде архитектора Александра Ложкина:

Из всех созданных человеком моделей организации городской среды лишь одна оказалась жизнеспособной и комфортной, и это именно модель исторического города – поскольку она единственная была не придумана, а выстрадана. Поиски иной модели начались лишь тогда, когда она не смогла справиться с вызовами гиперурбанизации, но закончились эти поиски ничем.

Здесь можно прочитать мой развёрнутый комментарий и комментарий Аркадия Гершмана. Карты и графики собраны на отдельной странице.

Дмитрий Лебедев, сентябрь 2016-май 2017.

Огромная благодарность за помощь Дарье Кисельниковой, Александру Ложкину и Дмитрию Ощепкову.