Térbeli autokorrelációs vizsgálat városi közlekedési hálózatban Voronoi-diagram alapú területi interpolációval = Spatial autocorrelation study in urban transport networks using Voronoi diagram-based interpolation

Farkas-Németh, Zoltán (2026) Térbeli autokorrelációs vizsgálat városi közlekedési hálózatban Voronoi-diagram alapú területi interpolációval = Spatial autocorrelation study in urban transport networks using Voronoi diagram-based interpolation. KÖZLEKEDÉSTUDOMÁNYI SZEMLE, 76 (3). pp. 12-19. ISSN 0023-4362

Preview

Text 2_Farkas_Nemeth.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (775kB) | Preview

Abstract

Jelen tanulmány geoinformatikai-kartográfiai módszerekkel vizsgálja a budapesti közlekedési hálózat térbeli korrelációs mintázatait két, független adatbázison (független forgalomszámlálási csomópont-halmazok, összesen 19,6 millió mérés). A térbeli hozzárendelés Voronoi-diagram (Thiessen-poligon) alapú interpolációval történt, amely négy meteorológiai állomás és 1196 EOV koordináta-rendszerben georeferált csomópont között biztosította az objektív területi felosztást. A gráfelméleti modellezés és Pearson-féle térbeli autokorrelációs analízis mintaméret-függő eredményeket tárt fel: a nagyobb minta (A1) 12,4%-kal magasabb átlagos korrelációs együtthatót mutat (r=0,579 vs. r=0,507). A távolság-függetlenség vizsgálata ellentmond Tobler első földrajzi törvényének: az 5 km feletti és az 500 m alatti csomópont-párok gyakorlatilag azonos térbeli hasonlóságot mutatnak (42,8% vs. 41,7%). Az eredmények alátámasztják, hogy a topológiai kapcsolatok fontosabbak a térbeli autokorrelációban, mint az euklideszi távolság. A tanulmány hozzájárul a térinformatikai alapú közlekedési hálózatelemzés metodológiai fejlesztéséhez. | This study uses geoinformatics-cartographic methods to investigate the spatial correlation patterns of the Budapest transport network on two independent databases (independent traffic counting node sets, a total of 19.6 million measurements). Spatial assignment was performed using Voronoi diagram (Thiessen polygon)-based interpolation, which ensured an objective spatial division between four meteorological stations and 1196 nodes georeferenced in the EOV coordinate system. Graph theory modeling and Pearson spatial autocorrelation analysis revealed sample size-dependent results: the larger sample (A1) shows a 12.4% higher average correlation coefficient (r=0.579 vs. r=0.507). The distance-independence test contradicts Tobler’s first geographical law: node pairs above 5 km and below 500 m show practically the same spatial similarity (42.8% vs. 41.7%). The results support that topological relationships are more important in spatial autocorrelation than Euclidean distance. The study contributes to the methodological development of GIS-based transport network analysis.

Actions (login required)

Edit Item