GISBoost / analizy mapowe
Analizy / Badanie: uczelnie

Easy-R5 · dostępność do uczelni · 6 miast

61% obszaru zamieszkanego przez studentów bez dostępu do uczelni w pół godziny

Eksperymentalne — praca w toku Ten raport w całości wygenerowała AI (Claude) na podstawie kodu i danych Michała Kaczorowskiego — to wstępna, robocza wersja pomocna do rozeznania się w temacie, nie ostateczne wnioski badawcze. Liczby i interpretacje traktuj jako punkt wyjścia do dalszej weryfikacji.

Dla studentów (mieszkańcy 20-29 lat, proxy z NSP2021) policzyliśmy dostępność do budynków uczelnianych transportem publicznym w progu 30 minut, siatka heksagonalna 500 m, na zrealizowanym rozkładzie GTFS (easy-GTFS-RT, wariant p50). Najpierw pilotaż w Łodzi, potem pięć kolejnych miast: Warszawa, Kraków, Gdańsk, Poznań, Szczecin.

W Łodzi 61% heksagonów z populacją studencką (390 z 640) nie ma dostępu do żadnej z trzech uczelni w 30 minut — dla porównania, dostępność do jakiejkolwiek usługi publicznej dla całej populacji (poprzedni wpis) wynosiła 98,7% w tym samym progu. Dostęp do uczelni jest dużo bardziej przestrzennie ograniczony niż dostęp do usług ogółem.

6
miast
2–3
uczelnie na miasto
30 min
próg dojazdu
500 m
siatka heksagonalna

1. Korekta metody: heksagony bez dostępu vs studenci bez dostępu

Pierwsza wersja liczyła % heksagonów bez dostępu do żadnej uczelni — ale to traktuje jednakowo heksagon na peryferiach z jednym studentem i gęsty heksagon centrum z pięciuset. Po zamianie na metrykę ważoną liczbą mieszkańców 20-29 lat, obraz jest wyraźnie mniej dramatyczny — i kolejność miast się zmienia.

Realny obraz to 21–54% studentów bez dostępu, nie 53–70% heksagonów. Po ważeniu populacją to Gdańsk, nie Warszawa, wypada najgorzej — głównie dlatego że ma najmniej budynków uczelni ze wszystkich sześciu miast (37), w połączeniu z konkretnym rozkładem gęstości zaludnienia.

2. Dochód nie tłumaczy dostępności do uczelni

Korelacja Pearsona dochodu (heksagony, próg 30 min) z dostępnością do uczelni, per miasto — ta sama analiza co dla usług publicznych ogółem w poprzednim wpisie, teraz powtórzona dla studentów.

Wszystkie korelacje dodatnie, słabe do umiarkowanych — żadne miasto nie pokazuje wzorca „biedny = gorszy dostęp". Wniosek z poprzedniego wpisu (odległość od centrum tłumaczy dostępność lepiej niż dochód) uogólnia się na wszystkie sześć miast.

3. Uczelnie objęte analizą

Lista uczelni jest dopasowana do lokalnych realiów — nie każde miasto ma osobną politechnikę czy uczelnię medyczną. We wszystkich miastach poza Poznaniem uczelnia medyczna ma najsłabszą przestrzenną dostępność: mniejsze, rozproszone kampusy przy szpitalach klinicznych, nie jeden zwarty kampus.

MiastoUczelnia 1Uczelnia 2Uczelnia 3
ŁódźPolitechnika ŁódzkaUniwersytet ŁódzkiUniwersytet Medyczny
WarszawaPolitechnika WarszawskaUniwersytet WarszawskiWarszawski UM
KrakówPolitechnika KrakowskaUniwersytet JagiellońskiCollegium Medicum UJ: 0 trafień w OSM
GdańskPolitechnika GdańskaUniwersytet GdańskiGdański UM
PoznańPolitechnika PoznańskaUAMUM im. Marcinkowskiego
SzczecinZUTUniwersytet SzczecińskiPomorski UM

Metoda i źródła

Budynki uczelni: Overpass API (amenity=university/college, building=university). Sieć: wyciągi Geofabrik przycięte osmosis (flaga completeWays=yes). Silnik: r5r na zrealizowanym GTFS p50 z easy-GTFS-RT. Ciekawostka z procesu: pierwsza wersja wyniku okazała się zawyżona, bo skrypt liczący miał zahardkodowaną datę, która dla pięciu z sześciu miast wypadła w sobotę zamiast dnia powszedniego — błąd znaleziony przez niezależny audyt zlecony świeżemu agentowi, bez wcześniejszego kontekstu analizy.

Pełny opis: easy-R5 · tools/accessibility_lodz (Łódź) i tools/accessibility_cities (6 miast). Pierwotny wpis na portalu: gisboost.github.io/analizy/dostepnosc-uczelnie.

Interaktywna mapa (wszystkie 6 miast, przełącznik dominującej uczelni / liczby dostępnych / włączania każdej z osobna): Dojazd na uczelnię.