MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA GEOGRAFICKÝ ÚSTAV

Diplomová práce

Brno 2013 Jan Špaček

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA GEOGRAFICKÝ ÚSTAV

DOPRAVNÍ VZTAHY V MONOCENTRICKÝCH A POLYCENTRICKÝCH SÍDELNÍCH SYSTÉMECH Diplomová práce Jan Špaček

Vedoucí práce: Mgr. Daniel Seidenglanz, Ph.D. Brno 2013

Bibliografický záznam

Autor: Bc. Jan Špaček Přírodovědecká fakulta, Masarykova univerzita Geografický ústav Dopravní vztahy v monocentrických a Název práce: polycentrických sídelních systémech

Studijní program: Geografie a kartografie

Studijní obor: Sociální geografie a regionální rozvoj

Vedoucí práce: Mgr. Daniel Seidenglanz, Ph.D.

Akademický rok: 2012/2013

Počet stran: 95+20 Klíčová slova: Polycentricita, monocentricita, doprava, sídelní systém, dopravní poloha, dopravní vztahy, Ostravsko, Plzeňsko

Bibliographic Entry

Author Bc. Jan Špaček Faculty of Science, Masaryk University Department of Geography

Title of Thesis: Transport relations in monocentric and polycentric settlement systems

Degree programme: Geography and Cartography

Field of Study: Social Geography and Regional Development

Supervisor: Mgr. Daniel Seidenglanz, Ph.D.

Academic Year: 2012/2013

Number of Pages: 95+20 Keywords: Polycentricity, monocentricity, transport, settlement system, transport position, transport relations, Ostrava area, Plzen area

Abstrakt

V této diplomové práci se věnujeme analýze a komparaci dopravních vztahů ve dvou prostorově odlišně uspořádaných územích Ostravska a Plzeňska. Zatímco Ostravsko patří mezi zástupce polycentrického systému osídlení, Plzeňsko patří mezi zástupce monocentrické organizace sídelní struktury. V rámci této studie analyzujeme obě území jak z pohledu veřejné hromadné dopravy, tak z pohledu osobní automobilové dopravy. Součástí práce je také nalezení, z hlediska dopravy, centrálních a periferních oblastí obou regionů a nejvýhodněji dopravně situovaných obcí.

Abstract

In this thesis we study and compare transport relations in two spatially distinct areas – Ostrava area and Plzen area. While Ostrava is one of the representative polycentric settlement systems, Plzen is one of the representative organization monocentric settlement structures. In this study, we analyze both territories both in terms of public transport, and in terms of personal automotive transport. The work also finds, in terms of traffic, the central and peripheral areas of the two regions and most traffic situated villages.

Masarykova univerzita

Přírodovědecká fakulta

ZADÁNÍ DIPLOMOVÉ PRÁCE

Student: Jan Špaček

Studijní program: Geografie a kartografie

Studijní obor: Regionální geografie a regionální rozvoj

Ředitel Geografického ústavu PřF MU Vám ve smyslu Studijního a zkušebního řádu MU určuje diplomovou práci s tématem:

Dopravní vztahy v monocentrických a polycentrických sídelních systémech

Transport relations in monocentric and polycentric settlement systems

Zásady pro vypracování:

Prostorové uspořádání dopravních vztahů patří k důležitým předpokladům způsobu organizace sídelního systému, a to buď do podoby monocentrické anebo polycentrické. Způsob zabezpečení dopravních kontaktů totiž alespoň do určité míry ovlivňuje buď radiální anebo vícesměrnou orientaci prostorových vztahů. Diplomová práce naváže na analýzy obsažené v bakalářské práci autora ("Dopravně podmíněná polycentricita sídelního systému a její vliv na socioekonomické charakteristiky") a zaměří se na prohloubení teoretické i analytické části studie. Práce bude obsahovat následující části:

1. rešerše odborné geografické literatury týkající se především vzájemných teoretických vazeb mezi následujícími tématy: doprava - dopravní vztahy - prostorová organizace dopravního systému - sídelní systém - monocentricita - polycentricita - dojížďkové vztahy - další formy prostorových interakcí apod. 2. stručná charakteristika dopravně podmíněné monocentricity a polycentricity vybraných sídelních systémů ve světě, diskuse vlivu měřítka na analýzy poly- a monocentricity 3. analýza vztahů zabezpečovaných individuální a hromadnou dopravou v různých typech věcně a měřítkově definovaných monocentrických a polycentrických sídelních systémů území České republiky (výběr těchto sídelních systémů se může opírat o výsledky obsažené v titulech uvedených v seznamu literatury pod body č. 4 a 5); kromě poznání dopravních vztahů bude dílčím cílem této pasáže i ověření analytických přínosů alternativních metodických postupů 4. shrnutí hlavních výsledků práce, naznačení možného vlivu uspořádání dopravních kontaktů a dynamiku socioekonomických ukazatelů a charakteristik.

Rozsah grafických prací: podle potřeby

Rozsah průvodní zprávy: cca 60 až 80 stran

Seznam odborné literatury:

1. Knowles, R.D., Shaw, J., Docherty, I. (eds.), (2008): Transport geographies: mobilities, flows, and spaces. Malden, MA: Blackwell Pub. 2. Maier, K., Drda, F., Mulíček, O., Sýkora, L. (2007): Dopravní dostupnost funkčních městských regionů a urbanizovaných zón v České republice. In Urbanismus a územní rozvoj, X, 3, s. 75-80. 3. Maier, K., Mulíček, O., Franke, D. (2010): Vývoj regionalizace a vliv infrastruktur na atraktivitu území České republiky. In Urbanismus a územní rozvoj, XIII, 5, s. 71-82. 4. Seidenglanz, D. (2010): Transport relations among settlement centres in the eastern part of the Czech Republic as a potential for polycentricity. In Acta Universitatis Carolinae Geographica, XLV, 1, s. 75-89. 5. výzkumné zprávy a další výstupy Centra pro regionální rozvoj MU vznikající při řešení projektu POLYREG.

Vedoucí diplomové práce: Mgr. Daniel Seidenglanz, Ph.D.

Podpis vedoucího práce: ......

Datum zadání diplomové práce: říjen 2011 Datum odevzdání diplomové práce: do 10. května 2013

RNDr. Vladimír Herber, CSc. pedagogický zástupce ředitele ústavu

Zadání práce převzal(a): ...... dne ......

Poděkování

Na tomto místě bych chtěl poděkovat Mgr. Danielu Seidenglanzovi, Ph.D. za odborné vedení, věcné připomínky a vstřícný přístup. Také bych mu rád poděkoval za poskytnuté materiály a cenné rady v průběhu tvorby diplomové práce. V neposlední řadě je potřeba poděkovat mé rodině a přítelkyni Peťce za podporu a trpělivost po celou dobu mého vysokoškolského studia.

Prohlášení Prohlašuji, že jsem svoji diplomovou práci vypracoval samostatně s využitím informačních zdrojů, které jsou v práci citovány.

Brno 10. května 2013 ……………………………… Jan Špaček

OBSAH

1 ÚVOD ...... 10

2 DEFINICE ZÁKLADNÍCH TEORIÍ A KONCEPTŮ...... 11

2.1 Sídelní systém ...... 11 2.1.1 Monocentrický region ...... 12 2.1.2 Polycentrický region ...... 14 2.1.3 Vliv měřítka na chápání monocentricity a polycentricity...... 17 2.2 Monocentricita a polycentricita ve světě ...... 21 2.2.1 Randstad ...... 22 2.2.2 Emilia-Romagna ...... 23 2.2.3 San Francisco Bay...... 24 2.2.4 Komparace oblastí ...... 25 2.3 Doprava ...... 27 2.3.1 Časoprostorové teorie a jejich vztah k dopravě ...... 27 2.3.2 Prostorová organizace dopravního systému ...... 30 2.3.3 Důsledky rozvoje dopravy ...... 32

3 DOPRAVNÍ ANALÝZA VYBRANÝCH ÚZEMÍ ...... 34

3.1 Metodika práce...... 35 3.1.1 Metodika práce - veřejná doprava (VD) ...... 36 3.1.2 Metodika práce - individuální automobilová doprava (IAD) ...... 37 3.1.3 Metodika práce – skóre za VD a IAD ...... 38 3.1.4 Pracovní postup analýzy vybraných území ...... 40 3.2 Obecná charakteristika a vymezení zvolených regionů...... 42 3.2.1 Ostravský region – obecná charakteristika ...... 42 3.2.2 Plzeňský region – obecná charakteristika ...... 43 3.3 Základní dopravní charakteristika vybraných území ...... 44 3.3.1 Ostravský region – dopravní charakteristika ...... 44 3.3.2 Plzeňský region – dopravní charakteristika ...... 45 3.4 Veřejná hromadná doprava ...... 47 3.4.1 Veřejná hromadná doprava na úrovni středisek - Ostravsko ...... 47 3.4.2 Veřejná hromadná doprava na úrovni středisek - Plzeňsko ...... 53 3.4.3 Veřejná hromadná doprava na úrovni obcí - Ostravsko ...... 58 3.4.4 Veřejná hromadná doprava na úrovni obcí - Plzeňsko ...... 61

8

3.4.5 Analýza obcí v rámci funkčních regionů (FUA) ...... 64 3.4.6 Skóre obcí za veřejnou hromadnou dopravu – Ostravsko ...... 66 3.4.7 Skóre obcí za veřejnou hromadnou dopravu – Plzeňsko ...... 68 3.5 Individuální automobilová doprava ...... 70 3.5.1 Individuální automobilová doprava – Ostravsko ...... 71 3.5.2 Skóre obcí za individuální automobilovou dopravu – Ostravsko ...... 73 3.5.3 Individuální automobilová doprava – Plzeňsko ...... 75 3.5.4 Skóre obcí za individuální automobilovou dopravu – Plzeňsko ...... 77 3.6 Souhrnné výsledky za veřejnou i individuální dopravu ...... 79 3.6.1 Celkové dopravní skóre obcí – Ostravsko ...... 79 3.6.2 Celkové dopravní skóre obcí – Plzeňsko ...... 82

4 VLIV USPOŘÁDÁNÍ DOPRAVNÍCH KONTAKTŮ NA DYNAMIKU SOCIOEKONOMICKÝCH UKAZATELŮ A CHARAKTERISTIK ...... 85

5 ZÁVĚR ...... 87

6 SEZNAM POUŽITÉ LITERATURY A DALŠÍCH PRAMENŮ ...... 89

PŘÍLOHY…………………………………………………………………………………96

9

1 ÚVOD

„Možnosti rozvoje jednotlivých regionů jsou výrazně determinovány jejich postavením v dopravním systému. Výhodná dopravní poloha určitého regionu může přispívat k jeho rozvoji, zatímco periferní poloha se z tohoto hlediska může jevit jako problematická. Přestože v ekonomických teoriích došlo všeobecně k poklesu významu dopravních faktorů (zejména dopravních nákladů), doprava stále platí za jeden z velmi významných lokalizačních faktorů v regionálním rozvoji“ (KRAFT, VANČURA, 2009, s. 21). Doprava má také výrazný vliv na interakce a prostorové uspořádání obcí v sídelním systému. Z pohledu dopravy můžeme tedy rozlišovat dva základní typy vztahů v systému osídlení - vztahy monocentrické a polycentrické.

Hlavním tématem diplomové práce je analýza a komparace dvou vybraných oblastí (ostravského a plzeňského regionu), u kterých je předpoklad rozdílných dopravních vztahů. Ostravský region už byl autorem dříve analyzován v rámci jeho bakalářské práce „Dopravně podmíněná polycentricita sídelního systému a její vliv na socioekonomické charakteristiky“. Nicméně analyzované území bylo rozlohou podstatně menší a nebylo zkoumáno do takové míry, jako tomu je v této diplomové práci. Jako protipól ostravského regionu bylo vybráno území Plzeňska, které již podle základní organizace a typu dopravní sítě, vykazuje naprosto odlišné vzorce dopravně podmíněného sídelního uspořádání.

Součástí práce je rešerše odborné geografické literatury týkající se především vzájemných teoretických vazeb mezi tématy: doprava, sídelní systém, monocentricita a polycentricita. Další částí práce bude také stručná charakteristika dopravně podmíněné monocentricity a polycentricity vybraných sídelních systémů ve světě. Hlavní a nejrozsáhlejší část práce patří empirické analýze dopravních vztahů zabezpečovaných individuální a hromadnou dopravou ve dvou vybraných regionech Ostravska a Plzeňska. Studie oblastí je prováděna na několika měřítkových úrovních. Od analýzy regionů, přes analýzu středisek až po analýzu elementárních obcí. V rámci podrobné dopravní analýzy je metodika práce nastavena takovým způsobem, abychom mohli porovnat míru důležitosti individuální i veřejné dopravy pro jednotlivá území a obce. Současně můžeme vyhodnotit nejlépe dopravně predisponované lokality obou regionů a zjistit intenzitu dopravních vazeb v periferních oblastech.

10

2 DEFINICE ZÁKLADNÍCH TEORIÍ A KONCEPTŮ

2.1 Sídelní systém

Sídelní systém můžeme podle amerického geografa Briana Berryho (1964) definovat jako soubor navzájem propojených městských nebo venkovských míst. Rozdíl mezi intraurbánním a interurbánním výzkumem definoval následovně: „města jako systémy v systému měst“. Systém sídel o něco později studoval i další americký geograf Alan Pred. Dle jeho názoru ho můžeme popsat jako národní či regionální soubor sídel vzájemně provázaných do takové míry, že jakákoliv podstatná změna v ekonomické aktivitě, struktuře zaměstnanosti, příjmech či obyvatelstvu jednoho z měst, způsobí přímé či nepřímé modifikace ekonomické aktivity, struktury zaměstnanosti, příjmů či obyvatelstva jednoho nebo více měst v systému. Nicméně je potřeba si uvědomit, že míra propojenosti sídelních systémů a jejich otevřenost vůči vnějším podnětům je výrazně proměnlivá (PRED, 1977).

Studium sídelních systémů můžeme podle Mulíčka (2008) rozdělit do dvou kategorií:

 Výzkum hierarchické organizace sídelních systémů (morfologický přístup) – tento přístup se zabývá především vertikálními vztahy mezi jednotlivými sídly, velikostními kategoriemi sídel či podílem největšího města na celkovém počtu obyvatel apod.

 Výzkum prostorové organizace sídelních systémů (vztahový přístup) – v tomto přístupu jsou hodnoceny především horizontální vztahy mezi sídly, míra ekonomické či dopravní kooperace, dělba práce a míra integrace jednotlivých sídel.

Sídelní systémy jsou typické tím, že jejich vývoj je poměrně pomalý a také tím, že si dlouhodobě udržují svou strukturu či územní dosah navzdory všem globálním vývojovým trendům. Vědecké teorie, které sídelní systémy studují, se dělí na statické a dynamické. Statické teorie vysvětlují vybraný sídelní systém v určitém čase bez ohledu na historický a možný budoucí vývoj. Naopak dynamické teorie interpretují historický vývoj a snaží se podat i možnou předpověď do budoucna (PUMAIN, 2000).

11

2.1.1 Monocentrický region

Jedním ze dvou typů sídelních systémů, kterými se budeme v této práci zabývat je monocentrický systém. „Monocentrický systém představuje existující výrazné centrum v území založené na průmyslovém potenciálu a jeho obslužné funkci. Mnoho lidí zde dojíždí za prací a jinými záležitostmi, je zde hustá dopravní síť a projevuje se výrazná nadřazenost nad ostatními sídelními útvary“ (STARZYCZNÁ, 2005, s. 130). Nicméně monocentrický region jako centrum v území může být založen také na jiném než průmyslovém potenciálu (např. zemědělský či obchodní potenciál).

Většina geografů či ekonomů se zabývá pouze problematikou monocentricity města nikoli monocentricitou regionu. Monocentricita je většinou autorů zmiňována pouze jako protipól polycentrických teorií a není ji v dnešní době dávána příliš velká pozornost. Autoři, kteří se přeci jen alespoň částečně zabývají monocentrickými sídelními systémy, se často odkazují na jednu z historicky prvních generalizací zachycujících problematiku velikosti a rozmístění měst v rámci určité země či regionu. Tuto generalizaci vytvořil v roce 1939 americký geograf Mark Jefferson a nazývá se „zákon vedoucího města“

(GALIANI a KIM 2008). Zákon byl založen na pozorování, že vedoucí město určitého státu je pokaždé disproporčně větší než ostatní města téhož sídelního systému. Nicméně tento model funguje v dnešní době už jen v některých zemích. Státy s komplikovanější národnostní strukturou si často vytváří sídelní systém se dvěma či více velikostně srovnatelnými metropolemi (např. ve Španělsku Barcelona jako centrum Katalánska a na druhé straně Madrid jako centrum Kastilie). Podobný efekt potlačení vývoje jednoho vedoucího města může mít např. i velká rozloha státu (USA, Čína). Větší počet srovnatelně velkých vedoucích měst má i Německo (Berlín, Hamburk, Mnichov). V současnosti se dá zákon vedoucího města aplikovat především na méně ekonomicky rozvinuté, nepříliš lidnaté státy s malou rozlohou a vysokým podílem zemědělské výroby. Často jimi jsou bývalé kolonie. (MULÍČEK, 2008).

V souvislosti s monocentrickými ale i polycentrickými regiony se často objevuje i tzv. pravidlo pořadí-velikost neboli „rank-size rule“. Toto pravidlo se snaží statisticky modelovat velikostní rozložení měst v daném systému osídlení. Vynásobíme-li počet obyvatel určitého města jeho velikostním pořadím, dostaneme počet obyvatel největšího z nich (MULÍČEK, 2008). Pravidlo rank-size rule můžeme využít i při empirickém výzkumu (obr. 1), jelikož zde platí, že čím strmější průběh křivky, tím dominantnější sídlo v rámci

12

systému osídlení. V takovém případě se tedy jedná o monocentrický region. V případě, že je křivka plochá, jedná se o rovnoměrné rozložení měst v daném systému osídlení.

V takovém případě hovoříme o polycentrickém sídelním systému (POLYREG, 2008).

Obr. 1. Rozdíly mezi monocentrickým a polycentrickým regionem (převzato: POLYREG, 2008)

Někteří autoři se opírají také o konkrétní monocentrický model městské prostorové struktury. Model monocentrického města vypracovali William Alonso, Richard Muth a Edwin Mills. Od své formulace v roce 1964 se Alonsův kruhový model monocentrického města, tzv. Central Business District (CBD), používá jako základní model pro urbanizační a ekonomické analýzy. Nicméně monocentrická města či regiony, díky novým technologiím, rychlejší a levnější dopravě, postupem času stále oslabovaly svou pozici, jelikož lidé mohli individuálně dojíždět do stále vzdálenějších zaměstnání (Strange, 2008).

13

2.1.2 Polycentrický region

Druhým typem sídelní struktury, které si podrobněji popíšeme, je polycentrické uspořádání. Kritickou analýzou konceptu polycentricity a jeho aplikací v prostředí regionálního rozvoje ČR se zabývá projekt POLYREG (2008). Z dílčích zpráv tohoto projektu jsme se inspirovali i v naší bakalářské práci, kde jsme téma polycentricity zpracovávali již dříve.

V dnešní geografii jsou pojmy jako polycentricita či polycentrický region z různých důvodů, stále ve fázi nejednotnosti a mnoho autorů je interpretuje odlišně. Rozdílnou interpretaci provede geograf, ekonom nebo urbanista (KLOOSTERMAN A MUSTERD, 2001).

Podle Roberta Kloostermana a Barta Lambregtse z univerzity v nizozemském Amsterdamu se v dostupné geografické literatuře polycentrické regiony nejčastěji vyznačují následovně:

 „They consist of a number of historically distinct cities that are located in more or less close proximity (roughly within current commuting distances),

 They lack a clear leading city which dominates in political, economic, cultural and other aspects and, instead, tend to consist of a small number of larger cities that do not differ that much in terms of size, or overall economic importance and a greater number of smaller cities,

 The member cities are not only spatially distinct, but also constitute

independent political entities” (KLOOSTERMAN and LAMBREGTS, 2001, s. 718-719).

Jednu z definic polycentrického regionu uvedla i Halina Starzyczná ve své publikaci Ekonomika obchodu: „Polycentrický region vzniká integrací několika sídelních útvarů spojených silnými vzájemnými funkčními vazbami, energetickými a dopravními systémy, občanskou vybaveností atd.“ (STARZYCZNÁ, 2005, s. 130).

Podle Meijerse (2005) jedna z výhod polycentrického regionu spočívá v efektivním spolupůsobení jednotlivých měst/center. Existují tři hlavní způsoby, jak se efektivní spolupůsobení projevuje v oblastech hospodářství polycentrického regionu. První je vertikální synergie, která je výsledkem specializace procesu, neboli přerozdělování zdrojů a činností mezi zúčastněnými aktéry podle jejich působnosti. Druhý způsob je horizontální

14

synergie, která je odvozena z úspor z rozsahu, jež vyplývají ze snah o kooperaci. A třetí je pozitivní kombinace obou těchto spolupůsobení a komplementarita sítí. Společně tyto tři mechanismy, komplementarita, spolupráce a externality spojené s oběma předešlými, přispívají k součinnosti v dané síti.

Podle Boruty (2008) je polycentrický region typický hned několika městskými centry či uzly, která jsou mezi sebou navzájem propojena sítí přímých a nepřímých vazeb. Mezi významné řadí především vztahy socioekonomického charakteru.

Několik hlavních znaků, které charakterizují polycentrický region (PUR) vymezil také A. G. Champion (2001). Jedná se především o ekonomické vazby a interakce. Polycentrické regiony podle něj vznikají směrem od svého středu (jádra), tedy centrifugálně (obr. 2). Celý proces vysvětluje na příkladu rozmístění pracovních míst ve městě či městském regionu. Dle autorova názoru nabízejí okrajové části městského regionu více pracovních příležitostí než samotné historické jádro.

Obr. 2. Centrifugální proces vzniku PUR (upraveno dle: Champion 2001)

Odlišně polycentrický region definuje Parr (2004), který tvrdí, že PUR se od běžných seskupení měst odlišuje především vzdáleností/blízkostí, neboť města by podle něj neměla být od sebe vzdálena více než jednu hodinu jízdy automobilem, ale zároveň nesmí být příliš blízko, jako je tomu v případě městských aglomerací. Stejně tak by nemělo žádné město polycentrického regionu výrazně populačně dominovat nad ostatními. Oproti jiným nepolycentrickým regionům se PUR liší vyšší úrovní interakce a specializace mezi jednotlivými středisky. Polycentrické regiony tedy mohou mít různou velikost.

15

Otázka sídelních systémů je v současnosti stále více aktuální téma jak na národní, tak na kontinentální úrovni - „V řadě evropských zemí i na celoevropské úrovni probíhá v odborných i politických grémiích diskuse o městských regionech a jejich zapojování do polycentrických sídelních soustav. Jakkoliv je samotný koncept polycentrických soustav poněkud neurčitý, v přechodu od monocentrických hierarchických sídelních soustav k polycentrickým soustavám spatřují projekty i z nich vycházející dokumenty Evropské unie možnost posílení územní soudržnosti. V polycentrických sítích a řetězcích se v posledních letech stále více hledá odpověď jak na globalizační výzvy, v nichž jsou osamocená centra vystavena neúměrnému tlaku globální konkurence, tak i na problém rostoucích územních disparit mezi metropolitními regiony a zbytkem území“ (MAIER, DRDA, MULÍČEK,

SÝKORA, 2007, s. 75).

Nicméně transformace či komparace monocentrických a polycentrických regionů není věcí zcela jednoduchou a jednoznačnou. Svědčí o tom i práce autorů Caroline Lemoinové a Frédériqua Prédaliho (2009) z pařížského ústavu územního plánování a rozvoje, kteří provedli svou studii za účelem porovnání tarifů veřejné integrované dopravy. Regiony dělí podle jejich sídelní struktury, hustoty obyvatelstva či ekonomických toků dokonce do tří kategorií. Na monocentrické, polycentrické a multipolární. Monocentrické areály mají podle nich jedno dominantní jádro. Polycentrické struktury se vyznačují růstem předměstí dominantního jádra a integrací menších měst v zázemí metropolitní oblasti (podle autorů např. Ile-de-France – areál Paříže, Greater London, Montreal MMA a Berlin- Brandenburg). Naproti tomu multipolární oblasti nemají jedno dominantní jádro a všechna městská jádra jsou podobné velikosti (podle autorů např. Randstad v Nizozemsku či německý Rhine-Ruhr). Jejich studie svědčí o tom, že, sídelní systémy se dají rozdělit podle různorodých kritérií. Vždy záleží na účelu, s jakým je daný výzkum prováděn.

16

Obr. 3. Dopravní vztahy v monocentrickém a polycentrickém regionu (upraveno dle: http://urbanplacesandspaces.blogspot.cz/2012/01/planning-for-intensity-of-land-use.)

Další autoři tvrdí, že polycentrické regiony mají oproti monocentrickým regionům potenciální konkurenční výhody (např. LAMBOOY, 1997 či CAMAGNI, 2001). K těmto neoddiskutovatelným výhodám můžeme řadit především vyšší pluralitu voleb obyvatel polycentrických regionů, kteří se mohou na základě kvality či objemu služeb rozhodnout kam se kterýkoli den vydají za nákupy či za kulturou.

O tom, že se v posledních letech koncept polycentrického rozvoje stává stále populárnější, svědčí i fakt, že se polycentrismus všeobecně více uplatňuje v regionech, kde je více městských jader, která jsou spolu v konkurenčních či kooperačních vztazích. Pojem polycentrismus bývá aplikován na různých geografických měřítcích od mezinárodních vztahů globálních měst až po vztahy aktérů a firem v rámci určitého města (DAVOUDI, 2003).

2.1.3 Vliv měřítka na chápání monocentricity a polycentricity

Prostorové vztahy v monocentrických či polycentrických sídelních systémech probíhají v různých geografických měřítcích. Vliv měřítka na chápání monocentricity nebo polycentricity je jen stěží zpochybnitelný. Prostorové vztahy se dají studovat jak na úrovni městských obvodů či čtvrtí, tak na úrovni velkých států a regionů. Na každé měřítkové úrovni platí poněkud odlišná prostorová pravidla a zákonitosti. V této kapitole se pokusíme naznačit možné chápání monocentricity či polycentricity na několika měřítkových úrovních.

17

Podle Herberta a Thomase (1997), můžeme z hlediska měřítkové (řádovostní) úrovně rozlišit tři až čtyři úrovně sídelních systémů:

 Národní systém je ovládán velkými centry. Má dobře zřetelnou hierarchii. Jednotlivá centra jsou odstupňována podle populační velikosti.

 Regionální subsystém je součástí národního systému. Má méně jasné hierarchické uspořádání a většinou se rozkládá kolem dominantního metropolitního centra.

 Místní subsystém je součástí regionálního. Někdy je označován jako městský či denní systém. V jeho prostoru se odehrávají každodenní aktivity, jako je dojížďka za prací či službami.

 Přeshraniční globální systém je typ měřítkové úrovně systémů, který se začíná v geografii užívat nejpozději ze všech čtyř zmiňovaných. Reprezentují ho zejména systémy tzv. globálních měst (global cities) či propojený evropský sídelní systém.

Vliv měřítka se dá velmi dobře vysvětlit na příkladu Londýna, kterému se ve své studii věnuje i anglická profesorka Katty Pain (2008). Snaží se najít odpověď na základní otázku, zda je Londýn monocentrický nebo polycentrický. Odpověď není jednoznačná, jelikož velice důležitou roli hraje právě měřítko, v jakém je hlavní město Velké Británie studováno. Když je Londýn a jeho okolí posuzován na národní či evropské úrovni, tak je město na Temži velmi dominantní a více monocentrická oblast v Evropě lze najít jen stěží. I na celosvětové úrovni nalezneme jen velmi málo měst, která by byla tak dominantní/ monocentrická jako Londýn. Podobný celosvětový ekonomický význam mají např. podle nizozemsko-americké socioložky Saskie Sassen (2001) města New York či Tokyo. Tato města označuje jako tzv. „global cities“ a v celosvětovém měřítku je můžeme na základě interakcí považovat společně s Londýnem za velmi monocentrická (např. také

BEAVERSTOCK a kol. 1999).

Když ale posuzujeme Londýn z většího měřítka, tedy na úrovni města a městských částí, musíme konstatovat, že tzv. „Velký Londýn“ je rozdělen na mnoho různých center a čtvrtí (obr. 4), které plní každé svou určitou specifickou funkci (obchodní, průmyslovou, vzdělávací apod.). Některé čtvrti jako například City of London nebo Westminster mají statut města. Ostatní čtvrti sice podle striktního právního výkladu městský status nemají,

18

nicméně prakticky můžeme celý Velký Londýn považovat za město. Jednotlivé obvody mají poměrně široké pravomoci, volené oblastní zastupitelstvo a přímo voleného starostu. Každý obvod Velkého Londýna si tak podle svého spravuje vlastní území, ve kterém probíhá každodenní život obyvatel. Jednotlivé čtvrti spolu mohou mít konkurenční nebo kooperační vztahy. Tímto můžeme tedy hovořit o několika centrech v rámci Velkého Londýna. V tomto měřítku je Londýn tedy jasně polycentrický.

