Globálny dôraz na udržateľný rozvoj sa v posledných rokoch zintenzívnil, pričom Organizácia Spojených národov (OSN) stanovila Agendu pre trvalo udržateľný rozvoj do roku 2030 (SDGs). Tradičné metódy hodnotenia SDGs, založené na administratívnych jednotkách, ako sú mestá alebo okresy, však často postrádajú potrebnú granularitu pre efektívne mestské intervencie. Tento prístup môže prehliadať nuansy mestskej dynamiky, vrátane environmentálnej degradácie alebo prehlbujúcich sa príjmových nerovností, a nie vždy ponúka jasné, praktické odporúčania prispôsobené jedinečným výzvam jednotlivých miest.

Koncepty ako „15-minútové mesto“, ktoré si kladú za cieľ zabezpečiť prístup k základným službám a vybaveniu v krátkej vzdialenosti chôdze alebo jazdy na bicykli, sú síce koncepčne silné, ale často prehliadajú bariéry prístupnosti pre všetkých obyvateľov. Napríklad, zatiaľ čo mestá ako Kodaň, Melbourne, Barcelona a Paríž urobili významné kroky smerom k udržateľnej urbanizácii, ich politiky ukázali aj sociálne a ekonomické výzvy, ako sú rastúce ceny nehnuteľností alebo gentrifikácia, ktoré môžu vylúčiť obyvateľov s nižšími príjmami z plného využívania výhod. Princípy environmentálnej spravodlivosti pritom zdôrazňujú význam spravodlivého rozdelenia zdrojov a príležitostí, najmä v historicky znevýhodnených oblastiach.

Inovatívne riešenie: Hodnotenie udržateľnosti na úrovni budov (BLSS)

V snahe prekonať tieto obmedzenia bol vyvinutý nový rámec na generovanie skóre udržateľnosti na úrovni budov (BLSS), ktorý integruje rovnosť do rámca 15-minútového mesta. Tento prístup, publikovaný v partnerstve s RMIT University, predstavuje robustný nástroj pre dátovo riadené rozhodovanie, ktorý pomáha mestským plánovačom a tvorcom politík podporovať spravodlivý a udržateľný mestský rast.

Metodika BLSS využíva pokročilé geopriestorové modelovanie a techniky strojového učenia. V prípade Hongkongu bol tento prístup implementovaný s využitím dát z viac ako 40 000 obytných budov a 100 vládnych oddelení. Zahŕňa zber dát z OpenStreetMaps, sčítania ľudu a rozsiahlych dát o zariadeniach (napríklad o školách, nemocniciach, zariadeniach pre starostlivosť o seniorov a deti, polícii a odpadovom hospodárstve).

Ako BLSS funguje:

• Mapovanie indikátorov SDGs: Systém mapuje dáta na 17 cieľov udržateľného rozvoja (SDGs) a ich 232 jedinečných cieľových indikátorov na úrovni budov. Niektoré indikátory, ako napríklad rodové rozdiely v platoch (SDG 8.5.2) alebo prístup k cenovo dostupným liekom (SDG 3.b.3), prispievajú k viacerým SDGs, čo odráža vzájomnú prepojenosť mestských výziev.
• Výpočet najkratšej vzdialenosti: Pomocou knižníc Pythonu sa vypočítavajú vzdialenosti medzi budovami a blízkymi zariadeniami, čím sa komplexne posudzuje mestská prístupnosť.
• Výpočet skóre SDGs: Skóre každého jednotlivého indikátora sa najprv normalizuje na stupnici od 0 do 10. Tieto normalizované skóre sa potom sčítajú, aby sa získalo skóre budovy pre dané SDG, a nakoniec sa spočíta celkové skóre SDG pre budovu. Platnosť metodiky bola overená porovnaním s reálnymi skóre OSN pre Hongkong, pričom výsledky potvrdili vysokú presnosť.

Kľúčové poznatky a aplikácie: Rámec BLSS poskytuje detailnú analýzu na viacerých úrovniach – budovy, okresy a regióny.

• Identifikácia nerovností: Pomocou štatistických mier, ako sú Giniho koeficienty, sa identifikujú nerovnosti v prístupnosti a rozdelení zdrojov. Napríklad, v Hongkongu boli zistené vysoké Giniho koeficienty v odpadovom hospodárstve a starostlivosti o seniorov, čo signalizuje značné nerovnosti v prístupe. Zistili sa tiež rozdiely medzi vekovými skupinami a regiónmi, pričom staršie vekové skupiny čelia väčším nerovnostiam v prístupe k udržateľným zdrojom.
• Scenárové simulácie: Nový simulačný rámec umožňuje analyzovať vplyv rozvoja infraštruktúry na BLSS. Napríklad, simulácia ukázala, že zavedenie integrovaného zariadenia pre starostlivosť o seniorov a deti viedlo k podstatnému zlepšeniu skóre udržateľnosti pre obe zložky. To poskytuje tvorcom rozhodnutí metodický základ pre optimalizáciu konfigurácie zariadení.
• Cielené zásahy a odporúčania bývania: Na základe získaných poznatkov môžu mestskí plánovači a tvorcovia politík formulovať politiky založené na dôkazoch, ktoré podporujú ekonomickú prosperitu, sociálnu rovnosť a ochranu životného prostredia. Rámec tiež zahŕňa systém odporúčaní bývania založený na strojovom učení, ktorý integruje preferencie používateľov s kvantifikovateľnými kritériami.

Metodika BLSS je adaptovateľná pre mestské oblasti po celom svete, vrátane miest s obmedzenou dostupnosťou dát, vďaka využitiu dát z Open Street Maps. Tento rámec efektívne rieši problémy súvisiace s mestským plánovaním, optimalizáciou infraštruktúry a inkluzívnym rastom, čím pomáha vytvárať inteligentné mestá, ktoré sa prispôsobujú a prosperujú na základe dát v reálnom čase. JRi