Obr. 4. Mapa oblastí Velkého Londýna (zdroj:http://i768.photobucket.com/albums/xx325/Reviewmylocation/GreaterLondon3dreducedbFINALBLU ECEN TRALwhiteriver.png)

Na mezinárodní úrovni také existuje několik oblastí, které jsou do značné míry polycentrické. Nejznámějším evropským polycentrickým koridorem spojujícím urbanizované území, které se táhne z jihovýchodní Anglie do severní Itálie, je tzv. „Modrý Banán“. Zahrnuje města jako např. Londýn, Brusel, Amsterdam, Kolín nad Rýnem, Frankfurt nad Mohanem, Curych nebo Milán. V takto vymezené centrální oblasti žije až 40 % evropského obyvatelstva a probíhá zde vysoké procento ekonomických procesů celé Evropy. Alternativou tradiční městské osy Modrého banánu může být podle Mulíčka (2008) např. „Sunbelt“ (Milán – Valencie) či tzv. „Žlutý banán“ (Paříž – Varšava). Různých potenciálně polycentrických území se dá v Evropě vymezit celá řada. Jednou z paralel k Modrému banánu mohou být dříve periferní území EU-15, která vymezil ve své studii Jörgen Gren (2003). Regiony vymezil na základě ekonomických vazeb, které se

19

především díky investicím do dopravní infrastruktury významně zlepšily. Jako příklad uvádí území zahrnující města Prahu s Vídní a Bratislavou či Lyon s Barcelonou a Nice nebo Varšavu s Brandenburgem a Berlínem. Podobných potenciálně polycentrických území vymezil Evropě ještě několik. Podle Grena mohou tato spíše sekundární evropská centra společně se svým zázemím začít v budoucnu významně konkurovat jádrovým regionům.

Monocentrické či polycentrické vztahy mohou fungovat také na národní měřítkové úrovni. V případě národní úrovně České republiky můžeme hovořit o monocentricitě Čech a polycentricitě Moravy a Slezska. Čechy jsou oblast s jedním výrazně dominantním centrem, a tím je Praha, zatímco v rámci Moravy a Slezska můžeme vymezit několik hierarchicky podobně silných center, jakými jsou například Brno, Ostrava či Olomouc.

Obr. 5. Regiony ČR vymezené na základě dopravních mezistřediskových vazeb (převzato: POLYREG, 2010)

Další úrovní sídelního systému ČR, kterou bychom mohli studovat, je úroveň místní (centrum – zázemí). V rámci projektu POLYREG (2010) byly identifikovány regiony České republiky s vyšší dopravní konektivitou, tj. regiony s lepší dopravní predispozicí k polycentricitě (obr. 5). Jako protipól polycentrických regionů samozřejmě existují na území ČR také oblasti monocentrické. Na mapě můžeme vidět, že největším regionem je ten pražský. Tento region je jasně monocentrický. Dalšími významnými

20

monocentrickými oblastmi jsou brněnský, plzeňský či českobudějovický region. Monocentrické regiony jsou typické jedním významným a dominantním centrem. Mezi významné polycentrické regiony můžeme zařadit v Čechách pouze areál severočeský, zatímco na Moravě hned dva velké regiony - Ostravsko a Střední Moravu. Polycentrické regiony se vyznačují několika řádovostně podobně dominantními centry.

Ještě o patro nižší úrovní, na které můžeme studovat prostorové uspořádání sídelního systému, je úroveň lokální neboli vnitroměstská. V největších městech České republiky, kterými jsou Praha, Brno či Ostrava, se dnes rozvíjí polycentricita, jelikož tato města nemají pouze jedno dominantní centrum. Městské regiony jsou tvořeny několika jádry, která se vzájemně doplňují, nebo si navzájem konkurují. My se v empirické části této práce budeme zabývat především dopravně podmíněnou polycentricitou či monocentricitou na místní (centrum – zázemí) úrovni.

2.2 Monocentricita a polycentricita ve světě

V poslední době vychází mnoho vědeckých článků a případových studií, které se zabývají prostorovým uspořádáním vybraných světových sídelních systémů. Autoři se v některých případech pokouší zachytit dynamiku vývoje studovaných regionů, a jindy zase popisují aktuální stav studovaného systému osídlení. Zmíněným studiím v současnosti dominují především články na téma polycentrismu. Zdá se jako by monocentrické systémy neměly takový potenciál dalšího vývoje, který geografové spatřují u systémů polycentrických (BAILEY a TUROK, 2001).

Velké množství autorů píšících o polycentrických regionech pochází z oblasti Beneluxu, což není náhoda, jelikož právě zde se v hustě zalidněných urbanizovaných oblastech začal tento geografický systém uplatňovat nejdříve. Podle Cowellové (2010) je v Nizozemsku polycentrismus součástí plánovacích dokumentů již od roku 1958, kdy byly v „Druhé nizozemské zprávě o územním plánování“ nastíněny zásady tzv. „decentralizované koncentrace“. Tento dokument lze s odstupem času považovat za předchůdce dnešního polycentrismu. Myšlenku polycentrismu se snaží aplikovat i evropská instituce ESDP (European Spatial Development Perspective), která prosazuje polycentrické uspořádání sídelního systému i nad hranice jednotlivých států.

21

Jak zmiňuje Lambregts (2006), tak přestože třeba v oblasti Randstadu se provádí aktivní výzkum polycentricity přibližně od konce šedesátých let dvacátého století, tak pro většinu světa zůstává tento pojem stále relativně novým. Nicméně vyspělé státy světa podporují polycentrické sídelní uspořádání již poměrně dlouho. Mnohé regiony chtějí prosazovat polycentricitu hned z několika důvodů, včetně přání zlepšit vlastní ekonomickou situaci (GOVERNA a SALONE, 2005).

Margaret Cowellová (2010) provedla studii tří polycentrických území, na kterých lze kvalitně dokumentovat, jak se prostorové strategie polycentrismu projevily ve třech různých lokalitách: Randstad v Nizozemsku, San Francisco Bay Area v USA a Emilia- Romagna v Itálii. Ačkoli studie obsahuje podrobné analýzy tří polycentrických regionů, je důležité si uvědomit, že každý z nich se liší v míře, do jaké vláda dané země aktivně prosazuje polycentrismus jako svou formální strategii.

2.2.1 Randstad

Jedná se o uskupení měst, které tvoří pomyslný tvar podkovy. V samotném centru této oblasti se nachází zelená plocha (Green Heart), která je obklopena čtyřmi nejdůležitějšími městy. Těmi jsou: Amsterdam, Haag, Rotterdam a Utrecht. Meijers (2005) se ve své studii snažil zjistit míru ekonomické integrace jednotlivých měst tohoto území. I přes to, že Randstad není oficiálně uznán nizozemskou vládou či Evropskou unií jako region, je významným a hustě zalidněným centrem ekonomických a kulturních aktivit této země. Celková plocha území Randstadu je přibližně 6.400 km2. Ačkoliv oblast pokrývá přibližně 20 procent rozlohy Nizozemska, tak zde žije 42 procent obyvatel (DIELEMAN, 1996). Celkový počet obyvatel Randstadu je přibližně 6,7 milionů. Hustota zalidnění regionu je 1224 obyvatel na kilometr čtvereční.

Zajímavostí je, že Randstad je paradoxně oblastí převážně venkovského charakteru, jelikož pouze 26 procent z celkové rozlohy můžeme považovat za urbanizované území. Většina území (64 %) v této oblasti je intenzivně využívána pro zemědělství nebo jako přírodní rezervace (10 %). Jako celek ekonomika oblasti Randstadu prosperuje v celé škále odvětví. Jeho obyvatelé mají vysoký podíl pracovní síly (77 % v roce 2003), jednu z nejnižších měr nezaměstnanosti ze všech zemí OECD, vysokou produktivitu práce a

úroveň vzdělání, která je nad průměrem zbytku EU (COWELL, 2010). Kantor (2006)

22

konstatuje, že v oblasti Amsterdamu a přilehlých lokalitách došlo k poklesu výrobních a obchodních funkcí a ke zvýšení aktivit nových ekonomických odvětví, jako jsou obchodní služby, cestovní ruch či finanční služby. Podobně i Utrecht se stal důležitým obchodním centrem nizozemské ekonomiky. Naopak v Rotterdamu a Haagu tak výrazně nedominuje sektor služeb a tato města jsou spíše známá pod pojmy jako nizozemský hlavní přístav nebo sídlo vlády a domov mnoha mezinárodních organizací (KANTOR, 2006). Tato dvě města na jihu území drží svůj ekonomický potenciál především v dopravě, v souvisejících logistických funkcích, v pojišťovnictví či v petrochemickém průmyslu (LAMBOOY, 1997).

Obr. 6. Mapa regionu Randstad v Nizozemsku (zdroj: https://maps.google.cz)

2.2.2 Emilia-Romagna

Emilia-Romagna je region, který se nachází v severní části Itálie a je ohraničen z východu Jaderským mořem, řekou Pád na severu a apeninským horským pásmem na jihu. Rozloha oblasti je 22.124 km2, což znamená, že je to pátá největší z dvaceti italských provincií. Žije zde něco málo přes 4 miliony obyvatel. Největším městem je Bologna. Několik nejdůležitějších center oblasti Emilia-Romagna, včetně měst Bologna, Parma, Reggio Emilia a Modena, bylo založeno podél staré římské silnice Via Emilia. Po druhé světové válce musela Emilia-Romagna konkurovat velké průmyslové oblasti měst v

23

severní Itálii. To mělo za následek, že levicová vláda musela v provincii Emilia-Romagna podpořit hospodářský růst. Zavedla tedy strategii na podporu malých podniků prostřednictvím zaměstnaneckého vlastnictví a družstev. Později také vytvořili institucionální strukturu pro podporu malého a středního podnikání (LOGUE, 2006).

Obr. 7. Mapa regionu Emilia-Romagna v Itálii (zdroj: http://www.italytravelescape.com/map_of_emilia_romagna.gif)

V dřívějších studiích oblasti se můžeme dočíst, že ekonomika regionu Emilia- Romagna byla založena z velké části na mnoha interakcích mezi malými a středními podniky. Stejné vzájemné vztahy v oblasti platí dodnes. Novější studie došly k závěru, že bližší spolupráce funguje i na úrovni větších průmyslových subjektů. Nicméně v regionu stále dominuje propojení malých podniků, které společně tvoří průmyslové klastry. Emilia- Romagna má nejnižší nezaměstnanost v celé Itálii, přičemž vysoké procento pracovní síly tvoří ženské pohlaví (COWELL, 2010).

2.2.3 San Francisco Bay

Oblast San Francisco Bay se skládá z devíti okresů, které ji obklopují. Jedná se o okresy Alameda, Contra Costa, Marin, Napa, San Francisco, San Mateo, Santa Clara, Solano a Sonoma. Počet obyvatel tohoto území je přibližně 6,9 milionů. Oblast zahrnuje čtyři hlavní městská centra: San Francisco, San Jose, Oakland a Santa Rosu. Celá oblast

24

v posledních letech slušně ekonomicky prosperuje. Míra nezaměstnanosti v září 2007 v San Franciscu činila 4,2 %, v San Jose 5 %, v Oaklandu 4,9 % a v Santa Rose byla 4,4 %. Přestože je výrobní sektor důležitou součástí téměř každého okresu v této oblasti, San Francisco Bay má různorodou ekonomiku, kde všechna města a okresy poskytují nabídku zaměstnání v mnoha různých průmyslových odvětvích. I přesto bylo v roce 2002 téměř 25 procent pracovní síly okresu San Francisco zaměstnáno v oblasti bankovnictví a pojišťovnictví nebo v odborné sféře, vědeckých či technických službách. V okresu Santa Clara, kde se nachází i města San Jose a Silicon Valley, představuje informační a výrobní odvětví zhruba 23 procent místních pracovních příležitostí (COWELL, 2010).

Obr. 8. Mapa regionu San Francisco Bay v USA (zdroj: https://maps.google.cz)

2.2.4 Komparace oblastí

Na příkladu těchto tří oblastí lze velice dobře dokumentovat, jak mohou polycentrické regiony ve světě fungovat. Randstad je region, kde se jednotlivá města ve spektru svých služeb vhodně doplňují, a každé sídlo nabízí pro místního občana jinou funkci. Velká města na okraji se stále rozrůstají a tvoří konurbace, zatímco menší obce

25

ležící v centrální oblasti Green Heart jim musí pozvolna díky jejich expanzi ustupovat. Tento růst měst je umožněn především díky velmi kvalitní dopravní infrastruktuře, která zahrnuje velké množství silnic, dálnic, železnic, několik přístavů a letišť. Ve městech pak samozřejmě kvalitní linky tramvají či metra (MEIJERS, 2005). Dvě největší a nejdůležitější města oblasti Randstadu i celého Nizozemska - Amsterdam a Rotterdamem jsou spolu propojena vysokorychlostní železnicí dosahující rychlostí až 300 km/h. V tomto území tedy patří železnice mezi nejrychlejší segment osobní dopravy. Na ostatních hlavních železničních tratích, které propojují Amsterdam, Rotterdam, Utrecht i Den Haag je maximální rychlost vždy minimálně 130 km/h. Randstad je také propojen jednou z nejhustších sítí silnic a dálnic v celé Evropě. Obyvatelé všech hlavních měst této oblasti tedy mají velmi dobrý přístup k rychlejší síti hierarchicky nadřazených komunikací, což přispívá k mobilitě obyvatel i rozvoji oblasti.

Emilia-Romagna je území, jehož hlavní ekonomická a průmyslová centra potřebovala a potřebují pro svoji prosperitu také kvalitní dopravní spojení. To jim už několik staletí poskytuje stará římské silnice Via Emilia, podél níž samozřejmě vyrostla v pozdější době i velkokapacitní dálnice. Třetí hierarchicky významnou dopravní tepnou je vysokorychlostní železnice, která vede paralelně mezi silnicí Via Emilia a mezi dálnicí E45. Na tomto příkladu můžeme opět dokumentovat velmi významný vliv dopravní infrastruktury na prosperitu regionu (COWELL, 2010).

Oblast San Francisco Bay je nejen díky své kvalitní dopravní síti centrem vědy a výzkumu země a také jednou z nejbohatších oblastí USA. Oblast je protkána hustou sítí dálnic a silnic nejvyšší třídy. Hustota silniční sítě je zde, společně s oblastí Los Angeles a San Diega, nejvyšší na celém západním pobřeží USA. Samozřejmostí je i vysokorychlostní železnice, která spojuje dvě hlavní města oblasti – San Francisco a San Jose. V oblasti San Francisco Bay funguje také lodní doprava, což se v této oblasti vyloženě nabízí, jelikož se rozkládá kolem zálivu. V součtu všech tří oblastí můžeme říci, že jsou velmi dobře vybaveny hierarchicky nadřazenými dopravními komunikacemi, což obyvatelům těchto regionů umožňuje vyšší pluralitu voleb, čímž se rozvíjí i hospodářství a ekonomika daných oblastí. Velikost vlivu kvalitní dopravní infrastruktury na růst a prosperitu těchto tří území přesto jen obtížně prokážeme. Jedno je ale jisté. Kdyby v těchto regionech kvalitní dopravní infrastruktura chyběla, tak by se dnes jen stěží řadily mezi nejbohatší regiony světové ekonomiky.

26

2.3 Doprava

Významnou roli dopravy a přepravy na fungování naší společnosti nelze oddiskutovat, ale její dlouhodobá všudypřítomnost má za následek, že je často považována za něco samozřejmého, čímž někteří autoři její význam marginalizují. Ve vyspělém světě je dopravní systém poměrně spolehlivý, a tudíž se dostává do popředí zájmu většinou, jen když se něco pokazí nebo nastanou nějaké problémy typu dopravní nehody či sněhové kalamity (KNOWLES, SHAW, DOCHERTY, 2008). Tendence brát dopravu za něco samozřejmého můžeme sledovat i v akademické geografii (GOETZ et al., 2004). V minulosti, některé faktory, jako jsou například období levné ropy nebo neochota některých dopravních geografů angažovat se ve významných teoretických debatách, vedlo mnoho humánních geografů k tomu, že ve svých analýzách sociálních a ekonomických modelů či systémů, výrazně bagatelizovali dopravní záležitosti (KEELING, 2007). Ve skutečnosti se význam dopravy jako objektu geografického výzkumu nikdy nezmenšil: větší míra mobility je podstatným znakem stále globalizovanější světové ekonomiky

(HOYLE a KNOWLES, 1998).

„Doprava má v současném světě velký význam. Zjednodušeně se dá dokonce říci, že oporou současných prostorových a funkčních vztahů dosahujících globálních rozměrů je právě doprava“ (SEIDENGLANZ, 2008, s. 231). Doprava dnes patří mezi nejdynamičtěji se rozvíjející obory lidské činnosti a pro svůj rostoucí význam v každodenním životě obyvatel patří mezi problematiku intenzivně vnímanou širokou veřejností. Taktéž v současné odborné geografické literatuře má proto četnost studií věnovaných dopravní problematice stoupající tendenci (HUDEČEK, 2010).

2.3.1 Časoprostorové teorie a jejich vztah k dopravě

Přímo úměrně se zvyšováním kvality dopravní infrastruktury, vývojem modernějších a rychlejších dopravních prostředků, dochází také ke zlepšování časové dostupnosti a k pomyslnému smršťování prostoru. Následující řádky jsou věnovány nejvýznamnějším konceptům a teoriím, které popisují vývoj studia dopravy v časoprostoru.

První impuls ke studiu prostoru v čase přišel od švédského geografa Torstena

Hägerstranda, který zavedl inovativní metody při studiu prostorových procesů (DANĚK,

27

2008). Konceptem zmenšujícího se světa se zabýval např. také Huntington, kterého citují Lowe a Moryadas (1975). Huntington tvrdí, že se města k sobě přibližují, což je výsledkem zkracování doby potřebné k dopravě mezi nimi. Tento jev se nazývá „time- space convergence“ neboli časoprostorová konvergence (obr. 4. a 5.) a přichází s ním americký geograf Donald G. Janelle (1968), který zároveň zmiňuje i pojem „shrinking cost“, což zjednodušeně znamená, že za stejnou cenu jako v minulosti dosáhneme v současnosti větších vzdáleností. Extrémním případem může být tzv. kompletní

časoprostorová konvergence (ABLER et. al, 1975), kdy všechna místa zemského povrchu budou časově i finančně stejně kvalitně dostupné – nastane tzv. kolaps prostoru.

Obr. 9. Časoprostorová konvergence - svět (pramen: Rodrigue, J-P et al. (2004) Transport Geography on the Web, Hofstra University, Department of Economics & Geography, http://people.hofstra.edu/geotrans)

Velmi se tomuto stavu kompletní časoprostorové konvergence přiblížil například telefon, kde existuje při spojení již jen minimální časová prodleva. Zcela tohoto stavu dosáhl internet a jiné informační technologie. Opakem časoprostorové konvergence je časoprostorová divergence, při které naopak dochází k prodlužování cestovních časů např. vlivem dopravních kongescí. Nicméně pro současnou organizaci dopravy i pro naši práci je podstatná převaha časoprostorové konvergence. Ačkoliv dnes člověk stráví cestováním průměrně stejný čas jako v minulosti, v důsledku zvýšené mobility urazí v daném čase delší

28

vzdálenost. V takovém případě hovoříme o tzv. pravidle konstantního času (TOLLEY, TURTON 1995).

Obr. 10. Časoprostorová konvergence – trasy Londýn – Edinburgh a New York - Boston (pramen: Rodrigue, J-P et al. (2004) Transport Geography on the Web, Hofstra University, Department of Economics & Geography, http://people.hofstra.edu/geotrans)

V roce 1984 přišel s další teorií, která vychází z geografie času a má přímou souvislost s lepšící se dopravní mobilitou obyvatel, britský sociolog Anthony Giddens. Tvrdí, že změny v prostorovém (a časovém) rozšíření lidských aktivit jsou vytvářeny rozšiřováním interakcí v prostoru a jejich smršťováním v čase. Tento jev pojmenoval jako

„time-space distantiation“ neboli časoprostorovou distanciaci (DANĚK, 2008).

Na Janellovu teorii časoprostorové konvergence či Giddensovu teorii časoprostorové distanciace později navázal Harvey se svým konceptem „time-space compression“ neboli konceptem časoprostorové komprese, který se dá vysvětlit následujícím příkladem: „Narůstající prostorová mobilita a překonávání bariér kladených prostorem jsou umožněny technologickým pokrokem v oblasti výrobních, dopravních, komunikačních a informačních technologií. Zatímco doručení zprávy mezi sousedními sídly trvalo před několika staletími hodiny, důležitá zpráva dokáže dnes obletět svět prakticky okamžitě. Role prostoru a času v lidském životě i v organizaci produkce se v posledních letech dramaticky změnila. Svět se v našem vnímání rapidně zmenšuje“ (SÝKORA, 2000, s. 68).

29

Dalšími koncepty, které se taktéž zabývají problematikou prostoru a času jsou teorie „network society“ (síťová společnost) a „space of flows“ (prostorové toky) amerického sociologa španělského původu Manuela Castellse (2010). Ten tvrdí, že současný stav dopravních a komunikačních technologií vytváří nové formy prostorové organizace společnosti, kde prostor i čas mají stejně významnou roli. Prostorové interakce mezi lidmi jsou podle něj díky vyspělým komunikačním technologiím nahrazeny interakcemi nehmotnými.

Podobný Castellsově teorii „space of flows“ je i dnešní fenomén, kterému říkáme „life in corridors“ (život v koridorech). Život v koridorech představuje současnou realitu pro mnoho lidí, kteří se přesouvají, či cestují z místa na místo po různých vysokorychlostních dopravních spojnicích, kterými mohou být např. dálnice, vysokorychlostní železnice, letové koridory apod. Cílem takových cest je pokud možno co nejrychlejší přesun z bodu A do bodu B. Tento způsob dopravy využívají zejména tzv. „kinetic elites“, což jsou např. manažeři, obchodníci, či lidé z vědecké sféry. Díky rozvoji vysokorychlostních druhů dopravy se do vědního oboru dopravní geografie dostává také pojem hypermobilita, což je v podstatě možnost cestovat a překonávat velké vzdálenosti v krátkém čase (AD EY, 2010). Vysoká úroveň mobility pak umožňuje něco, čemu říkáme „everyday cosmopolitization“ (každodenní kosmopolitizace). Díky každodenní kosmopolitizaci mohou lidé relativně snadno udržovat více vlastních identit v různých koutech světa (např. sociální sítě). Od 90. let 20. století nastává v geografii tzv. nový mobilitní obrat (new mobilities paradigm). Začínáme si uvědomovat, že mobilita má v moderní době obrovský, často nedoceněný význam, který ovlivňuje jak životy jednotlivců, tak i vývoj celé společnosti. Doprava není něco samozřejmého, co existuje, aniž by se to muselo zkoumat

(LARSEN, URRY, AXHAUSEN, 2006).

2.3.2 Prostorová organizace dopravního systému

Doprava hraje velmi důležitou úlohu při formování prostorových vztahů a vytváření prostorových interakcí ve společnosti. Toto tvrzení lze aplikovat i na problematiku formování vazeb v rámci systému osídlení. V tomto kontextu lze zdůraznit, že dopravní vazby mezi jednotlivými středisky hrají významnou úlohu v jejich monocentrickém, respektive polycentrickém uspořádání (SEIDENGLANZ, 2010).

Jakýmsi základem pozdějších úvah v prostorové organizaci dopravního systému byl podle Ullmana (1973) princip komplementarity, který umožňuje kompenzaci přebytků a nedostatků mezi různými místy zemského povrchu. Nerovnoměrné rozmístění dopravní

30

infrastruktury je jednou z hlavních příčin diferencovaného rozvoje různých lokalit v systému osídlení. Hierarchicky nadřazené komunikace jako dálnice či železniční koridory přispívají ke zlepšení dopravní situace určitých regionů. Naopak absence těchto důležitých dopravních tahů jiné regiony v systému dopravy značně znevýhodňuje. Výsledkem je pak zapojení dopravně zvýhodněných regionů do širších socioekonomických celků, zatímco dopravně indisponované regiony jsou prostorově značně znevýhodněny. Zjednodušeně se dá říci, že počet a velikost periferních regionů odráží celkovou efektivitu dopravního systému (KRAFT, VANČURA, 2009).

Rozvinutá a kvalitní dopravní infrastruktura tedy patří mezi jeden z klíčových faktorů rozvoje systému osídlení. Ačkoli doprava a dopravní infrastruktura působí v prostoru především liniově, je zde jasně patrná vazba dopravy na systém osídlení.

Někteří autoři (např. RODRIGUE et al, 2009) hovoří o interdependenci mezi dopravou a sídelním systémem, kdy doprava je jednak ovlivněna sídelním systémem a sídelní systém je naopak ovlivněn dopravou a jejím uspořádáním. Neustálý vývoj dopravy a dopravní infrastruktury měl podle autorů Helmuta Nuhna a Markuse Hesseho (2006) za následek změnu prostorových struktur dopravních vazeb z hvězdicového monocentrického modelu na mnohem komplikovanější model pavučinový polycentrický (KRAFT, 2011). Polycentrické regiony na rozdíl od monocentrických mají lépe zabezpečené tangenciální a laterální propojení jednotlivých obcí, tedy propojení obcí na okraji či obvodu regionu. V případě monocentrických regionů dominují radiální spojení obcí se střediskem, přičemž tangenciální spojení nejsou často zajišťována hierarchicky nadřazenými komunikacemi, jako tomu bývá v případě oblastí polycentrických, ale pouze lokálními komunikacemi (nebo tato spojení chybí úplně).

V posledních letech je podle Taylora (2003) klíčovým nositelem změn v prostorové organizaci dopravního systému na lokální až regionální úrovni především obrovský nárůst kvantity osobních automobilů. Tímto se výrazně mění prostorové chování obyvatel, což má dopad na mnoho každodenních lidských činností. I v případě České republiky se do formování prostorových vazeb nejvíce promítl zejména velmi dynamický rozvoj osobní automobilové dopravy, který umožnil prostorovou dekoncentraci obytných, pracovních i obslužných funkcí jednotlivých sídelních středisek, což mělo za následek procesy jako komerční či rezidenční suburbanizaci (přesun pracovních a obytných funkcí na vnější okraje měst). Studium vlivu současného rozvoje individuální automobilové dopravy na

31

změny v sídelních a regionálních systémech zároveň patří k základním a dnes velmi aktuálním výzkumným směrům v dopravněgeografických výzkumech (KEELING, 2007).

2.3.3 Důsledky rozvoje dopravy

Velmi důležitým faktorem, který přispívá k rozvoji dopravních systémů, je kvalitní dopravní infrastruktura. Existuje zřetelná a prokázaná souvislost mezi kvalitou dopravní infrastruktury a úrovní hospodářského rozvoje v určité zemi či regionu. Obecně se dá říci, že dopravní infrastruktura a nabídka služeb jsou kvalitnější a různorodější ve vyspělejších státech či regionech než v těch méně vyspělých. Jednotlivé druhy dopravy jsou lépe propojeny, jejich geografický dosah je větší a méně míst je dopravně nepřístupných

(KNOWLES, SHAW, DOCHERTY, 2008). Nicméně úlohu dopravní infrastruktury nelze přeceňovat a je zde potřeba také zmínit, že kvalitní dopravní infrastruktura je v kontextu regionálního rozvoje pouze nutnou, nikoliv však dostačující podmínkou (BANISTER &

BERECHMAN, 2001).

Rodrigue, Comtois a Slack (2009) zastávají názor, že rozvinutý dopravní systém je důležitým atributem, který umožňuje levnější a efektivnější výměnu zboží, služeb a informací mezi územími. Díky tomu se mohou jednotlivá území specializovat na určitou oblast hospodářství, ke které mají nejpříhodnější podmínky a předpoklady. V takovém případě se mohou naplno projevit výhody komplementarity sídel, tj. polycentrického uspořádání. Někteří autoři s tímto tvrzením však do jisté míry polemizují. Například MacKinnon, Pirie a Gather (2008) tvrdí, že v dnešních vyspělých státech s kvalitní dopravní infrastrukturou nehrají dopravní vylepšení a inovace tak významnou roli jako tomu bylo v minulosti či jako tomu je v případě rozvojových zemí. Je tomu tak především díky skutečnosti, že současná dopravní infrastruktura vyspělých států je již na dostatečně vysoké úrovni. Z tohoto důvodu všechna nová vylepšení mají jen omezený vliv. Naproti tomu větší význam přisuzují autoři spolehlivosti a efektivitě dopravních sítí a služeb.

Jenomže s rozvojem dopravního systému jsou spojeny i některé problémy, kterými se musí geografové ve svých studiích také zabývat. Jedním z negativních důsledků rozvoje dopravy může být tzv. sociální exkluze, neboli stav, kdy nedostatečná mobilita brání danému jedinci v plnohodnotném ekonomickém, politickém a sociálním životě (KENYON,

LYONS A RAFFERTY, 2002). Rozsáhleji tuto problematiku popisuje koncept „space-time

32

prism“, který vyjadřuje akční rádius jedince disponujícího určitou dopravní technologií

(MILLER, 1991). Příkladem může být jedinec, který vlastní osobní automobil, a podle výše zmíněného konceptu má díky tomu přístup k většímu množství pracovních a jiných příležitostí. Naopak osoby odkázané na veřejnou hromadnou dopravu či bicykl mají škálu potenciálních pracovních a jiných příležitostí podstatně omezenou. Mezi další negativní důsledky rozvoje dopravy můžeme zařadit kongesce, hluk, znečištění či nehodovost.

33

3 DOPRAVNÍ ANALÝZA VYBRANÝCH ÚZEMÍ

Cílem této kapitoly je ověření dopravního potenciálu dvou vybraných oblastí. Oblasti Ostravska na východě republiky a oblasti Plzeňska na západě České republiky. Obě území byla vymezena na základě studie projektu POLYREG (2008), kde autoři pracují s tzv. funkčními regiony neboli FUAs (Functional Urban Areas). Funkční regiony se skládají z centra a svého zázemí.

Regiony Ostravska a Plzeňska byly vybrány záměrně, jelikož zastupují dvě naprosto odlišná území z hlediska organizace dopravního i sídelního systému. Zmíněné dva regiony byly vybrány z důvodu, že se jedná o zástupce dvou odlišných typů prostorového uspořádání. U studovaných regionů ověříme jejich potenciál buď k dopravně podmíněné polycentricitě, či k dopravně podmíněné monocentricitě. Ostravsko je známo, jako urbanizované území s vysokým počtem středních a velkých měst (polycentricita), zatímco Plzeňsko má pouze jedno výrazně dominantní městské centrum (monocentricita) a zbytek regionu tvoří méně urbanizované území často venkovského charakteru. Ostravsko jsme vybrali také z důvodu návaznosti na autorovu bakalářskou práci. Plzeňsko zase jako vhodný region ke komparaci. Navíc Ostravsko reprezentuje moravskoslezskou část ČR při hranicích s Polskem a Slovenskem, zatímco Plzeňsko zastupuje českou část republiky při hranicích s Německem. Obě území jsou tedy v mnoha hlediscích naprosto odlišná, a proto se jejich vzájemné porovnání jeví jako velmi zajímavé. Územní rozsah oblastí byl zvolen tak, aby obě měly podobnou rozlohu a počet středisek, čímž by byly geograficky a statisticky dobře porovnatelné. Zatímco v regionu Plzeňska je méně středisek s větším počtem obcí, tak na Ostravsku je naopak více středisek s menším počtem obcí. I z tohoto důvodu nebylo možné obě území vymezit rozlohou ještě podobněji.

V případě Ostravska bylo k této studii vybráno celkem patnáct funkčních regionů z okolí Ostravy, jakožto třetího největšího města České republiky a také zástupce silně urbanizovaného území Ostravsko-karvinské aglomerace. Území Ostravska je tvořeno ze zázemí těchto center: Bílovec, Bohumín, Český Těšín, Frenštát pod Radhoštěm, Frýdek- Místek, Fulnek, Havířov, Karviná, Kopřivnice, Nový Jičín, Odry, Opava, Ostrava, Studénka a Vítkov. Námi vymezený region se skládá z celkového počtu 200 obcí včetně samotných center.

34

Vybraná oblast Plzeňska se rozkládá kolem města Plzeň, které je čtvrté největší město České republiky a centrum Západních Čech. Region Plzeňska je tvořen jedenácti centry a jejich zázemím. Vybrána byla následující centra: Dobřany, Holýšov, Kralovice, Nepomuk, Nýřany, Planá, Plzeň, Přeštice, Rokycany, Stříbro a Toužim. Celkový počet obcí v plzeňském regionu je 297, což je téměř o sto obcí více než v případě Ostravska. Nicméně území byla vybrána tak, aby se rozlohou příliš nelišila a analyticky tedy byla dobře porovnatelná. Nedílnou součástí analýzy je i komparace, těchto z hlediska dopravního i sídelního uspořádání, diferencovaných lokalit.

Území Ostravska již bylo dříve zkoumáno v příspěvku Daniela Seidenglanze (2010). Území bylo hodnoceno z hlediska polycentricity ale pouze na úrovni středisek. My se v naší analýze pokusíme jít ještě o stupeň níže a to na úroveň obcí. Území Plzeňska i Ostravska bylo na úrovni obcí zkoumáno také v projektu POLYREG (2008). Diplomová práce současně naváže na autorovu bakalářskou práci ("Dopravně podmíněná polycentricita sídelního systému a její vliv na socioekonomické charakteristiky"), v níž byly studovány dopravní vztahy v obcích na Ostravsku. Naše studie se bude od zmiňovaných prací odlišovat především hloubkou analýzy a podrobnou komparací zástupců dvou naprosto odlišných dopravních i sídelních uspořádání. Analýza bude založena jak na hodnocení veřejné (autobusové, vlakové a kombinované), tak i individuální automobilové dopravy. Výsledkem této studie bude identifikace typů lokalit podle celkového dopravního zapojení (veřejná doprava + individuální doprava) do sídelního systému.

3.1 Metodika práce

V této části práce si podrobně popíšeme metodické postupy, podle kterých jsme získávali data pro empirickou část diplomové práce. Metodika práce je rozdělena do dvou částí (individuální automobilová doprava a veřejná hromadná doprava), ve kterých jsme uplatňovali odlišné postupy k zisku dat. Tyto metodické zásady byly vytyčeny z důvodu ověření dopravního potenciálu obcí. Obě zvolená území jsme hodnotili na úrovni sídelních systému.

35

3.1.1 Metodika práce - veřejná doprava (VD)

Metodické zásady:

 zkoumána byla nabídka hromadné veřejné dopravy ve všech obcích ležících ve funkčních regionech zvolených 26 středisek Ostravska a Plzeňska,

 v ostravském regionu byla zkoumána tato střediska: Bílovec, Bohumín, Český Těšín, Frenštát pod Radhoštěm, Frýdek-Místek, Fulnek, Havířov, Karviná, Kopřivnice, Nový Jičín, Odry, Opava, Ostrava, Studénka a Vítkov

 v plzeňském regionu byla zkoumána tato střediska: Dobřany, Holýšov, Kralovice, Nepomuk, Nýřany, Planá, Plzeň, Přeštice, Rokycany, Stříbro a Toužim

 pro každou jednotlivou obec vybraných regionů Ostravska a Plzeňska byly zjišťovány údaje o spojích hromadné veřejné dopravy do každého z uvedených středisek, a to prostřednictvím internetového vyhledavače www.jizdnirady.idnes.cz,

 zjišťovány byly pouze spoje jezdící v širší ranní špičce, tj. spoje vyjíždějící z dané obce v časovém rozmezí 4.00 až 9.59,

 analyzovány byly pouze spoje umožňující komfortní spojení centrálně položených zastávek v měřené obci i ve středisku, tj. spoje dobře navzájem navazující bez dlouhých prodlev mezi přestupy (maximální čas na jednotlivý přestup byl zvolen 20 minut, což dle našeho kvalifikovaného názoru odpovídá průměrné době, kterou je ještě běžný cestující ochoten čekat na navazující spoj),

 započítány byly jak přímé autobusové spoje, přímé vlakové spoje či přímé spoje příslušné městské hromadné dopravy (MHD), tak i přestupní spoje vzniklé různými kombinacemi dopravních prostředků (autobus – autobus, vlak – vlak, MHD – MHD, autobus – vlak, autobus – MHD, vlak – MHD či autobus – vlak – MHD), maximální počet přestupů byl omezen číslem 2, jelikož takové spoje ještě můžeme z pohledu cestujícího považovat za poměrně komfortní,

36

 maximální délku přesunu mezi jednotlivými spoji, které nenavazují ve stejné zastávce/stanici (pěšky, pomocí MHD), jsme zvolili na dobu 5 minut,

 přesuny byly umožněny pouze mezi zastávkami stejného názvu,

 v regionu Ostravska byly do analýzy zapojeny i MHD těchto středisek: Český Těšín, Frýdek-Místek, Havířov, Karviná, Nový Jičín, Opava, Orlová, Ostrava, Studénka,

 v regionu Plzeňska byly do analýzy zapojeny MHD těchto středisek: Klatovy, Mariánské Lázně, Plzeň, Přeštice, Rokycany, Stříbro

 spoje reprezentují v souladu s běžnými metodickými postupy používanými při dopravněgeografických analýzách dopravní nabídku v pondělí 28. 1. 2013, tj. v pondělí, které není státním svátkem, nýbrž běžným neprázdninovým pracovním dnem.

3.1.2 Metodika práce - individuální automobilová doprava (IAD)

Metodické zásady:

 v první části jsme zkoumali dobu jízdy a kilometrickou vzdálenost pro jízdu osobním automobilem mezi všemi obcemi regionů Ostravska a Plzeňska a středisky těchto oblastí,

 vzdálenost a dobu jízdy jsme zjišťovali prostřednictvím plánovače trasy na internetové doméně www.mapy.cz,

 mezi jednotlivými obcemi jsme volili vždy nejrychlejší trasu včetně placených úseků,

 cesta začínala a končila vždy v centru vybrané obce (za centrum je považováno místo ve středu obce, které je vždy automaticky vygenerováno doménou www.mapy.cz).

37

3.1.3 Metodika práce – skóre za VD a IAD

Abychom mohli nějakým způsobem citlivě a přesně kvantifikovat či statisticky porovnat význam veřejné a osobní automobilové dopravy uvnitř i mezi našimi regiony, navrhli jsme pro tuto potřebu koeficienty, které udávají rozdílné bodové ohodnocení určitým spojům. Výše výsledného skóre nám pak vyjadřuje buď exponovanou, anebo periferní polohu jednotlivých obcí.

U veřejné hromadné dopravy jsme násobili počet středisek dostupných alespoň určitým počtem spojů následovně:

 alespoň 3 spoje násobíme koeficientem 0,5,

 alespoň 6 spojů násobíme koeficientem 1,

 alespoň 9 spojů násobíme koeficientem 1,5,

 alespoň 12 spojů násobíme koeficientem 2,

 alespoň 15 spojů násobíme koeficientem 2,5,

 alespoň 18 spojů násobíme koeficientem 3.

Hodnotících měřítek je hned několik (6). Alespoň 3 spoje do střediska jsme ohodnotili koeficientem 0,5, jelikož 3 spoje vyjadřují v přepočtu průměrně pouhý jeden spoj za dvě hodiny, což zdaleka neodpovídá potřebě obyvatel při dojížďce do zaměstnání či do škol. Nejvyšším koeficientem 3 je naopak ohodnocena obec, která má do vybraného střediska alespoň 18 spojů, což odpovídá vysoké intenzitě spojů, v průměru tři spoje za hodinu. Ostatní koeficienty v intervalu mezi 0,5 - 3 logicky vyjadřují intenzitu počtu spojů mezi obcemi a středisky. Když má například obec alespoň 3 spoje do devíti středisek, alespoň 6 spojů do pěti středisek a alespoň 9 spojů do dvou středisek, tak výsledná hodnota bodů za veřejnou hromadnou dopravu obce je 4,5 + 5 + 3 = 12,5. U obcí Plzeňska, kde je nabídka veřejné hromadné dopravy nižší než u Ostravska, jsme zjišťovali počet dostupných středisek na úrovni alespoň 3, 6 a 9 spojů. U Ostravska, kde je nabídka veřejné hromadné dopravy početnější, jsme zjišťovali počet dostupných středisek na úrovni 6, 12 a 18 spojů. Vyšší koeficienty u vyššího minimálního počtu spojů tedy, dá se říct, kvalitativně ohodnocují jednotlivé zapojení obcí do systému veřejné hromadné dopravy. Jako příklad si uvedeme obec Paskov v Moravskoslezském kraji. V případě Paskova existuje 15 středisek, do kterých vyjíždí alespoň 6 spojů (tzn., že 15 vynásobíme koeficientem 1, což se rovná

38

15). Alespoň 12 spojů vyjíždí z Paskova do 9 středisek (tzn. 9 x 2 = 18). A alespoň 18 spojů vyjíždí pouze do 3 středisek (tzn. 3 x 3 = 9). Výsledné skóre za veřejnou hromadnou dopravu je u Paskova tedy 42 (15 + 18 + 9 = 42).

U individuální automobilové dopravy jsme postupovali podobně jako u veřejné hromadné. Nejprve jsme si zjistili počet středisek dosažitelných z jednotlivých obcí v časovém intervalu 30 a 45 minut. Poté jsme počet dosažitelných středisek v jednom ze dvou časových intervalů násobili námi zvoleným koeficientem následovně:

 počet dostupných středisek do 30 minut násobíme koeficientem 3,

 počet dostupných středisek do 45 minut násobíme koeficientem 2.

Koeficienty u osobní automobilové dopravy byly zvoleny 3 a 2, tedy na úrovni alespoň 12 či 18 spojů veřejné hromadné dopravy, jelikož osobní automobilová doprava přeci jen lidem umožňuje komfortnější přepravu než doprava veřejná. Koeficient 3 byl přidělen počtu středisek dostupných do 30 minut, jelikož vyjadřuje velmi exponovanou polohu obce vůči danému středisku. Při dnešním vysokém počtu osobních automobilů taková poloha umožňuje obyvatelům těchto obcí vysokou pluralitu voleb srovnatelnou s vysokým počtem spojů veřejné hromadné dopravy (v našem případě alespoň 18 spojům za 6 hodin neboli v průměru jeden spoj každých 20 minut). Koeficient 2 byl přidělen počtu středisek dostupných do 45 minut, jelikož se jedná horší časovou dostupnost daného střediska, než v případě 30 minut Podle našeho měřítka tento koeficient odpovídá alespoň 12 spojům veřejné dopravy, tedy jednomu spoji každou půl hodinu.

Interval 30 minut je založen na principu, který v minulosti uplatnil kolektiv autorů Maier, Mulíček, Franke (2010). Zmíněný princip spočívá v tom, že 30 minutová časová dostupnost odpovídá, podle dat ze sčítání lidu 2001, cca 80% ochotě k denní dojížďce za prací mezi obcemi. Jako alternativní jsme navrhli interval 45 minut, a to především z důvodu větší plastičnosti výsledků. Při použití 45 minutové dostupnosti se nám zvýrazní i některé o něco hůře situované obce. Interval 30 minut byl ohodnocen vyšším koeficientem 3, jelikož je to nižší časový interval a vyžaduje pro jeho dosažení, lepší dopravní polohu a přítomnost kvalitnější dopravní infrastruktury v blízkosti dané obce. Jako příklad uvedeme Krmelín na Ostravsku s 10 dostupnými středisky do 30 minut (tzn. 10 x 3 = 30) a s 13 dostupnými středisky do 45 minut (tzn. 13 x 2 = 26). Celkem tedy Krmelín obdržel za

39

osobní automobilovou dopravu 56 bodů (30 + 26). Celkové skóre za veřejnou hromadnou i individuální autobusovou dopravu vzniklo součtem obou dílčích skóre.

3.1.4 Pracovní postup analýzy vybraných území

V rámci analýzy vybraných území jsme nejprve provedli vymezení a obecnou geografickou charakteristiku vybraných regionů Ostravska a Plzeňska (kapitola 3.2). Na tuto část jsme posléze navázali základní dopravní charakteristikou vybraných území (kapitola 3.3), kde jsme popsali existující dopravní síť obou regionů, její vývoj v čase a zapojení hlavních páteřních komunikací do dopravního systémů řádovostně vyšších celků jakými jsou Česká republika či Evropa.

Další část práce už se věnuje nejobsáhlejší části - veřejné hromadné dopravě (od kapitoly 3.4). Nejprve jsme veřejnou hromadnou dopravu analyzovali na úrovni středisek. Součástí této analýzy jsou i tabulky 3 a 5 s počtem spojů v ranním intervalu 4:00-9:59 na nejvýznamnějších 20 trasách obou regionů. V tabulkách nalezneme taky absolutní i relativní počty přímých, autobusových, vlakových i kombinovaných spojů včetně MHD. Tabulky jsou pro lepší názornost graficky doplněny mapkami (obr. 15-18). Tabulky 4 a 6 znázorňují střediska seřazená podle počtu spojů veřejné hromadné dopravy, které do nich směřují ze všech obcí v oblasti. Součástí tabulek je stejně jako u tabulek předchozích absolutní i relativní počet přímých, autobusových, vlakových i kombinovaných spojů včetně MHD.

V následující podkapitole jsme se věnovali veřejné hromadné dopravě na úrovni obcí. Součástí této analýzy jsou i tabulky 7 a 8, které vyjadřují pořadí dvaceti veřejnou hromadnou dopravou nejlépe dostupných obcí obou regionů. A opět v tabulce vidíme jak počet spojů přímých, autobusových, vlakových i kombinovaných spojů včetně MHD, tak i jejich procentuální podíl. Tabulky jsou opět doplněny o mapy celkového počtu spojů (obr. 19 a 20) a také mapy počtu vlakových spojů, které vyjíždí z obcí do jednotlivých středisek (příl. 1 a 2).

V další podkapitole jsme prováděli tabulkově i mapově velmi rozsáhlou analýzu středisek i obcí v rámci funkčních regionů. Součástí této analýzy je tedy 26 tabulek (příl. 3- 28), ve kterých se dozvíme kolik přímých a všech spojů směřuje celkově ze všech obcí určitého FUA do ostatních středisek buď Ostravska, nebo Plzeňska. O řádek níže vidíme

40

kolik přímých a všech spojů směřuje do ostatních středisek ze střediska daného FUA. Třetí část tabulky pak vyjadřuje průměrný počet přímých a všech spojů (směřujících do okolních středisek) z ostatních obcí kromě jejich střediska. Právě tyto průměrné hodnoty jsme znázornili v mapkách pro každé FUA (obr. 21-29).

V další podkapitole jsme hodnotili skóre obcí za veřejnou hromadnou dopravu. Skóre jsme zavedli z hlavního důvodu, a to citlivě a přesně kvantifikovat a následně porovnat význam veřejné a osobní automobilové dopravy uvnitř i mezi našimi regiony. Součástí výpočtu skóre za veřejnou hromadnou dopravu jsou i tabulky 9 a 10, ve kterých nalezneme 20 obcí s nejvyšším počtem bodů ve svém regionu. Tabulky 9 a 10 jsou graficky znázorněny do map (obr. 30 a 31). Podrobný popis této metodiky nalezneme také v kapitole 3.1.3.

Jako další téma dopravní analýzy je kapitola věnovaná individuální automobilové dopravě v jednotlivých regionech (kapitola 3.5). Součástí této analýzy jsou i tabulky 11 a 13, které znázorňují žebříček dvaceti individuální automobilovou dopravou nejlépe dostupných obcí obou regionů podle součtu dostupných středisek v 30 minutovém a 45 minutovém intervalu. Součástí tabulek je i suma minut do všech 15 středisek v případě Ostravska, respektive 11 středisek v případě Plzeňska. Údaje z těchto 2 tabulek jsou graficky znázorněny v mapách součtu dostupných středisek osobní automobilovou dopravou (obr. 32 a 34), a také v mapách počtu středisek dostupných do 30 a 45 minut (příl. 56 – 59).

V další podkapitole individuální automobilové dopravy bylo třeba kvantifikovat kvalitu dopravní polohy obcí v rámci osobní automobilové dopravy (tabulky 12 a 14). To jsme udělali opět pomocí koeficientů. Tentokrát ovšem jen dvou (2 a 3). Součástí bodového ohodnocení IAD jsou i mapy (obr. 33 a 35).

V poslední dopravní kapitole jsme sečetli skóre za jednotlivé složky dopravy (VD a IAD). Tím jsme dostali výsledné skóre obcí (tabulky 15 a 16). Podle tohoto skóre jsme mohli zjistit, které obce a oblasti jsou nejlépe dopravně predisponované v rámci jednotlivých regionů. Také jsme díky celkovému skóre mohli mezi sebou porovnávat obě analyzovaná území. Součástí celkové analýzy jsou i mapy celkového dopravního skóre obcí (obr. 36 a 37).

41

3.2 Obecná charakteristika a vymezení zvolených regionů

V této kapitole si prostorově vymezíme námi vybraná území a zhodnotíme jejich základní socioekonomické charakteristiky, které je důležité znát v kontextu dalších dopravně-sídelních analýz.

3.2.1 Ostravský region – obecná charakteristika

Vybraný ostravský region je svou rozlohou 3 230 km2 poměrně rozsáhlým územím, které zahrnuje celkem 200 obcí. V těchto obcích žije 1 063 128 obyvatel (ČSÚ, 2011). Rozlohou námi vymezený region zabírá asi jednu čtyřiadvacetinu území České republiky, přičemž zde žije téměř jedna desetina obyvatel. Už jen z těchto základních údajů je jasné, že se v rámci ČR jedná o poměrně hustě zalidněné území (hustota zalidnění činí přibližně 329 obyv./km2). Jen pro srovnání. Průměrná hustota zalidnění v ČR je přibližně 133 obyv./km2. Na mapě (obr. 11) můžeme vidět 15 vybraných funkčních regionů. Patří mezi ně FUA Bílovec, Bohumín, Český Těšín, Frenštát pod Radhoštěm, Frýdek-Místek, Fulnek, Havířov, Karviná, Kopřivnice, Nový Jičín, Odry, Opava, Ostrava, Studénka a Vítkov.

Obr. 11. Mapa vybraného území Ostravska

42

3.2.2 Plzeňský region – obecná charakteristika

Plzeňský region je se svou rozlohou 4.006 km2 téměř o 800 km2 větší než území Ostravska. Nicméně o něco větší rozloha plzeňského regionu je v naší analýze především proto, že jsme potřebovali do území zahrnout alespoň přibližně srovnatelný počet středisek. Ve výsledku tak plzeňský region má dohromady 11 středisek, zatímco již zmíněný ostravský region jich má 15. Při tomto počtu středisek jsou obě území dobře porovnatelná. Díky větší rozloze FUA Plzeň je do námi analyzovaného území Plzeňska (obr. 12) zahrnuto celkem 297 obcí (oproti 200 obcím v ostravském regionu). Vyšší počet obcí plzeňské oblasti nikterak neovlivní kvalitu komparace obou území. O charakteru oblasti nám může něco napovědět i počet obyvatel Plzeňska, který činí 382 569, což je téměř třikrát méně obyvatel než žije na území Ostravska (1 063 128). Hustota zalidnění v Plzeňském regionu dosahuje hodnoty přibližně 95 obyv./km2 (v rámci ČR se jedná o podprůměrnou hodnotu, hustota zalidnění ČR činí přibližně 133 obyv./km2). Vybrané území Plzeňska je tedy rozlohou i počtem obcí větší, ale populačně za vybraným regionem Ostravska poměrně výrazně zaostává.

Obr. 12. Mapa vybraného území Plzeňska

43

3.3 Základní dopravní charakteristika vybraných území

Dopravní poloha a dostupnost obcí patří mezi nejdůležitější faktory, které mohou významně, ať už pozitivně či negativně, ovlivnit hospodářský či ekonomický vývoj regionu. Nicméně zde je potřeba si uvědomit, že doprava není jediným faktorem, který významně ovlivňuje tyto socioekonomické charakteristiky.

3.3.1 Ostravský region – dopravní charakteristika

Ostravský region je z hlediska dopravních charakteristik územím poměrně kvalitně disponovaným. Dopravní infrastruktura ostravského území je tvořena početnou sítí silnic i železničních tratí (tab. 1, obr. 13.). Nejvýznamnější v tomto ohledu je dálnice D1, která byla ve zdejším regionu uvedena do provozu v období mezi roky 2006 až 2012 a výrazně přispěla k rozvoji Moravskoslezského kraje. Nicméně dálnice má vliv primárně na rozvoj národních či nadnárodních kontaktů a v rámci menšího regionu nehraje až tak významnou

úlohu (MARADA, 2010). Silniční vybavenost tohoto území dotváří také vysoký počet rychlostních silnic či silnic první a druhé třídy. Tyto silnice jsou v území rozmístěny mírně asymetricky. Ve východní části území (přibližně východně od dálnice D1) můžeme hovořit o polycentrické dopravní síti, zatímco západně od dálnice D1 je silniční síť zřetelně monocentrická. Všechny významné dopravní tahy západní části území směřují radiálně do Opavy. S tím souvisí i skutečnost, že v lokalitě Opavska chybí rychlé tangenciální spojnice, které umožňují rozvoj polycentricity v regionu.

Dopravní poloha ostravského regionu je výhodná také v rámci evropské i republikové železniční sítě. Územím prochází hned dva tranzitní železniční koridory (obr. 13.). Druhý i třetí tranzitní koridor vedou z našich středisek přes Studénku, Ostravu a Bohumín. Třetí železniční koridor navíc protíná i města Karviná a Český Těšín. V součtu tedy hned jedna třetina vybraných středisek leží na hlavních železničních koridorech. V těchto střediscích hraje železniční doprava velmi významnou úlohu v rámci systému veřejné hromadné dopravy. Tranzitní železniční koridory jsou navíc vhodně doplněny sítí celostátních a regionálních tratí, které plní v mnoha územích naprosto zásadní dopravní funkci. Některé z tratí jsou elektrifikované i dvojkolejné. Železniční síť je tedy na území Ostravska poměrně důležitým druhem dopravy.

44

Tab. 1. Základní údaje o silniční a železniční síti - Ostravsko

Dopravní komunikace Km Km/100 km2 Km/10 000 obyv.

Dálnice 60 1,9 0,6 Rychlostní silnice 35 1,1 0,3 Silnice 1. třídy 391 12,1 3,7 Silnice 2. třídy 502 15,5 4,7 Železniční koridor 93 2,9 0,9 Celostátní železnice 137 4,3 1,3 Regionální železnice 156 4,8 1,5

Obr. 13. Dopravní poloha středisek na Ostravsku

3.3.2 Plzeňský region – dopravní charakteristika

Vybrané území Plzeňska je, stejně jako ostravský region, napojeno na nejvýznamnější republikové silniční i železniční trasy (tab. 2). Území protíná ve směru východ/západ dálnice D5 (obr. 14), která spojuje Prahu a Plzeň s Německem. Nejvýznamnější železniční tratí je třetí tranzitní koridor, který prochází celou republikou a zajišťuje kvalitní vlakové spojení západu s východem. Zmíněný železniční koridor protíná hned čtyři z vybraných středisek, a to Rokycany, Plzeň, Stříbro a Planou. Všechna zmíněná střediska těží ze své výhodné polohy v rámci republikové i evropské železniční sítě.

45

Plzeňský region se od toho ostravského liší především nižším počtem komunikací 1. třídy i jejich orientací. Zatímco na Ostravsku tvoří síť silnic 1. třídy polycentrickou strukturu, tak Plzeňsko je specifické svou radiální monocentrickou strukturou dopravní sítě, což má za následek výrazně nižší počet kvalitních tangenciálních spojnic oproti porovnávanému území Ostravska. Z tohoto důvodu je plzeňský region do značné míry limitován v případném budoucím dopravně podmíněném polycentrickém rozvoji území. Nejvýznamnější silniční a železniční tahy v oblasti doplňuje poměrně velké množství silnic 2. třídy a také několik celostátních a regionálních železničních tratí.

Tab. 2. Základní údaje o silniční a železniční síti - Plzeňsko

Dopravní komunikace Km Km/100 km2 Km/10 000 obyv.

Dálnice 74 1,8 1,9 Rychlostní silnice 0 0,0 0,0 Silnice 1. třídy 263 6,6 6,9 Silnice 2. třídy 785 19,6 20,5 Železniční koridor 97 2,4 2,5 Celostátní železnice 168 4,2 4,4 Regionální železnice 124 3,1 3,2

Obr. 14. Dopravní poloha středisek Plzeňska

46

3.4 Veřejná hromadná doprava

I přes dynamický rozvoj osobní automobilové dopravy, který v ČR proběhl v posledních dvaceti letech, patří veřejná hromadná doprava stále mezi významné segmenty dopravní obslužnosti většiny regionů u nás. Proto jsme v rámci této kapitoly vypracovali podrobnou analýzu spojů veřejné dopravy na několika řádovostních úrovních. Na úrovní středisek, na úrovni obcí v rámci funkčních regionů (FUA) i na úrovni samostatných elementárních obcí. Obce, jako základní jednotky veřejné správy, jsou důležitým článkem při analýze fungování zákonitostí a principů dopravních sítí. I přes již zmíněný rapidní nárůst automobilizace zůstává pro mnoho obyvatel veřejná hromadná doprava stále prakticky jedinou dostupnou alternativou při dojížďce do zaměstnání, škol či za službami.

3.4.1 Veřejná hromadná doprava na úrovni středisek - Ostravsko

V tabulce 3 nalezneme 20 nejfrekventovanějších spojení ostravského regionu v intervalu mezi 4:00 - 9:59. Jednotlivé spoje jsou seřazeny podle jejich celkového počtu. Jelikož jsme analýzu prováděli poměrně podrobně, tak zde nemusíme uplatňovat pravidlo o recipročních hodnotách spojů v jednotlivých úsecích. Výsledný počet dopravních spojení je tedy tvořen součtem spojů vyjíždějících v daném intervalu z jednoho i druhého střediska. V rámci této analýzy je možné zjistit i podíl přímých spojů, autobusových spojů, vlakových spojů, kombinovaných spojů nebo spojů městské hromadné dopravy. Pro lepší názornost poslouží mapy (obr. 15. a 16.), kde můžeme vidět graficky znázorněna nejintenzivnější celková i přímá spojení.

47

Tab. 3. Nejvýznamnější trasy veřejné hromadné dopravy mezi středisky na území ostravského regionu (oba směry)

Počet spojů Komb. Komb. (4:00-9:59) Spojení Přímé [%] Bus Vlak nebo Bus [%] Vlak [%] nebo MHD MHD [%] Celkem Přímé

1 Havířov - Ostrava 140 130 92,9 113 27 0 80,7 19,3 0,0 2 Havířov - Karviná 88 54 61,4 61 14 13 69,3 15,9 14,8 3 Frýdek-Místek - Ostrava 83 80 96,4 62 21 0 74,7 25,3 0,0 4 Český Těšín - Karviná 63 61 96,8 45 18 0 71,4 28,6 0,0 5 Český Těšín - Ostrava 61 47 77,0 15 46 0 24,6 75,4 0,0 6 Bohumín - Havířov 58 1 1,7 22 28 8 37,9 48,3 13,8 7 Český Těšín - Havířov 57 55 96,5 32 25 0 56,1 43,9 0,0 8 Karviná - Ostrava 57 41 71,9 33 24 0 57,9 42,1 0,0 9 Frýdek-Místek - Havířov 54 19 35,2 28 26 0 51,9 48,1 0,0 10 Bohumín - Ostrava 52 51 98,1 17 35 0 32,7 67,3 0,0 11 Kopřivnice - Nový Jičín 52 46 88,5 48 4 0 92,3 7,7 0,0 12 Bílovec - Ostrava 45 37 82,2 37 8 0 82,2 17,8 0,0 13 Opava - Ostrava 44 44 100,0 16 28 0 36,4 63,6 0,0 14 Frenštát p. R. - Ostrava 42 33 78,6 23 19 0 54,8 45,2 0,0 15 Frýdek-Místek - Karviná 41 1 2,4 25 15 1 61,0 36,6 2,4 16 Bohumín - Frýdek-Místek 38 0 0,0 11 24 3 28,9 63,2 7,9 17 Frenštát p. R. - Frýdek-Místek 34 29 85,3 18 16 0 52,9 47,1 0,0 18 Frýdek-Místek - Kopřivnice 34 5 14,7 24 10 0 70,6 29,4 0,0 19 Fulnek - Odry 34 33 97,1 33 1 0 97,1 2,9 0,0 20 Český Těšín - Frýdek-Místek 33 17 51,5 15 18 0 45,5 54,5 0,0

Nejfrekventovanější trasou ostravského regionu je spojení Havířov – Ostrava, kde v intervalu širší ranní špičky od 4:00 do 9:59 jede v obou směrech v součtu celkem 140 spojů, což je více než 23 spojů každou hodinu. O tom, že tato dvě města spolu mají velmi silné dopravní vazby, svědčí i fakt, že 130 spojů je přímých, tedy téměř 93 %. Vysoká frekvence spojů souvisí s historií obou měst. Havířov vznikl v 50. letech jako satelitní město, v němž se stavěla sídliště, převážně pro horníky pracující v ostravsko-karvinském uhelném revíru. S tímto faktem velmi úzce souvisí i druhá nejfrekventovanější trasa Havířov – Karviná s celkovým počtem 88 spojů, tedy téměř 15 spojů v průměru za hodinu. Podíl přímých spojů je něco přes 61 %. Zajímavostí také je, že zde poměrně vysoké zastoupení (téměř 15 %) má intermodální a městská hromadná doprava. Vysoké zastoupení MHD je způsobeno kilometrickou blízkostí obou měst i velmi urbanizovaným územím mezi středisky, které zahrnuje obce jako Horní Suchá, Stonava či Doubrava. Do těchto okrajových obcí samozřejmě jezdí velmi vysoký počet spojů městské hromadné dopravy.

48

Obr. 15. Celkový počet spojení veřejnou hromadnou dopravou mezi zvolenými středisky ostravského regionu (oba směry)

Třetí nejfrekventovanější trasou veřejné hromadné dopravy na Ostravsku je relace Frýdek-Místek – Ostrava s 83 spoji v ranním šestihodinovém intervalu. Ostrava je s Frýdkem-Místkem velmi kvalitně propojena jak silniční infrastrukturou - rychlostní silnicí R56, tak železniční infrastrukturou - železniční tratí č. 323. Více než 96 % spojů mezi těmito středisky je přímých, což jen dokazuje velmi intenzivní dopravní vazby obou měst. Ostravu i Frýdek-Místek můžeme ještě společně se středisky Havířov, Karviná, Český Těšín či Bohumín zařadit mezi centra, která se nachází v nejvíce urbanizované části tohoto území a také v jedné z nejvíce urbanizovaných lokalit celé České republiky (této lokalitě můžeme pracovně říkat např. „ostravská severovýchodní urbanizovaná zóna“). Mezi výše zmíněnými centry existují velmi silné každodenní dopravní potažmo dojížďkové vazby. Důkazem tohoto tvrzení je i fakt, že mezi prvními deseti nejfrekventovaněji propojenými trasami nenajdeme žádné jiné středisko mimo těchto šesti.

Velmi důležitou roli, díky které jsou dopravní vztahy mezi středisky tak intenzivní, zastává také železnice, což dokazuje i vysoký podíl vlakové složky na celkovém počtu spojů mezi těmito středisky. Český Těšín, Karviná, Ostrava a Bohumín leží na hlavních

49

železničních koridorech, což s sebou samozřejmě přináší i výhody, které plynou z této exponované dopravní polohy. Zmíněná města mají tu výhodu, že jimi projíždějí jak regionální osobní vlaky (Os), rychlíky (R), tak i soupravy InterCity (IC), EuroCity (EC), Expres (Ex), SuperCity (SC) či EuroNight (EN). Nicméně kdyby těmito centry zmíněné vlaky jen projížděly, neměli by z toho místní obyvatelé žádné výrazné výhody. I na těchto nejvýznamnějších tranzitních koridorech platí pravidlo, že železnice jako taková a vlakové soupravy na ni jezdící, mají dosti selektivní charakter (MARADA, 2010). To zjednodušeně znamená, že některé vlaky zastavují pouze v určitých stanicích, a tudíž výrazněji přispívají k lepší dopravní poloze jen rezidentům vybraných středisek.

Ačkoli Český Těšín a Karviná leží na třetím železničním koridoru, tak v těchto stanicích nezastavují některé významné vlaky, jako třeba SC Pendolino, který začíná svou trasu až v Bohumíně. V Českém Těšíně i v Karviné však zastavují vlaky kategorie Expres. V Karviné zastavují nově také vlaky Leo Express. V Českém Těšíně naproti tomu staví žluté vlaky RegioJet. Ty ve své cestě nepokračují severně dále do Karviné, nýbrž zatáčí na západ směrem do Havířova, který ač leží mimo hlavní tranzitní železniční koridory, tak se může pyšnit tím, že na jeho území zastavuje tento poměrně významný železniční dopravce. Díky tomu, že soupravy RegioJet jezdí přes Havířov, vynechávají tím významnou železniční stanici Bohumín, kde začínají svou trasu směrem do Prahy jak vlaky SC Pendolino národního dopravce Českých Drah, tak i většina souprav druhého soukromého českého dopravce Leo Express. Všechny zmiňované vlaky pak zastavují v Ostravě, kde se jejich trasy setkávají. Nejhorší dopravní předpoklady v rámci železniční dopravy, ze všech šesti středisek, má Frýdek-Místek. Tato stanice se totiž nachází mimo důležité železniční tratě, a tudíž zde nezastavuje ani žádný významný vlakový spoj nadregionálního charakteru. Na druhou stranu Frýdek-Místek může využít přímých vlakových spojů do Ostravy a také velice dobré polohy v rámci silniční sítě, čímž výrazně kompenzuje svou periferní polohu v rámci železniční dopravy.

50

Obr. 16. Počet přímých spojení veřejnou hromadnou dopravou mezi zvolenými středisky ostravského regionu (oba směry)

Jedenácté nejfrekventovanější a zároveň nejsilnější spojení, mimo výše zmiňovanou „ostravskou severovýchodní urbanizovanou zónu“, je to mezi Kopřivnicí a Novým Jičínem. Tato dvě největší města okresu Nový Jičín spolu mají již tradičně velmi silné dopravní i dojížďkové vztahy a tvoří tak pomyslné jádro druhé významné oblasti, která se rozkládá na území okresu Nový Jičín. Ta není již tak vysoce urbanizovaná, jako tomu bylo v případě „ostravské severovýchodní urbanizované zóny“, nicméně i přesto zde najdeme některá z dvaceti nejvýznamnějších dopravních spojení ostravského regionu (tab. 3). Vysoký počet spojů v této oblasti jezdí také na trasách Frenštát pod Radhoštěm – Ostrava, Frenštát pod Radhoštěm – Frýdek-Místek, Frýdek-Místek – Kopřivnice či Fulnek – Odry.

Okresní město Nový Jičín je specifické tím, že nepatří na žádné trase, kromě té s Kopřivnicí, mezi nejvýznamnější spojení. Nicméně toto středisko má vysoké procento přímých spojů s ostatními středisky, především z okresu Nový Jičín, což velmi dobře dokládá mapa přímých spojů (obr. 16.) a také tabulka 4. Nový Jičín je v této tabulce i nad městy „ostravské severovýchodní urbanizované zóny“ jako je Karviná, Český Těšín či

51

Bohumín. V podobné situaci jako Nový Jičín se nachází také Opava, která mezi dvaceti nejfrekventovanějšími trasami figuruje pouze jednou, a to na třináctém místě (Opava - Ostrava se 44 spoji). Všech 44 spojů je přímých, což zaručuje cestujícím na trase Ostrava - Opava pohodlnou přepravu v průměru každých 27 minut v obou směrech. Spojení s Ostravou je ale pouze jediným vysoce frekventovaným spojením z celé opavské části území. Proto můžeme hovořit o jakési izolaci Opavska od území „ostravské severovýchodní urbanizované zóny“ i od oblasti Novojičínska. Jsme si ovšem vědomi toho, že v rámci naší analýzy je třeba zohlednit absenci oblastí Krnovska a Bruntálska. Jejich zařazením do naší studie by se dopravní konektivita Opavska přece jen nepatrně zlepšila. I přesto by intenzita dopravních vazeb zcela jistě nebyla na tak vysoké úrovni, jako je tomu v případě „ostravské severovýchodní urbanizované zóny“.

Tab. 4. Střediska Ostravska seřazená podle počtu spojů veřejné hromadné dopravy, které do nich směřují ze všech obcí v oblasti

Počet spojů Komb. Komb. Přímé Středisko (4:00-9:59) Bus Vlak nebo Bus [%] Vlak [%] nebo [%] MHD MHD [%] Celkem Přímé 1 Ostrava 2 548 1 371 53,8 1 952 508 88 76,6 19,9 3,5 2 Havířov 1 935 460 23,8 1 057 421 457 54,6 21,8 23,6 3 Frýdek-Místek 1 697 657 38,7 1 156 282 259 68,1 16,6 15,3 4 Opava 1 521 729 47,9 896 431 194 58,9 28,3 12,8 5 Nový Jičín 1 388 483 34,8 1 155 92 141 83,2 6,6 10,2 6 Karviná 1 308 306 23,4 745 318 245 57,0 24,3 18,7 7 Český Těšín 1 259 273 21,7 555 448 256 44,1 35,6 20,3 8 Bohumín 1 189 187 15,7 433 413 343 36,4 34,7 28,8 9 Kopřivnice 1 058 278 26,3 773 157 128 73,1 14,8 12,1 10 Frenštát p. R. 1 054 241 22,9 665 200 189 63,1 19,0 17,9 11 Bílovec 1 041 223 21,4 659 117 265 63,3 11,2 25,5 12 Studénka 918 200 21,8 419 330 169 45,6 35,9 18,4 13 Fulnek 772 140 18,1 562 117 93 72,8 15,2 12,0 14 Vítkov 710 157 22,1 493 137 80 69,4 19,3 11,3 15 Odry 666 147 22,1 454 131 81 68,2 19,7 12,2

Dalším ukazatelem, který v naší analýze budeme hodnotit je celkový počet spojů směřujících v ranním intervalu 4:00 – 9:59 do všech vybraných center regionu. Střediska ostravského regionu (tab. 4) jsou seřazena podle celkového počtu spojů, ale z tabulky můžeme vyčíst také celkový počet a podíl jednotlivých druhů dopravy. Z tabulky je patrné, že ačkoli je území poměrně zřetelně polycentrické, tak Ostrava díky své velikosti a především měřítkovému/regionálnímu významu, v počtu spojů přeci jen dominuje (2548). V porovnání s dominancí Plzně v našem druhém studovaném regionu není ovšem dominance Ostravy zdaleka tak veliká. Na dalších místech v tabulce počtu spojů jsou

52

střediska Havířov (1935), Frýdek-Místek (1697), Opava (1521), Nový Jičín (1388) a Karviná (1308). S výjimkou Havířova se jedná o okresní města. Zde se nabízí otázka, jestli směřuje do těchto středisek nejvíce spojů z okolních obcí, protože jsou okresními městy? Nebo jsou tato města okresními, protože do nich směřuje nejvíce spojů z okolních obcí už od minulosti? Odpověď asi nebude jednoznačná, nicméně je jisté, že statut okresního města napomáhá vyšší intenzitě spojů veřejné hromadné dopravy v daném městě. U Havířova zase hraje významnou úlohu jeho funkce „ubytovacího“ města dělníků či horníků především z Ostravy, Karviné a jejich okolí. Významnou roli při generování množství vlakových a autobusových spojů zcela jistě hraje i pracovní role středisek. Při bližším zkoumání tabulky 4 nás může zaujmout také nízký podíl Nového Jičína v rámci železniční dopravy (podíl všech spojů železniční dopravy mířících z okolních obcí do Nového Jičína je pouhých 6,6 %). Nový Jičín neleží na žádném významném tranzitním koridoru, ale tuto dopravní indispozici nahrazuje velmi dobrá silniční poloha na křižovatce dvou významných komunikací 1. třídy.

Naopak nejmenší počet spojů ze všech obcí Ostravska směřuje do Oder (666), Vítkova (710) a Fulneku (772). Zmíněné obce se nacházejí v periferní oblasti v rámci ostravského regionu a neleží na žádném významném tranzitním koridoru, dokonce ani v jeho těsné blízkosti, což se projevuje v horší dostupnosti těchto středisek. V případě Vítkova je vše umocněno také absencí významného silničního tahu v blízkosti tohoto střediska. Na druhou stranu si v naší analýze uvědomujeme absenci obcí Bruntálska a Krnovska, které se sousedí s těmito středisky na západě a určitě by výsledky naší studie do jisté míry pozměnily. Více se dopravnímu uspořádání sídelního systému na úrovni obcí budeme věnovat v dalších kapitolách.

3.4.2 Veřejná hromadná doprava na úrovni středisek - Plzeňsko

Druhé území, které budeme hodnotit z hlediska veřejné hromadné dopravy na úrovni středisek je plzeňský region. Plzeňsko, jak již bylo zmíněno v jedné z předchozích kapitol, má již při prvním pohledu na dopravní mapu, zcela odlišnou dopravní síť než jakou můžeme pozorovat na území Ostravska. Můžeme tedy v této kapitole očekávat poněkud odlišné principy fungování dopravního systému, než tomu bylo v případě ostravského regionu.

53

Tab. 5. Nejvýznamnější trasy veřejné hromadné dopravy mezi středisky na území plzeňského regionu (oba směry)

Počet spojů Komb. Přímé Komb. nebo Spojení (4:00-9:59) Bus Vlak nebo Bus [%] Vlak [%] [%] MHD [%] MHD Celkem Přímé 1 Plzeň - Rokycany 41 39 95,1 17 22 2 41,5 53,7 4,9 2 Dobřany - Plzeň 40 39 97,5 26 13 1 65,0 32,5 2,5 3 Plzeň - Přeštice 39 39 100,0 26 13 0 66,7 33,3 0,0 4 Nýřany - Plzeň 34 30 88,2 22 10 2 64,7 29,4 5,9 5 Plzeň - Stříbro 32 29 90,6 16 13 3 50,0 40,6 9,4 6 Holýšov - Plzeň 27 16 59,3 18 9 0 66,7 33,3 0,0 7 Kralovice - Plzeň 23 19 82,6 20 0 3 87,0 0,0 13,0 8 Dobřany - Přeštice 22 19 86,4 9 13 0 40,9 59,1 0,0 9 Nepomuk - Plzeň 20 20 100,0 4 16 0 20,0 80,0 0,0 10 Holýšov - Přeštice 19 0 0,0 13 4 2 68,4 21,1 10,5 11 Planá - Stříbro 18 16 88,9 8 10 0 44,4 55,6 0,0 12 Rokycany - Stříbro 17 10 58,8 4 13 0 23,5 76,5 0,0 13 Přeštice - Rokycany 16 2 12,5 8 8 0 50,0 50,0 0,0 14 Přeštice - Stříbro 16 0 0,0 9 7 0 56,3 43,8 0,0 15 Dobřany - Rokycany 15 2 13,3 7 8 0 46,7 53,3 0,0 16 Holýšov - Rokycany 15 0 0,0 6 8 1 40,0 53,3 6,7 17 Kralovice - Přeštice 15 0 0,0 11 0 4 73,3 0,0 26,7 18 Nepomuk - Rokycany 15 0 0,0 2 13 0 13,3 86,7 0,0 19 Planá - Plzeň 15 14 93,3 5 10 0 33,3 66,7 0,0 20 Dobřany - Stříbro 14 0 0,0 7 7 0 50,0 50,0 0,0

Monocenricky orientovaný dopravní systém Plzeňska je na první pohled patrný i z tabulky 5, kde můžeme vidět, že prvních sedm nejfrekventovanějších tras veřejné hromadné dopravy je vždy spojeno s městem Plzeň. Největší počet spojů 41 jezdí v ranním intervalu od 4:00 do 9:59 na trase Plzeň – Rokycany (obr. 17 a 18). Tato dvě města profitují ze své poměrně krátké kilometrické vzdálenosti a také z exponované dopravní polohy v rámci dopravní sítě Plzeňska, kdy obě města leží jak na trase dálnice D5 z Prahy do Německa, tak také na třetím železničním koridoru, který spojuje Moravu a Čechy. Další téměř stejně frekventované trasy jsou: Dobřany – Plzeň a Plzeň – Přeštice, na kterých jezdí v ranním šestihodinovém intervalu jen o jeden, respektive o dva spoje méně. Dobřany i Přeštice zaujímají podobně jako Rokycany velmi výhodnou polohu v rámci plzeňského regionu a není tedy překvapením, že nabídka spojů veřejné hromadné dopravy je zde vyšší než u ostatních středisek z této lokality.

54

Obr. 17. Celkový počet spojení veřejnou hromadnou dopravou mezi zvolenými středisky plzeňského regionu (oba směry)

I přes to, že Plzeň, Rokycany, Dobřany či Přeštice zaujímají centrální a také srovnatelně blízkou polohu jako je tomu v případě center „ostravské severovýchodní urbanizované zóny“, nabídka počtu dopravních spojů je zde několikanásobně menší a hlavně zde nabídka spojů není do několika různých center, jako je tomu v případě Ostravska. Na rozdíl od Ostravska je zřetelný daleko menší počet tangenciálních vazeb. Pro srovnání, nejfrekventovanější trasy na Ostravsku mají 83 – 140 dopravních spojení ve stejném intervalu jako je tomu v případě plzeňského regionu, kde je těch spojení na třech nejvíce frekventovaných trasách 39 - 41. Můžeme sice oponovat, že na Ostravsku žije téměř třikrát tolik obyvatel. To je sice pravda a ve srovnání počtu spojů to lze přiznat jako objektivní fakt, ale rozhodující pro naše konstatování o rozdílném dopravním uspořádání sídelního systému je především směr těchto nejfrekventovanějších spojů. Zatímco na Ostravsku trasy veřejné hromadné dopravy vedou vzájemně mezi několika hlavními centry, kterými jsou Ostrava, Havířov, Karviná, Frýdek-Místek, Bohumín, Český Těšín, Kopřivnice nebo Nový Jičín, tak na Plzeňsku až na výjimky vedou všechny nejvýznamnější trasy do Plzně. Z tohoto porovnání středisek na úrovni veřejné hromadné dopravy je tedy patrná dominance několika center na Ostravsku (můžeme zde hovořit o

55

polycentricitě Ostravského území) a výrazná dominance Plzně v rámci plzeňského regionu (zde se naopak jedná o monocentricitu plzeňského regionu). Také můžeme v tabulce 5 sledovat, že většina spojení, které nezahrnují středisko Plzeň, snad jen s výjimkou spojení Dobřany – Přeštice a Planá – Stříbro, je tvořena nízkým, velmi nízkým až žádným počtem přímých spojů. To můžeme považovat za další důkaz dominance Plzně. Stejně tak většina přestupů na těchto trasách se odehrává právě v Plzni. Jen pro srovnání, podíl přímých spojů na dvaceti nejfrekventovanějších trasách v obou územích je 53 % pro Plzeňsko a 66,5 % pro Ostravsko. I podle těchto procentuálních údajů je tedy zřejmé, že na Ostravsku není nutností, aby cestující na svých cestách tak často přesedali v určitém středisku, jako je tomu v případě plzeňského regionu.

Obr. 18. Počet přímých spojení veřejnou hromadnou dopravou mezi zvolenými středisky plzeňského regionu (oba směry)

Co se týká dalších středisek plzeňského regionu, tak většina jich je dopravně velmi silně vázána na Plzeň. Výjimku tvoří jedno až dvě střediska v severozápadní části území. Jedná se o město Toužim a částečně i o město Planá. Toužim se nachází v severním výběžku naší oblasti a geograficky už patří do okresu Karlovy Vary, a tedy i do Karlovarského kraje. Proto není divu, že vazby na Plzeň jsou zde ze všech středisek

56

nejslabší. Přestože jsme tento fakt věděli předem, zahrnuli jsme Toužim do naší analýzy. Důvodem bylo to, že toužimský funkční region nebyl příliš rozsáhlý, co do počtu obcí, a také to, že se nachází v přijatelné vzdálenosti od Plzně. Třetím důvodem bylo ověření faktu, zda Toužim i dopravními vazbami patří do Karlovarského kraje. Jak se v naší analýze ukázalo, tak propojení veřejnou hromadnou dopravou mezi obcemi ze dvou sousedních krajů, není zdaleka na tak vysoké úrovni jako tomu je v případě intrakrajských vazeb. Časová vzdálenost mezi Toužimí a Plzní je nejrychlejší trasou 42 minut. Z Toužimi do Karlových Varů je to pouze 30 minut. Nicméně Plzeň by jako populačně více než třikrát větší město měla mít zřetelně rozsáhlejší dopravní spádové území. Přesto však nabídka spojů veřejné hromadné dopravy do Karlových Varů převyšuje nabídku plzeňskou v průměru více než čtyřnásobně. Silně se zde projevuje organizace veřejné dopravy krajskými úřady jednotlivých území, což méně mobilním občanům Toužimi značně snižuje jejich dopravní pluralitu voleb.

Druhým střediskem, které není k Plzni tak intenzivně vázáno, je obec Planá. Planá je střediskem, které ačkoli patří geograficky do Plzeňského kraje, tak zde dopravní vazby do Plzně nejsou, z důvodu poměrně velké vzdálenosti (46 minut nejrychlejší cestou), příliš intenzivní. Nejlepší spojení s Plzní se místním občanům nabízí po železnici, jelikož obě města leží na třetím tranzitním koridoru a tak mezi nimi jezdí jak osobní, tak i rychlíkové spoje. Nicméně soupravy kategorií Expres, InterCity či EuroCity v Plané z důvodu jejího malého populačního potenciálu nezastavují. Planá je ještě poměrně kvalitně spojena s nedalekým Stříbrem a také s Rokycany. Tato spojení můžeme považovat za kvalitnější především díky železnici, která v propojení zmíněných měst zastává dominantní úlohu.

Tab. 6. Střediska Plzeňska seřazená podle počtu spojů veřejné hromadné dopravy, které do nich směřují ze všech obcí v oblasti

Komb. Počet spojů (4:00-9:59) Komb. Středisko Přímé [%] Bus Vlak Bus [%] Vlak [%] nebo MHD nebo MHD [%] Celkem Přímé 1 Plzeň 1 938 1 318 68,0 1 501 407 30 77,5 21,0 1,5 2 Rokycany 1 075 333 31,0 738 331 6 68,7 30,8 0,6 3 Přeštice 821 152 18,5 570 194 57 69,4 23,6 6,9 4 Stříbro 814 191 23,5 590 210 14 72,5 25,8 1,7 5 Kralovice 776 107 13,8 684 15 77 88,1 1,9 9,9 6 Dobřany 716 128 17,9 500 198 18 69,8 27,7 2,5 7 Nepomuk 646 105 16,3 436 206 4 67,5 31,9 0,6 8 Holýšov 633 94 14,8 430 163 40 67,9 25,8 6,3 9 Nýřany 630 103 16,3 439 188 3 69,7 29,8 0,5 10 Toužim 473 49 10,4 408 44 21 86,3 9,3 4,4 11 Planá 311 73 23,5 142 169 0 45,7 54,3 0,0

57

V tabulce 6 můžeme vidět střediska plzeňského území seřazená podle celkového počtu spojů veřejné hromadné dopravy, které do nich směřují ze všech obcí tohoto regionu v ranním šestihodinovém dopravním intervalu. Suverénně nejvíce spojů směřuje do Plzně, a to 1938, což je téměř dvojnásobně více než v případě druhých Rokycan. Ještě výraznější rozdíl mezi středisky je v počtu přímých spojů, kdy do první Plzně jich v ranním intervalu směřuje 1318, zatímco do druhých Rokycan pouhých 333, tedy téměř čtyřikrát méně. I v podílu přímých spojů na celkovém počtu jasně dominuje Plzeň s více než 68% zastoupením, čímž se nemůže pyšnit ani největší středisko Ostrava v druhém analyzovaném regionu. Podíl přímých spojů směřujících do Ostravy je 53,8 %. Naopak podíl přímých spojů do dalších středisek plzeňského regionu je velmi nízký. Maximální úroveň v případě Rokycan je 31 %. Podíl přímých spojů u středisek Ostravska je ve srovnání s Plzeňskem poměrně vysoký. Například do Opavy je podíl přímých spojů 47,9 %, do Frýdku-Místku 38,7 % a do Nového Jičína (34,8 %). Tato procentuální vyjádření jen podporují naše tvrzení o větší vyváženosti neboli polycentricitě dopravního systému v ostravském regionu. Podrobněji se dopravnímu uspořádání sídelního systému na úrovni obcí budeme věnovat v dalších kapitolách této práce.

3.4.3 Veřejná hromadná doprava na úrovni obcí - Ostravsko

Veřejná doprava na Ostravsku je významnou složkou dopravního systému a významně se podílí na dojížďce do zaměstnání, škol či za kulturou a zábavou. Jelikož jsme doposud zhodnotili pouze situaci veřejné dopravy na úrovni středisek, je potřeba jít ještě o stupínek níže na úroveň obcí. Díky této analýze nám zřetelně vykrystalizovaly oblasti s nadprůměrnou a naopak podprůměrnou dostupností veřejné hromadné dopravy. Nejlépe veřejnou dopravou obsloužené obce můžeme vidět v tabulce 7.

58

Tab. 7. Žebříček dvaceti nejlépe dostupných obcí ostravského regionu veřejnou hromadnou dopravou Absolutní počet spojů z obce vyjíždějících (4:00-9:59) Podíl počtu spojů z obce vyjíždějících (4:00-9:59)

Obec Komb. Komb. nebo Celkem Přímé Bus Vlak Přímé [%] Bus [%] Vlak [%] nebo MHD MHD [%]

1 Šenov 260 113 124 91 45 43,5 47,7 35,0 17,3 2 Horní Suchá 251 120 104 112 35 47,8 41,4 44,6 13,9 3 Orlová 245 138 209 0 36 56,3 85,3 0,0 14,7 4 Paskov 210 67 88 99 23 31,9 41,9 47,1 11,0 5 Dobrá 204 64 115 67 22 31,4 56,4 32,8 10,8 6 Příbor 200 93 131 66 3 46,5 65,5 33,0 1,5 7 Sviadnov 199 73 157 0 42 36,7 78,9 0,0 21,1 8 Chotěbuz 195 95 41 134 20 48,7 21,0 68,7 10,3 9 Hlučín 183 57 70 6 107 31,1 38,3 3,3 58,5 10 Albrechtice 182 69 52 115 15 37,9 28,6 63,2 8,2 11 Petřvald (Kar) 181 62 125 0 56 34,3 69,1 0,0 30,9 12 Dolní Lutyně 171 41 79 73 19 24,0 46,2 42,7 11,1 13 Dětmarovice 168 60 83 75 10 35,7 49,4 44,6 6,0 14 Klimkovice 165 60 91 0 74 36,4 55,2 0,0 44,8 15 Štramberk 163 48 79 83 1 29,4 48,5 50,9 0,6 16 Skotnice 158 40 82 73 3 25,3 51,9 46,2 1,9 17 Velké Albrechtice 156 30 80 42 34 19,2 51,3 26,9 21,8 18 Veřovice 156 53 70 84 2 34,0 44,9 53,8 1,3 19 Ludgeřovice 155 39 57 0 98 25,2 36,8 0,0 63,2 20 Sedlnice 155 44 86 61 8 28,4 55,5 39,4 5,2

Nejlépe veřejnou hromadnou dopravou obsloužené obce jsou lokalizovány v hustě urbanizovaném území nacházejícím se v prostoru mezi středisky Ostrava, Havířov, Karviná a Bohumín neboli také v „ostravské severovýchodní urbanizované zóně“. To je případ obcí Šenov, Horní Suché i Orlové. Všechny obce v této oblasti mohou těžit kvalitní dopravní sítě, která zahrnuje hned několik silnic 1. třídy, celostátní železniční tratě, regionální železniční tratě i dálnice či železniční tranzitní koridory. Právě kvalitní a početná dopravní infrastruktura ve spojení s blízkostí většího počtu posuzovaných středisek z této lokality dělá jednu z nejlépe dopravně vybavených lokalit, nejen v rámci regionu, ale také v rámci celé ČR. Zajímavostí u Orlové je také fakt, že k vysokému počtu spojů veřejné dopravy vyjíždějících z tohoto města, nikterak nepřispívá železniční doprava, jelikož v tomto třicetitisícovém městě neexistuje. I přes tento dopravní handicap, autobusová doprava, železnice a MHD sousedních měst absenci vlakové dopravy ve městě plně a kvalitně vynahrazují. Obce na čtvrtém a pátém místě Paskov a Dobrá se nacházejí v těsném okolí Frýdku-Místku podél rychlostní silnice R56, respektive R48, nicméně v obou zmíněných obcích hraje velice důležitou roli i osobní železniční doprava. Na šestém místě je město Příbor, které se nachází na křižovatce dvou silnic první třídy, a sice I/48 a I/58. Město také protíná regionální železniční trať vedoucí ze Studénky do Veřovic. Na

59

železniční trati č. 325 leží také obce Štramberk, Skotnice, Veřovice a Sedlnice, které se shodně dostaly mezi dvacet nejlépe predisponovaných obcí Ostravska veřejnou hromadnou dopravou. To svědčí o významné úloze zmíněné regionální jednokolejné neelektrizované železnice v rámci této oblasti.

Obr. 19. Celkový počet spojů vyjíždějících z jednotlivých obcí do okolních středisek Ostravska

Celkově můžeme na Ostravsku vymezit za veřejnou hromadnou dopravu na úrovni obcí dvě jádrové oblasti (obr. 19), kdy dominantnější je ta v lokalitě mezi Ostravou, Havířovem, Karvinou, Bohumínem a Frýdkem-Místkem. Druhou velmi dobře dopravně obslouženou oblastí je ta mezi středisky Kopřivnicí, Novým Jičínem, Studénkou, Bílovcem a Fulnekem. Pro obě oblasti je typická hustá dopravní síť s velkým množstvím kvalitních komunikací vyšších tříd. Hustá dopravní síť napomáhá vzájemnému hospodářskému i ekonomickému propojení jednotlivých obcí a středisek, čímž pro obyvatele zmíněných území existuje více možností volby místa pro zaměstnání, studium či trávení svých volnočasových aktivit, což je typické pro polycentrické sídelní systémy. Součástí analýzy je i mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Ostravska (příl. 1).

60

Periferní oblasti můžeme vymezit přibližně tři. První leží v jihovýchodním výběžku a zahrnuje podbeskydské obce Krásná, Morávka a Janovice. Jelikož se v případě Morávky a Krásné jedná o obce, které leží na území CHKO Beskydy, tak zde absence hlavních dopravních tahů není žádným překvapením. Druhá periferní oblast se nachází na severním rozmezí Ostravska a Opavska při hranicích s Polskem. Také zde chybí dopravní infrastruktura vyšší úrovně jak silničního, tak železničního typu. Poslední významnější periferní oblastí v rámci veřejné dopravy je oblast jihozápadně od města Opava. V této lokalitě taktéž chybí významné dopravní komunikace, ale významnějším činitelem izolovanosti tohoto území jsou dopravní vazby tamních obcí na Krnovsko či Bruntálsko, které jsme do naší analýzy nezahrnuli. Díky této podrobné empirické studii ostravského regionu můžeme přijmout tvrzení, že kvalitní dopravní infrastruktura představuje zcela zásadní podmínku pro zapojení určité lokality či místa do systému veřejné hromadné dopravy. Při absenci kvalitní a kapacitní infrastruktury nastává izolace takto znevýhodněných lokalit.

3.4.4 Veřejná hromadná doprava na úrovni obcí - Plzeňsko

Veřejná hromadná doprava v plzeňském regionu zajišťuje, stejně jako v jiných částech České Republiky, základní dopravní obslužnost jednotlivých obcí. V tabulce 8 můžeme vidět seřazeno prvních dvacet obcí plzeňského území podle počtu spojů, které z nich vyjíždí v ranním intervalu od 4:00 – 9:59. Součástí této analýzy je i mapa obcí (obr. 20). Na této mapce vidíme, že nejlépe veřejnou dopravou obsloužené obce leží podél hlavních silničních i železničních tahů. Na rozdíl od Ostravska – tam tvoří nejlépe obsloužené obce prostorové shluky, na Plzeňsku naopak tvoří linie kolem radiálních tahů směřujících do Plzně. Samozřejmě to je způsobeno i tím, že tyto dopravní spojnice vedou zpravidla mezi hlavními středisky regionu. Součástí analýzy je i mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Plzeňska (příl. 2).

Nejlépe veřejnou dopravou dostupné obce leží všechny v blízkém lemu kolem hlavního střediska Plzně. Třemošná, Horní Bříza i Kaznějov, tedy obce figurující mezi pěti s nejvyšší kvantitou vyjíždějících spojů, leží všechny shodně do vzdálenosti 15 kilometrů severně od města Plzně na silnici první třídy I/27 a také na železniční trati č. 160 z Plzně do Žatce. Všechny tři obce tedy mají v rámci regionální silniční sítě velmi výhodnou

61

exponovanou polohu. Třemošná i Horní Bříza mají navíc poměrně vysoké procento přímých spojů, které je vyšší než 40 %. Další obce jako Lužany, Zbůch a Chlumčany, které se v tabulce nacházejí na 2., 4. a 6. místě, leží naopak jižně od města Plzeň, a zároveň mezi středisky Dobřany, Nýřany, Přešticemi a Holýšovem. Mají tedy velice výhodnou geografickou polohu v sousedství, v měřítku plzeňského regionu, významných center. Lužany i Chlumčany leží také na již zmiňované silnici I/27. Ve všech třech zmiňovaných obcích tvoří nezanedbatelný podíl na dopravní obslužnosti i vlakové spoje, což umožňuje jejich obyvatelům lepší možnost volby pro ně ideálního dopravního spojení.

Tab. 8. Žebříček dvaceti veřejnou hromadnou dopravou nejlépe dostupných obcí plzeňského regionu Absolutní počet spojů z obce vyjíždějících (4:00-9:59) Podíl počtu spojů z obce vyjíždějících (4:00-9:59)

Obec Komb. nebo Komb. nebo Celkem Přímé Bus Vlak Přímé [%] Bus [%] Vlak [%] MHD MHD [%]

1 Třemošná 109 48 83 26 0 44,0 76,1 23,9 0,0 2 Lužany 97 47 53 41 3 48,5 54,6 42,3 3,1 3 Horní Bříza 94 40 68 26 0 42,6 72,3 27,7 0,0 4 Zbůch 92 43 63 26 3 46,7 68,5 28,3 3,3 5 Kaznějov 91 26 46 44 1 28,6 50,5 48,4 1,1 6 Chlumčany 89 48 49 40 0 53,9 55,1 44,9 0,0 7 Staňkov 89 44 58 27 4 49,4 65,2 30,3 4,5 8 Vejprnice 89 42 61 28 0 47,2 68,5 31,5 0,0 9 Starý Plzenec 88 29 23 53 12 33,0 26,1 60,2 13,6 10 Plasy 87 25 42 44 1 28,7 48,3 50,6 1,1 11 Stod 82 39 52 27 3 47,6 63,4 32,9 3,7 12 Tlučná 82 36 54 28 0 43,9 65,9 34,1 0,0 13 Hrádek 81 32 39 41 1 39,5 48,1 50,6 1,2 14 Kamenný Újezd 80 27 38 41 1 33,8 47,5 51,3 1,3 15 Borovy 79 40 35 40 4 50,6 44,3 50,6 5,1 16 Chotěšov 73 38 47 25 1 52,1 64,4 34,2 1,4 17 Šťáhlavy 71 23 20 51 0 32,4 28,2 71,8 0,0 18 Kozolupy 67 33 42 23 2 49,3 62,7 34,3 3,0 19 Líně 67 27 64 0 3 40,3 95,5 0,0 4,5 20 Nezvěstice 67 18 17 50 0 26,9 25,4 74,6 0,0

Celkově tedy můžeme v plzeňském regionu podle počtu spojů vyjíždějících z dané obce vymezit oblasti exponované s vyšší kvantitou dopravních spojů, ale také oblasti periferní s nižším počtem dopravních spojení. Nejlépe můžeme jádrové a periferní oblasti vymezit podle mapy na obrázku 20. Nejtmavější oblasti jsou ty, kde je počet spojů vyjíždějících v ranním intervalu do ostatních středisek nejvyšší. Nejsvětlejší jsou naopak ty oblasti, kde je počet spojů do ostatních středisek nejnižší. Nejlépe dopravně obsloužené obce jsou ty, obklopující největší středisko oblasti Plzeň. To je pochopitelné, jelikož Plzeň, jako přirozené centrum celého regionu, nabízí okolním obcím možnosti přestupu do všech okolních středisek této oblasti. Další dopravně exponované oblasti plzeňského regionu

62

můžeme nalézt v pásu táhnoucím se podél silnice 1. třídy I/27 v severojižním směru. Zde hraje podstatnou roli kvalitní dopravní infrastruktura, ale ne jenom ta silniční, nýbrž i doprava železniční, která rezidentům daných obcí rozšiřuje jejich cestovní možnosti.

Obr. 20. Celkový počet spojů vyjíždějících z jednotlivých obcí do okolních středisek Plzeňska

Důležité je také zmínit, že v rámci regionální úrovně, jako je námi studovaná oblast, nezastává dálnice úlohu nejvýznamnější dopravní spojnice mezi jednotlivými obcemi, ačkoli nepochybně nabízí nejrychlejší automobilové spojení ve východozápadním směru. Proto můžeme souhlasit s autory Maradou (2010) a Hudečkem (2010), kteří ve svých publikacích tvrdí, že dálnice v prostředí České republiky slouží především jako spojnice mezoregionálních středisek. Větší vliv na propojení mikroregionálních středisek a obcí mikroregionu mají, i díky existenci dálničních známek, které zpoplatňují jízdu po dálnicích v ČR, silnice 1., případně 2. třídy.

Třetí veřejnou dopravou kvalitně napojenou oblastí je území ležící jihozápadně od Plzně rozkládající se podél silnice 1. třídy I/26 mezi středisky Dobřany, Holýšov a Nýřany. Další nejtmavší oblasti na mapě už jsou jen střediska Stříbro či Rokycany, které ale v této analýze na úrovni obcí prioritně nehodnotíme a lepší dopravní napojení je, vzhledem k jejich mikroregionálnímu významu, celkem logické. Jako periferie můžeme vymezit čtyři

63

hlavní oblasti, a sice východní cíp zahrnující Vojenský újezd Brdy, severovýchodní oblast poblíž Kralovic, jihozápadní oblast mezi dálnicí D5 a silnicí I/26 a také severozápadní oblast v okolí Plané a Toužimi. Pro všechny zmiňované oblasti platí, že důvodem jejich špatného zapojení do systému veřejné hromadné dopravy je především absence významných silničních i železničních tahů a také jejich periferní poloha v rámci sídelního systému dané oblasti.

3.4.5 Analýza obcí v rámci funkčních regionů (FUA)

Součástí naší rozsáhlé studie veřejné dopravy je i analýza obcí v rámci funkčních regionů. Při této příležitosti jsme vytvořili 26 tabulek (přílohy 3 – 28) a stejný počet map (obr. 21-29). V tabulkách i mapách je dobře patrné, které funkční regiony jsou veřejnou dopravou navzájem propojeny intenzivněji, a které naopak méně intenzivně. Můžeme sledovat, že při srovnání počtu spojů směřujících průměrně z obcí jednotlivých FUA do ostatních středisek regionů, vychází Ostravsko jako jednoznačně lépe veřejnou dopravou propojený region než Plzeňsko.

Obr. 21. Mapy FUA Bílovec, FUA Bohumín, FUA Český Těšín: všechny spoje – průměr na obec

Obr. 22. Mapy FUA Frenštát p. R., FUA Frýdek-Místek, FUA Fulnek: všechny spoje – průměr na obec

64

Obr. 23. Mapy FUA Havířov, FUA Karviná, FUA Kopřivnice: všechny spoje – průměr na obec

Obr. 24. Mapy FUA Nový Jičín, FUA Odry, FUA Opava: všechny spoje – průměr na obec

Obr. 25. Mapy FUA Ostrava, FUA Studénka, FUA Vítkov: všechny spoje – průměr na obec

Zatímco na Ostravsku jsou často alespoň v minimálním rozsahu propojeny obce jednotlivých FUA s většinou středisek regionu, na Plzeňsku je pravidlem propojení obcí pouze s dominantní Plzní. Propojení ostatních středisek je často velmi slabé nebo úplně neexistující. To je z mapek (obr. 21-29) velmi dobře patrné. Zásadním faktem, na který je potřeba si dát pozor, a ovlivňuje reálnou vypovídající hodnotu mapek je ovšem počet obcí, jimiž jsou jednotlivé FUA tvořeny. Při počtu obcí nižším než číslo čtyři jsou výsledné průměrné hodnoty značně zkreslené a nemůžeme jim přikládat nějak zásadní význam.

Obr. 26. Mapy FUA Dobřany, FUA Holýšov, FUA Kralovice: všechny spoje – průměr na obec

65

Obr. 27. Mapy FUA Nepomuk, FUA Nýřany, FUA Planá: všechny spoje – průměr na obec

Obr. 28. Mapy FUA Plzeň, FUA Přeštice, FUA Rokycany: všechny spoje – průměr na obec

Obr. 29. Mapy FUA Stříbro, FUA Toužim: všechny spoje – průměr na obec

3.4.6 Skóre obcí za veřejnou hromadnou dopravu – Ostravsko

Abychom mohli vyhodnotit a porovnat polohy obcí v rámci veřejné i osobní automobilové dopravy, vytvořili jsme metodiku, podle které jsme přiřadili jednotlivým obcím skóre vystihující kvalitu jejich dopravní polohy. Nejvyšší skóre dostupnosti veřejnou hromadnou dopravou (tab. 9) mají obce Šenov (46 bodů), Horní Suchá (42 bodů) a Paskov (42 bodů). Všechny zmíněné obce leží v silně urbanizované oblasti mezi středisky Ostravou, Karvinou, Havířovem, Bohumínem, Českým-Těšínem a Frýdkem- Místkem, kterou jsme již dříve v naší práci pojmenovali jako „ostravská severovýchodní urbanizovaná zóna“. Také polohu obcí Příbor a Dobrá už jsme zmínili v předešlých kapitolách.

66

Tab. 9. Žebříček obcí Ostravska podle skóre za veřejnou hromadnou dopravu

Počet středisek, do kterých vyjíždí v intervalu od 4:00 do 9:59 Obec Skóre alespoň 6 spojů alespoň 12 spojů alespoň 18 spojů 1 Šenov 13 9 5 46 2 Horní Suchá 15 6 5 42 3 Paskov 15 9 3 42 4 Příbor 15 6 4 39 5 Dobrá 11 9 3 38 6 Hlučín 12 6 4 36 7 Chotěbuz 15 6 3 36 8 Albrechtice 15 7 2 35 9 Dětmarovice 9 7 4 35 10 Orlová 11 6 4 35 11 Těrlicko 8 6 5 35 12 Dolní Lutyně 8 7 4 34 13 Sviadnov 10 6 4 34 14 Rychvald 11 6 3 32 15 Petřvald (Kar) 10 6 3 31 16 Skotnice 14 6 1 29 17 Štramberk 13 5 2 29 18 Sedlnice 14 7 0 28 19 Velké Albrechtice 15 4 1 26 20 Klimkovice 14 4 1 25

Na mapě (obr. 30) můžeme rozlišit tři jádrové oblasti, ve kterých jsou obce nejlépe zapojeny do systému veřejné hromadné dopravy. První jádrová oblast je mezi středisky Ostrava, Havířov, Český Těšín, Karviná a Bohumín. Druhá exponovaná oblast je situována mezi Frýdkem-Místkem a Ostravou. Třetí jádrová oblast leží v trojúhelníku mezi městy Kopřivnice, Nový Jičín a Studénka. Jak již bylo řečeno, tyto oblasti, profitují především z výborné polohy v rámci regionu a kvalitní dopravní infrastruktury. Periferní oblasti jsou již tradičně v okolí Opavy a také na jihovýchodě v oblasti pohoří Beskyd.

67

Obr. 30. Skóre obcí Ostravska za veřejnou hromadnou dopravu

I podle lokality jádrových oblastí můžeme o ostravském regionu tvrdit, že je rozdělen na dvě odlišné části. Pomyslnou linii mezi severozápadní (opavskou) méně urbanizovanou monocentrickou oblastí a mezi jihovýchodní (ostravskou) urbanizovanější polycentrickou oblastí, tvoří dálnice D1. Nicméně i kdybychom ostravský region brali jako celek, tak můžeme tvrdit, že na úrovni veřejné hromadné dopravy zde fungují převážně polycentrické sídelní vztahy.

3.4.7 Skóre obcí za veřejnou hromadnou dopravu – Plzeňsko

Nejvyšší skóre za veřejnou hromadnou dopravu v regionu Plzeňska (tab. 10), které je ale více než dvojnásobně nižší než v případě nejlepších obcí na Ostravsku, dosahují obce Kaznějov (20,5 bodů), Lužany (19 bodů) a Plasy (19 bodů). Kaznějov a Plasy leží severně od Plzně na silnici 1. třídy I/27 a také na celostátní železniční trati. Lužany leží taktéž na celostátní železniční trati a silnici 1. třídy I/27, nýbrž na jihu od města Plzeň nedaleko střediska Přeštice.

68

Tab. 10. Žebříček obcí Plzeňska podle skóre za veřejnou hromadnou dopravu Počet středisek, do kterých vyjíždí v intervalu od 4:00 do 9:59 Obec Skóre alespoň 3 spoje alespoň 6 spojů alespoň 9 spojů 1 Kaznějov 11 9 4 20,5 2 Lužany 11 9 3 19 3 Plasy 11 9 3 19 4 Zbůch 9 8 4 18,5 5 Starý Plzenec 11 8 3 18 6 Třemošná 10 8 3 17,5 7 Stod 9 8 3 17 8 Vejprnice 10 9 2 17 9 Horní Bříza 10 7 3 16,5 10 Tlučná 10 8 2 16 11 Borovy 11 5 3 15 12 Chlumčany 11 5 3 15 13 Chotěšov 9 7 2 14,5 14 Staňkov 9 7 2 14,5 15 Šťáhlavy 11 7 1 14 16 Blovice 10 7 1 13,5 17 Kamenný Újezd 11 5 2 13,5 18 Hrádek 10 5 2 13 19 Spálené Poříčí 10 5 2 13 20 Nezvěstice 10 6 1 12,5

Na dalších místech (tab. 10) je obec Zbůch (18,5 bodů) ležící na silnici 1. třídy I/26 nedaleko nájezdu na dálnici D5, Starý Plzenec (18 bodů) jihovýchodně od Plzně také poblíž dálnice D5 a Třemošná (17,5 bodů) severně od Plzně na silnici 1. třídy I/27. Mezi jádrové oblasti plzeňského regionu podle dosaženého skóre za veřejnou hromadnou dopravu tedy můžeme zařadit dvě hlavní oblasti (obr. 31). Obě se nacházejí poměrně blízko města Plzeň. Jedno jádro leží západně až jihozápadně od Plzně mezi středisky Nýřany, Dobřany, Přešticemi a Stříbro. Druhá z nejlépe dopravně obsloužených oblastí je podél silnice 1. třídy I/27 a sahá až ke středisku Kralovice. Periferní a ne tak intenzivně veřejnou dopravou obsluhované oblasti můžeme nalézt téměř po celém obvodu plzeňského regionu, snad jen s výjimkou jihozápadní části v okolí středisek Přeštice a Holýšov.

69

Obr. 31. Skóre obcí Plzeňska za veřejnou hromadnou dopravu

3.5 Individuální automobilová doprava

Individuální automobilová doprava hraje v dnešním moderním světě stále významnější roli. Lidé disponující osobním automobilem mohou flexibilněji organizovat své každodenní aktivity, případně svůj denní režim. Osoby, které vlastní osobní automobil nejsou časově fixovány na veřejnou hromadnou dopravu či městskou hromadnou dopravu. Rozsáhleji tuto problematiku popisuje koncept „space-time prism“, který vyjadřuje akční rádius jedince disponujícího určitou dopravní technologií (MILLER, 1991). Jelikož se osobní automobil dá pořídit v současnosti stále levněji, staví se nové silnice anebo se zlepšuje kvalita silnic stávajících, dá se do budoucna podle Schmeidlera (2005) počítat s růstem poměru osobní dopravy vůči dopravě veřejné. Součástí naší analýzy tedy bude i analýza obou území z hlediska individuální automobilové dopravy.

70

3.5.1 Individuální automobilová doprava – Ostravsko

Stejně jako u veřejné hromadné dopravy, tak i u té individuální automobilové jsme hodnotili jednotlivé obce podle jejich výhodné či nevýhodné polohy. V rámci této analýzy vznikla i tabulka 11, ve které nalezneme dvacet nejlépe dostupných obcí Ostravska individuální automobilovou dopravou. Analýza je pro lepší názornost doplněna o mapy dostupnosti středisek z jednotlivých obcí regionu.

Nejlépe dostupnými obcemi tedy jsou Bravantice, Klimkovice a Kunín, které mají shodně celkem 24 dostupných středisek v součtu intervalů do 30 a do 45 minut. Nejnižší sumu minut do všech středisek mají Bravantice, a sice 404, což v průměru dělá asi 27 minut do jednoho střediska. Na čtvrtém až osmnáctém místě se nachází obce, které mají součet dostupných středisek v obou časových intervalech 23 či 22 a jsou v mapě (obr. 32) znázorněny nejtmavějším odstínem červené barvy. Suma minut do všech středisek mezi nejlepšími dvaceti obcemi se pohybuje v rozmezí od 402 minut u obce Bílov do 466 minut u obce Sviadnov. Všechny tyto obce tedy tvoří pomyslné jádro oblasti v dostupnosti osobní automobilovou dopravou.

Tab. 11. Žebříček dvaceti individuální automobilovou dopravou nejlépe dostupných obcí Ostravska

Suma minut do Počet středisek dostupných do Součet dostupných Obec všech středisek středisek 30 minut 45 minut 1 Bravantice 404 9 15 24 2 Klimkovice 414 9 15 24 3 Kunín 419 10 14 24 4 Albrechtičky 449 9 14 23 5 Bartošovice 437 9 14 23 6 Bílov 402 9 14 23 7 Krmelín 461 10 13 23 8 Příbor 419 9 14 23 9 Skotnice 419 9 14 23 10 Stará Ves nad Ondřejnicí 442 9 14 23 11 Hladké Životice 411 9 13 22 12 Jistebník 441 8 14 22 13 Kujavy 421 9 13 22 14 Petřvald (NJ) 442 8 14 22 15 Pustějov 408 9 13 22 16 Sviadnov 466 9 13 22 17 Šenov u Nového Jičína 431 8 14 22 18 Vřesina (Ost) 456 8 14 22 19 Fryčovice 478 8 13 21 20 Hukvaldy 479 8 13 21

71

Na mapě (obr. 32) můžeme vidět, že všechny nejlépe predisponované obce jsou logicky situovány v centrální oblasti, která se rozkládá podél dálnice D1 od Bohumína na severovýchodě až po Fulnek a Nový Jičín na jihozápadě našeho území. Obyvatelé obcí v centrální oblasti mohou využít několika dálničních nájezdů a cestovat tak do vzdálenějších středisek velkou část trasy po dálnici, na které mohou podle pravidel silničního provozu v ČR jet rychlostí až 130 km/hod. Díky této výhodě získávají obyvatelé disponující automobilem v obcích ležících blízko dálnice značnou časovou výhodu oproti rezidentům obcí v dopravně perifernějších oblastech.

Součástí této analýzy jsou i mapy dostupnosti středisek z obcí ostravského regionu individuální automobilovou dopravou do 30 a do 45 minut (příl. 55 a 56). V časovém horizontu půl hodiny se dostaneme do největšího počtu deseti středisek z obcí Kunín a Krmelín. Kunín je situován ve výhodné dopravní poloze poblíž Nového Jičína na silnici 1. třídy I/57, přičemž nedaleko severně se nachází nájezd na dálnici D1 a velmi blízko na jihu zase nájezd na silnici 1. třídy I/48. Poloha Krmelína je taktéž velmi výhodná, jelikož leží na silnici 1. třídy I/58 a nedaleko východně je nájezd na silnici R56 spojující Frýdek- Místek a Ostravu.

Obr. 32. Mapa dostupnosti středisek z obcí ostravského regionu individuální automobilovou dopravou

72

Při uplatnění časové hranice 45 minut se dostaneme do všech 15 středisek z obcí Bravantice a Klimkovice. Bravantice leží ve středu našeho území poblíž střediska Bílovec, prakticky přímo u nájezdu na dálnici D1. Klimkovice se nacházejí v totožné lokalitě jako Bravantice, jen nepatrně na severovýchod. Stejně jako Bravantice mají i Klimkovice velice blízko nájezd na dálnici D1. Obě zmíněné obce tedy těží z výborné dopravní polohy v rámci systému osídlení. Obyvatelé výše zmíněných obcí tedy mohou při vlastnictví osobního automobilu plně využívat všech výhod, které nabízí exponovaná poloha v rámci polycentrického sídelního systému.

Periferie naopak můžeme vymezit na jihovýchodě a severozápadě regionu. V případě periferie na jihovýchodě se jedná o obce Krásná a Morávka, které jsou „skryté“ v CHKO Beskydy, kde nevede žádná silnice 1. či 2. třídy. Severozápadní periferie je zase tvořena obcemi Opavska, které mají kvalitní spojení maximálně do Opavy. Poloha těchto obcí je předurčuje spíše k propojení se sousedními středisky Bruntál a Krnov na západě mimo studované území.

Celkově můžeme tedy tvrdit, že dálnice D1 protíná naše území tak výhodně, že z její přítomnosti může těžit mnoho obyvatel okolních obcí. Díky dálnici D1 se občanům disponujících osobním automobilem naskýtá několikanásobně vyšší pluralita voleb, než je tomu u lidí, kteří jsou nuceni spoléhat na veřejnou hromadnou dopravu. Regionální autobusové linky v zásadě jezdí pomaleji a delší cestou tak, aby obsloužily co největší počet obyvatel určité oblasti a uspokojily tak poptávku po dopravě. Výjimkou jsou dálkové spoje propojující jen hlavní centra regionů. Dálnice D1 v ostravském regionu tedy determinuje zlepšení časové dostupnosti především lidem vlastnícím osobní automobil.

3.5.2 Skóre obcí za individuální automobilovou dopravu – Ostravsko

Jelikož bylo potřeba pro celkovou analýzu dopravního systému kvantifikovat kvalitu dopravní polohy jednotlivých obcí, použili jsme pro tento účel skóre, které nám kvalitu dopravní polohy poměrně citlivě vyjadřuje. Výsledky naší kvantifikace kvality dopravní polohy můžeme vidět v tabulce 12 a v mapce na obrázku 33. Výsledky skóre za individuální automobilovou dopravu se příliš neliší od předešlé kapitoly 3.5.1., a proto zde není potřeba další složitější interpretace výsledků.

73

Tab. 12. Skóre nejlepších obcí Ostravska za individuální automobilovou dopravu Suma minut Počet dostupných středisek do Součet dostupných Obec do všech Skóre středisek středisek 30 minut 45 minut 1 Kunín 419 10 14 24 58 2 Bravantice 404 9 15 24 57 3 Klimkovice 414 9 15 24 57 4 Krmelín 461 10 13 23 56 5 Albrechtičky 449 9 14 23 55 6 Bartošovice 437 9 14 23 55 7 Bílov 402 9 14 23 55 8 Příbor 419 9 14 23 55 9 Skotnice 419 9 14 23 55 10 Stará Ves nad Ondřejnicí 442 9 14 23 55 11 Hladké Životice 411 9 13 22 53 12 Kujavy 421 9 13 22 53 13 Pustějov 408 9 13 22 53 14 Sviadnov 466 9 13 22 53 15 Jistebník 441 8 14 22 52 16 Petřvald (NJ) 442 8 14 22 52 17 Šenov u Nového Jičína 431 8 14 22 52 18 Vřesina (Ost) 456 8 14 22 52 19 Staříč 480 9 12 21 51 20 Fryčovice 478 8 13 21 50

Obr. 33. Skóre obcí Ostravska za individuální automobilovou dopravu

74

3.5.3 Individuální automobilová doprava – Plzeňsko

Můžeme předpokládat, že individuální automobilová doprava zastává v plzeňském regionu, který není tak vysoce urbanizovaný jako region ostravský, významnější roli než je tomu právě na Ostravsku. Důvodem našeho tvrzení jsou údaje z posledního sčítání lidu v roce 2001. Z těchto údajů je patrné, že míra automobilizace je vyšší ve venkovských oblastech v Čechách než ve venkovských oblastech Moravy (na druhou stranu míra automobilizace je již tradičně nejvyšší ve velkých městech ČR). I přesto, když vezmeme na vědomí horší obslužnost území Plzeňska veřejnou hromadnou dopravou, je osobní automobil pro obyvatele regionu často nezbytností.

V součtu dosažitelných středisek do 30 a 45 minut (tab. 13) jsou nejlépe pro individuální automobilovou dopravu disponované obce Myslinka, Útušice a Vejprnice. Pro všechny tři obce je společná jejich poloha v bezprostřední blízkosti města Plzeň, a také při nájezdech na dálnici D5, což obyvatelům těchto obcí umožňuje rychlou a kvalitní cestu za vzdálenějšími středisky napříč regionem. Obce Vejprnice a Útušice navíc míjí ve své těsné blízkosti také silnice 1. třídy I/26, respektive I/27, které tvoří páteřní silniční síť plzeňského regionu. Nejnižší sumu minut do všech jedenácti středisek Plzeňska má obec Úherce, a to 274 minut, což nám dává průměr asi 25 minut do jednoho střediska. Nejvíce osm středisek dostupných osobním automobilem do 30 minut (příl. 57) je z obcí Útušice a Heřmanova Huť. Poloha Útušic již byla zmiňována výše. Heřmanova Huť se stejně jako dříve jmenované obce nachází poblíž nájezdu na dálnici D5 mezi středisky Stříbro a Nýřany.

75

Tab. 13. Žebříček dvaceti individuální automobilovou dopravou nejlépe dostupných obcí Plzeňska

Suma minut do Počet středisek dostupných do Součet dostupných Obec všech středisek středisek 30 minut 45 minut 1 Myslinka 302 7 11 18 2 Útušice 293 8 10 18 3 Vejprnice 295 7 11 18 4 Bdeněves 332 6 11 17 5 Heřmanova Huť 310 8 9 17 6 Kozolupy 319 6 11 17 7 Líně 279 7 10 17 8 Tlučná 296 7 10 17 9 Vochov 328 6 11 17 10 Blatnice 315 7 9 16 11 Chotěšov 311 7 9 16 12 Město Touškov 338 5 11 16 13 Přehýšov 304 7 9 16 14 Úherce 274 7 9 16 15 Zbůch 286 7 9 16 16 Dolní Lukavice 325 7 8 15 17 Horní Lukavice 304 7 8 15 18 Kbelany 354 6 9 15 19 Kotovice 338 6 9 15 20 Lužany 360 7 8 15

Při uplatnění časové hranice 45 minut (příl. 58) se dostaneme do všech 11 středisek z obcí Myslinka, Vejprnice, Bdeněves, Kozolupy, Vochov a Města Touškov. Dopravní polohu obcí Myslinka a Vejprnice jsme si již upřesnili. Obce Bdeněves, Kozolupy, Vochov i Město Touškov leží prakticky na jednom místě v těsném vzájemném sousedství na křižovatce silnic 2. třídy II/605 a II/180. Nedaleko východně je město Plzeň a při jízdě několik kilometrů na jih po silnici II/180 je možno se napojit na dálnici D5.

Jako centrální exponovaná oblast pro individuální automobilovou dopravu nám v naší analýze (obr. 34) vyšlo území tvořící pomyslnou podkovu od střediska Přeštice přes Plzeň až po středisko Nýřany. V této oblasti se nachází asi nejhustší silniční síť plzeňského regionu, jelikož zde prochází jak dálnice D5, tak tři silnice 1. třídy, a to I/20, I/26 a I/27. Uvedená kvalitní silniční síť umožňuje lidem disponujícím automobilem rychlý přesun do všech směrů v rámci regionu Plzeňska.

76

Obr. 34. Mapa dostupnosti středisek z obcí plzeňského regionu individuální automobilovou dopravou

Periferní oblasti můžeme na mapě (obr. 34) sledovat přibližně tři. Jednu tvoří na východním cípu Vojenský újezd Brdy, kde logicky nevedou žádné dopravní komunikace. Druhá periferie je v severovýchodní oblasti kolem obce Kralovice. Tato oblast leží poměrně daleko od centra regionu a také zde vede pouze jedna významnější silnice 1. třídy (I/27). Silniční síť je zde tedy poměrně málo rozvinutá. Totéž se dá říci i o třetí periferii v okolí střediska Toužim. Ta je spojena s centrem regionu pouze silnicí 1. třídy I/20. Nicméně u obcí toužimského regionu se dá předpokládat, že budou mít vyšší dopravní konektivitu spíše se sousedním Karlovarskem.

3.5.4 Skóre obcí za individuální automobilovou dopravu – Plzeňsko

Stejně jako v Ostravském regionu i v tom plzeňském jsme provedli kvantifikaci dopravní polohy jednotlivých obcí v rámci individuální automobilové dopravy. Výsledky se opět příliš neliší od těch v kapitole 3.5.3. Výsledkem kvantifikace je tabulka 14, kde můžeme vidět skóre dvaceti nejlépe situovaných obcí v rámci individuální automobilové

77

dopravy. Pro lepší názornost kvantifikace poslouží také mapa skóre všech obcí Plzeňska za osobní automobilovou dopravu (obr. 35).

Tab. 14. Skóre nejlepších obcí Plzeňska za individuální automobilovou dopravu Suma minut Počet dostupných středisek do Součet Obec do všech dostupných Skóre středisek 30 minut 45 minut středisek 1 Útušice 293 8 10 18 44 2 Myslinka 302 7 11 18 43 3 Vejprnice 295 7 11 18 43 4 Heřmanova Huť 310 8 9 17 42 5 Líně 279 7 10 17 41 6 Tlučná 296 7 10 17 41 7 Bdeněves 332 6 11 17 40 8 Kozolupy 319 6 11 17 40 9 Vochov 328 6 11 17 40 10 Blatnice 315 7 9 16 39 11 Chotěšov 311 7 9 16 39 12 Přehýšov 304 7 9 16 39 13 Úherce 274 7 9 16 39 14 Zbůch 286 7 9 16 39 15 Dolní Lukavice 325 7 8 15 37 16 Horní Lukavice 304 7 8 15 37 17 Lužany 360 7 8 15 37 18 Město Touškov 338 5 11 16 37 19 Štěnovice 315 7 8 15 37 20 Kbelany 354 6 9 15 36

Obr. 35. Skóre obcí Plzeňska za individuální automobilovou dopravu

78

3.6 Souhrnné výsledky za veřejnou i individuální dopravu

Díky kvantifikaci dopravní polohy v rámci veřejné hromadné a individuální automobilové dopravy, kterou jsme provedli v předchozích kapitolách, můžeme nyní poměrně přesně určit, které obce jsou v součtu obou dopravních kategorií nejlépe dopravně predisponovány. Podle celkového skóre jednotlivých obcí můžeme vymezit hlavní jádrové oblasti s kvalitní dopravní polohou, i oblasti periferní, které naopak nemají až tak výhodnou dopravní lokalizaci. V rámci jednotlivých regionů pak můžeme rozhodnout, zda se jedná o území polycentrické či monocentrické.

3.6.1 Celkové dopravní skóre obcí – Ostravsko

Jak již bylo řečeno výše, celkové skóre obcí vzniklo jako součet bodů za veřejnou hromadnou a individuální automobilovou dopravu. V tomto součtu se mohly dostat na přední příčky i obce, které na tom nemusely být úplně nejlépe v jednotlivých žebříčcích za veřejnou či osobní dopravu. Důležitou roli zde hraje vyrovnanost obou složek dopravy. Jak dopravy veřejné, tak i dopravy individuální.

To je i případ města Příbor, které z naší analýzy vyšlo jako dopravně nejlépe situovaná obec obou oblastí s celkovým skóre 94 bodů (tab. 15). Příbor se nachází na křižovatce silnic 1. třídy I/48 a I58 v sousedství střediska Kopřivnice nedaleko středisek Nový Jičín, Frýdek-Místek, Studénka a Ostrava. Jelikož Příbor leží na průsečíku dvou silnic 1. třídy, mají jeho obyvatelé pomocí veřejné i individuální dopravy rychlý přístup do středisek ve všech částech regionu. V rámci veřejné hromadné dopravy ve městě Příbor zastavují i dálkové spoje autobusových dopravců spojující často pouze hlavní střediska regionů. Jako příklad můžeme uvést žluté autobusy společnosti Student Agency. Obcí také prochází regionální železniční trať, která Příbor poměrně rychle spojuje s Kopřivnicí, ale hlavně se Studénkou, jež leží na hlavních tranzitních železničních koridorech. Příbor má v celkovém skóre vyšší počet bodů za IAD než za VD, což je typické pro většinu obcí mimo „ostravskou severovýchodní urbanizovanou zónu“, kde mají některé obce vyšší počet bodů za veřejnou dopravu.

79

Tab. 15. Celkové skóre obcí Ostravska za VD i IAD

Obec VD skóre IAD skóre Celkové skóre 1 Příbor 39 55 94,0 2 Paskov 42 50 92,0 3 Šenov 46 42 88,0 4 Sviadnov 34 53 87,0 5 Skotnice 29 55 84,0 6 Klimkovice 25 57 82,0 7 Dobrá 38 43 81,0 8 Krmelín 23 56 79,0 9 Sedlnice 28 50 78,0 10 Stará Ves nad Ondřejnicí 22 55 77,0 11 Horní Suchá 42 34 76,0 12 Velké Albrechtice 26 49 75,0 13 Kunín 16 58 74,0 14 Bravantice 16 57 73,0 15 Petřvald (Kar) 31 42 73,0 16 Žabeň 24 47 71,0 17 Hladké Životice 17 53 70,0 18 Hlučín 36 34 70,0 19 Orlová 35 35 70,0 20 Šenov u Nového Jičína 18 52 70,0

Na druhém místě se umístil Paskov (92 bodů), který leží na velmi frekventované rychlostní silnici R56 spojující střediska Ostravu a Frýdek-Místek. Tudíž obcí projíždí i vysoký počet spojů veřejné hromadné dopravy, které směřují právě do již dvou zmíněných středisek. Nicméně ani další střediska urbanizované zóny, jako např. Havířov nejsou kilometricky od Paskova příliš vzdáleny. Na třetím místě je obec Šenov u Ostravy s 88 body. Bilance Šenova je velmi vyrovnaná jak za veřejnou, tak i za individuální dopravu, nicméně jako jedna z mála obcí má za veřejnou dopravu více bodů (46) než za dopravu individuální (42). Tento poměr bodů je typický především pro obce těžící z výhodné dopravní polohy v rámci veřejné dopravy v hustě urbanizovaných oblastech. Dalšími obcemi s podobným poměrem skóre za VD a IAD jsou Horní Suchá (42 VD, 34 IAD), Hlučín (36 VD, 34 IAD). Na dalších místech mimo první dvacítku pak Dětmarovice (35 VD, 33 IAD), Těrlicko (35 VD, 33 IAD), Chotěbuz (36 VD, 28 IAD), Albrechtice (35 VD, 24 IAD) a další. Všechny zmiňované obce leží v „ostravské severovýchodní urbanizované zóně“, tedy v podstatě na okraji regionu. Odtud to mají obyvatelé těchto obcí do ostatních středisek poměrně daleko, nicméně se jim zde nabízí možnost využití mnoha prostředků veřejné hromadné dopravy spojujících populačně velká střediska v okolí.

80

Obr. 36. Celkové skóre obcí Ostravska za VD i IAD

Můžeme tedy konstatovat, že z hlediska počtu spojů veřejné hromadné dopravy, a tím i z hlediska vyšší plurality voleb občanů, je pro menší obce nejvýhodnější poloha v zázemí velkých populačních center, která na sebe automaticky vážou vyšší množství spojů veřejné hromadné dopravy. Pomocí přestupů se pak obyvatelé obcí v těchto oblastech mohou dostat v krátkém časovém horizontu i do vzdálenějších měst či obcí. K lepší plynulosti a návaznosti jednotlivých spojů veřejné hromadné dopravy významně pomáhá i zavádění integrovaných dopravních systémů. Těch se na území ČR vyskytuje hned několik. V regionu Ostravska působí Ostravský dopravní integrovaný systém (ODIS) a v oblasti plzeňského regionu pak IDP neboli Integrovaná doprava Plzeňska. Výhodou integrovaných dopravních systémů je především lepší celkový systém zabezpečení a návaznosti spojů či vzájemné uznávání jízdenek různých dopravců. Naopak z hlediska individuální automobilové dopravy je výhodnější centrálnější poloha v rámci regionu poblíž hlavních silničních tahů, které umožňují rychlý přesun i do středisek ležících ve větší vzdálenosti.

Jako centrální jádrové oblasti tedy vymezíme dvě území. První exponovaná oblast se nachází na severovýchodě regionu (obr. 36). Zde se nacházejí obce, které mají nejlepší

81

polohu v rámci veřejné hromadné dopravy. Druhá centrální oblast je ta, nacházející se v pomyslném pásu mezi Frýdkem-Místkem, Kopřivnicí, Novým Jičínem a Studénkou. Tato oblast je naopak typická obcemi s nejlepší dopravní polohou v rámci individuální automobilové dopravy. Periferními oblastmi jsou především některé části Opavska, Vítkovska, Oderska či Fulnecka. Na jihovýchodě oblasti pak obce Podbeskydska.

3.6.2 Celkové dopravní skóre obcí – Plzeňsko

Plzeňsko, jako region s méně urbanizovanou sídelní strukturou, je jednoznačně mnohem více závislé na individuální automobilové dopravě. Obyvatelé obcí v tomto regionu tedy potřebují, pro větší možnost cestování za prací, vzděláním či službami, výhodnou polohu v rámci dopravní sítě ještě více než tomu bylo v případě obcí na Ostravsku. V případě Ostravska totiž individuální dopravu v regionu poměrně intenzivně doplňuje systém veřejné hromadné dopravy. Jelikož v plzeňském regionu chybí, s výjimkou Plzně, nějaká výrazněji urbanizovaná část území, není možné naplno využít výhod plynoucích z vysokého počtu spojů navzájem na sebe navazujících.

Tab. 16. Celkové skóre obcí Plzeňska za VD i IAD Obec VD skóre IAD skóre Celkové skóre

1 Vejprnice 17 43 60,0 2 Zbůch 18,5 39 57,5 3 Tlučná 16 41 57,0 4 Lužany 19 37 56,0 5 Chotěšov 14,5 39 53,5 6 Stod 17 36 53,0 7 Líně 11 41 52,0 8 Starý Plzenec 18 34 52,0 9 Kozolupy 11 40 51,0 10 Vochov 11 40 51,0 11 Borovy 15 34 49,0 12 Horní Lukavice 12 37 49,0 13 Chlumčany 15 34 49,0 14 Heřmanova Huť 6,5 42 48,5 15 Šťáhlavy 14 34 48,0 16 Blovice 13,5 34 47,5 17 Třemošná 17,5 30 47,5 18 Spálené Poříčí 13 34 47,0 19 Horní Bříza 16,5 30 46,5 20 Kamenný Újezd 13,5 33 46,5

82

Při pohledu do tabulky 16 nás může jako první zaujmout především výrazně vyšší skóre za individuální automobilovou dopravu u všech z dvaceti nejlépe dopravně disponovaných obcí Plzeňska. I z tohoto ukazatele je tedy jasně patrná dominance individuální automobilové dopravy v této oblasti. Obyvatelé, kteří jsou z různých důvodů nuceni často cestovat do vzdálenějších částí regionu, jednoznačně potřebují pro svou dostatečnou mobilitu osobní automobil. Veřejná doprava totiž nefunguje v plzeňském regionu na tak vysoké a intenzivní úrovni, aby dokázala vysoce mobilním lidem s rozsáhlým akčním rádiem vynahradit osobní automobil.

V celkovém hodnocení za obě složky dopravy si tedy nejlépe vedou především obce s nejvýhodnější dopravní polohou poblíž páteřních silničních komunikací. Příkladem toho jsou hned první tři obce. Vejprnice, Zbůch a Tlučná. Všechny se nachází prakticky na jednom místě mezi středisky Plzeň a Nýřany. V jejich blízkosti či přímo jejich katastrem prochází jak dálnice D5, tak také silnice 1. třídy I/26. Obce jako Kaznějov nebo Plasy, které mají nejlepší bodové hodnocení v rámci veřejné hromadné dopravy, se v celkovém hodnocení pohybují až na 39., respektive 61. místě. Pouze Lužany, které jsou na druhém místě za veřejnou hromadnou dopravu Plzeňska, se z nejlepších tří obcí umístily v popředí celkového hodnocení obcí. Obsadily celkové 4. místo. Naproti tomu Šenov, Horní Suchá a Paskov, které jsou na prvních třech místech v rámci veřejné dopravy Ostravska, se v celkovém hodnocení pohybují na 3., 11. a 2. místě. To je další důkaz o větším významu veřejné hromadné dopravy v lépe dopravně propojených urbanizovaných polycentrických regionech, jako je ten ostravský.

83

Obr. 37. Celkové skóre obcí Plzeňska za VD i IAD

V rámci plzeňského regionu můžeme vymezit jednu hlavní, ale rozsáhlou dopravní jádrovou oblast, a to území v blízkém lemu kolem střediska Plzeň (obr. 37), s tím, že větší počet dopravně lépe disponovaných obcí se nachází na jihovýchodě a jihozápadě. V některých částech regionu se nacházejí také výběžky lépe dopravně disponovaných obcí podél významných dopravních komunikací. Jako periferní oblast můžeme vymezit areál mezi středisky Stříbro, Planá, Toužim a Kralovice. Další periferie se nachází mezi Kralovicemi Plzní a Rokycany. Poslední periferní území je jihovýchodní oblast při hranicích našeho regionu mezi středisky Nepomuk a Rokycany, zahrnující i rozsáhlé území Vojenského újezdu Brdy.

Součástí dopravní analýzy obou regionů jsou i kompletní tabulky celkového skóre všech obcí (příl. 33 a 34).

84

4 VLIV USPOŘÁDÁNÍ DOPRAVNÍCH KONTAKTŮ NA DYNAMIKU

SOCIOEKONOMICKÝCH UKAZATELŮ A CHARAKTERISTIK

Doprava a spolehlivé zabezpečení dopravních služeb jsou aspekty ovlivňující socioekonomické charakteristiky a rozvoj regionu. Ukazatele, jako je nezaměstnanost, dojížďka do zaměstnání či dojížďka do škol, jsou v různé intenzitě ovlivňovány mimo jiné dopravou a dopravní infrastrukturou.

Doprava působí na jednotlivé socioekonomické ukazatele s odlišnou intenzitou. Při hlubší analýze socioekonomických charakteristik a jejich vztahu k dopravě na Ostravsku, kterou jsme provedli již dříve v bakalářské práci („Dopravně podmíněná polycentricita sídelního systému a její vliv na socioekonomické charakteristiky“), jsme došli k závěru, že doprava ovlivňuje nezaměstnanost a dojížďku do zaměstnání poměrně rozdílně. Nezaměstnanost v polycentricky výborně predisponovaných územích je často vyšší než v obcích s horšími polycentrickými předpoklady, z čehož je patrné, že míra nezaměstnanosti v polycentricky lokalizovaných obcích není a priori ovlivněna dopravou. Svou roli zde sehrávají i jiné faktory. Samozřejmě také záleží na studované lokalitě, jelikož každý region může mít svá dopravní či jiná specifika, která ovlivňují nezaměstnanost v oblasti. V případě dojížďky do zaměstnání je situace jiná a výsledky analýzy poměrně dobře korelují s polycentrickými predispozicemi jednotlivých obcí. Tato část analýzy prokázala, že obyvatelům obcí v těsném sousedství většího počtu regionálních středisek se nabízí vyšší pluralita voleb zaměstnání, nežli je tomu u rezidentů obcí v periferních oblastech s horším dopravním spojením do středisek. Obdobná situace je pravděpodobně také u dojížďky do škol, která bude na dopravním systému a sídelním uspořádání závislá podobně jako dojížďka do zaměstnání.

Doprava tedy určité socioekonomické charakteristiky ovlivňuje více a některé zase méně. U nezaměstnanosti vyšla v naší analýze nižší závislost na dopravě, nicméně výsledky mohou být zkresleny z různých legislativních důvodů (např. evidence lidí pobírajících rentu na úřadu práce apod.). Dalším problémem mohou být v neposlední řadě i osobní hodnoty některých občanů, kterým se nechce pracovat a mnohdy pobývají na úřadu práce i několik let (NOVÁKOVÁ, 2008). Doprava, potažmo dopravní infrastruktura tedy nejsou jediní činitelé, kteří působí na socioekonomický rozvoj území. Banister a Berechman (2001) hovoří o dopravě jako o faktoru, který přispívá ke zlepšení

85

socioekonomických charakteristik v daném regionu pouze za předpokladu, že jsou splněny další nezbytné podmínky, jako jsou např. fungující ekonomika, kvalifikovaná pracovní síla, dostupnost finančního kapitálu, kvalitní legislativní rámec apod. V polycentrických regionech mohou lidé vybírat své místo zaměstnání mezi větším počtem dostupných středisek, zatímco v monocentrických regionech jsou obyvatelé často nuceni hledat práci pouze v jednom hlavním středisku. Nicméně rozsah a škála pracovních příležitostí může být přesto vyšší v monocentrickém bohatém regionu (např. Praha), než v polycentrickém regionu s několika velkými středisky (např. Ostravsko). Proto je potřeba socioekonomické charakteristiky studovat individuálně v kontextu daného území či regionu.

86

5 ZÁVĚR

Prostorové uspořádání dopravních vztahů patří k důležitým předpokladům způsobu organizace sídelního systému, a to buď do podoby monocentrické nebo polycentrické. Vliv dopravy a dopravní infrastruktury na všechny typy sídelních systémů je značný. Jejich funkce propojovat mezi sebou území či obce patří mezi základní lidské potřeby, bez kterých bychom si fungování dnešní společnosti dokázali jen stěží představit. Dopravní obslužnost obcí je alespoň na základní úrovni zabezpečována prostřednictvím veřejné hromadné dopravy, nicméně v souvislosti s neustále rostoucí dostupností osobního automobilu, roste i úroveň individuální mobility občanů. S rozvojem osobní automobilové dopravy posilují také vazby mezi významnými středisky regionu. Míra dopravní propojenosti obcí a středisek přispívá k rozdílné pluralitě voleb obyvatel. Větší možnost volby místa zaměstnání či studia je typická především pro polycentrické regiony s vyšším počtem významných středisek.

Analýza dvou, typem sídelního uspořádání, rozdílných území, kterou jsme provedli v rámci naší diplomové práce, měla prokázat rozdílné dopravně-prostorové vazby. V obou studovaných územích Ostravska i Plzeňska se objevují jak území s lepším umístěním v rámci dopravní sítě, tak území s horší dopravní polohou. Jelikož jsme provedli studii pouze dvou, i když poměrně rozsáhlých, regionů, nemůžeme naše výsledky považovat za všeobecně platné a je potřeba je brát s jistou dávkou geografického nadhledu.

Jak již bylo řečeno, naše studie se skládala především ze dvou segmentů dopravy, a to dopravy veřejné hromadné a dopravy osobní. V rámci analýzy jsme vytvořili metodiku, pomocí které jsme dokázali kvantifikovat kvalitu dopravní polohy obcí obou studovaných území. V porovnání obou regionů se projevila rozdílnost dopravních relací v ostravském a plzeňském regionu. Pokud se jedná o veřejnou hromadnou dopravu, jsou obce v obou regionech obslouženy prostorově značně odlišně. Zatímco na Ostravsku tvoří nejlépe obsloužené obce prostorové shluky, na Plzeňsku naopak tvoří linie kolem radiálních tahů směřujících do Plzně. Nejlépe veřejnou hromadnou dopravou obsloužené obce Ostravska se navíc nacházejí ve vysoce urbanizovaném území velmi blízko sebe, což přispívá k lepší vzájemné konektivitě obcí. Obyvatelé tohoto území mohou také využít mnoha spojů, mezi kterými mohou v komfortním čase pohodlně přestupovat. Plzeňský region naproti tomu, s výjimkou Plzně, připomíná svým charakterem spíše venkovskou oblast s podstatně menší mírou urbanizace a nižším počtem větších středisek. V případě osobní automobilové

87

dopravy mají obyvatelé Ostravska výhodu vyšší prostorové koncentrace středisek na menším prostoru, což v součtu s kvalitní dopravní infrastrukturou tohoto regionu, nabízí občanům disponujícím osobním automobilem vyšší pluralitu voleb. Na Ostravsku se pro osobní dopravu nejvýhodněji situované obce nacházejí v především v lemu podél dálnice D1 jihozápadně od Ostravy. V plzeňském regionu můžeme jádrovou oblast osobní automobilové dopravy nalézt opět podél dálnice D5 jižně až západně od Plzně.

V součtu tedy Ostravsko, jako zástupce polycentrické sídelní struktury, převyšuje Plzeňsko, co by zástupce monocentrického uspořádání, především v kvalitě nabídky spojů veřejné hromadné dopravy. Na území Ostravska funguje nesrovnatelně vyšší počet dopravních spojů, což se dá vzhledem k několikanásobně vyšší populaci regionu předpokládat, nicméně zmíněné spoje mají daleko výrazněji vícesměrnou orientaci, než je tomu u spojů na Plzeňsku, kde je jejich směřování téměř výhradně radiální směrem do Plzně. To znamená pro obyvatele Ostravska větší možnost volby socioekonomických aktivit. U osobní automobilové dopravy je situace v obou regionech podobná - pro Ostravsko je typická vícesměrná orientace hlavních silničních tahů, zatímco na Plzeňsku je směrování tahů jasně monocentrické ve směru do Plzně. To ve výsledku znamená, že v ostravském regionu se mohou obyvatelé osobním automobilem dostat ve stejném časovém horizontu průměrně do většího počtu středisek než v regionu plzeňském.

V této souvislosti se jeví jako opodstatněná snaha řídících orgánů na různých měřítkových úrovních v různých částech světa o polycentrický rozvoj sídelního systému, jelikož tato prostorová organizace s sebou přináší více možností pro obyvatele takových regionů. Významnou úlohu v polycentrickém uspořádání sídelního systému zastává právě doprava a dopravní infrastruktura.

88

6 SEZNAM POUŽITÉ LITERATURY A DALŠÍCH PRAMENŮ

Knihy a časopisy

1) ABLER, Ronald (1975): Human geography in a shrinking world. North Scituate, Mass.: Duxbury Press. 1975. 307 s. ISBN 08-787-2073-1.

2) ADEY, Peter (2010): Mobility. New York: Routledge, 2010, 267 p. ISBN 02-038- 7548-6.

3) BAILEY, N. and TUROK, I. (2001): Central Scotland as a polycentric urban region: useful planning concept or chimera?, Urban Studies, 2001, 38, s. 697–715. ISSN 0042-0980.

4) BANISTER, D.; BERECHMAN, Y. (2001): Transport investment and the promotion of economic growth. Journal of Transport Geography. 2001, 9, 3, s. 209-218. ISSN 0966-6923.

5) BEAVERSTOCK Jonathan V. et al. (1997): The national forest and global environmental sustainability. European environment 1997; 7 (2): 54-62. ISSN 0961- 0405

6) BERRY, B., J., L. (1964): Cities as systems within systems of cities. Papers of the Regional Science Association, 1964, 13, s. 147-163. ISSN 1056-8190.

7) BORUTA, T. (2008): Role integrovaného dopravního systému v polycentrických regionech. Sborník příspěvku z kolokvia konaného v Pavlově 18. -20. června 2008. Brno: Masarykova univerzita, 2008, s. 244-251. ISBN 978-80-210-4625-2.

8) CAMAGNI, R. P. (2001): The economic role and spatial contradictions of global city- regions: the functional, cognitive, and evolutionary context. In: SCOTT, Allen John. Global city-regions: trends, theory, policy. Oxford: Oxford University Press, 2001, s. 96-119. ISBN 01-982-9799-8.

9) CASTELLS, Manuel (2010): The rise of the network society. 2nd ed., with a new pref. Malden, MA: Wiley-Blackwell. 2010. 597 s. ISBN 14-051-9686-6.

10) COWELL, M. (2010): Polycentric Regions: Comparing Complementarity and Institutional Governance in the San Francisco Bay Area, the Randstad and Emilia- Romagna. Urban Studies, 2010, roč. 47, č. 5, s. 945-965. ISSN 0042-0980.

89

11) DANĚK, Petr (2008): Vývoj moderního geografického myšlení. In: TOUŠEK, Václav, Josef KUNC, Jiří VYSTOUPIL Ekonomická a sociální geografie. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk. 2008. 411 s. ISBN 978-807-3801-144.

12) DAVOUDI, S. (2003): Polycentricity in European spatial planning: from an analytical tool to a normative agenda, European Planning Studies, 2003, 11, s. 979–999. ISSN 0965-4313.

13) DIELMAN, F. M. (1996): Compact urban development: experiences in Randstad Holland, in:J. Kjellberg and S. Webber (Eds) Urban Regions in a Global Context: Directions for the Greater Toronto Area, Toronto: University of Toronto Press., 1996, s. 118–123. ISSN 0772714053.

14) GOETZ, A., RALSTON, B., STUTZ, F., and LEINBACH, T. (2004): Transportation geography. In: Gaile G and Willmott C (eds) Geography in America at the Dawn of the 21st Century . Oxford: Oxford University Press. 2004. s. 221-236. ISBN 01-982- 3392-2.

15) GOVERNA, F. and SALONE, C. (2005): Italy and European spatial polices: polycentrism, urban networks and local innovation practices, European Planning Studies, 2005, 13, s. 265–283. ISSN 0965-4313.

16) GREN, J. (2003): Reaching the Peripheral Regional Growth Centres. Centre-periphery convergence through the Structural Funds´ transport infrastructure actions and the evolution of the centre-periphery paradigm. In European Journal of Spatial Development, Jan 2003, no. 3, pp. 1-22. ISSN 1650-9544

17) HERBERT, David T. a Colin J. THOMAS (1997): Cities In Space: City as Place. London: David Fulton Publishers, 1997. 384 s. 3. vyd. ISBN 1853464015.

18) HOYLE, Brian; KNOWLES, Richard (1998): Modern Transport Geography : Edition 2. Chichester, West Sussex UK: John Wiley & Sons Ltd. 1998. 374 s. ISBN 0-471- 97777-2.

19) HUDEČEK, Tomáš (2010): Dostupnost v Česku v období 1991-2001: vztah k dojížďce do zaměstnání a do škol. Vyd. 1. Praha: Česká geografická společnost. 2010. 141 s. ISBN 978-809-0452-145.

90

20) CHAMPION, A. G. (2001): A Changing Demographic Regime and Evolving Polycentric Urban Regions: Consequences for the Size, Composition and Disribution of City Populations. Urban Studies, 2001, r. 38, č. 4, s. 657-677. ISSN 0042-0980.

21) JANELLE, Donald G. (1968): Central Place Development in a Time-space Framework. The professional geographer, 1968, 20, s. 5-10. ISSN 1467-9272.

22) KANTOR, P. (2006): Regionalism and reform: a comparative perspective on Dutch urban politics, Urban Affairs Review, 2006, 41, s. 800–829. ISSN 1078-0874.

23) KEELING, D. (2007): Transportation Geography: new directions on well-worn trails. Progress in Human Geography, 2007, vol. 31, No. 2, Sage publications, s. 217 – 225. ISSN 0309-1325.

24) KENYON, S., LYONS, G., RAFFERTY, J. (2002): Transport and social exclusion: investigating the posibility of promoting inclusion through virval mobility. Journal of Transport Geography 10, 2002, s. 207-219. ISSN 0966-6923.

25) KLOOSTERMAN, R. C. a B. LAMBREGTS (2001): Clustering of Economic Activities in Polycentric Urban Regions: The Case of Randstad. In: Urban Studies, 2001, 38, s. 717-732. ISSN 0042-0980.

26) KLOOSTERMAN, R. C., MUSTERD, S. (2001): The Polycentric Urban Region: Towards a Research Agenda. In: Urban Studies, 2001, 38, s. 623–633. ISSN 0042- 0980.

27) KNOWLES, Richard; SHAW, Jon; DOCHERTY, Iain (2008): Transport Geographies : Mobilities, Flows and Spaces. Oxford: Blackwell Publishing Ltd. 2008. 293 s. ISBN 978-1-4051-5322-5.

28) KRAFT, Stanislav (2011): Aktuální změny v dopravním systému České republiky: geografická analýza. Brno, 2011. 156 s. Disertační práce. Masarykova univerzita. Přírodovědecká fakulta, Geografický ústav. Vedoucí práce Antonín Věžník.

29) KRAFT, S., VANČURA, M. (2009): Dopravní systém České republiky: efektivita a prostorové dopady. Národohospodářský Obzor, 2009, 9, 1, s. 21-33. ISSN 1213-2446.

30) LAMBOOY, J. G. (1997) Polynucleation and economic development: the Randstad, European Planning Studies, 1997, 6, s. 457–466. ISSN 0965-4313.

91

31) LAMBREGTS, B. (2006): Polycentrism: boon or barrier to metropolitan competitiveness? The case of the Randstad Holland, Built Environment, 2006, 32, s. 114–123. ISSN 0263-7960.

32) LARSEN, Jonas, John URRY a K AXHAUSEN (2006): Mobilities, networks, geographies. Burlington, VT: Ashgate, 2006, 165 p. ISBN 07-546-4882-6.

33) LOWE, John Carl a S. MORYADAS (1975): The geography of movement. Boston: Houghton Mifflin, 1975. 333 s. ISBN 03-951-8584-X.

34) MACKINNON, D., PIRIE, G., GATHER, M. (2008): Transport and Economic Development. In KNOWLES, Richard; SHAW, Jon; DOCHERTY, Iain (2008): Transport Geographies : Mobilities, Flows and Spaces. Oxford: Blackwell Publishing Ltd. s. 10-28. ISBN 978-1-4051-5322-5.

35) MAIER, Karel, Filip DRDA, Ondřej MULÍČEK a Luděk SÝKORA (2007): Dopravní dostupnost funkčních městských regionů a urbanizovaných zón v České republice. Urbanismus a územní rozvoj. Brno: Ústav územního rozvoje, 2007, roč. 10, č. 3. ISSN 1212-0855.

36) MAIER, Karel, Ondřej MULÍČEK a Daniel FRANKE. Vývoj regionalizace a vliv infrastruktur na atraktivitu území České republiky. Urbanismus a územní rozvoj. Brno: Ústav územního rozvoje, 2010, roč. 10, č. 3, s. 71-81. ISSN 1212-0855.

37) MARADA, Miroslav (2010): Doprava a geografická organizace společnosti v Česku. Vyd. 1. Praha: Česká geografická společnost, 2010, 165 s. Geographica, sv. 2. ISBN 978-809-0452-121.

38) MEIJERS, E. (2005): Polycentric urban regions and the quest for synergy: is a network of cities more than the sum of the parts?. In: Urban Studies, 2005, 42, s. 765– 781. ISSN 0042-0980.

39) MEIJERS, Evert (2007): Synergy in Polycentric Urban Regions : Complementarity, organising capacity and critical mass. Amsterdam: IOS Press. 2007. 185 s. ISBN 978- 1-58603-724-6.

40) MILLER, Harvey J. (1991): Modelling accessibility using space-time prism concepts within geographical information systems. International journal of geographical information systems. 1991, roč. 5, č. 3, s. 287-301. ISSN 0269-3798.

92

41) MULÍČEK, Ondřej (2008): Geografie sídel. In: TOUŠEK, Václav, Josef KUNC, Jiří VYSTOUPIL Ekonomická a sociální geografie. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, 2008, 411 s. ISBN 978-807-3801-144.

42) NUHN, Helmut a Markus HESSE (2006): Verkehrsgeographie. Paderborn: Ferdinand Schöningh, 2006, 379 s. Grundriss Allgemeine Geographie, 2687. ISBN 38-252-2687- 5.

43) PAIN, Kathy (2008): Examining ‘Core–Periphery’ Relationships in a Global City- Region: The Case of London and South East England. Regional studies, 2008, č. 8, s. 1161-1172. ISSN 0034-3404.

44) PARR, J. B (2004): The Polycentric Urban Region: A Closer Inspection, Regional Studies, Taylor and Francis Journals, 2004, vol. 38(3), s. 231-240. ISSN 0034-3404.

45) POLYREG (2008): Souhrnná zpráva DC001 - Kritická diskuse konceptu polycentricity a jeho definování pro využití na národní a regionální úrovni v ČR. Centrum pro regionální rozvoj, MU, Brno, 2008, 49 s.

46) POLYREG (2010): Souhrnná zpráva DC005: Modelování budoucího stavu spádových oblastí pracovních center a FUA na základě modifikované dopravní dostupnosti. Centrum pro regionální rozvoj, Masarykova univerzita, Brno, 2010.

47) PRED, Allan (1977): City-systems in advanced economies: past growth, present processes and future development options. London: Hutchinson, 1977, 256 s. ISBN 00-912-9161-5.

48) PUMAIN, Denise (2000): Settlement systems in the evolution. Geografiska annaler. Series B, Human geography. 2000, roč. 82, č. 2, s. 73-87. ISSN 1468-0467.

49) RODRIGUE, Jean-Paul; COMTOIS, Claude; SLACK, Brian (2009): The geography of transport systems. 2nd ed. London: Routledge, 2009. 352 p. ISBN 9780415483230.

50) SASSEN, Saskia (2001): The global city: New York, London, Tokyo. 2nd ed. Princeton, N.J.: Princeton University Press, 2001, 447 p. ISBN 06-910-7063-6.

51) SEIDENGLANZ, Daniel (2008): Geografie dopravy. In: TOUŠEK, Václav, Josef KUNC, Jiří VYSTOUPIL Ekonomická a sociální geografie. Plzeň: Vydavatelství a nakladatelství Aleš Čeněk, 2008, 411 s. ISBN 978-807-3801-144.

93

52) SEIDENGLANZ, Daniel (2010): Transport relations among settlement centres in the eastern part of the Czech Republic as a potential for polycentricity. Acta Universitatis Carolinae Geographica, Praha, Karolinum. ISSN 0300-5402, 2010, vol. XLV, 2010, no. 1, pp. 75-89.

53) STARZYCZNÁ, Halina (2003): Ekonomika obchodu. Vyd. 1. Karviná: Slezská univerzita v Opavě, Obchodně podnikatelská fakulta v Karviné, 2003, s. 127-135. ISBN 80-7248-192-4.

54) SÝKORA, L. (2000): Globalizace a její společenské a geografické důsledky. In: Jehlička, P., Tomeš, J., Daněk, P., eds, Stát, prostor, politika: vybrané otázky politické geografie, Praha, Přírodovědecká fakulta UK Praha, katedra sociální geografie a regionálního rozvoje, 2000, s. 59-79. ISBN 80-238-5566-2.

55) ŠPAČEK, Jan (2011): Dopravně podmíněná polycentricita sídelního systému a její vliv na socioekonomické charakteristiky. Brno, 2011, 50 s. Bakalářská práce. Masarykova univerzita. Přírodovědecká fakulta, Geografický ústav. Vedoucí práce Daniel Seidenglanz

56) TAYLOR, Z. (2003): Accessibility to facilities versus daily mobility of rural dwellers: The case of Poland. In: Higgs, G. (ed.): Rural Services and Social Exclusion, European Research in Regional Science, 2003, vol. 12, s. 95-125. ISSN 0960-6130.

57) TOLLEY, R a B TURTON (1995): Transport systems, policy, and planning: a geographical approach. New York, N.Y.: Wiley. 1995. 402 s. ISBN 04-702-3452-0.

58) ULLMAN, E. (1973): The Role of Transportion and the Bases for Interaction. In: Blunden, J., Brook, Ch., Edge, G., Hay, A. (eds.): Regional Analysis and Development, London, 1973, s. 52-65. ISBN 00-631-8013-8.

94

Elektronické nosiče a www stránky

1) GALIANI, Sebastian a Sukkoo KIM (2008): The Law of the Primate City in the Americas. In: [online]. 2008 [cit. 2013-03-27]. Dostupné z: http://www.international.ucla.edu/economichistory/conferences/kim.pdf

2) KRAFT, Stanislav (2010): Dopravní koncentrační areály jako metoda hodnocení prostorové dynamiky dopravních vazeb. In Geografie pro život ve 21. století: Sborník příspěvků z XXII. sjezdu České geografické společnosti pořádaného Ostravskou univerzitou v Ostravě 31. srpna - 3. září 2010 [online]. Ostrava: Ostravská univerzita v Ostravě, [cit. 2013-04-01]. Dostupné z: http://konference.osu.cz/cgsostrava2010/dok/Sbornik_CGS/Socioekonomicka_geograf ie/Dopravni_koncentracni_arealy.pdf ISBN 978-80-7368-903-2

3) LEMOINE, Caroline a Frédérique PRÉDALI (2009): Urban structure and public transport fare structure: Comparison between polycentric and multipolar structures. In: Eurocities DATTA 2nd Workshop Namur [online]. 2009 [cit. 2013-04-01]. Dostupný z: http://www.eurocities-datta.eu/documents/lemoine_paper.pdf

4) LOGUE, J. (2006): Economics, cooperation, and employee ownership: the Emilia Romagna model [online]. The Ohio Employee Ownership Center. [cit. 2013-03-27]. Dostupné z: http://dept.kent.edu/oeoc/oeoclibrary/EmiliaRomagnaLong.htm.

5) NOVÁKOVÁ, Kateřina. Analýza dlouhodobé nezaměstnanosti ve vybraném regionu [online]. Brno: Masarykova univerzita, 2008. 87 s. Diplomová práce. Masarykova univerzita, Ekonomicko-správní fakulta. [cit. 2013-03-27]. Dostupné z: .

6) SCHMEIDLER, Karel (2005): Trendy rozvoje individuální automobilové dopravy v ČR. Urbanismus a územní rozvoj [online]. 2005, 8, 5, [cit. 2013-03-27]. Dostupný z: .

7) STRANGE, William C. (2008): Urban agglomeration. The New Palgrave Dictionary of Economics [online]. 2008 [cit. 2013-02-11]. DOI: 10.1057/9780230226203.1769. Dostupné z: http://www.dictionaryofeconomics.com/article?id=pde2008_U000064

95

PŘÍLOHY

Seznam příloh:

Příl. 1: Mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Ostravska Příl. 2: Mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Plzeňska Příl. 3: FUA Bílovec – analýza nabídky hromadné veřejné dopravy Příl. 4: FUA Bohumín – analýza nabídky hromadné veřejné dopravy Příl. 5: FUA Český Těšín – analýza nabídky hromadné veřejné dopravy Příl. 6: FUA Frenštát pod Radhoštěm – analýza nabídky hromadné veřejné dopravy Příl. 7: FUA Frýdek-Místek – analýza nabídky hromadné veřejné dopravy Příl. 8: FUA Fulnek – analýza nabídky hromadné veřejné dopravy Příl. 9: FUA Havířov – analýza nabídky hromadné veřejné dopravy Příl. 10: FUA Karviná – analýza nabídky hromadné veřejné dopravy Příl. 11: FUA Kopřivnice – analýza nabídky hromadné veřejné dopravy Příl. 12: FUA Nový Jičín – analýza nabídky hromadné veřejné dopravy Příl. 13: FUA Odry – analýza nabídky hromadné veřejné dopravy Příl. 14: FUA Opava – analýza nabídky hromadné veřejné dopravy Příl. 15: FUA Ostrava – analýza nabídky hromadné veřejné dopravy Příl. 16: FUA Studénka – analýza nabídky hromadné veřejné dopravy Příl. 17: FUA Vítkov – analýza nabídky hromadné veřejné dopravy Příl. 18: FUA Dobřany – analýza nabídky hromadné veřejné dopravy Příl. 19: FUA Holýšov – analýza nabídky hromadné veřejné dopravy Příl. 20: FUA Kralovice – analýza nabídky hromadné veřejné dopravy Příl. 21: FUA Nepomuk – analýza nabídky hromadné veřejné dopravy Příl. 22: FUA Nýřany – analýza nabídky hromadné veřejné dopravy Příl. 23: FUA Planá – analýza nabídky hromadné veřejné dopravy Příl. 24: FUA Plzeň – analýza nabídky hromadné veřejné dopravy Příl. 25: FUA Přeštice – analýza nabídky hromadné veřejné dopravy Příl. 26: FUA Rokycany – analýza nabídky hromadné veřejné dopravy Příl. 27: FUA Stříbro – analýza nabídky hromadné veřejné dopravy Příl. 28: FUA Toužim – analýza nabídky hromadné veřejné dopravy Příl. 29: Mapa počtu středisek dostupných do 30 minut z obcí Ostravska individuální automobilovou dopravou Příl. 30: Mapa počtu středisek dostupných do 45 minut z obcí Ostravska individuální automobilovou dopravou

Příl. 31: Mapa počtu středisek dostupných do 30 minut z obcí Plzeňska individuální automobilovou dopravou Příl. 32: Mapa počtu středisek dostupných do 45 minut z obcí Plzeňska individuální automobilovou dopravou Příl. 33. Žebříček - celkové skóre obcí za dopravní polohu – Ostravsko Příl. 34. Žebříček - celkové skóre obcí za dopravní polohu – Plzeňsko

Příl. 1. Mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Ostravska

Příl. 2. Mapa celkového počtu vlakových spojů vyjíždějících z jednotlivých obcí do okolních středisek Plzeňska

Příl. 3. FUA Bílovec – analýza nabídky hromadné veřejné dopravy Bílovec (4 obce) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 27 0 0 0 0 18 0 0 0 12 6 7 44 27 6 obcí všechny spoje 50 29 31 21 32 30 36 24 27 38 21 45 58 45 27 přímé spoje x 0 0 0 0 9 0 0 0 8 2 5 23 16 2 z Bílovce všechny spoje x 10 12 8 11 11 14 9 9 13 8 18 27 16 11 z ostatních přímé spoje - průměr na obec 9,0 0,0 0,0 0,0 0,0 3,0 0,0 0,0 0,0 1,3 1,3 0,7 7,0 3,7 1,3 obcí všechny spoje - průměr na obec 16,7 6,3 6,3 4,3 7,0 6,3 7,3 5,0 6,0 8,3 4,3 9,0 10,3 9,7 5,3 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 4. FUA Bohumín – analýza nabídky hromadné veřejné dopravy Bohumín (2 obce) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 26 14 0 0 0 3 13 0 0 0 0 33 14 0 obcí všechny spoje 13 27 25 26 37 8 64 37 10 12 8 16 42 18 9 z přímé spoje 0 x 8 0 0 0 0 13 0 0 0 0 29 12 0 Bohumína všechny spoje 9 x 11 13 19 6 33 14 6 7 5 11 29 12 6 z přímé spoje - průměr na obec 0,0 26,0 6,0 0,0 0,0 0,0 3,0 0,0 0,0 0,0 0,0 0,0 4,0 2,0 0,0 ostatních obcí všechny spoje - průměr na obec 4,0 27,0 14,0 13,0 18,0 2,0 31,0 23,0 4,0 5,0 3,0 5,0 13,0 6,0 3,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 5. FUA Český Těšín – analýza nabídky hromadné veřejné dopravy Český Těšín (3 obce) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 17 38 0 18 0 42 58 0 0 0 20 41 5 0 obcí všechny spoje 21 28 42 22 40 15 56 71 18 30 13 27 72 22 14 z Českého přímé spoje 0 10 x 0 8 0 31 33 0 0 0 10 26 3 0 Těšína všechny spoje 10 10 x 6 16 8 33 33 8 15 7 12 34 11 7 z ostatních přímé spoje - průměr na obec 0,0 3,5 19,0 0,0 5,0 0,0 5,5 12,5 0,0 0,0 0,0 5,0 7,5 1,0 0,0 obcí všechny spoje - průměr na obec 5,5 9,0 21,0 8,0 12,0 3,5 11,5 19,0 5,0 7,5 3,0 7,5 19,0 5,5 3,5 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 6. FUA Frenštát pod Radhoštěm – analýza nabídky hromadné veřejné dopravy Frenštát p. R. (6 obcí) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 0 0 96 42 0 0 0 44 33 0 0 45 5 0 obcí všechny spoje 35 44 42 97 66 26 61 37 69 66 32 43 91 39 18 z Frenštátu přímé spoje 0 0 0 x 17 0 0 0 11 8 0 0 20 0 0 p. R. všechny spoje 9 12 10 x 19 5 14 12 14 12 5 13 26 7 5 z ostatních přímé spoje - průměr na obec 0,0 0,0 0,0 19,2 5,0 0,0 0,0 0,0 6,6 5,0 0,0 0,0 5,0 1,0 0,0 obcí všechny spoje - průměr na obec 5,2 6,4 6,4 19,4 9,4 4,2 9,4 5,0 11,0 10,8 5,4 6,0 13,0 6,4 2,6 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 7. FUA Frýdek-Místek – analýza nabídky hromadné veřejné dopravy Frýdek-Místek (29 obcí) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 0 45 36 381 0 29 2 10 26 0 0 148 0 0 obcí všechny spoje 55 162 210 168 438 47 327 221 197 234 45 101 372 107 22 z Frýdku- přímé spoje 0 0 9 12 x 0 8 0 2 18 0 0 42 0 0 Místku všechny spoje 8 19 17 15 x 8 26 23 18 20 8 13 43 11 8 z ostatních přímé spoje - průměr na obec 0,0 0,0 1,3 0,9 13,6 0,0 0,8 0,1 0,3 0,3 0,0 0,0 3,8 0,0 0,0 obcí všechny spoje - průměr na obec 1,7 5,1 6,9 5,5 15,6 1,4 10,8 7,1 6,4 7,6 1,3 3,1 11,8 3,4 0,5 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 8. FUA Fulnek – analýza nabídky hromadné veřejné dopravy Fulnek (3 obce) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít přímé spoje 22 0 0 0 0 20 0 0 0 12 18 6 14 5 10 ze všech obcí všechny spoje 27 14 15 10 20 20 19 13 14 24 25 24 25 15 21 přímé spoje 13 0 0 0 0 x 0 0 0 10 16 3 8 3 6 z Fulneku všechny spoje 14 7 8 5 11 x 10 7 8 14 16 10 13 9 10 z ostatních přímé spoje - průměr na obec 4,5 0,0 0,0 0,0 0,0 10,0 0,0 0,0 0,0 1,0 1,0 1,5 3,0 1,0 2,0 obcí všechny spoje - průměr na obec 6,5 3,5 3,5 2,5 4,5 10,0 4,5 3,0 3,0 5,0 4,5 7,0 6,0 3,0 5,5 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 9. FUA Havířov – analýza nabídky hromadné veřejné dopravy Havířov (4 obce) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 1 56 1 18 0 90 62 0 1 0 18 88 0 0 obcí všechny spoje 22 63 64 33 76 17 92 116 25 35 15 31 135 18 12 přímé spoje 0 1 24 1 11 0 x 29 0 1 0 9 72 0 0 z Havířova všechny spoje 11 25 24 13 28 8 x 52 12 11 7 13 79 7 6 z ostatních přímé spoje - průměr na obec 0,0 0,0 10,7 0,0 2,3 0,0 30,0 11,0 0,0 0,0 0,0 3,0 5,3 0,0 0,0 obcí všechny spoje - průměr na obec 3,7 12,7 13,3 6,7 16,0 3,0 30,7 21,3 4,3 8,0 2,7 6,0 18,7 3,7 2,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 10. FUA Karviná – analýza nabídky hromadné veřejné dopravy Karviná (7 obcí) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 62 38 0 2 0 60 115 0 2 0 0 71 5 0 obcí všechny spoje 34 110 110 54 94 17 178 142 35 47 18 49 158 32 16 přímé spoje 0 14 28 0 1 0 25 x 0 1 0 0 22 3 0 z Karviné všechny spoje 10 14 30 11 18 5 36 x 9 11 6 12 30 8 6 z ostatních přímé spoje - průměr na obec 0,0 8,0 1,7 0,0 0,2 0,0 5,8 19,2 0,0 0,2 0,0 0,0 8,2 0,3 0,0 obcí všechny spoje - průměr na obec 4,0 16,0 13,3 7,2 12,7 2,0 23,7 23,7 4,3 6,0 2,0 6,2 21,3 4,0 1,7 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 11. FUA Kopřivnice – analýza nabídky hromadné veřejné dopravy Kopřivnice (7 obcí) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 0 0 0 48 16 0 0 0 115 97 0 0 31 37 0 obcí všechny spoje 45 44 61 102 88 45 83 39 118 127 45 42 95 57 30 z přímé spoje 0 0 0 14 3 0 0 0 x 28 0 0 8 8 0 Kopřivnice všechny spoje 8 9 14 19 16 7 18 9 x 31 8 8 17 9 5 z ostatních přímé spoje - průměr na obec 0,0 0,0 0,0 5,7 2,2 0,0 0,0 0,0 19,2 11,5 0,0 0,0 3,8 4,8 0,0 obcí všechny spoje - průměr na obec 6,2 5,8 7,8 13,8 12,0 6,3 10,8 5,0 19,7 16,0 6,2 5,7 13,0 8,0 4,2 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 12. FUA Nový Jičín – analýza nabídky hromadné veřejné dopravy Nový Jičín (17 obcí) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 17 16 0 29 19 44 0 0 59 244 24 3 42 55 8 obcí všechny spoje 108 81 94 125 123 114 116 58 182 273 100 98 173 125 61 z Nového přímé spoje 3 0 0 7 10 7 0 0 18 x 4 0 10 7 0 Jičína všechny spoje 10 7 8 10 11 11 12 8 21 x 5 9 18 11 4 z ostatních přímé spoje - průměr na obec 0,9 1,0 0,0 1,4 0,6 2,3 0,0 0,0 2,6 15,3 1,3 0,2 2,0 3,0 0,5 obcí všechny spoje - průměr na obec 6,1 4,6 5,4 7,2 7,0 6,4 6,5 3,1 10,1 17,1 5,9 5,6 9,7 7,1 3,6 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 13. FUA Odry – analýza nabídky hromadné veřejné dopravy Odry (7 obcí) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít přímé spoje 7 0 0 0 0 21 0 0 0 15 64 1 7 0 28 ze všech obcí všechny spoje 38 14 14 15 30 52 17 10 32 43 64 39 36 25 49 přímé spoje 6 0 0 0 0 17 0 0 0 10 x 1 6 0 13 z Oder všechny spoje 12 7 7 4 9 18 7 6 10 12 x 9 9 7 13 z ostatních přímé spoje - průměr na obec 0,2 0,0 0,0 0,0 0,0 0,7 0,0 0,0 0,0 0,8 10,7 0,0 0,2 0,0 2,5 obcí všechny spoje - průměr na obec 4,3 1,2 1,2 1,8 3,5 5,7 1,7 0,7 3,7 5,2 10,7 5,0 4,5 3,0 6,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 14. FUA Opava – analýza nabídky hromadné veřejné dopravy Opava (49 obcí) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 22 0 22 0 1 6 21 0 0 0 0 532 128 0 56 obcí všechny spoje 246 140 139 74 118 196 229 117 56 98 127 611 440 117 249 přímé spoje 4 0 8 0 1 1 8 0 0 0 0 x 24 0 10 z Opavy všechny spoje 14 11 15 9 12 13 17 12 5 9 10 x 24 6 13 z ostatních přímé spoje - průměr na obec 0,4 0,0 0,3 0,0 0,0 0,1 0,3 0,0 0,0 0,0 0,0 11,1 2,2 0,0 1,0 obcí všechny spoje - průměr na obec 4,8 2,7 2,6 1,4 2,2 3,8 4,4 2,2 1,1 1,9 2,4 12,7 8,7 2,3 4,9 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 15. FUA Ostrava – analýza nabídky hromadné veřejné dopravy Ostrava (52 obcí) - počet spojů do Střediska vybraných středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 106 56 46 31 160 12 191 42 40 19 6 100 645 34 6 obcí všechny spoje 286 402 377 285 497 120 617 395 243 299 92 331 773 258 118 přímé spoje 14 22 21 13 38 3 58 19 6 7 2 20 x 16 2 z Ostravy všechny spoje 18 23 27 16 40 9 61 27 12 14 6 20 x 17 7 z přímé spoje - průměr na obec 1,8 0,7 0,5 0,4 2,4 0,2 2,6 0,5 0,7 0,2 0,1 1,6 12,6 0,4 0,1 ostatních obcí všechny spoje - průměr na obec 5,3 7,4 6,9 5,3 9,0 2,2 10,9 7,2 4,5 5,6 1,7 6,1 15,2 4,7 2,2 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 16. FUA Studénka – analýza nabídky hromadné veřejné dopravy Studénka (2 obce) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít přímé spoje 15 9 2 0 0 4 0 2 7 13 0 0 14 8 0 ze všech obcí všechny spoje 21 11 10 15 19 16 9 6 17 22 10 8 18 8 9 přímé spoje 15 9 2 0 0 4 0 2 6 12 0 0 13 x 0 ze Studénky všechny spoje 16 9 9 12 14 12 7 6 12 16 6 7 13 x 7 z ostatních přímé spoje - průměr na obec 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 1,0 1,0 0,0 0,0 1,0 8,0 0,0 obcí všechny spoje - průměr na obec 5,0 2,0 1,0 3,0 5,0 4,0 2,0 0,0 5,0 6,0 4,0 1,0 5,0 8,0 2,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 17. FUA Vítkov – analýza nabídky hromadné veřejné dopravy Vítkov (4 obce) - počet spojů do vybraných Střediska středisek Bíl Boh ČT Fre F-M Ful Hav Kar Kop NJ Odr Opa Ost Stu Vít ze všech přímé spoje 7 0 0 0 0 15 0 0 0 0 29 32 8 0 43 obcí všechny spoje 40 20 25 7 19 49 31 22 15 40 51 56 60 32 55 přímé spoje 4 0 0 0 0 10 0 0 0 0 15 11 4 0 x z Vítkova všechny spoje 7 7 7 4 10 13 7 5 8 11 16 11 11 6 x z přímé spoje - průměr na obec 1,0 0,0 0,0 0,0 0,0 1,7 0,0 0,0 0,0 0,0 4,7 7,0 1,3 0,0 14,3 ostatních obcí všechny spoje - průměr na obec 11,0 4,3 6,0 1,0 3,0 12,0 8,0 5,7 2,3 9,7 11,7 15,0 16,3 8,7 18,3 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Bíl – Bílovec, Boh – Bohumín, ČT – Český Těšín, Fre – Frenštát p. R., F-M – Frýdek-Místek, Ful – Fulnek, Hav – Havířov, Kar – Karviná, Kop – Kopřivnice, NJ – Nový Jičín, Odr – Odry, Opa – Opava, Ost – Ostrava, Stu – Studénka, Vít - Vítkov; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 18. FUA Dobřany – analýza nabídky hromadné veřejné dopravy Dobřany (2 obce) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 6 0 0 0 0 0 29 10 1 0 0 obcí všechny spoje 6 7 6 8 7 3 30 15 9 10 7 přímé spoje x 0 0 0 0 0 25 10 1 0 0 z Dobřan všechny spoje x 5 4 6 6 3 25 11 7 8 5 z přímé spoje - průměr na obec 6,0 0,0 0,0 0,0 0,0 0,0 4,0 0,0 0,0 0,0 0,0 ostatních obcí všechny spoje - průměr na obec 6,0 2,0 2,0 2,0 1,0 0,0 5,0 4,0 2,0 2,0 2,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 19. FUA Holýšov – analýza nabídky hromadné veřejné dopravy Holýšov (14 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 1 40 0 0 10 0 36 0 0 0 0 obcí všechny spoje 19 59 29 14 33 2 65 33 38 19 12 z přímé spoje 0 x 0 0 5 0 16 0 0 0 0 Holýšova všechny spoje 7 x 6 5 7 1 17 8 8 5 2 z přímé spoje - průměr na obec 0,1 3,1 0,0 0,0 0,4 0,0 1,5 0,0 0,0 0,0 0,0 ostatních obcí všechny spoje - průměr na obec 0,9 4,5 1,8 0,7 2,0 0,1 3,7 1,9 2,3 1,1 0,8 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 20. FUA Kralovice – analýza nabídky hromadné veřejné dopravy Kralovice (17 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 0 39 0 0 0 36 0 0 0 0 obcí všechny spoje 23 13 56 15 26 11 77 39 19 32 22 přímé spoje 0 0 x 0 0 0 12 0 0 0 0 z Kralovic všechny spoje 5 4 x 3 5 1 13 8 5 3 4 z přímé spoje - průměr na obec 0,0 0,0 2,4 0,0 0,0 0,0 1,5 0,0 0,0 0,0 0,0 ostatních obcí všechny spoje - průměr na obec 1,1 0,6 3,5 0,8 1,3 0,6 4,0 1,9 0,9 1,8 1,1 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 21. FUA Nepomuk – analýza nabídky hromadné veřejné dopravy Nepomuk (17 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 0 0 41 0 1 25 0 0 1 0 obcí všechny spoje 26 16 10 58 16 9 48 25 28 21 15 z přímé spoje 0 0 0 x 0 1 12 0 0 1 0 Nepomuku všechny spoje 6 4 1 x 5 4 12 6 7 5 4 z ostatních přímé spoje - průměr na obec 0,0 0,0 0,0 2,6 0,0 0,0 0,8 0,0 0,0 0,0 0,0 obcí všechny spoje - průměr na obec 1,3 0,8 0,6 3,6 0,7 0,3 2,3 1,2 1,3 1,0 0,7 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 22. FUA Nýřany – analýza nabídky hromadné veřejné dopravy Nýřany (6 obcí) - počet spojů do vybraných Střediska středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 4 0 0 18 0 24 0 0 6 0 obcí všechny spoje 15 14 8 10 15 6 41 15 21 15 6 přímé spoje 0 4 0 0 x 0 17 0 0 1 0 z Nýřan všechny spoje 5 6 4 5 x 2 18 5 5 6 3 z přímé spoje - průměr na obec 0,0 0,0 0,0 0,0 3,6 0,0 1,4 0,0 0,0 1,0 0,0 ostatních obcí všechny spoje - průměr na obec 2,0 1,6 0,8 1,0 3,0 0,8 4,6 2,0 3,2 1,8 0,6 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 23. FUA Planá – analýza nabídky hromadné veřejné dopravy Planá (4 obce) - počet spojů do vybraných Střediska středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 0 0 0 0 15 10 0 5 12 0 obcí všechny spoje 4 9 3 4 4 15 18 6 12 17 6 přímé spoje 0 0 0 0 0 x 8 0 4 9 0 z Plané všechny spoje 4 6 3 4 4 x 9 6 7 10 2 z přímé spoje - průměr na obec 0,0 0,0 0,0 0,0 0,0 5,0 0,7 0,0 0,3 1,0 0,0 ostatních obcí všechny spoje - průměr na obec 0,0 1,0 0,0 0,0 0,0 5,0 3,0 0,0 1,7 2,3 1,3 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 24. FUA Plzeň – analýza nabídky hromadné veřejné dopravy Plzeň (141 obcí) - počet spojů do vybraných Střediska středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou

ze všech přímé spoje 77 50 64 52 72 27 924 65 78 72 16 obcí všechny spoje 435 326 450 379 362 133 1136 466 498 430 264 přímé spoje 14 0 7 8 13 6 x 13 19 11 2 z Plzně všechny spoje 15 10 10 8 16 6 x 13 21 14 2 z přímé spoje - průměr na obec 0,5 0,4 0,4 0,3 0,4 0,2 6,6 0,4 0,4 0,4 0,1 ostatních obcí všechny spoje - průměr na obec 3,0 2,3 3,1 2,7 2,5 0,9 8,1 3,2 3,4 3,0 1,9 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 25. FUA Přeštice – analýza nabídky hromadné veřejné dopravy Přeštice (18 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 42 0 0 1 0 0 83 75 3 0 0 obcí všechny spoje 81 49 46 41 34 20 127 87 58 51 30 přímé spoje 9 0 0 0 0 0 26 x 1 0 0 z Přeštic všechny spoje 11 11 7 8 6 4 26 x 8 9 4 z přímé spoje - průměr na obec 1,9 0,0 0,0 0,1 0,0 0,0 3,4 4,4 0,1 0,0 0,0 ostatních obcí všechny spoje - průměr na obec 4,1 2,2 2,3 1,9 1,6 0,9 5,9 5,1 2,9 2,5 1,5 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 26. FUA Rokycany – analýza nabídky hromadné veřejné dopravy Rokycany (47 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 2 0 0 11 0 5 81 2 237 7 0 obcí všechny spoje 65 86 98 74 87 35 236 86 309 83 49 přímé spoje 1 0 0 0 0 4 20 1 x 5 0 z Rokycan všechny spoje 8 7 5 8 9 5 20 8 x 7 3 z přímé spoje - průměr na obec 0,0 0,0 0,0 0,2 0,0 0,0 1,3 0,0 5,2 0,0 0,0 ostatních obcí všechny spoje - průměr na obec 1,2 1,7 2,0 1,4 1,7 0,7 4,7 1,7 6,7 1,7 1,0 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 27. FUA Stříbro – analýza nabídky hromadné veřejné dopravy Stříbro (24 obcí) - počet spojů do Střediska vybraných středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 0 0 0 3 25 54 0 9 93 0 obcí všechny spoje 35 47 54 34 36 61 128 39 70 114 24 přímé spoje 0 0 0 0 1 7 18 0 5 x 0 ze Stříbra všechny spoje 6 6 3 5 6 8 18 7 10 x 5 z přímé spoje - průměr na obec 0,0 0,0 0,0 0,0 0,1 0,8 1,6 0,0 0,2 4,0 0,0 ostatních obcí všechny spoje - průměr na obec 1,3 1,8 2,2 1,3 1,3 2,3 4,8 1,4 2,6 5,0 0,8 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 28. FUA Toužim – analýza nabídky hromadné veřejné dopravy Toužim (6 obcí) - počet spojů do vybraných Střediska středisek Dob Hol Kra Nep Nýř Pla Plz Pře Rok Stř Tou ze všech přímé spoje 0 0 0 0 0 0 16 0 0 0 33 obcí všechny spoje 4 5 11 7 3 15 21 6 8 17 36 přímé spoje 0 0 0 0 0 0 4 0 0 0 x z Toužimi všechny spoje 1 1 3 2 1 4 4 1 1 3 x z přímé spoje - průměr na obec 0,0 0,0 0,0 0,0 0,0 0,0 2,4 0,0 0,0 0,0 6,6 ostatních obcí všechny spoje - průměr na obec 0,6 0,8 1,6 1,0 0,4 2,2 3,4 1,0 1,4 2,8 7,2 Zdroj dat: www.jizdnirady.idnes.cz Poznámky: Dob – Dobřany, Hol – Holýšov, Kra – Kralovice, Nep – Nepomuk, Nýř – Nýřany, Pla – Planá, Plz – Plzeň, Pře – Přeštice, Rok – Rokycany, Stř – Stříbro, Tou – Toužim; všechny spoje – přímé spoje, spoje s 1 a 2 přestupy

Příl. 29. Mapa počtu středisek dostupných do 30 minut z obcí Ostravska individuální automobilovou dopravou

Příl. 30. Mapa počtu středisek dostupných do 45 minut z obcí Ostravska individuální automobilovou dopravou

Příl. 31. Mapa počtu středisek dostupných do 30 minut z obcí Plzeňska individuální automobilovou dopravou

Příl. 32. Mapa počtu středisek dostupných do 45 minut z obcí Plzeňska individuální automobilovou dopravou

Příl. 33. Žebříček - celkové skóre obcí za dopravní polohu - Ostravsko

Celkové Celkové Obec VD skóre AD skóre Obec VD skóre AD skóre skóre skóre

1 Příbor 39 55 94,0 51 Tísek 6 50 56,0 2 Paskov 42 50 92,0 52 Závišice 10 45 55,0 3 Šenov 46 42 88,0 53 Jeseník n. O. 14 40 54,0 4 Sviadnov 34 53 87,0 54 Mankovice 7 47 54,0 5 Skotnice 29 55 84,0 55 Sedliště 17 37 54,0 6 Klimkovice 25 57 82,0 56 Děhylov 12 41 53,0 7 Dobrá 38 43 81,0 57 Staré Město 11 42 53,0 8 Krmelín 23 56 79,0 58 Vratimov 15 38 53,0 9 Sedlnice 28 50 78,0 59 Vřesina (Ost) 0 52 52,0 10 Stará Ves n. O. 22 55 77,0 60 Hrabyně 14 37 51,0 11 Horní Suchá 42 34 76,0 61 Slatina 7 44 51,0 12 Velké Albrechtice 26 49 75,0 62 Trnávka 3 48 51,0 13 Kunín 16 58 74,0 63 Větřkovice 10 41 51,0 14 Bravantice 16 57 73,0 64 Bítov 9 41 50,0 15 Petřvald (Kar) 31 42 73,0 65 Doubrava 21 29 50,0 16 Žabeň 24 47 71,0 66 Kaňovice 13 37 50,0 17 Hladké Životice 17 53 70,0 67 Kateřinice 3 47 50,0 18 Hlučín 36 34 70,0 68 Kozlovice 18 32 50,0 19 Orlová 35 35 70,0 69 Mořkov 25 25 50,0 20 Šenov u NJ 18 52 70,0 70 Řepiště 9 41 50,0 21 Dolní Lutyně 34 35 69,0 71 Vojkovice 10 40 50,0 22 Suchdol n. O. 19 50 69,0 72 Vražné 6 44 50,0 23 Dětmarovice 35 33 68,0 73 Bernartice n. O. 1 48 49,0 24 Fryčovice 18 50 68,0 74 Dolní Lhota 5 44 49,0 25 Těrlicko 35 33 68,0 75 Tichá 19 30 49,0 26 Bílov 12 55 67,0 76 Pustá Polom 9 39 48,0 27 Staříč 16 51 67,0 77 Těškovice 11 37 48,0 28 Ludgeřovice 25 41 66,0 78 Horní Bludovice 14 33 47,0 29 Kujavy 12 53 65,0 79 Hradec n. M. 16 31 47,0 30 Mošnov 15 50 65,0 80 Lichnov 14 33 47,0 31 Chotěbuz 36 28 64,0 81 Stonava 20 27 47,0 32 Jistebník 12 52 64,0 82 Vrchy 0 47 47,0 33 Petřvald (NJ) 12 52 64,0 83 Dolní Tošanovice 9 37 46,0 34 Rychvald 32 32 64,0 84 Hodslavice 14 32 46,0 35 Štramberk 29 35 64,0 85 Veřovice 23 23 46,0 36 Olbramice 14 49 63,0 86 Březová 4 41 45,0 37 Václavovice 24 39 63,0 87 Čavisov 0 44 44,0 38 Velká Polom 19 44 63,0 88 Třanovice 12 32 44,0 39 Bartošovice 7 55 62,0 89 Jakubčovice n. O. 10 33 43,0 40 Baška 23 39 62,0 90 Petrovice 19 24 43,0 41 Palkovice 20 42 62,0 91 Skřipov 5 38 43,0 42 Horní Tošanovice 24 37 61,0 92 Branka u Opavy 14 28 42,0 43 Albrechtice 35 24 59,0 93 Dolní Benešov 13 29 42,0 44 Brušperk 12 47 59,0 94 Háj ve Slezsku 11 31 42,0 45 Pustějov 6 53 59,0 95 Otice 14 28 42,0 46 Hukvaldy 8 50 58,0 96 Pazderna 8 34 42,0 47 Nošovice 18 40 58,0 97 Zbyslavice 0 42 42,0 48 Albrechtičky 2 55 57,0 98 Ženklava 17 25 42,0 49 Rybí 13 43 56,0 99 Hostašovice 16 25 41,0 50 Starý Jičín 8 48 56,0 100 Kunčice p. O. 16 25 41,0

Celkové Celkové Obec VD skóre AD skóre Obec VD skóre AD skóre skóre skóre

101 Životice u NJ 11 30 41,0 144 Štěpánkovice 8 17 25,0 102 Hlubočec 5 35 40,0 145 Píšť 5 18 23,0 103 Štítina 14 26 40,0 146 Pražmo 3 20 23,0 104 Budišovice 8 31 39,0 147 Štáblovice 5 18 23,0 105 Kozmice 10 29 39,0 148 Budišov n. B. 4 18 22,0 106 Kyjovice 3 36 39,0 149 Kobeřice 7 15 22,0 107 Žermanice 7 32 39,0 150 Melč 6 16 22,0 108 Bruzovice 6 32 38,0 151 Uhlířov 1 21 22,0 109 Dobratice 9 29 38,0 152 Luboměř 0 21 21,0 110 Dobroslavice 1 37 38,0 153 Spálov 0 21 21,0 111 Heřmanice 7 31 38,0 154 Litultovice 6 14 20,0 112 Markvartovice 2 36 38,0 155 Chlebičov 2 17 19,0 113 Dolní Domaslavice 5 32 37,0 156 Holasovice 7 11 18,0 114 Heřmánky 6 31 37,0 157 Mladecko 2 16 18,0 115 Lučina 5 32 37,0 158 Staré Těchanovice 0 18 18,0 116 Mokré Lazce 11 26 37,0 159 Hněvošice 2 15 17,0 117 Nižní Lhoty 6 31 37,0 160 Mikolajice 1 16 17,0 118 Metylovice 2 34 36,0 161 Moravice 1 16 17,0 119 Šilheřovice 9 26 35,0 162 Neplachovice 6 11 17,0 120 Bordovice 9 25 34,0 163 Služovice 4 13 17,0 121 Horní Lhota 0 34 34,0 164 Dolní Životice 2 14 16,0 122 Soběšovice 4 30 34,0 165 Chuchelná 7 9 16,0 123 Trojanovice 16 18 34,0 166 Kružberk 1 15 16,0 124 Kravaře 16 17 33,0 167 Lhotka u Litultovic 0 16 16,0 125 Raškovice 7 26 33,0 168 Stěbořice 5 11 16,0 126 Velké Hoštice 13 19 32,0 169 Jezdkovice 1 14 15,0 127 Vyšní Lhoty 6 26 32,0 170 Nové Lublice 1 14 15,0 128 Janovice 3 28 31,0 171 Oldřišov 4 11 15,0 129 Vřesina (Opa) 6 25 31,0 172 Brumovice 5 9 14,0 130 Horní Domaslavice 1 29 30,0 173 Rohov 3 11 14,0 131 Chvalíkovice 2 28 30,0 174 Velké Heraltice 3 11 14,0 132 Lhotka 1 29 30,0 175 Bratříkovice 0 12 12,0 133 Darkovice 4 24 28,0 176 Hlavnice 1 11 12,0 134 Hať 4 24 28,0 177 Jakartovice 2 10 12,0 135 Nové Sedlice 2 26 28,0 178 Morávka 3 9 12,0 136 Vršovice 2 26 28,0 179 Sudice 3 9 12,0 137 Čermná ve Slezsku 4 23 27,0 180 Závada 1 11 12,0 138 Raduň 2 25 27,0 181 Bělá 2 9 11,0 139 Svatoňovice 4 23 27,0 182 Krásná 2 9 11,0 140 Bohuslavice 1 25 26,0 183 Strahovice 2 9 11,0 141 Bolatice 10 16 26,0 184 Svobodné Heřmanice 0 7 7,0 142 Radkov 3 23 26,0 185 Třebom 0 7 7,0 143 Slavkov 8 18 26,0

Příl. 34. Žebříček - celkové skóre obcí za dopravní polohu – Plzeňsko Celkové Celkové Obec VD skóre AD skóre Obec VD skóre AD skóre skóre skóre

1 Vejprnice 17 43 60,0 51 Úlice 5,5 33 38,5 2 Zbůch 18,5 39 57,5 52 Dýšina 5 33 38,0 3 Tlučná 16 41 57,0 53 Holoubkov 7,5 30 37,5 4 Lužany 19 37 56,0 54 Chocenice 3,5 34 37,5 5 Chotěšov 14,5 39 53,5 55 Kladruby (Tach) 3,5 34 37,5 6 Stod 17 36 53,0 56 Svojkovice 7,5 30 37,5 7 Líně 11 41 52,0 57 Horní Bělá 7 30 37,0 8 Starý Plzenec 18 34 52,0 58 Chotíkov 5 32 37,0 9 Kozolupy 11 40 51,0 59 Kbelany 1 36 37,0 10 Vochov 11 40 51,0 60 Osek 4 33 37,0 11 Borovy 15 34 49,0 61 Plasy 19 18 37,0 12 Horní Lukavice 12 37 49,0 62 Čižice 2,5 34 36,5 13 Chlumčany 15 34 49,0 63 Hradec 2,5 34 36,5 14 Heřmanova Huť 6,5 42 48,5 64 Klabava 3,5 33 36,5 15 Šťáhlavy 14 34 48,0 65 Lhůta 2,5 34 36,5 16 Blovice 13,5 34 47,5 66 Mýto 3,5 33 36,5 17 Třemošná 17,5 30 47,5 67 Nezbavětice 2,5 34 36,5 18 Spálené Poříčí 13 34 47,0 68 Seč 2,5 34 36,5 19 Horní Bříza 16,5 30 46,5 69 Vlčtejn 2,5 34 36,5 20 Kamenný Újezd 13,5 33 46,5 70 Vstiš 2,5 34 36,5 21 Nezvěstice 12,5 34 46,5 71 Chlum (Plz) 2 34 36,0 22 Útušice 2 44 46,0 72 Kostelec 2 34 36,0 23 Dolní Lukavice 8 37 45,0 73 Kotovice 0 36 36,0 24 Město Touškov 8 37 45,0 74 Ledce 6 30 36,0 25 Bdeněves 4,5 40 44,5 75 Litohlavy 3 33 36,0 26 Blatnice 5 39 44,0 76 Nebílovy 2 34 36,0 27 Přehýšov 5 39 44,0 77 Netunice 2 34 36,0 28 Chrást 10,5 33 43,5 78 Přestavlky 5 31 36,0 29 Myslinka 0,5 43 43,5 79 Střížovice 2 34 36,0 30 Oplot 9 34 43,0 80 Sulislav 5 31 36,0 31 Plešnice 10 33 43,0 81 Úněšov 4 32 36,0 32 Zdemyslice 9 34 43,0 82 Žákava 2 34 36,0 33 Dnešice 8,5 34 42,5 83 Březina 2,5 33 35,5 34 Štěnovice 5 37 42,0 84 Merklín 4,5 31 35,5 35 Ejpovice 10,5 31 41,5 85 Řenče 4,5 31 35,5 36 Pňovany 11 30 41,0 86 Letkov 4 31 35,0 37 Úherce 2 39 41,0 87 Líšťany 5 30 35,0 38 Chválenice 6,5 34 40,5 88 Nová Ves 1 34 35,0 39 Kaznějov 20,5 20 40,5 89 Předenice 1 34 35,0 40 Kyšice 7,5 33 40,5 90 Štěnovický Borek 1 34 35,0 41 Losiná 6,5 34 40,5 91 Tymákov 4 31 35,0 42 Staňkov 14,5 26 40,5 92 Milínov 0,5 34 34,5 43 Čeminy 6,5 33 39,5 93 Mokrouše 3,5 31 34,5 44 Kornatice 5,5 34 39,5 94 Všeruby 5,5 29 34,5 45 Zruč-Senec 8,5 31 39,5 95 Hrádek 13 21 34,0 46 Příchovice 5 34 39,0 96 Líšina 0 34 34,0 47 Rochlov 3 36 39,0 97 Lochousice 0 34 34,0 48 Sytno 5 34 39,0 98 Střelice 0 34 34,0 49 Benešovice 4,5 34 38,5 99 Únětice 0 34 34,0 50 Soběkury 7,5 31 38,5 100 Ves Touškov 0 34 34,0

Celkové Celkové Obec VD skóre AD skóre Obec VD skóre AD skóre skóre skóre

101 Medový Újezd 0 33 33,0 151 Černovice 0 26 26,0 102 Tatiná 6 27 33,0 152 Hromnice 8 18 26,0 103 Žilov 6 27 33,0 153 Kbel 3 23 26,0 104 Bezděkov 6,5 26 32,5 154 Radnice 8 18 26,0 105 Dolce 1,5 31 32,5 155 Žinkovy 3 23 26,0 106 Horšice 1,5 31 32,5 156 Čerňovice 0,5 25 25,5 107 Nevřeň 5,5 27 32,5 157 Hlohová 1,5 24 25,5 108 Radkovice 1,5 31 32,5 158 Kočov 0,5 25 25,5 109 Roupov 1,5 31 32,5 159 Pláně 12,5 13 25,5 110 Týniště 1,5 31 32,5 160 Smědčice 2,5 23 25,5 111 Volduchy 2,5 30 32,5 161 Srby 7,5 18 25,5 112 Vranov 7,5 25 32,5 162 Všenice 4,5 21 25,5 113 Hněvnice 1 31 32,0 163 Ždírec 7,5 18 25,5 114 Otěšice 4 28 32,0 164 Biřkov 0 25 25,0 115 Raková 1 31 32,0 165 Cebiv 2 23 25,0 116 Těškov 2 30 32,0 166 Mirošov 10 15 25,0 117 Vlčí 2,5 29 31,5 167 Příkosice 10 15 25,0 118 Zahrádka 2,5 29 31,5 168 Skapce 0 25 25,0 119 Dolní Bělá 4 27 31,0 169 Svojšín 2 23 25,0 120 Lisov 0 31 31,0 170 Zhoř 0 25 25,0 121 Nekmíř 4 27 31,0 171 Měcholupy 0,5 24 24,5 122 Vřeskovice 0 31 31,0 172 Mileč 6,5 18 24,5 123 Česká Bříza 2,5 28 30,5 173 Obora 6,5 18 24,5 124 Loza 3,5 27 30,5 174 Újezd nade Mží 0,5 24 24,5 125 Příšov 3 27 30,0 175 Blažim 1 23 24,0 126 Břasy 8,5 21 29,5 176 Bukovec 0 24 24,0 127 Záchlumí 4,5 25 29,5 177 Drahkov 0 24 24,0 128 Bučí 4 25 29,0 178 Dražeň 3 21 24,0 129 Buková 1 28 29,0 179 Kokašice 3 21 24,0 130 Bušovice 6 23 29,0 180 Křelovice 1 23 24,0 131 Krašovice 3,5 25 28,5 181 Kšice 2 22 24,0 132 Kunějovice 1,5 27 28,5 182 Černošín 3,5 20 23,5 133 Rybnice 8,5 20 28,5 183 Erpužice 1,5 22 23,5 134 Všekary 0,5 28 28,5 184 Jarov 2,5 21 23,5 135 Bolkov 0 28 28,0 185 Letiny 0,5 23 23,5 136 Honezovice 0 28 28,0 186 Nadryby 2,5 21 23,5 137 Ptenín 0 28 28,0 187 Neuměř 0,5 23 23,5 138 Zemětice 0 28 28,0 188 Bezdružice 4 19 23,0 139 Druztová 2,5 25 27,5 189 Brod nad Tichou 3 20 23,0 140 Skašov 1,5 26 27,5 190 Dobřív 5 18 23,0 141 Trnová 7,5 20 27,5 191 Horní Kozolupy 3 20 23,0 142 Dolany 1 26 27,0 192 Krsy 3 20 23,0 143 Hor. Kamenice 1 26 27,0 193 Poděvousy 3 20 23,0 144 Veselá 1 26 27,0 194 Prostiboř 0 23 23,0 145 Čermná 2,5 24 26,5 195 Štichov 0 23 23,0 146 Kvíčovice 0,5 26 26,5 196 Puclice 1,5 21 22,5 147 Mešno 5,5 21 26,5 197 Konstantin. Lázně 3 19 22,0 148 Mrtník 3,5 23 26,5 198 Nevid 1 21 22,0 149 Pernarec 3,5 23 26,5 199 Únehle 0 22 22,0 150 Čečovice 0 26 26,0 200 Kakejcov 0 21 21,0

Celkové Celkové Obec VD skóre AD skóre Obec VD skóre AD skóre skóre skóre

201 Přívětice 0 21 21,0 244 Skořice 1 15 16,0 202 Strašice 5 16 21,0 245 Trokavec 1 15 16,0 203 Třebčice 3 18 21,0 246 Vísky 1 15 16,0 204 Dobříč 2,5 18 20,5 247 Sedliště 0,5 15 15,5 205 Hlohovice 2,5 18 20,5 248 Kožlany 6 9 15,0 206 Chomle 2,5 18 20,5 249 Polánka 0 15 15,0 207 Neurazy 2,5 18 20,5 250 Štítov 0 15 15,0 208 Ostrov u Bezdružic 1,5 19 20,5 251 Útvina 4 11 15,0 209 Borovno 2 18 20,0 252 Kozojedy 2,5 12 14,5 210 Líté 2 18 20,0 253 Lestkov 1,5 12 13,5 211 Vejvanov 2 18 20,0 254 Nekvasovy 2,5 11 13,5 212 Jarov 1,5 18 19,5 255 Kladruby 1 12 13,0 213 Manětín 3,5 16 19,5 256 Krásné Údolí 4 9 13,0 214 Vrčeň 1,5 18 19,5 257 Žihle 5,5 7 12,5 215 Výrov 8,5 11 19,5 258 Mladotice 3 9 12,0 216 Němčovice 1 18 19,0 259 Štichovice 1 11 12,0 217 Újezd u Sv. Kříže 1 18 19,0 260 Kočín 2 9 11,0 218 Klášter 0,5 18 18,5 261 Kopidlo 2 9 11,0 219 Nové Mitrovice 0,5 18 18,5 262 Otročín 1 10 11,0 220 Prádlo 0,5 18 18,5 263 Potvorov 2 9 11,0 221 Trpísty 1,5 17 18,5 264 Bílov 1 9 10,0 222 Čmelíny 0 18 18,0 265 Černíkovice 1 9 10,0 223 Hvozd 3 15 18,0 266 Dolní Hradiště 1 9 10,0 224 Cheznovice 2 16 18,0 267 Chlum 1 9 10,0 225 Kamenec 0 18 18,0 268 Štědrá 3 7 10,0 226 Kozlovice 0 18 18,0 269 Vysoká Libyně 1 9 10,0 227 Kramolín 0 18 18,0 270 Všehrdy 0,5 9 9,5 228 Lhotka u Radnic 0 18 18,0 271 Bohy 0 9 9,0 229 Louňová 0 18 18,0 272 Brodeslavy 0 9 9,0 230 Mohelnice 0 18 18,0 273 Holovousy 0 9 9,0 231 Skomelno 0 18 18,0 274 Chlumy 0 9 9,0 232 Tojice 0 18 18,0 275 Mlečice 1 7 8,0 233 Úterý 2 16 18,0 276 Sedlec 1 7 8,0 234 Koryta 1,5 16 17,5 277 Zvíkovec 1 7 8,0 235 Hůrky 2 15 17,0 278 Pastuchovice 0,5 7 7,5 236 Bezvěrov 1,5 15 16,5 279 Velečín 0,5 7 7,5 237 Čížkov 1,5 15 16,5 280 Hlince 0 7 7,0 238 Liblín 0,5 16 16,5 281 Hradiště 0 7 7,0 239 Bujesily 0 16 16,0 282 Chříč 0 7 7,0 240 Kaceřov 0 16 16,0 283 Slatina 0 7 7,0 241 Míšov 1 15 16,0 284 Studená 0 7 7,0 242 Nečtiny 1 15 16,0 285 Tis u Blatna 0 7 7,0 243 Olbramov 0 16 16,0 286 Brdy 0 6 6,0